Sztuczna inteligencja w finansach. Algorytm nowym nadzorcą pieniądza

Sztuczna inteligencja w finansach nie zaczyna się od futurystycznej wizji banku bez pracowników. Zaczyna się od znacznie mniej widowiskowych procesów: scoringu kredytowego, monitorowania transakcji, wykrywania nadużyć, analizy dokumentów, automatyzacji reklamacji, obsługi klienta, oceny ryzyka ubezpieczeniowego i przeciwdziałania praniu pieniędzy.

.Właśnie dlatego jej znaczenie jest tak duże. AI nie stoi obok systemu finansowego. AI zaczyna działać wewnątrz jego najważniejszych mechanizmów.

Finanse należą do obszarów, w których ta warstwa pojawia się szczególnie wcześnie. Europejski Urząd Nadzoru Bankowego wskazywał, że większość banków w UE korzysta już z metod AI, takich jak regresja, drzewa decyzyjne, przetwarzanie języka naturalnego czy sieci neuronowe.

Zmiana nie polega więc na tym, że banki dopiero odkrywają algorytmy. Zmiana polega na tym, że algorytm z narzędzia operacyjnego staje się przedmiotem nadzoru, prawa i społecznego zaufania.

Kredyt, scoring i granica zaufania

.Najbardziej wrażliwym obszarem jest kredyt. Algorytm może pomóc bankowi ocenić dochody, historię spłat, stabilność zatrudnienia, zachowania transakcyjne i prawdopodobieństwo niewypłacalności. Dobrze zaprojektowany system może przyspieszyć decyzję, zmniejszyć koszt obsługi i wykrywać ryzyko szybciej niż człowiek. Źle zaprojektowany system może utrwalać nierówności, karać nietypowe ścieżki życiowe i odmawiać dostępu do finansowania w sposób trudny do zakwestionowania.

W tekście „Sztuczna inteligencja, instytucje finansowe i nowy ład regulacyjny” Marcin Zarzecki pokazuje, że algorytm w finansach przestaje być tylko elementem wewnętrznej infrastruktury banku. Staje się formalnym przedmiotem nadzoru. Ten kierunek dobrze oddaje istotę AI Act: w przypadku systemów wysokiego ryzyka liczyć się będzie dokumentacja, nadzór człowieka, jakość danych, przejrzystość i możliwość kontroli działania modelu.

AI Act zalicza do kategorii wysokiego ryzyka m.in. systemy używane do oceny zdolności kredytowej osób fizycznych lub ustalania ich scoringu, z wyjątkiem zastosowań służących wykrywaniu oszustw finansowych. Regulacja obejmuje także część zastosowań AI w ocenie ryzyka i wycenie w ubezpieczeniach na życie oraz ubezpieczeniach zdrowotnych.

Ubezpieczenia, AML i cichy nadzór maszyn

.Sektor ubezpieczeniowy pokazuje drugą stronę tej samej zmiany. AI może pomóc lepiej wyceniać ryzyko, wykrywać fraudy, analizować szkody i skracać czas obsługi klienta. Model może jednak również tworzyć profil ryzyka tak szczegółowy, że granica między lepszą wyceną a dyskryminacją stanie się trudna do uchwycenia. Ubezpieczenie jest umową o ryzyku. AI może sprawić, że ryzyko zostanie policzone z niezwykłą precyzją, ale także z niewystarczającą przejrzystością.

Podobne napięcie widać w AML, czyli przeciwdziałaniu praniu pieniędzy. Banki i instytucje finansowe od lat monitorują transakcje, szukając nietypowych wzorców. AI może ograniczyć liczbę fałszywych alarmów, wychwytywać bardziej złożone schematy i wspierać pracę analityków. Financial Stability Institute BIS wskazuje, że instytucje finansowe coraz częściej wykorzystują AI w obsłudze klienta, wykrywaniu fraudów, AML/CFT oraz w ocenie kredytowej i ubezpieczeniowej.

Maszyna może być skuteczniejsza od człowieka w przeglądaniu milionów transakcji. Człowiek pozostaje jednak niezbędny tam, gdzie analiza przechodzi w decyzję o zablokowaniu środków, zgłoszeniu podejrzenia, odmowie usługi albo zakwalifikowaniu klienta jako podwyższonego ryzyka.

Fintechy i programowalny pieniądz

.Sztuczna inteligencja w finansach nie ogranicza się do banków. Fintechy, aplikacje płatnicze, embedded finance, scoring alternatywny, cyfrowe portfele i automatyczne systemy rozliczeń tworzą nową architekturę pieniądza. W tekście „Fintechy. Jak rewolucja technologiczna zmienia nasze rozumienie pieniędzy” Marcin Zarzecki pisze o pieniądzu programowalnym, cyfrowych walutach banków centralnych, inteligentnych kontraktach i świecie, w którym pieniądz przestaje być biernym medium wymiany.

Ten wątek jest kluczowy dla AI. Algorytm może nie tylko oceniać klienta, ale także sterować dostępem do usług, kształtować ofertę, personalizować cenę i decydować o tym, jaką drogą pieniądz krąży w systemie. W takim świecie zaufanie do instytucji finansowej zaczyna zależeć nie tylko od jej kapitału, reputacji i nadzoru, ale również od jakości kodu, danych i modeli.

Z tekstem o fintechach warto czytać także analizę „Suwerenność płatnicza. Geopolityka alternatywnych systemów płatniczych”. Infrastruktura płatnicza coraz częściej staje się sprawą strategiczną. AI tylko wzmacnia tę zależność, ponieważ system finansowy oparty na danych i modelach jest jednocześnie bardziej wydajny i bardziej podatny na koncentrację władzy technologicznej.

Bank centralny w epoce AI

.Sztuczna inteligencja zmienia również bankowość centralną. Banki centralne muszą rozumieć wpływ AI na produktywność, ceny, zatrudnienie, inwestycje, stabilność finansową i zachowania firm. BIS wskazuje, że AI będzie wpływać na system finansowy, produktywność, konsumpcję, inwestycje i rynek pracy, a te kanały mają bezpośrednie znaczenie dla stabilności cen i stabilności finansowej.

Bank centralny nie może więc traktować AI jako tematu pobocznego. Nowe modele mogą wspierać prognozowanie inflacji, analizę danych w czasie rzeczywistym, nadzór nad rynkiem i wykrywanie ryzyka systemowego. Ta sama technologia może jednak zwiększać podobieństwo strategii instytucji finansowych, wzmacniać zachowania stadne i tworzyć nowe zależności od kilku dostawców infrastruktury. Financial Stability Board ostrzegał, że szersza adopcja AI przez instytucje finansowe może mieć znaczenie dla stabilności finansowej.

Bankowość centralna w epoce AI będzie musiała patrzeć nie tylko na bilanse banków, ale także na modele, dane, dostawców chmury, cyberbezpieczeństwo i algorytmiczne sprzężenia zwrotne.

Odpowiedzialność jest nową walutą zaufania

.Najważniejszym problemem nie jest sama automatyzacja. Najważniejszym problemem jest odpowiedzialność. Klient może zaakceptować, że bank używa AI do przyspieszenia decyzji. Trudniej zaakceptuje sytuację, w której instytucja nie potrafi wyjaśnić odmowy kredytu, podwyższonej składki, zablokowanej transakcji albo zakwalifikowania go jako klienta wysokiego ryzyka.

Sztuczna inteligencja może uczynić finanse szybszymi, tańszymi i bardziej dostępnymi. Algorytm może także zamknąć obywatela w systemie ocen, których nie rozumie i od których trudno się odwołać. Różnica między tymi scenariuszami zależy od jakości regulacji, nadzoru, audytu, danych i kultury instytucjonalnej.

Algorytm jako nowy nadzorca pieniądza nie powinien być niewidzialnym suwerenem. Powinien być narzędziem poddanym kontroli. Finanse opierają się na zaufaniu. W epoce AI zaufanie będzie zależało od tego, czy człowiek nadal potrafi wskazać, kto podjął decyzję, na jakiej podstawie i kto ponosi za nią odpowiedzialność.

Szymon Ślubowski