Γιατί η χρήση της τεχνητής νοημοσύνης θα απογειωθεί στις τράπεζες

Η τεχνητή νοημοσύνη είναι πλέον μια λέξη της μόδας, και για πολλούς που δοκιμάζουν για πρώτη φορά το chatbot ChatGPT ή την παραγωγό εικόνων Stable Diffusion, η συγγραφή εκθέσεων ή φωτορεαλιστικών εικόνων σε δευτερόλεπτα είναι εκπληκτική. Δεν είναι να απορεί κανείς που οι διευθύνοντες σύμβουλοι και οι οικονομικοί διευθυντές επισημαίνουν τόσο συχνά τις δυνατότητες της τεχνητής νοημοσύνης να μεταμορφώσει τις επιχειρήσεις τους.

«Αξιοσημείωτη είναι η ζωντάνια της γενετικής τεχνητής νοημοσύνης – το γεγονός ότι οι CFO μπορούν να παίξουν οι ίδιοι με αυτήν», δήλωσε πρόσφατα στο Fortune ο Michael Birshan, παγκόσμιος συν-επικεφαλής στρατηγικής και εταιρικών οικονομικών της McKinsey.

Ωστόσο, αυτό που συχνά παραβλέπεται εν μέσω του πρόσφατου hype είναι ότι η τεχνητή νοημοσύνη είναι αναπόσπαστο μέρος του χρηματοπιστωτικού κλάδου εδώ και τουλάχιστον μια δεκαετία και -ανάλογα με τον τρόπο που ορίζετε την τεχνητή νοημοσύνη- αναμφισβήτητα πολύ περισσότερο.

«Εννοιολογικά, δεν είναι κάτι καινούργιο», δήλωσε στο Fortune ο Neal Baumann, παγκόσμιος επικεφαλής χρηματοοικονομικών υπηρεσιών της Deloitte, αναφερόμενος στην τεχνητή νοημοσύνη. «Αυτό που συμβαίνει είναι ότι έχουμε κάνει μάλλον ένα αρκετά σημαντικό βήμα αλλαγής τα τελευταία δύο χρόνια περίπου γύρω από την πολυπλοκότητα». Οι ηλεκτρονικοί υπολογιστές αυτοματοποιούν τον χρηματοπιστωτικό κλάδο για περισσότερα από 50 χρόνια.

Στις αρχές της δεκαετίας του 1970, οι τράπεζες υιοθέτησαν τις πρώτες αυτόματες ταμειακές μηχανές, και το 1984, το 42% των αμερικανικών οικογενειών διέθεταν κάρτες ΑΤΜ, σύμφωνα με τον οικονομολόγο James Bessen στο Learning by Doing. Ομοίως, το 1975, η Vanguard παρουσίασε το πρώτο index fund στον κόσμο, ένα «παθητικά διαχειριζόμενο χαρτοφυλάκιο επενδύσεων που αγοράζονται και πωλούνται με βάση έναν στατικό αλγόριθμο», γράφει ο Seth Oranburg, καθηγητής νομικής που δημοσίευσε πρόσφατα το βιβλίο AHistory of Financial Technology and Regulation.

Οι παραπάνω αυτοματισμοί, ωστόσο, ήταν στατικοί και όχι προγνωστικοί αλγόριθμοι. Οι υπολογιστές λιγότερο έπαιρναν αποφάσεις και περισσότερο υλοποιούσαν απλές, προγραμματιστικές οδηγίες. Αυτό άλλαξε όταν τα χρηματοπιστωτικά ιδρύματα χρησιμοποίησαν ευρέως τα μοντέλα παλινδρόμησης στις δραστηριότητές τους, σύμφωνα με τον Gal Krubiner, διευθύνοντα σύμβουλο και συνιδρυτή του facilitator δανείων Pagaya με τη βοήθεια τεχνητής νοημοσύνης.

«Η τεχνητή νοημοσύνη είναι στην πραγματικότητα ένα σύνολο μοντέλων που έχουν ως σκοπό να προβλέψουν κάτι», δήλωσε στο Fortune. Και αν η τεχνητή νοημοσύνη είναι, στον πυρήνα της, πρόβλεψη που δημιουργείται από υπολογιστή, οι παλινδρομήσεις ή τα στατιστικά μοντέλα που λαμβάνουν τα υπάρχοντα δεδομένα για να προβλέψουν τις τάσεις, θα είναι από τα πρώτα που θα εφαρμοστούν ευρέως στον χρηματοπιστωτικό κλάδο.

Στη δεκαετία του 1990, εκτίμησε, οι δανειστές άρχισαν να χρησιμοποιούν αυτά τα μοντέλα παλινδρόμησης -τα οποία επεξεργάζονται το ανεξόφλητο χρέος ενός πελάτη, το εισόδημα και μια σειρά άλλων χαρακτηριστικών- για να προβλέψουν αν ο πελάτης θα πληρούσε τις προϋποθέσεις για ένα συγκεκριμένο δάνειο.

Και αυτή η πρακτική εξαπλώθηκε στις περισσότερες -αν όχι σε όλες- τις γωνίες της οικονομίας, από τους ασφαλιστικούς φορείς μέχρι την ανίχνευση της απάτης, την ανάλυση της αγοράς και τις συναλλαγές. Ακόμη και τώρα, δήλωσε ο Krubiner στο Fortune, τα πολύπλοκα μοντέλα παλινδρόμησης αποτελούν τη ραχοκοκαλιά της χρηματοοικονομικής. «Αυτός εξακολουθεί να είναι ο πιο κυρίαρχος τρόπος τιμολόγησης των δανείων στις ΗΠΑ σε πολλές αγορές», είπε.

Η έλευση της τεχνητής νοημοσύνης

Από τα τέλη της δεκαετίας του 2000 και τις αρχές της δεκαετίας του 2010, η τεχνητή νοημοσύνη όπως την ξέρουμε άρχισε να εμφανίζεται σε όλο τον χρηματοπιστωτικό κλάδο. Ακόμα και τα chatbots με τη βοήθεια της τεχνητής νοημοσύνης που έχουν σχεδιαστεί ειδικά για τράπεζες δεν είναι κάτι καινούργιο, σύμφωνα με τον Zor Gorelov, συνιδρυτή και διευθύνοντα σύμβουλο της Kasisto, μιας εταιρείας που δημιουργεί αυτό που αποκαλεί «ευφυείς ψηφιακούς βοηθούς» για χρηματοπιστωτικά ιδρύματα.

Ο Gorelov ήταν συνιδρυτής της Kasisto, ενός spin-off της SRI International (που αρχικά ονομαζόταν Stanford Research Institute), το 2013. Έκτοτε, ο ίδιος και η εταιρεία του, που πήρε το όνομά της από τη λέξη «τραπεζικός ταμίας» στην Εσπεράντο, έχουν εργαστεί για την ανάπτυξη chatbots με τη βοήθεια της τεχνητής νοημοσύνης για ένα μεγάλο μέρος του κλάδου, συμπεριλαμβανομένης της JPMorgan Chase και της Westpac, του τραπεζικού κολοσσού της Αυστραλίας.

«Όλοι οι αλγόριθμοι για τους οποίους ακούμε τώρα… εφευρέθηκαν τη δεκαετία του ’80», δήλωσε ο Gorelov στο Fortune. «Απλώς δεν είχαμε την υπολογιστική ισχύ και τα δεδομένα για να μπορέσουμε να φτιάξουμε τα συστήματα που φτιάχνουμε τώρα». Αλλά τα chatbots που σχεδίασε η Kasisto δεν ήταν οι μόνες υπάρχουσες εφαρμογές τεχνητής νοημοσύνης στα χρηματοοικονομικά.

Πριν από το hype για το ChatGPT, και ήδη από το 2017, εταιρείες όπως η AppZen πουλούσαν ήδη σε μεγάλες εταιρείες μοντέλα τεχνητής νοημοσύνης που ανιχνεύουν δόλιες χρεώσεις στις αναφορές εξόδων των εργαζομένων. Την ίδια χρονιά, η JPMorgan τεκμηριώθηκε επίσης ότι χρησιμοποιούσε τεχνητή νοημοσύνη για τη σύνθεση και την ερμηνεία συμβάσεων εμπορικών δανείων. Και από το 2019, άλλοι σχεδίαζαν ήδη bots τεχνητής νοημοσύνης για την αυτοματοποίηση των πωλήσεων ομολόγων.

Ωστόσο, ακόμη και τώρα, η υιοθέτηση της «προηγμένης ανάλυσης» ή της λήψης αποφάσεων με βάση τα δεδομένα (η οποία περιλαμβάνει την τεχνητή νοημοσύνη) εξακολουθεί να ποικίλλει μεταξύ των εταιρειών, σύμφωνα με τον Vik Sohoni, παγκόσμιο επικεφαλής της McKinsey για την ψηφιακή και αναλυτική τραπεζική. Η χρήση των προηγμένων αναλυτικών μεθόδων «είναι πραγματικά μια πτυχή της κουλτούρας κάθε ιδρύματος: πόσο βασίζεστε στην ανάλυση δεδομένων έναντι του ενστίκτου».

Η άνοδος της γενετικής τεχνητής νοημοσύνης

Ανεξάρτητα από το εύρος της υιοθέτησης, η τεχνητή νοημοσύνη είναι βαθιά ενσωματωμένη στα χρηματοοικονομικά. Ωστόσο, οι ειδικοί είναι ξεκάθαροι ότι αυτό το πρόσφατο κύμα ενθουσιασμού της μηχανικής μάθησης είναι, όπως πολλοί θέλουν να το αποκαλούν, ένα «σημείο καμπής».

«Γνωρίζουμε ότι η τεχνητή νοημοσύνη εφαρμόζεται στα τηλεφωνικά κέντρα και στις διαδικτυακές συνομιλίες εδώ και πολύ καιρό», δήλωσε ο Baumann της Deloitte στο Fortune. «Ο τρόπος με τον οποίο μπορείτε να κλιμακώσετε αυτή την εμπειρία και να την εφαρμόσετε με συνέπεια έχει ξεπεράσει κάθε όριο».

Ο Sohoni, ο ανώτερος εταίρος της McKinsey, λέει ότι τα παραγωγικά μοντέλα τεχνητής νοημοσύνης, τα οποία «παράγουν» νέο περιεχόμενο με βάση terabytes δεδομένων εκπαίδευσης, μπορούν να εξαπλώσουν την «εξατομίκευση σε μεγάλη κλίμακα» στα χρηματοοικονομικά. Αυτό σημαίνει ότι οι τράπεζες θα μπορούσαν ενδεχομένως να δημιουργήσουν προσαρμοσμένες πιστωτικές κάρτες με οικονομικές ανταμοιβές που απευθύνονται άμεσα σε έναν καταναλωτή ο οποίος, για παράδειγμα, τρώει συχνά έξω, δεν ψωνίζει ποτέ από την Amazon και πετάει εβδομαδιαία. Ή η γενετική τεχνητή νοημοσύνη θα μπορούσε να οδηγήσει τα ιδρύματα να δημιουργήσουν εξατομικευμένες δέσμες χρηματοοικονομικών προϊόντων -έναν προσαρμοσμένο τρεχούμενο λογαριασμό, πιστωτική κάρτα, επιλογές δανείων κ.λπ.- για έναν πελάτη.

Αλλά με τη δύναμη της γενετικής τεχνητής νοημοσύνης έρχεται και μια σειρά κινδύνων. Υπάρχουν ήδη περιπτώσεις, για παράδειγμα, μεροληψίας που διαρρέουν στην αλγοριθμική χρηματοοικονομική. Το 2019, η Apple κυκλοφόρησε την Apple Card, αλλά σύντομα υπήρξαν ισχυρισμοί ότι ο αλγόριθμος που αξιολογούσε την πιστοληπτική ικανότητα ενός αιτούντος έδινε στις γυναίκες σημαντικά χαμηλότερο όριο δανεισμού από ό,τι στους άνδρες.

Ο Sohoni επεσήμανε επίσης άλλους κινδύνους, συμπεριλαμβανομένης της κανονιστικής συμμόρφωσης σχετικά με την προστασία της ιδιωτικής ζωής και της ικανότητας μοντέλων όπως το ChatGPT να επινοούν πράγματα.

Είναι ωστόσο συγκρατημένα αισιόδοξος για το μέλλον της τεχνητής νοημοσύνης, αλλά παρακάλεσε τα ιδρύματα να προχωρήσουν προσεκτικά. «Τα χρηματοπιστωτικά ιδρύματα, όπως και πολλοί ρυθμιζόμενοι κλάδοι, πρέπει να είναι πολύ προσεκτικά», δήλωσε. «Δεν έχετε την πολυτέλεια να καταλύσετε την εμπιστοσύνη που σας έχει ο πελάτης».

Διαβάστε περισσότερα:

Μπορεί η έκρηξη της Τεχνητής Νοημοσύνης να μετατραπεί στη φούσκα του 1990;