Η τεχνητή νοημοσύνη εξελίσσεται σε έναν από τους κεντρικούς στρατηγικούς άξονες για τον ευρωπαϊκό τραπεζικό κλάδο, με τη Goldman Sachs να επιχειρεί για πρώτη φορά μια συνολική ποσοτικοποίηση του οφέλους σε επίπεδο αποδοτικότητας. Στην πρόσφατη έκθεσή της για τις ευρωπαϊκές τράπεζες, ο οίκος εκτιμά ότι η υιοθέτηση εφαρμογών AI θα μπορούσε να ενισχύσει την απόδοση ιδίων κεφαλαίων (ROE) κατά περίπου 240 μονάδες βάσης σε κανονικοποιημένη βάση και χωρίς να συνυπολογίζονται τα αρχικά επενδυτικά κόστη.
Το βασικό συμπέρασμα της ανάλυσης είναι ότι η κύρια πηγή αξίας εντοπίζεται στη μείωση του κόστους και όχι τόσο στην αύξηση των εσόδων. Σύμφωνα με τη Goldman, η ευκαιρία στο σκέλος των δαπανών είναι άνω των τεσσάρων φορών μεγαλύτερη από εκείνη στα έσοδα, καθώς οι εφαρμογές τεχνητής νοημοσύνης επιτρέπουν εκτεταμένη αυτοματοποίηση διαδικασιών, ανασχεδιασμό εσωτερικών ροών και πιο αποτελεσματική διαχείριση κινδύνου.
Σε όρους αποτελεσμάτων χρήσης, ο οίκος υπολογίζει ότι ο ευρωπαϊκός κλάδος θα μπορούσε να δει αύξηση εσόδων της τάξης του 2%, με ταυτόχρονη μείωση λειτουργικών εξόδων κατά περίπου 9% και βελτίωση του κόστους κινδύνου κατά 7 μονάδες βάσης, μέσω ακριβέστερης πιστοληπτικής αξιολόγησης και έγκαιρου εντοπισμού επιδείνωσης της ποιότητας ενεργητικού. Το συνδυαστικό αποτέλεσμα αυτών των παραγόντων οδηγεί στην εκτιμώμενη ενίσχυση της αποδοτικότητας ιδίων κεφαλαίων.
Ωστόσο, τα οφέλη δεν κατανέμονται ομοιόμορφα. Η Goldman επισημαίνει ότι, με βάση τη διάρθρωση κόστους, εσόδων και κεφαλαίων κάθε τράπεζας, η απόκλιση στο δυνητικό όφελος μπορεί να φθάσει έως και τις 300 μονάδες βάσης μεταξύ των καλύτερα τοποθετημένων και των λιγότερο ευνοημένων παικτών. Τράπεζες με υψηλότερο δείκτη κόστους προς έσοδα, μεγαλύτερη ένταση εργασίας και σημαντική παρουσία σε δραστηριότητες προμηθειών και διαχείρισης περιουσίας εμφανίζουν μεγαλύτερο περιθώριο βελτίωσης μέσω της τεχνολογικής αναβάθμισης.
Σε αυτό το πλαίσιο, για το 2027 οι ελληνικές συστημικές τράπεζες —Eurobank, Εθνική Τράπεζα, Alpha Bank και Τράπεζα Πειραιώς— τοποθετούνται στο χαμηλότερο φάσμα της κατανομής, με εκτιμώμενη ενίσχυση ROE μεταξύ 130 και 170 μονάδων βάσης, έναντι μέσου όρου 243 μονάδων βάσης για το σύνολο του δείγματος. Η εικόνα αυτή αντανακλά αφενός τη σημαντική βελτίωση της δομής κόστους μετά τον πολυετή κύκλο εξυγίανσης, αφετέρου το γεγονός ότι το επιχειρηματικό μοντέλο παραμένει περισσότερο προσανατολισμένο στο καθαρό επιτοκιακό έσοδο.
Η έκθεση αναδεικνύει, ωστόσο, και τη δεύτερη όψη της τεχνητής νοημοσύνης, που σχετίζεται με τον εντεινόμενο ανταγωνισμό σε προμήθειες και κυρίως στο κόστος καταθέσεων, λόγω μεγαλύτερης διαφάνειας και ευκολότερης σύγκρισης προϊόντων. Σε υποθετικό σενάριο αύξησης κατά 25 μονάδες βάσης στο κόστος επιτοκιακών καταθέσεων λιανικής, η Goldman εκτιμά μέση αρνητική επίπτωση περίπου 3% στα κέρδη προ φόρων ή περίπου 0,7 ποσοστιαίες μονάδες στο ROTE σε επίπεδο κλάδου.
Στο συγκεκριμένο μέτωπο, οι ελληνικές τράπεζες εμφανίζονται σχετικά πιο «θωρακισμένες» σε σύγκριση με άλλες γεωγραφικές αγορές, καθώς η πλειονότητα των καταθέσεων αφορά λογαριασμούς όψεως ή χαμηλής αμοιβής, ενώ το μερίδιο των προθεσμιακών προϊόντων παραμένει περιορισμένο. Η διάρθρωση αυτή περιορίζει τη δυνητική ευαισθησία του καθαρού επιτοκιακού εσόδου σε περίπτωση εντονότερου ανταγωνισμού στις αποδόσεις.
Συνολικά, η Goldman Sachs εκτιμά ότι η ανάπτυξη και ενσωμάτωση εφαρμογών τεχνητής νοημοσύνης δεν θα αποτελέσει μια γραμμική ή άμεση ιστορία βελτίωσης κερδοφορίας. Τα αρχικά κόστη επένδυσης, οι ρυθμιστικές απαιτήσεις και η ανάγκη αναδιάρθρωσης διαδικασιών ενδέχεται να προκαλέσουν βραχυπρόθεσμη μεταβλητότητα. Σε μεσοπρόθεσμο ορίζοντα, ωστόσο, η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως σταδιακός αλλά ουσιαστικός καταλύτης ενίσχυσης της λειτουργικής αποδοτικότητας και της βιωσιμότητας των αποδόσεων για τον ευρωπαϊκό τραπεζικό κλάδο.
