Η ευφορία που χαρακτήρισε την είσοδο της Τεχνητής Νοημοσύνης (AI) στις διεθνείς αγορές το 2024 και το 2025 δίνει πλέον τη θέση της σε έναν βαθύ σκεπτικισμό και μια έντονη ανησυχία. Καθώς διανύουμε το δεύτερο μισό του 2026, η συζήτηση έχει μετατοπιστεί από τις υποσχέσεις για εκρηκτική κερδοφορία στους υπαρξιακούς κινδύνους που εγκυμονεί η αυτοματοποιημένη λήψη αποφάσεων για τη σταθερότητα του παγκόσμιου χρηματοπιστωτικού οικοδομήματος. Ρυθμιστές από την SEC των ΗΠΑ έως την Ευρωπαϊκή Κεντρική Τράπεζα εκπέμπουν σήμα κινδύνου: η AI δεν είναι απλώς ένα εργαλείο αποδοτικότητας, αλλά ένας δυνητικός επιταχυντής συστημικών κρίσεων.

Η «Αγελαία Συμπεριφορά» των Αλγορίθμων

Το κύριο σημείο ανησυχίας για τους οικονομολόγους είναι το φαινόμενο της «αλγοριθμικής σύγκλισης». Όταν οι περισσότερες επενδυτικές τράπεζες, hedge funds και διαχειριστές κεφαλαίων χρησιμοποιούν παρόμοια μοντέλα μεγάλης γλώσσας (LLMs) και αλγορίθμους μηχανικής μάθησης για να αναλύσουν τα δεδομένα της αγοράς, υπάρχει ο κίνδυνος να καταλήγουν στα ίδια συμπεράσματα την ίδια ακριβώς στιγμή. Αυτή η ομοιομορφία μπορεί να οδηγήσει σε μαζικές πωλήσεις ή αγορές, προκαλώντας ακραία μεταβλητότητα που ξεπερνά τις δυνατότητες παρέμβασης των παραδοσιακών μηχανισμών προστασίας.

Οι ρυθμιστικές αρχές προειδοποιούν ότι η AI μπορεί να δημιουργήσει «ψηφιακές αγέλες». Αν ένας αλγόριθμος εντοπίσει ένα σήμα κινδύνου, χιλιάδες άλλοι μπορεί να τον ακολουθήσουν μέσα σε χιλιοστά του δευτερολέπτου, οδηγώντας σε «flash crashes» (στιγμιαίες καταρρεύσεις) που θα μπορούσαν να εξανεμίσουν δισεκατομμύρια δολάρια πριν προλάβει ο ανθρώπινος παράγοντας να αντιδράσει. Η έλλειψη επεξηγησιμότητας (explainability) σε πολλά από αυτά τα μοντέλα —το λεγόμενο «μαύρο κουτί»— καθιστά αδύνατο για τους ελεγκτές να κατανοήσουν το «γιατί» πίσω από μια ξαφνική αγοραία διαταραχή.

Η Συγκέντρωση Ισχύος και η «Μονοκαλλιέργεια» Μοντέλων

Ένας άλλος κρίσιμος παράγοντας είναι η εξάρτηση από έναν πολύ περιορισμένο αριθμό παρόχων υποδομής AI. Σήμερα, η πλειονότητα των χρηματοπιστωτικών ιδρυμάτων βασίζεται στις υπολογιστικές νεφέλες και τα μοντέλα τριών ή τεσσάρων τεχνολογικών κολοσσών. Αυτή η συγκέντρωση δημιουργεί ένα «μονήρες σημείο αποτυχίας» (single point of failure). Μια τεχνική δυσλειτουργία στην υποδομή της Microsoft, της Google ή της Amazon, ή ένα κρίσιμο σφάλμα σε ένα ευρέως χρησιμοποιούμενο μοντέλο της OpenAI, θα μπορούσε να παραλύσει ταυτόχρονα το σύνολο των τραπεζικών συναλλαγών παγκοσμίως.

  • Κίνδυνος Μετάδοσης: Η διασύνδεση των αγορών μέσω κοινών αλγορίθμων σημαίνει ότι μια κρίση σε έναν τομέα μπορεί να μεταδοθεί ακαριαία σε άλλους.
  • Κυβερνοασφάλεια: Η χρήση AI από κακόβουλους δρώντες για τη χειραγώγηση των αγορών ή τη διάπραξη εξελιγμένων απάτων αποτελεί πλέον καθημερινή απειλή.
  • Δεδομένα Εκπαίδευσης: Αν τα μοντέλα εκπαιδεύονται σε ιστορικά δεδομένα που δεν περιλαμβάνουν ακραία σενάρια (black swan events), μπορεί να αποτύχουν παταγωδώς σε περιόδους πραγματικής κρίσης.

Η Ρυθμιστική Αντεπίθεση

Αντιμέτωπες με αυτές τις προκλήσεις, οι εποπτικές αρχές αυστηροποιούν το πλαίσιο λειτουργίας. Η Ευρωπαϊκή Ένωση, μέσω της Πράξης για την Τεχνητή Νοημοσύνη (AI Act), θέτει αυστηρούς κανόνες για τα συστήματα «υψηλού κινδύνου», στα οποία περιλαμβάνονται πλέον και οι αλγόριθμοι αξιολόγησης πιστοληπτικής ικανότητας και διαχείρισης κινδύνων. Στις ΗΠΑ, ο Gary Gensler της SEC έχει επανειλημμένα τονίσει ότι οι υφιστάμενοι κανόνες περί σύγκρουσης συμφερόντων πρέπει να επικαιροποιηθούν, ώστε να διασφαλίζεται ότι οι αλγόριθμοι δεν δίνουν προτεραιότητα στα κέρδη των εταιρειών έναντι των συμφερόντων των πελατών τους.

Ωστόσο, η ρύθμιση της AI είναι ένας αγώνας δρόμου όπου ο νομοθέτης τρέχει πάντα πίσω από την τεχνολογία. Οι τράπεζες υποστηρίζουν ότι η υπερβολική ρύθμιση θα μπορούσε να καταπνίξει την καινοτομία και να οδηγήσει τις δραστηριότητες σε «σκιώδεις» αγορές (shadow banking) με λιγότερο έλεγχο. Το στοίχημα για το 2026 είναι η δημιουργία ενός «δυναμικού πλαισίου» που θα επιτρέπει την αξιοποίηση της AI, διασφαλίζοντας ταυτόχρονα ότι το σύστημα διαθέτει επαρκή «μαξιλάρια» ασφαλείας για να αντέξει την επόμενη ψηφιακή καταιγίδα.

Συμπέρασμα: Η Ανάγκη για Ανθρώπινη Εποπτεία

Καθώς η AI γίνεται ολοένα και πιο αυτόνομη, η ανάγκη για «άνθρωπο στο κύκλωμα» (human-in-the-loop) γίνεται επιτακτική. Οι αγορές δεν είναι απλώς αριθμοί και κώδικας· είναι το αποτέλεσμα της ανθρώπινης εμπιστοσύνης. Αν οι επενδυτές πάψουν να καταλαβαίνουν πώς λειτουργούν οι αγορές επειδή αυτές ελέγχονται από αδιαφανείς αλγορίθμους, η ίδια η βάση του καπιταλισμού κινδυνεύει. Η τεχνολογία πρέπει να υπηρετεί τη σταθερότητα, όχι να την υπονομεύει στο βωμό της ταχύτητας.