Τράπεζες: Η τεχνητή νοημοσύνη μπαίνει σε δάνεια, λογαριασμούς και συναλλαγές – Τι αλλάζει για τους πελάτες
Μια νέα εποχή για τις τραπεζικές συναλλαγές βρίσκεται προ των πυλών, καθώς η τεχνητή νοημοσύνη περνά σταδιακά από τα απλά chatbots στον πυρήνα καθημερινών διαδικασιών. Έλεγχος δικαιολογητικών, προετοιμασία φακέλων δανείων, εντοπισμός ύποπτων συναλλαγών και άνοιγμα λογαριασμών είναι ορισμένες από τις εργασίες που θα μπορούν να αναλαμβάνουν εξειδικευμένα συστήματα AI, χωρίς αυτό να σημαίνει ότι καταργείται η ανθρώπινη εποπτεία.
Η αλλαγή που συντελείται στον τραπεζικό κλάδο δεν αφορά πλέον μόνο έναν ψηφιακό βοηθό που απαντά στις ερωτήσεις του πελάτη. Η τεχνητή νοημοσύνη ενσωματώνεται σταδιακά στην ίδια τη ροή των τραπεζικών εργασιών, αναλαμβάνοντας επιμέρους στάδια τα οποία σήμερα απαιτούν χρόνο και συμμετοχή διαφορετικών υπηρεσιών.
Όπως επισημαίνουν σε ανάλυσή τους οι Ajay Rawal και Δρ. Κωστής Χλουβεράκης της EY, στο επίκεντρο βρίσκονται οι λεγόμενοι AI agents: εξειδικευμένα συστήματα που έχουν τη δυνατότητα να πραγματοποιούν συγκεκριμένες ενέργειες μέσα σε προκαθορισμένα όρια.
Τι μπορεί να αλλάξει σε ένα δάνειο
Χαρακτηριστικό παράδειγμα αποτελεί η διαδικασία εξέτασης ενός δανείου.
Αντί ένας φάκελος να περνά διαδοχικά από διαφορετικά συστήματα και εργαζομένους, ένας AI agent θα μπορούσε να συγκεντρώνει τα δικαιολογητικά, άλλος να ελέγχει συγκεκριμένα στοιχεία και ένας τρίτος να εξετάζει εάν πληρούνται οι προβλεπόμενες πολιτικές της τράπεζας.
Εφόσον εντοπιστεί μία σύνθετη περίπτωση ή ζήτημα που απαιτεί κρίση, το σύστημα θα μπορεί να παραπέμπει τον φάκελο στον αρμόδιο εργαζόμενο.
Αντίστοιχη λογική μπορεί να εφαρμοστεί στο άνοιγμα λογαριασμών, στην αντιμετώπιση περιστατικών απάτης, στις αμφισβητήσεις συναλλαγών, στις εισπράξεις, στην κανονιστική συμμόρφωση και στην εξυπηρέτηση πελατών.
Το ζητούμενο είναι οι επιμέρους εφαρμογές τεχνητής νοημοσύνης να μη λειτουργούν απομονωμένα, αλλά να αποτελούν τμήμα μιας ολοκληρωμένης τραπεζικής διαδικασίας.
Από τα πιλοτικά προγράμματα στην πραγματική τραπεζική λειτουργία
Μέχρι σήμερα μεγάλο μέρος των επενδύσεων των τραπεζών στην τεχνητή νοημοσύνη έχει επικεντρωθεί σε μεμονωμένα εργαλεία και πιλοτικές εφαρμογές.
Η εικόνα, ωστόσο, αρχίζει να αλλάζει.
Σύμφωνα με έρευνα της EY για το 2025, την οποία επικαλούνται οι συντάκτες της ανάλυσης, το 52% των τραπεζών είχε ήδη πραγματοποιήσει πιλοτικές εφαρμογές agentic AI, αλλά μόλις το 16% είχε περάσει σε πλήρη ανάπτυξη σχετικών εφαρμογών.
Η πρόκληση για τις τράπεζες μετατοπίζεται επομένως από το πού μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη στο ποιες ολόκληρες διαδικασίες μπορούν να επανασχεδιαστούν με τη βοήθειά της.
Θα αποφασίζει η AI ποιος παίρνει δάνειο;
Η αυξανόμενη χρήση των συγκεκριμένων συστημάτων δεν συνεπάγεται αυτομάτως ότι σημαντικές αποφάσεις, όπως η έγκριση ενός δανείου, θα λαμβάνονται ανεξέλεγκτα από έναν αλγόριθμο.
Σύμφωνα με κοινή έρευνα της Τράπεζας της Αγγλίας και της Financial Conduct Authority το 2024, το 75% των χρηματοπιστωτικών επιχειρήσεων που συμμετείχαν δήλωναν ότι χρησιμοποιούσαν ήδη τεχνητή νοημοσύνη και ακόμη 10% σχεδίαζαν να την αξιοποιήσουν μέσα στην επόμενη τριετία.
Ωστόσο, μόλις το 2% των περιπτώσεων χρήσης αφορούσε πλήρως αυτόνομη λήψη αποφάσεων.
Οι Rawal και Χλουβεράκης περιγράφουν πέντε διαφορετικά επίπεδα χρήσης της τεχνολογίας. Η κλίμακα ξεκινά από έναν απλό AI assistant, ο οποίος συνοψίζει πληροφορίες ή πραγματοποιεί προτάσεις, και φτάνει σταδιακά σε agents που εκτελούν εργασίες μέσα σε προκαθορισμένα όρια και σε συστήματα που συντονίζουν πολλαπλούς agents.
Στο τελευταίο επίπεδο βρίσκεται η πλήρως αυτόνομη λήψη σημαντικών αποφάσεων, η οποία παραμένει περιορισμένη και δημιουργεί αυξημένες απαιτήσεις εποπτείας και κανονιστικής συμμόρφωσης.
Περισσότερη εξατομίκευση αλλά και περισσότερα ερωτήματα
Η τεχνητή νοημοσύνη μπορεί να επιτρέψει στις τράπεζες να προσαρμόζουν περισσότερο τις υπηρεσίες τους στις ανάγκες κάθε πελάτη.
Δεδομένα από τις συναλλαγές, το οικονομικό προφίλ ή τον τρόπο επικοινωνίας μπορούν να αξιοποιούνται για πιο έγκαιρες ειδοποιήσεις και περισσότερο εξατομικευμένες υπηρεσίες.
Η δυνατότητα αυτή συνοδεύεται, ωστόσο, από ένα κρίσιμο ζήτημα: μέχρι ποιο σημείο η καλύτερη γνώση του πελάτη αποτελεί εξατομικευμένη εξυπηρέτηση και από ποιο σημείο μπορεί να δημιουργεί αίσθηση υπερβολικής παρακολούθησης.
Οι συντάκτες διαχωρίζουν χαρακτηριστικά το «context-aware banking» από το «surveillance banking», υπογραμμίζοντας τη σημασία που αποκτούν η συναίνεση, η διαφάνεια, η προστασία των προσωπικών δεδομένων και τα σαφή όρια στη χρήση τους.
Το «μαύρο κουτί» των αποφάσεων
Όσο μεγαλύτερο μέρος μιας διαδικασίας περνά στην τεχνητή νοημοσύνη, τόσο πιο σημαντικό γίνεται να υπάρχει η δυνατότητα αναδρομικού ελέγχου.
Στην ανάλυση περιγράφεται η ιδέα ενός «AI decision flight recorder», ενός είδους ψηφιακού «μαύρου κουτιού» για τις ενέργειες των συστημάτων τεχνητής νοημοσύνης.
Σε αυτό θα μπορούσε να καταγράφεται ποιο μοντέλο χρησιμοποιήθηκε, ποια δεδομένα και πληροφορίες εξετάστηκαν, ποιες πηγές αξιοποιήθηκαν, ποιοι κανόνες εφαρμόστηκαν και ποιες ενέργειες πραγματοποιήθηκαν.
Θα μπορούσε επίσης να καταγράφεται εάν σε κάποιο στάδιο χρειάστηκε ανθρώπινη παρέμβαση ή έγκριση, ώστε να είναι δυνατός ο μεταγενέστερος έλεγχος της διαδικασίας.
Τι σημαίνει η αλλαγή για τον πελάτη
Η επόμενη μεγάλη μάχη στον τραπεζικό κλάδο δεν αναμένεται να κριθεί απλώς στον αριθμό των εφαρμογών τεχνητής νοημοσύνης που διαθέτει κάθε τράπεζα.
Το κρίσιμο ζήτημα θα είναι κατά πόσο η τεχνολογία μπορεί να ενσωματωθεί με ασφάλεια στις πραγματικές διαδικασίες, χρησιμοποιώντας αξιόπιστα και επικαιροποιημένα δεδομένα, με σαφή διαχωρισμό ανάμεσα στις εργασίες που μπορεί να εκτελεί η AI και στις αποφάσεις όπου απαιτείται ανθρώπινη κρίση.
Για τους συναλλασσόμενους, μια τέτοια εξέλιξη θα μπορούσε να μεταφραστεί σε ταχύτερη εξέταση αιτημάτων, λιγότερη γραφειοκρατία, πιο άμεση εξυπηρέτηση και αποτελεσματικότερο εντοπισμό ύποπτων συναλλαγών.
Η ουσιαστική μεταβολή βρίσκεται επομένως στο γεγονός ότι η τεχνητή νοημοσύνη παύει σταδιακά να αποτελεί ένα πρόσθετο ψηφιακό εργαλείο και αρχίζει να ενσωματώνεται στον ίδιο τον τρόπο με τον οποίο οργανώνεται και λειτουργεί μία τράπεζα.
Πηγή: ΑΠΕ-ΜΠΕ





