Η τεχνητή νοημοσύνη περνά από τα chatbot και τους ψηφιακούς βοηθούς στις ίδιες τις τραπεζικές διαδικασίες. Στο επόμενο στάδιο, εξειδικευμένα συστήματα AI θα μπορούν να ελέγχουν δικαιολογητικά, να αναζητούν πληροφορίες, να εντοπίζουν ύποπτες συναλλαγές και να προετοιμάζουν φακέλους δανείων, αφήνοντας στον άνθρωπο τις αποφάσεις που απαιτούν κρίση και εποπτεία.
Η αλλαγή αφορά έναν από τους πιο κρίσιμους τομείς της καθημερινής οικονομικής δραστηριότητας. Η τεχνητή νοημοσύνη δεν αντιμετωπίζεται πλέον μόνο ως ένα εργαλείο που προστίθεται στις υπηρεσίες μιας τράπεζας, αλλά ως τεχνολογία που μπορεί να ενσωματωθεί στη ροή μιας ολόκληρης εργασίας.
Το μοντέλο που περιγράφουν στην ανάλυσή τους οι Ajay Rawal και Δρ. Κωστής Χλουβεράκης της EY βασίζεται στους λεγόμενους AI agents: μικρότερα και εξειδικευμένα συστήματα που αναλαμβάνουν συγκεκριμένες εργασίες μέσα σε προκαθορισμένα όρια. Ένας agent μπορεί, για παράδειγμα, να συγκεντρώνει δικαιολογητικά και ένας άλλος να ελέγχει τα στοιχεία ενός πελάτη, πριν η υπόθεση περάσει στον αρμόδιο υπάλληλο.
Η εξέλιξη συνδέεται με τον ευρύτερο ψηφιακό μετασχηματισμό του τραπεζικού κλάδου. Το ζητούμενο πλέον δεν είναι μόνο η αυτοματοποίηση μιας μεμονωμένης εργασίας, αλλά ο επανασχεδιασμός ολόκληρων διαδικασιών, από το άνοιγμα ενός λογαριασμού έως την αξιολόγηση ενός δανείου.
Από το chatbot στον AI agent
Η πρώτη γενιά εφαρμογών τεχνητής νοημοσύνης στις τράπεζες ήταν κυρίως ορατή στον πελάτη: chatbot, ψηφιακοί βοηθοί και εργαλεία που απαντούν σε ερωτήσεις ή παρέχουν βασικές πληροφορίες.
Το επόμενο βήμα είναι διαφορετικό. Ο AI agent δεν περιορίζεται στο να απαντήσει. Μπορεί να εκτελέσει μια συγκεκριμένη εργασία.
Στο άνοιγμα ενός λογαριασμού, για παράδειγμα, ένα σύστημα θα μπορούσε να συγκεντρώνει τα απαιτούμενα έγγραφα, ένα δεύτερο να πραγματοποιεί ελέγχους ταυτοποίησης, ένα τρίτο να εξετάζει αν τηρούνται οι πολιτικές της τράπεζας και ένα τέταρτο να εντοπίζει περιπτώσεις που χρειάζονται ανθρώπινη παρέμβαση.
Παρόμοια αρχιτεκτονική μπορεί να εφαρμοστεί στην εξέταση δανείων, στις αμφισβητήσεις συναλλαγών, στην αντιμετώπιση της απάτης, στις εισπράξεις, στην κανονιστική συμμόρφωση και στην εξυπηρέτηση πελατών.
Η βασική αλλαγή είναι επομένως λειτουργική: η AI περνά από την περιφέρεια της τραπεζικής εργασίας στο εσωτερικό της διαδικασίας.
Οι τράπεζες περνούν από τα πιλοτικά προγράμματα στην πράξη
Οι μεγάλες τράπεζες έχουν ήδη δοκιμάσει εφαρμογές τεχνητής νοημοσύνης σε διαφορετικούς τομείς. Ωστόσο, ένα chatbot ή ένα μεμονωμένο εργαλείο παραγωγικής AI δεν αρκεί για να αλλάξει τον τρόπο λειτουργίας ενός οργανισμού, εάν η υπόλοιπη διαδικασία εξακολουθεί να απαιτεί τα ίδια χειροκίνητα βήματα.
Το ερώτημα μετατοπίζεται έτσι από το «πού μπορούμε να χρησιμοποιήσουμε AI;» στο «ποιες τραπεζικές διαδικασίες μπορούμε να επανασχεδιάσουμε με τη βοήθεια της AI;».
Η απόσταση ανάμεσα στον πειραματισμό και τη μαζική εφαρμογή παραμένει, πάντως, μεγάλη. Σύμφωνα με έρευνα της EY για το 2025 που επικαλούνται οι δύο συντάκτες, το 52% των τραπεζών είχε πραγματοποιήσει πιλοτικές εφαρμογές agentic AI, ενώ μόλις το 16% είχε προχωρήσει σε πλήρη ανάπτυξη σχετικών εφαρμογών.
Τι σημαίνει για τον πελάτη
Για τον πελάτη, η πιο άμεση αλλαγή μπορεί να είναι ο χρόνος. Μια διαδικασία που σήμερα απαιτεί διαδοχικούς ελέγχους, μεταφορά δεδομένων από διαφορετικά συστήματα και παρέμβαση πολλών εργαζομένων μπορεί να ολοκληρώνεται ταχύτερα.
Στην περίπτωση ενός δανείου, για παράδειγμα, οι AI agents μπορούν να συγκεντρώνουν τα απαραίτητα στοιχεία, να ελέγχουν την πληρότητα του φακέλου, να αναζητούν πληροφορίες και να επισημαίνουν πιθανά προβλήματα. Ο υπάλληλος δεν εξαφανίζεται από τη διαδικασία· μετακινείται σε ένα διαφορετικό σημείο της, εκεί όπου απαιτείται αξιολόγηση και απόφαση.
Το ίδιο ισχύει για τις ύποπτες συναλλαγές. Η AI μπορεί να αναγνωρίζει μοτίβα που χρήζουν ελέγχου και να παραπέμπει μια υπόθεση στον αρμόδιο εργαζόμενο. Η τεχνολογία λειτουργεί ως μηχανισμός εντοπισμού και προτεραιοποίησης, όχι κατ’ ανάγκη ως τελικός κριτής.
Πέντε επίπεδα αυτονομίας
Η ανάπτυξη των AI agents δεν σημαίνει ότι οι τράπεζες περνούν άμεσα σε ένα μοντέλο όπου οι σημαντικές αποφάσεις λαμβάνονται αποκλειστικά από μηχανές.
Οι Rawal και Χλουβεράκης περιγράφουν μια κλίμακα πέντε επιπέδων. Στο πρώτο βρίσκεται ο απλός AI assistant, ο οποίος προτείνει, συντάσσει ή συνοψίζει πληροφορίες. Στη συνέχεια εμφανίζονται συστήματα που μπορούν να εκτελούν εργασίες χαμηλού κινδύνου με έγκριση, ακολουθούν οι agents που ενεργούν μέσα σε προκαθορισμένα όρια και στη συνέχεια συστήματα που συντονίζουν περισσότερους agents και διαφορετικές τραπεζικές εφαρμογές.
Στο υψηλότερο επίπεδο βρίσκεται η πλήρως αυτόνομη λήψη σημαντικών αποφάσεων. Πρόκειται για το πιο ευαίσθητο επίπεδο και παραμένει περιορισμένο, ιδιαίτερα σε δραστηριότητες όπου η απόφαση έχει άμεσες οικονομικές συνέπειες για τον πελάτη.
Περισσότερη εξατομίκευση, αλλά και περισσότερα δεδομένα
Η AI μπορεί παράλληλα να αλλάξει τον τρόπο με τον οποίο οι τράπεζες επικοινωνούν με τους πελάτες. Στοιχεία από τις συναλλαγές, το οικονομικό προφίλ, το κανάλι επικοινωνίας και τις ανάγκες ενός πελάτη μπορούν να συνδυάζονται ώστε οι υπηρεσίες και οι ειδοποιήσεις να είναι περισσότερο στοχευμένες.
Εδώ, όμως, δημιουργείται μια κρίσιμη ισορροπία. Η μεγαλύτερη αξιοποίηση δεδομένων μπορεί να οδηγήσει σε καλύτερη εξυπηρέτηση, αλλά ταυτόχρονα μπορεί να δημιουργήσει την αίσθηση ότι η τράπεζα γνωρίζει υπερβολικά πολλά για την οικονομική ζωή του πελάτη.
Οι συντάκτες διαχωρίζουν για τον λόγο αυτό 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 και η προστασία των προσωπικών δεδομένων αποκτούν συνεπώς ακόμη μεγαλύτερη σημασία.
Η «μαύρη τρύπα» των αποφάσεων πρέπει να κλείσει
Όσο περισσότερες εργασίες αναλαμβάνει η AI, τόσο σημαντικότερο γίνεται να μπορεί η τράπεζα να εξηγήσει τι ακριβώς συνέβη σε μια διαδικασία.
Στην ανάλυση εισάγεται η έννοια του «AI decision flight recorder», ενός είδους «μαύρου κουτιού» για τις αποφάσεις των συστημάτων τεχνητής νοημοσύνης. Εκεί θα μπορούσε να καταγράφεται ποιο μοντέλο χρησιμοποιήθηκε, ποια δεδομένα αξιοποιήθηκαν, ποιες πηγές αναζητήθηκαν, ποιοι κανόνες εφαρμόστηκαν, ποιες ενέργειες πραγματοποιήθηκαν και πότε παρενέβη άνθρωπος.
Η λογική είναι ότι η εποπτεία δεν μπορεί να περιορίζεται σε γενικούς κανόνες. Οι δικλίδες ασφαλείας πρέπει να είναι ενσωματωμένες στην ίδια την τεχνολογία και να επιτρέπουν τον έλεγχο μιας απόφασης εκ των υστέρων.
Η επόμενη μάχη θα δοθεί στις τραπεζικές διαδικασίες
Η επόμενη φάση της χρήσης AI στις τράπεζες δεν θα αφορά μόνο τον αριθμό των μοντέλων ή των πιλοτικών προγραμμάτων. Το κρίσιμο ζήτημα είναι κατά πόσο η τεχνολογία μπορεί να ενσωματωθεί στις πραγματικές διαδικασίες μιας τράπεζας, με αξιόπιστα δεδομένα, σαφή όρια και ανθρώπινη εποπτεία.
Για τον πελάτη αυτό μπορεί να σημαίνει λιγότερη γραφειοκρατία, ταχύτερη εξυπηρέτηση, μικρότερο χρόνο διεκπεραίωσης και αποτελεσματικότερο εντοπισμό ύποπτων συναλλαγών.
Η ουσιαστική αλλαγή βρίσκεται αλλού: η τεχνητή νοημοσύνη παύει σταδιακά να είναι ένα πρόσθετο εργαλείο που χρησιμοποιεί ο τραπεζικός υπάλληλος και γίνεται μέρος της ίδιας της διαδικασίας με την οποία λειτουργεί η τράπεζα.
