Η τεχνητή νοημοσύνη έχει πάψει πλέον να αποτελεί ένα πειραματικό εργαλείο του τεχνολογικού κόσμου και εξελίσσεται σε βασικό μοχλό αλλαγής και για τις κεντρικές τράπεζες, αναφέρεται στην ετήσια Έκθεση του Διοικητή της Τράπεζας της Ελλάδος για το 2025.
Από την επεξεργασία δεδομένων και τις μακροοικονομικές προβλέψεις έως την τραπεζική εποπτεία και την εσωτερική οργάνωση των υπηρεσιών τους, οι κεντρικές τράπεζες στρέφονται όλο και περισσότερο σε αλγοριθμικά εργαλεία που υπόσχονται ταχύτερη ανάλυση, μεγαλύτερη ακρίβεια και καλύτερη αξιοποίηση της πληροφορίας, αναφέρει η Έκθεση.
Η χρήση της τεχνητής νοημοσύνης δεν περιορίζεται πλέον σε θεωρητικές συζητήσεις ή μεμονωμένα πιλοτικά έργα. Αντίθετα, εντάσσεται σταδιακά στον πυρήνα της λειτουργίας κρίσιμων θεσμών, όπως η Ευρωπαϊκή Κεντρική Τράπεζα και η Τράπεζα της Ελλάδος, οι οποίες επιχειρούν να ενσωματώσουν νέα ψηφιακά εργαλεία τόσο στη λήψη αποφάσεων όσο και στην εποπτεία του χρηματοπιστωτικού συστήματος.
Τεχνητή νοημοσύνη και νομισματική πολιτική
Στο επίπεδο της νομισματικής πολιτικής, η τεχνητή νοημοσύνη αξιοποιείται για την ανάλυση μεγάλου όγκου δεδομένων, την αναγνώριση επαναλαμβανόμενων προτύπων και την έγκαιρη ανίχνευση κινδύνων που ενδέχεται να επηρεάσουν την οικονομία. Ιδιαίτερη σημασία αποκτούν τα μοντέλα μηχανικής μάθησης και τα μεγάλα γλωσσικά μοντέλα, τα οποία επιτρέπουν την αξιοποίηση τόσο δομημένων όσο και αδόμητων δεδομένων, όπως κείμενα, εικόνες, βίντεο και ηχητικό υλικό.
Η Ευρωπαϊκή Κεντρική Τράπεζα, ειδικότερα, φαίνεται να επενδύει συστηματικά σε εφαρμογές AI για στατιστικούς και οικονομικούς σκοπούς. Μεταξύ άλλων, χρησιμοποιεί τεχνικές που βελτιώνουν την ποιότητα των δεδομένων, εντοπίζουν ασυμφωνίες και ενισχύουν τη δυνατότητα έγκαιρης προτεραιοποίησης υποθέσεων που χρειάζονται περαιτέρω έλεγχο. Παράλληλα, εξετάζει τη χρήση μοντέλων μηχανικής μάθησης για προβλέψεις πληθωρισμού, προγνωστικά του παγκόσμιου εμπορίου και ανάλυση κινδύνων στην παγκόσμια οικονομία.
Σημαντικός είναι και ο ρόλος της τεχνητής νοημοσύνης στην επικοινωνία των κεντρικών τραπεζών με τις αγορές και το κοινό. Η ΕΚΤ χρησιμοποιεί εργαλεία AI για την ανάλυση δημοσιογραφικών αναφορών, τη μελέτη του αντίκτυπου της γλώσσας που χρησιμοποιεί στις ανακοινώσεις της και τη μετάφραση μεγάλου όγκου κειμένων στις 24 επίσημες γλώσσες της Ευρωπαϊκής Ένωσης. Στόχος είναι όχι μόνο η ταχύτερη επεξεργασία πληροφοριών, αλλά και η απλούστευση της επικοινωνίας με πολίτες που δεν είναι εξοικειωμένοι με τη γλώσσα και τη λειτουργία μιας κεντρικής τράπεζας.
Τραπεζική εποπτεία και AI
Στο πεδίο της τραπεζικής εποπτείας, η τεχνητή νοημοσύνη μετατρέπεται σε εργαλείο αναδιάρθρωσης του ίδιου του εποπτικού μοντέλου. Η ΕΚΤ έχει αναπτύξει τέσσερις βασικούς στρατηγικούς πυλώνες, που περιλαμβάνουν την ενοποίηση δεδομένων στο σύστημα Agora, την αυτοματοποίηση διαχείρισης γνώσης μέσω του συστήματος Athena, τη συνεργατική ανάπτυξη μοντέλων στο Virtual Lab και την ενοποιημένη εποπτική πλατφόρμα Project Olympus. Με τον τρόπο αυτό, οι επόπτες αποκτούν πρόσβαση σε πιο ολοκληρωμένη εικόνα των τραπεζών και των κινδύνων που τις αφορούν.
Αντίστοιχα, και η Τράπεζα της Ελλάδος έχει ξεκινήσει να οργανώνει την είσοδό της στην εποχή της τεχνητής νοημοσύνης. Έχει συγκροτήσει εσωτερική κοινότητα AI, έχει χαράξει οδικό χάρτη για στρατηγική, διακυβέρνηση και εκπαίδευση του προσωπικού, ενώ εξετάζει ήδη πρακτικές εφαρμογές όπως ψηφιακό βοηθό για εσωτερικές ανάγκες και αυτοματοποίηση εξαγωγής μη δομημένων δεδομένων από οικονομικές καταστάσεις.
Τα ρίσκα
Ωστόσο, η αξιοποίηση της τεχνητής νοημοσύνης δεν έρχεται χωρίς κόστος ή ρίσκο. Η εξάρτηση από εξωτερικούς παρόχους, ειδικά εκτός ΕΕ, οι κυβερνοεπιθέσεις, οι προκαταλήψεις στα μοντέλα, η κακή ποιότητα δεδομένων και η έλλειψη διαφάνειας αποτελούν ορισμένες από τις βασικές προκλήσεις που επισημαίνονται, σημειώνεται στην Έκθεση του Διοικητή της Τράπεζας της Ελλάδος. Εξίσου κρίσιμος θεωρείται ο κίνδυνος η αυτοματοποίηση να υποκαταστήσει την ανεξάρτητη κρίση των ανθρώπων, ιδίως σε ένα πεδίο όπου το λάθος μπορεί να έχει συστημικές συνέπειες.
Για τον λόγο αυτό, οι κεντρικές τράπεζες καλούνται να κινηθούν γρήγορα και οργανωμένα. Η εκπαίδευση του προσωπικού, η υιοθέτηση σαφούς στρατηγικής για την υπεύθυνη χρήση AI, η συνεργασία με άλλες αρχές και η επένδυση σε τεχνολογικές υποδομές θεωρούνται προϋποθέσεις για να αποφευχθεί η τεχνολογική καθυστέρηση και το μεγαλύτερο κόστος του μέλλοντος.