Η επόμενη γενιά τεχνητής νοημοσύνης, γνωστή ως agentic AI, περνά από τη φάση των πιλοτικών εφαρμογών στην παραγωγική λειτουργία των τραπεζών, αναλαμβάνοντας σύνθετες εργασίες που μέχρι σήμερα απαιτούσαν ανθρώπινη ανάλυση και συντονισμό.
.
Σε αντίθεση με τα παραδοσιακά chatbots ή τα μεγάλα γλωσσικά μοντέλα (LLMs), οι AI agents μπορούν να εκτελούν πολυβήματες διαδικασίες, να συλλέγουν πληροφορίες από πολλαπλές πηγές, να αξιολογούν δεδομένα και να ολοκληρώνουν εργασίες με περιορισμένη ανθρώπινη παρέμβαση.
Σύμφωνα με τους Harry Tong και Bernhard Schiessl, η τεχνολογία αρχίζει ήδη να αλλάζει τον τρόπο λειτουργίας των τραπεζών σε τομείς όπως η επενδυτική τραπεζική, η χρηματοδότηση επιχειρήσεων και η βιωσιμότητα.
Η S&P Global Sustainable1 έχει ήδη αναπτύξει τέσσερις εξειδικευμένους AI agents:
- Transition Finance Agent, που υποστηρίζει την αξιολόγηση έργων και επενδύσεων που σχετίζονται με τη μετάβαση σε οικονομία χαμηλών εκπομπών άνθρακα.
- Net Zero Engagement Agent, ο οποίος βοηθά τις τράπεζες να προετοιμάζουν διάλογο και στρατηγικές συνεργασίας με εταιρείες σχετικά με τους στόχους μηδενικών εκπομπών.
- CSA Benchmarking Agent, που συγκρίνει τις επιδόσεις επιχειρήσεων βάσει των κριτηρίων της Corporate Sustainability Assessment.
- Data Center Intelligence Agent, ο οποίος αναλύει δεδομένα για τις επενδύσεις και τη βιωσιμότητα των κέντρων δεδομένων, ενός τομέα με αυξανόμενη σημασία λόγω της ανάπτυξης της τεχνητής νοημοσύνης.
Οι συγκεκριμένοι agents αξιοποιούν δεδομένα ESG, κανονιστικά πλαίσια, πληροφορίες αγορών και εταιρικά στοιχεία, προκειμένου να επιταχύνουν διαδικασίες που μέχρι σήμερα απαιτούσαν σημαντικό χρόνο ανάλυσης.
Οι συγγραφείς επισημαίνουν ότι οι μεγαλύτεροι τραπεζικοί οργανισμοί αναπτύσσουν ήδη δικούς τους AI agents, αξιοποιώντας εσωτερικά δεδομένα και τεχνογνωσία, ενώ μικρότερες τράπεζες αναμένεται να στραφούν περισσότερο σε εξειδικευμένες εμπορικές λύσεις.
Παράλληλα, υπογραμμίζεται ότι η ευρεία αξιοποίηση των agentic AI συστημάτων απαιτεί ισχυρές δικλίδες διακυβέρνησης, ανθρώπινη εποπτεία, διαφάνεια στις αποφάσεις και αποτελεσματική διαχείριση κινδύνων, ώστε η αυτοματοποίηση να ενισχύει -και όχι να υπονομεύει- την αξιοπιστία των τραπεζικών υπηρεσιών.
Όπως σημειώνουν οι Tong και Schiessl, το ζητούμενο πλέον δεν είναι αν οι AI agents μπορούν να εφαρμοστούν στις χρηματοοικονομικές υπηρεσίες, αλλά πώς μπορούν να αξιοποιηθούν υπεύθυνα ώστε να δημιουργήσουν πραγματική επιχειρηματική αξία.
Σε αντίθεση με τα παραδοσιακά chatbots ή τα μεγάλα γλωσσικά μοντέλα (LLMs), οι AI agents μπορούν να εκτελούν πολυβήματες διαδικασίες.