เมื่อ AI ทำให้ตลาดคิดเหมือนกัน: ความเสี่ยงที่ ECB และ Fed จับตา

บทวิเคราะห์พิเศษใน Financial Stability Review เดือนพฤษภาคม 2024 ของ ECB ระบุว่า generative AI หรือ AI เชิงสร้างสรรค์ อาจมีผลอย่างมากต่อระบบการเงิน โดยผลลัพธ์จะขึ้นอยู่กับการจัดการเรื่องข้อมูล การพัฒนาโมเดล และการนำโมเดลไปใช้งาน ทั้งในระดับสถาบันการเงินรายแห่งและระดับระบบโดยรวม ฝั่ง Fed วางกรอบใกล้เคียงกัน โดยมองว่า AI เป็นเทคโนโลยีที่พัฒนาเร็ว และความเสี่ยงกับประโยชน์ของมันเริ่มเห็นเป็นรูปธรรมชัดขึ้น

AI มีด้านบวกจริง ไม่ว่าจะเป็นการประเมินความเสี่ยง การจัดการเงินกองทุนและสภาพคล่อง ประสิทธิภาพงานหลังบ้าน การปฏิบัติตามกฎเกณฑ์ งานบริการลูกค้า และการวิเคราะห์ข้อมูล แต่ความเสี่ยงด้านเสถียรภาพเกิดขึ้นเมื่อธนาคาร กองทุน บริษัทโครงสร้างพื้นฐานตลาด หรือผู้เล่นอื่น ๆ ใช้เครื่องมือคล้ายกัน พึ่งพาผู้ให้บริการภายนอกกลุ่มเดียวกัน หรืออ่านสัญญาณตลาดชุดเดียวกันในเวลาเดียวกัน

สิ่งที่ ECB จับตา

ผู้ให้บริการ AI กระจุกตัว

ECB ให้ความสำคัญมากกับความกระจุกตัวของผู้เล่นในระบบนิเวศ AI สุนทรพจน์ของ ECB ในปี 2024 ระบุความเสี่ยงว่า มูลค่าจำนวนมากที่ AI สร้างขึ้นอาจถูกเก็บเกี่ยวโดยบริษัทเพียงไม่กี่รายที่ครองระบบนิเวศ AI สำหรับภาคการเงิน บทวิเคราะห์เสถียรภาพของ ECB เดือนพฤษภาคม 2024 ระบุว่า หากมีการใช้ AI อย่างแพร่หลายพร้อมกับผู้ให้บริการที่กระจุกตัว ความเสี่ยงด้านปฏิบัติการ รวมถึงความเสี่ยงไซเบอร์ อาจยกระดับเป็นความเสี่ยงเชิงระบบได้

พูดแบบง่าย ๆ นี่คือปัญหา ‘จุดล้มเหลวร่วม’ ถ้าธนาคาร กองทุน หรือระบบตลาดจำนวนมากพึ่งโมเดลเดียวกัน แพลตฟอร์มคลาวด์เดียวกัน หรือท่อข้อมูลชุดเดียวกัน เหตุขัดข้อง การอัปเดตที่ผิดพลาด การโจมตีไซเบอร์ หรือชุดข้อมูลที่ปนเปื้อน อาจกระทบหลายสถาบันพร้อมกัน ไม่ได้จำกัดอยู่ในองค์กรใดองค์กรหนึ่ง

ตลาดแห่ตามกัน

ในตลาดการเงิน ความเสี่ยงจากความเหมือนกันมักออกมาในรูปของ herding หรือพฤติกรรมแห่ตามกัน งานทบทวนเสถียรภาพการเงินฉบับหนึ่งเตือนว่า การใช้ AI อย่างกว้างขวางโดยไม่มีมาตรการป้องกันที่เหมาะสม อาจเพิ่มความเสี่ยงจากความกระจุกตัวด้านไซเบอร์ พฤติกรรมแห่ตามกัน และค่าสหสัมพันธ์ของตลาดที่สูงขึ้น

ในภาวะปกติ คำแนะนำจาก AI ที่คล้ายกันอาจดูเหมือนประสิทธิภาพ แต่ในวันที่ราคาสินทรัพย์ร่วง มันอาจกลายเป็นแรงเสริมวัฏจักรขาลงได้ หากระบบจำนวนมากแนะนำให้ลดความเสี่ยง ขายสินทรัพย์คล้ายกัน เพิ่มกันชนสภาพคล่อง หรือถอยจากการทำหน้าที่ดูแลสภาพคล่องในตลาดพร้อมกัน ตลาดอาจตื้นลงและราคาขยับแรงขึ้น

โมเดล ข้อมูล และการนำไปใช้

ECB ยังเน้นว่า ผลกระทบของ AI ขึ้นอยู่กับคุณภาพข้อมูล วิธีพัฒนาโมเดล และการนำไปใช้งานจริง นั่นทำให้ธรรมาภิบาล AI ไม่ใช่แค่เรื่องไอที แต่เป็นเรื่องเสถียรภาพการเงินด้วย โมเดลที่ทำงานดีในตลาดปกติอาจตอบสนองต่างออกไปเมื่อเจอเหตุการณ์ใหม่ที่ไม่เคยเห็น และการตั้งค่าการใช้งานจะเป็นตัวตัดสินว่าเอาต์พุตที่ผิดพลาดจะหยุดอยู่แค่สัญญาณเตือนภายใน หรือกลายเป็นคำสั่งอัตโนมัติในระบบซื้อขาย สินเชื่อ เงินกองทุน หรือสภาพคล่อง

สิ่งที่ Fed จับตา

ความกังวลของ Fed ทับซ้อนกับ ECB แต่เอกสารและสุนทรพจน์ของ Fed มักวางกรอบผ่านการกำกับดูแล ความเสี่ยงจากบุคคลที่สาม และความทนทานทางไซเบอร์ สุนทรพจน์ของ Fed ว่าด้วย AI ในระบบการเงินระบุว่า ผู้กำกับดูแลต้องทำให้แน่ใจว่าความเสี่ยงได้รับการบริหารจัดการขณะที่ความสามารถของ AI เปลี่ยนแปลงต่อเนื่อง

การพึ่งพาผู้ให้บริการภายนอก

งานวิจัยของ Fed พบว่า ช่องว่างด้านเทคโนโลยี AI ระหว่างธนาคารขนาดเล็กกับธนาคารขนาดใหญ่อาจกว้างขึ้น และความหลากหลายของบริษัทนอกภาคการเงินที่ให้บริการ AI แก่ธนาคารอาจมีจำกัด นี่ชี้ไปยังปัญหาความกระจุกตัว: สถาบันที่เล็กกว่าอาจต้องพึ่งระบบผู้ขายไม่กี่ราย ขณะที่สถาบันขนาดใหญ่อาจเข้าถึงความสามารถ AI ขั้นสูงได้มากกว่า

เอกสารอีกชิ้นของ Fed ระบุว่า ผู้ให้บริการบุคคลที่สามเป็นแนวเปราะบางด้านไซเบอร์ที่ซ่อนอยู่ในระบบการเงิน และอาจก่อความเสี่ยงเชิงระบบได้ เมื่อนำมารวมกับความกระจุกตัวของผู้ให้บริการ AI ผู้ขายเทคโนโลยีจึงอาจกลายเป็นช่องทางส่งผ่านแรงกดดันในช่วงวิกฤต หากสถาบันการเงินจำนวนมากพึ่งพาเจ้าเดียวกันหรือห่วงโซ่เดียวกัน

ไซเบอร์ deepfake และการฉ้อโกง

ช่องทางไซเบอร์เป็นหนึ่งในความกังวลใหญ่ของ Fed ในปี 2025 Michael Barr ระบุว่า deepfake ที่ขับเคลื่อนด้วย AI สามารถเลียนแบบอัตลักษณ์ของบุคคลได้ทั้งชุด และมีศักยภาพในการเร่งการฉ้อโกงตัวตนให้รุนแรงขึ้น เขายังกล่าวว่าอาชญากรไซเบอร์หันมาใช้ generative AI มากขึ้น ก่อนหน้านั้น Fed เตือนว่า ภัยไซเบอร์อาจก่อความปั่นป่วนมากขึ้นเมื่อเทคโนโลยีก้าวหน้าและระบบการเงินเชื่อมโยงกันมากขึ้น และเหตุไซเบอร์สามารถสร้างผลกระทบเชิงระบบที่กว้างกว่าเดิมได้

ในช่วงตลาดตึงเครียด ความน่าเชื่อถือและการยืนยันตัวตนสำคัญมาก การฉ้อโกงที่ใช้ AI การสื่อสารปลอม หรือการโจมตีอัตลักษณ์ ไม่จำเป็นต้องทำให้ราคาสินทรัพย์ทุกชนิดขยับโดยตรงก็สร้างความปั่นป่วนได้ เพราะมันอาจรบกวนระบบยืนยันตัวตน การชำระเงิน การสื่อสาร หรือความเชื่อมั่นของลูกค้า ในเวลาที่สถาบันการเงินกำลังรับมือกับข้อมูลที่ไหลเร็วอยู่แล้ว

การตัดสินใจผ่าน AI

เอกสารของเจ้าหน้าที่ Fed เกี่ยวกับ generative AI และเสถียรภาพการเงินระบุว่า มนุษย์พึ่งพา AI มากขึ้นในการรวบรวมข้อมูลและตัดสินใจ ทั้งในฐานะผู้ช่วยตัดสินใจและระบบที่ทำงานเป็นอัตโนมัติมากขึ้น เมื่อเอาต์พุตของ AI ถูกฝังอยู่ในระบบซื้อขาย การบริหารสภาพคล่อง การประเมินความเสี่ยง หรือปฏิบัติการธนาคาร ความผิดพลาดของโมเดลจะไม่ใช่แค่บรรทัดหนึ่งในรายงาน แต่อาจถูกส่งต่อออกไปเป็นการกระทำจริง

AI อาจขยายแรงกระแทกของตลาดอย่างไร

ภาพจำลองที่ธนาคารกลางกังวลไม่ได้ซับซ้อนมากนัก:

1. เกิดช็อกก่อน — ราคาในตลาดร่วง ความผันผวนพุ่ง ข่าวน่ากังวลแพร่เร็ว หรือเกิดเหตุไซเบอร์กับผู้ให้บริการสำคัญ หลายสถาบันประมวลผลเหตุการณ์นี้ด้วยเครื่องมือ AI แหล่งข้อมูล หรือผู้ขายภายนอกที่คล้ายกัน

2. คำตอบของ AI เริ่มไปทางเดียวกัน — ระบบบริหารความเสี่ยงอาจแนะนำให้ลดสถานะ ขายสินทรัพย์คล้ายกัน เพิ่มกันชนสภาพคล่อง หรือลดบทบาทการทำตลาด งานด้านเสถียรภาพเตือนว่า การใช้ AI อย่างกว้างขวางโดยไร้มาตรการป้องกันอาจกระตุ้นพฤติกรรมแห่ตามกันและเพิ่มความสัมพันธ์ระหว่างตลาด

3. วงจรป้อนกลับเร่งตัว — แรงขายและการถอนสภาพคล่องกดราคาให้ลงต่อ ราคาที่ลดลงกลายเป็นข้อมูลรอบใหม่ให้ระบบบริหารความเสี่ยงออกสัญญาณที่เข้มขึ้น งานวิเคราะห์นโยบายเตือนว่า AI อาจขยาย wrong-way risk และเร่งความเร็วของวิกฤตการเงินได้

4. โครงสร้างพื้นฐานร่วมกลายเป็นทางส่งผ่านปัญหา — ECB เตือนว่าผู้ให้บริการ AI ที่กระจุกตัวอาจทำให้ความเสี่ยงด้านปฏิบัติการและไซเบอร์เป็นความเสี่ยงเชิงระบบ ขณะที่งานวิจัยของ Fed ระบุว่าผู้ให้บริการบุคคลที่สามเป็นแนวเปราะบางด้านไซเบอร์ในระบบการเงิน

5. ความเชื่อมั่นอ่อนลงในจังหวะที่ไม่ควรอ่อน — deepfake การฉ้อโกงที่ใช้ AI หรือการโจมตีไซเบอร์ อาจบั่นทอนการยืนยันตัวตนและความเชื่อมั่นในช่วงที่บริษัท ลูกค้า และคู่สัญญาต้องการข้อมูลที่เชื่อถือได้ที่สุด

ลดความเสี่ยงได้อย่างไร

มาตรการป้องกันต้องเริ่มจากการมองให้เห็นทั้งระบบ ไม่ใช่ดูแค่โมเดลเดี่ยวในองค์กรเดียว สถาบันการเงินและผู้กำกับดูแลควรทำแผนที่การพึ่งพา AI ร่วมกัน เช่น โมเดล ผู้ให้บริการคลาวด์ ชุดข้อมูล และผู้ขายภายนอก เพราะความกระจุกตัวของผู้ให้บริการสามารถเปลี่ยนการตัดสินใจด้านเทคโนโลยีระดับบริษัทให้เป็นจุดเปราะบางระดับระบบได้

อีกด้านคือการทดสอบ AI ภายใต้ภาวะเครียด โดยเฉพาะจุดที่คุณภาพข้อมูล การออกแบบโมเดล และการตั้งค่าการใช้งานเป็นตัวกำหนดว่าเอาต์พุตของ AI จะอยู่ในฐานะคำแนะนำ หรือถูกแปลงเป็นคำสั่งอัตโนมัติ

ความทนทานด้านไซเบอร์และการบริหารความเสี่ยงบุคคลที่สามก็เป็นหัวใจสำคัญ รายงานด้าน cybersecurity ของ Fed ระบุว่า นโยบายกำกับดูแลและขั้นตอนการตรวจสอบของ Fed ครอบคลุมการบริหารความเสี่ยงไอที cybersecurity ความทนทานด้านปฏิบัติการ และการบริหารความเสี่ยงจากบุคคลที่สาม ประเด็นของ ECB ก็ไปในทางเดียวกัน: เครื่องมือที่ดูบริหารจัดการได้ในสถาบันหนึ่งแห่ง อาจสร้างความเปราะบางได้หากหลายสถาบันใช้ในแบบเดียวกันหรือพึ่งผู้ให้บริการกลุ่มเดียวกัน

บทสรุป

ECB และ Fed ไม่ได้มอง AI เป็นตัวจุดชนวนวิกฤตที่หลีกเลี่ยงไม่ได้ แต่กำลังเตือนว่า ความเสี่ยงต่อเสถียรภาพการเงินจะสูงขึ้นเมื่อการใช้ AI แพร่หลาย ผู้ให้บริการกระจุกตัว โมเดลตรวจสอบยาก และสถาบันจำนวนมากตอบสนองต่อสัญญาณเดียวกันด้วยความเร็วสูง

ในวันที่ตลาดสงบ ความเร็ว ขนาด และการเพิ่มประสิทธิภาพของ AI อาจเป็นข้อได้เปรียบของสถาบันแต่ละแห่ง แต่ในวันที่ตลาดถูกกระแทก คุณสมบัติเดียวกันนั้นอาจกลายเป็นแรงขยายปัญหา: การขายพร้อมกัน สภาพคล่องหาย ความปั่นป่วนทางไซเบอร์ และการสูญเสียความเชื่อมั่นที่ลามเร็วขึ้นทั้งระบบ