Μέχρι σήμερα, όταν μιλούσαμε για τεχνητή νοημοσύνη στις τράπεζες, το μυαλό πήγαινε κυρίως σε ένα chatbot που απαντά σε ερωτήσεις. Αυτό όμως φαίνεται ότι είναι μόνο η αρχή.
Το επόμενο βήμα είναι πολύ πιο ουσιαστικό: η AI αρχίζει να μπαίνει μέσα στην ίδια την τραπεζική διαδικασία. Από το άνοιγμα ενός λογαριασμού και την εξέταση ενός δανείου μέχρι τον εντοπισμό μιας ύποπτης συναλλαγής.
Ένας «ψηφιακός υπάλληλος» για κάθε δουλειά
Η νέα τάση βασίζεται στους λεγόμενους AI agents. Πρόκειται, με απλά λόγια, για μικρά εξειδικευμένα συστήματα τεχνητής νοημοσύνης που αναλαμβάνουν συγκεκριμένες εργασίες και όχι για μία πανίσχυρη μηχανή που αποφασίζει για τα πάντα.
Στο άνοιγμα ενός λογαριασμού, για παράδειγμα, ένας τέτοιος agent θα μπορούσε να συγκεντρώσει τα δικαιολογητικά. Ένας δεύτερος να κάνει τους απαραίτητους ελέγχους ταυτότητας και ένας τρίτος να διαπιστώσει εάν η υπόθεση πληροί τους κανόνες της τράπεζας. Εάν προκύψει κάτι ασυνήθιστο ή περίπλοκο, η υπόθεση θα μπορεί να περνά στον αρμόδιο εργαζόμενο.
Αυτό ακριβώς είναι και το μοντέλο που περιγράφουν σε πρόσφατη ανάλυσή τους οι Ajay Rawal και Δρ. Κωστής Χλουβεράκης της EY: όχι ένας «υπερ-αλγόριθμος» που αναλαμβάνει ολόκληρη την τράπεζα, αλλά δίκτυα εξειδικευμένων AI agents που λειτουργούν μέσα σε συγκεκριμένα όρια και με μηχανισμούς εποπτείας.
Τι αλλάζει για τον πελάτη
Εδώ βρίσκεται και το πιο ενδιαφέρον κομμάτι για τον καταναλωτή. Μια διαδικασία που σήμερα περνά από διαφορετικά τμήματα, απαιτεί μεταφορά στοιχείων από σύστημα σε σύστημα και μπορεί να «κολλάει» σε ελέγχους και δικαιολογητικά, θα μπορούσε να γίνεται πολύ γρηγορότερα.
Το ίδιο μοντέλο μπορεί να χρησιμοποιηθεί σε δάνεια, αμφισβητήσεις συναλλαγών, εισπράξεις, απάτες, κανονιστικούς ελέγχους και εξυπηρέτηση πελατών. Με άλλα λόγια, η AI δεν θα βρίσκεται απλώς δίπλα στον τραπεζικό υπάλληλο. Θα αρχίσει να αποτελεί κομμάτι της ίδιας της «γραμμής παραγωγής» μιας τραπεζικής υπηρεσίας.
Από το chatbot στο ίδιο το δάνειο
Η μεγάλη αλλαγή βρίσκεται ακριβώς εκεί. Μέχρι τώρα οι τράπεζες δοκίμαζαν κυρίως επιμέρους εφαρμογές τεχνητής νοημοσύνης: έναν ψηφιακό βοηθό εδώ, ένα πρόγραμμα αυτοματοποίησης εκεί, κάποιο πιλοτικό σύστημα παραγωγικής AI αλλού.
Η νέα λογική είναι διαφορετική. Το ερώτημα δεν είναι πλέον μόνο «πού μπορούμε να χρησιμοποιήσουμε τεχνητή νοημοσύνη;», αλλά «ποια ολόκληρη τραπεζική διαδικασία μπορούμε να ξανασχεδιάσουμε χρησιμοποιώντας την;».
Και ακόμη υπάρχει μεγάλη απόσταση από τα πειράματα μέχρι την πλήρη εφαρμογή. Σύμφωνα με στοιχεία που επικαλείται η EY, το 52% των τραπεζών είχε δοκιμάσει εφαρμογές agentic AI, αλλά μόλις το 16% είχε προχωρήσει σε πλήρη ανάπτυξή τους.
Θα αποφασίζει η μηχανή αν παίρνουμε δάνειο;
Όχι — τουλάχιστον αυτή δεν είναι σήμερα η κυρίαρχη κατεύθυνση. Έρευνα της Τράπεζας της Αγγλίας και της Financial Conduct Authority έδειξε ότι το 75% των χρηματοπιστωτικών επιχειρήσεων που συμμετείχαν χρησιμοποιούσε ήδη κάποια μορφή AI και ένα επιπλέον 10% σχεδίαζε να την υιοθετήσει μέσα στην επόμενη τριετία.
Ωστόσο, μόνο το 2% των περιπτώσεων χρήσης αφορούσε πλήρως αυτόνομη λήψη αποφάσεων. Το 55% είχε κάποιο βαθμό αυτοματοποίησης, αλλά στις πιο κρίσιμες ή ασαφείς περιπτώσεις η ανθρώπινη εποπτεία εξακολουθεί να αποτελεί βασικό στοιχείο.
Άλλο, λοιπόν, να ελέγξει ένας AI agent αν λείπει ένα δικαιολογητικό και άλλο να αποφασίσει μόνος του ότι κάποιος δεν δικαιούται στεγαστικό δάνειο.
Η τράπεζα θα ξέρει περισσότερα για εμάς
Η τεχνολογία ανοίγει όμως και ένα πιο ευαίσθητο κεφάλαιο. Όσο περισσότερες πληροφορίες έχει μια τράπεζα για τις συναλλαγές, τις οικονομικές συνήθειες και τις ανάγκες ενός πελάτη, τόσο πιο εξατομικευμένη μπορεί να γίνει η εξυπηρέτησή του.
Θα μπορεί, για παράδειγμα, να εντοπίζει νωρίτερα μια περίεργη χρέωση ή να προτείνει μια υπηρεσία την κατάλληλη στιγμή.
Υπάρχει όμως μια πολύ λεπτή γραμμή ανάμεσα σε μια τράπεζα που «καταλαβαίνει» καλύτερα τον πελάτη της και σε μια τράπεζα που του δημιουργεί την αίσθηση ότι παρακολουθεί κάθε οικονομική του κίνηση. Γι’ αυτό συναίνεση, διαφάνεια και προστασία προσωπικών δεδομένων αποκτούν ακόμη μεγαλύτερη σημασία.
Το «μαύρο κουτί» της τεχνητής νοημοσύνης
Υπάρχει και ένα ακόμη κρίσιμο ερώτημα: αν κάτι πάει στραβά, θα μπορούμε να μάθουμε γιατί; Η ανάλυση της EY προτείνει ουσιαστικά ένα είδος «μαύρου κουτιού» για τις αποφάσεις της AI. Ένα σύστημα στο οποίο θα καταγράφεται ποιο μοντέλο χρησιμοποιήθηκε, ποια στοιχεία εξέτασε, ποιους κανόνες εφάρμοσε και εάν κάποιος άνθρωπος παρενέβη ή ενέκρινε την ενέργεια.
Και αυτό ίσως αποδειχθεί εξίσου σημαντικό με την ίδια την τεχνολογία. Γιατί όσο μεγαλύτερο ρόλο αποκτούν οι αλγόριθμοι, τόσο μεγαλύτερη γίνεται η ανάγκη να μπορούν οι αποφάσεις τους να ελεγχθούν και να εξηγηθούν.
Η τράπεζα του αύριο δεν θα είναι χωρίς ανθρώπους
Η πραγματική αλλαγή, επομένως, δεν είναι ότι οι τράπεζες θα αποκτήσουν περισσότερα chatbots. Είναι ότι η τεχνητή νοημοσύνη αρχίζει να κατεβαίνει στα «μηχανοστάσια» του τραπεζικού συστήματος και να συμμετέχει βήμα προς βήμα στη δουλειά που σήμερα γίνεται από ανθρώπους και διαφορετικά πληροφοριακά συστήματα.
Εφόσον υπάρχουν οι απαραίτητες δικλείδες, για τον πελάτη αυτό μπορεί να μεταφραστεί σε λιγότερη γραφειοκρατία, γρηγορότερες διαδικασίες, καλύτερο εντοπισμό απάτης και πιο άμεση εξυπηρέτηση.
Το μεγάλο στοίχημα όμως θα είναι διαφορετικό: οι τράπεζες να αποδείξουν ότι μπορούν να κάνουν την AI όχι μόνο γρήγορη και αποτελεσματική, αλλά και ελεγχόμενη, διαφανή και ασφαλή.
![](https://voicenews.gr/wp-content/uploads/2026/05/our-viber-1.png")
