Wśród konkretnych, proponowanych zabezpieczeń znalazły się: nowe ograniczenia dla agentowego AI, rynkowe wyłączniki awaryjne mające wstrzymać cały handel AI podczas zdarzenia kaskadowego oraz ulepszone mechanizmy przywracania równowagi, by przywrócić uporządkowane funkcjonowanie rynku po zakłóceniu wywołanym przez AI .
Przemawiając na konferencji techUK „Agents of Change” w Londynie, dyrektor naczelny Urzędu Nadzoru Finansowego Wielkiej Brytanii (FCA), Nikhil Rathi, oświadczył, że „technologia rozwija się znacznie szybciej niż wiele paradygmatów regulacyjnych. Ustawodawstwo nigdy nie nadąży”, a tradycyjny cykl stanowienia przepisów „nie działa” w erze szybkich zmian technologicznych .
Rathi wezwał do odejścia od sztywnych przepisów na rzecz „stewardztwa” i bardziej zorientowanego na efekty, systemowego podejścia. FCA zmienia sposób, w jaki nadzoruje finanse, w miarę jak AI przechodzi od fazy eksperymentów do wdrożeń na szeroką skalę . W godnym uwagi posunięciu, FCA rozważa wykorzystanie agentowego AI jako własnego „pierwszego reagenta” do monitorowania rynków hurtowych, wykorzystując „miliard wierszy danych dziennie” do nadzoru rynku
. Rathi wskazał, że dynamika konkurencji i odporność całego systemu będą w coraz większym stopniu przyciągać uwagę nadzorczą w miarę skalowania systemów agentowych
.
Prezes Europejskiego Banku Centralnego Christine Lagarde ostrzegła, że AI „może potencjalnie prowadzić do niebezpiecznych kryzysów finansowych”, mówiąc: „nie możemy powstrzymać sztucznej inteligencji, nawet za pomocą naszych solidnych przepisów. Możemy jednak zrobić coś innego: zapobiec temu, by wywołała kryzys finansowy” . Zadeklarowała, że EBC jest „zdeterminowany, by do tego nie dopuścić”
.
Lagarde była gospodarzem Forum EBC na temat bankowości centralnej w Sintrze (29 czerwca – 1 lipca), podczas którego odbył się panel zatytułowany „Sztuczna inteligencja a stabilność finansowa” pod przewodnictwem Isabel Schnabel, co bezpośrednio umieściło ryzyko związane z AI dla stabilności w centrum agendy bankowości centralnej .
Wielu czołowych europejskich bankierów i regulatorów ostrzegało wspólnie, że „AI wyprzedza przepisy”. Rathi, Breeden i inni byli zgodni, że ramy regulacyjne muszą zostać radykalnie przemyślane .
Pakiet zabezpieczeń omawiany pod koniec czerwca 2026 roku obejmuje:
Rada Stabilności Finansowej (FSB) opublikowała raport konsultacyjny „Bezpieczne praktyki odpowiedzialnego wdrażania sztucznej inteligencji” . „Silnie” zaleciła, aby kraje nałożyły ostrzejsze kontrole na autonomiczne agenty AI w finansach, ostrzegając, że rozwój coraz bardziej autonomicznych systemów może zwiększyć ryzyko dla sektora finansowego i wzywając do nowych środków regulacyjnych w miarę przyspieszania adopcji
.
FSB przyznała, że w miarę jak banki wdrażają więcej autonomicznych agentów, „przeglądanie decyzji jedna po drugiej przestaje być wykonalne”, uznając, że ludzki nadzór nad AI „nie skaluje się” . Określiła 12 bezpiecznych praktyk odpowiedzialnego wdrażania AI
. W szczególności FSB wyraziła obawy, że powszechne wykorzystanie AI przez uczestników rynków finansowych może zaostrzyć turbulencje finansowe napędzane przez „zwierzęce instynkty” (animal spirits), zamiast je łagodzić
.
Chociaż nie znaleziono konkretnych artykułów z końca czerwca 2026 roku, które bezpośrednio porównywałyby obecną sytuację do brytyjskiej manii kolejowej z lat 40. XIX wieku czy pęknięcia bańki internetowej, to opublikowany 24 czerwca 2026 roku dokument roboczy Rezerwy Federalnej na temat „Konsekwencji generatywnej AI dla stabilności finansowej” zauważył, że „zamiast łagodzić narastanie słabości finansowych, AI może zaostrzyć turbulencje finansowe napędzane przez zwierzęce instynkty” – co jest bezpośrednim nawiązaniem do koncepcji ekonomii behawioralnej związanej z historycznymi maniami . Raport FSB z 2024 roku (przywołany w dokumencie Fed) również poruszał kwestię, że powszechne stosowanie AI może wzmocnić zachowania stadne na rynkach finansowych, co jest dynamiką kluczową zarówno dla manii kolejowej, jak i bańki internetowej
.
Własne badania EBC (maj 2026) wykazały, że algorytmy AI wykorzystujące uczenie przez wzmacnianie (reinforcement learning) „osiągnęły wysoki stopień koordynacji, ale były podatne na ekstremalne dynamiki przypominające runy na banki”, co odzwierciedla wzorce zachowań stadnych i kaskadowych awarii obserwowane w historycznych kryzysach finansowych .