Πριν από μερικούς μήνες, ένας χρηματοοικονομικός παράγοντας από τη Νέα Υόρκη μου είπε ότι είχε μόλις βιώσει μια «πρωτιά»: οι καλοκαιρινοί ασκούμενοι του για το 2025 «ήταν οι πρώτοι πραγματικά γεννημένοι στην εποχή της τεχνητής νοημοσύνης που έχω δει». Αυτό σήμαινε ότι είχαν μεγαλώσει όχι μόνο μέσα στην ψηφιακή τεχνολογία, αλλά και στην τεχνητή νοημοσύνη.
Πώς πήγε λοιπόν; Έκανε μια γκριμάτσα. Ενώ αυτοί οι επίδοξοι «κυρίαρχοι του σύμπαντος» φαινόταν αρχικά εξαιρετικά εντυπωσιακοί, όταν οι ανώτεροι χρηματοοικονομικοί παράγοντες εξέτασαν αργότερα τις ιδέες τους, τις βρήκαν ανησυχητικά επιφανειακές.
Κατά συνέπεια, η εταιρεία αυτού του ατόμου έκανε λιγότερες προσφορές επαναπρόσληψης και τώρα εστιάζει λιγότερο στους αποφοίτους των επιστημών, της τεχνολογίας, της μηχανικής και των μαθηματικών και περισσότερο στους φοιτητές των ανθρωπιστικών επιστημών.
«Θέλουμε κριτική σκέψη, όχι μόνο τεχνητή νοημοσύνη» εξηγεί. Χρειάζεται η ανθρώπινη νοημοσύνη για να χειριστούμε τους εξειδικευμένους ημιαγωγούς.
Τώρα, αυτό είναι απλώς ένα μικρό περιστατικό μέσα σε ένα τσουνάμι αναδυόμενων ειδήσεων που σχετίζονται με την τεχνητή νοημοσύνη και τολμώ να πω ότι υπάρχουν και αντίθετα παραδείγματα. Ωστόσο, καταδεικνύει ένα ευρύτερο συμπέρασμα: καθώς ο πυρετός της τεχνητής νοημοσύνης σαρώνει τον χρηματοοικονομικό τομέα, δεν φέρνει ούτε τη «νιρβάνα» των κερδών που προέβλεπαν οι ευαγγελιστές της τεχνολογίας, ούτε επιταχύνει την καταστροφή για την οποία προειδοποιούσαν οι Κασσάνδρες. Ή τουλάχιστον όχι ακόμα.
Ναι, οι τεχνολόγοι είναι ενθουσιασμένοι με τις υποτιθέμενες αυξήσεις της παραγωγικότητας, με οντότητες που κυμαίνονται από την JPMorgan έως τη Visa να παρουσιάζονται πλέον ως ομάδες τεχνολογίας τεχνητής νοημοσύνης και όχι ως βαρετοί διαχειριστές χρημάτων. Πράγματι, μια πρόσφατη έρευνα της Nvidia υποστηρίζει ότι το 89% των στελεχών του χρηματοπιστωτικού τομέα δηλώνει ότι η τεχνητή νοημοσύνη αυξάνει τα έσοδα, ενώ το 73% πιστεύει ότι είναι «ζωτικής σημασίας για τη μελλοντική τους επιτυχία».
Δεν αποτελεί έκπληξη το γεγονός ότι αυτό ανησυχεί και τις ρυθμιστικές αρχές. Ένας λόγος είναι ότι οι εντυπωσιακοί όγκοι (κυρίως) ιδιωτικής πιστωτικής στήριξης για τα κέντρα δεδομένων τεχνητής νοημοσύνης είναι πιθανό να οδηγήσουν σε αθετήσεις υποχρεώσεων, όπως προειδοποίησε αυτή την εβδομάδα το Συμβούλιο Χρηματοπιστωτικής Σταθερότητας.
Ωστόσο, ο άλλος κίνδυνος είναι η ίδια η τεχνολογία να υπονομεύσει τη χρηματοπιστωτική σταθερότητα. Η άμεση απειλή που απασχολεί τους χρηματοοικονομικούς φορείς, όπως επισημαίνει το ΔΝΤ, είναι μια συστημική κρίση που θα προκληθεί από κυβερνοεπίθεση. Ωστόσο, όπως παρατηρεί το FSB, υπάρχουν και άλλοι κίνδυνοι: η «συμπεριφορά κοπαδιού» των υπολογιστών σε πανομοιότυπες συναλλαγές, η συγκεντρωμένη εξάρτηση από λίγους παρόχους υπηρεσιών cloud που δεν υπόκεινται σε ρυθμιστική εποπτεία, καθώς και οι παρανοήσεις που προκύπτουν από τα μοντέλα.
Οι ρυθμιστικές αρχές αντιδρούν. Ο Scott Bessent, υπουργός Οικονομικών των ΗΠΑ, και ο Jay Powell, πρόεδρος της Ομοσπονδιακής Τράπεζας των ΗΠΑ, συναντήθηκαν πρόσφατα με κορυφαίους χρηματοδότες για να συζητήσουν τις απειλές που θέτει το νέο μοντέλο Mythos της Anthropic. Και η Michelle Bowman, αντιπρόεδρος της Fed, ζήτησε περισσότερη «ευελιξία» στον τρόπο με τον οποίο οι ρυθμιστικές αρχές αξιολογούν τα μοντέλα κινδύνου των τραπεζών.
Αυτή την εβδομάδα, η Αρχή Χρηματοοικονομικής Συμπεριφοράς (FCA) του Ηνωμένου Βασιλείου προχώρησε σε μια καινοτόμο κίνηση: προσφέρει δωρεάν υπολογιστική ισχύ και δεδομένα σε εταιρείες χρηματοοικονομικής τεχνολογίας (fintech) που δραστηριοποιούνται στο πλαίσιο ενός «ενισχυμένου sandbox» της FCA, μετά την επιτυχία ενός πιλοτικού προγράμματος με τη Nvidia πέρυσι. «Η ιδέα είναι να δημιουργηθεί ένα περιβάλλον όπου [οι καινοτόμοι] θα μπορούν να δοκιμάζουν και να υλοποιούν τις λύσεις τους με ασφαλή και υπεύθυνο τρόπο» εξηγεί η Τζέσικα Ρούσου της FCA.
Ωστόσο, καθώς η ρητορική γύρω από την τεχνητή νοημοσύνη εντείνεται, η πραγματικότητα αποδεικνύεται πιο περίπλοκη. Ας εξετάσουμε, για παράδειγμα, μια νέα έρευνα της Judge Business School στο Κέιμπριτζ, στην οποία συμμετείχαν 628 εταιρείες χρηματοοικονομικών υπηρεσιών και τεχνητής νοημοσύνης, καθώς και ρυθμιστικές αρχές από όλο τον κόσμο. (Δήλωση αποποίησης ευθύνης: Εργάζομαι στο Πανεπιστήμιο του Κέιμπριτζ, αλλά δεν συμμετείχα στην εν λόγω έρευνα.)
Η έρευνα αυτή έδειξε ότι το 81% των χρηματοοικονομικών ομίλων του ιδιωτικού τομέα χρησιμοποιούν πλέον τεχνητή νοημοσύνη, ενώ οι μισοί υιοθετούν την «αυτοδύναμη» τεχνητή νοημοσύνη. Οι περισσότερες από αυτές τις εταιρείες χρησιμοποιούν εξωτερικά μοντέλα, με την OpenAI να αποτελεί μακράν τον κορυφαίο πάροχο.
Ωστόσο, η έρευνα υποδηλώνει επίσης ότι η τεχνητή νοημοσύνη χρησιμοποιείται κατά κύριο λόγο για λειτουργίες back-office, με περιορισμένη εφαρμογή σε άλλους τομείς. Επιπλέον, σε αντίθεση με τη δημοσκόπηση της Nvidia, η έρευνα του Cambridge διαπίστωσε ότι το 76% των μεγάλων χρηματοπιστωτικών ομίλων — και το 55% του συνόλου των ερωτηθέντων του κλάδου — δυσκολεύονται να μετρήσουν την αξία της τεχνητής νοημοσύνης.
Πράγματι, μόνο το 40% ανέφερε αύξηση των κερδών χάρη στην τεχνητή νοημοσύνη και το 43% δεν παρατήρησε καμία αλλαγή. Ακόμα πιο αξιοσημείωτο είναι το γεγονός ότι μόνο το ένα τέταρτο αναμένει απώλειες θέσεων εργασίας στον τομέα, ενώ το 58% αναμένει στην πραγματικότητα ότι η τεχνητή νοημοσύνη θα οδηγήσει σε περισσότερες προσλήψεις ή επανεκπαίδευση στο δικό τους όμιλο.
Οι υποστηρικτές της τεχνητής νοημοσύνης μπορεί να απορρίψουν αυτό το εύρημα ως απόδειξη ότι ορισμένοι χρηματοοικονομικοί είναι τεχνοφοβικοί. Εξάλλου, η επανάσταση της τεχνητής νοημοσύνης βρίσκεται ακόμα στα σπάργανα. Εν τω μεταξύ, πολλές ρυθμιστικές αρχές φαίνονται ακόμη πιο τεχνοφοβικές: το επίπεδο υιοθέτησης της τεχνητής νοημοσύνης (και, κατά συνέπεια, η γνώση) είναι το μισό από αυτό των ομίλων του ιδιωτικού τομέα που εποπτεύουν. Αυτό είναι ανησυχητικό.
Ωστόσο, το ζήτημα του χάσματος μεταξύ ρητορικής και πραγματικότητας στην εφαρμογή της τεχνητής νοημοσύνης επιβεβαιώνεται και σε πολλές άλλες έρευνες της McKinsey, του Ινστιτούτου Διεθνούς Χρηματοοικονομικής, της EY και άλλων φορέων. Μια έρευνα της Hyland, για παράδειγμα, αναφέρει ότι μόνο το 45% των επιχειρήσεων δηλώνει ότι η τεχνητή νοημοσύνη αποφέρει τα αποτελέσματα που περίμεναν.
Αυτό μπορεί να οφείλεται απλώς σε μια χρονική υστέρηση. Ωστόσο, υποψιάζομαι ότι αντανακλά και κάτι άλλο: οι έξυπνες μηχανές δεν εφαρμόζονται αυτόματα, είτε προς το καλό είτε προς το κακό. Η ανθρώπινη στρατηγική είναι κρίσιμη.
Έτσι, το μεγάλο ερώτημα τώρα — τόσο για τους χρηματοδότες, όσο και για τους ρυθμιστές και τους εκπαιδευτικούς — είναι πώς θα δημιουργηθούν εξειδικευμένοι επαγγελματίες της τεχνητής νοημοσύνης, οι οποίοι θα μπορούν επίσης να χρησιμοποιούν την κριτική σκέψη που απαιτείται για να εντοπίζουν τόσο τις ευκαιρίες όσο και τους (πολύ πραγματικούς) κινδύνους της τεχνητής νοημοσύνης. Οι εταιρείες που θα τους βρουν θα είναι οι πραγματικοί νικητές. Όλα τα βλέμματα, λοιπόν, θα στραφούν στους ασκούμενους του 2026.
