Nowe technologie w sektorze finansowym

Getty Images

Platformy wielostronne (ang. Multi-Sided Platforms, MSP), które umożliwiają bezpośrednie interakcje między kupującymi a sprzedającymi lub między większą liczbą grup użytkowników, można zdefiniować jako zbiór rozwiązań instytucjonalnych, które łączą dwa lub więcej rodzajów podmiotów gospodarczych i ułatwiają transakcje między nimi (por. Evans i Schmalensee, 2014, Croxson i in. 2022). Platformy te charakteryzują się następującymi cechami: wielostronnym (zewnętrznym) efektem sieciowym pomiędzy grupami użytkowników, tzn. wzrost liczby użytkowników jednej grupy zwiększa korzyści dla drugiej. Im większa sieć, tym większe prawdopodobieństwo znalezienia odpowiedniego partnera do danej transakcji oraz istnieje pośrednik obsługujący powyższe grupy klientów (ang. third-party services). Platformy oferujące usługi finansowe mogą wyróżniać się np. specjalizacją w zakresie wysokiej ochrony prywatności (np. bankowość prywatna dla osób zamożnych (ang. private banking) lub w rozwoju usług specjalnie dostosowanych do potrzeb małej społeczności.

Platformy cyfrowe rozwijają się w usługach finansowych dzięki trzem grupom podmiotów. Pierwszą grupę stanowią nowi gracze z branży technologii finansowych (FinTech); drugą grupę stanowią duże przedsiębiorstwa technologiczne Big Tech, których podstawowa działalność opiera się na platformach usług internetowych niefinasowych; a trzecią grupę, w coraz większym stopniu, stanowią tradycyjne banki, zaczynające wykorzystywać modele biznesowe oparte na platformach. Do rozwiązań technologicznych tworzących potencjał w sektorze finansowym można zaliczyć m.in.: technologię rozproszonej księgi (Distributed Ledger Technology (DLT), blockchain, big data, przetwarzanie w chmurze, interfejsy programu aplikacyjnego (Application programming interface, API) oraz sztuczną inteligencję (Artificial Intelligence – AI), która jest obecnie adoptowana we wszystkich sferach gospodarki.

Zalety platform cyfrowych

Z jednej strony – nowe techniki usprawniły procesy i stworzyły nowe możliwości. Z drugiej strony – uwidoczniły nowe zagrożenia. Dzięki platformom cyfrowym zmniejsza się problem wykluczenia finansowego, ponieważ ich wykorzystanie umożliwia wzrost wydajności i większą integrację finansową dla osób nieubankowionych. Rodzą się także pytania dotyczące kompromisów między efektywnością a konkurencją, stabilnością finansową a prywatnością danych osobowych, którymi zarządzają duże przedsiębiorstwa Big Tech (BIS, 2019; Feyen i in, 2021). Model biznesowy oparty na tych platformach polega przede wszystkim na masowej wymianie danych i różni się od tradycyjnych sposobów oferowania usług finansowych oraz związanych z nimi regulacji, co może zakłócać konkurencję rynkową.

Zobacz również:
Struktura rynku w czasach finansów cyfrowych: rola efektów sieciowych

Duże przedsiębiorstwa technologiczne Big Tech zmniejszają ograniczenia związane z kosztem pozyskiwania informacji o klientach na rynkach dzięki możliwości przetwarzania dużych ilości informacji (Big Data) z użyciem zaawansowanych metod analitycznych. Dane, które mają przedsiębiorstwa Big Tech, uzyskiwane bezpośrednio z platform, obejmują zarówno dane finansowe, jak również niefinansowe, uzyskane za pośrednictwem mediów społecznościowych i innych kanałów (por. Boissay i in., 2021). Duże przedsiębiorstwa technologiczne Big Tech mają także wyższy całkowity koszt finansowania, ponieważ wykorzystują więcej kapitału własnego i nie mają depozytów (por. Feyen i in., 2021). A to powoduje, że można je porównywać z globalnymi instytucjami finansowymi o znaczeniu systemowym (ang. global systemically important financial institution).

Stosunkowo duże doświadczenie w wykorzystaniu baz danych i platform cyfrowych oraz działalności opartej m.in. na chmurze obliczeniowej (ang. cloud computing), umożliwia przedsiębiorstwom Big Tech oferowanie atrakcyjniejszych produktów dla klientów niż banki czy ubezpieczyciele. Przedsiębiorstwa Big Tech dzięki modelowi biznesowemu opartemu na platformach mogą zmniejszyć koszty pozyskiwania informacji oraz dokonać weryfikacji klientów po niższych kosztach niż bankowość tradycyjna (Goldfarb i Tucker, 2020). Dodatkowo, duże przedsiębiorstwa technologiczne mają potencjał, aby stać się dominującymi na rynku finansowym dzięki korzyściom zapewnianym przez pętlę sprzężenia zwrotnego w sieciach danych – DNA (Data-network-activity od: analiza danych, ang. Data analytics); sieciowe efekty zewnętrzne (ang. Network externalities); przeplatające się działania (ang. interwoven Activities; por. Pawłowska, 2022). Efekt sieciowy określa następujący mechanizm: każdy nowy konsument, stając się użytkownikiem sieci, powiększa tym samym wielkość sieci oraz otwiera nowy kanał przepływu informacji; jeśli w sieci jest jeden użytkownik (lub wielu izolowanych, którzy nie kontaktują się ze sobą), to produkt jest całkowicie bezużyteczny. Należy zauważyć, że efekty sieciowe występują po stronie popytu, podczas gdy korzyści skali ‒ po stronie podaży. Wskutek tego mechanizmu nawet niewielkie różnice działają na korzyść większych sieci i mają tendencję do pogłębiania się. Duża sieć bardzo szybko się rozrasta, a mała zanika. W skrajnych przypadkach dochodzi do przejęcia całego rynku ‒ „zwycięzca bierze wszystko” (ang. winer-takes-all; Belleflamme i Peitz, 2021). Przedsiębiorstwa Big Tech uzyskane dane, opisujące sieć powiazań, mogą wykorzystać do budowania baz służących ocenie zdolności kredytowej oraz różnicowaniu cen (por. Boissay i in., 2021).

Zobacz również:
Banki pod presją fintechów

Z jednej strony ‒ rozwój działalności dużych przedsiębiorstw Big Tech powoduje wzrost dywersyfikacji usług na rynku finansowym, z drugiej ‒ model oparty na platformach cyfrowych oraz sprzężenia zwrotne związane z tzw. DNA mogą zwiększać siłę monopolistyczną przedsiębiorstw Big Tech oraz problem prywatności danych i ich ochrony. Zarządzanie bazami danych tzw. Big Data, staje się podstawą efektywnych usług finansowych, a temu sprzyja rozwój nowych instrumentów analitycznych czy sztucznej inteligencji. Warto podkreślić, że przedsiębiorstwa FinTech i Big Tech wykorzystują AI w celu automatyzacji procesów, bez interwencji człowieka. Również tradycyjne banki wykorzystują sztuczną inteligencję w celu usprawnienia swoich usług (m.in. chatboty).

Wykorzystanie sztucznej inteligencji

Rozwój sztucznej inteligencji jest związany z rozwojem technik komputerowych oraz uczenia maszynowego. Uczenie maszynowe ma już długą historię i różnorodne zastosowania tak dla celów indywidualnych, jak i instytucjonalnych, ale dzięki rozwojowi technologii informatycznych obecnie rozwija się bardzo szybko i powstaje coraz więcej przedsiębiorstw zaangażowanych w jej rozwój (OECD, 2021). Za okres narodzin AI przyjmuje się lata 1952–1956, gdy powstał test Turinga oraz maszyna Turinga.

Definicja sztucznej inteligencji jest również bardzo szeroka i obejmuje takie pojęcia jak m.in. uczenie maszynowe, głębokie uczenie maszynowe LLM (LLM – zaawansowane systemy oparte na sztucznej inteligencji, które zostały zaprojektowane do generowania tekstu podobnego do tego co tworzy człowiek), sieci neuronowe. Rozróżnia się pojęcia: sztuczna inteligencja, generatywna sztuczna inteligencja oraz systemy sztucznej inteligencji. Generatywna sztuczna inteligencja (Generative AI, GenAI), to obecnie najnowsza generacja systemów AI, naśladująca zachowania człowieka, która powstała dzięki zwiększaniu szybkości mocy obliczeniowej wykorzystywanej do trenowania najnowocześniejszych modeli AI (Aldasoro, Gambacorta, Korinek, Shreeti i Stein, 2024). Przykładem są systemy, które specjalizują się w przetwarzaniu i generowaniu ludzkiego języka np. ChapGPT. Wykorzystaniem AI są coraz bardziej zainteresowane podmioty systemu finansowego, upatrując w niej potencjału wzrostu efektywności oraz zysków. Dotyczy to zwłaszcza technologii ChatGPT-4, której wdrażanie na szeroką skalę datuje się od 2022 r.

Poziom rozwoju narządzi AI i ryzyko wiarygodności wyników stanowią ograniczenia w jej wykorzystywaniu do decyzji w sektorze finansowym. Zaufanie do sztucznej inteligencji w bankowości jest niższe niż w porównywanych z nią sektorach. Jedną z przyczyn tego stanu jest znaczne ryzyko błędnych wyników GenAI dla podejmowania decyzji finansowych, m.in. ze względu na jakość wykorzystywanych baz danych i konsekwencje błędnych decyzji dla klientów, a także samych banków. Wiodące przedsiębiorstwa technologiczne Big Tech tworzą jednak systemy sztucznej inteligencji, które specjalizują się w przetwarzaniu i generowaniu ludzkiego języka np. ChapGPT (OpenAI), Bard (Google), Bing Chat (Microsoft), które mogą być wykorzystywane pomocniczo w działalności podmiotów finansowych. Dotyczy to nie tylko komunikacji z klientami, ale także zarządzania aktywami i pasywami w bankowości detalicznej oraz korporacyjnej, w marketingu, a także w promocji czy gospodarowaniu papierami wartościowymi. AI może być stosowana w analizach danych o wysokiej częstotliwości oraz w procedurach oceny zdolności kredytowej. Obecnie zastosowania GenAI zarówno dla celów indywidualnych, jak i instytucjonalnych, powodują, że tempo jej rozwoju i wykorzystania przewyższa tempo rozwoju komputerów czy internetu. Wdrażanie GenAI wiąże się jednak również z zagrożeniami.

Zobacz również:
Generatywna AI kontra twórcy

Zagrożenia w wykorzystaniu AI dotyczą koncentracji rynku i zakłóceń konkurencji. Sztuczna inteligencja jest zasilana ogromnymi ilościami danych, wymagających dużych mocy obliczeniowych komputerów, a to prowadzi do ryzyka koncentracji dotyczącej dostawców produktów AI do kilku, dominujących przedsiębiorstw. Dla przykładu, wykorzystanie sztucznej inteligencji wiąże się z wysokimi kosztami stałymi i bardziej sensowne jest inwestowanie w budowę silnego zespołu ją rozwijającego, niż kilku mniejszych. Dlatego organy regulacyjne, w szczególności organy ds. konkurencji, zaczęły zwracać uwagę na celowe lub niezamierzone zmowy dotyczące wytwarzania algorytmów AI (Assad i in., 2024).

Współczesny świat finansów cyfrowych ma charakter globalny, a wykorzystanie platform wielostronnych w finansach jest już powszechne, zwiększa się wykorzystanie sztucznej inteligencji. Przedsiębiorstwa technologiczne zaczęły konkurować z bankami w sferze usług wcześniej zarezerwowanych wyłącznie dla tradycyjnej bankowości. W konsekwencji banki zmieniły swoje modele biznesowe i korzystają z modeli opartych na platformach. Miało to doprowadzić do większej konkurencji na rynku usług finansowych, a pośrednio także gospodarki. Niepożądanym efektem ubocznym rozwoju technologii cyfrowych jest eskalacja dotychczasowego ryzyka oraz powstawanie nowego. Zagrożeniem dla konkurencyjności jest także koncentracja podmiotów na rynku cyfrowym z perspektywą monopolizacji. Big Techy mają coraz większą pozycję na rynku i stwarzają możliwości zdobycia dominującej pozycji w różnych segmentach rynku finansowego, co może prowadzić do nadmiernej koncentracji oraz praktyk antykonkurencyjnych. Dodatkowo wdrażane na coraz szerszą skalę rozwiązania oparte na AI, stwarzają nowe możliwości dla działań takich jak manipulacja na rynku, cyberatak lub oszustwo.

Czy świat finansowy będzie umiał wykorzystać tylko te pozytywne własności technologii cyfrowych na tym etapie rozwoju AI? Trudno przewidzieć.

Autorka wyraża własne opinie, a nie oficjalne stanowisko NBP.

Getty Images

Zamknij pokaz zdjęć