Τράπεζες δύο ταχυτήτων δημιουργεί η τεχνητή νοημοσύνη

Η τεχνητή νοημοσύνη έχει ήδη περάσει τις πόρτες των ευρωπαϊκών τραπεζών, χωρίς όμως να δημιουργεί τα ίδια αποτελέσματα για όλους. Περισσότερα από εννέα στα δέκα πιστωτικά ιδρύματα χρησιμοποιούν κάποια μορφή AI στις βασικές λειτουργίες τους, αλλά ένα μεγάλο μέρος εξακολουθεί να περιορίζεται σε εφαρμογές μείωσης του κόστους και αύξησης της παραγωγικότητας. Την ίδια στιγμή, μια μικρότερη ομάδα τραπεζών ενσωματώνει την τεχνολογία στην πρόληψη της απάτης, στην εξατομίκευση των υπηρεσιών και στη λήψη αποφάσεων σε πραγματικό χρόνο, αποκτώντας ήδη μετρήσιμο προβάδισμα. Αυτό το χάσμα αναδεικνύει η μελέτη «From AI Promise to AI Performance» της Visa Consulting & Analytics, η οποία βασίστηκε στις απαντήσεις 325 ανώτατων τραπεζικών στελεχών από 17 ευρωπαϊκές αγορές. Η έρευνα παρουσιάστηκε αρχικά σε ευρωπαϊκό επίπεδο τον Ιούλιο και παρουσιάζεται πλέον και στην ελληνική αγορά από τη Visa. Το 86% των ερωτηθέντων εκτιμά ότι η τεχνητή νοημοσύνη θα αναδιαμορφώσει ριζικά τη λιανική τραπεζική έως το 2030. Παράλληλα, το 61% θεωρεί ότι οι οργανισμοί που θα κινηθούν πρώτοι θα αποκτήσουν σημαντικό ανταγωνιστικό πλεονέκτημα ή ακόμη και κυρίαρχη θέση στις αγορές τους. Το κρίσιμο στοιχείο, όμως, δεν είναι πλέον εάν μια τράπεζα χρησιμοποιεί τεχνητή νοημοσύνη, αλλά πού και με ποιον τρόπο την αξιοποιεί.

Από τη μείωση του κόστους στην εμπειρία του πελάτη

Σχεδόν οι μισές τράπεζες, ποσοστό 48%, επικεντρώνουν τις επενδύσεις τους κυρίως στη λειτουργική αποδοτικότητα και στην ενίσχυση της παραγωγικότητας των εργαζομένων. Λιγότερες από μία στις τρεις, ποσοστό 30%, θέτουν ως βασική προτεραιότητα τη βελτίωση της εμπειρίας των πελατών ή την πρόληψη της απάτης. Η διαφορά αυτή αποδεικνύεται καθοριστική. Σύμφωνα με τη μελέτη, οι τράπεζες που εφαρμόζουν AI σε λειτουργίες υψηλού όγκου συναλλαγών και σε αποφάσεις πραγματικού χρόνου έχουν κατά 40% περισσότερες πιθανότητες να πετύχουν ουσιαστικό μετασχηματισμό. Σε αυτές τις εφαρμογές περιλαμβάνονται ο άμεσος εντοπισμός ύποπτων συναλλαγών, η προσωποποιημένη εξυπηρέτηση και η δυνατότητα των συστημάτων να προτείνουν την κατάλληλη υπηρεσία τη στιγμή που τη χρειάζεται ο πελάτης. Αντίθετα, όταν η τεχνητή νοημοσύνη χρησιμοποιείται αποσπασματικά ή σε λειτουργίες που βρίσκονται μακριά από τις καθημερινές συναλλαγές και τις αποφάσεις πραγματικού χρόνου, η επίδρασή της εμφανίζεται πιο περιορισμένη και τείνει να κορυφώνεται νωρίτερα.

Τα τέσσερα μοντέλα τραπεζών

Η μελέτη διακρίνει τις ευρωπαϊκές τράπεζες σε τέσσερις κατηγορίες, ανάλογα με το βασικό κίνητρο που καθορίζει τις επενδύσεις τους στην τεχνητή νοημοσύνη. Η μεγαλύτερη ομάδα είναι οι «Efficiency Seekers», οι οποίοι αντιπροσωπεύουν το 48% του δείγματος και χρησιμοποιούν την τεχνολογία κυρίως για τη μείωση του κόστους και τη βελτίωση της λειτουργικής αποδοτικότητας. Ακολουθούν με 30% οι «Trust Builders», δηλαδή τράπεζες που επενδύουν στην AI με στόχο την ενίσχυση της εμπιστοσύνης και της εμπειρίας του πελάτη. Οι «Competitor Chasers», με ποσοστό 15%, κινούνται κυρίως ως απάντηση στις πιέσεις του ανταγωνισμού, ενώ οι «Compliance Keepers», που αντιστοιχούν στο 7%, δίνουν προτεραιότητα στην κάλυψη των κανονιστικών απαιτήσεων. Τα ισχυρότερα αποτελέσματα εμφανίζουν οι «Trust Builders». Πρόκειται συχνότερα για τράπεζες με έντονο ψηφιακό προσανατολισμό, οι οποίες αξιοποιούν την τεχνητή νοημοσύνη για ταχύτερη ανίχνευση της απάτης και περισσότερο εξατομικευμένες υπηρεσίες. Το όφελος δεν περιορίζεται στους πελάτες. Στην κατηγορία αυτή, το 42% των εργαζομένων εξοικονομεί τουλάχιστον δύο ώρες εργασίας την εβδομάδα χάρη στην τεχνητή νοημοσύνη. Το αντίστοιχο ποσοστό στις τράπεζες που εστιάζουν πρωτίστως στην αποδοτικότητα διαμορφώνεται στο 28%. Το εύρημα αναδεικνύει ένα ενδιαφέρον παράδοξο: οι τράπεζες που δεν αντιμετωπίζουν την AI αποκλειστικά ως εργαλείο περιορισμού του κόστους καταγράφουν τελικά μεγαλύτερα οφέλη και στην παραγωγικότητα.

Η μάχη θα κριθεί στον πυρήνα των τραπεζών

Η μετάβαση από τις πιλοτικές εφαρμογές σε ένα μοντέλο λειτουργίας που στηρίζεται στην τεχνητή νοημοσύνη απαιτεί σημαντικές αλλαγές στις υποδομές. Οι τράπεζες καλούνται να εκσυγχρονίσουν τα πληροφοριακά τους συστήματα, να συνδέσουν δεδομένα που παραμένουν κατακερματισμένα σε διαφορετικές πλατφόρμες και να διαμορφώσουν σαφείς μηχανισμούς ελέγχου, ασφάλειας και αξιολόγησης των αποτελεσμάτων. «Η τεχνητή νοημοσύνη θα καθορίσει την επόμενη γενιά των τραπεζικών υπηρεσιών. Αυτό, όμως, δεν θα επιτευχθεί μέσω μεμονωμένων πιλοτικών εφαρμογών ή παράλληλων πρωτοβουλιών», επισημαίνει ο Country Manager της Visa στην Ελλάδα, Νίκος Πετράκης. Όπως σημειώνει, το ζητούμενο είναι η αναδιαμόρφωση του πυρήνα λειτουργίας των τραπεζών, με σύγχρονα και ευέλικτα συστήματα, διασυνδεδεμένα δεδομένα και την τεχνητή νοημοσύνη ενσωματωμένη στις διαδικασίες λήψης αποφάσεων σε πραγματικό χρόνο. Στην ίδια κατεύθυνση, ο επικεφαλής της Visa Consulting & Analytics στη Visa Europe, Claudio Di Nella, υπογραμμίζει ότι η υιοθέτηση της τεχνολογίας είναι ήδη ευρεία, αλλά τα αποτελέσματα παραμένουν άνισα. Οι τράπεζες που προηγούνται δεν περιορίζονται σε πειραματισμούς, αλλά αναπτύσσουν εφαρμογές σε πολλαπλές λειτουργίες και αξιολογούν συστηματικά την απόδοσή τους μέσα από σαφείς δείκτες.

Πηγή – Ελεύθερος Τύπος

ΔΙΑΦΗΜΙΣΗ