AI กำลังเปลี่ยนงานในธนาคารใหญ่ทั่วโลกอย่างไร และทำไมผู้กำกับดูแลจึงเริ่มส่งสัญญาณเตือน

ตัวอย่างสำคัญคือ Erica ผู้ช่วยดิจิทัลในแอปธนาคาร ซึ่งตั้งแต่เปิดตัวมาได้ตอบคำถามลูกค้าไปแล้วหลายพันล้านครั้ง และปัจจุบันรองรับคำขอมากกว่าสิบล้านครั้งต่อเดือน

ระบบนี้สามารถ

• ตอบคำถามเกี่ยวกับบัญชี
• วิเคราะห์พฤติกรรมการใช้จ่าย
• แจ้งเตือนธุรกรรมผิดปกติ

นอกจากนี้ ธนาคารยังพัฒนา Erica for Employees ซึ่งเป็นผู้ช่วย AI สำหรับพนักงานกว่า 210,000 คน ใช้จัดการงานพื้นฐาน เช่น รีเซ็ตรหัสผ่าน ขออุปกรณ์ หรือถามคำถามด้าน IT ภายในองค์กร

แนวคิดหลักคือให้ AI รับภาระงานซ้ำ ๆ เพื่อให้พนักงานมีเวลาทำงานที่มีมูลค่าสูงกว่า

JPMorgan Chase: ธนาคารที่ใช้ AI มากที่สุดแห่งหนึ่ง

JPMorgan Chase ถือเป็นผู้นำด้านการใช้ AI ในภาคธนาคาร โดยมีการใช้งาน AI หลายร้อยกรณีครอบคลุมหลายสายธุรกิจ เช่น

• เครื่องมือช่วยเขียนโค้ด
• การตรวจสอบคอมพลายแอนซ์
• การวิเคราะห์ข้อมูล
• การวิจัยทางการเงิน

พนักงานมากกว่า 200,000 คน สามารถเข้าถึงเครื่องมือ Large Language Model ภายในองค์กร ซึ่งช่วยเขียนเอกสาร วิเคราะห์ข้อมูล และทำงานอัตโนมัติในขั้นตอนต่าง ๆ ของเวิร์กโฟลว์

กลยุทธ์ของ JPMorgan คือให้ AI รับงานวิเคราะห์พื้นฐานและงานเอกสาร เพื่อให้พนักงานมุ่งเน้นงานที่ต้องใช้ความคิดเชิงกลยุทธ์และการติดต่อกับลูกค้า

Goldman Sachs: Generative AI ในงานหลังบ้าน

Goldman Sachs ก็เริ่มนำ Generative AI มาใช้ภายในองค์กรเช่นกัน โดยเริ่มแจกจ่ายผู้ช่วย AI ให้พนักงานหลายพันคนตั้งแต่ปี 2025 และเตรียมขยายใช้งานทั่วบริษัท

เครื่องมือเหล่านี้สามารถช่วย

• สรุปเอกสารจำนวนมาก
• ร่างรายงานหรือพรีเซนเทชัน
• วิเคราะห์ข้อมูลทางการเงิน

ผู้บริหารของ Goldman Sachs ระบุว่า AI น่าจะส่งผลให้การจ้างงานใหม่ชะลอตัวลง และบางตำแหน่งค่อย ๆ ลดลงในระยะยาว แทนที่จะเกิดการเลิกจ้างครั้งใหญ่ทันที

ในภาพรวม วอลล์สตรีตกำลังเห็นรูปแบบคล้ายกัน คือ งานระดับเริ่มต้นหรือซ้ำ ๆ ลดลง แต่ความต้องการ วิศวกร AI ผู้เชี่ยวชาญด้านโมเดล และผู้เชี่ยวชาญด้านความเสี่ยงเทคโนโลยี เพิ่มขึ้น

เหตุผลที่หน่วยงานกำกับดูแลเริ่มกังวล

แม้ว่าหน่วยงานกำกับดูแลจะสนับสนุนการใช้เทคโนโลยีใหม่ แต่หลายประเทศเริ่มเตือนว่าการใช้ AI ในระบบการเงินกำลังเร็วเกินกว่าการควบคุม

1. ธรรมาภิบาล AI ยังไม่แข็งแรงพอ

หน่วยงานกำกับดูแลด้านการเงินของออสเตรเลีย (APRA) ระบุว่า ระบบกำกับดูแล การจัดการความเสี่ยง และการตรวจสอบภายในของสถาบันการเงิน ยังพัฒนาไม่ทันกับความซับซ้อนของ AI ที่ถูกนำมาใช้มากขึ้น

ในทำนองเดียวกัน หน่วยงานกำกับตลาดหลักทรัพย์ของออสเตรเลีย (ASIC) พบช่องว่างด้านการกำกับดูแลในการใช้ AI ที่อาจกระทบลูกค้า เช่น ความลำเอียงของอัลกอริทึมหรือผลลัพธ์ที่ไม่เป็นธรรม

2. การกำกับโดยมนุษย์และความโปร่งใส

ระบบ AI หลายประเภทในธนาคาร เช่น การพิจารณาสินเชื่อ การตรวจจับการทุจริต หรือการตรวจสอบคอมพลายแอนซ์ ใช้โมเดล Machine Learning ที่ซับซ้อนและอธิบายผลลัพธ์ได้ยาก

หน่วยงานกำกับดูแลจึงเน้นว่า ธนาคารต้องยังคงมี การกำกับดูแลโดยมนุษย์และความรับผิดชอบที่ชัดเจน เมื่อระบบอัตโนมัติมีผลต่อการตัดสินใจที่กระทบลูกค้า

3. ความเสี่ยงด้านไซเบอร์และความต่อเนื่องของระบบ

การนำ AI เข้าไปเชื่อมกับระบบธนาคารหลักอาจเพิ่มความเสี่ยงด้านไซเบอร์ และทำให้ธนาคารต้องพึ่งพาผู้ให้บริการเทคโนโลยีหรือคลาวด์มากขึ้น

หากระบบล่มหรือถูกโจมตี อาจกระทบต่อบริการทางการเงินจำนวนมาก จึงทำให้ Operational Resilience หรือความสามารถในการดำเนินธุรกิจต่อเนื่อง กลายเป็นประเด็นสำคัญสำหรับผู้กำกับดูแล

4. ความรับผิดชอบของบอร์ดและผู้บริหาร

ในหลายประเทศ ผู้กำกับดูแลย้ำว่าความเสี่ยงจาก AI ยังคงเป็นความรับผิดชอบของคณะกรรมการบริษัทและผู้บริหารระดับสูง แม้ว่าระบบจะทำงานแบบอัตโนมัติหรือใช้บริการจากภายนอกก็ตาม

ในสหราชอาณาจักร หน่วยงานอย่าง Financial Conduct Authority (FCA) ระบุว่ากรอบกฎระเบียบที่มีอยู่แล้ว เช่น การคุ้มครองผู้บริโภค การจัดการความเสี่ยงของโมเดล และกฎด้านความทนทานของระบบ ยังคงใช้กับ AI โดยตรง

การเปลี่ยนแปลงครั้งใหญ่ของงานในธนาคาร

ภาพรวมทั้งหมดสะท้อนการเปลี่ยนแปลงครั้งใหญ่ของอุตสาหกรรมการเงิน

AI กำลังกลายเป็นชั้นโครงสร้างพื้นฐานใหม่ของธนาคาร ตั้งแต่งานบริการลูกค้า งานวิเคราะห์ข้อมูล ไปจนถึงกระบวนการภายในองค์กร

แม้ AI จะไม่ได้ทำให้มนุษย์หายไปจากระบบการเงิน แต่กำลังเปลี่ยนทักษะที่ธนาคารต้องการอย่างชัดเจน

งานที่เป็นขั้นตอนซ้ำ ๆ หรือวิเคราะห์ข้อมูลพื้นฐานจะถูกทำให้เป็นอัตโนมัติมากขึ้น ขณะที่บทบาทใหม่ ๆ จะเน้นไปที่

• การกำกับดูแล AI
• การออกแบบระบบ
• ความปลอดภัยไซเบอร์
• การสร้างความสัมพันธ์กับลูกค้า

ในอีกด้านหนึ่ง ผู้กำกับดูแลต้องพยายามสร้างสมดุลระหว่าง การสนับสนุนนวัตกรรม กับ การป้องกันความเสี่ยงต่อผู้บริโภคและเสถียรภาพของระบบการเงิน

และความตึงเครียดระหว่างสองสิ่งนี้ อาจกลายเป็นหนึ่งในประเด็นสำคัญที่สุดของภาคธนาคารในยุค AI