10 παγκόσμιες τάσεις για τον τραπεζικό τομέα στην εποχή της τεχνητής νοημοσύνης

10 παγκόσμιες τάσεις για τον τραπεζικό τομέα στην εποχή της τεχνητής νοημοσύνης

Των Λάμπρου Τσόλκα και Γιώργου Παλλιούδη*

Τις τελευταίες δύο δεκαετίες ο τραπεζικός τομέας έχει αλλάξει ριζικά. Τα υποκαταστήματα των τραπεζών υποδέχονται πλέον μικρότερο αριθμό επισκεπτών, η χρήση μετρητών έχει μειωθεί σημαντικά καθώς νέοι τρόποι πληρωμής είναι διαθέσιμοι, ενώ νέοι παίκτες έχουν εμφανιστεί -από νεοφυείς επιχειρήσεις μέχρι bigtechs- άλλοτε ως ανταγωνιστές και άλλοτε ως συνεργάτες των παραδοσιακών τραπεζικών ιδρυμάτων.

Όπως και πριν από 25 περίπου χρόνια, βρισκόμαστε και πάλι στην αρχή μιας νέας εποχής. Η ταχεία ωρίμανση της τεχνητής νοημοσύνης (AI), της επεξεργασίας και της αποθήκευσης δεδομένων και του cloud computing δημιουργούν συνδυαστικά ένα τεράστιο εύρος ευκαιριών. Μπορούμε να πούμε με βεβαιότητα ότι εισερχόμαστε δυναμικά σε μία νέα εποχή, αυτήν της τεχνητής νοημοσύνης.

Άλλωστε, η τραπεζική βασίζεται στην τεχνολογία και την εμπιστοσύνη που έχει οικοδομηθεί διαχρονικά. Με ένα τέτοιο επιχειρηματικό μοντέλο, η ευκαιρία να εφαρμοστεί η τεχνητή νοημοσύνη σε όλες τις μορφές της είναι μοναδική για τις τράπεζες σήμερα.

Αυτός είναι ο λόγος για τον οποίο καθεμία από τις 10 τάσεις στην ετήσια πρόβλεψή μας για τον τραπεζικό κλάδο είτε προκαλείται είτε ενισχύεται από την τεχνητή νοημοσύνη.

1. Η άνοδος του GenAI

Το 2023 σχεδόν όλες οι τράπεζες ξεκίνησαν να πειραματίζονται με την παραγωγική τεχνητή νοημοσύνη (generative AI), με πολλές εξ αυτών να αναφέρουν εντυπωσιακά αποτελέσματα. Τους επόμενους μήνες θα υπάρξει περαιτέρω υιοθέτησή της, με τις πιο φιλόδοξες τράπεζες να αξιοποιούν την τεχνητή νοημοσύνη πέρα από την υλοποίηση μεμονωμένων use cases με μία διάθεση ολικής επανεφεύρεσής τους.

Σύμφωνα με την ανάλυσή μας, ο τραπεζικός κλάδος θα είναι πιθανότατα ο μεγάλος κερδισμένος της τεχνητής νοημοσύνης – σε σύγκριση με οποιονδήποτε άλλο κλάδο, με αναμενόμενη αύξηση της παραγωγικότητας της τάξης του 22-30%.

Ωστόσο, ο μεγαλύτερος αντίκτυπος της παραγωγικής τεχνητής νοημοσύνης στον τραπεζικό τομέα φαίνεται πως θα είναι περισσότερο στην αύξηση των εσόδων παρά στην εξοικονόμηση κόστους, όπως μπορεί να φαντάζεται κάποιος σήμερα. Τα μοντέλα μας δείχνουν ότι ο συνδυασμός ανθρώπου και τεχνολογίας στις πωλήσεις, το marketing και την αλληλεπίδραση με τους πελάτες θα μπορούσε να αυξήσει τα έσοδα κατά 6% σε τρία χρόνια.

Καθοριστικός παράγοντας για την επίτευξη αυτής της αύξησης είναι μια στρατηγική με επίκεντρο το ανθρώπινο δυναμικό. Η επιτυχής υιοθέτηση και ανάπτυξη της τεχνητής νοημοσύνης θα απαιτήσει δεξιότητες που λίγες τράπεζες διαθέτουν σε επαρκή βαθμό, ενώ παράλληλα θα απαιτήσει σημαντικές αλλαγές στον τρόπο εργασίας.

2. Το ανθρώπινο πρόσωπο της τεχνολογίας

Oι περισσότερες τράπεζες έχουν κάνει ήδη μεγάλη πρόοδο στην ψηφιακή τραπεζική εμπειρία, με ιδιαίτερη έμφαση στην εξυπηρέτηση των πελατών. Αυτό έχει κάνει την ψηφιακή εμπειρία του πελάτη να είναι λειτουργικά άρτια αλλά συναισθηματικά κενή. Με περίπου το 99% των σημείων διεπαφής πελατών και τράπεζας να είναι ψηφιακά κανείς δεν μιλάει πια με τα τραπεζικά στελέχη.

Τι θα γινόταν όμως αν μια τράπεζα μπορούσε να αξιοποιήσει όλα αυτά τα ψηφιακά σημεία διεπαφής και να τα μετατρέψει ξανά σε συνομιλίες και στη συνέχεια σε ευκαιρίες πωλήσεων, χωρίς να χρειάζεται να αυξήσει το προσωπικό της;

Στην κατεύθυνση αυτή, η τεχνητή νοημοσύνη μπορεί να διαδραματίσει καταλυτικό ρόλο. Οι τράπεζες δηλαδή μπορούν να αξιοποιήσουν τα τεράστια αποθέματα δεδομένων που διαθέτουν για τους πελάτες τους και μέσω της τεχνητής νοημοσύνης να απευθύνονται σε αυτούς με εξατομικευμένο τρόπο. Ο απόλυτος στόχος για τις τράπεζες είναι να καταφέρουν να προσφέρουν μέσω ψηφιακών καναλιών την ίδια αυθεντική και προσωποποιημένη εμπειρία που παραδοσιακά παρείχαν στο φυσικό δίκτυο καταστημάτων.

3. Οι απρόβλεπτοι κίνδυνοι 

Στις αρχές του 2023, κανείς δε φανταζόταν ότι η χρεοκοπία μιας τράπεζας στην Καλιφόρνια θα οδηγούσε σε περιφερειακή τραπεζική κρίση και τελικά στη συγχώνευση των δύο μεγάλων τραπεζών της Ελβετίας.

Εκ των υστέρων ο κίνδυνος φαίνεται προφανής, είναι όμως δύσκολο ή και αδύνατο να εντοπιστεί σε πραγματικό χρόνο. Οι τράπεζες οφείλουν να βελτιώσουν την ανθεκτικότητά τους σε απρόβλεπτους κινδύνους. Αξίζει να αναφερθεί ότι σε πρόσφατη μελέτη μας το 72% των ανώτερων τραπεζικών στελεχών δήλωσε ότι η διεύθυνση διαχείρισης κινδύνων στους οργανισμούς τους δεν κατόρθωσε να συμβαδίσει με το συνεχώς μεταβαλλόμενο τοπίο.

Κανείς δεν γνωρίζει επακριβώς τι κινδύνους θα φέρει το 2024, ωστόσο παρακάτω θα βρείτε ορισμένες πιθανές πηγές κινδύνου:

Οι τράπεζες θα μετατοπίσουν την εστίαση της κυβερνοασφάλειας από την πρόληψη στην ανθεκτικότητα, καθώς τόσο οι hackers όσο και οι ίδιες θα ξεκινήσουν να αξιοποιούν την παραγωγική τεχνητή νοημοσύνη.
Δεκαετίες μηδενικών επιτοκίων οδήγησαν σε μια έκρηξη στα εμπορικά ακίνητα (CRE), αλλά η ώρα του απολογισμού ίσως να πλησιάζει.
Στην αγορά κατοικίας, τα μηδενικά επιτόκια οδήγησαν σε ραγδαία αύξηση του κόστους στέγασης παγκοσμίως με ότι αυτό συνεπάγεται.

4. Ένας εντελώς νέος τρόπος εργασίας

Στη διάρκεια της ψηφιακής επανάστασης, οι τράπεζες στράφηκαν κυρίως σε προσλήψεις για να αντιμετωπίσουν τις ελλείψεις δεξιοτήτων. Καθώς όμως η τεχνητή νοημοσύνη θα επηρεάσει σχεδόν κάθε εργασία σε κάθε τμήμα κάθε τράπεζας, η προσέλκυση ταλέντου από την αγορά απλώς δε θα φέρει τα επιθυμητά αποτελέσματα αυτή τη φορά. Αυτό που απαιτείται είναι μια εντελώς διαφορετική εταιρική κουλτούρα φιλοπεριέργειας, δεκτικότητας στην αλλαγή, συνεχούς μάθησης και ανάπτυξης.

Για να αξιοποιήσουν αυτήν την ευκαιρία, οι διοικήσεις των τραπεζών πρέπει να οραματιστούν από μηδενική βάση τη συνεργασία ανθρώπου και τεχνολογίας, λαμβάνοντας ως δεδομένο ότι στο άμεσο μέλλον οι άνθρωποι θα (συν)εργάζονται με την τεχνητή νοημοσύνη για να διατηρήσουν το ανθρώπινο πρόσωπο της τράπεζας.

5. Η δύναμη της τιμολογιακής πολιτικής

Κάθε τραπεζικό στέλεχος γνωρίζει ότι μια μικρή αλλαγή στην τιμολογιακή πολιτική μπορεί να έχει μεγάλες συνέπειες. Η τέχνη όμως είναι να μπορείς να προβλέψεις αυτές τις συνέπειες. Θεωρητικά, υπάρχει μια ιδανική τιμή για κάθε συνδυασμό πελάτη, προϊόντος και καναλιού.

Η τεχνητή νοημοσύνη διευκολύνει πολύ τις τράπεζες να καθορίσουν τις ιδανικές τιμές, καθώς τα μοντέλα, εξετάζοντας χιλιάδες μεταβλητές, μπορούν να καταλήξουν γρήγορα σε στοχευμένες τιμές. Με εκατομμύρια επαναλήψεις και τη δυνατότητα συνεχούς μάθησης, οι τράπεζες θα είναι σύντομα σε θέση να προσδιορίζουν επακριβώς την κατάλληλη τιμή για την κάθε ευκαιρία πώλησης.

6. Η ώρα της cloud-first προσέγγισης

Οι απαιτήσεις υπολογιστικής ισχύος και δεδομένων της τεχνητής νοημοσύνης καθιστούν το cloud computing απαραίτητο εργαλείο το 2024. Καθώς οι περισσότερες τράπεζες αρχίζουν να αντιλαμβάνονται τη δυναμική και τις δυνατότητες του cloud, θα ενταθεί σταδιακά η πίεση τόσο από την τεχνολογία όσο και από τους επιχειρηματικούς χώρους για μια πλήρη στροφή στο cloud. Οι τράπεζες θα προσπαθήσουν να υιοθετήσουν το λειτουργικό μοντέλο του cloud και για το δικό τους data center διευκολύνοντας ακόμα περισσότερο την μετάβαση στο public cloud.

Θα χρειαστεί ακόμα χρόνος για να γίνουν οι περισσότερες τράπεζες πραγματικά cloud-first, ωστόσο, παρατηρούμε ότι ενώ πριν από τρία χρόνια το ερώτημα ήταν “Γιατί public cloud;” πλέον είναι “Πώς μπορούμε να πάμε εκεί πιο γρήγορα;”

7. Αναπροσαρμογή Κανονιστικού Πλαισίου

Ο όγκος των ρυθμίσεων με τις οποίες πρέπει να συμμορφωθούν οι τράπεζες έχει αυξηθεί από την οικονομική κρίση του 2008. Ενδεικτικά, CCAR, Βασιλεία IV, GDPR και PSD είναι μερικές μόνο από τις πρόσφατες προσθήκες. Και αυτή η τάση φαίνεται να συνεχίζει με νέα νομοθετικά πλαίσια για την τεχνητή νοημοσύνη και τη βιωσιμότητα.

Το ρυθμιστικό πλαίσιο είναι αναπόσπαστο μέρος των χρηματοπιστωτικών υπηρεσιών, αλλά δε συνεπάγεται ότι όσο περισσότερους κανονισμούς βάζουμε για τις τράπεζες τόσο καλύτερη θα γίνεται η λειτουργία τους. Επομένως, πώς μπορούν οι ρυθμιστικές αρχές και οι τράπεζες να συνεργαστούν στενότερα για να διασφαλίσουν ότι οι ρυθμιστικές αρχές λαμβάνουν αυτό που χρειάζονται, εξασφαλίζοντας παράλληλα ότι οι κανονισμοί δεν είναι υπερβολικά επαχθείς για τις τράπεζες; Η ισορροπία αυτή θα είναι κρίσιμη το 2024. Βλέπουμε ήδη βήματα στην Ευρώπη για τη δημιουργία μιας πιο αποτελεσματικής διαδικασίας ανταλλαγής πληροφοριών και δεδομένων μεταξύ τραπεζών και ρυθμιστικών αρχών που είναι κατάλληλη για την ψηφιακή εποχή.

8. Ανάπτυξη με τη δύναμη της τεχνολογίας 

Καθώς οι τάσεις που διαμορφώνουν την τραπεζική τεχνολογία εξελίσσονται, τίθεται ένα σημαντικό ερώτημα: Ποιο είναι το μέλλον της διεύθυνσης πληροφορικής (IT); Η τεχνητή νοημοσύνη, το cloud και οι διάφορες εφαρμογές δημιουργούν μια αμφισβήτηση στο παραδοσιακό μοντέλο κατανομής προϋπολογισμού τεχνολογίας, 70:30 μεταξύ run & change.

Αυτό αλλάζει τη νοοτροπία τόσο των ομάδων πληροφορικής όσο και των επιχειρηματικών χώρων. Οι τεχνολογικές ομάδες θα πλησιάσουν ή / και θα συγχωνευθούν τελικά με τις επιχειρηματικές. Οι προτεραιότητές τους θα μετατοπιστούν από τη συντήρηση της υποδομής στη διαρκή υποστήριξη για την ανάπτυξη νέων προϊόντων και υπηρεσιών.

Αυτή η τάση θα αντικατοπτρίζεται από μη τεχνικό προσωπικό, το οποίο θα μάθει να αξιοποιεί εργαλεία όπως το GenAI ή πλατφόρμες low/no code για να δημιουργήσει καινοτόμα νέα προϊόντα σύμφωνα με τις ανάγκες των πελατών. Τα τραπεζικά στελέχη μπορεί να μην θεωρούν τους εαυτούς τους μηχανικούς πληροφορικής, αλλά η σταδιακή μετατόπισή τους από τη συντήρηση στο σχεδιασμό και την ανάπτυξη θα ωφελήσει σημαντικά τις μακροπρόθεσμες προοπτικές κάθε τράπεζας.

9. Εκσυγχρονισμός του τεχνολογικού πυρήνα

Τα προβλήματα που προκαλούνται από τη γήρανση του κεντρικού συστήματος (core banking) των τραπεζών υφίστανται πριν από τον ερχομό του digital. Αλλά υπάρχει λόγος να πιστεύουμε ότι αυτή η στιγμή είναι πραγματικά διαφορετική. Στους λίγους μήνες που κυκλοφόρησε, το GenAI έχει επιδείξει μια αξιοσημείωτη ικανότητα reverse-engineering σε απαρχαιωμένα συστήματα γραμμένα για παράδειγμα σε COBOL.

Αυτό σημαίνει ότι η τεχνολογία που μπορεί να μειώσει το χρόνο που απαιτείται για ένα μεγάλο έργο εκσυγχρονισμού βρίσκεται στα σκαριά. Σύμφωνα με τη μελέτη Accenture Technology Vision 2024, το 95% των τραπεζικών στελεχών συμφωνεί ότι η παραγωγική τεχνητή νοημοσύνη θα αναγκάσει τους οργανισμούς τους να εκσυγχρονίσουν την τεχνολογική αρχιτεκτονική τους.

10. Πέρα από το Six Sigma

Τα τελευταία 25 χρόνια, οι δείκτες cost-to-income των τραπεζών ήταν σταθεροί, γύρω στο 50-60% για τις περισσότερες τράπεζες.

Πιστεύουμε ότι θα δούμε αλλαγές μέσα στο επόμενο διάστημα, καθώς τα στελέχη προσβλέπουν στην τεχνολογία για να χαμηλώσουν οριστικά την καμπύλη κόστους. Στο παρελθόν, οι τράπεζες διέθεταν μόνο εργαλεία για να αντιμετωπίσουν ποσοτικά προβλήματα. Η τεχνητή νοημοσύνη δίνει τη δυνατότητα αντιμετώπισης ποιοτικών προβλημάτων που ιστορικά απαιτούσαν ανθρώπινη παρέμβαση. Αυτό το λεπτό αλλά σημαντικό σημείο σημαίνει ότι τα προβλήματα αυτοματισμού και απλοποίησης που ήταν άλυτα πριν από τρία ή τέσσερα χρόνια χρησιμοποιώντας τα κλασικά εργαλεία Six Sigma, πλέον μπορούν να αντιμετωπιστούν. Αυτό θα βοηθήσει στην επανεφεύρεση του προφίλ κόστους των τραπεζών και θα θέσει ένα νέο όριο απόδοσης.

Συμπερασματικά

Δεν είναι η πρώτη φορά που οι τράπεζες βρίσκονται σε ένα μεταβατικό στάδιο. Όμως, ενώ προηγούμενα ορόσημα, όπως το digital ή το mobile banking, εμφανίστηκαν σταδιακά, η υιοθέτηση της παραγωγικής τεχνητής νοημοσύνης γίνεται με ξέφρενη ταχύτητα.

Γιώργος Παλλιούδης, Managing Director, Financial Services, Accenture

Ο Γιώργος Παλλιούδης, Managing Director στον Κλάδο Χρηματοοικονομικών Υπηρεσιών της Accenture στην Ελλάδα, σημείωσε: “Παρόλες τις δυσκολίες που περάσαμε ως χώρα την τελευταία 12ετία, οι ελληνικές τράπεζες κατάφεραν να επιβιβαστούν στο τρένο του ψηφιακού μετασχηματισμού, ο οποίος συνεχίζεται ακάθεκτος. Η έλευση της παραγωγικής τεχνητής νοημοσύνης δίνει ένα ακόμα πανίσχυρο όπλο στα χέρια τους, ικανό για να επαναπροσδιορίσουν το λειτουργικό τους μοντέλο. Ωστόσο, η κουλτούρα των ανθρώπων να αγκαλιάσουν και να σχεδιάσουν το μέλλον με γνώμονα την τεχνολογία και η σχέση μεταξύ κόστους και αξίας θα είναι καταλυτικές για την επιτυχία”.

Λάμπρος Τσόλκας
Λάμπρος Τσόλκας, Managing Director, Financial Services Lead, Accenture

“Τώρα είναι η στιγμή για τις τράπεζες να προχωρήσουν στην ολική τους επανεφεύρεση” πρόσθεσε ο Λάμπρος Τσόλκας, Αντιπρόεδρος της Accenture και Επικεφαλής στον Κλάδο Χρηματοοικονομικών Υπηρεσιών στην Ελλάδα. “Καθώς οι τράπεζες έχουν επανέλθει στην κερδοφορία και έχουν αντιμετωπίσει επιτυχώς τις προκλήσεις του παρελθόντος, οφείλουν να δουν με αυτοπεποίθηση το μέλλον και να μεταφράσουν την αναπτυξιακή τους δυναμική τους σε όφελος για την ελληνική οικονομία και κοινωνία. Άλλωστε διαχρονικά οι τράπεζες αποτελούν ισχυρό θεμέλιο προόδου της χώρας. Αξιοποιώντας τις νέες ψηφιακές τεχνολογίες και την παραγωγική τεχνητή νοημοσύνη σε ευρεία κλίμακα μπορούν να βελτιώσουν περαιτέρω τα αποτελέσματά τους, αποτελώντας παράλληλα φάρο καινοτομίας στην Ελλάδα”.

*Ο κ. Λάμπρος Τσόλκας είναι  Managing Director, Financial Services Lead στην Accenture

*Ο κ. Γιώργος Παλλιούδης είναι Managing Director, Financial Services στην Accenture