Banku sektora pārveide: AI un darbinieku samazināšana

Eiropas bankas gatavojas ievērojamiem darbaspēka samazinājumiem, jo mākslīgais intelekts (AI) pārveido ikdienas banku darbību un klientu apkalpošanu. Jaunākie pētījumi un analīzes liecina, ka nākamo desmit gadu laikā desmitiem tūkstošu amatu var tikt zaudēti, jo kreditēšanas iestādes automatizē atbalsta nodaļas funkcijas, riska kontroli un klientu procesus. Šis process nav tikai tehnoloģisks — tas ir arī ekonomisks un organizatorisks — un tam ir ietekme uz darbaspēka struktūru, darba tirgus politiku un banku operacionālo stratēģiju.

Kuri amati ir apdraudēti un kāpēc

Viena no plaši citētajām analīzēm (Morgan Stanley, kā ziņojis Financial Times) norāda, ka līdz 2030. gadam Eiropā var tikt zaudēti vairāk nekā 200 000 banku darbavietu. Šis skaitlis aptuveni atbilst 10% no darba spēka 35 lielākajās bankās, un visizteiktākā ietekme būs tajās darbības jomās, kuras klienti reti redz, bet kuras ir būtiskas banku ikdienas darbībai: operācijas, riska pārvaldība un atbilstība (compliance). Tie ir uzdevumi, kur algoritmi, mašīnmācīšanās modeļi un robotizētā procesautomātika (RPA) var apstrādāt lielus datu kopumus, analītikas tabulas un darījumu plūsmas daudz ātrāk un bieži vien ar mazāku kļūdu risku nekā tradicionālas manuālas komandas.

Darbi, kurus AI spēj automatizēt visvieglāk, parasti ietver rutīnas procedūras, atkārtotu datu ievadi, standarta ziņojumu ģenerēšanu, finanšu atbilstības pārbaudes (piemēram, AML/KYC procesu sākotnējo filtrēšanu) un pamatdarbību noviržu atklāšanu. Mūsdienu NLP (natural language processing) rīki un teksta analītika spēj apstrādāt juridiskus dokumentus, identificēt neatbilstības un sagatavot konspektus, kas agrāk prasīja ilgas manuālas pārskatīšanas sesijas. Kreditēšanas riska modeļi, kas integrē mašīnmācīšanos, var piedāvāt prognozes un segmentāciju, samazinot tradicionālo analītiķu nepieciešamību atsevišķos uzdevumos.

Bankas rēķinās ar produktivitātes pieaugumu kā galveno ekonomisko kompromisu. Minētie pētījumi liecina, ka dažās funkcijās automatizācija var dot apmēram 30% produktivitātes pieaugumu — rādītājs, kas palīdz izprast, kāpēc finanšu iestādes turpina īstenot transformācijas projektus, neraugoties uz sociālajām un organizatoriskajām sekām. Produktivitātes pieaugums nozīmē mazāk darbinieku uz vienu apkalpojamo procesu, ātrāku darbību veikšanu un zemākas darījumu izmaksas, bet tas arī rada izaicinājumu, kā pārvaldīt pāreju, samazināt sociālo spriedzi un investēt darbinieku pārkvalifikācijā (reskilling) un pārkārtošanā.

Tendence jau redzama praksē. Piemēram, Goldman Sachs brīdināja darbiniekus ASV, ka pieņemšanas pārtraukumi un iepriekš paredzētie samazinājumi, kas saistīti ar OneGS 3.0 AI programmu, var turpināties līdz 2025. gadam, ietekmējot klientu iekļaušanas (onboarding) procesus un regulatoriskās atskaites. Eiropā Nīderlandes banka ABN Amro ir paziņojusi plānus samazināt aptuveni piekto daļu no sava darba spēka līdz 2028. gadam, bet Société Générale vadība norādījusi, ka neviena loma nav pilnībā izslēgta, jo bankas pārskata izmaksas un darbplūsmas. Šādi uzņēmumu lēmumi visbiežāk ietver gan tehnoloģiskus risinājumus (jaunu AI platformu ieviešanu), gan organizatoriskas reformas — centru konsolidāciju, ārpakalpojumu izmantošanu (outsourcing) un procesu pārdefinēšanu.

Ne visi vadītāji skatās uz šo jautājumu vienādi. Daļa no finanšu sektora līderiem brīdina, ka pārlieka cilvēka sprieduma izslēgšana no kritiskām darbībām vai nepietiekama jauno darbinieku apmācība pamatzinībās var ilgtermiņā kaitēt nozares stabilitātei un reputācijai. Modelu risku menedžments, lēmumu skaidrojams (explainability), regulatīvais atbilstības risks un etiskie apsvērumi prasa cilvēka iejaukšanos, īpaši sarežģītos lēmumu punktos. Tāpēc daudzas bankas cenšas atrast līdzsvaru starp procesu automatizāciju un cilvēka lomas saglabāšanu, pārorientējot darbiniekus uz uzraudzības, modeļu vadības un sarežģītu klientu attiecību jomām.

Ko tas nozīmē plašākai tirgum

AI dēļ veiktie atlaišanas procesi banku sektorā ir daļa no plašākas sarunas par tehnoloģiju ietekmi uz darbu un nodarbinātību. Eksperti jau sen brīdinājuši, ka mākslīgais intelekts un automatizācija var radīt plašu dislokāciju daudzās nozarēs, un banku sektors tagad skaidri nonāk šajā sarakstā. Darbiniekiem tuvākajā nākotnē galvenais izaicinājums būs pārorientēties un iegūt jaunas prasmes: modelu pārvaldībā (model governance), datu zinātnē (data science), kiberdrošībā, API integrācijā un klientu saskarsmes lomās, kas ir grūtāk automatizējamas. Šī prasme apvieno tehniskas zināšanas ar biznesa izpratni un regulatīvo kontekstu, tādējādi palielinot viņu pievienoto vērtību darba tirgū.

Klientiem un regulatoriem šī pāreja uz autopilotētiem risinājumiem uzdod jaunus jautājumus par operacionālo noturību, pārredzamību un filiāļu nākotni. Banku filiāļu skaita samazināšana un pāreja uz digitāliem kanāliem var palielināt efektivitāti, taču arī rada riskus: sistēmu kļūmes, trešo pušu pakalpojumu sniedzēju atkarība (cloud un SaaS risinājumi), un nepieciešamību pēc robustām rezerves procedūrām. Regulējošās iestādes arvien vairāk pieprasa skaidrus auditācijas žurnālus, modeļu testēšanu un stresa testus, lai nodrošinātu, ka automatizētie risinājumi ir droši, skaidri un atbilst tiesību aktiem.

Ir jāņem vērā arī klientu uzticēšanās aspekts. Finanšu lēmumi bieži balstās uz reputāciju un cilvēku uzticību — īpaši kredītu lēmumos, investīciju konsultācijās un sarežģītu strīdu risināšanā. Mākslīgā intelekta sistēmas var paātrināt procesus, taču tās jāpiemēro tā, lai saglabātu pārskatāmību un skaidrojumu klātbūtni, kā arī nodrošinātu, ka klientiem ir pieejama cilvēka palīdzība, kad tas nepieciešams. Bankas, kas veiksmīgi apvieno tehnoloģijas un cilvēkresursus, var gūt konkurences priekšrocības — piedāvājot ātrumu, zemākas izmaksas un augstāku pakalpojuma kvalitāti vienlaikus.

Beigu beigās AI ienākšana banku nozarē nav tikai jautājums par atlaišanām. Tā ir strukturāla pārveide, kas pārzīmēs amatu aprakstus, pieprasīs jaunas tehniskās prasmes un piespiedīs finanšu iestādes sabalansēt efektivitātes ieguvumus ar cilvēka spriedumu, kas veido uzticēšanos finanšu sistēmai. Stratēģiski svarīgi jautājumi ietver ilgtermiņa ieguldījumus darbinieku mācībās, sadarbību ar regulatoriem, ētikas vadlīniju izstrādi AI izmantošanai un sociālo politiku, kas atbalsta pāreju darba tirgū. Bankas, regulators un valsts institūcijas kopā var veidot mehānismus, lai mazinātu sociālās sekas — piemēram, finansējuma programmas pāratlasei, mērķtiecīgas pārkvalifikācijas iniciatīvas un pakāpenisku transformācijas plānošanu.

Praktiskā līmenī finanšu iestādes, kas aktīvi strādā pie digitālās transformācijas, parasti ievieš hibrīdmodeļus: automatizē rutīnas darbības, bet saglabā cilvēkus kritiskajos kontroles punktos. Tas ietver iekšējās kontroles stiprināšanu, modelu dzīves cikla pārvaldību, iespējamās kļūmes detektēšanu un iekšējo auditāciju. Savukārt darbinieku attīstība — no manuālajām uzraudzības lomām uz datu analītiķu, AI etikas speciālistu un klientu attiecību vadītāju pozīcijām — kļūs par vērtīgu un nepieciešamu investīciju gan banku konkurētspējas, gan sabiedrības uzticības saglabāšanai.