Annual Economic Report 2024, Chapter III: Artificial intelligence and the economy: implications for central banks

Von dieser Quelle gestützte Behauptungen

1. Das Finanzwesen ist einer der Sektoren mit den größten Chancen und Risiken durch KI. Die Auswirkungen zeigen sich in vier Bereichen: Zahlungsverkehr, Kreditvergabe, Versicherung und Vermögensverwaltung.
2. KI steigert die Effizienz bei Back-Office-Vorgängen, der Einhaltung von Vorschriften, der Betrugserkennung und dem Kundenservice. Hauptbeispiele sind Verbesserungen bei KYC (Know Your Customer) und der Betrugserkennung.
3. Bei der Kreditvergabe kann die Kreditwürdigkeit anhand alternativer Daten wie Bankkontotransaktionen und Zahlungsaufzeichnungen für Miete, Versorgungsleistungen und Kommunikationsgebühren sowie anhand nicht-finanzieller Daten wie dem Bildungsabschluss bewertet werden.
4. In einer von der BIZ zitierten Umfrage nutzen etwa 70 % der Finanzdienstleistungsunternehmen weltweit KI für Cashflow-Prognosen, Kredit-Scoring und Betrugserkennung.
5. Neue Risiken: Zunahme von Cyberangriffen wie Phishing; Voreingenommenheit und Diskriminierung (Verfestigung von Ungleichheiten beim Zugang zu Krediten); Abhängigkeit von wenigen KI-Anbietern; und Risiken für die Finanzstabilität durch die Abhängigkeit von denselben Algorithmen, die Herdenverhalten, Liquiditätshortung, Bank-Runs und Notverkäufe verstärken.
6. In einer repräsentativen Umfrage unter US-Haushalten ist das Vertrauen in generative KI in kritischen Bereichen wie dem Bankwesen und der öffentlichen Politik geringer als in von Menschen erbrachte Dienstleistungen.
7. Zentralbanken können KI auch zur Erstellung von Statistiken, zur Analyse, zur Aufsicht und zur Überwachung von Zahlungssystemen einsetzen. Im Projekt Aurora der BIZ übertraf maschinelles Lernen die regelbasierte Geldwäscheerkennung.

Wie die Verifizierungsstufen zu lesen sind. „Gelesen“ bedeutet, dass das Material vollständig gelesen wurde. „Bibliografie und Abstract bestätigt“ bedeutet, dass die bibliografischen Informationen und das Abstract überprüft wurden. „Über Kursmaterial“ bedeutet, dass die Quelle über den Haupttext eines Buches oder die Geldgeschichte eines Landes referenziert wurde. Der Text-Hash ist der SHA-256 des Haupttextes von der ursprünglichen Quellseite, ohne Tags und Leerzeichen, um zu erkennen, ob das Material geändert wurde.