Sektor bankowy coraz aktywniej angażuje się w rozwój otwartych technologii, które wykraczają poza tradycyjne operacje finansowe. Najnowszym przykładem tej strategii jest wykorzystanie modelu RoBERTa, udostępnionego przez PKO Bank Polski, do budowy Sójki (Bielik Guard) – zaawansowanego narzędzia AI dedykowanego identyfikacji toksycznych treści oraz mowy nienawiści w środowisku cyfrowym.
Synergia sektora bankowego i społeczności Open Source
Współczesne zarządzanie doświadczeniem klienta oraz bezpieczeństwem w sieci wymaga narzędzi precyzyjnych i efektywnych kosztowo. Sójka (Bielik Guard) stanowi odpowiedź na te potrzeby, będąc wynikiem kolaboracji między instytucjami publicznymi, biznesem a społecznością AI. Projekt ten bazuje na udostępnionym we wrześniu 2025 roku modelu RoBERTa, który został zoptymalizowany przez ekspertów PKO Banku Polskiego we współpracy z AI Lab Ośrodka Przetwarzania Informacji (OPI PIB). Dzięki otwartej architekturze technologia ta jest dostępna bezpłatnie na platformie Hugging Face, co umożliwia jej szeroką implementację w strukturach Customer Care i organizacjach pożytku publicznego.
Optymalizacja klasyfikacji treści w skali mikro i makro
Najnowsza iteracja narzędzia, określana jako „duża Sójka” (Bielik-Guard-0.5B), znacząco podnosi poprzeczkę w zakresie analityki tekstu. Wykorzystanie fundamentu, jakim jest model RoBERTa, pozwoliło na rozszerzenie okna kontekstowego, co umożliwia analizę obszernych dokumentów i długich wątków komunikacyjnych. Z perspektywy managerów Customer Service kluczowym atutem jest drastyczna redukcja liczby fałszywych alarmów (false positives) oraz zdolność do precyzyjnej klasyfikacji zagrożeń, takich jak wulgaryzmy, instrukcje przestępcze czy treści autodestrukcyjne.
Strategiczne znaczenie suwerenności technologicznej
Inwestycje PKO Banku Polskiego w obszar R&D, koordynowane przez nowo powstałe Centrum Kompetencji AI, mają na celu nie tylko usprawnienie procesów wewnętrznych, ale także budowę polskiego ekosystemu sztucznej inteligencji. Model RoBERTa, rozwijany w ramach projektów współfinansowanych z Funduszy Europejskich, udowadnia, że lokalne, „lekkie” modele językowe mogą skutecznie konkurować z kosztownymi, globalnymi rozwiązaniami. Pozwalają one na zachowanie wysokiej precyzji analitycznej przy relatywnie niskich kosztach utrzymania infrastruktury, co jest kluczowe dla organizacji dążących do automatyzacji moderacji treści i ochrony użytkowników w czasie rzeczywistym.