Marianna Leoni (BCG): Η τεχνητή νοημοσύνη μεταμορφώνει το finance – Σημαντικά τα βήματα των ελληνικών τραπεζών

Η τεχνητή νοημοσύνη θα μεταμορφώσει τον κλάδο των χρηματοοικονομικών υπηρεσιών, βελτιώνοντας την εμπειρία των πελατών, ενώ παράλληλα θα εκδημοκρατίσει την πρόσβαση στις υπηρεσίες αυτές, καθιστώντας εξελιγμένα εργαλεία και γνώσεις διαθέσιμα σε ένα ευρύτερο κοινό. Κάπως έτσι περιγράφει η Marianna Leoni, BCG expert, τις αλλαγές που συντελούνται αυτή τη στιγμή στο παγκόσμιο finance, τονίζοντας ότι αντί για μια φουτουριστική ιδέα, η τεχνητή νοημοσύνη είναι ήδη σήμερα μια μεταμορφωτική δύναμη. 

Ασφαλώς, η υιοθέτηση της τεχνητής νοημοσύνης από τον χρηματοοικονομικό κλάδο ενέχει προκλήσεις και αρκετούς κινδύνους, οι οποίοι απαιτούν προσεκτική διαχείριση, επισημαίνει η ειδικός της BCG, σε συνέντευξή της στο moneyreview.gr. Κατά την άποψή της, πάντως, το μυστικό της επιτυχίας για μια τράπεζα αυτή τη στιγμή είναι να μην επιχειρήσει να ενσωματώσει την ΑΙ σε παλιές διαδικασίες, αλλά να τις επαναπροσδιορίσει συνολικά. 

Όσο για τις ελληνικές τράπεζες, η Marianna Leoni θεωρεί ότι υιοθετούν ενεργά την τεχνητή νοημοσύνη και κάνουν σημαντικά βήματα για να συμβαδίσουν με την παγκόσμια πρόοδο της τεχνολογίας αυτής. 

Ποια είναι τα βασικά οφέλη για τις επιχειρήσεις του χρηματοοικονομικό τομέα από την υιοθέτηση της τεχνητής νοημοσύνης;

Η τεχνητή νοημοσύνη δεν είναι πια μια φουτουριστική ιδέα, σήμερα είναι μια μεταμορφωτική δύναμη. Οι χρηματοοικονομικοί οργανισμοί που θα αγκαλιάσουν αποφασιστικά την AI θα εξασφαλίσουν πλεονεκτήματα που θα έχουν διάρκεια στον κλάδο τους. Αυτό είναι ιδιαίτερα εμφανές στον χρηματοοικονομικό τομέα, όπου τα αναλυτικά δεδομένα συναλλαγών από την πελατειακή βάση μιας τράπεζας μπορούν να δώσουν ακριβείς και ευρείας κλίμακας γνώσεις για συμπεριφορές, προτιμήσεις, ανάγκες και κινδύνους, σε αντίθεση με οποιονδήποτε άλλο κλάδο.

Για παράδειγμα, στη λιανική τραπεζική, η αξιοποίηση της ΑΙ για την πρόβλεψη και τον σχεδιασμό μελλοντικών προσφορών προϊόντων με βάση τις ανάγκες και τις συμπεριφορές των πελατών καθίσταται ταχύτατα απαραίτητη σε πολλές τραπεζικές αγορές. Η εμφάνιση του GenAI έχει βελτιώσει περαιτέρω την εργαλειοθήκη της τεχνητής νοημοσύνης, επιταχύνοντας τις ευκαιρίες για τα χρηματοπιστωτικά ιδρύματα να δημιουργήσουν νέα αξία. Τα μοντέλα GenAI, με την ικανότητά τους να κατανοούν και να δημιουργούν απλή γλώσσα, κάνουν τις δυνατότητες AI πιο προσιτές σε μη τεχνικούς χρήστες σε όλους τους οργανισμούς.

Τα στελέχη των χρηματοοικονομικών οργανισμών θα πρέπει να βλέπουν αυτή τη νέα φάση της τεχνολογίας σαν μια ευκαιρία να δεσμευτούν στην τεχνητή νοημοσύνη και την GenAI, ως βασικούς μοχλούς της μελλοντικής κατεύθυνσης του κλάδου.

Η AI μπορεί να αποτελέσει βασικό παράγοντα επιτυχίας στη διαχείριση κινδύνων, ωστόσο, εισάγει από μόνη της νέους κινδύνους, που απαιτούν προληπτική διαχείριση ειδικά στο σημερινό κανονιστικό περιβάλλον καθώς και πιθανά ζητήματα που προκύπτουν από τις εφαρμογές αυτής της τεχνολογίας.

Στο τελευταίο της Financial Stability Review, η Ευρωπαϊκή Κεντρική Τράπεζα εμφανιζόταν επιφυλακτική ως προς τους κινδύνους που σχετίζονται με την υιοθέτηση της τεχνητής νοημοσύνης στον χρηματοοικονομικό κλάδο. Ποιοι πιστεύετε ότι είναι οι βασικοί κίνδυνοι για τις τράπεζες, τη σταθερότητα του συστήματος και για τους πελάτες;

H υιοθέτηση της τεχνητής νοημοσύνης από τον χρηματοοικονομικό κλάδο συνεπάγεται αρκετούς κινδύνους, οι οποίοι απαιτούν προσεκτική διαχείριση. Είναι κρίσιμο η χρήση της τεχνητής  νοημοσύνης να γίνει με κατάλληλο τρόπο και στο σωστό πλαίσιο. Για παράδειγμα, η προγνωστική τεχνητή νοημοσύνη, όπως τα συστήματα βαθμολόγησης πιστωτικού κινδύνου που βασίζονται στη μηχανική μάθηση, μπορεί να ξεπεράσει τους ανθρώπους στη λήψη αποφάσεων δανεισμού για απλές αιτήσεις πιστωτικών καρτών. Ωστόσο, για πολύπλοκες χρηματοοικονομικές συναλλαγές, η ανθρώπινη κρίση εξακολουθεί να είναι απαραίτητη.

Η ίδια αρχή ισχύει και στην GenAI. Μια μελέτη του BCG Henderson Institute, σε συνεργασία με κορυφαίους ακαδημαϊκούς, βρήκε ότι η GenAI είναι άριστη σε εργασίες όπως η δημιουργική καινοτομία προϊόντων. Είναι ενδιαφέρον ότι η ανθρώπινη παρέμβαση για τη βελτίωση του αποτελέσματος της GenAI σε αυτούς τους τομείς μπορεί συχνά να οδηγήσει σε χειρότερα αποτελέσματα. Αντίθετα, η GenAI υποαποδίδει σε εργασίες που κινούνται πέραν των σημερινών δυνατοτήτων της, όπως η επίλυση σύνθετων επιχειρηματικών προβλημάτων, συχνά εμποδίζοντας την ανθρώπινη απόδοση όταν χρησιμοποιείται ακατάλληλα.

Η ψηφιακή καινοτομία θα ενισχύσει περαιτέρω τις διασυνοριακές και διατομεακές χρηματοοικονομικές διασυνδέσεις. Αυτή η εξέλιξη καθιστά αναγκαία τη συνεργασία των κεντρικών τραπεζών και των ρυθμιστικών αρχών, ώστε να διαμορφωθεί το κατάλληλο κανονιστικό πλαίσιο για την εποπτεία της χρήσης της ΑΙ και της μηχανικής μάθησης (machine learning – ML) στον χρηματοοικονομικό τομέα. Η αποτελεσματική ρύθμιση είναι αναγκαία για να αντιμετωπιστούν οι κίνδυνοι που σχετίζονται με την ΑΙ και να διασφαλιστεί η σταθερότητα του συστήματος και η προστασία των πελατών.

Έχετε κάποιο παράδειγμα ενός χρηματοοικονομικού οργανισμού που να βελτίωσε σημαντικά τη λειτουργία του μέσω της τεχνητής νοημοσύνης;

Η πρόσφατη εμπειρία με την τεχνητή νοημοσύνη δείχνει ότι οι επιχειρήσεις πετυχαίνουν τον μεγαλύτερο αντίκτυπο και τη σημαντικότερη αξία όταν επαναπροσδιορίζουν συνολικά ολόκληρες διαδικασίες με την ενσωμάτωση της AI. Ενώ οι μεμονωμένες περιπτώσεις χρήσης μπορεί να έχουν αρχικά λαμπρά αποτελέσματα, συχνά δεν διατηρούν αυτή την επιτυχία μακροπρόθεσμα, λόγω των περιορισμών στην κλίμακα και στον αντίκτυπο. Επιπλέον, η ενσωμάτωση της τεχνητής νοημοσύνης μέσα σε παλιές διαδικασίες που έχουν σχεδιαστεί για ανθρώπους εργαζόμενους μπορεί να οδηγήσει σε αποσπασματικές εφαρμογές και να φέρει εντάσεις στους υπαλλήλους. Οι πιο μεγάλες επιτυχίες στην ΑΙ προκύπτουν διαρκώς από τον συνολικό μετασχηματισμό, που αναθεωρεί ολόκληρες διαδικασίες μέσα σε ένα πλαίσιο το οποίο βασίζεται στην τεχνητή νοημοσύνη.

Ποιες είναι οι μεγαλύτερες δυσκολίες που αντιμετωπίζουν οι εταιρείες του χρηματοοικονομικού τομέα όταν ενσωματώνουν την τεχνητή νοημοσύνη στα συστήματά τους; 

Τα χρηματοοικονομικά ιδρύματα αντιμετωπίζουν αρκετές σημαντικές προκλήσεις όταν ενσωματώνουν την τεχνητή νοημοσύνη: 

1.      Αξιοποίηση δεδομένων: Οι τράπεζες κατέχουν μεγάλες ποσότητες δεδομένων από το ιστορικό συναλλαγών, τη χρήση προϊόντων, τα προφίλ ρίσκου κ.α. Όμως, αυτά τα δεδομένα είναι συχνά διασκορπισμένα και κατακερματισμένα, καθιστώντας δύσκολη την δημιουργία της συνολικής εικόνας του πελάτη που απαιτείται για την αποτελεσματική εφαρμογή της ΑΙ.  

2.      Τεχνολογία παλαιού τύπου: Οι ξεπερασμένες τεχνολογικές υποδομές εμποδίζουν την ενσωμάτωση της τεχνητής νοημοσύνης. Οι τράπεζες πρέπει να εκσυγχρονίσουν τη βασική τεχνολογία και τα συστήματα δεδομένων τους για να ανταποκριθούν στις απαιτήσεις για επεκτασιμότητα, ευελιξία και ταχύτητα.

3.      Στρατηγική σαφήνεια: Πολλές τράπεζες δεν διαθέτουν μια σαφή, συνεκτική στρατηγική για την υιοθέτηση της τεχνητής νοημοσύνης, η οποία είναι κρίσιμη για την επιτυχημένη ενσωμάτωση καθώς και για τη διασφάλιση της ανθεκτικότητας, παρά τους πρώτους πιθανούς ανεπιτυχείς πειραματισμούς. 

4.      Λειτουργικό μοντέλο και ταλέντο: Ένα ξεπερασμένο μοντέλο λειτουργίας και μια αντίστοιχη στρατηγική ταλέντου περιπλέκουν περαιτέρω την υιοθέτηση της τεχνητής νοημοσύνης. Οι επενδύσεις για τον εκσυγχρονισμό αυτών των τομέων είναι απαραίτητες για την αποτελεσματική μόχλευση της τεχνητής νοημοσύνης.

Για να ξεπεραστούν αυτές οι προκλήσεις απαιτείται στρατηγική προσέγγιση, με επίκεντρο τον εκσυγχρονισμό της τεχνολογίας, την ενοποίηση των δεδομένων και την ανάπτυξη ενός σαφούς σχεδίου ενσωμάτωσης της τεχνητής νοημοσύνης.

Πώς πιστεύετε ότι θα αλλάξει το τοπίο στις χρηματοοικονομικές υπηρεσίες για τους καταναλωτές, λόγω της τεχνητής νοημοσύνης;

Η τεχνητή νοημοσύνη θα μεταμορφώσει σημαντικά το τοπίο των χρηματοοικονομικών υπηρεσιών ικανοποιώντας τις αυξανόμενες προσδοκίες των πελατών και βελτιώνοντας τη συνολική εμπειρία. Οι τράπεζες θα προσφέρουν έξυπνες υπηρεσίες, οι οποίες θα προτείνουν εξατομικευμένες ενέργειες, παρέχοντας μια πιο αποτελεσματική εμπειρία με βάση τη λεπτομερή κατανόηση των προηγούμενων συμπεριφορών των πελατών αλλά και του εκάστοτε πλαισίου. Επιπλέον, η τεχνητή νοημοσύνη θα εκδημοκρατίσει την πρόσβαση σε χρηματοοικονομικές υπηρεσίες, καθιστώντας εξελιγμένα εργαλεία και γνώσεις διαθέσιμα σε ένα ευρύτερο κοινό. Αυτό σημαίνει ότι όλοι μπορούν να ωφεληθούν από τις εξατομικευμένες οικονομικές συμβουλές, τις επενδυτικές στρατηγικές και τις αξιολογήσεις κινδύνου, που κάποτε ήταν προσβάσιμες μόνο σε άτομα υψηλής καθαρής αξίας. Επιπλέον, η τεχνητή νοημοσύνη θα διευκολύνει μια απρόσκοπτη εμπειρία σε φυσικές και ψηφιακές πλατφόρμες, διασφαλίζοντας απρόσκοπτες αλληλεπιδράσεις σε πολλαπλές συσκευές και ενσωματώνοντας τις τραπεζικές συναλλαγές σε άλλα σχετικά προϊόντα και υπηρεσίες. Τελικά, η τεχνητή νοημοσύνη θα επιτρέψει στις τράπεζες να κατανοήσουν καλύτερα και να ανταποκριθούν στις ανάγκες των πελατών, παρέχοντας μια πιο ομαλή, πιο συνδεδεμένη και ικανοποιητική τραπεζική εμπειρία για όλους.

Οι ελληνικές τράπεζες ακολουθούν τις διεθνείς εξελίξεις στην τεχνητή νοημοσύνη ή έχουν μείνει πίσω;

Οι ελληνικές τράπεζες υιοθετούν ενεργά την τεχνητή νοημοσύνη για να φέρουν επανάσταση στις δραστηριότητές τους και να ενισχύσουν τους στρατηγικούς τομείς τους. Εδώ και καιρό, χρησιμοποιούν την τεχνητή νοημοσύνη για την ανάλυση δεδομένων και την αυτοματοποίηση εξυπηρέτησης πελατών, αλλά τώρα επενδύουν περισσότερο στην αναβάθμιση των συστημάτων και στην αξιοποίηση της τεχνητής νοημοσύνης για τον εντοπισμό κρουσμάτων απάτης στον κυβερνοχώρο καθώς και για εξατομικευμένες τραπεζικές εμπειρίες. Οι συνεργασίες με εταιρείες fintech και η συμμετοχή σε πρωτοβουλίες ψηφιακού μετασχηματισμού που χρηματοδοτούνται από την ΕΕ επιταχύνουν αυτήν την υιοθέτηση. Η άνοδος του GenAI οδηγεί περαιτέρω την καινοτομία, με τις τράπεζες να εξερευνούν την τεχνητή νοημοσύνη για προηγμένες εφαρμογές όπως οι επενδυτικές συμβουλευτικές υπηρεσίες. Ενώ υπάρχουν προκλήσεις, οι ελληνικές τράπεζες κάνουν σημαντικά βήματα για να συμβαδίσουν με την παγκόσμια πρόοδο της τεχνητής νοημοσύνης.

Διαβάστε επίσης: 

Κάτω από τη βάση οι ελληνικές επιχειρήσεις στη χρήση τεχνητής νοημοσύνης

Ελληνικοί δρόμοι και εργοστάσια με AI

Οι ελληνικές επιχειρήσεις αγνοούν την τεχνητή νοημοσύνη

Ακολουθήστε το Money Review στο Google News