Finanse

Sztuczna inteligencja bankierem centralnym? Długo, długo nie!

Na obecnym etapie rozwoju Al narzędzia takie jak ChatGPT i uczenie maszynowe poprawią efektywność i skuteczność działań banków centralnych na wielu płaszczyznach, jednak za najważniejsze zadania wciąż odpowiadać będą ludzie

Proces automatyzacji wspierany rewolucją cyfrową trwa już od lat 70. XX wieku. Rozwój technologii komputerowych doprowadził do automatyzacji zadań wymagających średnich kwalifikacji ukierunkowanych na rutynę, np. stanowisko na linii produkcyjnej czy zawód księgowej/księgowego. Rewolucja ChatGPT przyspieszy automatyzacje, co oznacza wypychanie kolejnych stanowisk na rynku pracy przez sztuczną inteligencję. Zadaliśmy więc pytanie, które zmusiło nas do refleksji (pewnie nieco abstrakcyjnej): czy sztuczna inteligencja może zostać szefem banku centralnego?

Ponad połowa banków centralnych wykorzystuje sztuczną inteligencję

Z badania Fintech Benchmarks przeprowadzonego w tym roku wynika, że 51% banków centralnych na świecie korzysta z technologii sztucznej inteligencji (AI) i uczenia maszynowego (ML). Jakiś czas temu prezes NBP Adam Glapiński stwierdził, że nasz bank centralny od kilkunastu miesięcy testuje narzędzia sztucznej inteligencji w takich obszarach jak cyberbezpieczeństwo, informatyka, komunikacja, edukacja i multimedia.

Widzimy więc, że Al staje się w coraz większym stopniu zakorzeniona w działalności banków centralnych, choć jest wykorzystywana raczej w zadaniach drugiej kategorii. Wynika to z bardziej konserwatywnego podejścia banków centralnych w stosunku do banków komercyjnych, które zdecydowanie szybciej wdrażają sztuczną inteligencję. Niemniej, z czasem wykorzystanie Al będzie coraz bardziej powszechne w bankach centralnych, a wraz z nasilaniem tego zjawiska będzie pojawiać się pytanie: czy sztuczna inteligencja jest w stanie skutecznie zarządzać podstawowymi instrumentami banków centralnych jak stopy procentowe lub operacje otwartego rynku?

Zobacz też: Automatyzacja i sztuczna inteligencja rewolucjonizują e-commerce

Czy sztuczna inteligencja może zastąpić szefa banku centralnego?

Powszechnie wiadomo, że sztuczna inteligencja najlepiej sprawdza się w środowisku obitych danych, jasnych zasad i celów oraz powtarzających się wydarzeń. Właśnie dlatego dobrze odnajduje się w sektorze bankowym, gdzie wykorzystywana jest między innymi do prognozowania, automatycznego generowania decyzji kredytowych czy analiz klienta. Banki centralne poza personelem programistów potrzebują jednak przede wszystkim ekonomistów, którzy nie tylko znają się na statystyce, modelowaniu ekonometrycznym, prognozowaniu ryzyka, ale nade wszystko ekonomii.

Bankier centralny powinien dobrze rozpoznać zjawiska zachodzące w gospodarce i tak dopasowywać poziom stóp procentowych, aby w średnim okresie utrzymywać inflację w celu – najlepiej przy jednoczesnym braku nadmiernych szkód społecznych. Oczywiście można tak zaprogramować sztuczną inteligencję, aby ustalała stopy procentowe zgodnie z jakąś numeryczną zasadą, np. regułą Taylora: zasada ta głosi, że nominalne stopy procentowe powinny rosnąć szybciej, niż stopa inflacji (wzrost inflacji o 1 p. proc. powinien powodować zwiększenie stopy procentowej BC o 1,5 p. proc.).

Ostatnie lata pokazują jednak, że zjawiska gospodarcze determinowane wyjątkowymi zdarzeniami mogą podlegać silnym wahaniom. Ze środowiska deflacyjnego możemy „z dnia na dzień” przejść do gwałtownie rosnącej inflacji (strefa euro) wynikającej z wystąpienia szoków podażowych. Dwucyfrowa inflacja w głównych gospodarkach to zdarzenie nadzwyczajne mające miejsce raz na kilkadziesiąt lat. Istnieje ryzyko, że sztuczna inteligencja w takiej sytuacji mogłaby źle zdiagnozować przyczyny inflacji i doprowadzić do głębokiej stagflacji.

W systemie finansowym mogą pojawić się niespodziewane napięcia, które w przypadku złego zarządzania płynnością przez bank centralny prowadzą do kryzysów finansowych. Czy sztuczna inteligencja jest w stanie poradzić sobie z takimi ekstremalnymi zdarzeniami? Dobrym przykładem jest Fed, który w obliczu destabilizacji sektora bankowego dostarczył dodatkową płynność bankom centralnym, zmienił podejście w komunikacji na gołębią i przerwał cykl podwyżek stóp procentowych, mimo że inflacja znajdowała się powyżej celu. Z perspektywy walki z inflacją taki ruch był zapewne ryzykowny, ale jeszcze bardziej ryzykowne byłoby pozostawienie sektora bankowego bez wsparcia płynnościowego. W takich warunkach Al mogłaby po prostu podjąć błędne decyzje, które doprowadziłyby do katastrofalnych skutków.

Ekonomista Jon Danielsson (2023) wskazuje na przykład sztucznej inteligencji EURISKO, która w latach 80. w morskiej grze wojennej, aby pokonać swoich konkurentów zatopiła swoje najwolniejsze statki w celu zwiększenia zwrotności. Al może podejmować decyzje nieakceptowalne dla ludzi, ponieważ „myśli” bardziej zero-jedynkowo, podczas gdy świat i gospodarka charakteryzują się wysokim stopniem złożoności.

Zobacz także: Inflacja w Polsce jeszcze długo będzie wyższa niż inflacyjny cel NBP

Najważniejsze decyzje banków centralnych zapadają na łamach konsensusu grupowego. Cyklicznie spotykają się członkowie Rady Polityki Pieniężnej, którzy dyskutują nt. danych ekonomicznych i wydają werdykt odnośnie do stóp procentowych. Można przypuszczać, że decyzja będąca pochodną dyskusji różnej maści ekonomistów (inne poglądy, doświadczenie, czasami specjalizacja etc.) okaże się bardziej precyzyjna, niż Al. Jak trafnie wskazuje Danielsson (2023):

Decyzje grupowe podejmowane przez decydentów o różnych punktach widzenia mogą skutkować bardziej solidnymi decyzjami niż pojedyncza sztuczna inteligencja.

Podsumowując, na obecnym etapie rozwoju Al narzędzia takie jak ChatGPT i uczenie maszynowe poprawią efektywność i skuteczność działań banków centralnych na wielu płaszczyznach, jednak za najważniejsze zadania (ustalanie stóp procentowych czy operacje otwartego rynku) wciąż odpowiadać będą ludzie. Trudno wyobrazić sobie sytuację, w której sztuczna inteligencja jest bankierem centralnym – nawet w odległej przyszłości.

A co na to Al?

Na końcu postanowiliśmy spytać… samą sztuczną inteligencję za pośrednictwem ChatGPT. Oto co nam odpowiedziała:

W obecnej chwili, z mojej wiedzy, nie ma żadnych realnych przykładów sztucznej inteligencji, która pełniłaby funkcję szefa banku centralnego. Decyzje dotyczące polityki monetarnej i zarządzania gospodarką są nadal podejmowane głównie przez ludzi. Chociaż sztuczna inteligencja może wspierać proces podejmowania decyzji, ostateczne odpowiedzialność i decyzje w takich kwestiach zazwyczaj spoczywają na ludziach.

W przyszłości istnieje możliwość, że technologia sztucznej inteligencji może mieć większy wpływ na procesy decyzyjne w instytucjach finansowych, w tym w bankach centralnych. Sztuczna inteligencja może pomóc w analizie danych ekonomicznych, prognozowaniu trendów i identyfikowaniu potencjalnych zagrożeń dla stabilności finansowej. Jednak zawsze będzie to narzędzie wspomagające, a ostateczne decyzje będą podejmowane przez ludzi.

Ponadto, istnieje wiele aspektów związanych z zarządzaniem bankiem centralnym, takich jak polityka monetarna, regulacje finansowe, nadzór nad sektorem bankowym i stabilność systemu finansowego, które wymagają kompleksowego rozumienia kontekstu społecznego, politycznego i gospodarczego. To sprawia, że ​​rola szefa banku centralnego jest silnie powiązana z ludzkim doświadczeniem, wiedzą i umiejętnościami.

W związku z tym, choć technologia sztucznej inteligencji może znaleźć zastosowanie w niektórych aspektach funkcjonowania banków centralnych, wydaje się mało prawdopodobne, aby sztuczna inteligencja była samodzielnie mianowana na stanowisko szefa banku centralnego bez zaangażowania człowieka na stanowisku decyzyjnym.

Co zabierze nam pracę? Globalizacja, automatyzacja czy może sztuczna inteligencja?

Wszelkie prawa do treści zastrzeżone.

Gabriel Chrostowski

Analityk makroekonomiczny, w wolnych chwilach uprawiający piłkę nożną oraz biegi krótko- i długodystansowe

Polecane artykuły

Back to top button

Adblock Detected

Please consider supporting us by disabling your ad blocker