Η επόμενη φάση των ψηφιακών πληρωμών θα καθοριστεί σε μεγάλο βαθμό από την τεχνητή νοημοσύνη (ΑΙ), όχι μόνο ως εργαλείο υποστήριξης αλλά ως βασικός μηχανισμός λειτουργίας του συστήματος.
Στην περίπτωση της Ινδίας, το μοντέλο πληρωμών μέσω της Unified Payment Interface (UPI) έχει ήδη φτάσει σε πάνω από 750 εκατομμύρια συναλλαγές ημερησίως, με στόχο να ξεπεράσει το όριο του ενός δισεκατομμυρίου.
Ο επικεφαλής του National Payments Corporation of India (NPCI) εκτιμά ότι η AI θα είναι καθοριστική για αυτή την επόμενη φάση ανάπτυξης, τόσο για την ενσωμάτωση νέων χρηστών όσο και για την ασφάλεια του συστήματος.
Σύμφωνα με τις προβλέψεις του, η τεχνητή νοημοσύνη θα χρησιμοποιηθεί πρακτικά σε τέσσερις βασικούς τομείς: στην προσέλκυση νέων χρηστών μέσω απλούστερης διαδικασίας ένταξης νέων χρητών, στην ανίχνευση απάτης και των λεγόμενων «money mules» («βαποράκια» για ξέπλυμα βρώμικου χρήματος), στην αξιολόγηση και παροχή πιστώσεων σε εμπόρους και χρήστες με ψηφιακό ιστορικό συναλλαγών, αλλά και στη βελτίωση της εμπειρίας χρήσης μέσω φωνητικών και πολυγλωσσικών συστημάτων.
Χρήση φωνητικών διεπαφών (voice AI)
Ένα χαρακτηριστικό παράδειγμα που αναδεικνύεται είναι η χρήση φωνητικών διεπαφών (voice AI) για πληρωμές και εξυπηρέτηση χρηστών. Αν και τέτοια συστήματα έχουν ήδη παρουσιαστεί πιλοτικά, η υιοθέτησή τους παραμένει περιορισμένη, καθώς η ακρίβεια των μοντέλων δεν θεωρείται ακόμη επαρκής για μαζική χρήση.
Ωστόσο, θεωρείται πιθανό ότι στο μέλλον η φωνή θα γίνει βασικό εργαλείο αλληλεπίδρασης με τα συστήματα πληρωμών, ειδικά σε πολυγλωσσικά περιβάλλοντα.
Παράλληλα, η συζήτηση επεκτείνεται και στον τρόπο με τον οποίο η AI θα επηρεάσει τις χρηματοοικονομικές συναλλαγές σε πιο «αυτόνομη» μορφή. Ήδη διεθνώς υπάρχουν παραδείγματα όπου πλατφόρμες επιτρέπουν σε αλγορίθμους να εκτελούν ενέργειες για λογαριασμό χρηστών, όπως επενδυτικές αποφάσεις ή διαχείριση χαρτοφυλακίων, δημιουργώντας ένα νέο πεδίο που αποκαλείται «agentic commerce».
Στην Ινδία, έχουν παρουσιαστεί επίσης δοκιμαστικά μοντέλα τέτοιων αυτόνομων πληρωμών σε συνεργασία με παρόχους fintech, χωρίς όμως ακόμη ευρεία εφαρμογή. Η κεντρική αρχή πληρωμών της χώρας υπογραμμίζει ότι η ανάπτυξη αυτών των συστημάτων πρέπει να συνοδεύεται από ισχυρό ρυθμιστικό πλαίσιο, ώστε να διασφαλίζεται ότι κάθε ενέργεια που εκτελείται από AI βασίζεται σε σαφή συναίνεση του χρήστη και είναι ιχνηλάσιμη σε περίπτωση σφάλματος ή απάτης.
Το νέο επιχειρηματικό μοντέλο
Η συζήτηση δεν αφορά μόνο την τεχνολογία αλλά και το επιχειρηματικό μοντέλο. Η συγκέντρωση της αγοράς σε λίγους μεγάλους παίκτες πληρωμών δημιουργεί ανησυχίες για ανταγωνισμό, ενώ οι ρυθμιστικές αρχές εξετάζουν παρεμβάσεις για να ενισχύσουν τον ανταγωνισμό και να μειώσουν την εξάρτηση από κλειστά οικοσυστήματα.
Ένα ακόμη σημαντικό στοιχείο που αναδεικνύεται είναι η πιθανή ανάπτυξη εξειδικευμένων μικρών γλωσσικών μοντέλων (small language models) για τον χρηματοπιστωτικό τομέα. Αντί για γενικά μοντέλα, προτείνεται η χρήση συστημάτων εκπαιδευμένων σε συγκεκριμένα τραπεζικά και συναλλακτικά δεδομένα, ώστε να είναι πιο ακριβή και προβλέψιμα στις αποφάσεις τους, ιδιαίτερα σε τομείς όπως η πιστωτική αξιολόγηση και η διαχείριση κινδύνου.
Ήδη υπάρχουν παραδείγματα εφαρμογής AI στην επίλυση οικονομικών διαφορών μέσω αυτοματοποιημένων συστημάτων, τα οποία επεξεργάζονται αιτήματα χρηστών για ακυρώσεις εντολών και διευθέτηση προβλημάτων, εξυπηρετώντας εκατομμύρια χρήστες και επεκτείνοντας σταδιακά τη χρήση τους.
Η μετάβαση από τα σημερινά συστήματα ψηφιακών πληρωμών σε ένα περιβάλλον όπου η τεχνητή νοημοσύνη δεν λειτουργεί απλώς ως βοηθητικό εργαλείο, αλλά ως κεντρικός μηχανισμός που συνδέει χρήστες, τράπεζες και εμπόρους, επηρεάζοντας άμεσα την ταχύτητα, την ασφάλεια και τον τρόπο με τον οποίο εκτελούνται οι συναλλαγές, είναι ήδη κάτι που αρχίζει να συμβαίνει.
