• Το άρθρο της ΕΥ συνυπογράφεται από τον Ajay Rawal (EY-Parthenon EMEIA FS Leader) και τον Δρ. Κωστή Χλουβεράκη (Partner EY Ελλάδος, επικεφαλής AI για χρηματοοικονομικές υπηρεσίες Europe Central) 

Το επόμενο ανταγωνιστικό πλεονέκτημα στην τραπεζική δεν θα προέλθει από μεμονωμένες εφαρμογές τεχνητής νοημοσύνης, αλλά από την ενσωμάτωση «κυβερνώμενης νοημοσύνης» (governed intelligence) στις βασικές διαδικασίες και αποφάσεις.

Αυτή είναι η κεντρική θέση της ανάλυσης της EY «How governed intelligence can scale agentic banking», που συνυπογράφουν ο Ajay Rawal, επικεφαλής χρηματοοικονομικών υπηρεσιών της EY-Parthenon για την περιοχή ΕΜΕΙΑ, και ο Δρ. Κωστής Χλουβεράκης, Partner της EY Ελλάδος και επικεφαλής ΤΝ για τις χρηματοοικονομικές υπηρεσίες στην Κεντρική Ευρώπη.

Το μάθημα των πιλοτικών

Η αφετηρία της ανάλυσης είναι μια παραδοχή αποτυχίας: οι μεμονωμένες περιπτώσεις χρήσης (use cases) σπάνια αλλάζουν τα οικονομικά μιας τράπεζας.

Ένας τοπικός AI assistant ή ένα proof of concept μπορεί να βελτιώσει την παραγωγικότητα μιας ομάδας, αλλά η απόδοση της επένδυσης είναι δύσκολο να μετρηθεί, να κλιμακωθεί και να διατηρηθεί αν η γύρω διαδικασία παραμένει αμετάβλητη.

Η έρευνα της EY για την τραπεζική Τεχνητή Νοημοσύνη το 2025 το ποσοτικοποιεί: το 52% των τραπεζών είχε δοκιμάσει πιλοτικά agentic AI, αλλά μόνο το 16% είχε πλήρως ανεπτυγμένες εφαρμογές.

Η εικόνα επιβεβαιώνεται και από την εποπτική πλευρά.

Κοινή έρευνα της Bank of England και της FCA (2024) διαπίστωσε ότι το 75% των χρηματοοικονομικών εταιρειών του Ηνωμένου Βασιλείου χρησιμοποιούσε ήδη ΤΝ και άλλο 10% σχεδίαζε να το κάνει εντός τριετίας.

Τα foundation models αντιπροσώπευαν το 17% των αναφερόμενων εφαρμογών. Όμως η πλήρως αυτόνομη λήψη αποφάσεων ήταν μόλις το 2%, ενώ το 55% περιλάμβανε κάποιον βαθμό αυτοματοποιημένης απόφασης.

Το συμπέρασμα των συγγραφέων:

  • η υιοθέτηση επιταχύνεται, αλλά η αυτονομία παραμένει οριοθετημένη.

Από το use case στα οικονομικά της διαδικασίας

Η EY προτείνει αλλαγή της μονάδας μέτρησης.

Στην τραπεζική, η πραγματική μονάδα αξίας είναι η διαδικασία ή το «ταξίδι» του πελάτη ,το onboarding, η έγκριση δανείου, η επίλυση αμφισβήτησης, η διερεύνηση ενός alert, η προετοιμασία πιστωτικής αναθεώρησης, η διαχείριση καθυστερήσεων.

Οι δείκτες που προτείνονται είναι λειτουργικοί: χρόνος κύκλου, κόστος εξυπηρέτησης, ποσοστό επανεργασίας, σφάλματα, αποτελεσματικότητα ελέγχων, straight-through processing, backlog υποθέσεων, ψευδώς θετικά, απελευθέρωση δυναμικότητας.

Το δεύτερο βήμα είναι το «agentification» της διαδικασίας,  όχι ολόκληρης της τράπεζας.

Το αξιόπιστο μοντέλο, κατά την EY, δεν είναι ένας «mega agent» που τρέχει μια ολόκληρη διαδικασία, αλλά ένα δίκτυο οριοθετημένων «mini agents» υπό ένα στρώμα ενορχήστρωσης που ελέγχει δικαιώματα, εγκρίσεις, κλιμάκωση και τεκμηρίωση.

Το παράδειγμα του onboarding: ένας agent συλλογής εγγράφων, ένας ταυτοποίησης, ένας adverse media, ένας ερμηνείας πολιτικής, ένας διαλογής εξαιρέσεων, ένας βοηθός του relationship manager, ένας ποιοτικού ελέγχου.

Κανένας δεν «κατέχει» τη διαδικασία.

Είναι, όπως το θέτει η ανάλυση, ελεγχόμενη και όχι ανεξέλεγκτη αυτονομία.

Επτά στρώματα, πέντε μοντέλα, πέντε επίπεδα

Η αρχιτεκτονική που περιγράφει η EY έχει επτά στρώματα: αξίας διαδικασίας, θεμελιωμένης γνώσης (σύνδεση GenAI με εγκεκριμένες πολιτικές και πηγές), «πραγματικού χρόνου αλήθειας» (ενιαία, ελεγχόμενη εικόνα πελατών και συναλλαγών), ενορχήστρωσης agents, δικτυακής νοημοσύνης (εντοπισμός κυκλωμάτων απάτης, mule accounts, κυρώσεων), συνθετικής «πρόβας» (δοκιμή σεναρίων πριν την παραγωγή) και αποδεικτικού υλικού διακυβέρνησης.

Για την υλοποίηση, η EY αποφεύγει τη μονοδιάστατη απάντηση του «AI factory». Το κεντρικό εργοστάσιο ΤΝ ταιριάζει σε μικρότερες ή λιγότερο ώριμες τράπεζες, με κίνδυνο να γίνει σημείο συμφόρησης.

Οι μεγαλύτεροι οργανισμοί χρειάζονται hub-and-spoke, ενσωματωμένες ομάδες ανά διαδικασία, μοντέλο πλατφόρμας ή συνεργασίες με τρίτους, με τον κανόνα «κεντρικοποίησε ό,τι πρέπει να είναι συνεπές, ενσωμάτωσε ό,τι πρέπει να είναι κοντά στη δουλειά».

Η κλίμακα αυτονομίας που προτείνεται έχει πέντε επίπεδα: AI assistant (προτείνει, συντάσσει, συνοψίζει), workflow assistant (εκτελεί χαμηλού κινδύνου εργασίες με έγκριση), bounded agent (εκτελεί εντός προεγκεκριμένων ορίων ( π.χ. διαλογή KYC, αντικατάσταση κάρτας), supervised orchestrator (συντονίζει πολλαπλούς agents),  onboarding, collections, διαχείριση υποθέσεων απάτης και autonomous decisioning, το οποίο χαρακτηρίζεται «σπάνιο, αυστηρά ελεγχόμενο και ευαίσθητο εποπτικά».

Ο «καταγραφέας πτήσης» των αποφάσεων

Ίσως η πιο ενδιαφέρουσα πρόταση για τους επόπτες: ο «AI decision flight recorder» ή AI control ledger.

Κάθε απόφαση με ΤΝ πρέπει να μπορεί να αποδείξει τι συνέβη, γιατί, με ποια δεδομένα, ποιο μοντέλο και ποιο prompt ήταν ενεργό, ποιες πηγές ανακτήθηκαν, ποιοι περιορισμοί πολιτικής εφαρμόστηκαν, αν ενέκρινε άνθρωπος και πώς παρακολουθήθηκε το αποτέλεσμα μετά την παραγωγή.

Η EY το συνδέει με το πρότυπο ISO/IEC 42001:2023 για συστήματα διαχείρισης ΤΝ και το πλαίσιο NIST AI RMF.

Η διακυβέρνηση, γράφουν οι συγγραφείς, πρέπει να μεταφερθεί «από επιτροπές, αρχές και έγγραφα σε εκτελέσιμους ελέγχους», governance-as-code.

Μια τράπεζα δεν μπορεί απλώς να δηλώνει ότι ένα σύστημα Τεχνητής Νοημοσύνης είναι κυβερνώμενο. Πρέπει να μπορεί να το αποδείξει.

Έξι κινήσεις

Η ανάλυση κλείνει με 6 κινήσεις:

  1. χαρτογράφηση της ΤΝ στις «δεξαμενές αξίας» των διαδικασιών
  2. ρητή πολιτική αυτονομίας και ενορχήστρωσης ανά βήμα διαδικασίας
  3. επιλογή μοντέλου υλοποίησης
  4. επαναχρησιμοποιήσιμα θεμέλια (γνώση, δεδομένα, μητρώα μοντέλων και prompts, προσομοίωση)
  5. πρόβα, παρακολούθηση και απόδειξη
  6. προστασία/ανθεκτικότητα.

Στο τελευταίο, η EY παραπέμπει σε πρόσφατες ανησυχίες γύρω από το Claude Mythos Preview της Anthropic και το Project Glasswing, ως παράδειγμα του γιατί οι τράπεζες θα χρειαστούν δυναμική παρακολούθηση σε πραγματικό χρόνο της συμπεριφοράς των agents, της δραστηριότητας prompts και εργαλείων, των εξαρτήσεων από τρίτους και των αναδυόμενων ευπαθειών λογισμικού.

Το συμπέρασμα των συγγραφέων είναι αφοριστικό:

  • το μέλλον ανήκει στις τράπεζες με δομημένο λειτουργικό μοντέλο κυβερνώμενης νοημοσύνης, όχι σε αυτές με τα περισσότερα μοντέλα.