L’intellect synthétique (IA) est merveilleux pour gérer correctement un système préexistant, celui avec des risques manifestement réalisés. Il excelle dans les mécanismes de complémentation et de contrôle des motifs. Offrant suffisamment de résultats et un signal fort, il peut identifier les bâtiments puissants et sérieux de manière beaucoup plus robuste que n’importe quel individu et est de loin exceptionnel dans les endroits qui nécessitent l’évaluation statistique de grands volumes de données. Il peut le faire sans implication individuelle. Nous pourrions laisser un équipement d’IA sous le contrôle quotidien de ce type de programme, se réparer instantanément et étudier les erreurs et atteindre les cibles de ses experts en être humain. Cela signifie que la gestion des dangers et la petite surveillance prudentielle sont bien conçues pour l’IA. Les véritables problèmes spécialisés sont clairement définis, tout comme les objectifs de diplômes substantiels et réduits. Cependant, les mêmes qualités qui rendront l’IA si utile pour les petites autorités prudentielles seront également la raison pour laquelle elle peut déstabiliser le programme financier et augmenter le danger endémique, comme discuté dans Danielsson et al. (2017). Dans les applications efficaces à grande portée, un programme d’entraînement par moteur d’IA contrôle des petites zones de difficulté générale, dans lesquelles l’option globale est simplement des sous-options agrégées. Contrôler tous les petits éléments d’un système de manière indépendante équivaut à contrôler le système dans son intégralité. L’administration des dangers et les petites réglementations prudentielles sont des types de ce type de problème. La première étape de la gestion des chances est la modélisation du risque et c’est simple pour l’IA. Cela implique le traitement des coûts de l’industrie avec des stratégies statistiques relativement simples, fonction qui est certainement actuellement bien engagée. La prochaine étape consiste à mélanger une compréhension détaillée de tous les rôles conservés dans une banque avec des informations sur les individus qui choisissent des rôles individuels, en créant un générateur d’IA de gestion des risques avec une connaissance des dangers, des positions et des fonds de l’être humain. Fondamentalement, nous avons un certain chemin à parcourir pour arriver à cette fin, la plupart des informations importantes sont définitivement à l’intérieur de la structure informatique des banques, il n’y a pas d’obstacles scientifiques insurmontables au fur et à mesure. Tout ce qui reste serait de dire au générateur des objectifs de degré substantiel de la banque. La machine peut immédiatement utiliser les fonctions standard de contrôle des dangers et d’attribution des avantages, fixer des limites de placement, suggérer qui est licencié et qui devient des bonus supplémentaires, et suggérer où les leçons d’avantage à investir. Sans aucun doute, l’IA a donné naissance à un tout nouveau domaine appelé technologie moderne de contrôle, ou «regtech». Il est loin d’être difficile de traduire le livre de règles d’une entreprise de supervision, maintenant pour la plupart des composants en anglais simple, directement dans un moteur de raisonnement informatisé professionnel. Cela permet au pouvoir d’authentifier ses directives de régularité et offre aux institutions financières une interface utilisateur graphique de codage logiciel pour confirmer les procédures en matière de restrictions. Dans le même temps, l’IA de surveillance ainsi que l’IA d’administration des risques des banques peuvent automatiquement s’émettre mutuellement pour garantir la concordance. Cela signifie également que toutes les données créées par les banques sont correctement structurées et classées et traitées automatiquement par l’autorité de reconnaissance de la conformité et des dangers. Il y a certainement encore du chemin à parcourir avant que l’IA ne devienne une réalité pratique, mais précisément ce qui est défini ci-dessus est éminemment concevable en raison de la trajectoire du progrès scientifique. Le problème principal sera probablement légitime, politique et sociable plutôt que scientifique.
