AI ფინანსური სფეროს შიგნიდან გარდაქმნის. ბანკები ახლა თაღლითობას ტრანზაქციის დასრულებამდე ავლენენ, კრედიტს ისეთ მსესხებლებზე გასცემენ, ვისაც ტრადიციული სქემა უარს ეტყოდა, და მილიონობით მომხმარებლის კითხვაზე ოპერატორის გარეშე პასუხობენ. საინვესტიციო კომპანიები ათასობით ოპერაციას წამში ახორციელებენ ისეთი ალგორითმების მეშვეობით, რომლებიც სიახლეების განწყობას რეალურ დროში კითხულობენ. ის, რაც ოდესღაც მხოლოდ „back-office" ტექნოლოგია იყო, დღეს თანამედროვე ფინანსების კონკურენტული ბირთვია.
მთავარი გამოყენების სფეროები
თაღლითობის გამოვლენა ბანკებში AI-ის ყველაზე მომწიფებული გამოყენებაა. მანქანური სწავლების მოდელები თითოეულ ტრანზაქციას ასობით ქცევის სიგნალის — მოწყობილობის ანაბეჭდის, მდებარეობის, შეძენის ისტორიის, აკრეფის ნიმუშების — მიხედვით აფასებენ და 100 მილიწამზე ნაკლებ დროში რისკის ქულას ანიჭებენ. ამ სისტემების მქონე ბანკები დაახლოებით 40%-ით ნაკლებ ზარალს და ნახევარით ნაკლებ ყალბ გამაფრთხილებელ სიგნალს იღებენ. ფინანსური ინსტიტუტების დაახლოებით 90% ახლა AI-ს თაღლითობის გამოვლენაში იყენებს.
საკრედიტო სქორინგი ფუნდამენტურად განახლდება. ტრადიციული საკრედიტო ბიუროები გადახდის ისტორიის თხელ ჩანაწერს ეყრდნობიან; AI-ზე დაფუძნებული ანდერრაიტინგი ტრანზაქციის ნიმუშებს, შემოსავლის ცვლადობასა და მსესხებლის ფორმის შევსების სტილსაც კი ითვალისწინებს. Upstart-ის მსგავსი გამსესხებლები კრედიტს ისეთ მსესხებლებზე გასცემენ, ვინც ტრადიციულ სქემაში ვერ ჩაეტეოდა — შესადარებელი ან დაბალი დეფოლტის მაჩვენებლით.
მომხმარებლის სერვისის ჩათბოტები რუტინულ კითხვებს — ბალანსის შემოწმება, გადახდის დავა, ბარათის დაბლოკვა — დღე-ღამე ამუშავებს. ეს ახლა საცალო ბანკობაში სტანდარტია. უფრო მოწინავე ვირტუალური ასისტენტები პერსონალიზებულ ფინანსურ დაგეგმვასაც გვთავაზობენ — მომხმარებლის ხარჯების ანალიზით შეთავაზების ან უჩვეულო ოპერაციების გამოვლენის სახით.
ალგორითმული ვაჭრობა დღეს აშშ-ის საფონდო ბირჟის ვაჭრობის მოცულობის დაახლოებით 73%-ს შეადგენს. AI-ზე მომუშავე სისტემები ადაპტური სტრატეგიებით ვაჭრობას ასწავლის ფასწარმოქმნის ცვლადობის პირობებში. BlackRock-ის Aladdin პლატფორმა სიახლეებს და სოციალურ მედიას ბუნებრივი ენის დამუშავებით (NLP) სკანირებს, სენტიმენტის სიგნალებს კი — ფასების ცვლილების წინამძღვრად იყენებს.
შესაბამისობა და ფულის გათეთრებასთან ბრძოლა კიდევ ერთი მაღალი ღირებულების სფეროა. AI სისტემები უჩვეულო ტრანზაქციების ნიმუშებს ავლენენ და მომხმარებლის ქცევას სანქციების სიებთან მუდმივ რეჟიმში ადარებენ — პერიოდული ხელით შემოწმება ახლა ავტომატური მონიტორინგით ჩანაცვლდა.
რისკები, რომლებსაც მარეგულირებლები ადევნებენ თვალს
AI-ს მიკერძოება შეიძლება ჰქონდეს. თუ ისტორიული სასესხო მონაცემები დისკრიმინაციულ ნიმუშებს ასახავს, მათზე გაწვრთნილი მოდელი ამ ნიმუშებს გაზრდილ მასშტაბებზე გაავრცელებს. ევროკავშირმა კრედიტის შეფასება და სადაზღვევო რისკი EU AI Act-ის ფარგლებში მაღალრისკიანი AI-ის გამოყენების კატეგორიაში მოათავსა, გამჭვირვალობის, ადამიანის ზედამხედველობისა და ავტომატური გადაწყვეტილებების გასაჩივრების შესაძლებლობის მოთხოვნით.
თაღლითობის გამოვლენაში ბანკების მიერ გამოყენებული ინსტრუმენტები შეიძლება თავდამსხმელებმა ადაპტირება მოახდინონ. Deepfake ხმოვანი შინაარსი, მაგალითად, გამოყენებულია ხელმძვანელ პირთა გასაყალბებლად სადენო გადარიცხვის თაღლითობებში — სფეროში, სადაც AI და კიბერუსაფრთხოება პირდაპირ კვეთაში მოდიან.
რას მოუტანს საქართველოს
საქართველოს საბანკო სექტორი ადრეული მოადე. საქართველოს ეროვნულმა ბანკმა 2024 წელს AI სენდბოქსი გახსნა საკუთარ საარეგულაციო ლაბორატორიაში, ფინანსური ინსტიტუტებს საშუალება მიაცა AI-ის გამოყენება კონტროლირებად გარემოში გამოსცადონ სრულ განვრცობამდე — მოდელი, რომელსაც სინგაპუროსა და დიდი ბრიტანეთის მარეგულირებლებიც იყენებენ. მან ასევე ბანკობაში AI-ისა და მანქანური სწავლების მოდელების რისკების მართვის სპეციალური რეგულაცია დაამტკიცა.
კომერციულ მხარეს საქართველოს ბანკმა AI-ზე მომუშავე პირადი ფინანსების ინსტრუმენტი (MBank) შემოიღო, რომელიც ხარჯებს ავტომატურად კლასიფიცირებს და მომხმარებელს სხვადასხვა ბანკის ანგარიშების ერთ ხედში გაერთიანების საშუალებას აძლევს — კავკასიის რეგიონში პირველი ასეთი ინსტრუმენტი.
წყაროები: ხელოვნური ინტელექტი ფინანსებში — Wikipedia; ალგორითმული ვაჭრობა — Wikipedia; საქართველოს ეროვნული ბანკი AI სენდბოქსის განცხადება, 2024.