AI και κρυπτονομίσματα: πώς η τεχνητή νοημοσύνη μπορεί να αλλάξει τα οικονομικά, την τραπεζική και το blockchain

Ας φανταστούμε ότι η οικονομική σας εφαρμογή δεν θα εμφανίζει πλέον μόνο το υπόλοιπο του λογαριασμού. Η τεχνητή νοημοσύνη θα εντοπίσει μια ασυνήθιστη πληρωμή, θα σας ειδοποιήσει ότι πιθανότατα πρόκειται για απάτη, θα συγκρίνει τα έξοδά σας με τους προηγούμενους μήνες και θα προτείνει πού μπορείτε να εξοικονομήσετε χρήματα. Το επόμενο βήμα μπορεί να είναι ότι το ίδιο σύστημα, βάσει προκαθορισμένων κανόνων, θα προετοιμάσει μόνο του μια μεταφορά χρημάτων, μια μετατροπή νομίσματος ή μια συναλλαγή με ψηφιακό περιουσιακό στοιχείο. Το ερώτημα τότε δεν θα είναι μόνο «Τι μου προτείνει η AI;», αλλά και «Τι θα της επιτρέψω να κάνει με τα χρήματά μου;»

Ακριβώς εδώ αρχίζουν να συναντιούνται δύο τεχνολογικοί κόσμοι που μέχρι σήμερα συχνά εξελίσσονταν χωριστά. Η τεχνητή νοημοσύνη μπορεί να αναλύει μεγάλο όγκο πληροφοριών και όλο και συχνότερα να εκτελεί αυτόνομα ορισμένες εργασίες. Το blockchain, από την πλευρά του, επιτρέπει τη μεταφορά ψηφιακής αξίας, τη χρήση έξυπνων συμβολαίων και τη δημιουργία χρηματοοικονομικών συστημάτων που μπορούν να λειτουργούν αδιάκοπα. Αν αυτές οι δύο τεχνολογίες συνδεθούν, μπορούν να προκύψουν υπηρεσίες στις οποίες το λογισμικό όχι μόνο αξιολογεί κάτι, αλλά στη συνέχεια εκτελεί και μια συγκεκριμένη χρηματοοικονομική πράξη.

Αυτό όμως δεν σημαίνει ότι η AI θα αντικαταστήσει τις τράπεζες ή ότι τα κρυπτονομίσματα θα αναλάβουν αυτόματα τον ρόλο του παραδοσιακού χρηματοοικονομικού συστήματος. Πιθανότερη είναι η σταδιακή αλληλοδιείσδυση των δύο κόσμων. Οι τράπεζες ήδη σήμερα χρησιμοποιούν την τεχνητή νοημοσύνη για τον εντοπισμό απατών, την ανάλυση κινδύνου ή την επικοινωνία με τους πελάτες. Ταυτόχρονα εμφανίζονται τεχνολογίες που επιτρέπουν σε AI agents να χειρίζονται πορτοφόλια blockchain, έξυπνα συμβόλαια ή stablecoins. Το μέλλον λοιπόν ίσως δεν θα είναι μια μάχη της AI με τις τράπεζες ούτε των κρυπτονομισμάτων με τα fiat νομίσματα, αλλά μάλλον μια αναζήτηση του πού κάθε τεχνολογία έχει το μεγαλύτερο νόημα.

Η AI αλλάζει ήδη σήμερα την παραδοσιακή τραπεζική

Όταν σήμερα γίνεται λόγος για τεχνητή νοημοσύνη, πολλοί άνθρωποι φαντάζονται κυρίως chatbots ή εργαλεία που μπορούν να παράγουν κείμενο και εικόνες. Στον χρηματοοικονομικό τομέα όμως διάφορες μορφές μηχανικής μάθησης χρησιμοποιούνται εδώ και πολλά χρόνια. Οι τράπεζες και άλλα χρηματοπιστωτικά ιδρύματα αναλύουν με τη βοήθεια αλγορίθμων τεράστιο αριθμό συναλλαγών και αναζητούν μοτίβα που ένας άνθρωπος θα αναγνώριζε μόνο με δυσκολία.

Ένας από τους πιο γνωστούς τομείς είναι ο εντοπισμός απατών. Το τραπεζικό σύστημα μπορεί να αξιολογεί συνεχώς αν μια συγκεκριμένη πληρωμή αντιστοιχεί στη συνήθη συμπεριφορά του πελάτη. Αν κάποιος πληρώνει συνήθως με κάρτα στην Τσεχία και μέσα σε λίγα λεπτά εμφανιστεί μια υψηλή πληρωμή σε άλλο μέρος του κόσμου, το σύστημα μπορεί να χαρακτηρίσει τη συναλλαγή ως επικίνδυνη. Παρόμοιες τεχνολογίες μπορούν να βοηθήσουν επίσης στον εντοπισμό ξεπλύματος χρήματος, στην αξιολόγηση πιστωτικού κινδύνου, στην επεξεργασία εγγράφων ή στην εξυπηρέτηση πελατών.

Με την ανάπτυξη της παραγωγικής AI οι δυνατότητες διευρύνονται ακόμη περισσότερο. Η τραπεζική εφαρμογή δεν χρειάζεται να εμφανίζει μόνο αριθμούς, αλλά μπορεί και να τους ερμηνεύει. Αντί για την πληροφορία ότι ο πελάτης ξόδεψε μέσα στον μήνα 42.000 CZK, το σύστημα μπορεί να επισημάνει ότι τα έξοδά του για ενέργεια αυξήθηκαν κατά 25 % σε σχέση με τον μακροπρόθεσμο μέσο όρο ή ότι ανάμεσα στις τακτικές πληρωμές εμφανίστηκε μια υπηρεσία που δεν έχει χρησιμοποιήσει εδώ και αρκετούς μήνες. Η τραπεζική μπορεί έτσι σταδιακά να μετατραπεί από εργαλείο προβολής οικονομικών στοιχείων σε σύστημα που βοηθά ενεργά τους πελάτες να κατανοήσουν αυτά τα στοιχεία.

Από τον AI βοηθό στον AI agent

Η σημερινή AI λειτουργεί κυρίως ως σύμβουλος. Ο χρήστης μπορεί να ρωτήσει πόσα ξόδεψε τον προηγούμενο μήνα, να ζητήσει εξήγηση για ένα συγκεκριμένο χρηματοοικονομικό προϊόν ή να ζητήσει σύγκριση διαφορετικών επιλογών. Η τεχνητή νοημοσύνη δίνει την απάντηση, αλλά την ίδια την απόφαση και την επακόλουθη πράξη τις εκτελεί ο άνθρωπος.

Την επόμενη φάση εξέλιξης αποτελούν οι λεγόμενοι AI agents. Πρόκειται για συστήματα στα οποία μπορεί να δοθεί ένας συγκεκριμένος στόχος, που χρησιμοποιούν επιπλέον εργαλεία και εκτελούν αυτόνομα πολλά βήματα που απαιτούνται για την επίτευξή του. Η διαφορά λοιπόν δεν βρίσκεται μόνο στην ποιότητα της απάντησης. Ο agent μπορεί επίσης να αποκτήσει τη δυνατότητα να ενεργεί.

Ας φανταστούμε για παράδειγμα την εντολή: «Κάθε μήνα μετά τη μισθοδοσία άφησε στον λογαριασμό αποθεματικό 30.000 CZK, έλεγξε τις τακτικές πληρωμές και μοίρασε το υπόλοιπο σύμφωνα με τους κανόνες που έχω ορίσει εκ των προτέρων.» Η σημερινή AI μπορεί να διατυπώσει μια σύσταση. Ένας μελλοντικός agent εξοπλισμένος με τα κατάλληλα δικαιώματα θα μπορούσε να προετοιμάσει ορισμένα βήματα ή ακόμη και να τα εκτελέσει απευθείας.

Ακριβώς σε αυτό το σημείο η σύνδεση AI και blockchain αρχίζει να γίνεται ενδιαφέρουσα. Αν το λογισμικό μπορεί να αναλύσει μια κατάσταση και ταυτόχρονα έχει την τεχνική δυνατότητα να χειρίζεται ψηφιακά περιουσιακά στοιχεία, δημιουργείται ένας νέος τύπος χρηματοοικονομικού εργαλείου.

Γιατί το blockchain μπορεί να είναι ενδιαφέρον για την AI

Το παραδοσιακό χρηματοοικονομικό σύστημα δημιουργήθηκε κυρίως για ανθρώπους, εταιρείες και χρηματοπιστωτικά ιδρύματα. Έχουμε τραπεζικούς λογαριασμούς, κάρτες πληρωμών, εξουσιοδοτήσεις υπογραφής, διαδικασίες ταυτοποίησης και άλλους μηχανισμούς που είναι σχεδιασμένοι για ανθρώπινους χρήστες. Το λογισμικό όμως μπορεί να έχει διαφορετικές ανάγκες.

Ας φανταστούμε έναν AI agent που μέσα σε λίγα δευτερόλεπτα πρέπει να βρει την απαραίτητη πηγή δεδομένων, να μάθει την τιμή της, να πληρώσει μερικά σεντς, να κατεβάσει τα δεδομένα και στη συνέχεια να τα χρησιμοποιήσει σε μια επόμενη εργασία. Για μια τέτοια πράξη η κλασική κάρτα πληρωμών ή η τραπεζική μεταφορά δεν είναι πάντα η πιο αποδοτική λύση.

Το blockchain προσφέρει ορισμένα χαρακτηριστικά που μπορεί να είναι ενδιαφέροντα για το αυτόνομο λογισμικό. Λειτουργεί αδιάκοπα, ένα ψηφιακό πορτοφόλι μπορεί τεχνικά να το ελέγχει και λογισμικό, οι συναλλαγές μπορούν να είναι προγραμματιζόμενες και τα έξυπνα συμβόλαια μπορούν να ορίζουν με ακρίβεια τους κανόνες υπό τους οποίους χρησιμοποιούνται τα κεφάλαια. Επιπλέον, τα συστήματα blockchain επιτρέπουν τον χειρισμό ακόμη και πολύ μικρών ποσών.

Αυτό δεν σημαίνει ότι η AI πρέπει να χρησιμοποιεί κρυπτονομίσματα. Ο τραπεζικός τομέας δημιουργεί παράλληλα δικές του ψηφιακές διεπαφές και API, μέσω των οποίων τα αυτοματοποιημένα συστήματα μπορούν να χειρίζονται παραδοσιακό χρήμα. Το blockchain όμως προσφέρει μια ενδιαφέρουσα δυνατότητα: το λογισμικό μπορεί να επικοινωνεί απευθείας με μια χρηματοοικονομική υποδομή που δημιουργήθηκε για προγραμματιζόμενες ψηφιακές συναλλαγές.

AI agent με δικό του πορτοφόλι

Η ιδέα μιας AI με πρόσβαση σε πορτοφόλι μπορεί με την πρώτη ματιά να φαίνεται επικίνδυνη. Δεν σημαίνει όμως απαραίτητα ότι το σύστημα θα αποκτήσει απεριόριστο έλεγχο σε όλα τα κεφάλαια του χρήστη. Ακριβώς το blockchain και τα έξυπνα συμβόλαια επιτρέπουν τον ορισμό ακριβών κανόνων υπό τους οποίους μπορεί να ενεργεί ο agent.

Ο κάτοχος μπορεί για παράδειγμα να ορίσει ότι μια μεμονωμένη συναλλαγή δεν επιτρέπεται να υπερβαίνει τα δέκα δολάρια, ότι το ημερήσιο όριο είναι εκατό δολάρια και ότι οι πληρωμές μπορούν να κατευθύνονται μόνο σε προεγκεκριμένες υπηρεσίες. Οποιοδήποτε μεγαλύτερο ποσό θα απαιτούσε επιβεβαίωση από άνθρωπο. Η AI μπορεί έτσι να αποκτήσει μια ορισμένη οικονομική αυτονομία χωρίς να έχει απόλυτο έλεγχο στα χρήματα.

Με αυτόν τον τρόπο ο agent μπορεί να αγοράζει δεδομένα, υπολογιστική ισχύ, πρόσβαση σε API ή άλλες ψηφιακές υπηρεσίες. Για έναν άνθρωπο θα ήταν μη πρακτικό να εγκρίνει χειροκίνητα κάθε πληρωμή αξίας λίγων σεντς. Για το λογισμικό μπορεί να αποτελεί συνηθισμένο μέρος της εργασίας που εκτελεί.

Παρόμοιες τεχνολογίες ήδη αναπτύσσονται. Ένα παράδειγμα είναι το πρωτόκολλο x402, το οποίο αξιοποιεί την ιδέα του κωδικού διαδικτύου «402 Payment Required». Ο διακομιστής μπορεί να γνωστοποιήσει στον AI agent την τιμή της ζητούμενης υπηρεσίας, ο agent εκτελεί την πληρωμή και στη συνέχεια αποκτά πρόσβαση στα ζητούμενα δεδομένα ή λειτουργίες. Προς το παρόν πρόκειται για έναν αναπτυσσόμενο τομέα και δεν είναι βέβαιο πόσο μεγάλη σημασία θα έχει στο μέλλον, δείχνει όμως πώς θα μπορούσαν να λειτουργούν οι αυτοματοποιημένες πληρωμές μεταξύ λογισμικών.

Τα stablecoins ως μέσο πληρωμής για την AI

Για πληρωμές ψηφιακών υπηρεσιών ένα ασταθές κρυπτονόμισμα δεν είναι απαραίτητα το ιδανικό μέσο. Αν ένας AI agent χρειάζεται να πληρώσει για παράδειγμα δύο σεντς για ένα αίτημα API, είναι πιο πρακτικό να χρησιμοποιεί ένα περιουσιακό στοιχείο του οποίου η αξία δεν μεταβάλλεται σημαντικά έναντι του νομίσματος στο οποίο τιμολογείται η υπηρεσία.

Ακριβώς εδώ τα stablecoins μπορούν να αποκτήσουν σημασία. Ένα stablecoin συνδεδεμένο με το αμερικανικό δολάριο συνδυάζει μια γνωστή μονάδα τιμής με την υποδομή blockchain. Ο agent μπορεί έτσι να έχει για παράδειγμα προϋπολογισμό 100 USDC και να χρησιμοποιεί επιμέρους τμήματα αυτού του ποσού σύμφωνα με προκαθορισμένους κανόνες.

Για την AI δεν έχει σημασία αν το συγκεκριμένο περιουσιακό στοιχείο αποτελεί ενδιαφέρουσα επένδυση. Σημασία έχει αν μπορεί να μεταφέρει αξιόπιστα αξία από ένα σημείο σε άλλο. Το stablecoin μπορεί έτσι σε ορισμένα σενάρια να λειτουργεί λιγότερο ως επενδυτικό κρυπτονόμισμα και περισσότερο ως ψηφιακό μέσο πληρωμής.

Από τη σκοπιά του απλού χρήστη μπορεί να είναι ενδιαφέρον και κάτι άλλο. Ο άνθρωπος ίσως ούτε καν θα γνωρίζει ότι στο παρασκήνιο χρησιμοποιεί stablecoin. Όπως σήμερα, όταν πληρώνουμε με κάρτα, συνήθως δεν σκεφτόμαστε όλα τα συστήματα που επεξεργάζονται την πληρωμή, έτσι κάποια μέρα ο χρήστης ίσως απλώς πει: «Πλήρωσε για αυτή την υπηρεσία.» Και η εφαρμογή θα επιλέξει μόνη της την κατάλληλη υποδομή πληρωμών.

Η AI μπορεί να απλοποιήσει σημαντικά τα κρυπτονομίσματα

Ένα από τα μεγαλύτερα εμπόδια για την ευρύτερη χρήση των κρυπτονομισμάτων είναι η τεχνική τους πολυπλοκότητα. Ο αρχάριος χρήστης σύντομα έρχεται αντιμέτωπος με όρους όπως seed phrase, διεύθυνση blockchain, gas, Layer 2, bridge, έξυπνο συμβόλαιο ή διάφορα δίκτυα blockchain. Κάθε ένας από αυτούς τους όρους έχει την τεχνική του αιτιολόγηση, όλοι μαζί όμως μπορούν να αποτελέσουν υψηλό φραγμό εισόδου.

Η AI μπορεί να παρεμβάλει ένα επιπλέον επίπεδο ανάμεσα στον χρήστη και την τεχνική υποδομή. Ο άνθρωπος δεν χρειάζεται να γνωρίζει ακριβώς ποιο δίκτυο να επιλέξει ή πώς λειτουργεί ένα bridge. Μπορεί για παράδειγμα να πει: «Θέλω να στείλω 50 USDC σε αυτόν τον άνθρωπο με τον φθηνότερο υποστηριζόμενο τρόπο.» Το σύστημα μπορεί να συγκρίνει τις διαθέσιμες επιλογές, να επισημάνει τους κινδύνους και να εξηγήσει πώς λειτουργεί κάθε εναλλακτική.

Εδώ όμως είναι σημαντικό να διακρίνουμε τη σύσταση από την εκτέλεση της συναλλαγής. Αν η AI απλώς συμβουλεύει και ο χρήστης στη συνέχεια επιβεβαιώνει τα πάντα μόνος του, παραμένει επιπλέον περιθώριο ελέγχου. Αν το σύστημα έχει πρόσβαση στα ιδιωτικά κλειδιά ή δικαίωμα να υπογράφει μόνο του τη συναλλαγή, ένα λάθος του μπορεί να έχει άμεσες οικονομικές συνέπειες.

Όσο περισσότερο κρύβουμε την τεχνική πολυπλοκότητα, τόσο πιο σημαντικό θα είναι να ελέγχουμε τι συμβαίνει κάτω από την επιφάνεια.

Η AI και τα έξυπνα συμβόλαια

Ένας ακόμη τομέας όπου οι δύο τεχνολογίες συναντιούνται φυσικά είναι η ανάπτυξη και η ασφάλεια των έξυπνων συμβολαίων. Η AI μπορεί να βοηθά τους προγραμματιστές να εξηγούν υπάρχοντα κώδικα, να δημιουργούν δοκιμές, να αναζητούν ύποπτα σημεία ή να προτείνουν σενάρια πιθανής επίθεσης σε ένα έξυπνο συμβόλαιο.

Αυτό μπορεί να επιταχύνει σημαντικά τόσο την ανάπτυξη όσο και τον έλεγχο ασφαλείας. Ταυτόχρονα όμως ισχύει ο ίδιος κανόνας όπως και στον συνηθισμένο προγραμματισμό: η AI μπορεί να παράγει λανθασμένο κώδικα. Σε μια απλή ιστοσελίδα ένα σφάλμα μπορεί να σημαίνει ένα κουμπί που δεν λειτουργεί. Σε ένα έξυπνο συμβόλαιο που διαχειρίζεται μεγάλο όγκο ψηφιακών περιουσιακών στοιχείων, ένα σφάλμα μπορεί να σημαίνει οικονομική απώλεια.

Ένα ενδιαφέρον παράδειγμα έδωσε το Ethereum Foundation, η ομάδα ασφαλείας του οποίου χρησιμοποίησε συντονισμένους AI agents για την αναζήτηση σφαλμάτων σε κώδικα που σχετίζεται με την υποδομή του Ethereum. Τα συστήματα κατάφεραν να εντοπίσουν πραγματικά προβλήματα, αλλά ταυτόχρονα παρήγαγαν και αποτελέσματα που φαίνονταν πειστικά, παρόλο που δεν αντιπροσώπευαν καμία πραγματική ευπάθεια.

Αυτό δείχνει καλά τη διπλή φύση της AI. Μπορεί να αυξήσει σημαντικά την ικανότητα εντοπισμού προβλημάτων ασφαλείας, αλλά από μόνη της δεν αποτελεί υποκατάστατο του εξειδικευμένου ελέγχου.

Η AI ως νέο εργαλείο ανάλυσης blockchain

Τα δημόσια blockchain περιέχουν τεράστιο όγκο δεδομένων συναλλαγών. Οι μεμονωμένες πράξεις μπορούν να παρακολουθούνται, αλλά με εκατομμύρια συναλλαγές η χειροκίνητη ανάλυση είναι πρακτικά αδύνατη. Η AI και άλλα αναλυτικά συστήματα μπορούν να αναζητούν μοτίβα που ένας άνθρωπος θα αναγνώριζε μόνο με δυσκολία.

Μπορούν για παράδειγμα να παρακολουθούν πώς μετακινούνται τα κεφάλαια ανάμεσα σε μεγάλο αριθμό διευθύνσεων, να εντοπίζουν ύποπτες αλυσίδες συναλλαγών ή να αναγνωρίζουν διευθύνσεις που συνδέονται με ήδη γνωστές απάτες. Η ίδια αρχή μπορεί να αξιοποιηθεί στην παρακολούθηση AML, στην αξιολόγηση του κινδύνου του αντισυμβαλλομένου ή στην ανάλυση της συμπεριφοράς επιμέρους πρωτοκόλλων blockchain.

Από αυτή την άποψη το παραδοσιακό τραπεζικό σύστημα και ο κόσμος του blockchain δεν διαφέρουν πολύ. Και στις δύο περιπτώσεις πρόκειται για ανάλυση τεράστιου όγκου οικονομικών δεδομένων και αναζήτηση ασυνήθιστων μοτίβων.

Η διαφορά βρίσκεται στη διαθεσιμότητα των δεδομένων. Ένα δημόσιο blockchain μπορεί να παρέχει πολύ λεπτομερές ιστορικό συναλλαγών, ταυτόχρονα όμως μια διεύθυνση blockchain δεν αποκαλύπτει απαραίτητα την πραγματική ταυτότητα του χρήστη της. Η AI μπορεί έτσι να είναι πολύ αποτελεσματική στην ανάλυση συμπεριφοράς, αλλά δεν μπορεί πάντα να προσδιορίσει εύκολα ποιος πραγματικά κρύβεται πίσω από μια συγκεκριμένη διεύθυνση.

Πώς μπορεί η AI να αλλάξει την καθημερινή τραπεζική

Για τους περισσότερους ανθρώπους η μεγαλύτερη αλλαγή ίσως δεν θα συμβεί σε ένα ανταλλακτήριο κρυπτονομισμάτων, αλλά απευθείας στο mobile banking.

Η σημερινή τραπεζική εφαρμογή συνήθως δείχνει το υπόλοιπο, τις εισερχόμενες και εξερχόμενες πληρωμές ή βασικά στατιστικά στοιχεία. Η AI μπορεί να αλλάξει αυτή την εμπειρία ερμηνεύοντας τα οικονομικά δεδομένα.

Αντί για μια απλή πληροφορία σχετικά με μια συναλλαγή, η εφαρμογή μπορεί να πει: «Πληρώνετε αυτή την υπηρεσία εδώ και δώδεκα μήνες, αλλά τους τελευταίους τρεις μήνες δεν τη χρησιμοποιήσατε.» Ή μπορεί να επισημάνει: «Τα έξοδα για ενέργεια αυτόν τον μήνα είναι σημαντικά υψηλότερα από το συνηθισμένο.» Το επόμενο βήμα μπορεί να είναι μια σύσταση για το πώς να αντιμετωπιστεί η κατάσταση.

Η τραπεζική εφαρμογή μπορεί έτσι να μετατραπεί από μια παθητική λίστα συναλλαγών σε έναν ενεργό οικονομικό βοηθό. Αυτό μπορεί να είναι χρήσιμο ιδιαίτερα για ανθρώπους που δεν προσανατολίζονται εύκολα στα οικονομικά. Ταυτόχρονα όμως προκύπτει το ερώτημα σε ποιο βαθμό θέλουμε τα χρηματοπιστωτικά ιδρύματα ή οι τεχνολογικοί τους συνεργάτες να αναλύουν τη συμπεριφορά μας.

Καλύτερες χρηματοοικονομικές υπηρεσίες έναντι περισσότερων δεδομένων

Η AI λειτουργεί καλύτερα όταν διαθέτει ποιοτικά δεδομένα. Όσο περισσότερα γνωρίζει για τον πελάτη, τόσο ακριβέστερη μπορεί να είναι για παράδειγμα η εκτίμηση του κινδύνου, η σύσταση ενός χρηματοοικονομικού προϊόντος ή ο εντοπισμός μιας ύποπτης πληρωμής.

Αυτό μπορεί να φέρει συγκεκριμένα οφέλη. Τα παραδοσιακά πιστωτικά μοντέλα μερικές φορές λειτουργούν με σχετικά περιορισμένες πληροφορίες. Η AI μπορεί να αναλύσει ένα ευρύτερο ιστορικό οικονομικής συμπεριφοράς και για παράδειγμα να αξιολογήσει καλύτερα έναν ελεύθερο επαγγελματία που δεν έχει τακτικό μηνιαίο μισθό, αλλά μακροπρόθεσμα εμφανίζει σταθερό εισόδημα.

Η ίδια αρχή όμως ανοίγει το ζήτημα της ιδιωτικότητας. Πόσες πληροφορίες θα έπρεπε να αναλύει μια τράπεζα; Πρέπει κατά την απόφαση για ένα δάνειο να γνωρίζει τις αγοραστικές μας συνήθειες; Πώς θα εξηγήσει στον πελάτη γιατί το μοντέλο τον απέρριψε; Και τι γίνεται αν ο αλγόριθμος χρησιμοποιεί συσχετίσεις που στατιστικά λειτουργούν, αλλά οδηγούν σε άδικο αποτέλεσμα;

Η AI μπορεί έτσι να κάνει τις χρηματοοικονομικές υπηρεσίες πιο ακριβείς, αλλά περισσότερα δεδομένα δεν σημαίνουν αυτόματα πιο δίκαιες αποφάσεις.

AI εναντίον AI: μια νέα μάχη κατά των οικονομικών απατών

Ένα από τα μεγαλύτερα παράδοξα της τεχνητής νοημοσύνης στα χρηματοοικονομικά είναι ότι την ίδια τεχνολογία μπορούν να χρησιμοποιούν τόσο οι αμυνόμενοι όσο και οι επιτιθέμενοι.

Οι τράπεζες, τα ανταλλακτήρια και οι εταιρείες ανάλυσης χρησιμοποιούν την AI για τον εντοπισμό ύποπτων συναλλαγών. Οι απατεώνες, αντίθετα, μπορούν να την αξιοποιούν για να δημιουργούν πιο πειστικές απάτες.

Η παραγωγική AI μπορεί να δημιουργήσει ένα ψεύτικο e-mail, να μιμηθεί το ύφος ενός συγκεκριμένου ανθρώπου, τη φωνή του ή να δημιουργήσει ένα deepfake βίντεο. Ο απατεώνας μπορεί έτσι να δημιουργήσει έναν ψεύτικο επενδυτικό σύμβουλο ή να μιμηθεί έναν συνάδελφο, έναν επιχειρηματικό συνεργάτη ή ένα μέλος της οικογένειας.

Τα κρυπτονομίσματα μπορεί να είναι ελκυστικά για τέτοιες απάτες κυρίως επειδή μια συναλλαγή blockchain είναι συνήθως δύσκολα αναστρέψιμη. Αν το θύμα στείλει κεφάλαια σε μια διεύθυνση που ελέγχει ο επιτιθέμενος, δεν υπάρχει πάντα ένας φορέας που θα μπορούσε απλώς να ακυρώσει τη συναλλαγή.

Η AI μπορεί έτσι ταυτόχρονα να βελτιώνει τον εντοπισμό απατών και να μειώνει το κόστος δημιουργίας τους. Στα χρηματοοικονομικά λοιπόν πιθανότατα θα αναπτυχθεί ένας μακροχρόνιος τεχνολογικός αγώνας ανάμεσα στα συστήματα που δημιουργούν απάτες και στα συστήματα που πρέπει να τις εντοπίζουν.

Όταν δεν αρκεί πια να πιστεύουμε στα μάτια μας

Η τεχνολογία deepfake αλλάζει επίσης τον τρόπο με τον οποίο επαληθεύουμε την ταυτότητα.

Παλαιότερα μια βιντεοκλήση μπορούσε να αποτελεί σχετικά ισχυρή απόδειξη ότι επικοινωνούμε με ένα συγκεκριμένο πρόσωπο. Αν βλέπαμε και ακούγαμε τον άνθρωπο, είχαμε λόγο να πιστεύουμε ότι ήταν πράγματι αυτός.

Η παραγωγική AI αποδυναμώνει σταδιακά αυτή την παραδοχή.

Αν η εικόνα και η φωνή μπορούν να μιμηθούν ρεαλιστικά, μεγαλύτερη σημασία μπορεί να αποκτήσει η κρυπτογραφική επαλήθευση. Αντί για το ερώτημα «Είδα αυτό το πρόσωπο σε βιντεοκλήση;» πιο σημαντικό μπορεί να γίνει το ερώτημα «Υπογράφηκε πράγματι αυτό το αίτημα με εξουσιοδοτημένο κλειδί;»

Ακριβώς εδώ το blockchain και η κρυπτογραφία μπορούν να αποκτήσουν νέα σημασία. Όχι απαραίτητα ως τρόπος επένδυσης σε ψηφιακά περιουσιακά στοιχεία, αλλά ως υποδομή που μπορεί να αποδείξει μαθηματικά την προέλευση μιας πληροφορίας ή την εξουσιοδότηση για την εκτέλεση μιας συγκεκριμένης πράξης.

Φυσικά ούτε η κρυπτογραφική υπογραφή είναι απόλυτη λύση. Αν ο επιτιθέμενος αποκτήσει το ιδιωτικό κλειδί, μπορεί να το καταχραστεί. Παρ’ όλα αυτά, ο τρόπος με τον οποίο θα αποδεικνύουμε την αξιοπιστία στον ψηφιακό κόσμο μπορεί να αλλάξει.

Μπορεί η AI να κάνει συναλλαγές μόνη της;

Οι αυτοματοποιημένες συναλλαγές στις χρηματοπιστωτικές αγορές υπάρχουν εδώ και πολύ καιρό. Οι τράπεζες, τα αμοιβαία κεφάλαια και άλλοι φορείς χρησιμοποιούν αλγοριθμικά συστήματα εδώ και πολλά χρόνια. Η παραγωγική AI όμως μπορεί να κάνει τη δημιουργία παρόμοιων στρατηγικών προσβάσιμη και σε ανθρώπους που δεν ξέρουν προγραμματισμό.

Ο χρήστης μπορεί για παράδειγμα να ορίσει έναν απλό κανόνα τακτικής αγοράς Bitcoin ή ένα πιο σύνθετο σύστημα που αντιδρά σε διάφορους δείκτες της αγοράς.

Εδώ όμως είναι σημαντικό να διακρίνουμε την ικανότητα αυτόματης εκτέλεσης μιας στρατηγικής από την ικανότητα αξιόπιστης πρόβλεψης του μέλλοντος.

Η AI μπορεί να αναλύσει γρήγορα τεράστιο όγκο δεδομένων. Αυτό όμως δεν σημαίνει ότι γνωρίζει προς τα πού θα κινηθεί την επόμενη εβδομάδα η τιμή του Bitcoin ή ενός χρηματιστηριακού δείκτη. Το μοντέλο μπορεί να λειτουργεί με λανθασμένα δεδομένα, να προσαρμοστεί σε ένα παρελθόν που δεν θα επαναληφθεί ή να αντιδράσει σε ένα απρόσμενο γεγονός με τρόπο που ο δημιουργός του δεν είχε προβλέψει.

Η AI μπορεί να είναι ένα πολύ ισχυρό αναλυτικό εργαλείο. Δεν θα έπρεπε να συγχέεται με μια μηχανή πρόβλεψης του μέλλοντος.

Τι γίνεται αν όλοι χρησιμοποιούν παρόμοια μοντέλα

Ένας ακόμη κίνδυνος δεν είναι μόνο το λάθος μιας μεμονωμένης AI, αλλά η πιθανότητα πολλά συστήματα να πάρουν ταυτόχρονα παρόμοια απόφαση.

Ας φανταστούμε ότι μεγάλος αριθμός τραπεζών, αμοιβαίων κεφαλαίων και αυτοματοποιημένων συστημάτων συναλλαγών χρησιμοποιεί παρόμοια μοντέλα και παρόμοια δεδομένα. Στην αγορά εμφανίζεται μια έντονα αρνητική πληροφορία. Τα μοντέλα την αξιολογούν με παρόμοιο τρόπο και αρχίζουν ταυτόχρονα να μειώνουν τις θέσεις υψηλού κινδύνου.

Οι αυτοματοποιημένες συναλλαγές φυσικά υπήρχαν πολύ πριν από τη σημερινή γενιά AI. Ο νέος κίνδυνος μπορεί να έγκειται στην κλίμακα και τη συγκέντρωση. Αν ένα μεγάλο μέρος της αγοράς χρησιμοποιεί μοντέλα λίγων παρόχων, το πρόβλημα ενός συστήματος μπορεί να επηρεάσει περισσότερους φορείς.

Παρόμοιο ερώτημα αφορά και τα κρυπτονομίσματα. Το blockchain μπορεί να είναι αποκεντρωμένο, αλλά το επίπεδο AI που χρησιμοποιείται πάνω από αυτό μπορεί να εξαρτάται από λίγους κεντρικούς παρόχους μοντέλων ή υποδομής cloud.

Αυτό υπενθυμίζει ξανά μια σημαντική αρχή: η αποκέντρωση ενός τεχνολογικού επιπέδου δεν σημαίνει αυτόματα αποκέντρωση ολόκληρου του συστήματος.

Ένα AI token δεν είναι αυτόματα ένα ποιοτικό έργο AI

Όταν συνδυάζονται δύο δημοφιλείς τομείς, φυσικά προκύπτει και μάρκετινγκ.

Στην αγορά υπάρχουν έργα που συνδέουν το blockchain με υπολογιστική ισχύ για AI, αποκεντρωμένα δεδομένα, αυτόνομους agents ή άλλη πραγματική τεχνολογία. Ταυτόχρονα όμως μπορεί να δημιουργηθεί ένα κρυπτονόμισμα που χρησιμοποιεί τον χαρακτηρισμό AI κυρίως επειδή πρόκειται για δημοφιλές θέμα.

Γι’ αυτό είναι σημαντικό να γίνεται διάκριση ανάμεσα στα επιμέρους έργα.

Το ίδιο το όνομα ενός token ή ο ισχυρισμός ότι ένα έργο αξιοποιεί τεχνητή νοημοσύνη δεν λέει σχεδόν τίποτα για την πραγματική του αξία. Πολύ πιο σημαντικό είναι να διαπιστωθεί ποιο πρόβλημα λύνει, αν χρειάζεται πράγματι blockchain γι’ αυτό, ποια λειτουργία επιτελεί το ίδιο το token στο σύστημα και αν έχει πραγματική χρήση.

Η ίδια αρχή ίσχυε για τις προηγούμενες τάσεις των κρυπτονομισμάτων και θα ισχύει και για την AI.

Μια τεχνολογική τάση μπορεί να είναι πραγματική, αλλά αυτό δεν σημαίνει ότι κάθε έργο που παραπέμπει σε αυτήν είναι απαραίτητα ποιοτικό.

Τι μπορεί να φέρει η σύνδεση AI και blockchain

Το μεγαλύτερο όφελος δεν βρίσκεται απαραίτητα σε μία επαναστατική εφαρμογή. Πιο σημαντική μπορεί να είναι η σταδιακή σύνδεση πολλών τεχνολογιών.

Η AI μπορεί για παράδειγμα να απλοποιήσει τη χρήση των κρυπτονομισμάτων και να κρύψει μέρος της τεχνικής πολυπλοκότητας των δικτύων blockchain. Μπορεί να αναλύει μεγάλο αριθμό συναλλαγών, να επισημαίνει ύποπτες δραστηριότητες ή να βοηθά τους προγραμματιστές να ελέγχουν έξυπνα συμβόλαια. Οι αυτόνομοι agents, από την πλευρά τους, μπορούν να αξιοποιούν το blockchain για μικρές αυτοματοποιημένες πληρωμές ή για πρόσβαση σε ψηφιακές υπηρεσίες.

Για τον απλό χρήστη μπορεί να έχει σημασία κυρίως η απλότητα. Αν η AI μπορεί να εξηγήσει με ασφάλεια τι συμβαίνει σε μια συναλλαγή, να συγκρίνει τις διαθέσιμες επιλογές και να επισημάνει ένα πιθανό λάθος, μπορεί να μειώσει σημαντικά τα εμπόδια εισόδου στον κόσμο των ψηφιακών περιουσιακών στοιχείων.

Η πιο ενδιαφέρουσα χρήση της AI λοιπόν δεν είναι απαραίτητα η κερδοσκοπία με κρυπτονομίσματα. Μπορεί να είναι ακριβώς το ότι μια πολύπλοκη τεχνολογία θα γίνει πολύ λιγότερο ορατή για τον απλό άνθρωπο.

Πού μπορεί να αποτύχει η σύνδεση AI και χρηματοοικονομικών

Το μεγαλύτερο πλεονέκτημα της AI είναι ταυτόχρονα η πηγή του μεγαλύτερου κινδύνου της. Το σύστημα μπορεί να αξιολογήσει γρήγορα μια κατάσταση και να αντιδράσει αυτόματα. Αν όμως η αξιολόγηση αποδειχθεί λανθασμένη, μπορεί εξίσου γρήγορα να εκτελέσει μια λάθος πράξη.

Τα μεγάλα γλωσσικά μοντέλα μπορούν να δημιουργούν πειστικές αλλά πραγματολογικά λανθασμένες απαντήσεις. Στο χρηματοοικονομικό περιβάλλον ένα τέτοιο λάθος μπορεί να έχει πολύ σοβαρότερες συνέπειες από ό,τι σε μια συνηθισμένη αναζήτηση πληροφοριών.

Στις συναλλαγές blockchain το πρόβλημα είναι ακόμη πιο έντονο, επειδή πολλές πράξεις είναι δύσκολα αναστρέψιμες. Ένας AI agent με υπερβολικά ευρείες εξουσιοδοτήσεις μπορεί για παράδειγμα να στείλει κεφάλαια σε λάθος διεύθυνση ή να χρησιμοποιήσει ένα ελαττωματικό έξυπνο συμβόλαιο.

Ένα ακόμη πρόβλημα είναι η προστασία της ιδιωτικότητας. Ένας καλός οικονομικός βοηθός χρειάζεται πρόσβαση σε οικονομικά στοιχεία. Γι’ αυτό είναι σημαντικό να γνωρίζουμε ποιος επεξεργάζεται τα δεδομένα, πού αποθηκεύονται και αν μπορούν να χρησιμοποιηθούν για άλλους σκοπούς.

Με την αυξανόμενη αυτονομία της AI προκύπτει επιπλέον το σύνθετο ζήτημα της ευθύνης. Αν το σύστημα εκτελέσει μια λάθος συναλλαγή, ποιος φέρει τις συνέπειες; Ο χρήστης που του έδωσε την εξουσιοδότηση; Ο προγραμματιστής; Το χρηματοπιστωτικό ίδρυμα; Ο πάροχος του ίδιου του μοντέλου AI; Οι απαντήσεις σε τέτοια ερωτήματα θα γίνονται όλο και πιο σημαντικές.

Πόσο έλεγχο θα έπρεπε να παραχωρήσουμε στην AI

Η βασική αρχή μπορεί να είναι απλή: όσο μεγαλύτερες εξουσίες αποκτά ένα σύστημα, τόσο πιο σημαντικοί πρέπει να είναι οι μηχανισμοί ελέγχου.

Αν η AI απλώς εξηγεί έναν χρηματοοικονομικό όρο, ένα ενδεχόμενο λάθος έχει σχετικά περιορισμένες συνέπειες. Αν μπορεί μόνη της να μεταφέρει χιλιάδες ευρώ, η κατάσταση είναι εντελώς διαφορετική.

Γι’ αυτό μπορεί να είναι σημαντικά τα όρια μέγιστου ποσού, μια λίστα επιτρεπόμενων υπηρεσιών, η πρόσθετη επιβεβαίωση μεγαλύτερων πράξεων ή η δυνατότητα άμεσου αποκλεισμού της πρόσβασης. Ο χρήστης θα πρέπει επίσης να γνωρίζει αν η AI επιτρέπεται μόνο να διαβάζει τα οικονομικά δεδομένα ή αν έχει το δικαίωμα να μετακινεί πράγματι κεφάλαια.

Ο ιδανικός στόχος δεν είναι απαραίτητα ένα σύστημα που θα αποκτήσει απόλυτο έλεγχο.

Για πολλούς ανθρώπους μπορεί να είναι πολύ πιο χρήσιμη μια AI που θα προετοιμάσει σχεδόν ολόκληρη την πράξη, θα την εξηγήσει και θα επισημάνει τους κινδύνους, αλλά η τελική απόφαση θα παραμείνει στον άνθρωπο.

Θα αντικαταστήσει η AI τις τράπεζες;

Πιθανότατα είναι πιο χρήσιμο να θέσουμε ένα διαφορετικό ερώτημα: Πώς θα αλλάξει η AI την τράπεζα που ήδη χρησιμοποιούμε;

Η τρέχουσα εξέλιξη δείχνει κυρίως την ενσωμάτωση της AI στα υπάρχοντα χρηματοπιστωτικά ιδρύματα. Οι τράπεζες τη χρησιμοποιούν για τον εντοπισμό απατών, την ανάλυση πιστωτικού κινδύνου, την κυβερνοασφάλεια, τη συμμόρφωση με τους κανονιστικούς κανόνες (compliance) ή την εξυπηρέτηση πελατών.

Η τράπεζα του μέλλοντος μπορεί λοιπόν να εξακολουθεί να λειτουργεί με fiat νομίσματα, να χορηγεί δάνεια και να λειτουργεί στο πλαίσιο του ρυθμιζόμενου χρηματοοικονομικού συστήματος. Η διαφορά μπορεί να βρίσκεται στον τρόπο με τον οποίο επικοινωνεί μαζί της ο πελάτης.

Αντί να ψάχνει το σωστό στοιχείο στο μενού, ο άνθρωπος μπορεί για παράδειγμα να πει: «Θέλω να στείλω 500 ευρώ στην κόρη μου και δεν θέλω να πληρώσω άσκοπα υψηλή χρέωση.» Η AI θα εντοπίσει τις διαθέσιμες επιλογές, θα εξηγήσει τις διαφορές και θα προετοιμάσει την πράξη.

Ο άνθρωπος απλώς θα την ελέγξει και θα την επιβεβαιώσει.

Θα αντικαταστήσουν τα κρυπτονομίσματα τα fiat νομίσματα εξαιτίας της AI;

Ούτε εδώ υπάρχει λόγος να αναμένουμε ένα απλό σενάριο.

Ένας AI agent μπορεί τεχνικά να χρησιμοποιεί ευρώ σε τραπεζικό λογαριασμό όπως και stablecoin σε πορτοφόλι blockchain, εφόσον έχει την κατάλληλη πρόσβαση και στα δύο συστήματα.

Πιθανότερη λοιπόν μπορεί να είναι η ύπαρξη πολλών παράλληλων δρόμων. Ορισμένες πράξεις θα γίνονται μέσω της τραπεζικής υποδομής και του fiat νομίσματος, άλλες μέσω δικτύων blockchain και stablecoins.

Ο χρήστης δεν χρειάζεται πάντα να γνωρίζει ποια υποδομή χρησιμοποιεί η εφαρμογή του. Καθοριστικοί παράγοντες μπορεί να είναι η ταχύτητα, το κόστος, η ασφάλεια, η διαθεσιμότητα και το κανονιστικό περιβάλλον.

Ακριβώς έτσι μπορεί σταδιακά να εξαφανίζεται μέρος του ορίου ανάμεσα στα «κλασικά» και τα «κρυπτο» χρηματοοικονομικά. Για τον χρήστη μπορεί να έχει μεγαλύτερη σημασία η ίδια η υπηρεσία παρά η τεχνολογία που λειτουργεί από κάτω.

Πώς μπορεί να μοιάζει η χρηματοοικονομική AI του μέλλοντος

Ας φανταστούμε μια μικρή εταιρεία που χρησιμοποιεί αρκετές ψηφιακές υπηρεσίες. Ο AI agent της μπορεί να ελέγχει τιμολόγια, να συγκρίνει το κόστος των υπηρεσιών cloud, να αγοράζει υπολογιστική ισχύ μόνο όταν πραγματικά χρειάζεται, να πληρώνει για API και να ειδοποιεί τον ιδιοκτήτη για ασυνήθιστες συναλλαγές.

Μέρος των πράξεων μπορεί να γίνεται μέσω κλασικού τραπεζικού λογαριασμού. Ορισμένες μικρές ψηφιακές πληρωμές μπορεί να είναι απλούστερο να διακανονίζονται με stablecoin. Ένα έξυπνο συμβόλαιο μπορεί στο μεταξύ να φροντίζει ώστε ο agent να μην υπερβαίνει τον μέγιστο ημερήσιο προϋπολογισμό.

Ο άνθρωπος παραμένει κάτοχος των κεφαλαίων και ορίζει τους κανόνες. Η AI χειρίζεται τις καθημερινές πράξεις ρουτίνας.

Ένα τέτοιο μοντέλο μπορεί να είναι πιο ρεαλιστικό από την ιδέα ότι η τεχνητή νοημοσύνη μια μέρα θα αναλάβει εξ ολοκλήρου τα χρηματοοικονομικά. Δεν πρόκειται απαραίτητα για την απομάκρυνση του ανθρώπου από το σύστημα. Μάλλον για την αλλαγή του ρόλου του – από εκτελεστή κάθε μεμονωμένου βήματος σε άνθρωπο που ορίζει τους κανόνες και ελέγχει τις σημαντικές αποφάσεις.

Συμπέρασμα

Η τεχνητή νοημοσύνη πιθανότατα δεν θα αλλάξει μόνο τα κρυπτονομίσματα. Ήδη σήμερα αλλάζει και την παραδοσιακή τραπεζική. Οι τράπεζες τη χρησιμοποιούν για τον εντοπισμό απατών, την ανάλυση κινδύνου ή την εξυπηρέτηση πελατών, ενώ στο περιβάλλον του blockchain εμφανίζονται τα πρώτα συστήματα στα οποία οι AI agents μπορούν να χρησιμοποιούν πορτοφόλια, έξυπνα συμβόλαια ή stablecoins. Το όριο ανάμεσα στα παραδοσιακά και τα αποκεντρωμένα χρηματοοικονομικά μπορεί έτσι σταδιακά να γίνεται λιγότερο έντονο.

Η μεγαλύτερη ευκαιρία της AI έγκειται στο ότι μπορεί να αναλύει, να αυτοματοποιεί και δυνητικά να κάνει προσβάσιμα σε ευρύτερο κύκλο ανθρώπων πολύπλοκα χρηματοοικονομικά συστήματα. Ο μεγαλύτερος κίνδυνος όμως πηγάζει από την ίδια ιδιότητα: αν επιτρέψουμε σε ένα σύστημα όχι μόνο να συμβουλεύει αλλά και να ενεργεί, ένα λάθος του μπορεί να έχει πραγματικές οικονομικές συνέπειες. Τα deepfakes, οι απάτες, τα λανθασμένα δεδομένα, τα απρόβλεπτα μοντέλα ή η υπερβολική συγκέντρωση ελέγχου θα είναι επομένως εξίσου σημαντικά θέματα με την ταχύτητα και την ευκολία.

Το μέλλον λοιπόν ίσως δεν θα είναι ζήτημα του «AI, τράπεζες ή κρυπτονομίσματα;». Πιο σημαντικό θα είναι πώς θα συνδεθούν αυτές οι τεχνολογίες. Ο τραπεζικός λογαριασμός, το πορτοφόλι blockchain, το stablecoin και ο AI agent μπορεί κάποια μέρα να λειτουργούν δίπλα δίπλα σε μία υπηρεσία. Και το βασικό ερώτημα δεν θα είναι μόνο τι μπορεί να κάνει η τεχνητή νοημοσύνη. Θα χρειαστεί επίσης να καθοριστεί με ακρίβεια τι επιτρέπεται να κάνει με τα χρήματά μας – και τι όχι.

Αυτό το κείμενο εξυπηρετεί αποκλειστικά ενημερωτικούς και εκπαιδευτικούς σκοπούς και δεν αποτελεί επενδυτική συμβουλή. Τα κρυπτο-περιουσιακά στοιχεία είναι ασταθή και μπορεί να χάσετε ολόκληρο το επενδυμένο ποσό.