Τεχνητή νοημοσύνη στον χρηματοπιστωτικό τομέα του Λουξεμβούργου: Η υιοθέτηση, οι προκλήσεις και η πορεία προς το μέλλον
Τα τελευταία χρόνια, ο χρηματοπιστωτικός τομέας του Λουξεμβούργουέχει επιδείξει αυξανόμενο ενδιαφέρον για την Τεχνητή Νοημοσύνη (ΤΝ) και τη Μηχανική Μάθηση (ΜL). Μια κοινή θεματική επισκόπηση της CSSF (Commission de Surveillance du Secteur Financier) και της BCL (Banque centrale du Luxembourg) αποκαλύπτει ότι, ενώ η υιοθέτηση βρίσκεται ακόμη σε πρώιμα στάδια, οι επενδύσεις και η εφαρμογή τεχνολογιών ΤΝ αυξάνονται σταθερά.
Ένας τομέας που θερμαίνεται για την ΤΝ
Η έρευνα, η οποία διεξήχθη μεταξύ Οκτωβρίου 2021 και Ιανουαρίου 2022, απευθυνόταν σε 148 εποπτευόμενα ιδρύματα και πέτυχε ποσοστό ανταπόκρισης 93%. Αξιολόγησε τρεις βασικούς τομείς: την ψηφιακή στρατηγική, την υιοθέτηση AI/ML και τις πραγματικές περιπτώσεις χρήσης. Τα αποτελέσματα προσφέρουν ένα στιγμιότυπο ενός κλάδου που αγκαλιάζει με προσοχή αλλά σταδιακά την τεχνητή νοημοσύνη.
Το 2021, μόνο το 32% των ερωτηθέντων ανέφεραν επενδύσεις σε AI-πίσω από APIs (56%) και ψηφιακή εισαγωγή (34%). Ωστόσο, μέχρι το 2023, η μηχανική μάθηση είχε γίνει ο κορυφαίος τομέας της αναμενόμενης αύξησης των επενδύσεων, με το 39% των ιδρυμάτων να σχεδιάζει να αυξήσει τους προϋπολογισμούς του ML. Αυτό σηματοδοτεί μια μετατόπιση από το διερευνητικό ενδιαφέρον στη στρατηγική υιοθέτηση.
Τρέχοντα επίπεδα υιοθέτησης
Παρά το θόρυβο γύρω από την ΤΝ, μόνο το 30% των ιδρυμάτων χρησιμοποιούσε ενεργά την ΤΝ κατά τη στιγμή της έρευνας και το 25% είχε εφαρμόσει λύσεις ML. Μεταξύ αυτών, το ML είναι σαφώς η κυρίαρχη τεχνολογία, που χρησιμοποιείται από το 83% των υιοθετούντων την ΤΝ. Οι περιπτώσεις χρήσης που αναφέρθηκαν από τους ερωτηθέντες περιλαμβάνουν κυρίως την ανίχνευση απάτης, την αυτοματοποίηση διαδικασιών, το μάρκετινγκ, τις γνώσεις πελατών και την ασφάλεια στον κυβερνοχώρο.
Είναι ενδιαφέρον ότι οι τράπεζες -παρά το γεγονός ότι αποτελούν την πλειονότητα των ερωτηθέντων- υστερούν σε σχέση με τα ιδρύματα πληρωμών και ηλεκτρονικού χρήματος στην ανάπτυξη της ΤΝ, πιθανώς λόγω των πιο πολύπλοκων παλαιών συστημάτων τους.
Οφέλη και προκλήσεις
Τα ιδρύματα εντόπισαν τρία κύρια οφέλη από τη χρήση της ΤΝ και του ML:
-
Βελτιωμένη εσωτερική αποδοτικότητα
-
Μείωση του κινδύνου
-
Βελτιωμένα προϊόντα και υπηρεσίες
Από την άλλη πλευρά, οι μεγαλύτερες προκλήσεις περιλαμβάνουν την ποιότητα των δεδομένων, την έλλειψη ταλέντων AI/ML και τα προβλήματα με την παρέκκλιση των μοντέλων και την παρακολούθηση. Η έλλειψη σαφούς ρυθμιστικού πλαισίου συμβάλλει επίσης στην επιφυλακτικότητα όσον αφορά την ευρύτερη υιοθέτηση.
Οργανωτικές δομές και κενά δεξιοτήτων
Τα περισσότερα ιδρύματα που χρησιμοποιούν τεχνητή νοημοσύνη (86%) διαθέτουν ειδικές ομάδες επιστήμης δεδομένων – συχνά σε επίπεδο ομίλου. Ωστόσο, τα μεγέθη των ομάδων στο Λουξεμβούργο παραμένουν μικρά, συνήθως λιγότερα από 10 άτομα. Οι κορυφαίες απαιτούμενες δεξιότητες είναι η ανάλυση δεδομένων, η στατιστική και ο προγραμματισμός πληροφορικής.
Παρά το αυξανόμενο ενδιαφέρον για την τεχνητή νοημοσύνη, το 30% των ερωτηθέντων δεν είχε παράσχει ακόμη καμία εκπαίδευση σχετική με την τεχνητή νοημοσύνη στο προσωπικό, γεγονός που αναδεικνύει ένα κενό στην εσωτερική ετοιμότητα.
Διακυβέρνηση και εμπιστοσύνη
Η έκθεση παρουσιάζει μια μικτή εικόνα της διακυβέρνησης της ΤΝ. Ενώ τα περισσότερα ιδρύματα εμπλέκουν τις παραδοσιακές λειτουργίες εποπτείας -όπως η προστασία δεδομένων και η ασφάλεια πληροφοριών- στα έργα ΤΝ, μόνο το 22% έχει ειδικές πολιτικές δεοντολογίας για την ΤΝ και μόλις το 7% έχει συστήσει επιτροπές δεοντολογίας. Καθώς η χρήση της ΤΝ ωριμάζει, η δεοντολογική διακυβέρνηση θα είναι ζωτικής σημασίας για τη διασφάλιση της εμπιστοσύνης και της κανονιστικής συμμόρφωσης.
Η ασφάλεια παραμένει ένας κρίσιμος τομέας. Μόνο το 56% διεξάγει ανεξάρτητες αξιολογήσεις ασφαλείας των συστημάτων τεχνητής νοημοσύνης και μόλις το 27% τα δοκιμάζει ειδικά έναντι απειλών, όπως οι επιθέσεις αντιπάλων ή η δηλητηρίαση δεδομένων. Ομοίως, η πρόληψη της προκατάληψης και η επεξηγηματικότητα παραμένουν υποανάπτυκτες σε πολλές περιπτώσεις χρήσης.
Περιπτώσεις χρήσης στην παραγωγή
Αναφέρθηκαν συνολικά 158 περιπτώσεις χρήσης που σχετίζονται με την ΤΝ, με το 59% να έχει ήδη τεθεί σε παραγωγή. Η AML και η ανίχνευση απάτης κατέχουν την πρώτη θέση (18%), ακολουθούμενη από την αυτοματοποίηση διαδικασιών (15%) και τις περιπτώσεις χρήσης που αφορούν τον πελάτη, όπως οι συστάσεις προϊόντων και οι γνώσεις (8% έκαστη). Τα περισσότερα συστήματα εξακολουθούν να βασίζονται σε παραδοσιακά εσωτερικά δεδομένα και κατασκευάζονται εσωτερικά ή με περιορισμένη εξωτερική υποστήριξη.
Κοιτάζοντας μπροστά
Ο χρηματοπιστωτικός τομέας του Λουξεμβούργου βρίσκεται σε μια προσεκτική αλλά αποφασιστική πορεία προς την ολοκλήρωση της ΤΝ. Η αύξηση των επενδύσεων που σχετίζονται με την τεχνητή νοημοσύνη και η αυξανόμενη συνειδητοποίηση τόσο των οφελών όσο και των κινδύνων σηματοδοτούν ένα οικοσύστημα ωρίμανσης. Ωστόσο, υπάρχει σαφής δουλειά μπροστά μας: ενίσχυση του ταλέντου, ενίσχυση της διακυβέρνησης και διασφάλιση ότι τα συστήματα ΤΝ είναι αξιόπιστα, ασφαλή και εξηγήσιμα.
Καθώς η Ευρώπη πλησιάζει προς την ψήφιση του νόμου για την τεχνητή νοημοσύνη, τα χρηματοπιστωτικά ιδρύματα του Λουξεμβούργου έχουν την ευκαιρία να δώσουν το παράδειγμα – συνδυάζοντας την καινοτομία με την υπευθυνότητα.