Η τεχνητή νοημοσύνη (AI) έχει καταστεί μια από τις πιο επιδραστικές τεχνολογίες της εποχής μας, με τεράστια διάχυση σε όλους τους τομείς και τις επιχειρήσεις.
Η ενσωμάτωση εργαλείων τεχνητής νοημοσύνης στις επιχειρηματικές λειτουργίες δεν είναι μια μελλοντική τάση, αλλά η σημερινή πραγματικότητα, που επαναπροσδιορίζει τον τρόπο με τον οποίο οι εταιρείες λειτουργούν, καινοτομούν, αναπτύσσονται και ανταγωνίζονται.
Στην Τράπεζα Κύπρου έχουμε αναγνωρίσει εγκαίρως τη δυναμική που μπορεί να προσδώσει στην εξέλιξη των υπηρεσιών μας και στην ενίσχυση της εμπειρίας των πελατών μας. Υπό αυτά τα δεδομένα ακολουθούμε δύο ευρείες κατευθύνσεις στο πλαίσιο της ενσωμάτωσης της τεχνητής νοημοσύνης. Αφενός αξιοποιούνται εργαλεία και εφαρμογές με ενσωματωμένη τεχνολογία AI για την κάλυψη συγκεκριμένων αναγκών και αφετέρου αναπτύσσονται προσαρμοσμένες εφαρμογές, οι οποίες ακολούθως ενσωματώνονται στα υφιστάμενα κανάλια και διαδικασίες.
Η πρώτη προσέγγιση περιλαμβάνει την υιοθέτηση λύσεων όπως τα συστήματα Ανίχνευσης Ανωμαλιών Δικτύου Ασφάλειας στον Κυβερνοχώρο (Cyber Security Network Anomaly Detection system), τα οποία χρησιμοποιούν την τεχνητή νοημοσύνη για τον εντοπισμό και την άμβλυνση των απειλών στον κυβερνοχώρο, καθώς και εργαλεία όπως το Office CoPilot, το οποίο αξιοποιεί την ίδια τεχνολογία με το ChatGPT για την ενίσχυση της παραγωγικότητας των εργαζομένων. Αυτά τα εργαλεία συμβάλλουν στην αυτοματοποίηση εργασιών, στην ενίσχυση της ασφάλειας και στη βελτίωση της αποδοτικότητας.
Η δεύτερη προσέγγιση εστιάζει στην ανάπτυξη προσαρμοσμένων εφαρμογών τεχνητής νοημοσύνης για την αντιμετώπιση συγκεκριμένων επιχειρηματικών προκλήσεων.
Παραδείγματα περιλαμβάνουν την ενσωμάτωση της αναγνώρισης εγγράφων και εικόνων στις διαδικασίες μας, επιτρέποντας την εξαγωγή πολύτιμων πληροφοριών από δεδομένα που διαφορετικά θα απαιτούσαν πολλές εργατοώρες.
Επιπλέον, αναπτύσσουμε έναν Ψηφιακό Βοηθό Τεχνητής Νοημοσύνης (AI Digital Assistant), που μπορεί να απαντήσει σε οποιαδήποτε ερώτηση σχετικά με τις εσωτερικές μας διαδικασίες και τα προϊόντα μας. Σε πρώτη φάση χρησιμοποιείται από τους υπαλλήλους μας, αλλά εργαζόμαστε παράλληλα για να αναπτύξουμε έναν Ψηφιακό Βοηθό Πελατών (Customer Digital Assistant) που πιστεύουμε ότι θα φέρει επανάσταση στην εμπειρία των πελατών.
Μετρήσιμα αποτελέσματα
Ο σχεδιασμός μας για την υιοθέτηση της τεχνητής νοημοσύνης εκτείνεται σε τέσσερις βασικούς πυλώνες. Βελτιστοποίηση κόστους και διαδικασιών, ενίσχυση της παραγωγικότητας και της δημιουργικότητας των εργαζομένων, βελτίωση της εμπειρίας των πελατών και αύξηση των εσόδων.
Ήδη έχουμε μετρήσιμα αποτελέσματα στους δύο πρώτους πυλώνες. Η επεξεργασία εγγράφων και εικόνας με τεχνητή νοημοσύνη έχει ενσωματωθεί σε βασικές διαδικασίες όπως η Ενσωμάτωση Πελατών (Customer Onboarding) και η Επεξεργασία Συναλλαγών, εξοικονομώντας εκατοντάδες εργατοώρες ανά μήνα. Το σημαντικότερο είναι πως επιταχύνονται οι χρόνοι ανταπόκρισης των πελατών. Ένα άλλο παράδειγμα είναι η χρήση τεχνολογίας Generative AI για να κατανοήσουμε και να εξάγουμε πληροφορίες από μακροσκελή και σύνθετα έγγραφα, που διαφορετικά θα χρειαζόταν να τα διαβάσει και να τα αναλύσει κάποιος διοχετεύοντας πολλές ώρες. Εκτός από την εξοικονόμηση χρόνου, παρατηρούμε επίσης βελτιώσεις στην ακρίβεια των εξαγόμενων πληροφοριών.
Οι προκλήσεις
Παρά τα πολλά οφέλη, η ενσωμάτωση της τεχνητής νοημοσύνης δεν έρχεται χωρίς προκλήσεις. Οι τεχνικοί περιορισμοί, η αντίσταση των εργαζομένων και η έλλειψη εξειδικευμένου προσωπικού είναι σημαντικά εμπόδια που πρέπει να αντιμετωπιστούν.
Οι γενικοί τεχνικοί περιορισμοί μπορούν να τύχουν διαχείρισης, κυρίως μέσω της προσέγγισης που δίνει προτεραιότητα στο cloud. Πρέπει όμως να υπάρχουν ισχυρές τεχνικές δεξιότητες για τη σύνθεση λύσεων και την ενσωμάτωση τους στις επιχειρηματικές διαδικασίες. Συνεπώς, εκτός από τη διαμόρφωση μιας σαφούς στρατηγικής AI, η απόκτηση τεχνικών δεξιοτήτων πρέπει να είναι το πρώτο βήμα στη διαδρομή στο πεδίο της τεχνητής νοημοσύνης.
Η πρόκληση που αντιμετωπίζουμε είναι ότι το ταλέντο είναι σπάνιο και η πραγματική εμπειρία είναι ακόμη πιο δύσκολο να βρεθεί. Γι’ αυτό εφαρμόζουμε τη φιλοσοφία των επιλεκτικών προσλήψεων και ενός εσωτερικού προγράμματος ανάπτυξης δεξιοτήτων για την επέκταση των ικανοτήτων μας.
Η αντίσταση των εργαζομένων αντιμετωπίζεται καλύτερα μέσω ενός δομημένου Προγράμματος Διαχείρισης Αλλαγών. Το πρόγραμμα περιλαμβάνει κατάρτιση σε θεμελιώδεις δεξιότητες καθώς και ευαισθητοποίηση σχετικά με κινδύνους που συνδέονται με την τεχνητή νοημοσύνη.
Λήψη αποφάσεων
Στην ιστορία της χρήσης αλγορίθμων για την αντικατάσταση της ανθρώπινης δράσης, υπήρχε πάντοτε ένα επίπεδο δυσπιστίας κάθε φορά που θα εισαγόταν μια νέα τεχνολογία. Τελικά η τεχνολογία ωρίμασε κι έφτασε σε επίπεδα που λαμβάνονταν καλύτερες αποφάσεις από αλγόριθμους.
Το ίδιο αναμένεται να γίνει και με τους αλγόριθμους τεχνητής νοημοσύνης μόλις ξεπεραστούν ορισμένοι βασικοί περιορισμοί. Το πλέον σημαντικό είναι ο δίκαιος χαρακτήρας της διαδικασίας, ένεκα του τρόπου λειτουργίας ορισμένων κατηγοριών τεχνολογίας τεχνητής νοημοσύνης (όπως η Generative AI), οι οποίες βασίζονται σε μεγάλο βαθμό στα δεδομένα που χρησιμοποιούνται για την εκπαίδευση των μοντέλων. Εντούτοις, αυτά τα δεδομένα δυνατόν να αποκρύπτουν προκαταλήψεις του παρελθόντος που μπορεί να οδηγήσουν στη διαιώνιση της άδικης μεταχείρισης των πελατών (π.χ. γενικές, φυλετικές ή τοπικές προκαταλήψεις).
Μια άλλη πρόκληση είναι η διαφάνεια. Πώς εξηγείται για παράδειγμα το σκεπτικό του αλγορίθμου όσον αφορά τη λήψη της απόφασης; Η επανάσταση που προκλήθηκε από το ChatGPT προκάλεσε επίσης ανησυχίες διότι έλειπαν αυτές οι δύο δυνατότητες. Η τεχνολογία όμως εξελίσσεται ορθολογικά και ήδη σημαντικές υπηρεσίες τεχνητής νοημοσύνης προσφέρουν καλές δυνατότητες για να βοηθήσουν οργανισμούς όπως οι τράπεζες να δοκιμάσουν τα μοντέλα τους με δίκαιο και διαφανή τρόπο.
Το Agentic AI
Κοιτάζοντας το μέλλον, το Agentic AI αναδεικνύεται ως μια πολλά υποσχόμενη τάση. Αυτή η προσέγγιση υπερβαίνει την απλή επεξεργασία δεδομένων, επιτρέποντας στα συστήματα τεχνητής νοημοσύνης να επιδίδονται αυτόνομα σε καθορισμό στόχων, λήψη αποφάσεων και προσαρμοστική συμπεριφορά. Οι παράγοντες Agentic AI μπορούν να αλληλεπιδρούν προληπτικά με το περιβάλλον τους, να μαθαίνουν από τα αποτελέσματα και να συνεργάζονται για την επίτευξη σύνθετων στόχων.
*Εκτελεστικός Διευθυντής στη Διεύθυνση Τεχνολογίας & Λειτουργικών Δραστηριοτήτων, Τράπεζας Κύπρου
