ธนาคารใหญ่ทุกแห่งอ้างว่ากำลังใช้ปัญญาประดิษฐ์ พวกเขาประกาศใช้แชทบอทเพื่อบริการลูกค้า, ระบบตรวจจับการฉ้อโกง, และโต๊ะซื้อขายอัลกอริธึม แต่ส่วนใหญ่เหล่านี้เป็นการอัตโนมัติที่เพิ่มขึ้นชั้นในขั้นพื้น ฐานคอมพิวเตอร์อันเก่าแก่, ไม่ใช่การเปลี่ยนแปลงระดับพื้นฐาน.
คำถามที่แท้จริงในอุตสาหกรรมการเงินในปี 2025 คือธนาคารจะใช้ AI ไหม, แต่คือว่า AI จะรีเซ็ตธนาคารเองทางด้านพื้นฐานด้วยการเชื่อมต่อของ AI หมดยอดของระบบ ธนาคาร JPMorgan Chase ซึ่งเป็นธนาคารที่ใหญ่ที่สุดในโลกด้วยมูลค่าตลาด, กำลังดำเนินการตามสิ่งที่พวกเขาเรียกว่า "องค์กรที่เชื่อมต่อ AI ทั้งหมด," การให้ทุกพนักงานเข้าถึงตัวแทน AI การอัตโนมัติทุกกระบวนการเบื้องหลัง และการจัดประสบการณ์สำหรับลูกค้าแต่ละคนด้วย AI. มุมมองนี้ยาวไกล กว่าการอัตโนมัติระดับผิวที่เป็นลักษณะเฉพาะ
คำถามที่แท้จริงในอุตสาหกรรมการเงินในปี 2025 คือธนาคารจะใช้ AI หรือไม่, และ AI จะรีเซ็ตธนาคารเองทางด้านพื้นฐานด้วยการเชื่อมต่อของ
ความท้าทายมีมากมาย. บริษัทที่ปรึกษา McKinsey คาดการณ์ว่า AI สามารถสร้างมูลค่า ระหว่าง $200,000 และ $340,000 ล้านทั่วทั้งอุตสาหกรรมการธนาคารหากธนาคารควบคุมการใช้งาน ในด้านการปฏิบัติตามกฎหมาย การบริการลูกค้า การพัฒนาซอฟต์แวร์ และการจัดการความเสี่ยง. แต่การทุ่มเทหมายถึงมากกว่าการตั้งค่าเครื่องมือใหม่ มันต้องการการสร้างธนาคารใหม่จากรากฐาน, การเผชิญกับระบบที่ตั้งพื้นอย่างลึกซึ้ง, การเดินเรือเฟรมเวิร์กทางกฎหมายที่ไม่แน่นอน และการจัดการการเปลี่ยนแปลงแรงงานที่อาจจะเปลี่ยนรูปแบบการทำงานในอุตสาหกรรมทั้งหมด และความพึงพอใจของลูกค้า ซึ่งแก้ไขความท้าทายที่คงอยู่ในด้านธนาคารผู้บริโภค: ตัวแทนบริการลูกค้าต้องนำทางในคลังข้อมูลของผลิตภัณฑ์ ข้อกำหนดตามกฎหมาย และแนวทางปฏิบัติต่างๆ AI ที่สามารถค้นหาข้อมูลที่เกี่ยวข้องได้ทันทีจะเปลี่ยนแปลงประสิทธิภาพของพวกเขา
สำหรับทีมเทคโนโลยี JPMorgan ได้ปรับใช้ผู้ช่วยเขียนโค้ดที่มีบทบาทสำคัญในการปรับปรุงประสิทธิภาพการพัฒนาซอฟต์แวร์ โดยธนาคารเห็นการเพิ่มขึ้นของผลผลิต 10 ถึง 20 เปอร์เซ็นต์ เนื่องจาก Goldman Sachs ได้ติดตั้ง AI เชิงกำเนิดให้กับนักพัฒนาซอฟต์แวร์ 12,000 คน และอ้างถึงการเพิ่มประสิทธิภาพอย่างมีนัยสำคัญ แอปพลิเคชันนี้แสดงถึงแนวโน้มในอุตสาหกรรมโดยกว้าง การพัฒนาซอฟต์แวร์เป็นกรณีการใช้งานที่แข็งแกร่งสำหรับ AI โดยเฉพาะ เนื่องจากการเขียนโค้ดเกี่ยวข้องกับการแปลข้อกำหนดสู่ลำดับคำสั่งที่เป็นตรรกะ ซึ่งเป็นงานจับคู่รูปแบบและกำเนิดที่โมเดลภาษาเชี่ยวชาญ
แง่มุมที่มีความทะเยอทะยานมากที่สุดของการริเริ่มของ JPMorgan เกี่ยวข้องกับการเปลี่ยนจาก AI เชิงกำเนิดที่สร้างเนื้อหา ไปสู่ AI ที่เป็นเอเยนต์ซึ่งดำเนินการกระบวนการ ตามแผนงานภายใน JPMorgan ขณะนี้อยู่ในช่วงต้นของขั้นตอนถัดไปของแผนภาพ AI ของพวกเขา ซึ่งได้เริ่มปรับใช้ AI ที่เป็นเอเยนต์เพื่อจัดการงานหลายขั้นตอนซับซ้อนสำหรับพนักงาน โดยเอเยนต์เหล่านี้กำลังมีความสามารถและการเชื่อมต่อที่ทรงพลังยิ่งขึ้นทั่วทั้งองค์กร การเปลี่ยนแปลงนี้แสดงถึงการยกระดับบทบาทของ AI จากการช่วยเหลือมนุษย์สู่การดำเนินการที่อิสระ
วิสัยทัศน์ขยายไปสู่การบูรณาการองค์กรอย่างสมบูรณ์ วิสัยทัศน์ที่กว้างขวางของ JPMorgan คืออนาคตที่ธนาคารเป็นองค์กรที่เชื่อมโยงกับ AI อย่างเต็มที่ โดยพนักงานทุกคนมีเอเยนต์ AI, ทุกกระบวนการที่อยู่เบื้องหลังการเคลื่อนไหวอัตโนมัติ, และประสบการณ์ลูกค้าทุกอย่างได้รับการดูแลจัดการด้วย AI concierge อย่างไรก็ตาม การบรรลุวิสัยทัศน์นี้เผชิญกับอุปสรรคสำคัญ ถึงแม้จะมีงบประมาณเทคโนโลยีรายปี 18 พันล้านดอลลาร์ มันจะใช้เวลาหลายปีสำหรับ JPMorgan ที่จะตระหนักถึงศักยภาพของ AI โดยการผสานพลังการคิดของโมเดล AI เข้ากับข้อมูลเฉพาะและโปรแกรมซอฟต์แวร์ของธนาคาร ด้วยแอปพลิเคชันที่หลากหลายหลายพันตัวที่ต้องการงานสำคัญในการเชื่อมต่อไปยังระบบนิเวศ AI
ผลกระทบทางการเงินของการลงทุนใน AI ของ JPMorgan เริ่มปรากฏขึ้น รายได้ของไตรมาสแรกของธนาคารในปี 2025 สะท้อนถึงความสำคัญเชิงกลยุทธ์ของนวัตกรรมเหล่านี้ โดยรายงานกำไรสุทธิ 14.6 พันล้านดอลลาร์ เพิ่มขึ้น 9 เปอร์เซ็นต์เมื่อเทียบกับปีที่ผ่านมา โดยการลงทุนใน AI และเทคโนโลยีถูกอ้างถึงว่าเป็นปัจจัยสำคัญในประสิทธิภาพนี้ สิ่งนี้ยืนยันความกรณีทางธุรกิจสำหรับการเปลี่ยนแปลงสู่ AI แสดงให้เห็นว่าเทคโนโลยีให้ความสำเร็จที่วัดได้ แทนที่จะเพียงแค่บริโภคทรัพยากรในการแสวงหาประโยชน์ตามการคาดคะเน
แนวทางของ JPMorgan นำเสนอบทเรียนสำคัญเกี่ยวกับการเปลี่ยนแปลงสู่ AI ในระดับใหญ่ ก่อนอื่น ธนาคารให้ความสำคัญกับการใช้งานภายในที่เผชิญกับพนักงานก่อนที่จะเปิดตัวผลิตภัณฑ์ AI ที่เผชิญกับลูกค้า กลยุทธ์นี้อนุญาตให้สถาบันจับประโยชน์ในเรื่องประสิทธิภาพในทันที ในขณะที่ทดสอบเทคโนโลยีในสภาพแวดล้อมที่มีการควบคุมและมีความเสี่ยงต่ำกว่า ประการที่สอง สถาปัตยกรรมพอร์ทัลที่ใช้ประโยชน์จากโมเดลภายนอกหลาย เนื้อหา: สร้างการแจ้งเตือนจำนวนมากที่ต้องการการตรวจสอบด้วยตนเอง ส่วนใหญ่กลายเป็นบวกเท็จ ซึ่งใช้เวลาของเจ้าหน้าที่ปฏิบัติตามในขณะที่สร้างความเสี่ยงที่กิจกรรมที่น่าสงสัยจริงๆ อาจถูกฝังไว้ในเสียงรบกวน ระบบ AI ใช้การจดจำรูปแบบที่ซับซ้อนมากขึ้น เรียนรู้จากข้อเสนอแนะแจ้งเตือนใดพิสูจน์แล้วว่ามีความหมาย และปรับปรุงอัตราส่วนสัญญาณต่อเสียงได้อย่างมาก
การประเมินความเสี่ยงด้านเครดิตแสดงให้เห็นว่า AI ช่วยให้การประเมินมีความละเอียดอ่อนมากขึ้นได้อย่างไร การประเมินความเสี่ยงด้านเครดิตได้พัฒนาจากการวิเคราะห์ 8 ถึง 10 ตัวแปรไปเป็นระบบที่ซับซ้อนที่สามารถประมวลผลปัจจัยที่แตกต่างกันกว่า 100 ปัจจัยพร้อมกัน สิ่งนี้ทำให้ธนาคารสามารถขยายเครดิตไปยังลูกค้าที่อาจถูกปฏิเสธโมเดลการให้คะแนนแบบดั้งเดิมในขณะที่ระบุผู้กู้ที่มีความเสี่ยงสูงได้แม่นยำยิ่งขึ้น ความหมายสำหรับการรวมทางการเงินมีความสำคัญ - บุคคลและธุรกิจขนาดเล็กจำนวนมากที่ไม่ได้รับเครดิตในอดีตเพราะพวกเขาไม่เข้ากับโปรไฟล์มาตรฐานอาจเข้าถึงได้ผ่านระบบ AI ที่สามารถจดจำความน่าเชื่อถือของเครดิตผ่านข้อมูลทางเลือกและการวิเคราะห์ที่ซับซ้อนมากขึ้น
การจัดการความเสี่ยงด้านการตลาดได้ประโยชน์จากความสามารถของ AI ในการประมวลผลข้อมูลตลาดจำนวนมหาศาล ข่าวสาร และความรู้สึกในโซเชียลมีเดียแบบเรียลไทม์ ระบุความสัมพันธ์และการทำนายรูปแบบความผันผวนที่แจ้งตำแหน่งการซื้อขายและกลยุทธ์การป้องกันความเสี่ยง เครื่องมือ AI วิเคราะห์ข้อมูลตลาดได้เร็วและแม่นยำกว่ามนุษย์ มองเห็นแนวโน้มและทำนายพฤติกรรมด้วยความแม่นยำที่เหนือกว่า
การปฏิบัติตามกฎระเบียบอาศัย AI มากขึ้นเรื่อยๆ เพื่อจัดการกับความซับซ้อนของกฎระเบียบทางการเงิน การลงทุนเช่นการถือหุ้นของ BBVA ใน Parcha ซึ่งสร้างตัวแทน AI ระดับองค์กรที่ทำงานอัตโนมัติสำหรับงานการปฏิบัติตามกฎระเบียบและการดำเนินงาน เช่น การทบทวนเอกสาร การดึงข้อมูลและการตัดสินใจในการเริ่มต้นใช้งาน การปฏิบัติตามกฎระเบียบ และการจัดการความเสี่ยง แสดงให้เห็นว่าธนาคารยอมรับว่า AI เป็นสิ่งจำเป็นในการจัดการภาระด้านกฎระเบียบ ปริมาณของข้อกำหนดด้านกฎระเบียบ ความถี่ของการอัปเดต และความจำเป็นในการประยุกต์ใช้กฎอย่างสม่ำเสมอในหลายพันธุรกรรมทำให้การปฏิบัติตามข้อกำหนดกลายเป็นสิ่งที่เหมาะสำหรับ AI
การดำเนินงานด้านคลังและการซื้อขาย: ความเร็วและความแม่นยำ
การซื้อขายเป็นหนึ่งในการใช้งาน AI ที่เร็วที่สุดและทั่วไประดับหนึ่งในอุตสาหกรรมการธนาคาร การซื้อขายเชิงอัลกอริทึมครองตลาดหุ้นมาหลายปี โดยระบบที่ขับเคลื่อนด้วย AI ทําการซื้อขายด้วยความเร็วระดับไมโครวินาที, จัดการพอร์ตการลงทุนที่ซับซ้อน และระบุโอกาสในการเก็งกำไรได้เร็วกว่าที่มนุษย์คนใดจะเข้าใจได้
การใช้ AI ในปัจจุบันครอบคลุมไปไกลกว่าการซื้อขายเชิงอัลกอริทึมแบบดั้งเดิมในแอปพลิเคชันที่ซับซ้อนมากขึ้น ขณะนี้ระบบ AI ได้รวมการประมวลผลภาษาธรรมชาติเข้าด้วยกันเพื่อวิเคราะห์การถอดข้อความการประชุมรายได้ บทความข่าว และโซเชียลมีเดียสำหรับสัญญาณความรู้สึกที่อาจเคลื่อนไหวในตลาด พวกเขาใช้การเรียนรู้ของเครื่องเพื่อตระหนักถึงรูปแบบในกระแสคำสั่งที่บ่งบอกถึงการวางตำแหน่งของสถาบัน พวกเขาปรับกลยุทธ์การดำเนินการซื้อขายให้เหมาะสมตามการวิเคราะห์โครงสร้างตลาดระดับจุลภาคที่พิจารณาสภาพคล่อง ความผันผวน และต้นทุนธุรกรรมในหลายสถานที่
การดำเนินงานทางการคลังได้รับประโยชน์จากความสามารถของ AI ในการจัดการสภาพคล่องให้ดีที่สุด โดยทำนายกระแสเงินสดข้ามสถาบัน กำหนดการใช้เงินทุนที่เหมาะสมที่สุด และจัดการข้อกำหนดเกี่ยวกับหลักประกันได้อย่างมีประสิทธิภาพ ฟังก์ชันสนับสนุนเหล่านี้ขาดความสง่างามของการซื้อขายแดนในหน้า แต่แสดงถึงความซับซ้อนในการดำเนินงานอย่างมากและโอกาสในการปรับปรุงให้เหมาะสมอย่างมาก
การดำเนินงาน: การเปลี่ยนแปลงที่มองไม่เห็น
การดำเนินงานธนาคาร - ฟังก์ชันที่อยู่เบื้องหลังที่เป็นการเข้าชำระการค้า, กระทบยอดบัญชี, ดำเนินการชำระเงิน, และระบบบำรุงรักษา - เป็นโอกาสใหญ่ที่สุดเดียวสำหรับการเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย AI ฟังก์ชันเหล่านี้จ้างคนจำนวนมากที่ทำงานซ้ำ ๆ ที่อาศัยกฎที่ AI สามารถจัดการได้เพิ่มขึ้นเรื่อย ๆ
การทำงานอัตโนมัติด้วยพลัง AI สามารถลดค่าใช้จ่ายในการดำเนินงานธนาคารตามกิจวัตรลง 25 ถึง 30 เปอร์เซ็นต์สำหรับสถาบันเช่น Wells Fargo ใช้ AI เพื่อทำงานอัตโนมัติในกระบวนการจำนอง การประหยัดค่าใช้จ่ายในการดำเนินงานไว้หลายล้านในแต่ละปี ในขณะที่ Citibank รายงานว่า AI ลดเวลาในการประมวลผลเอกสารลง 60 เปอร์เซ็นต์ ซึ่งช่วยให้เกิดการประหยัดค่าใช้จ่ายอย่างมาก การเพิ่มประสิทธิภาพเหล่านี้จะปรากฏไม่เพียงแต่ในต้นทุนที่ลดลง แต่ยังในเวลาการดำเนินงานที่เร็วขึ้น ข้อผิดพลาดที่น้อยลง และประสบการณ์ของลูกค้าที่ดีขึ้น
ผลกระทบต่อการจ้างงานในงานธนาคารนั้นลึกซึ้ง ตำแหน่งงานเหล่านี้เป็นงานประเภทที่ระบบ AI เก่งในการทำงานอัตโนมัติ - งานที่มีปริมาณสูง, มีกฎเกณฑ์, งานซ้ำ ๆ ที่ต้องการความถูกต้อง แต่ไม่ต้องการการแก้ปัญหาเชิงสร้างสรรค์หรือการตัดสินที่จะซับซ้อน ธนาคารกำลังเผชิญคำถามที่ยากลำบากเกี่ยวกับวิธีจัดการการเปลี่ยนแปลงแรงงาน เมื่อการทำงานอัตโนมัติกำจัดงานที่ปัจจุบันมีคนหลายแสนคนทำอยู่
Agentic AI: การเปลี่ยนแปลงทางเทคโนโลยีที่เด็ดขาด
ความเข้าใจในสิ่งที่ทำให้การเปลี่ยนแปลง AI ในปัจจุบันแตกต่างอย่างเป็นพื้นฐานจากคลื่นการทำงานอัตโนมัติก่อนหน้านี้ของธนาคารต้องการการศึกษา Agentic AI - ระบบที่สามารถให้เหตุผลและดำเนินการหลายขั้นตอนด้วยตนเองโดยมีมนุษย์ควบคุมเล็กน้อย นี่แสดงถึงการก้าวกระโดดเชิงคุณภาพเกินกว่าแอปพลิเคชัน AI ก่อนหน้านี้
การก้าวหน้าด้านเทคนิคที่ทำให้ Agentic AI เป็นไปได้เกิดขึ้นจากการพัฒนารุ่นของภาษาที่มีขนาดใหญ่ โมเดลเหล่านี้แสดงให้เห็นถึงความสามารถในการให้เหตุผลทั่วไปบางอย่าง - พวกเขาสามารถเข้าใจคำแนะนำที่ซับซ้อน แยกปัญหาออกเป็นส่วน ๆ สร้างแผน และประเมินตัวเลือกต่าง ๆ เมื่อรวมกับความสามารถในการใช้เครื่องมือและเข้าถึงข้อมูล พวกเขาจะสามารถประพฤติปฏิบัติแบบอิสระที่ซับซ้อนได้Here is the requested translation formatted as specified, with markdown links not translated:
as these agents make more consequential decisions, requiring robust governance frameworks, continuous monitoring, and ethical guardrails to manage risk and compliance. Banks deploying agentic AI must develop new governance frameworks that account for autonomous AI decision-making while maintaining accountability and regulatory compliance.
การเปลี่ยนแปลงของแรงงาน: มากกว่าความกังวลเรื่องการอัตโนมัติ
ผลกระทบของ AI ต่อการจ้างงานในธนาคารนั้นกว้างขวางมากกว่าการแทนที่พนักงานด้วยการอัตโนมัติ ตนเอง ผลกระทบปรากฏผ่านพลวัตที่ซับซ้อนเกี่ยวกับการเปลี่ยนแปลงขององค์ประกอบแรงงาน ข้อกำหนดทักษะ และการกระจายแรงงานทางภูมิศาสตร์ รวมถึงคำถามพื้นฐานเกี่ยวกับธรรมชาติในอนาคตของการจ้างงานในภาคธนาคาร
ความเป็นจริงของการแทนที่
บริษัท Citigroup ได้เผยแพร่รายงานวิจัยที่ทำนายว่า ปัญญาประดิษฐ์จะทำให้การจ้างงานในอุตสาหกรรมธนาคารหายไป 54% ซึ่งมากกว่าในภาคส่วนอื่น ๆ และรายงานของ Bloomberg Intelligence พบว่าธนาคารทั่วโลกคาดว่าจะลดการจ้างงานลงถึง 200,000 ตำแหน่งในอีก 3-5 ปีข้างหน้าเมื่อ AI รับหน้าที่มากขึ้น การพยากรณ์นี้สะท้อนความเป็นจริงที่ว่าภาคธนาคารจ้างงานจำนวนมากในบทบาทที่เกี่ยวข้องกับการประมวลผลข้อมูล การวิเคราะห์ และการตัดสินใจ ซึ่งเป็นงานประเภทที่ระบบ AI แสดงความสามารถเพิ่มขึ้นอย่างต่อเนื่อง
หัวหน้าฝ่ายธนาคารผู้บริโภคของ JPMorgan บอกนักลงทุนว่ากลุ่มงานการปฏิบัติงานจะลดลงอย่างน้อย 10% ซึ่งเป็นการบ่งบอกเฉพาะเจาะจงถึงขนาดของการลดจำนวนพนักงานที่แม้กระทั่งสถาบันชั้นนำคาดหวัง ผลกระทบกระจายไม่เท่ากันในบทบาทต่าง ๆ ผู้ที่เสี่ยงต้องหาตำแหน่งใหม่ยังรวมถึงเจ้าหน้าที่ปฏิบัติงานและเจ้าหน้าที่สนับสนุนที่มักดำเนินการกระบวนการซ้ำ ๆ เช่น การเปิดบัญชี การตรวจจับการฉ้อโกง หรือการค้าขาย ขณะที่การเปลี่ยนแปลงก็เป็นที่ต้องการของผู้ที่ทำงานโดยตรงกับลูกค้า เช่น นักธุรกิจธนาคารที่มีรายชื่อลูกค้ามั่งคั่ง นักเทรดที่คาบเกี่ยวกับผู้จัดการกองทุนเฮดจ์ฟั่นด์และกองทุนบำนาญ หรือพนักงานธนาคารนักลงทุนสัมพันธ์กับ CEO ของ Fortune 500
นี่สร้างความแยกตัวในด้านการจ้างงานธนาคาร บทบาทที่ต้องใช้ทักษะสูงซึ่งเกี่ยวข้องกับการจัดการความสัมพันธ์ การตัดสินเชิงกลยุทธ์ และทักษะการติดต่อสื่อสารยังคงมีค่าและอาจมีค่ามากขึ้นเมื่อ AI รับงานวิเคราะห์สนับสนุน บทบาทที่มีทักษะระดับกลางที่เกี่ยวข้องกับการประมวลผลข้อมูลที่เป็นมาตรฐานและการวิเคราะห์เผชิญความเสี่ยงที่จะถูกแทนที่มากที่สุด ตำแหน่งระดับเริ่มต้นที่ในอดีตเคยเป็นที่ฝึกอบรมในสายอาชีพธนาคารอาจหายไปเป็นส่วนมาก ซึ่งทำให้เกิดคำถามเกี่ยวกับวิธีการที่สถาบันพัฒนาผู้บริหารอาวุโสในอนาคต
Dario Amodei ซีอีโอของบริษัท AI Anthropic กล่าวว่าราวครึ่งหนึ่งของงานสีขาวในระดับเริ่มต้นในเทคโนโลยี การเงิน กฎหมาย และที่ปรึกษาอาจถูกแทนที่หรือกำจัดโดย AI การประมาณการนี้ท้าทายต่อแบบจำลองการพัฒนาสายอาชีพแบบดั้งเดิมในบริการระดับมืออาชีพที่พนักงานจูเนียร์เรียนรู้โดยการทำภารกิจธรรมดาภายใต้การควบคุมของบุคลากรอาวุโส หาก AI กำจัดบทบาทระดับเริ่มต้นเหล่านี้ สถาบันต้องพัฒนาเส้นทางอื่น ๆ ในการพัฒนาความเชี่ยวชาญและก้าวหน้าในอาชีพ
การฝึกอบรมใหม่: คำสัญญาและขีดจำกัด
การสำรวจโดย Federal Reserve Bank of New York พบว่าการใช้ AI ในองค์กรต่าง ๆ มักส่งผลให้มีการฝึกอบรมพนักงานใหม่มากกว่าการไล่ออก โดย AI มีแนวโน้มที่จะส่งผลให้มีการฝึกอบรมใหม่มากกว่าการสูญเสียงานสำหรับผู้ที่มีงานในปัจจุบัน แม้ว่า AI จะมีอิทธิพลต่อการสรรหา กับบางองค์กรที่ลดการจ้างงานลงเพราะ AI และบางองค์กรเพิ่มพนักงานที่มีความเชี่ยวชาญในการใช้งาน นี่หมายความว่าสถาบันยอมรับคุณค่าของการรักษาพนักงานที่มีประสบการณ์และช่วยให้พวกเขาปรับตัวเข้าสู่บทบาทใหม่แทนที่จะเพียงแทนที่พวกเขาด้วย AI
อย่างไรก็ตาม งานวิจัยเกี่ยวกับการฝึกอบรมแสดงให้เห็นภาพที่เป็นกลางมากขึ้น โปรแกรมวิชาการฝึกงานภายใต้ Workforce Innovation and Opportunity Act มักส่งผลให้การหารายได้ของพนักงานที่ถูกแทนที่เพิ่มขึ้น แต่ผู้ที่เข้าสู่สายอาชีพที่มีการเปิดรับ AI สูงจะเห็นการเพิ่มขึ้นน้อยลงประมาณ 25 ถึง 29 เปอร์เซ็นต์น้อยกว่าผู้ที่เข้าสู่งานที่มีการเปิดรับ AI ต่ำ โดยเฉพาะบางสาขา เช่น กฎหมาย การคำนวณ และศิลปะที่แสดงถึงสภาพโอกาสในการฝึกอบรมใหม่ที่ดีเข้าสู่ตำแหน่งงานมีรายได้ดีในสาขาที่เปิดรับ AI ทุก ๆ นี้บ่งบอกว่าการฝึกอบรมใหม่ช่วยได้แต่ไม่สมบูรณ์ในการชดเชยพนักงานที่ถูกแทนที่โดย AI.
ความท้าทายนี้ขยายเกินกว่าความสามารถของบุคคลอย่างเดียวไปยังความสามารถของระบบ รายงานของ World Economic Forum คาดการณ์ว่าจะมีการแทนที่งาน 92 ล้านตำแหน่งภายในปี 2030 แต่จะมีการสร้างงานใหม่ตามทักษะ 170 ล้านตำแหน่ง ถึงแม้สถานการณ์สุทธิเป็นบวกนี้จะเป็นจริง แต่การเปลี่ยนยังเกิดแรงเสียดต่อนับไม่ถ้วน ขณะที่พนักงานที่ถูกแทนที่ต้องได้รับทักษะใหม่ ตลาดแรงงานทางภูมิศาสตร์ต้องปรับตัว และสถาบันต้องปรับให้เข้ากับรูปแบบแรงงานใหม่ ความสำคัญอยู่ที่โครбияถ้าการเปลี่ยนที่เกิดเร็วกว่าการสร้างงานและการฝึกอบรมใหม่ ระยะเวลาของการขัดขวางอาจยากลำบากและยาวนาน
McKinsey Global Institute ประเมินว่าประมาณ 375 ล้านคนทั่วโลก - ประมาณ 14% ของแรงงาน - จะต้องได้รับการฝึกอบรมใหม่มากที่สุดภายในปี 2030 เพื่อยืนหยัดในฐานะทางเศรษฐกิจในปัจจุบัน การเปลี่ยนแปลงนี้เกินกว่าที่คาดการณ์เท่านั้น ขนาดของความท้าทายในการฝึกอบรมนี้เกินกว่าทุกสิ่งที่เคยพยายามในประวัติศาสตร์เศรษฐกิจสมัยใหม่ ทำให้เกิดคำถามที่จริงจังว่าโครงสร้างการฝึกอบรมที่มีอยู่สามารถตอบสนองความต้องการได้หรือไม่
การกระจายทางภูมิศาสตร์
ผลกระทบของ AI ต่อการจ้างงานในธนาคารขยายไปถึงการกระจายงานทางภูมิศาสตร์ ธนาคารได้รวมศูนย์การดำเนินการเบื้องหลังในสถานที่ต้นทุนต่ำเป็นสิ่งทั่วไป - บังกาลอร์ ไฮเดอราบัด กวางโจว มะนิลา และศูนย์ที่อยู่นอกฝั่งอื่น ๆ HSBC ประสบปัญหาขาดแคลนที่นั่งเกือบ 10,000 ที่ในสถานที่เช่นบังกาลอร์ ไฮเดอราบัด และกวางโจวที่นักเทคโนโลยีและบุคลากรทำงานในเบื้องหลัง และธนาคารอยู่ระหว่างการเจรจากับบริษัทในการทำอัตโนมัติการดำเนินการเบื้องหลังเพื่อลดฐานต้นทุน หาก AI สามารถทำงานที่เคยถูกส่งออกประเทศ การกระจายงานในอุตสาหกรรมธนาคารอาจเปลี่ยนแปลงอย่างมาก มีความหมายสำคัญสำหรับเศรษฐกิจที่พัฒนาแล้วและที่กำลังพัฒนา
นี่สร้างพลวัตที่ซับซ้อน เศรษฐกิจที่กำลังพัฒนาได้สร้างภาคส่วนสำคัญที่ให้บริการแก่ธนาคารหลายชาติที่ยิ่งใหญ่ หาก AI ทดแทนงานนี้ มันก็ยกเลิกการจ้างงานที่ยกพลหลายล้านคนเข้าสู่ความเจริญทางชนชั้นกลางได้ ในเวลาเดียวกัน ธนาคารอาจรวมการดำเนินการใกล้สำนักงานใหญ่ของพวกเขามากขึ้นหากจำนวนบุคลากรจริงไม่สำคัญ สิ่งนี้อาจสวนทางแนวโน้มการส่งออก แต่สร้างแรงงานที่ลดลงในภาพรวม
บทบาทและทักษะใหม่
การแทนที่งานเป็นเพียงส่วนหนึ่งของเรื่องราวการจ้างงาน AI ยังสร้างบทบาทใหม่ที่ไม่เคยมีมาก่อน ขณะที่ระบบ AI กลายเป็นส่วนที่ฝังแน่นในการดำเนินงานของธนาคาร ระบบแรงงานคู่ขนานเกิดขึ้นเพื่อจัดการ ตรวจสอบ และปรับแต่งเทคโนโลยีเหล่านี้ โดยมีผู้ตรวจสอบ AI ตรวจสอบให้แน่ใจว่าอัลกอริธึมทำงานภายในกรอบกฎหมายและจริยธรรม เจ้าหน้าที่จริยธรรมประเมินโมเดล AI สำหรับความลำเอียงและผลกระทบที่ไม่พึงประสงค์ และนักฝึกอบรมคน-เครื่องอย่างต่อเนื่องให้อาหารข้อมูลกับโมเดลการเรียนรู้เชิงเครื่องจักรและปรับแต่งผลลัพธ์ตามพฤติกรรมของลูกค้า
บทบาทเหล่านี้ต้องการการผสมผสานของความเชี่ยวชาญเฉพาะทางและความเข้าใจเทคนิค ผู้ตรวจสอบ AI ในการให้สินเชื่อต้องเข้าใจทั้งการประเมินความเสี่ยงด้านสินเชื่อและพฤติกรรมของโมเดลการเรียนรู้เชิงเครื่องจักร เจ้าหน้าที่จริยธรรมต้องเข้าใจทั้งการปฏิบัติตามกฎระเบียบและความลำเอียงเชิงอัลกอริธึม บทบาทผสมผสานเหล่านี้ต้องการค่าตอบแทนพิเศษแต่ต้องการทักษะที่พนักงานปัจจุบันจำนวนน้อยมีอยู่ ทำให้เกิดการขาดแคลนทักษะ แม้ในขณะที่ AI ทดแทนพนักงานจากบทบาทการธนาคารอื่น ๆ
การเกิดขึ้นของ AI เชิงปัญญาดูเสมือนกับผลกระทบที่ Microsoft Excel มีในปี 1980 ที่ทุกคนพูดว่ามันจะกำจัดผู้ที่ทำการเงิน แต่แทนที่เปลี่ยนวิธีการทำงานของพวกเขา การเปรียบเปรยทางประวัติศาสตร์นี้บ่งบอกว่า AI อาจส่งการขยายความสามารถทางการธนาคารในท้ายที่สุดแทนที่จะเพียงแทนที่พนักงาน Excel ไม่ได้กำจัดนักวิเคราะห์การเงิน มันทำให้พวกเขาสามารถทำการวิเคราะห์ซับซ้อนมากขึ้นได้รวดเร็วขึ้น การเพิ่มความคาดหวังสำหรับความลึกในการวิเคราะห์และสร้างความต้องการสำหรับนักวิเคราะห์ที่สามารถใช้เครื่องมือนี้ได้อย่างมีประสิทธิภาพ AI อาจตามคู่ขนานแบบนี้ ที่ธนาคารที่ใช้มันอย่างมีประสิทธิภาพสามารถให้บริการที่ซับซ้อนมากขึ้น กับลูกค้าหลายคนมากขึ้น และในที่สุดก็จ้างแรงงานจำนวนมากในบทบาทที่ถูกปรับแต่งใหม่
การเปลี่ยนแปลงด้านการจ้างงานในที่สุดขึ้นอยู่กับวิธีการที่สถาบันจัดการการเปลี่ยนแปลง ธนาคารที่ลงทุนในโปรแกรมฝึกอบรมทั้งหมด สร้างเส้นทางสำหรับพนักงานที่ถูกแทนที่เข้าสู่บทบาทใหม่ และดำเนินการใช้ AI เพื่อเสริมสร้างแทนที่จะเพียงแค่ทดแทนคนอาจเกิดการขัดขวางน้อยที่สุด ผู้ที่ดำเนินการต่อ AI เป็นพื้นฐานของการลดค่าใช้จ่ายโดยการลดจำนวนพนักงานจะสร้างการเปลี่ยนแปลงที่น่าปวดหัวมากขึ้นสำหรับพนักงาน ในขณะที่อาจจะเสียสละความรู้และความชำนาญของสถาบันที่พิสูจน์ได้ว่ายากที่จะทำซ้ำด้วย AI เพียงอย่างเดียว
พลวัตการแข่งขันและความได้เปรียบทางกลยุทธ์
หาก JPMorgan สามารถเอาชนะแบงค์อื่น ๆ ในการนำ AI มาใช้ มันจะสามารถเพลิดเพลินกับระยะเวลาของขอบมุมที่สูงขึ้นก่อนที่อุตสาหกรรมจะไล่ตามทัน การสังเกตนี้บันทึกพลวัตการแข่งขันที่ขับเคลื่อนการลงทุน AI มหาศาลในภาคธนาคาร ผู้เคลื่อนไหวแรกได้เปรียบชั่วคราว แต่ข้อได้เปรียบนั้นจะลดลงเมื่อคู่แข่งนำความสามารถคล้ายกันมาใช้ โดยในที่สุดเป็นการผลักดันอุตสาหกรรมทั้งหมดไปสู่ระดับประสิทธิภาพที่สูงขึ้นที่กลายเป็นมาตรฐานใหม่
รูปแบบนี้สะท้อนการเปลี่ยนแปลงเทคโนโลยีก่อนหน้านี้ในภาคธนาคาร เมื่อ ATM เกิดขึ้น ผู้ใช้สิทธิอย่างแรกได้รับประโยชน์จากค่าใช้จ่ายและความสะดวกสบายของลูกค้า แต่ ATM กลายเป็นสิ่งทั่วไปอย่างรวดเร็ว และข้อได้เปรียบเปลี่ยนไปที่ธนาคารที่ใช้พวกมันมากที่สุดและรวมพวกมันอย่างมีประสิทธิภาพเข้ากับการเสนอบริการที่กว้างขึ้น การธนาคารออนไลน์ตามแนวโน้มที่คล้ายกัน - ผู้นำเริ่มแรกได้รับข้อได้เปรียบในการดึงลูกค้า แต่ภายในไม่กี่ปี ธนาคารทุกแห่งจำเป็นต้องมีความสามารถออนไลน์ในการแข่งขัน AI ดูเหมือนว่าจะตามแนวโน้มนี้ แต่ด้วยผลกระทบที่อาจจะมากขึ้นTranslation:
งบประมาณเทคโนโลยีทำให้นำเสนอโอกาสลงทุนที่สถาบันเล็กกว่าทำตามไม่ได้ การสร้างระบบ AI ที่ซับซ้อน ต้องการทรัพยากรที่สนับสนุนธนาคารใหญ่ที่สุด สิ่งนี้อาจเร่งการรวมกิจการในอุตสาหกรรมเมื่อธนาคารเล็กไม่สามารถตามทันคู่แข่งที่ใช้ AI
ข้อสอง ข้อได้เปรียบด้านข้อมูลสร้างผลตอบแทนทบต้น ระบบ AI พัฒนาขึ้นด้วยการรับข้อมูลมากขึ้น และธนาคารใหญ่ประมวลผลธุรกรรมมากกว่า มีลูกค้าและดำเนินงานในตลาดจำนวนมากกว่า ข้อมูลเหล่านี้ทำให้ AI มีความ sophistication สูงขึ้น มอบประสบการณ์ที่ดีกว่าแก่ลูกค้า ดึงดูดลูกค้าเพิ่มและสร้างข้อมูลมากขึ้น วงจรเสริมนี้ให้ประโยชน์แก่ธนาคารเดิมที่มีฐานลูกค้าจำนวนมาก
ข้อสาม โครงสร้างพื้นฐานเก่าทั้งจำกัดและกำหนดการประยุกต์ใช้ AI ธนาคารใช้เทคโนโลยีที่สะสมมาหลายสิบปีโดยมีระบบหลักทำงานบนเมนเฟรมควบคู่กับแอปพลิเคชันบนคลาวด์สมัยใหม่ มีช่องว่างคุณค่า ระหว่างขีดความสามารถของเทคโนโลยีกับความสามารถในการใช้งานจริง ธนาคารที่มีโครงสร้างพื้นฐานทันสมัยสามารถนำ AI ไปใช้ได้รวดเร็วและครอบคลุมกว่าสถาบันที่ต่อสู้กับระบบเก่า
ข้อสี่ ความสามารถในการปฏิบัติตามกฎระเบียบมีความสำคัญมากขึ้นเรื่อยๆ ธนาคารดำเนินในสิ่งแวดล้อมที่มีการกำกับดูแลสูง การนำเทคโนโลยีใหม่มาใช้ต้องแสดงว่าเป็นไปตามข้อกำหนดด้านความโปร่งใส ความยุติธรรม ความปลอดภัย และความน่าเชื่อถือ สถาบันที่มีโครงสร้างการปฏิบัติตามกฎระเบียบที่ซับซ้อนและความสัมพันธ์กับหน่วยงานกำกับดูแลที่แข็งแกร่งสามารถรับมือกับความท้าทายของ AI ได้ดีกว่า
การกำหนดโครงสร้างอุตสาหกรรมมีผลต่อการแสดงข้อได้เปรียบด้าน AI ในบริการธนาคารที่เป็นสินค้าโภคภัณฑ์สูง เช่น การประมวลผลการชำระเงิน บัญชีเงินฝากพื้นฐาน สินเชื่อง่ายๆ ข้อได้เปรียบด้านประสิทธิภาพที่ขับเคลื่อนด้วย AI จะช่วยลดต้นทุน ในบริการที่แตกต่าง เช่น การบริหารจัดการความมั่งคั่ง, การธนาคารเพื่อการลงทุน สามารถพัฒนาบริการเพื่อรองรับการตั้งราคาพิเศษและเพิ่มส่วนแบ่งตลาดได้
Citigroup ติดอาวุธให้กับนักพัฒนาจำนวน 30,000 คนด้วยเครื่องมือสร้างโค้ด AI จัดโรลเอาท์แพลตฟอร์มเพิ่มประสิทธิภาพเข้ากับทีมงานขนาดใหญ่ ในขณะที่ Goldman Sachs ให้พนักงานประมาณ 10,000 คนใช้งานผู้ช่วย AI การเปลี่ยนแปลงในลักษณะนี้โดยคู่แข่งหลักของ JPMorgan ชี้ให้เห็นว่า AI ได้กลายเป็นความจำเป็นในอุตสาหกรรม ห้ามธนาคารใหญ่ละเลย AI และพลวัตการแข่งขันจะทำให้การลงทุนใน AI ยังคงเพิ่มขึ้นเรื่อย ๆ
มิติทางภูมิศาสตร์ของการแข่งขันเพิ่มความซับซ้อน Bank of America ลงทุน 4 พันล้านดอลลาร์ใน AI และโครงการเทคโนโลยีใหม่ในปี 2025 ซึ่งคิดเป็นเกือบหนึ่งในสามของต้นทุนเทคโนโลยี 13 พันล้านดอลลาร์ต่อปี ธนาคารอเมริกันต้องแข่งขันไม่เพียงแต่กันเอง แต่ยังมาจากสถาบันยุโรป ธนาคารเอเชีย และบริษัท Big Tech ที่อาจเข้าสู่บริการทางการเงิน ธนาคารจีนใช้ AI อย่างกว้างขวางในการชำระเงินผ่านมือถือและการให้สินเชื่อ ธนาคารยุโรปเผชิญกับแรงกดดันด้านกฎระเบียบที่ทั้งมีข้อจำกัดและกำหนดการประยุกต์ใช้ AI และสถาบันเอเชียอย่าง DBS และ HSBC มีแนวทางการดิจิทัลที่เข้มข้น
Big Tech แสดงถึงพลวัตการแข่งขันที่น่าสนใจ โดย companies เช่น Google, Amazon และ Microsoft มีความสามารถ AI ระดับโลก ทรัพยากรการคำนวณมากมาย ผู้ใช้งานจำนวนมหาศาล แม้ว่าข้อจำกัดทางกฎระเบียบจะมีการจำกัดการขยายอุตสาหกรรมในบางปราการ แต่พวกไทยังคงเสนอเซอร์วิสทางการเงินที่เขตขอบเขต – การชำระเงิน การให้สินเชื่อ การวางแผนทางการเงิน หากหน่วยงานกำกับดูแลอนุญาตให้ Big Tech มีส่วนร่วมทางการธนาคารในระดับลึกกว่า แพลตฟอร์ม AI ที่ดำเนินการโดยยักษ์ใหญ่ด้านเทคโนโลยีอาจจะพลิกโฉมธุรกิจธนาคารแบบแผนพื้นฐานได้
ผลลัพธ์การแข่งขันขั้นสุดท้ายยังไม่แน่นอน AI อาจขยายความได้เปรียบที่ถือโดยสถาบันที่ใหญ่ที่สุดและมีความซับซ้อนที่สุด ซึ่งจะนำไปสู่การรวมกิจการของอุตสาหกรรม ทางเลือกอื่น AI อาจลดอุปสรรคในการเข้าสู่อุตสาหกรรมโดยทำให้สถาบันขนาดเล็กสามารถให้บริการที่ซับซ้อนได้โดยไม่ต้องมีพนักงานจำนวนมาก ให้อุตสาหกรรมจะถูกแยกเป็นสองข้าง ข้างหนึ่งมีธนาคารใหญ่หลวงที่ขับเคลื่อนด้วย AI ที่มีประสิทธิภาพในการแข่งขันกับสถาบันเฉพาะทางที่ใช้ AI โดดเด่นในช่องที่เจาะจง
ความเป็นจริงในการดำเนินงาน: ความท้าทายของช่องว่างมูลค่า
มีช่องว่างมูลค่าระหว่างความสามารถของเทคโนโลยีกับความสามารถที่จะตอบสนองสิ่งนั้นภายในองค์กร บริษัทที่ทำงานในหลายพันของแอปพลิเคชันที่แยกกันต้องการการทำงานมากสำคัญในการเชื่อมแอปพลิเคชันเหล่านั้นเข้ากับระบบ AI และทำให้สามารถบริโภคได้ การสังเกตนี้โดยหัวหน้าฝ่ายวิเคราะห์ข้อมูลของ JPMorgan สะท้อนถึงความท้าทายหลักในการเปลี่ยนแปลง AI ในการธนาคาร ในขณะที่เทคโนโลยีมีศักยภาพสูงกว่าที่สถาบันสามารถนำนำมาใช้ได้จริงในขณะนี้
หลายปัจจัยสร้างช่องว่างนี้ ข้อแรก โครงสร้างพื้นฐานเก่าเป็นอุปสรรคใหญ่ในการผนวกรวม ธนาคารดำเนินการระบบที่สำคัญมาจากทศวรรษ 1960 และ 1970, เขียนด้วย COBOL และทำงานบนเมนเฟรม ระบบเหล่านี้จัดการฟังก์ชันต่าง ๆ เช่นการจัดการบัญชี การประมวลผลธุรกรรม และการเคลียริ่งการชำระเงิน การเชื่อมต่อกับระบบ AI จำเป็นต้องพัฒนาอินเตอร์เฟซที่กว้างขวาง ผ่านการทดสอบอย่างเข้มงวด และดำเนินการบริหารความเสี่ยงอย่างระมัดระวัง
ความซับซ้อนทวีคูณเพราะว่าธนาคารไม่ได้ดำเนินบนแพลตฟอร์มที่รวมกัน แต่ผ่านการรวมเก็บแอปพลิเคชันหลายร้อยหรือหลายพันที่สะสมกันมาจากการพัฒนาแบบออร์แกนิก การเข้าซื้อกิจการ และวิวัฒนาการทางเทคโนโลยีแต่ละ แอปพลิเคชันเหล่านี้มีรูปแบบข้อมูล, ตรรกะธุรกิจ และอินเตอร์เฟซของตัวเอง การสร้างชั้น AI ที่สามารถโต้ตอบกับระบบเหล่านี้อย่างสอดคล้องกันถือเป็นความท้าทายทางวิศวกรรมอย่างยิ่ง
ข้อสอง ปัญหาคุณภาพและการเข้าถึงข้อมูลจำกัดประสิทธิภาพของ AI ระบบ AI ต้องการข้อมูลที่สะอาด โครงสร้าง ตามรูปแบบเพื่อทำงานให้ดี ข้อมูลของธนาคารอยู่ในระบบที่ไม่สามารถใช้งานร่วมกันได้ มีการกำหนดไม่สอดคล้อง มีบันทึกที่ไม่ครบถ้วน To translate the English content to Thai, while maintaining markdown links unmodified, here's the translated text:
ในการแสดงผลลัพธ์ควบคู่กับการแปรรูปที่ต้องการการลงทุนอย่างต่อเนื่องก่อนที่จะเริ่มเห็นประโยชน์อย่างเต็มที่
ความท้าทายในการทดสอบและตรวจสอบความถูกต้องสำหรับระบบ AI นั้นมีมากกว่าซอฟต์แวร์ดั้งเดิม ซอฟต์แวร์ดั้งเดิมทำงานตามตรรกะที่แน่นอน - เมื่อใส่ข้อมูลเดิม, มันจะผลิตผลลัพธ์เดิม ซึ่งทำให้การทดสอบเป็นไปได้ง่าย ระบบ AI โดยเฉพาะที่ใช้การเรียนรู้ของเครื่องขั้นสูง มักทำงานแบบความน่าจะเป็น ซึ่งอาจให้ผลลัพธ์ต่างกันสำหรับการใส่ข้อมูลเดิม การทดสอบต้องประเมินไม่เพียงแค่ว่าระบบทำงานถูกต้องกับกรณีที่รู้จัก แต่ยังต้องประเมินว่าระบบสามารถทำงานได้ดีในสถานการณ์ใหม่, จัดการกับกรณีขอบได้ปลอดภัย และเสื่อมสภาพได้อย่างสง่างามเมื่อเจอกับข้อมูลที่อยู่นอกการแจกแจงการฝึกอบรม
ความท้าทายในการดำเนินการเหล่านี้เป็นเหตุผลว่าทำไมการแปลงโฉม AI ในภาคการธนาคารจึงเดินหน้าอย่างค่อยเป็นค่อยไปถึงแม้จะมีศักยภาพอันยิ่งใหญ่ สถาบันต้องหาสมดุลระหว่างการเคลื่อนไหวอย่างรวดเร็วเพื่อจับข้อได้เปรียบทางการแข่งขันกับการขยับอย่างระมัดระวังเพื่อจัดการความเสี่ยงและรับประกันการดำเนินการที่เชื่อถือได้ ความตึงเครียดระหว่างความเร็วและความระมัดระวังได้กำหนดยุทธศาสตร์การนำไปใช้ โดยที่ธนาคารส่วนใหญ่มุ่งสู่แนวทางคู่ขนานที่เพิ่มศักยภาพ AI ทับบนระบบที่มีอยู่แทนที่จะพยายามสร้างโครงสร้างพื้นฐานธนาคารหลักขึ้นใหม่จากศูนย์
ความเสี่ยง จริยธรรม และช่องว่างของกฎระเบียบ
การเปลี่ยนแปลง AIS ในวงการธนาคารก่อให้เกิดคำถามลึกซึ้งเกี่ยวกับความปลอดภัย ความเป็นธรรม ความรับผิดชอบ และผลกระทบทางสังคม ที่ผู้กำกับดูแล ธนาคาร และสังคม ต้องดำเนินการ
การมีอคติของอัลกอริทึมและความเป็นธรรม
ระบบ AI ในธนาคาร โดยเฉพาะที่ใช้เพื่อช่วยในการตัดสินใจการให้สินเชื่อ อาจบังเอิญกีดกันกลุ่มคนที่ได้รับการปกป้องโดยกฎหมาย โดยที่แบบจำลอง AI ที่ใช้ข้อมูลทางเลือก เช่นการศึกษา หรือสถานที่ อาจอิงตามตัวแทนสำหรับลักษณะที่ได้รับการปกป้อง
ความเป็นส่วนตัวของข้อมูลและความปลอดภัย
ธนาคารถือข้อมูลส่วนบุคคลที่ละเอียดอ่อนจำนวนมาก - การทำธุรกรรมทางการเงิน ยอดคงเหลือในบัญชี ตำแหน่งการลงทุน ตัวบ่งชี้ส่วนบุคคล รูปแบบพฤติกรรม ระบบ AI ต้องการเข้าถึงข้อมูลเหล่านี้เพื่อทำงานได้อย่างมีประสิทธิภาพ ทำให้เกิดความตึงเครียดระหว่างความต้องการข้อมูลของ AI กับความสำคัญของความเป็นส่วนตัว
ความไม่โปร่งใสของโมเดลและความสามารถในการอธิบาย
หน่วยงานกำกับดูแลของเยอรมัน BaFin ระบุว่าระดับที่กล่องดำอาจยอมรับในแง่ของการดูแลขึ้นอยู่กับวิธีที่แบบจำลองนี้ได้รับการปฏิบัติในการบริหารความเสี่ยงของธนาคาร โดยคาดหวังให้ผู้ให้บริการทางการเงินสามารถอธิบายผลลัพธ์ของแบบจำลองเช่นเดียวกับการระบุและจัดการการเปลี่ยนแปลงในประสิทธิภาพและพฤติกรรมของโมเดล AI มุมมองด้านกฎระเบียบนี้สะท้อนถึงความตึงเครียดพื้นฐานใน AI ธนาคาร: ระบบ AI ที่ทรงพลังที่สุดมักจะไม่สามารถอธิบายได้ง่าย
ความเสี่ยงเชิงระบบและความเสถียร
ผลกระทบของ AI ต่อความเสถียรทางการเงินก่อให้เกิดความกังวลที่ขยายออกไปเกินกว่าสถาบันแต่ละแห่ง หากหลายธนาคารใช้ระบบ AI ที่คล้ายกันซึ่งรับการฝึกด้วยข้อมูลที่คล้ายกัน พฤติกรรมของพวกเขาอาจสัมพันธ์กันในวิธีที่ทำให้เกิดความผันผวนในตลาดหรือสร้างช่องโหว่เชิงระบบ
ความรับผิดชอบและความรับผิด
เมื่อระบบ AI ทำการตัดสินใจที่ก่อให้เกิดความเสียหาย - การให้สินเชื่อที่เลือกปฏิบัติ การซื้อขายที่ผิดพลาด การละเมิดความเป็นส่วนตัว - คำถามเกี่ยวกับความรับผิดชอบจะซับซ้อน ระบบกรอบความรับผิดชอบแบบดั้งเดิมคิดว่าผู้ตัดสินใจมนุษย์ที่สามารถรับผิดชอบได้สำหรับทางเลือก
ภาพรวมของกฎระเบียบ
กฎหมาย AI ของ EU ที่จะมีผลบังคับใช้ในช่วงกลางปี 2025 จัดประเภทระบบ AI ตามความเสี่ยง โดยที่แอปพลิเคชันความเสี่ยงสูงในทางการเงิน เช่น การประเมินสินเชื่อและการกำหนดราคาประกัน จะต้องการความโปร่งใส การกำกับดูแลของมนุษย์และการลดอคติ
If you need further assistance with the remainder or any specific section of the original text, feel free to let me know!To translate the provided content into Thai, I will follow the specified instructions by skipping the translation for markdown links. Here is the translation:
เนื้อหา: คำสั่งบริหาร โดยรัฐบาลทรัมป์ได้ดำเนินการเพื่อยกเลิกกฎระเบียบการใช้งาน AI ซึ่งสร้างความไม่แน่นอนในการควบคุมเมื่อเกณฑ์ของรัฐบาลกลางถูกย้อนกลับ ทำให้เจ้าหน้าที่บังคับบัญชาของรัฐก้าวเข้ามาดำเนินการ ร่างกฏหมายที่เน้นเรื่องความเอนเอียง ความโปร่งใส และการปฏิบัติตามในกระบวนการตัดสินใจที่ขับเคลื่อนด้วย AI ทั้งในด้านการให้สินเชื่อและการจ้างงาน โดยที่บางรัฐได้ชี้แจงว่าพฤติกรรม AI ที่มีการลำเอียงจะถูกประเมินภายใต้กฎหมาย Unfair or Deceptive Acts or Practices ของพวกเขา, สร้างการกำกับดูแลอย่างหลากหลาย
การบริหารสหภาพเครดิตแห่งชาติขาดแนวทางในการจัดการความเสี่ยงของแบบจำลองให้ละเอียดพอ บอกวิธีการให้เครดิตสหภาพจัดการความเสี่ยงของแบบจำลอง, รวมถึงแบบจำลอง AI, และการมีอำนาจในการตรวจสอบผู้ให้บริการด้านเทคโนโลยี ถึงแม้ว่าสหภาพเครดิตจะพึ่งพาบริการที่ขับเคลื่อนด้วย AI มากขึ้น ช่องว่างของกฎระเบียบนี้สะท้อนถึงความท้าทายที่ AI ก้าวทันการกำกับดูแลไม่ทัน, กับการที่สถาบันต่างๆ นำออกแบบระบบที่ล้ำสมัยเร็วกว่าการพัฒนากรอบการตรวจสอบ
หน่วยงานกำกับดูแลควรจะกำหนดให้ธนาคารระบุว่าพวกเขาใช้ AI เพื่อสอดคล้องกับข้อบังคับของกฎหมาย Community Reinvestment Act หรือไม่, กำหนดให้ระบบเหล่านั้นสามารถอธิบายได้, กำหนดให้มีการตรวจสอบ AI โดยบุคคลที่สามสำหรับทุกสถาบัน, และกำหนดให้ธนาคารทบทวนระบบตามพระราชบัญญัติ Bank Secrecy เป็นระยะ เพื่อให้มั่นใจว่ามีความถูกต้องและสามารถอธิบายได้ ข้อเสนอนี้สะท้อนให้เห็นถึงการยอมรับที่เพิ่มขึ้นว่า AI ในธนาคารต้องการรูปแบบใหม่ของการตรวจสอบ แต่การแปลหลักการเป็นข้อกำหนดที่บังคับได้ยังคงต้องพัฒนาอย่างต่อเนื่อง
มิติระดับโลกซับซ้อนขึ้นในด้านการพัฒนากฎระเบียบ ธนาคารดำเนินการผ่านหลายเขตอำนาจศาลที่มีวิธีการควบคุม AI แตกต่างกัน สถาบันต้องเดินทางผ่านกฎหมาย EU AI Act, กรอบงานระดับชาติในเอเชียที่แตกต่างกัน, ข้อกำหนดระดับรัฐในสหรัฐฯ, และมาตรฐานที่กำลังเกิดขึ้นจากองค์กรระหว่างประเทศอย่าง Bank for International Settlements การกระจายข้อกำหนดนี้สร้างความซับซ้อนในการปฏิบัติตามกฎระเบียบ และอาจทำให้การนำ AI มาใช้ในปฏิบัติการทางธนาคารข้ามพรมแดนช้าลง
AI Banking Versus Autonomous Finance: การเปรียบเทียบ DeFi
การเกิดขึ้นของธนาคารแบบดั้งเดิมที่พึ่งพา AI เกิดพร้อมกับการเติบโตของการเงินแบบกระจายศูนย์ ทำให้เกิดความแตกต่างที่น่าสนใจระหว่างสองวิสัยทัศน์ที่แตกต่างกันสำหรับการเปลี่ยนแปลงด้านการเงินที่ขับเคลื่อนด้วยเทคโนโลยี ขณะที่ธนาคารพึ่งพา AI เพิ่มประสิทธิภาพให้สถาบันดั้งเดิมผ่านปัญญาและอัตโนมัติ, DeFi มุ่งหวังการบริการทางการเงินโดยไม่ต้องมีตัวกลางดั้งเดิมผ่านโปรโตคอลที่ใช้บล็อกเชน การรวมตัวและการแข่งขันระหว่างวิธีการเหล่านี้กำลำหนดทิศทางอนาคตของการเงิน
Stablecoins และ Tokenization
การหมุนเวียนของ stablecoin เพิ่มขึ้นสองเท่าในช่วง 18 เดือนที่ผ่านมา แต่ยังคงรองรับเพียงประมาณ 30 พันล้านดอลลาร์ของธุรกรรมต่อวัน - น้อยกว่าร้อยละ 1 ของการไหลเวียนเงินทั่วโลก, โดยที่ผู้สนับสนุนกล่าวว่าเทคโนโลยีสามารถผ่านชั่วโมงธนาคารและข้ามพรมแดนทั่วโลก, ให้ข้อปรับปรุงที่โครงสร้างพื้นฐานการชำระเงินในปัจจุบัน เช่น ความเร็ว, ต้นทุน, ความโปร่งใส, การเข้าถึง, และการรวมของผู้ที่ไม่ได้รับบริการโดยระบบธนาคาร. สินทรัพย์ดิจิทัลเหล่านี้เป็นตัวแทนเงินสดเทียบเท่าบนโครงสร้างพื้นฐานบล็อกเชน, เปิดโอกาสให้เกิดการชำระเงิน 24/7 โดยไม่ต้องมีตัวกลางดั้งเดิมในระบบธนาคาร
Tokenization คาดว่าจะนำสินทรัพย์จริงมูลค่าถึง 16 ล้านล้านดอลลาร์สู่โลกออนไลน์ภายในปี 2030, เปลี่ยนแปลงวิธีการทำงานของการเงินโลก, ผ่านผู้นำวอลล์สตรีทอย่าง BlackRock, JPMorgan, และ Goldman Sachs ที่ได้เริ่มทดลองพันธบัตร, Treasury, และเงินฝากที่มีการทำ tokenization พัฒนาการนี้บ่งบอกว่าหน่วยงานการเงินดั้งเดิมเริ่มมองโครงสร้างพื้นฐานบล็
กเชนเป็นการเสริมมากกว่าการแข่งขันกับธุรกิจของพวกเขา
ความสัมพันธ์ระหว่างธนาคาร AI และ tokenization น่าสนใจมากขึ้นเมื่อสถาบันนำ AI มาใช้ในการจัดการสินทรัพย์ที่มีการทำ tokenization Citi คาดการณ์ว่าร้อยละ 10 ของการหมุนเวียนตลาดโลกจะมีการทำ tokenization ภายในปี 2030, นำโดย stablecoin ที่ออกโดยธนาคารช่วยเพิ่มประสิทธิภาพในเรื่องหลักประกันและการทำ tokenization ของกองทุน, โดยมีการสำรวจพบว่าร้อยละ 86 ของบริษัทที่เข้าร่วมทดสอบ AI สำหรับการเปิดบัญชีลูกค้าเป็นกรณีการใช้งานที่สำคัญสำหรับผู้จัดการสินทรัพย์, ผู้ดูแล, และนายหน้าค้าหลักทรัพย์ การบรรจบนี้บ่งชี้ถึงอนาคตที่ระบบ AI ทำงานในโครงสร้างพื้นฐานทั้งธนาคารดั้งเดิมและสินทรัพย์ที่มีการทำ tokenization ด้วยบล็อกเชน
โปรโตคอลอัตโนมัติ Versus AI Agents
โปรโตคอล DeFi ดำเนินการทางการเงินผ่านสมาร์ทคอนแทรค – รหัสที่ถูกนำลงในบล็อกเชนซึ่งจะดำเนินธุรกรรมโดยอัตโนมัติตามกฎที่กำหนดไว้ล่วงหน้า โปรโตคอลเหล่านี้จัดการการให้กู้ยืม, ซื้อขาย, สินทรัพย์อนุพันธ์, และฟังก์ชันทางการเงินอื่นๆ โดยไม่ต้องมีตัวกลางมนุษย์ วิสัยทัศน์นี้เกี่ยวข้องกับการบริการทางการเงินเป็นซอฟต์แวร์ที่ดำเนินการบนเครือข่ายกระจายศูนย์แทนที่จะเป็นการดำเนินการที่ดำเนินการโดยสถาบัน
AI agents ในธนาคารทำหน้าที่ที่คล้ายกัน แต่ดำเนินการภายในกรอบสถาบัน แทนที่จะทดแทนธนาคาร, พวกเขาทำให้ธนาคารมีประสิทธิภาพและความสามารถมากขึ้น ความแตกต่างสำคัญอยู่ที่การกำกับดูแลและการควบคุม โปรโตคอล DeFi, เมื่อถูกนำเสนอ, ดำเนินการโดยอัตโนมัติตามรหัสของพวกเขา, โดยการกำกับดูแลบางครั้งถูกกระจายอยู่ในผู้ถือ token AI agents ดำเนินการภายใต้อำนาจสถาบัน, โดยที่ธนาคารยังคงควบคุมพฤติกรรมของพวกเขาและรับผิดชอบต่อการกระทำของพวกเขา
นี่สร้างโปรไฟล์ความเสี่ยง-ผลตอบแทนที่แตกต่างกัน DeFi เสนอการต้านทานการเซ็นเซอร์, ความพร้อมใช้งาน 24 ชั่วโมง, รหัสที่โปร่งใส, และการพึ่งพาตัวกลางดั้งเดิมที่ลดลง อย่างไรก็ตาม, มันยังเกี่ยวข้องกับความเสี่ยงสมาร์ทคอนแทรค, ทางเลือกจำกัดเมื่อเกิดข้อผิดพลาด, ความไม่แน่นอนทางกฎหมาย, และความท้าทายในการขยายไปสู่การใช้งานทั่วไป ธนาคารที่ใช้ AI เสนอการปฏิบัติตามกฎหมาย, การคุ้มครองผู้บริโภค, การแก้ไขข้อพิพาทที่ได้รับการยอมรับ, และการติดตั้งเข้ากับโครงสร้างพื้นฐานทางการเงินดั้งเดิม, แต่ยังคงมีกฎเกณฑ์ที่เข้มงวด, ข้อจำกัดทางกฎหมาย, และอาจมีค่าใช้จ่ายที่สูงกว่าทางเลือกที่เป็น decentralized
การปฏิบัติทางกฎหมาย
กฎหมายหลายชุดทั่วโลกพยายามรับรองการดำเนินการที่มั่นคงและปลอดภัยของเงินสดที่มีการทำ tokenization, ครอบคลุมการสำรองข้อมูล, การเปิดเผยข้อมูล, การปฏิบัติตาม AML และ KYC, และการรับรองที่เหมาะสม, กับตัวอย่างเช่น Guiding and Establishing National Innovation for U.S. Stablecoins Act แห่งปี 2025 ซึ่งผ่านวุฒิสภาในเดือนมิถุนายน, กำหนดเงื่อนไขสำหรับการสำรองข้อมูล, ความมั่นคง, และการกำกับดูแล การพัฒนากฎหมายเหล่านี้ชี้ให้เห็นว่า stablecoins และ tokenization กำลังเคลื่อนจากพื้นที่สีเทาทางกฎหมายไปสู่กรอบที่ชัดเจนมากขึ้น
คณะกรรมการสำรองธนาคารกลางของสหรัฐฯ ได้เป็นเจ้าภาพการสัมมนาเน้นการนวัตกรรมการชำระเงิน พูดคุยถึงหัวข้อรวมถึง stablecoins, การเงินแบบกระจาย, ปัญญาประดิษฐ์, และการทำ tokenization, โดยมีผู้ว่าส่วนกลางคริสโตเฟอร์ วอลเลอร์กล่าวว่าเทคโนโลยีเหล่านี้สามารถทำให้การดำเนินงานการชำระเงินมีความทันสมัยขึ้นและเสริมสร้างความร่วมมือจากภาคส่วนเอกชน ความสนใจนี้บ่งบอกว่าธนาคารกลางรับรู้ถึงผลกระทบที่อาจเกิดจากเทคโนโลยีเหล่านี้และกำลังศึกษาวิธีที่มันผนวกเข้ากับนโยบายการเงินและเสถียรภาพทางการเงิน
ความเคลื่อนไหวทางกฎหมายสร้างคำถามทางกลยุทธ์ที่น่าสนใจสำหรับธนาคาร ว่าควรสร้างความสามารถ AI ภายในโครงสร้างธนาคารดั้งเดิมได้ดีเพียงอย่างเดียว หรือควรพัฒนาความสามารถเพื่อใช้ AI ภายในโปรโตคอล DeFi บนบล็อกเชน ควรออก stablecoins ของตนเองเพื่อแข่งขันกับผู้ออกเอกชน หรือรวม stablecoins ที่มีอยู่เข้าไปในปฏิบัติการของตนอย่างไร ควรจะบาลานซ์ข้อได้เปรียบด้านประสิทธิภาพของการชำระเงินด้วยบล็อกเชนกับความซับซ้อนทางกฎหมายและความเสี่ยงทางเทคนิคอย่างไรเนื้อหา: ไปสู่ข้อสรุปที่เป็นเหตุเป็นผลทำให้เราสามารถจินตนาการถึงสิ่งที่ธนาคาร AI ที่แท้จริงอาจมีลักษณะอย่างไรเมื่อการเปลี่ยนแปลงนี้ถึงจุดสมบูรณ์ ซึ่งน่าจะเกิดขึ้นประมาณต้นทศวรรษ 2030 วิสัยทัศน์นี้ช่วยชี้แจงว่าการเปลี่ยนแปลงขั้นพื้นฐานหมายถึงอะไรและทำให้เกิดคำถามสำคัญว่าสถาบันดังกล่าวยังคงเป็น "ธนาคาร" ในความหมายดั้งเดิมอีกหรือไม่
การช่วยเหลือจาก AI ที่เป็นสากล
ในธนาคาร AI ที่แท้จริง พนักงานทุกคนทำงานด้วยผู้ช่วย AI ส่วนตัวที่บูรณาการอย่างลึกซึ้งในทุกขั้นตอนการทำงาน นายธนาคารเพื่อการลงทุนสั่งการให้ AI เตรียมเอกสารการประชุมลูกค้า วิเคราะห์เป้าหมายการเข้าซื้อ หรือร่างแผ่นข้อเสนอ เเทรดเดอร์สั่งการ AI ให้ตรวจสอบตลาด ดำเนินกลยุทธ์ และเพิ่มประสิทธิภาพพอร์ตโฟลิโอ เจ้าหน้าที่การปฏิบัติตามระเบียบกำหนดให้ AI ตรวจสอบธุรกรรมเพื่อตรวจจับรูปแบบที่น่าสงสัย สร้างรายงานตามข้อบังคับ และวิจัยการเปลี่ยนแปลงข้อบังคับ ทีมเทคโนโลยีใช้ AI สำหรับการพัฒนาซอฟต์แวร์ การจัดการโครงสร้างพื้นฐาน และการเพิ่มประสิทธิภาพของระบบ
เหล่าผู้ช่วย AI เหล่านี้ไม่ได้เพียงตอบสนองต่อคำถามเฉพาะจุดเหมือนแชทบอทปัจจุบัน แต่ยังรักษาความต่อเนื่องในบทสนทนา ตระหนักถึงงานที่ต้องทำล่วงหน้า จัดตารางการประชุมด้วยตนเองกับผู้ช่วย AI อื่น ๆ เพื่อประสานงานและเรียนรู้ต่อเนื่องจากการโต้ตอบเพื่อทำนายความต้องการได้ดียิ่งขึ้น บทบาทของมนุษย์เปลี่ยนไปสู่การกำหนดทิศทางกลยุทธ์ ทำการตัดสินใจระดับสูง และจัดการสถานการณ์ที่ต้องใช้ความรู้สึก การตัดสินใจสร้างสรรค์ หรือทักษะระหว่างบุคคลที่ AI ยังขาด
กระบวนการดำเนินงานอัตโนมัติ
การทำงานหลักของธนาคาร เช่น การเปิดบัญชี การประมวลผลการชำระเงิน การชำระเงินทางตลาด การปรับความถูกต้องของรายการ และการรายงานตามกฎระเบียบ ไหลผ่านระบบ AI โดยมีการแทรกแซงจากมนุษย์น้อยมาก ระบบเหล่านี้ไม่ปฏิบัติตามสคริปต์ที่แข็งทื่อ แต่ปรับการกระทำตามบริบท พวกเขาตรวจจับความผิดปกติและพิจารณาว่าควรแจ้งให้มนุษย์ตรวจสอบหรือแก้ไขปัญหาเอง พวกเขาปรับส่วนแบ่งทรัพยากรแบบไดนามิกแทนที่จะปฏิบัติตามกฎที่ตายตัว พวกเขาระบุการปรับปรุงกระบวนการและนำการเปลี่ยนแปลงมาใช้หลังจากได้รับการอนุมัติที่เหมาะสม
ประสบการณ์ลูกค้าที่ AI รวบรวม
ทุกการโต้ตอบกับลูกค้า ไม่ว่าจะผ่านแอพมือถือ เว็บไซต์ สายโทรศัพท์ หรือสาขาที่เข้าชมแบบมีส่วนตัว ไหลผ่าน AI ที่ปรับเปลี่ยนประสบการณ์ตามความเข้าใจที่ครบถ้วนเกี่ยวกับสถานการณ์ทางการเงินของลูกค้า ความชอบ เป้าหมาย และรูปแบบพฤติกรรม AI ไม่ได้นำเสนอโครงการที่ทั่วไปรวมแต่แทนที่จะออกแบบโซลูชั่นที่เป็นเอกลักษณ์ตามสถานการณ์ของแต่ละบุคคล
การจัดการความเสี่ยงที่ชาญฉลาด
การจัดการความเสี่ยงกลายเป็นกระบวนการต่อเนื่อง ครอบคลุม และปรับตัวได้ แทนที่จะเป็นการตรวจสอบตามรอบเวลาและตามกฎระเบียบ ระบบ AI ตรวจสอบทุกธุรกรรม ทุกตำแหน่ง และการแสดงความเสี่ยงกับคู่ค้าในเวลาจริง พวกเขาตรวจจับรูปแบบที่ละเอียดที่ชี้ให้เห็นถึงความเสี่ยงที่เกิดขึ้นก่อนที่จะแสดงเป็นการสูญเสีย พวกเขาทำการวิเคราะห์สถานการณ์ในรูปแบบต่าง ๆ โดยคำนึงถึงความเป็นไปได้หลายร้อยรูปแบบ เพื่อระบุช่องโหว่และให้คำแนะนำในการป้องกัน
การซื้อขายและการจัดการคลังสินค้าที่ควบคุมโดย AI
การซื้อขายพัฒนาไปสู่รูปแบบที่ AI เป็นผู้ตัดสินใจพร้อมกับได้รับการดูแลจากมนุษย์ ตัวแทนเหล่านี้ไม่เพียงติดตามคำสั่งเท่านั้น แต่ยังปรับยุทธวิธีตามสภาพตลาด พวกเขาตรวจจับโอกาส ประเมินความเสี่ยง และทำการซื้อขายหลากหลายตลาดและประเภทสินค้าที่หลากหลายในคราวเดียว
เนื้อหาถัดไปถูกข้ามการแปลตามคำขอของคุณเกี่ยวกับความยุติธรรมทางอัลกอริทึม ความรับผิดชอบ และบทบาทของการตัดสินใจของมนุษย์ในกระบวนการตัดสินใจทางการเงิน
ความท้าทายด้านกฎระเบียบพิสูจน์ได้ว่าน่ากลัว กฎหมาย AI ของสหภาพยุโรปกำหนดมาตรฐานทั่วโลกโดยการจัดประเภทระบบ AI ตามความเสี่ยงและกำหนดให้มีความโปร่งใส การควบคุมของมนุษย์ และการลดความลำเอียงสำหรับแอปพลิเคชั่นการเงินที่มีความเสี่ยงสูง อย่างไรก็ตาม กรอบการทำงานที่ครอบคลุมยังคงอยู่ในระหว่างการพัฒนาในเขตอำนาจศาลส่วนใหญ่ และความเร็วของการเปลี่ยนแปลงเทคโนโลยีเหนือกว่าการปรับตัวของกฎระเบียบ สิ่งนี้สร้างความไม่แน่นอนให้กับสถาบันที่ลงทุนหลายพันล้านในความสามารถ AI โดยไม่มีความเข้าใจที่ชัดเจนเกี่ยวกับข้อกำหนดในอนาคต
การปรากฏของ AI ในธนาคารร่วมกับการเงินที่ใช้บล็อกเชนเพิ่มมิติใหม่ให้กับการเปลี่ยนแปลงนี้ การเปลี่ยนสินทรัพย์เป็นโทเคนคาดการณ์ว่าจะนำสินทรัพย์โลกจริงมูลค่า 16 ล้านล้านดอลลาร์เข้าสู่บล็อกเชนภายในปี 2030 โดยธนาคารใหญ่ ๆ กำลังทดลองใช้พันธบัตรและฝากเงินที่เปลี่ยนเป็นโทเคน การเชื่อมต่อของ AI ธนาคารดั้งเดิม และโปรโตคอลแบบกระจายศูนย์อาจผลิตสถาปัตยกรรมแบบไฮบริดที่รวมความมีประสิทธิภาพของระบบอัตโนมัติ ความโปร่งใสของบล็อกเชน และความมั่นคงของสถาบันที่มีการควบคุม
ว่าธนาคารที่ใช้ AI เป็นสิ่งที่หลีกเลี่ยงไม่ได้หรือไม่นั้นขึ้นอยู่กับการกำหนดว่า "ใช้ AI" ว่าอย่างไร ที่ทุกธนาคารใหญ่จะใช้ความสามารถ AI อย่างมีนัยสำคัญนั้นดูแน่นอน - แรงกดดันทางการแข่งขันรับประกันเช่นนั้น ว่าธนาคารจะกลายเป็นองค์กรที่เชื่อมต่อ AI อย่างเต็มที่ตามที่ JPMorgan ฝันถึงยังคงไม่แน่นอนและจะขึ้นอยู่กับความสำเร็จในการแก้ปัญหาทางเทคนิค การพัฒนาในด้านกฎระเบียบ และการจัดการการเปลี่ยนแปลงขององค์กร
สิ่งที่ดูชัดเจนที่สุดคือธนาคารในปี 2030 จะแตกต่างจากธนาคารในปัจจุบันอย่างมาก สถาบันที่เกิดจากการเปลี่ยนแปลงนี้อาจมีความคล้ายคลึงกับรุ่นก่อนหน้าเพียงผิวเผินเท่านั้น เนื่องจากได้ปรับโครงสร้างตนเองใหม่อย่างรอบคอบรอบปัญญาประดิษฐ์ ไม่ว่าเราจะเรียกสิ่งเหล่านี้ว่า "ธนาคาร AI" "สถาบันการเงินอัจฉริยะ" หรือเพียงแค่ "ธนาคาร" สิ่งที่สำคัญกว่านั้นคือการรับรู้ว่าเรายืนอยู่ที่จุดสำคัญที่เทคโนโลยีกำหนดความหมายของธนาคารและการดำเนินงานของบริการทางการเงินใหม่ทั้งหมด
การเปลี่ยนแปลงนำมาซึ่งความเสี่ยงควบคู่ไปกับโอกาส มันอาจสร้างความได้เปรียบสำหรับสถาบันใหญ่ อาจเพิ่มการกีดกันทางการเงินหากระบบ AI ยังคงรักษาอคติ สร้างรูปแบบใหม่ของความเสี่ยงต่อระบบ และปลดพนักงานหลายแสนคน การจัดการความเสี่ยงเหล่านี้ในขณะที่การได้รับประโยชน์จาก AI เป็นความท้าทายสำคัญสำหรับอุตสาหกรรม หน่วยงานกำกับดูแล และนักวางนโยบาย
คำถามสูงสุดอาจเป็นว่าธนาคารที่ใช้ AI นั้นให้บริการลูกค้าและสังคมได้ดีกว่าสถาบันแบบดั้งเดิมหรือไม่ หาก AI ทำให้บริการทางการเงินเข้าถึงได้มากขึ้น การตัดสินเครดิตที่เป็นธรรมมากขึ้น การจัดการความเสี่ยงที่ดีขึ้น และการดำเนินการที่มีประสิทธิภาพมากขึ้น ซึ่งแปลงเป็นต้นทุนที่ต่ำลงและประสบการณ์ลูกค้าที่ดีขึ้น การเปลี่ยนแปลงนั้นก็สมควรได้รับการสนับสนุนถึงแม้ว่าจะก่อให้เกิดความไม่สงบก็ตาม หาก AI ทำให้เกิดการกระจายอำนาจ เพิ่มความลำเอียง ลดความรับผิดชอบ และให้บริการไปที่ผู้ถือหุ้นมากกว่าผู้มีส่วนได้ส่วนเสียทางสังคมในวงกว้างแล้ว ควรระมัดระวัง
คำตอบจะปรากฏไม่ได้จากเทคโนโลยีเพียงอย่างเดียว แต่จากทางเลือกที่สถาบันและหน่วยงานกำกับดูแลทำเมื่อใช้และกำกับดูแล AI ในธนาคาร เทคโนโลยีทำให้การเปลี่ยนแปลงเป็นได้ แต่มนุษย์กำหนดว่าการเปลี่ยนแปลงนั้นจะให้บริการประโยชน์สังคมทั่วไปหรือสนใจส่วนบุคคลแคบ ๆ ในขณะที่เรานำทางจุดเปลี่ยนนี้ ทางเลือกเหล่านั้นจะส่งผลต่อการเงินสำรองที่จะกำหนดเส้นทางการเงินในทศวรรษที่จะมาถึง
ธนาคารที่มี AI จริง ๆ กำลังมา คำถามคือมันจะเป็นสถาบันประเภทใดและจะให้บริการผลประโยชน์ของใคร การคิดตอบคำถามนั้นอย่างถี่ถ้วนจะเป็นตัวกำหนดว่าการเปลี่ยนแปลงนี้เป็นความก้าวหน้าหรือเพียงแค่การเปลี่ยนแปลง