AI Lietuvos bankuose ir finansų sektoriuje: ką rodo ekspertų diskusija

AI finansų sektoriuje yra dirbtinio intelekto naudojimas bankų, kredito unijų ir kitų finansinių institucijų procesuose – nuo sukčiavimo aptikimo iki kredito rizikos vertinimo – kartu su būtinybe subalansuoti šią naudą su duomenų apsaugos ir kibernetinio saugumo reikalavimais. Lietuvos bankų sektoriaus atstovų diskusija rodo, kad ši pusiausvyra šiandien yra vienas svarbiausių iššūkių visai finansų rinkai.

Ką atskleidė bankų asociacijos konferencija

Lietuvos bankų asociacija (LBA) publikacijoje „Dirbtinis intelektas – jau ir finansų sektoriuje: ką tai reiškia vartotojams ir bankams?“ aprašo LBA ir Valstybinės duomenų apsaugos inspekcijos (VDAI) organizuotą konferenciją „Duomenų apsauga finansų srityje: tarp BDAR, dirbtinio intelekto ir kibernetinio saugumo iššūkių“. LBA prezidentė dr. Eivilė Čipkutė pažymėjo, kad per dešimtmetį finansų sektoriuje pasiektas technologinis progresas buvo stulbinantis – šiandien banką galima „turėti savo delnuose“.

Tačiau ta pati skaitmenizacija atveria ir naujas landas piktnaudžiavimui – pinigų plovimui ar sankcijų apėjimui.

DI – ir įrankis, ir grėsmė vienu metu

Publikacijoje pabrėžiama, kad DI technologijos, tokios kaip generatyvinis DI, leidžia sukčiams kurti itin įtikinamus deepfake vaizdo ir garso įrašus, kurie gali apgauti net patyrusius specialistus. Kaip konkretų pavyzdį LBA nurodo atvejį, kai Honkongo įmonė prarado 25 mln. dolerių po to, kai sukčiai, pasitelkę deepfake technologiją, apsimetė įmonės vadovais ir įtikino darbuotoją pervesti lėšas.

Nacionalinio kibernetinio saugumo centro duomenys, cituojami LBA, taip pat rodo, kad 2023 metais Lietuvoje vidutinio rimtumo incidentų skaičius išaugo 12 proc. palyginti su 2022 metais, o dėl kibernetinių incidentų įvykę asmens duomenų saugumo pažeidimai paveikė net 49 proc. subjektų.

Kaip bankai bando rasti pusiausvyrą

„Revolut Bank“ valdybos narys Vytautas Danta LBA konferencijoje įvardijo vieną pagrindinių iššūkių: kaip ir kokiais duomenimis apmokyti DI modelius. Mažesnės finansinės institucijos, jo teigimu, dažnai neturi pakankamai duomenų kokybiškai treniruoti DI sistemas, o dalijimasis duomenimis tarp organizacijų tampa sudėtingas dėl BDAR ribojimų.

„Negalima tiesiog naudoti viešų generatyvinio DI įrankių, tokių kaip „ChatGPT“, su vidiniais asmens duomenimis – tai prieštarauja reglamentui“, – pažymėjo V. Danta, pridurdamas, kad prastai paruoštas sukčiavimo nustatymo modelis gali neidentifikuoti įtartinų operacijų arba be pagrindo riboti niekuo dėtus klientus.

Konferencijoje taip pat dalyvavusi „Microsoft“ nacionalinė technologijų vadovė Vidurio Europoje Renate Strazdina pridūrė, kad kibernetiniai nusikaltėliai taip pat prisitaiko prie to, kaip generatyvinis DI keičia paslaugų teikimo procesus, todėl privačiam ir viešajam sektoriui būtina atsakingai vertinti naujai kylančias rizikas.

Ko iš to gali pasimokyti kiekviena Lietuvos įmonė

Nors konferencijoje kalbama apie bankus, principai vienodai aktualūs bet kuriai įmonei, kuri diegia AI ir dirba su klientų ar finansiniais duomenimis:

• AI modelio kokybė tiesiogiai priklauso nuo duomenų, kuriais jis apmokytas – prastas duomenų rinkinys reiškia prastus sprendimus.
• Viešų AI įrankių naudojimas su vidiniais ar klientų duomenimis gali pažeisti BDAR reikalavimus.
• DI atveria naujas sukčiavimo formas (deepfake, tikslingas fišingas), todėl darbuotojų sąmoningumas tampa tokia pat svarbi apsaugos priemonė kaip ir pati technologija.

Įmonėms, diegiančioms AI sprendimus IT infrastruktūroje, verta iš anksto numatyti, kaip duomenys bus tvarkomi, saugomi ir kas atsakingas už DI sistemos priežiūrą – lygiai taip, kaip tai daro bankų sektorius.

Kodėl verta atlikti AI auditą prieš diegimą

Kaip rodo LBA konferencijos diskusija, net didelės finansinės institucijos vis dar ieško balanso tarp DI naudos ir rizikos. Mažesnei įmonei šis balansas dar sunkiau pasiekiamas be išorinės pagalbos, nes trūksta vidinių kompetencijų įvertinti, kur DI sprendimas saugus, o kur – ne. Būtent tam skirtas AI auditas – jis padeda iš anksto identifikuoti duomenų saugumo spragas ir parengti įmonę atsakingam AI naudojimui dar prieš diegimą.

Ką iš to pasiimti

Finansų sektoriaus patirtis rodo aiškią taisyklę: DI nauda visada eina koja kojon su nauja rizika, ir šią riziką reikia valdyti sąmoningai, o ne ignoruoti.

Kaip pradėti: prieš diegdami AI sprendimą, kuris liečia klientų ar finansinius duomenis, įvertinkite, kokiais duomenimis jis bus apmokytas, kas turės prieigą prie rezultatų ir kaip bus stebima galima klaida ar piktnaudžiavimas.

Padedame Lietuvos įmonėms saugiai integruoti AI į procesus, kuriuose dirbama su jautriais duomenimis. Norite žinoti, ar jūsų įmonė pasiruošusi saugiam AI diegimui? Konsultacija nemokama.