Ko AI prevzame posojilni sistem
Posojilni sistem se sliši kot dolgočasna zaledna IT-tema, a prav tam se danes odvija ena ključnih bitk za prihodnost financ. Ameriški startup Fuse je zbral 25 milijonov dolarjev, da bi na novo zgradil sistem za odobravanje posojil za kreditne zadruge. Na prvi pogled niša, v resnici pa jasen signal: ponudniki umetne inteligence ne želijo več samo dodajati pametnih funkcij na obstoječo programsko opremo, temveč nadomestiti sam temelj teh sistemov. V nadaljevanju razčlenjujem, na kaj Fuse v resnici stavi, zakaj bi morali biti obstoječi ponudniki zaskrbljeni in zakaj bi to moralo zanimati tudi slovenske in evropske banke.
Novica na kratko
Po poročanju TechCruncha je startup Fuse 16. marca 2026 objavil 25-milijonsko investicijo serije A. Vodilni investitor je sklad Footwork, sodelujejo še Primary Venture Partners, NextView Ventures in Commerce Ventures.
Podjetje sta ustanovila Andres Klaric in Marc Escapa, ki sta leta 2023 svoj prejšnji projekt s področja avtomobilskega financiranja preobrnila v razvoj t. i. AI-native sistema za odobravanje posojil (loan origination system, LOS). Fuse želi s tem sistemom pokriti celoten življenjski cikel posojila – od vloge do odobritve in izplačila.
Ciljna skupina so ameriške kreditne zadruge, ki delujejo na zastarelih sistemih. TechCrunch navaja, da ima Fuse že več kot sto strank in da neposredno napada uveljavljene ponudnike, kot sta nCino in MeridianLink. Za spodbudo zamenjave je ustvaril petmilijonski tako imenovani reševalni sklad, iz katerega prvih 50 upravičenih zadrug dobi brezplačen dostop do platforme do izteka obstoječih pogodb z dosedanjim ponudnikom. Med konkurenti Fusea TechCrunch omenja tudi Casca in Glide.
Zakaj je to pomembno
Sistemi za odobravanje posojil so živčni sistem vsakega posojilodajalca. So povezovalni člen med komitentom, kreditnim modelom in glavno bančno knjigo. Kdor obvladuje LOS, obvladuje podatke, procese in na koncu pomemben del prihodkov. Zato je poteza Fusea precej bolj strateška, kot se zdi iz opisa še enega AI orodja za kreditne analitike.
Za kreditne zadruge je korist očitna. Mnogo jih deluje na sistemih, ki jih uvajajo po več mesecev, imajo večletne pogodbe in omejeno avtomatizacijo. Posledica: počasno uvajanje novih produktov, ročno delo in visoki operativni stroški. AI-native LOS, ki ga je mogoče vzpostaviti hitreje ter avtomatizira zajem dokumentov, preverjanje dohodkov in del odločanja, neposredno izboljša stroškovno sliko.
Na drugi strani so kratkoročni poraženci obstoječi ponudniki in celoten ekosistem okoli njih – integratorji, svetovalna podjetja in množica prilagoditev na starih platformah. Njihov poslovni model temelji na kompleksnosti in dolgih projektih. Avtomatizacija z umetno inteligenco ogroža tako licenčnine kot svetovalne ure.
Tu je še stratečna razsežnost. Kreditne zadruge težko konkurirajo digitalnim bankam in fintech posojilodajalcem, ki odobrijo kredit v minutah. Če bo Fuse resnično skrajšal čas uvedbe in zmanjšal stroške obdelave, bodo lokalne institucije dobile realno pot do sodobne uporabniške izkušnje brez vojske lastnih razvijalcev.
Seveda je vse to odvisno od dveh stvari: ali so AI agenti v Fuseu dovolj natančni za strogo regulirano kreditiranje ter ali bodo regulatorji zadovoljni z razlago in sledljivostjo odločitev. Tehnološko tveganje je realno, a enako velja za poslovni potencial.
Širša slika
Fuse pluje na treh sočasnih trendih.
Prvi je vertikalni SaaS z vgrajeno umetno inteligenco. V skoraj vsaki panogi nastajajo specializirane rešitve, kjer AI ni dodatek, temveč glavni vmesnik: od proizvodnih ERP sistemov do pravniških orodij in prodajnih CRM rešitev. Posojilni proces je idealen kandidat, ker je dokumentno zahteven, močno reguliran in drag, če ga vodimo ročno.
Drugi trend je menjava generacije bančne programske opreme. Veliko LOS in osnovnih bančnih sistemov je bilo uvedenih pred 10 ali 20 leti, pogosto kot lokalne, težko nadgradljive namestitve. V zadnjem desetletju so se pojavili oblačni izzivalci, a šele AI jim daje res prepričljivo zgodbo: ne le nižje stroške infrastrukture, temveč konkretno povečanje produktivnosti.
Tretji element je premik regulatorjev od splošnih načel glede umetne inteligence k zelo konkretnim pričakovanjem. To paradoksalno pomaga specializiranim ponudnikom. Če želi banka ali hranilnica v Sloveniji sama razviti AI odločanje, mora od začetka poskrbeti za pojasnljivost modelov, upravljanje modelnega tveganja in nadzor. Namenski ponudnik LOS lahko to naredi enkrat in strošek razdeli med več sto strank.
Zgodovina nam kaže, da ob vsaki tehnološki menjavi nekaj ponudnikov iz zaledne IT kategorije zraste v strateške partnerje. Salesforce je to storil pri CRM, ServiceNow pri IT procesih. Ni izključeno, da se v naslednjih letih nekaj podobnega zgodi tudi pri sistemih za odobravanje posojil – najprej v kreditnih zadrugah, nato v manjših bankah in specializiranih posojilodajalcih ter na koncu tudi na drugih trgih.
Ob tem ne gre pozabiti, da obstoječi igralci, kot sta nCino in MeridianLink, ne bodo stali križem rok. Imajo kapital, obstoječe integracije in zaupanje regulatorjev. Pričakujte pospešeno dodajanje AI funkcij in sporočilo varnosti ter stabilnosti v primerjavi z novinci. Posledica bo verjetno hitrejša inovacija v segmentu, ki je bil dolgo zapostavljen.
Evropski in slovenski pogled
Formalno gledano je Fuse ameriška zgodba. V praksi pa je napoved razprav, ki čakajo evropske zadružno usmerjene in regionalne banke.
V Evropi nimamo identičnega modela kreditnih zadrug kot v ZDA, imamo pa zelo podobne akterje: nemške Sparkasse in kooperative, francoske in italijanske zadružne skupine, španske cajas rurales ter manjše hranilnice in zadruge v srednji in vzhodni Evropi. Velik del teh institucij še vedno uporablja stare posojilne module, povezane z domačimi bančnimi sistemi.
EU uredbi GDPR in prihajajoči AI Act bosta za vsak AI podprt LOS zahtevali stroga pravila glede transparentnosti, omejevanja podatkov in človeškega nadzora. Vstopni prag bo zato višji kot v ZDA, a hkrati bo uspešna skladnost ustvarila veliko konkurenčno prednost. Evropski ponudniki bančne infrastrukture, kot so Mambu, Thought Machine, Temenos ali tudi regionalni igralci, že gradijo modularne bančne platforme. Logičen naslednji korak so resnično AI-native moduli za odobravanje posojil.
Za slovenske banke in hranilnice bo ključno vprašanje, kje v arhitekturi umestiti umetno inteligenco. Jo prepustiti ponudnikom LOS in jim s tem predati pomemben del kreditne politike ali ohraniti podatkovne modele in odločanje v hiši ter LOS obravnavati zgolj kot orodje za potek dela? Pri manjših institucijah, ki nimajo lastnih data science ekip, bo skušnjava zunanjega izvajanja večja.
Slovenski regulatorji se praviloma nagibajo k konservativnemu pristopu, kar pomeni dodatno breme dokazovanja pojasnljivosti in varovanja podatkov. Ponudniki, ki bodo znali ponuditi vgrajene revizijske sledi, nadzor pristranskosti in možnost človeškega posega, bodo imeli prednost.
Pogled naprej
V naslednjih dveh letih bo Fuse testiran na treh ključnih točkah, ki so zelo relevantne tudi za evropske igralce.
Prvič, hitrost uvedbe. Če bo podjetje lahko pokazalo srednje veliko kreditno zadrugo, ki je sistem vzpostavila v nekaj tednih, bo referenčni učinek velik. Če se bodo projekti vlekli, bo to voda na mlin incumbentom, ki trdijo, da se jedrnih sistemov ne da uvajati na hitro.
Drugič, odnos regulatorjev. Tudi če se Fuse najprej osredotoči na enostavnejše produkte, bodo nadzorniki želeli razumeti, kako AI agenti oblikujejo predloge, kako se obravnavajo robni primeri in kako se spremlja pristranskost. Ena odmevna napaka lahko ohladi celoten segment.
Tretjič, obnašanje med poslabšanjem gospodarskih razmer. Pričakovati je, da se bo kakovost kreditnega portfelja ciklično slabšala. Če bodo institucije z AI-native sistemom dosegale boljše rezultate zaradi boljših podatkov in hitrejših odzivov, bo to velik argument v prid novega pristopa. Če bodo rezultati slabši, se lahko razprava hitro obrne proti avtomatizaciji.
V Evropi bodo verjetno najprej sledili pilotni projekti v manjših bankah in zadružnih skupinah, časovni zamik glede na ZDA pa ocenjujem na dve do tri leta. V tem času bodo morali tudi obstoječi ponudniki v EU dokazati, ali lahko svoje platforme preoblikujejo v AI dobo ali pa bo prostor odprt za nove igralce po vzoru Fusea.
Za slovenski fintech in startup ekosistem je to jasen signal: priložnost ni v še enem pogovornem robotu za banko, temveč v globoko integriranih sistemih, ki tiho vodijo regulirane procese. To je težje in počasneje, a dolgoročno tudi precej bolj obetavno.
Ključna misel
Vložek 25 milijonov dolarjev v Fuse ni le novica o enem startupu, temveč znak, da se bitka za jedro posojilnih procesov začenja zares. Če bodo AI-native ponudniki dokazali, da so hitrejši za uvedbo, cenejši za upravljanje in enako varni kot obstoječi sistemi, se bo zemljevid finančne infrastrukture za manjše institucije bistveno spremenil. Za evropske in slovenske banke pa ostaja vprašanje: bodo same oblikovale to preobrazbo ali čakale, da jo nanje vsili konkurenca?
