Τραπεζική και τεχνητή νοημοσύνη

Τραπεζική και τεχνητή νοημοσύνη

Συντάκτης: Φανούρης Δρακάκης @ 23.06.2017

Ένας από τους κλάδους όπου οι προοπτικές της χρήσης της τεχνητής νοημοσύνης είναι τεράστιες είναι η τραπεζική. Άλλωστε είναι κάτι που ήδη έχει ξεκινήσει να συμβαίνει και αναμένεται στο μέλλον να ενταθεί, βελτιώνοντας πλήθος υπηρεσιών, που αφορούν τόσο την εσωτερική λειτουργία των τραπεζών όσο και την σχέση-επικοινωνία με τον πελάτη. Για να αποκτήσουμε μια ιδέα στις αλλαγές που φέρνει η ΤΝ στην τραπεζική συνομιλήσαμε τον κ. Δαμιανό Χαραλαμπίδη,Εντεταλμένο Γενικό Διευθυντή, Chief Digital Officer and Retail Banking Products στην Alpha Bank. Ας δούμε τι μας είπε...

 

Στο επόμενο βήμα, η ΤΝ τι μπορεί να φέρει στην τραπεζική; Περισσότερο ανταγωνισμό με την έννοια ότι το τραπεζικό προϊόν θα διαμορφώνεται on the fly με βάση τρέχουσες κλιματολογικές συνθήκες, στατιστικά δεδομένα ή άλλες παραμέτρους; Καλύτερη διαχείριση των οικονομικών;

Δ.Χ. Η ΤΝ δεν είναι μια τεχνολογία αλλά ένα σύνολο τεχνολογιών οι οποίες μεταξύ άλλων περιλαμβάνουν τη φυσική διεργασία γλώσσας (language processing) βελτιώνοντας τη  διάδραση μεταξύ υπολογιστών και ανθρώπων, machine learning όπου προγράμματα μπορούν να “μάθουν” μέσα από νέα δεδομένα και προγράμματα ειδικών λογισμικών τα οποία μπορούν να παρέχουν συμβουλές. Αυτές οι τεχνολογίες επιτρέπουν στους υπολογιστές/μηχανές να αισθάνονται,  να κατανοούν και να δρουν με τρόπους παρόμοιους με τον ανθρώπινο νου.   

Η άνθιση της ΤΝ τα τελευταία χρόνια δεν είναι τυχαία καθώς προέρχεται από την ραγδαία ανάπτυξη τεχνολογιών όπως το cloud computing και machine learning. Φυσικά όλα αυτά πηγάζουν από την ανάγκη διαχείρισης του μεγάλου όγκου δεδομένων τα οποία παράγονται καθημερινά κάτι το οποίο συμβαίνει σε πολύ μεγάλο βαθμό στο Τραπεζικό Τομέα.

Η χρήση ΤΝ αφορά την αυτοματοποίηση, καθώς καθιστά εφικτή την αυτοματοποιημένη ανάλυση μεγάλων όγκων δεδομένων σε πολύ μικρό χρονικό διάστημα και αυτό μπορεί να έχει άμεση εφαρμογή στις τράπεζες σε τομείς όπως τα operations, compliance, διαχείρισης κινδύνου, οικονομικών αναλύσεων και διαχείρισης χαρτοφυλακίου.

Η ΤΝ μπορεί να βοηθήσει τις τράπεζες να ανασχεδιάσουν τα επιχειρησιακά τους μοντέλα και διαδικασίες. Για παράδειγμα οι τράπεζες επεξεργάζονται τεράστιους όγκους δεδομένων με στόχο τη δημιουργία οικονομικών αναφορών και είναι υποχρεωμένες να παράσχουν νομοκανονιστικές πληροφορίες. Οι διαδικασίες αυτές είναι ιδιαίτερα τυποποιημένες αλλά απαιτούν την εμπλοκή μεγάλου αριθμού υπαλλήλων. Εδώ οι λύσεις δίνονται από τεχνολογίες τύπου RPA (Robotic Process Automation) όπου ένας υπολογιστής γραφείου μπορεί να προγραμματισθεί έτσι ώστε να εκτελεί αυτού του τύπου τις τυποποιημένες διαδικασίες χωρίς να χρειάζεται να τις κάνει ένας άνθρωπος. 

Υπάρχουν παράλληλα πολλές εφαρμογές χρήσης ΤΝ και σε επίπεδο καταναλωτών, με στόχο την καλύτερη, αποδοτικότερη και όσο γίνεται απαλλαγμένη από λάθη εξυπηρέτηση τους. Τα τελευταία χρόνια έχουν εμφανιστεί πληθώρα εφαρμογών οι οποίες διευκολύνουν τους χρήστες να διαχειριστούν τα οικονομικά τους για παράδειγμα το startup Cleo. Ένας άλλος τομέας που αναπτύσσεται ραγδαία είναι τα chatbots  με πιο πρόσφατο παράδειγμα την  Capital One,  η οποία δημιούργησε τον Eno: ένα αυτοματοποιημένο πρόγραμμα το οποίο μπορεί να επικοινωνεί με τους πελάτες της  μέσω γραπτών μηνυμάτων και να δίνει πληροφορίες σχετικά με τους λογαριασμούς τους καθώς και να τους διευκολύνει να πραγματοποιήσουν συναλλαγές από το κινητό τους.  Ένας μεγάλος αριθμός Κέντρων Εξυπηρέτησης Πελατών (call centers) πολλών τραπεζών παγκοσμίως έχει αρχίσει να χρησιμοποιεί παρόμοιες τεχνολογίες.  Η ανάπτυξη προσωποποιημένων συμβουλευτικών επιλογών με τη χρήση ΤΝ αποτυπώνεται στους robo advisors : Online υπηρεσίες οι οποίες δίνουν αυτοματοποιημένες επενδυτικές συμβουλές βασιζόμενοι σε εξελιγμένους αλγορίθμους διαχείρισης χαρτοφυλακίου.    

Η ταχύτητα ανάπτυξης της ΤΝ είναι μια πρόκληση όπου πολλοί, πιο συντηρητικοί πιστεύουν ότι θα καθυστερήσει αρκετές δεκαετίες, ενώ άλλοι πιο προοδευτικοί εκτιμούν ότι φτάνει ήδη στο αποκορύφωμα της. Για παράδειγμα ο Ray Kurzweil της Google εκτιμά ότι η ΤΝ θα έχει ξεπεράσει των ανθρώπινη νοημοσύνη μέχρι το 2029.

Σε σχέση με τις συναλλαγές στο γκισέ η άποψη μας είναι ότι δεν πρόκειται να εξαλειφθούν, απλά να περιορισθούν σε σχέση με τον σημερινό μεγάλο αριθμό.   

 

Αν η κρίση του 2008 δημιουργήθηκε σε μεγάλο βαθμό στην εμπιστοσύνη προς μαθηματικά μοντέλα, βάσει των οποίων σχεδιάστηκαν επενδυτικά προϊόντα, πόσο πιθανό είναι να δούμε παρόμοια επεισόδια ως αποτέλεσμα μιας πλήρους εφαρμογής της ΤΝ;  Αλλιώς, αν στην κρίση του 2008 η τεχνολατρεία (ας μας επιτραπεί ο όρος) έπαιξε έναν ρόλο, τι θα συμβεί σε ένα περιβάλλον που ο ανθρώπινος παράγοντας έχει αποσυρθεί πλήρως; Συνακόλουθα, ο φύλακας της ΤΝ είναι άνθρωπος ή περισσότερη ΤΝ;

Δ.Χ. Ένα από τα πλεονεκτήματα αξιοποίησης της ΤΝ είναι η εξάλειψη του ανθρωπίνου λάθους. Η σωστή διαχείριση/ανάπτυξη όμως μιας ολοκληρωμένης τραπεζικής σχέσης απαιτεί τον ανθρώπινο παράγοντα. Καθώς η “έξυπνη” διαχείριση των οικονομικών μπορεί να γίνεται μέσω αλγορίθμων και ανάλυσης δεδομένων αλλά η κατανόηση των βαθύτερων ανθρώπινων αναγκών μπορεί να γίνει μόνο μέσα από την ανθρώπινη επαφή.

 

Ο ελληνικός τραπεζικός κλάδος βίωσε μια απότομη αναδιοργάνωση και συγκέντρωση (με την έννοια του consolidation) τα τελευταία χρόνια. Η ΤΝ δίνει ευκαιρίες (αν ναι, ποιες) ή είναι απειλή;

Δ.Χ. Η ανάπτυξη τεχνολογιών όπως το blockchain και η ΤΝ επιτρέπουν την παράλληλη ανάπτυξη ενός οικοσυστήματος , που ονομάζεται Fintech. Στο οικοσύστημα αυτό ανήκουν πολλές νεοφυείς επιχειρήσεις οι οποίες μέσα από πιο ευέλικτες δομές και με τη χρήση της τεχνολογίας αναπτύσσουν μεταξύ άλλων και υπηρεσίες/εφαρμογές οι οποίες μπορούν να αξιοποιηθούν και στον τραπεζικό κλάδο. Παράλληλα η ραγδαία ανάπτυξη  των ψηφιακών μέσων πληρωμών επιτρέπει την περαιτέρω αξιοποίηση νέων τεχνολογιών με στόχο την ταχύτερη εξυπηρέτηση και την καλύτερη εμπειρία χρήστη. Επιπλέον η ΤΝ προσφέρει σε μερικές περιπτώσεις τη δυνατότητα για απελευθέρωση ανθρώπινων πόρων για πιο παραγωγικές διαδικασίες.      

 

Αν ο τραπεζοϋπάλληλος των προηγούμενων δεκαετιών έπρεπε να είχε καλές μαθηματικές επιδόσεις και γνώσεις της οικονομίας, μπορούμε να πούμε κατ’ αναλογία ότι ο τραπεζοϋπάλληλος της επόμενης δεκαετίας είναι ένας καλός coder; Ή απλώς η ΤΝ θα μαθαίνει από τα λάθη της και θα αυτοδιορθώνεται;

Δ.Χ. Η αξιοποίηση της ΤΝ από τις τράπεζες προϋποθέτει την παρουσία στελεχών με γνώσεις πέρα από τον στενό οικονομικό τομέα, για παράδειγμα μαθηματικούς, στατιστικολόγους και ειδικούς στην διαχείριση big data.  Αυτοί οι επαγγελματίες έρχονται να ενισχύσουν τις υφιστάμενες δομές και διερευνούν νέους τρόπους αξιοποίησης των δεδομένων και εφαρμογής αυτοματοποιημένων μεθόδων ανάλυσης τους.