Για δεκαετίες, όταν οι κεντρικές τράπεζες αναζητούσαν την πιθανή πηγή της επόμενης χρηματοπιστωτικής κρίσης, κοιτούσαν περίπου στα ίδια σημεία. Τράπεζες με υπερβολική μόχλευση. Φούσκες στις αγορές ακινήτων. Υπερχρεωμένες επιχειρήσεις. Παράγωγα. Shadow banking. Δημόσιο χρέος.
Από την Phoebe Seers | Reuters
Απόδοση – δημοσιογραφική επιμέλεια: Αληκτώ | Greece2Day
Ο Andrew Bailey, διοικητής της Bank of England και πρόεδρος του Financial Stability Board (FSB), πρόσθεσε σήμερα έναν διαφορετικό κίνδυνο στην κορυφή της λίστας: την τεχνητή νοημοσύνη.
Όχι επειδή η AI πρόκειται ξαφνικά να αποφασίσει πού θα κινηθούν οι αγορές. Αλλά επειδή τα ισχυρότερα μοντέλα τεχνητής νοημοσύνης μπορούν να μεταβάλουν δραματικά την ταχύτητα, την κλίμακα και το κόστος μιας κυβερνοεπίθεσης.
Και όταν σχεδόν ολόκληρο το παγκόσμιο χρηματοπιστωτικό σύστημα λειτουργεί πάνω σε ψηφιακές υποδομές, αυτό παύει να είναι απλώς πρόβλημα cybersecurity. Γίνεται πρόβλημα χρηματοπιστωτικής σταθερότητας.
Η προειδοποίηση του ανθρώπου που παρακολουθεί τους συστημικούς κινδύνους
Το FSB δεν είναι ένας ακόμη οργανισμός τεχνολογικής εποπτείας. Δημιουργήθηκε μετά τη μεγάλη χρηματοπιστωτική κρίση και συγκεντρώνει κεντρικές τράπεζες, υπουργεία Οικονομικών και εποπτικές αρχές με σκοπό τον εντοπισμό κινδύνων που μπορούν να απειλήσουν ολόκληρο το διεθνές χρηματοπιστωτικό σύστημα.
Γι’ αυτό έχει ιδιαίτερη σημασία η διατύπωση του Bailey. Στην επιστολή του προς τους υπουργούς Οικονομικών και τους κεντρικούς τραπεζίτες του G20 χαρακτηρίζει την επίδραση της frontier AI στον κυβερνοκίνδυνο ως την πιο άμεση ανησυχία για το χρηματοπιστωτικό σύστημα.
Η ανησυχία του δεν αφορά μόνο καλύτερους hackers. Αφορά κάτι βαθύτερο. Την πιθανότητα η τεχνητή νοημοσύνη να αλλάξει τα οικονομικά της κυβερνοεπίθεσης.
Το πρώτο πρόβλημα: η επίθεση γίνεται φθηνότερη
Μια προηγμένη κυβερνοεπίθεση παραδοσιακά απαιτούσε ανθρώπους με εξειδικευμένες γνώσεις, χρόνο και σημαντικούς πόρους. Η frontier AI αρχίζει να αλλάζει αυτή την εξίσωση.
Τα προηγμένα μοντέλα μπορούν να αναζητούν αδυναμίες σε software, να εξετάζουν τεράστιες ποσότητες κώδικα, να εντοπίζουν vulnerabilities και να εκτελούν διαδοχικά βήματα μιας επίθεσης με ολοένα μικρότερη ανθρώπινη παρέμβαση.
Οι βρετανικές αρχές έχουν ήδη προειδοποιήσει ότι οι δυνατότητες των frontier models σε συγκεκριμένες κυβερνοεργασίες μπορούν να ξεπεράσουν εκείνες ενός ειδικευμένου επαγγελματία, με πολύ μεγαλύτερη ταχύτητα, κλίμακα και χαμηλότερο κόστος.
Και αυτό δημιουργεί μια επικίνδυνη οικονομική ασυμμετρία.
Το κόστος επίθεσης ↓
Η ταχύτητα επίθεσης ↑
Η κλίμακα επίθεσης ↑
ενώ η άμυνα πρέπει να προστατεύει ταυτόχρονα εκατομμύρια σημεία εισόδου.
Το δεύτερο πρόβλημα: ο χρόνος ανάμεσα στο «βρήκα την τρύπα» και «μπήκα μέσα»
Ας υποθέσουμε ότι ανακαλύπτεται μια νέα ευπάθεια σε software που χρησιμοποιούν εκατοντάδες χρηματοπιστωτικά ιδρύματα. Μέχρι σήμερα υπάρχει κάποιος χρόνος ανάμεσα στην ανακάλυψη της ευπάθειας και στην ευρεία εκμετάλλευσή της.
Οι εταιρείες προσπαθούν να εγκαταστήσουν patches. Τα τμήματα ασφαλείας δοκιμάζουν τις διορθώσεις. Οι administrators ενημερώνουν τα συστήματα. Η AI μπορεί να συμπιέσει αυτό το χρονικό παράθυρο.
Η Bank of England προειδοποιεί ότι τα frontier models μπορούν να αυξήσουν την ταχύτητα εντοπισμού και εκμετάλλευσης vulnerabilities, αναγκάζοντας τις χρηματοπιστωτικές επιχειρήσεις να εντοπίζουν και να διορθώνουν προβλήματα πολύ συχνότερα και ταχύτερα.
Αλλά υπάρχει ένα παράδοξο. Όσο γρηγορότερα προσπαθείς να διορθώσεις ένα κρίσιμο χρηματοπιστωτικό σύστημα, τόσο αυξάνεται ο κίνδυνος η ίδια η βιαστική διόρθωση να προκαλέσει outage (διακοπή λειτουργίας ή προσωρινή μη διαθεσιμότητα ενός συστήματος/υπηρεσίας).
Άρα:
περισσότερες ευπάθειες
→ περισσότερα patches
→ λιγότερος χρόνος testing
→ περισσότερα operational errors
→ μεγαλύτερος κίνδυνος διακοπών.
Δεν χρειάζεται καν να πετύχει ο hacker. Η συνεχής προσπάθεια άμυνας μπορεί από μόνη της να δημιουργήσει λειτουργικό κίνδυνο.
Το τρίτο - και ίσως μεγαλύτερο - πρόβλημα: όλοι χρησιμοποιούν τους ίδιους
Εδώ βρίσκεται το σημείο που μετατρέπει ένα τεχνολογικό πρόβλημα σε systemic risk. Οι τράπεζες δεν λειτουργούν πλέον ως τεχνολογικά απομονωμένα νησιά. Χρησιμοποιούν κοινές: cloud infrastructures, software libraries, data providers, payment infrastructures και increasingly AI providers.
Η Bank of England επισημαίνει ότι οι κρίσιμες χρηματοπιστωτικές υπηρεσίες εξαρτώνται έντονα από κοινές τεχνολογικές υποδομές και τρίτους παρόχους. Αυτό δημιουργεί concentration risk.
Φανταστείτε ότι 100 τράπεζες χρησιμοποιούν την ίδια κρίσιμη τεχνολογική υπηρεσία.
Δεν έχουμε πλέον: μία τράπεζα → ένα πρόβλημα.
Μπορούμε να έχουμε: ένας provider → μία ευπάθεια → δεκάδες τράπεζες ταυτόχρονα.
Και τότε αλλάζει εντελώς η φύση της κρίσης.
Από το cyberattack στο bank run
Ας κατασκευάσουμε ένα υποθετικό σενάριο. Ένα προηγμένο AI system εντοπίζει μια άγνωστη ευπάθεια σε software που χρησιμοποιείται από μεγάλο τεχνολογικό provider. Η ευπάθεια αξιοποιείται ταυτόχρονα σε πολλούς πελάτες.
- Τράπεζες αρχίζουν να αντιμετωπίζουν προβλήματα.
- Οι εφαρμογές mobile banking δεν λειτουργούν.
- Οι πληρωμές καθυστερούν.
- ATM ή συστήματα καρτών παρουσιάζουν διακοπές.
- Trading systems αντιμετωπίζουν προβλήματα.
- Και οι πελάτες δεν γνωρίζουν εάν πρόκειται για απλό outage ή εάν τα χρήματά τους κινδυνεύουν.
Τότε μπαίνει στην εξίσωση ο πιο παλιός παράγοντας κάθε τραπεζικής κρίσης: η εμπιστοσύνη.
Το FSB προειδοποιεί ακριβώς ότι τέτοιες εξελίξεις θα μπορούσαν να υπονομεύσουν την εμπιστοσύνη στο σύστημα συνολικά. Η Bank of England προχωρά ακόμη περισσότερο στο δυσμενές σενάριό της: τα προβλήματα θα μπορούσαν να εξαπλωθούν σε payments, trading, clearing και settlement.
Δηλαδή στους μηχανισμούς μέσω των οποίων κινείται καθημερινά το χρήμα.
Γιατί αυτό διαφέρει από το 2008
Η κρίση του 2008 ήταν πρωτίστως κρίση ισολογισμών. Οι τράπεζες είχαν γεμίσει με assets των οποίων η πραγματική αξία ήταν πολύ χαμηλότερη από εκείνη που θεωρούσαν. Όταν χάθηκε η εμπιστοσύνη στην αξία των assets, χάθηκε η εμπιστοσύνη στις ίδιες τις τράπεζες.
Ένα AI-driven cyber shock θα μπορούσε να λειτουργήσει διαφορετικά.
Μια τράπεζα μπορεί να είναι:
- κεφαλαιακά επαρκής,
- κερδοφόρα,
- με υγιή δάνεια,
- με αρκετή ρευστότητα
και παρ’ όλα αυτά να αδυνατεί προσωρινά να παρέχει κρίσιμες υπηρεσίες επειδή η ψηφιακή της υποδομή έχει τεθεί εκτός λειτουργίας. Το πρόβλημα δεν βρίσκεται τότε στον ισολογισμό. Βρίσκεται στο operating system του χρηματοπιστωτικού συστήματος.
Και σε έναν κόσμο όπου οι καταθέτες μπορούν να μεταφέρουν δισεκατομμύρια μέσα σε λίγα λεπτά από το κινητό τους, λειτουργικές κρίσεις και κρίσεις ρευστότητας μπορούν να αρχίσουν να αλληλεπιδρούν εξαιρετικά γρήγορα.
Too big to fail → Too connected to fail
Μετά το 2008, οι ρυθμιστικές αρχές ασχολήθηκαν με τις τράπεζες που ήταν too big to fail. Η νέα τεχνολογική πραγματικότητα δημιουργεί μια διαφορετική κατηγορία: too connected to fail.
Δεν χρειάζεται μια τεχνολογική εταιρεία να διαθέτει τεράστιο τραπεζικό ισολογισμό για να αποτελεί συστημικό κίνδυνο. Αρκεί αρκετές τράπεζες, ασφαλιστικές, χρηματιστήρια ή συστήματα πληρωμών να εξαρτώνται από την ίδια υποδομή.
Και ο Bailey ζητά γι’ αυτό ακριβώς μεγαλύτερη ανθεκτικότητα στους critical third-party technology providers. Αυτό είναι ίσως το πιο ενδιαφέρον θεσμικό ερώτημα που ανοίγει η AI: Μήπως στο μέλλον οι κεντρικές τράπεζες θα πρέπει να εποπτεύουν όχι μόνο τις συστημικές τράπεζες αλλά και τις συστημικές τεχνολογικές υποδομές;
Υπάρχει όμως και δεύτερος κίνδυνος AI
Και εδώ η ιστορία γίνεται ακόμη πιο ενδιαφέρουσα. Ο Bailey δεν ανησυχεί μόνο για κυβερνοεπιθέσεις. Το FSB βλέπει ταυτόχρονα: υψηλές αποτιμήσεις AI + αυξανόμενη μόχλευση + συγκέντρωση χρηματιστηριακών δεικτών + εύθραυστες αγορές κρατικών ομολόγων.
Η Bank of England επισημαίνει ότι οι αποτιμήσεις εταιρειών AI αυξήθηκαν ταχύτερα από τους ευρύτερους χρηματιστηριακούς δείκτες το δεύτερο τρίμηνο του 2026. Και η συγκέντρωση είναι εντυπωσιακή.
Σύμφωνα με την Τράπεζα, ο S&P 500 αντιπροσωπεύει περίπου το μισό της παγκόσμιας χρηματιστηριακής κεφαλαιοποίησης και οι εταιρείες που συνδέονται με την AI αποτελούν πλέον περίπου το μισό του δείκτη, έναντι περίπου ενός τετάρτου το 2022.
Άρα υπάρχει και ένας εντελώς διαφορετικός μηχανισμός μετάδοσης:
AI αισιοδοξία
→ υψηλότερες αποτιμήσεις
→ μεγαλύτερη συγκέντρωση
→ περισσότερο δανεισμό
→ απότομη επανατιμολόγηση
→ margin calls / forced selling
→ μετάδοση στις υπόλοιπες αγορές.
Και υπάρχει ακόμη ένας κρίκος. Η AI αρχίζει να χρηματοδοτείται με χρέος Η τεράστια ανάπτυξη data centers, chips, ηλεκτρικών δικτύων και computing infrastructure απαιτεί κεφάλαια πρωτοφανούς κλίμακας. Μέχρι πρόσφατα μεγάλο μέρος αυτών των επενδύσεων μπορούσε να χρηματοδοτείται από τα τεράστια cash flows των τεχνολογικών εταιρειών.
Αυτό αλλάζει.
Η Bank of England αναφέρει ότι το 2025 οι απαιτούμενες επενδύσεις των AI-focused εταιρειών πέρασαν ένα σημείο καμπής: άρχισαν να υπερβαίνουν τη δυνατότητα χρηματοδότησής τους αποκλειστικά από εσωτερικές ταμειακές ροές. Το πρώτο εξάμηνο του 2026 η στροφή προς εξωτερική χρηματοδότηση - ιδιωτικές αγορές, ομόλογα και τραπεζικό δανεισμό - επιταχύνθηκε σημαντικά.
Άρα η AI αρχίζει να συνδέεται πολύ βαθύτερα με το χρηματοπιστωτικό σύστημα. Και όσο αυξάνεται το χρέος, τόσο αυξάνεται και η δυνατότητα ενός AI shock να μεταδοθεί από τις τεχνολογικές εταιρείες προς τράπεζες, ομολογιούχους και private credit funds.
Η κρίση μπορεί να έχει δύο διαφορετικές πόρτες εισόδου
Και εδώ νομίζω βρίσκεται η πραγματικά δυνατή γωνία του θέματος. Η AI δημιουργεί δυνητικά δύο εντελώς διαφορετικούς δρόμους προς το ίδιο πρόβλημα.
Ο πρώτος είναι τεχνολογικός: AI → cyberattack → disruption → απώλεια εμπιστοσύνης → χρηματοπιστωτική κρίση.
Ο δεύτερος είναι χρηματοοικονομικός: AI boom → υπερεπενδύσεις → χρέος + υψηλές αποτιμήσεις → απογοήτευση → sell-off → deleveraging → χρηματοπιστωτική κρίση.
Και το πραγματικά δυσάρεστο σενάριο είναι να συμβούν ταυτόχρονα. Ένα μεγάλο cyber incident θα μπορούσε να προκαλέσει απότομη επαναξιολόγηση των ίδιων των AI assets. Ή ένα AI market crash θα μπορούσε να πλήξει εταιρείες που αποτελούν κρίσιμους τεχνολογικούς providers του χρηματοπιστωτικού συστήματος.
Τότε οι δύο μηχανισμοί αρχίζουν να ενισχύουν ο ένας τον άλλο.
Δεν σημαίνει ότι η επόμενη κρίση θα προέλθει από την AI
Αυτό χρειάζεται να ειπωθεί καθαρά. Ούτε ο Bailey ούτε το FSB προβλέπουν ότι επίκειται μια "AI Lehman Brothers". Το χρηματοπιστωτικό σύστημα παραμένει ανθεκτικό και η AI μπορεί παράλληλα να βελτιώσει δραματικά την κυβερνοάμυνα, την παραγωγικότητα και την αποτελεσματικότητα των χρηματοπιστωτικών υπηρεσιών.
Η προειδοποίηση είναι διαφορετική.
Οι regulators βλέπουν έναν νέο παράγοντα που μπορεί:
- να δημιουργήσει νέους κινδύνους,
- να ενεργοποιήσει ήδη υπάρχοντες
- και να επιταχύνει τη μετάδοσή τους.
Και αυτό είναι ακριβώς το είδος κινδύνου που οι εποπτικές αρχές έμαθαν μετά το 2008 ότι δεν πρέπει να αγνοούν. Γιατί η επόμενη χρηματοπιστωτική κρίση σπάνια μοιάζει ακριβώς με την προηγούμενη.
Το 2008, το πρόβλημα κρυβόταν μέσα στους ισολογισμούς των τραπεζών. Στην επόμενη κρίση μπορεί να βρίσκεται στο software που τους επιτρέπει να λειτουργούν.
Add comment
Comments