Εφαρμογές Τεχνητής Νοημοσύνης στο χρηματοπιστωτικό τομέα του Λουξεμβούργου

Εκπροσωπώντας το Rythmisis, συμμετείχα στις 20 Μαΐου 2025 στο συνέδριο με τίτλο “AI Applications in Luxembourg’s Financial Sector”, μια συνδιοργάνωση της Ένωσης Τραπεζών Λουξεμβούργου (ABBL), της Ένωσης των Επενδυτικών Κεφαλαίων Λουξεμβούργου (ALFI), της Επιτροπής Κεφαλαιαγοράς Λουξεμβούργου (CSSF) και της Κεντρικής Τράπεζας Λουξεμβούργου (BCL). Το ακροατήριο απαρτιζόταν από βασικούς παράγοντες του χρηματοπιστωτικού συστήματος (του Λουξεμβούργου αλλά και σε παγκόσμιο επίπεδο), συμπεριλαμβανόμενων τραπεζών, διαχειριστών κεφαλαίων και παρόχους χρηματοπιστωτικών υπηρεσιών.

Εκτός από τις πληροφορίες που μοιράστηκαν εκπρόσωποι παραγόντων του χρηματοπιστωτικού συστήματος, στην εκδήλωση παρουσιάστηκε η θεματική επισκόπηση σχετικά με τη χρήση της Τεχνητής Νοημοσύνης (ΤΝ) στον χρηματοπιστωτικό τομέα του Λουξεμβούργου (Μάιος 2025), η οποία πραγματοποιήθηκε υπό την επίβλεψη των CSSF και την BCL. Σχετικά με το υπόβαθρο της
συγκεκριμένης επισκόπησης, αναφέρεται ότι τον Ιούνιο του 2024, η CSSF και η BCL ξεκίνησαν μια κοινή έρευνα για την αξιολόγηση της χρήσης της ΤΝ από τους παράγοντες οντότητες του χρηματοπιστωτικού συστήματος του Λουξεμβούργου. Η έρευνα απευθυνόταν σε επιχειρήσεις επενδύσεων (investment firms), εγκεκριμένους διαχειριστές επενδυτικών κεφαλαίων (IFMs/AIFMs), πιστωτικά ιδρύματα (credit institutions), ιδρύματα ηλεκτρονικού χρήματος (emoney institutions) και ιδρύματα πληρωμών (payment institutions).

Τα κύρια αποτελέσματα της επισκόπησης είναι τα εξής:

1. Πρόσβαση σε ανοικτές πλατφόρμες GenAI
   Το 64% των ερωτηθέντων της έρευνας επιτρέπουν στους υπαλλήλους τους να έχουν πρόσβαση σε ανοικτά GenAI (όπως ChatGPT, Gemini, Claude, κ.λπ.), με τη συντριπτική πλειονότητα αυτών να επιτρέπει την απεριόριστη πρόσβαση σε αυτά τα εργαλεία. Αυτό, ωστόσο, αντιστρέφεται στην περίπτωση των τραπεζών, όπου το 54% των ερωτηθέντων εμποδίζει την εν λόγω πρόσβαση. Ενδιαφέρον παρουσιάζει το γεγονός ότι, μεταξύ των οντοτήτων που επιτρέπουν την πρόσβαση σε ανοικτά GenAI, μόνο το 40% από αυτές είτε έχουν θέσει σε εφαρμογή ειδική πολιτική GenAI είτε τροποποίησαν την υφιστάμενη πολιτική τους για το Διαδίκτυο ώστε να αντιμετωπίζουν ρητά τη χρήση (ανοικτών) GenAI.
2. Οφέλη και προκλήσεις από τη χρήση της ΤΝ
   Τα κυριότερα οφέλη της ΤΝ που ανέφεραν οι ερωτηθέντες σχετίζονται με τη βελτίωση της αποτελεσματικότητας εσωτερικών διαδικασιών (internal efficiency), με τα τρία κυριότερα να είναι: (i) βελτίωση των εσωτερικών διαδικασιών, (ii) βελτιστοποίηση λειτουργιών (operations) /μείωση του κόστους και (iii) ανάλυση τεράστιου όγκου δεδομένων. Από την άλλη πλευρά, οι κύριες προκλήσεις της ΤΝ σχετίζονται με τα δεδομένα, με την (i) ποιότητα των δεδομένων να αποτελεί την κορυφαία πρόκληση, ακολουθούμενη από την (ii) προστασία των δεδομένων και (iii) τη διακυβέρνηση των δεδομένων.
3. Ωριμότητα στη χρήση ΤΝ
   Η συντριπτική πλειοψηφία (84%) των ερωτηθέντων έχει ήδη εφαρμόσει ή σκοπεύει να εφαρμόσει μια σειρά προγραμμάτων κατάρτισης/εκπαίδευσης (AI training) σε θέματα ΤΝ για τους υπαλλήλους τους, που εκτείνονται από τη βασική ευαισθητοποίηση έως την προηγμένη κατάρτιση σε θέματα ΤΝ. Επιπλέον, το 43% των ερωτηθέντων ανέφεραν ότι διαθέτουν επίσημα εγκεκριμένη πολιτική ΤΝ και περισσότεροι από τους μισούς (54%) δήλωσαν ότι έχουν εφαρμόσει μέτρα ασφαλείας σε σχέση με συγκεκριμένα τρωτά σημεία ΤΝ. Επιπλέον, η πλειονότητα (63%) των οντοτήτων που χρησιμοποιούν ΤΝ ανέφεραν ότι διαθέτουν ειδική ομάδα για data science. Όσον αφορά την τεχνική υποδομή που υποστηρίζει τις διαδικασίες ΤΝ, οι ερωτηθέντες χρησιμοποιούν κατά κύριο λόγο (45%) εμπορικές λύσεις cloud, γεγονός που φαίνεται να συνδέεται με την αύξηση της χρήσης GenAI.
4. Περιπτώσεις χρήσης ΤΝ
   Από τους 461 συμμετέχοντες στην έρευνα, το 36% ανέφερε τουλάχιστον μία περίπτωση χρήσης ΤΝ. Αναφέρθηκαν συνολικά 402 περιπτώσεις χρήσης ΤΝ, με το 54% αυτών να βρίσκονται ήδη σε πλήρη εφαρμογή και χρήση. Η συντριπτική πλειονότητα (92%) των αναφερόμενων περιπτώσεων χρήσης είναι μόνο για εσωτερική κατανάλωση (δηλ. δεν έρχονται σε επαφή με πελάτες). Το 61% όλων των περιπτώσεων χρήσης αξιοποιεί την τεχνολογία GenAI, ακολουθούμενη από natural language processing (30%), and machine learning (28%). Σχεδόν όλες (94%) οι περιπτώσεις χρήσης GenAI βασίζονται σε large language models (LLM). Επιπλέον, το 75% των περιπτώσεων χρήσης GenAI χρησιμοποιούν εμπορικά μοντέλα, το 11% χρησιμοποιεί μοντέλα ανοικτού κώδικα και το
   11% χρησιμοποιεί και τα δύο. Οι πέντε κορυφαίες κατηγορίες περιπτώσεων χρήσης είναι: (i) Αναζήτηση/συγκέντρωση πληροφοριών (43%), (ii) Αυτοματοποίηση διαδικασιών (30%), (iii) Chatbot και εικονικός βοηθός (27%), (iv) Δημιουργία πλαισίου κειμένου (27%) και (v) Μετάφραση (19%), κατηγορίες που αφορούν κυρίως GenAI.
5. Ταξινόμηση βάσει του νόμου AI Act
   Οι συμμετέχοντες στην έρευνα κλήθηκαν να αξιολογήσουν τις περιπτώσεις χρήσης τους βάσει της ταξινόμησης κινδύνου σύμφωνα με τον νόμο AI Act. Αν και μόνο το 5% των περιπτώσεων χρήσης αξιολογήθηκε ως «υψηλού κινδύνου», οι συντάκτες της επισκόπησης δήλωσαν ότι «η ταξινόμηση στην επισκόπηση φαίνεται να αντανακλά την αντίληψη του κινδύνου της περίπτωσης χρήσης για τον ερωτώμενο φορεά, παρά την πραγματική ταξινόμησή της σύμφωνα με την AI Act». Επιπλέον, προτάθηκε οι ενδιαφερόμενοι να προάγουν την εκπαίδευση σε θέματα ΤΝ με έμφαση στην καλύτερη κατανόηση του νόμου περί ΤΝ.
6. Ανθρώπινη επίβλεψη
   Το 90% των αναφερόμενων περιπτώσεων χρήσης λέγεται ότι έχουν έναν άνθρωπο να επιβλέπει το σύστημα ΤΝ (human in the loop).
7. Θεραπεία μεροληψίας (bias treatment)
   Σε σχέση με τη θεραπεία μεροληψίας, το 45% των περιπτώσεων χρήσης που απάντησαν επιβεβαίωσαν ότι έχουν εφαρμόσει μέτρα πρόληψης ή/και ανίχνευσης μεροληψίας. Ωστόσο, για ένα σημαντικό μέρος των περιπτώσεων χρήσης (κυρίως, περιπτώσεις χρήσης GenAI), οι ερωτηθέντες δήλωσαν ότι δεν είναι σε θέση να εφαρμόσουν μέτρα πρόληψης/ανίχνευσης μεροληψίας (“not applicable”). Αυτό μπορεί εν μέρει να αποδοθεί στην προσδοκία ότι οι μηχανισμοί αντιμετώπισης της μεροληψίας αποτελούν κυρίως ευθύνη του παρόχου του μοντέλου GenAI, ιδίως για τις LLM.
8.  Ελεγκσιμότητα και επεξηγησιμότητα
   Μόνο το 56% και το 54% των περιπτώσεων χρήσης αναφέρουν καλή ή πολύ καλή ελεγκσιμότητα και επεξηγησιμότητα αντίστοιχα.

Κύρια συμπεράσματα: (i) ενημέρωση από τη πηγή για τις τελευταίες εφαρμογές ΤΝ σε μία από τις πιο δυναμικές κεφαλαιαγορές της ΕΕ, (ii) αλληλεπίδραση με ένα ποικίλο δίκτυο βασικών παραγόντων της χρηματοπιστωτικής αγοράς, ρυθμιστικών αρχών και παρόχων υπηρεσιών, (iii) πρακτική ανατροφοδότηση σχετικά με τις ρυθμιστικές προσεγγίσεις και τις προσεγγίσεις της αγοράς όσον αφορά την υιοθέτηση και τη διαλειτουργικότητα της ΤΝ.