AI-first banking bez AI Act. Brytyjski model regulacji AI w bankowości

AI-first banking without the AI Act. The British model for regulating AI in banking

Monitor Prawa Bankowego 2026/09 Wrzesień
Jak cytować

R. Lizak, AI-first banking bez AI Act. Brytyjski model regulacji AI w bankowości, Monitor Prawa Bankowego 2026, nr 9, s. 25-43.

Bibliografia
  1. Arner D.W., Barberis J.N., Buckley R.P., FinTech, RegTech and the Reconceptualization of Financial Regulation, Northwestern Journal of International Law & Business 2017, vol. 37, no 3.
  2. Araujo D., Bruno G., Cap A., Marcucci J., Schmidt R., Sirello O., Tissot B., Generative Artificial Intelligence in Central Banking, Bank for International Settlements, Irving Fisher Committee on Central Bank Statistics Bulletin no 67, Basel 2024.
  3. Black J., Forms and Paradoxes of Principles-Based Regulation, Capital Markets Law Journal 2010, vol. 3, no 4.
  4. Black J., Hopper M., Band C., Making a Success of Principles-Based Regulation, Law and Financial Markets Review 2007, vol. 1, no 3.
  5. Boston Consulting Group, Branches to Bots: Will AI Transform Retail Banking?, Boston 2025.
  6. Buckley R.P., Arner D.W., Zetzsche D.A., FinTech. Finance, Technology and Regulation, Cambridge 2024.
  7. Compagnucci M. Corrales, Fenwick M., Vermeulen E.P.M., Business and Regulatory Responses to Artificial Intelligence: Dynamic Regulation, Innovation Ecosystems and the Strategic Management of Disruptive Technology [w:] Robotics, AI and the Future of Law (red. M. Corrales Compagnucci, M. Fenwick, N. Forgó), Singapore 2018.
  8. Crisanto J.C., Leuterio C.B., Prenio J., Yong J., Regulating AI in the Financial Sector: Recent Developments and Main Challenges, Financial Stability Institute, Insights on Policy Implementation no 63, Bank for International Settlements, Basel 2024.
  9. Danielsson J., A. Uthemann, On the Use of Artificial Intelligence in Financial Regulations and the Impact on Financial Stability, Financial Markets Group Discussion Paper, London School of Economics, London 2024.
  10. Jurkowska-Zeidler A., Public Interest in the Banking System Regulation, Studia Iuridica 2023, nr 98.
  11. Lemonnier M., Rola badań porównawczych i interdyscyplinarnych w kwestiach rynku i nadzoru finansowego [w:] Prawo rynku finansowego. Doktryna, instytucje, praktyka (red. A. Jurkowska-Zeidler, M. Olszak), Warszawa 2015.
  12. Leitner G. i in., The Rise of Artificial Intelligence: Benefits and Risks for Financial Stability, Financial Stability Review, European Central Bank, May 2024.
  13. Lizak R., Prawne aspekty neuronowego modelu zarządzania danymi w administracji federalnej Stanów Zjednoczonych z wykorzystaniem AI, Warszawa 2024.
  14. Mariański M., The Application of the Public Order Clause on the Financial Market as One of the Elements for Building Sustainable Finance in a Comparative Perspective, Bialystok Legal Studies 2024, vol. 29, nr 1.
  15. Nadolska A., Soft law w regulacji rynku finansowego w Polsce. Rekomendacje, wytyczne i lista ostrzeżeń publicznych KNF, Warszawa 2021.
  16. Skinner C., Digital Bank: Strategies to Launch or Become a Digital Bank, Singapore 2014.
  17. Spears V.P., The United Kingdom Diverges from the European Union in Its Proposed Pro-Innovation Approach to Regulating Artificial Intelligence, The Journal of Robotics, Artificial Intelligence & Law 2023, vol. 6.
  18. Yeung K., Algorithmic Regulation: A Critical Interrogation, Regulation & Governance 2018, vol. 12, no 4.

Abstrakt

Artykuł ma charakter teoretycznoprawny i analizuje wpływ brytyjskiego modelu regulacyjnego na rozwój sztucznej inteligencji w sektorze bankowym. Celem badań jest ustalenie, czy rozwój modelu AI-first banking wymaga odrębnej regulacji sektorowej, czy też może być skutecznie wspierany przez istniejące, technologicznie neutralne ramy prawa finansowego. Problem badawczy dotyczy oceny, czy brytyjski model principles-based regulation i outcomes-based regulation zapewnia wystarczające podstawy dla rozwoju analizowanego modelu bez regulacji wzorowanej na unijnym AI Act. Analizę przeprowadzono metodą dogmatycznoprawną z wykorzystaniem autorskich ram obejmujących dane, algorytmy, technologię oraz governance i accountability. Przeprowadzona analiza prowadzi do wniosku, że istniejące instytucje prawa finansowego mogą skutecznie wspierać rozwój modelu bankowości oparty na AI, pod warunkiem zapewnienia odpowiedniej jakości nadzoru oraz mechanizmów governance i odpowiedzialności.

Słowa kluczowe

Sztuczna inteligencja, prawo bankowe, bankowość oparta na sztucznej inteligencji, regulacja oparta na zasadach, obowiązek działania na rzecz dobrych rezultatów dla klientów.

Abstract

This article adopts a legal-theoretical perspective to analyze the impact of the British regulatory model on the development of artificial intelligence in the banking sector. The study aims to determine whether the emergence of the „AI-first banking” model necessitates specific sectoral regulation or if it can be effectively supported by existing, technology-neutral financial law frameworks. The research addresses the question of whether the British model – characterized by principles-based and outcomes-based regulation – provides a sufficient foundation for the development of this banking model without the need for regulation modeled on the EU AI Act. The analysis employs a legal-dogmatic method, utilizing a proprietary framework that encompasses data, algorithms, technology, and governance and accountability. The findings indicate that existing financial law mechanisms can effectively support the development of AI-driven banking, provided that appropriate supervisory standards and robust governance and accountability mechanisms are in place.

Keywords

Artificial intelligence, banking law, AI-driven banking, principles-based regulation, obligation to act to achieve good outcomes for customers.

Robert Lizak

Wprowadzenie

W sektorze bankowym można zaobserwować stopniową ewolucję od modelu digital banking do modelu określanego w najnowszych opracowaniach dotyczących transformacji sektora finansowego jako AI-first banking, w którym sztuczna inteligencja przestaje pełnić wyłącznie funkcję wspierającą, a staje się jednym z podstawowych elementów procesów decyzyjnych, operacyjnych oraz obsługi klienta[1]. W tym modelu systemy sztucznej inteligencji wykorzystywane są nie tylko do automatyzacji pojedynczych procesów operacyjnych, lecz również do wspierania lub – w określonych przypadkach – podejmowania decyzji kredytowych, personalizacji produktów finansowych, wykrywania nadużyć, zarządzania ryzykiem, obsługi klienta oraz wspomagania procesów zarządczych[2]. Rozwój generatywnej AI oraz tzw. Agentic AI, czyli systemów zdolnych do samodzielnego planowania i wykonywania wieloetapowych działań prowadzących do osiągnięcia określonych celów, powoduje, że sektor bankowy stopniowo zmierza w kierunku modelu, w którym sztuczna inteligencja staje się jednym z podstawowych elementów architektury operacyjnej, procesów decyzyjnych oraz zarządzania instytucją finansową[3].

Szczególnie interesującym przypadkiem badawczym pozostaje Zjednoczone Królestwo. Podczas gdy w Unii Europejskiej AI Act wprowadza szczegółowe wymagania dotyczące określonych kategorii systemów AI, brytyjski model regulacyjny koncentruje się przede wszystkim na regulacji danych oraz skutków wykorzystania technologii przez instytucje finansowe[4]. Zgodnie ze wspólnym badaniem przeprowadzonym przez Bank of England i Financial Conduct Authority w 2024 r., rozwiązania oparte na sztucznej inteligencji wykorzystuje już 75% badanych instytucji sektora finansowego w Wielkiej Brytanii, natomiast kolejne 10% deklaruje ich wdrożenie w ciągu najbliższych trzech lat[5].

Rozwój brytyjskiego modelu regulacyjnego należy analizować również w kontekście szerszej strategii państwa zakładającej budowę pozycji Zjednoczonego Królestwa jako globalnego centrum rozwoju sztucznej inteligencji. W dokumencie programowym A pro-innovation approach to AI regulation rząd brytyjski wskazał, że proporcjonalne, elastyczne i proinnowacyjne otoczenie regulacyjne ma wspierać rozwój innowacji, wzmacniać zaufanie do AI oraz utrzymywać atrakcyjność Wielkiej Brytanii dla innowatorów i inwestorów, przyczyniając się do umocnienia jej pozycji jako światowego lidera w dziedzinie sztucznej inteligencji[6]. Powstaje zatem pytanie, w jaki sposób możliwy był rozwój zaawansowanych zastosowań AI w bankowości bez ustanowienia odrębnej regulacji sektorowej dotyczącej sztucznej inteligencji.

Problem badawczy niniejszego artykułu sprowadza się więc do ustalenia, czy rozwój modelu AI-first banking wymaga przyjęcia szczegółowych i dedykowanych regulacji dotyczących sztucznej inteligencji, czy też może być skutecznie wspierany przez istniejące i technologicznie neutralne ramy regulacyjne sektora finansowego[7]. W artykule przyjęto hipotezę, że brytyjski model regulacji opartej na zasadach (principles-based regulation), wykorzystujący technologicznie neutralne regulacje sektora finansowego oraz istniejące mechanizmy nadzorcze, stworzył warunki umożliwiające rozwój modelu bankowości opartego na AI bez potrzeby tworzenia odrębnej regulacji sektorowej dla sztucznej inteligencji[8]. Innymi słowy, to właśnie elastyczność oraz neutralność technologiczna brytyjskich regulacji mogą stanowić jeden z czynników sprzyjających wdrażaniu innowacji opartych na AI[9]. Nie oznacza to jednak, że o skuteczności wdrażania AI przesądza wyłącznie model regulacyjny[10]. W równym stopniu zależy ona od jakości nadzoru, praktyki stosowania prawa oraz dojrzałości mechanizmów zarządzania ryzykiem w instytucjach finansowych. Analiza została przeprowadzona metodą dogmatycznoprawną oraz instytucjonalną[11].

W celu oceny wpływu regulacji na rozwój AI-first banking opracowano autorskie ramy analityczne obejmujące cztery obszary funkcjonowania modeli AI: dane, algorytmy, technologię oraz mechanizmy zarządzania (governance) i odpowiedzialności (accountability). Przyjęte cztery obszary odpowiadają podstawowym płaszczyznom, na których ujawniają się ryzyka prawne i regulacyjne związane z wykorzystaniem sztucznej inteligencji w sektorze bankowym. Dane stanowią podstawę funkcjonowania modeli AI, algorytmy determinują sposób podejmowania decyzji, technologia wyznacza ramy odporności operacyjnej, natomiast zarządzanie i odpowiedzialność umożliwiają ocenę mec (...)