Protsesside sujuvamaks muutmine AI-tööriistade abil näib ahvatlev. Edukad näited kogu maailmast annavad kinnitust, et AI kasutusele võtnud pankade tulud on märkimisväärselt kasvanud. Samas on näiteid mõnest vähem arenenud IT-infrastruktuuri ja madalamalt kvalifitseeritud tööjõuga riigist, kus ebaõnnestumise hind on olnud pangandussektori jaoks liiga kõrge.

Seetõttu peab üleminek AI-põhistele toimingutele toimuma ettevaatlikult, riske minimeerides ning sellest tulenevat kasu võimendades. Käesolevas artiklis vaadeldakse globaalseid trende ja uuritakse, kuidas AI Eesti pangandussektorit muudab.

Miks see nii oluline on? Sadadele tuhandetele ettevõtete omanikele ja rohkem kui miljonile eraisikule Eestis läheb korda, kui kiiresti ja turvaliselt nende raha ringlema hakkab, seda iseäranis seoses Skandinaaviamaades üha süveneva üleminekuga digitaalsele ja “sularahata majandusele”, mis võib peagi ka meieni jõuda.

Seetõttu püüavad Eesti pangad tehisintellektist lähtuva innovatsiooni abil saavutada konkurentsieelist läbi riskijuhtimise tõhustamise ning efektiivsuse ja kasumlikkuse parandamise,  et vähendada tegevuskulusid  ja tõsta klienditeeninduse taset.

Tänapäeval jagunevad ärieksperdid ja teadlased enamasti kahte leeri: ühed usaldavad tehisintellekti pimesi ja teised kritiseerivad seda kogu hingest. Tõde on kuldne kesktee. Selleni jõudmiseks vaatleme allpool AI panganduses kasutamise peamisi riske ja võimalusi.

Eelkõige valitseb panganduses tendents automatiseerida personali poolt käsitsi tehtavaid mehaanilisi ülesandeid. AI kasutuselevõtt selles kontekstis toob kaasa kulutõhususe, kvaliteedi paranemise ja vigade arvu vähenemise.

Siingi on mõned riskid: ulatuslik tehnoloogiast sõltumine, algoritmidesse sisseehitatud kallutatuse võimalus, vigased andmeväljundid, inimeste erialaste teadmiste kadumine ja vähenenud paindlikkus ootamatute muutustega kohanemisel. Nende riskide maandamiseks peavad juhid hoolega valima, milliseid protsesse automatiseerida, ja hoolikalt jälgima oskusteabe ülekandumist töötajatelt tehisintellektisüsteemidele.

Teine tehisintellekti kasutamise suund on töötajate võimete augmentatsioon, kus inimesi kasutatakse vaid keerukamate ülesannete lahendamise juures. Näiteks AI võime töödelda suuri andmekogumeid ja tuvastada mustreid võimaldab töötajatel keskenduda täiustatud ennustusmudelitele. Augmentatsiooniga kaasneb vähem riske kui automatiseerimisega, kuid töötajad vajavad tehisintellektiga tõhusalt koos töötamiseks koolitust, mis nõuab spetsiifilisi teadmisi. See teema nõuaks eraldi arutelu.

S&P Global Market Intelligence’i andmetel kasutab praegu ligikaudu 40% finantsteenustest tehisintellekti tööriistu peamiselt pettuste tuvastamiseks ja finantsprognooside tegemiseks. Eesti pangandussektoris kasutati tehisintellektil põhinevaid tehnoloogiaid pettuste avastamiseks ja riskijuhtimiseks juba palju varem kui tehisintellekt peavooluks muutus. AI-põhised süsteemid jälgivad iga päev sadu ja tuhandeid klientide tehinguid, tuvastades pettusi ja rahapesu. Loomulikult muutuvad tehisintellekti arenedes võimalused keerukamaks, ent  ka regulatsioon muutub.  

Baseli pangajärelevalve komitee töötab välja regulatsioone, mis võivad näiliselt tehisintellekti tööriistade kasutuselevõttu raskendada, kuid tegelikult need kaitsevad riskide eest, tagades tehisintellekti nõuetekohase rakendamise. Peamiseks probleemiks on, et tehisintellekti edusammud edestavad kehtivaid eeskirju, mis võib kaasa tuua võimalikke trahve ja häireid töös.

Probleemid, millega reguleerivatel asutusetel tuleb tegeleda, on andmetes sisalduv kallutatus, seletatavus (mustade kastide probleemid) ja andmeturve, millega pangad saavad võidelda regulaarsete andmete värskendamise, tehisintellektialase kirjaoskuse suurendamise ja usaldusväärsete tehisintellekti standardite järgimise kaudu. Ühe Eesti panga näide kinnitab, et kehtiv regulatsioon kaitseb mingil määral inimtööjõudu, kuna liigse algoritmipõhisuse vältimiseks on ette nähtud teatud kindla protsendi inimeste kaasamine.

Eesti pangandussektori töötajate arvamused räägivad ise enda eest. Meeleolu on töö efektiivsemaks muutudes üldiselt positiivne, eriti kui töötajatel on võimalus tehisintellektiga koostöö tegemiseks uusi oskusi omandada. Nad tunnevad end rahulolevamalt ja motiveeritumalt, jälgides oma töö kvaliteedi paranemist, võimete kasvu ja sadade töötundide säästmist, sest nad on vabanenud rutiinsete toimingute käsitsi sooritamisest. Isegi AI-tööriistade põhifunktsioonid, nagu andmete otsimine, puhastamine ja salvestamine, annavad inimestele võimaluse kulutada oma vabanenud töötunde millelegi kasulikumale kui robottöö.

Näited Eestis tegutsevate pankade erinevatest osakondadest annavad kinnitust, et igapäevaseid toiminguid automatiseerivate AI-põhiste tööriistade arendamisse ja omandamisse investeeritakse regulaarselt. Näiteks kasutatakse igapäevaselt ChatGPT sisemisi analooge, mille tulemusel  tööviljakus tuntavalt paraneb. Siiski kehtib siin oluline piirang: neis ei tohi kasutada ärikriitilisi ega isikuandmeid. Mõned pangad on andnud teada  OpenAI, Microsoft Copiloti ja Mistral AI tööriistade kasutamisest oma igapäevatöös. Üldiselt tunnevad pangatöötajad, et “tulevik on praegu”.

Veelgi enam, tõendusmaterjal kinnitab, et Eesti pangandussektor järgib globaalset trendi, suurendades investeeringuid tehisintellekti tööriistade arendamisse ja nende protsessidesse integreerimisse. McKinsey & Co projekti kohaselt võib ainuüksi Generative AI kasutuselevõtt tõsta pankade tegevuskasumit 9–15%.

AI-põhiste lahenduste kasutuselevõtu tempot Eesti pangandussektoris mõjutavad neli tegurit: konkurentsikeskkond meie riigis, regulatsioonid, pankade investeerimisvõimekus ja klientide eelistused. Arvestades Eesti kui tehnoloogiapõhise riigi staatust, on meie kliendid valmis pankade pakutavaid AI-põhiseid teenuseid omaks võtma.

Tänu tugevale IT-taristule on Eesti pankadel märkimisväärne potentsiaal Generative AI kasutuselevõtmisega esirinda tõusta, ning Skandinaavia pangad lõikavad kindlasti kasu oma Eestis asuvatest filiaalidest, kus nende kvalifitseeritud töötajad ja piisavad ressursid edukaid AI-põhiseid ümberkujundusi toetavad.

Artikkel ilmus Digigeeniuses.