Η τεχνητή νοημοσύνη διεισδύει όλο και πιο έντονα στις καθημερινές λειτουργίες των τραπεζών, από την αξιολόγηση δανείων και το άνοιγμα λογαριασμών μέχρι τον εντοπισμό ύποπτων συναλλαγών. Το επόμενο βήμα για τον τραπεζικό κλάδο δεν περιορίζεται σε βελτιωμένα chatbots ή ψηφιακούς βοηθούς που απαντούν σε ερωτήματα πελατών. Σύμφωνα με ανάλυση των Ajay Rawal και Δρ. Κωστή Χλουβεράκη της EY, η νέα γενιά συστημάτων τεχνητής νοημοσύνης αναλαμβάνει συγκεκριμένα στάδια τραπεζικών διαδικασιών, συγκεντρώνοντας και ελέγχοντας δικαιολογητικά, εντοπίζοντας πιθανές απάτες και παραπέμποντας πολύπλοκες περιπτώσεις στον αρμόδιο υπάλληλο.
Αυτό δεν συνεπάγεται ότι η τεχνητή νοημοσύνη θα αποφασίζει ανεξέλεγκτα για τη χορήγηση δανείων ή ότι ο ανθρώπινος παράγοντας καταργείται. Το μοντέλο που παρουσιάζουν οι συντάκτες βασίζεται σε μικρότερα, εξειδικευμένα συστήματα, γνωστά ως AI agents, τα οποία εκτελούν συγκεκριμένες εργασίες εντός προκαθορισμένων ορίων και υπό ανθρώπινη εποπτεία.
Για τον πελάτη, η εφαρμογή αυτών των συστημάτων μπορεί να μεταφραστεί σε ταχύτερες διαδικασίες και λιγότερη γραφειοκρατία. Για παράδειγμα, κατά το άνοιγμα ενός λογαριασμού, ένας AI agent συγκεντρώνει τα απαιτούμενα έγγραφα, άλλος πραγματοποιεί ελέγχους ταυτότητας, ενώ ένας τρίτος εξετάζει τη συμμόρφωση με τις πολιτικές της τράπεζας. Επιπλέον, σε περιπτώσεις που απαιτείται, η υπόθεση παραπέμπεται σε υπάλληλο. Το ίδιο μοντέλο μπορεί να εφαρμοστεί σε δανειοδοτήσεις, αμφισβητήσεις συναλλαγών, αντιμετώπιση απάτης, εισπράξεις, κανονιστική συμμόρφωση και εξυπηρέτηση πελατών. Η τεχνητή νοημοσύνη ενσωματώνεται πλέον στη ροή εργασιών, παύοντας να αποτελεί μόνο ένα βοηθητικό εργαλείο.
Μέχρι σήμερα, οι περισσότερες τράπεζες διεθνώς έχουν επενδύσει σε μεμονωμένες εφαρμογές AI, όπως ψηφιακούς βοηθούς ή συστήματα αυτοματοποίησης. Ωστόσο, σύμφωνα με την ανάλυση, αυτές οι λύσεις συχνά δεν μεταβάλλουν ουσιαστικά το λειτουργικό κόστος ή την αποτελεσματικότητα αν η συνολική διαδικασία παραμένει αμετάβλητη. Έτσι, το ερώτημα μετατοπίζεται από το «πού μπορούμε να χρησιμοποιήσουμε AI;» στο «ποιες τραπεζικές διαδικασίες μπορούμε να επανασχεδιάσουμε με τη βοήθεια της AI;».
Από τον πειραματισμό στην ευρεία εφαρμογή
Η μετάβαση από πιλοτικά προγράμματα σε ευρεία υιοθέτηση της τεχνητής νοημοσύνης παραμένει πρόκληση. Σύμφωνα με έρευνα της EY για το 2025, το 52% των τραπεζών είχε δοκιμάσει πιλοτικές εφαρμογές agentic AI, αλλά μόλις το 16% είχε προχωρήσει σε πλήρη ανάπτυξη αυτών των λύσεων.
Παράλληλα, η ανάπτυξη των AI agents δεν σημαίνει πως οι τράπεζες μεταβαίνουν άμεσα σε ένα μοντέλο όπου οι σημαντικές αποφάσεις λαμβάνονται αποκλειστικά από μηχανές. Σε κοινή έρευνα της Τράπεζας της Αγγλίας και της Financial Conduct Authority το 2024, το 75% των χρηματοπιστωτικών επιχειρήσεων ανέφερε ότι ήδη χρησιμοποιεί AI, ενώ το 10% σχεδίαζε να την υιοθετήσει εντός τριετίας. Ωστόσο, μόνο το 2% των χρήσεων αφορούσε πλήρως αυτόνομη λήψη αποφάσεων.
Οι Rawal και Χλουβεράκης περιγράφουν μια κλίμακα πέντε επιπέδων αυτονομίας: από τον απλό AI assistant που προτείνει ή συνοψίζει πληροφορίες, μέχρι τα συστήματα που συντονίζουν πολλαπλούς agents και τραπεζικές εφαρμογές. Στο ανώτατο επίπεδο βρίσκεται η πλήρως αυτόνομη λήψη σημαντικών αποφάσεων, η οποία παραμένει περιορισμένη λόγω κανονιστικών απαιτήσεων.
Νέα δεδομένα για την εμπειρία πελάτη και την εποπτεία
Για τους πελάτες, η μεγαλύτερη χρήση της τεχνητής νοημοσύνης μπορεί να φέρει πιο εξατομικευμένες υπηρεσίες, καθώς η τράπεζα αξιοποιεί στοιχεία συναλλαγών, οικονομικό προφίλ και προτιμήσεις επικοινωνίας. Ωστόσο, η εκτεταμένη χρήση δεδομένων ενέχει τον κίνδυνο υπερβολικής παρακολούθησης, γι’ αυτό, όπως επισημαίνουν οι συντάκτες, ξεχωρίζει το «context-aware banking» από το «surveillance banking». Η συναίνεση, η διαφάνεια και η προστασία προσωπικών δεδομένων αποκτούν κρίσιμη σημασία.
Όσο περισσότερα στάδια μιας διαδικασίας αναλαμβάνει η τεχνητή νοημοσύνη, τόσο αυξάνεται και η ανάγκη για διαφάνεια. Η ανάλυση προτείνει τη δημιουργία ενός «AI decision flight recorder», δηλαδή ενός «μαύρου κουτιού» που καταγράφει ποιο μοντέλο χρησιμοποιήθηκε, ποιες πληροφορίες αξιοποιήθηκαν, ποιοι κανόνες εφαρμόστηκαν και αν υπήρξε ανθρώπινη παρέμβαση.
Η ουσιαστική εποπτεία της τεχνητής νοημοσύνης απαιτεί οι δικλίδες ασφαλείας να ενσωματώνονται στα ίδια τα συστήματα, πέρα από γενικούς κανονισμούς και επιτροπές.
Το μέλλον του τραπεζικού ανταγωνισμού
Το βασικό συμπέρασμα της ανάλυσης είναι ότι η επόμενη φάση του τραπεζικού ανταγωνισμού δεν θα κριθεί από τον αριθμό των μοντέλων τεχνητής νοημοσύνης ή τα πιλοτικά προγράμματα που ανακοινώνονται.
Το κρίσιμο ζήτημα είναι η ουσιαστική ενσωμάτωση της AI στις τραπεζικές διαδικασίες, με αξιόπιστα δεδομένα και σαφή καθορισμό των εργασιών που μπορεί να εκτελεί η τεχνολογία και των σημείων όπου απαιτείται ανθρώπινη παρέμβαση.
Για τον πελάτη, αυτό μπορεί να σημαίνει ταχύτερες διαδικασίες, λιγότερη γραφειοκρατία, βελτιωμένη εξυπηρέτηση και αποτελεσματικότερο εντοπισμό προβλημάτων και απάτης.
Η μεγάλη αλλαγή για τον τραπεζικό κλάδο είναι ότι η τεχνητή νοημοσύνη μετατρέπεται από ένα συμπληρωματικό εργαλείο σε αναπόσπαστο μέρος της λειτουργίας των τραπεζών.
Ακολουθήστε το Business Daily στο Google news
