Przejdź do treści głównej
OpenAI

16 listopada 2026

Jak Revolut zwiększa ambicje, nie obniżając poprzeczki

Dzięki modelom OpenAI i Codex zespoły Revolut mogą skupić się na złożonych problemach — od inżynierii oprogramowania po przestępczość finansową.

Rozmiar przedsiębiorstwa: Enterprise
Region: Globalnie
Branża: Technologia, Finanse
Produkty: ChatGPT, API, Codex

30–60%

Skrócenie czasu programowania, od rozpoczęcia zadania do scalenia zmian w kodzie

Jeden dzień

Na przekształcenie dokumentacji projektowej z siedmiu lat w kontekst czytelny dla AI

1–2 dni

Zaoszczędzone na przeglądzie kodu pod kątem bezpieczeństwa dzięki Codex

Szybciej w codziennej pracy

Revolut⁠(otwiera nowe okno) powstał, by zmienić sposób, w jaki ludzie korzystają z pieniędzy. Dziś Revolut działa na ponad 40 rynkach, obsługuje 800 000 firm, a liczba jego klientów indywidualnych wzrosła o 23% w ostatnich 12 miesiącach.

Do tego dochodzi kultura firmy, w której od niewielkich, sprawnie zorganizowanych zespołów oczekuje się szybkiego działania. Nic więc dziwnego, że ChatGPT i Codex tak dobrze się w niej sprawdzają.

„Idealny pracownik Revolut to ktoś, kto potrafi błyskawicznie zidentyfikować problem, znaleźć rozwiązanie, opracować cztery scenariusze, wybrać najlepszy z nich, a następnie wprowadzić go na rynek” — mówi Kim Maniovich, globalna szefowa marketingu dla klientów biznesowych w Revolut.

„Partnerstwo z OpenAI pozwala nam tworzyć wiele z tych rozwiązań przy minimalnych zasobach i kosztach, w sposób naprawdę dopasowany do naszego wyjątkowego stylu pracy”.

Jednak szybsze działanie to tylko część otwierających się możliwości. Dla Revolut ważniejsze jest pytanie o to, co staje się możliwe, gdy utalentowani ludzie poświęcają mniej czasu na czynności wykonawcze, a więcej na rozwiązywanie problemów, które mogą fundamentalnie zmienić usługi finansowe.

Zacząć tam, gdzie skala łączy się z realnym wpływem

Wraz z rozwojem Revolut ochrona klientów staje się coraz bardziej złożonym zadaniem. Według jednego z raportów⁠(otwiera nowe okno) ponad połowa dorosłych na świecie zadeklarowała, że w 2025 roku zetknęła się z próbą oszustwa.

Dla Revolut każda transakcja to kolejna okazja do wykrycia podejrzanej aktywności, zbadania potencjalnych zagrożeń i wdrożenia solidnych zabezpieczeń dopasowanych do potrzeb klientów. Jednak sama liczba tych transakcji znacznie przekracza możliwości kadrowe jakiegokolwiek banku.

„Największym problemem, z którym możemy się dziś zmierzyć dzięki AI, jest zwiększanie możliwości zespołów w odpowiedzi na rosnące zapotrzebowanie” — mówi David Abitbol, szef ds. AI. Dlatego jednym z największych zastosowań AI w Revolut jest agent FinCrime oparty na modelach OpenAI.

Zamiast wymagać od analityków ręcznego opracowywania każdej kwalifikującej się sprawy, agent może analizować informacje, stosować reguły Revolut i automatycznie przeprowadzać zdefiniowany proces.

Przełomem było wprowadzenie GPT‑5.5. Jak mówi Abitbol, to wtedy modele stały się na tyle zaawansowane i opłacalne, że Revolut mógł w całości powierzyć agentowi procesy weryfikacji transakcji i analizy spraw. W rezultacie firma może monitorować więcej transakcji bez zwiększania liczby analityków w takim samym tempie jak zapotrzebowanie.

To, jak dodaje Mo Amiri, inżynier ds. bezpieczeństwa informacji, „przekłada się bezpośrednio na lepszą ochronę i bardziej odporny system, któremu nasi klienci mogą zaufać”.

„Działaj szybko, ale buduj zaufanie” z powodzeniem mogłoby być wewnętrznym hasłem zespołów inżynierskich Revolut. Abitbol podkreśla, że Codex skrócił czas programowania o 30–60%, ale równie jasno zaznacza, że pewne zabezpieczenia nie podlegają negocjacjom.

„Mamy uporządkowany zestaw zasad: każdy w firmie, kto tworzy cokolwiek z użyciem AI, stosuje te same standardy w zakresie rozwoju oprogramowania, testów A/B i prognozowania wskaźników biznesowych” — mówi. „Każdego inżyniera w firmie obowiązują więc te same standardy jakości. Modele stały się na tyle zaawansowane i opłacalne, że mogliśmy coraz częściej powierzać agentowi wstępną analizę spraw i weryfikację transakcji”.

Delegowanie realizacji, nie odpowiedzialności

Dmitry Pitik, starszy inżynier platformy, przekonał się w praktyce, co oznacza skrócenie czasu programowania o 30–60%, gdy tworzył wewnętrzną usługę przeglądu kodu. Zaprojektował system, podzielił go na funkcje i początkowo zakładał, że do jego implementacji będzie potrzebował zespołu programistów.

„Zdałem sobie sprawę, że nie potrzebuję całego zespołu programistów, by to zrealizować” — wspomina. „Mogę po prostu uruchomić różnych agentów i przypisać każdemu konkretne zadanie”. Codex stał się jego zespołem implementacyjnym, a Dmitry poświęcał więcej czasu na projektowanie systemu, planowanie pracy i przegląd jej wyników.

Abitbol obserwuje ten schemat w całej firmie Revolut. Dzięki Codex inżynierowie odzyskują czas i wykorzystują go, „by więcej rozmawiać o projekcie i najlepszym rozwiązaniu. Poświęcamy więc więcej czasu na projektowanie zamiast na implementację”.

Nie znosi to potrzeby posiadania wiedzy inżynierskiej — zmienia jedynie to, gdzie się ją wykorzystuje. „Każdy programista odpowiada za tworzony przez siebie kod i nie ufamy AI bezkrytycznie” — mówi Pitik. Efektem jest inny podział pracy: AI może pomagać w implementacji, a inżynierowie poświęcają więcej uwagi decyzjom, od których zależy, czy oprogramowanie będzie użyteczne, niezawodne i warte stworzenia.

Ten dodatkowy nakład pracy się opłaca. Gdy Codex pracuje nad jednym zadaniem, Pitik może równolegle zajmować się innym. Taka wielozadaniowość jest niezbędna w firmie, w której — jak wyjaśnia Kim Maniovich — przeciętny pracownik pełni „trzy różne role”. Korzystanie z Codex napędza pozytywny, choć wymagający cykl: „z miesiąca na miesiąc stawiamy sobie coraz ambitniejsze cele, które są zarazem coraz bardziej osiągalne. Poprzeczka stale się więc podnosi. To AI sprawia, że jest to możliwe”.

Dzięki tym nowym możliwościom Revolut opracował między innymi narzędzie do tworzenia interfejsów internetowych dla aplikacji wewnętrznych i produktów dostępnych dla klientów.

Innym przykładem jest przekształcenie w jeden dzień dokumentacji projektowej z siedmiu lat w kontekst czytelny dla AI. Powstała w ten sposób podstawa narzędzi, które mają pomagać projektantom pracować efektywniej. To pokazuje, jak AI może ułatwić dostęp do wiedzy zgromadzonej w organizacji i zmniejszyć wysiłek potrzebny do pracy ze złożonymi systemami. „Możemy przenieść uwagę z rzeczy, które są ważne, ale trudne do zrobienia bez AI, na te, które mają znaczenie dla klientów” — mówi starszy projektant Dmytro Pavlov.

„Zdałem sobie sprawę, że nie potrzebuję całego zespołu programistów. Mogę po prostu uruchomić różnych agentów i przydzielić im zadanie”.
— Dmitry Pitik, starszy inżynier platformy, Revolut

Zaufanie wpisane w system

Zadaniem Mo Amiriego jest dbanie o to, by za całym tym tempem nadążało bezpieczeństwo — nie tylko klientów, lecz także pracowników Revolut. Patrzy więc na AI z dwóch perspektyw jednocześnie: jak może pomóc Revolut zbadać problem i czego potrzebują zespoły, by bezpiecznie ją wdrożyć.

Na przykład przy badaniu próby phishingu analityk musiał wcześniej ręcznie pozyskać wiadomość e-mail, sprawdzić zawarte w niej łącza i załączniki, ustalić nadawcę oraz zebrać dowody. „Dzięki potężniejszym narzędziom AI możemy błyskawicznie odkrywać te powiązania i dogłębniej analizować kwestie, które naprawdę mają znaczenie” — mówi.

AI wykonuje żmudną pracę i przedstawia analitykowi uporządkowany opis sprawy, ale to człowiek nadal musi przejrzeć źródłowe materiały, ocenić, czy wyjaśnienie ma sens, i zatwierdzić wszelkie działania.

Amiri stosuje to samo podejście, gdy zespoły wdrażają w Revolut nowe rozwiązania wykorzystujące AI. Sprawdza cały proces: do jakich danych system ma dostęp, dokąd one trafiają, z jakich narzędzi może korzystać, co może dzięki nim zrobić i co się dzieje, gdy coś zawiedzie. Weryfikuje też, czy wnioski, które na pierwszy rzut oka wydają się przekonujące, rzeczywiście są poparte dowodami.

„Najważniejsza decyzja zawsze dotyczy tego, kto ponosi odpowiedzialność” — mówi. „Jeśli narzędzie AI sugeruje zmianę w kodzie, inżynier musi ją rozumieć na tyle dobrze, by wziąć za nią odpowiedzialność. To bezpośrednio wpływa na to, jak projektujemy proces przeglądu: zapewniamy programistom potrzebny kontekst, nie komplikując ich codziennej pracy”.

Dla Revolut zabezpieczenia są nieodłączną częścią innowacji. Pomagają stworzyć warunki, w których zespoły mogą z zaufaniem wdrażać technologie o coraz większych możliwościach. „Tak właśnie buduje się prawdziwe zaufanie do AI — przez przemyślane decyzje na starcie i testowanie na bieżąco” — wyjaśnia.

„Prawdziwe zaufanie do AI buduje się przez przemyślane decyzje na starcie i testowanie na bieżąco”.
— Mo Amiri, inżynier ds. bezpieczeństwa informacji, Revolut

Wyniki w skrócie

  • Skrócenie czasu programowania o 30–60%, od rozpoczęcia zadania do scalenia zmian w kodzie

  • Jeden inżynier stworzył wewnętrzną usługę przeglądu kodu, delegując zadania implementacyjne wielu agentom Codex

  • Jeden dzień na przekształcenie dokumentacji systemu projektowego, tworzonej przez około siedem lat, w kontekst czytelny dla AI

  • Od jednego do dwóch dni zaoszczędzonych przy jednym obszernym przeglądzie kodu pod kątem bezpieczeństwa

  • Więcej transakcji sprawdzanych przez agenta FinCrime bez proporcjonalnego zwiększania liczby analityków

Wnioski dla liderów

  • Zacznij od problemu wartego rozwiązania. Revolut wdrożył AI tam, gdzie zapotrzebowanie rośnie najszybciej, a stawka dla klientów jest najwyższa.

  • Wykorzystaj szybkość, by mierzyć wyżej, a nie obniżać standardy. Czas zaoszczędzony na programowaniu i analizie spraw pozwala lepiej projektować, zadawać trudniejsze pytania i podejmować ważniejsze zadania.

  • Odpowiedzialność pozostaw ludziom. AI może zbierać dowody, pisać kod i rekomendować działania. Człowiek nadal musi rozumieć tę pracę na tyle dobrze, by wziąć za nią odpowiedzialność.

  • Zbuduj zaufanie, zanim zwiększysz skalę działania. Jasno określ, co system może zobaczyć, co może zrobić i co się stanie, gdy zawiedzie — a potem na bieżąco weryfikuj te ustalenia.

  • Zadbaj o to, by z wiedzy dało się korzystać. AI działa lepiej, gdy ma dostęp do jasnego, dobrze uporządkowanego kontekstu. Porządkowanie wiedzy często pokazuje też, co sama organizacja powinna doprecyzować.

Dalsze kroki

Revolut już pokazał, jak dzięki AI jego zespoły mogą podejmować się większej liczby coraz bardziej złożonych zadań. Kolejną szansą jest wykorzystanie tego połączenia możliwości, trafnej oceny i projektowania do kształtowania sposobu, w jaki klienci zarządzają swoimi pieniędzmi.

Abitbol wyobraża sobie interfejs oparty w większym stopniu na rozmowie, w którym klienci mogą prosić Revolut o pomoc w codziennych sprawach finansowych: zablokowaniu karty, zarządzaniu subskrypcją czy znalezieniu sposobów na oszczędzanie na podróż. Pavlov dostrzega stojące za tym wyzwanie projektowe: jak przekształcić złożoność w coś spójnego, znajomego i łatwego w obsłudze.

Kim Maniovich łączy tę wizję przyszłości z kulturą, która napędza pracę firmy. „Mam nadzieję, że dzięki produktom, które tworzymy dla ludzi, pozwolimy im stosować we własnym życiu wartości, którymi kierujemy się na co dzień: tę bezkompromisową ambicję i chęć ciągłego sięgania po więcej”.

Gdy AI ułatwia tworzenie, przewagę daje wiedza o tym, co warto tworzyć — oraz zachowanie trafnego osądu, wysokich standardów i zrozumienia potrzeb klientów, by robić to dobrze. Dla Revolut właśnie na tym polega większy potencjał inteligencji w pracy: mniej czasu na czynności wykonawcze, a więcej możliwości, by usługi finansowe były bezpieczniejsze, prostsze i bardziej przydatne dla wszystkich.

Nowa epoka pracy

Ponad 1 milion firm na całym świecie osiąga znaczące rezultaty dzięki OpenAI.

Otrzymuj nowości o rozwiązaniach OpenAI dla firm

Nowości produktowe, praktyczne poradniki, nadchodzące wydarzenia i wiele więcej.

Zapisując się, zgadzasz się na otrzymywanie e-maili od OpenAI. Możesz zrezygnować z subskrypcji w dowolnym momencie. Przeczytaj nasze zasady prywatności⁠.