AI agents αναλαμβάνουν επιμέρους τραπεζικές διαδικασίες
Η τεχνητή νοημοσύνη εισέρχεται σταδιακά σε ολοένα περισσότερες λειτουργίες του τραπεζικού συστήματος, αλλάζοντας τον τρόπο με τον οποίο πραγματοποιούνται οι συναλλαγές, εξετάζονται τα δάνεια, εντοπίζονται πιθανές απάτες και εξυπηρετούνται οι πελάτες. Η επόμενη φάση δεν αφορά μόνο τη χρήση ψηφιακών βοηθών και chatbots, αλλά την ενσωμάτωση συστημάτων AI στις ίδιες τις τραπεζικές διαδικασίες.
Όπως αναφέρουν σε ανάλυσή τους οι Ajay Rawal και Δρ. Κωστής Χλουβεράκης της EY, η εξέλιξη βασίζεται σε μικρότερα και εξειδικευμένα συστήματα, τους λεγόμενους AI agents. Τα συστήματα αυτά μπορούν να αναλαμβάνουν συγκεκριμένες εργασίες μέσα σε προκαθορισμένα όρια και υπό ανθρώπινη εποπτεία.
Από την εξέταση ενός δανείου και το άνοιγμα ενός λογαριασμού έως τον εντοπισμό μιας ύποπτης συναλλαγής, η τεχνητή νοημοσύνη μπορεί να συγκεντρώνει και να ελέγχει δικαιολογητικά, να αναζητά πληροφορίες, να εντοπίζει πιθανές περιπτώσεις απάτης, να προετοιμάζει φακέλους και να παραπέμπει πιο σύνθετες υποθέσεις σε αρμόδιο εργαζόμενο.
Στην πράξη, μια τραπεζική διαδικασία που σήμερα απαιτεί πολλαπλούς ελέγχους, μεταφορά δεδομένων μεταξύ διαφορετικών συστημάτων και παρέμβαση αρκετών εργαζομένων θα μπορούσε να ολοκληρώνεται ταχύτερα.
Για παράδειγμα, κατά το άνοιγμα ενός λογαριασμού, ένας AI agent θα μπορούσε να συγκεντρώνει τα απαραίτητα έγγραφα, ένας δεύτερος να πραγματοποιεί ελέγχους ταυτοποίησης, ένας τρίτος να εξετάζει εάν τηρούνται οι πολιτικές της τράπεζας και ένας ακόμη να εντοπίζει τις περιπτώσεις που απαιτούν ανθρώπινη παρέμβαση.
Παρόμοια εφαρμογή μπορεί να υπάρξει στην αξιολόγηση δανείων, στις αμφισβητήσεις συναλλαγών, στην αντιμετώπιση της απάτης, στις εισπράξεις, στην κανονιστική συμμόρφωση και στην εξυπηρέτηση πελατών.
Η βασική αλλαγή είναι ότι η τεχνητή νοημοσύνη δεν λειτουργεί πλέον μόνο ως ένα μεμονωμένο εργαλείο που χρησιμοποιεί ο εργαζόμενος, αλλά ενσωματώνεται σταδιακά στην ίδια τη ροή μιας εργασίας.
Μέχρι σήμερα, πολλές τράπεζες διεθνώς έχουν επενδύσει σε μεμονωμένες εφαρμογές AI, όπως ψηφιακούς βοηθούς, συστήματα αυτοματοποίησης και πιλοτικά προγράμματα παραγωγικής τεχνητής νοημοσύνης. Ωστόσο, σύμφωνα με την ανάλυση, τέτοιες εφαρμογές δύσκολα μεταβάλλουν συνολικά το κόστος και την αποτελεσματικότητα ενός οργανισμού όταν η υπόλοιπη διαδικασία παραμένει αμετάβλητη.
Έτσι, το ερώτημα μετατοπίζεται από το «πού μπορεί να χρησιμοποιηθεί η AI;» στο «ποιες τραπεζικές διαδικασίες μπορούν να επανασχεδιαστούν με τη βοήθεια της AI;».
Η μετάβαση από τον πειραματισμό στην ευρεία εφαρμογή παραμένει, πάντως, σημαντική πρόκληση. Σύμφωνα με έρευνα της EY για το 2025 που επικαλούνται οι συντάκτες της ανάλυσης, το 52% των τραπεζών είχε πραγματοποιήσει πιλοτικές εφαρμογές agentic AI, ενώ μόλις το 16% είχε προχωρήσει σε πλήρη ανάπτυξη αντίστοιχων εφαρμογών.
Από την αυτοματοποίηση στην εξατομικευμένη τραπεζική
Η ανάπτυξη των AI agents δεν σημαίνει ότι οι τράπεζες οδηγούνται 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 δήλωνε ότι χρησιμοποιούσε ήδη AI, ενώ ένα επιπλέον 10% σχεδίαζε να τη χρησιμοποιήσει μέσα στην επόμενη τριετία. Ωστόσο, μόλις το 2% των περιπτώσεων χρήσης αφορούσε πλήρως αυτόνομη λήψη αποφάσεων.
Οι Rawal και Χλουβεράκης περιγράφουν μια κλίμακα πέντε επιπέδων. Στο πρώτο βρίσκεται ο απλός AI assistant, ο οποίος μπορεί να προτείνει, να συντάσσει ή να συνοψίζει πληροφορίες. Ακολουθούν συστήματα που εκτελούν εργασίες χαμηλού κινδύνου με έγκριση, στη συνέχεια οι AI agents που λειτουργούν μέσα σε προκαθορισμένα όρια και, σε υψηλότερο επίπεδο, συστήματα που συντονίζουν περισσότερους agents και διαφορετικές τραπεζικές εφαρμογές.
Στο τελευταίο επίπεδο βρίσκεται η πλήρως αυτόνομη λήψη σημαντικών αποφάσεων, η οποία παραμένει περιορισμένη και ιδιαίτερα ευαίσθητη από κανονιστική άποψη.
Για τους πελάτες, μία ακόμη σημαντική αλλαγή μπορεί να αφορά την εξατομίκευση των υπηρεσιών. Οι τράπεζες μπορούν να αξιοποιούν στοιχεία σχετικά με τις συναλλαγές, το οικονομικό προφίλ, το κανάλι επικοινωνίας ή μια συγκεκριμένη ανάγκη, προκειμένου να παρέχουν πιο έγκαιρες ειδοποιήσεις και υπηρεσίες που ανταποκρίνονται περισσότερο στις ανάγκες κάθε πελάτη.
Η αυξημένη αξιοποίηση δεδομένων, ωστόσο, δημιουργεί παράλληλα ζητήματα σχετικά με την ιδιωτικότητα. Η ανάλυση διαχωρίζει το «context-aware banking», δηλαδή μια τραπεζική υπηρεσία που κατανοεί καλύτερα τις συνθήκες και τις ανάγκες του πελάτη, από το «surveillance banking».
Η συναίνεση, η διαφάνεια, η προστασία των προσωπικών δεδομένων και τα σαφή όρια στη χρήση τους αποκτούν, επομένως, ιδιαίτερη σημασία.
Όσο περισσότερα στάδια μιας τραπεζικής διαδικασίας αναλαμβάνει η τεχνητή νοημοσύνη, τόσο μεγαλύτερη γίνεται και η ανάγκη να μπορεί η τράπεζα να εξηγεί τι ακριβώς συνέβη σε κάθε στάδιο.
Στο πλαίσιο αυτό, οι συντάκτες της ανάλυσης αναφέρονται στην έννοια ενός «AI decision flight recorder», ενός είδους «μαύρου κουτιού» για τις αποφάσεις της AI. Σε αυτό θα μπορούσε να καταγράφεται ποιο μοντέλο χρησιμοποιήθηκε, ποιες πληροφορίες αξιοποιήθηκαν, ποιες πηγές αναζητήθηκαν, ποιοι κανόνες εφαρμόστηκαν, ποιες ενέργειες πραγματοποιήθηκαν και εάν υπήρξε ανθρώπινη έγκριση ή παρέμβαση.
Το ζητούμενο είναι, επομένως, η εποπτεία της τεχνητής νοημοσύνης να μην περιορίζεται σε γενικούς κανονισμούς και επιτροπές, αλλά οι δικλίδες ασφαλείας να ενσωματώνονται στα ίδια τα συστήματα.
Σύμφωνα με τους Rawal και Χλουβεράκη, η επόμενη φάση του ανταγωνισμού δεν θα αφορά απλώς το ποια τράπεζα διαθέτει τα περισσότερα μοντέλα τεχνητής νοημοσύνης ή ανακοινώνει τα περισσότερα πιλοτικά προγράμματα.
Καθοριστικό στοιχείο θα είναι η δυνατότητα ενσωμάτωσης της AI στις πραγματικές τραπεζικές διαδικασίες, με αξιόπιστα και επικαιροποιημένα δεδομένα και σαφή καθορισμό των εργασιών που μπορεί να εκτελεί η τεχνολογία, των αποφάσεων που μπορεί να υποστηρίζει και των σημείων στα οποία απαιτείται ανθρώπινη παρέμβαση.
Για τον πελάτη, εφόσον η τεχνολογία εφαρμοστεί με τις απαραίτητες δικλίδες ασφαλείας, η εξέλιξη αυτή θα μπορούσε να οδηγήσει σε ταχύτερες διαδικασίες, λιγότερη γραφειοκρατία, πιο άμεση εξυπηρέτηση και αποτελεσματικότερο εντοπισμό προβλημάτων και περιστατικών απάτης.
Η βασική αλλαγή, επομένως, δεν αφορά μόνο την αυξημένη χρήση της τεχνητής νοημοσύνης από τις τράπεζες. Αφορά τη σταδιακή μετατροπή της AI από ένα πρόσθετο εργαλείο σε αναπόσπαστο μέρος του τρόπου με τον οποίο σχεδιάζονται και λειτουργούν οι τραπεζικές υπηρεσίες.
Πηγή Α.Λ. , ΑΠΕ-ΜΠΕ ΑΕ.
