AI Finansai: kaip dirbtinis intelektas transformuoja finansų pasaulį

Finansų sektorius buvo vienas pirmųjų, pradėjusių aktyviai diegti dirbtinio intelekto sprendimus. Ir tai nenuostabu: finansai yra duomenų intensyvi sritis, kur sprendimų greitis ir tikslumas tiesiogiai veikia pelną ar nuostolius. Šiandien AI naudojamas beveik kiekvienoje finansų grandyje, nuo algoritminės prekybos iki klientų aptarnavimo.

Lietuvos fintech sektorius yra vienas dinamiškiausių Europoje. Vilnius tapo fintech centru su daugiau nei 200 licencijuotų elektroninių pinigų ir mokėjimų įstaigų. Daugelis jų aktyviai integruoja AI sprendimus į savo produktus ir procesus.

Algoritminė prekyba ir investicijų valdymas

Algoritminė prekyba (algorithmic trading) yra sritis, kur AI naudojamas jau daugiau nei dešimtmetį. AI modeliai analizuoja rinkos duomenis, naujienų srautus, socialinių tinklų sentimentą ir daugybę kitų signalų, kad priimtų prekybos sprendimus per milisekundes.

Šiandien didžioji dalis akcijų biržų prekybos apimties (kai kuriose biržose iki 70-80%) atliekama algoritmų. Tačiau svarbu suprasti, kad tai nėra „pinigų spausdinimo mašina". Algoritminė prekyba reikalauja sudėtingo modelių kūrimo, nuolatinio priežiūros ir reguliaraus kalibravimo.

Robo-patarėjai (robo-advisors) yra labiau prieinamas AI investicijų valdymo variantas paprastiems investuotojams. Platformos kaip Wealthfront ar Betterment naudoja AI algoritmams, kurie automatiškai formuoja ir perbalansuoja investicijų portfelius pagal naudotojo rizikos toleranciją ir tikslus.

Lietuvoje tokie sprendimai taip pat prieinami per tarptautines platformas, nors vietinių robo-patarėjų rinka dar tik formuojasi.

Sukčiavimo aptikimas ir prevencija

Viena iš sėkmingiausių AI taikymo sričių finansuose yra sukčiavimo aptikimas. Tradicinės taisyklėmis pagrįstos sistemos galėjo aptikti tik žinomus sukčiavimo modelius. AI sistemos geba mokytis iš duomenų ir identifikuoti naujus, anksčiau nematytus sukčiavimo būdus.

Praktikoje tai veikia taip: AI sistema analizuoja kiekvieną transakciją realiu laiku, vertindama šimtus parametrų: sumą, laiką, geografinę vietą, įrenginio tipą, pirkimo istoriją ir kt. Jei transakcija nukrypsta nuo normalaus modelio, sistema ją pažymi peržiūrai arba automatiškai blokuoja.

Lietuvos bankų sektoriuje AI sukčiavimo prevencija jau yra standartas. SEB, Swedbank, Luminor ir kiti bankai naudoja AI sistemas, kurios kasdien analizuoja milijonus transakcijų ir blokuoja podezriamas operacijas.

Pinigų plovimo prevencija (AML) yra dar viena sritis, kur AI demonstruoja didelę naudą. AI sistemos geba analizuoti sudėtingus transakcijų tinklus ir identifikuoti įtartinus modelius, kurie žmogui būtų neįmanomi aptikti dėl duomenų apimties.

Kreditų vertinimas ir rizikos valdymas

Tradicinis kreditų vertinimas remiasi ribotu kintamųjų skaičiumi: pajamos, darbo stažas, turimas turtas, ankstesnė kreditų istorija. AI leidžia analizuoti žymiai platesnį duomenų spektrą ir pateikti tikslesnį rizikos vertinimą.

Alternatyvūs duomenų šaltiniai, tokie kaip sąskaitų mokėjimo istorija, telekomunikacijų duomenys ar net socialinių tinklų aktyvumas, gali padėti įvertinti kreditingumą žmonių, kurie neturi tradicinės kreditų istorijos. Tai ypač aktualu besivystančiose rinkose ir jaunimui.

Tačiau AI kreditų vertinime kelia ir rimtų klausimų dėl skaidrumo ir šališkumo. „Juodosios dėžės" problematika, kai niekas tiksliai nežino, kodėl AI priėmė konkretų sprendimą, yra iššūkis reguliuotojams ir vartotojų teisių gynėjams.

AI draudimo sektoriuje

Draudimo sektorius (insurtech) aktyviai diegia AI sprendimus. Žalos vertinimas, kuris anksčiau trukdavo savaites, su AI pagalba gali būti atliktas per minutes. AI analizuoja nuotraukas (pavyzdžiui, automobilių žalos), lygina su istoriniais duomenimis ir pateikia vertinimą.

Draudimo kainodara taip pat keičiasi. AI leidžia tiksliau įvertinti individualią riziką ir pasiūlyti personalizuotas draudimo kainas. Tai naudinga mažesnės rizikos klientams, kurie moka mažiau, tačiau kelia klausimų dėl diskriminacijos ir solidarumo principo.

Lietuvos fintech ir AI galimybės

Lietuvos fintech ekosistema turi unikalią poziciją diegti AI sprendimus. Šalis turi stiprų IT talentų baseiną, palankią reguliacinę aplinką (Lietuvos bankas aktyviai remia inovacijas) ir prieigą prie ES rinkos.

Keletas Lietuvos fintech kompanijų jau naudoja AI kaip pagrindinę savo produkto dalį. Tarptautinės kompanijos, turinčios biurus Vilniuje (Revolut, TransferGo ir kt.), taip pat aktyviai kuria AI sprendimus.

AI galimybės Lietuvos finansų sektoriuje apima: automatizuotą reguliacinę ataskaitų teikimą, klientų segmentavimą ir personalizuotus finansinius produktus, skolų išieškojimo optimizavimą ir klientų aptarnavimo automatizavimą per AI pokalbių robotus.

Rizikos ir apribojimai

AI finansuose nėra be rizikų. Flash crashes (staigūs rinkos kritimai), sukelti algoritminių prekybos sistemų, yra reali grėsmė. 2010 metų „Flash Crash", kai Dow Jones indeksas per kelias minutes nukrito beveik 1000 punktų, parodė, kas gali nutikti, kai algoritmai „susimaišo".

Reguliacinė aplinka vis dar vejasi technologijų pažangą. ES dirbtinio intelekto aktas (AI Act) nustato tam tikras taisykles aukštos rizikos AI sistemoms, tarp jų ir finansinėms. Tačiau praktinis įgyvendinimas vis dar formuojasi.

Taip pat svarbu paminėti kibernetinio saugumo rizikas. AI sistemos, valdančios didelius finansinius srautus, yra patrauklus taikinys kibernetiniams nusikaltėliams. Paradoksalu, bet AI yra ir geriausias gynybos įrankis prieš kibernetines grėsmes.

Plačiau apie AI taikymą versle galite skaityti mūsų AI verslui skyriuje, o apie verslo procesų automatizavimą su AI rasite atskirą vadovą.

AI finansuose nėra klausimas „ar", o „kaip greitai ir kaip atsakingai". Tendencija aiški: finansų institucijos, neintegruojančios AI į savo procesus, praras konkurencinį pranašumą. Tačiau skubėjimas be tinkamos rizikų analizės ir reguliacinio pasiruošimo gali kainuoti brangiau nei lėtesnis, bet apgalvotas diegimas.