Tο ψηφιακό ευρώ μπορεί να έχει σημαντικές θετικές επιδράσεις στην οικονομία, αφού η απρόσκοπτη χρήση του διασυνοριακά για κάθε είδους πληρωμές, θα ενισχύσει τη συναλλακτική δραστηριότητα στη ζώνη του ευρώ και θα συμβάλει στην εμβάθυνση της ενιαίας αγοράς, επεσήμανε, μεταξύ άλλων, η υποδιοικητής της Τράπεζας της Ελλάδος Χριστίνα Παπακωνσταντίνου μιλώντας στο ΟΤ FORUM «Η επιχείρηση του μέλλοντος: Μετασχηματισμός και παραγωγή προστιθέμενης αξίας»
Η κυρία Παπακωνσταντίνου, η οποία σύμφωνα με σημερινό δημοσίευμα των Financial Times, μαζί με την αναπληρώτρια κυβερνήτη της γαλλικής κεντρικής τράπεζας, Αγκνές Μπενάσι-Κερέ θεωρούνται ισχυρές υποψήφιες για θέση στο διοικητικό συμβούλιο της ΕΚΤ, προσέθεσε ότι η εγγυημένη διαθεσιμότητά του ψηφιακού ευρώ υπό οποιεσδήποτε συνθήκες και χωρίς εξάρτηση από επιμέρους εμπορικές και εταιρικές πρακτικές, δημιουργεί ένα υπόβαθρο αξιοπιστίας. Το υπόβαθρο αυτό αποκτά μεγαλύτερη σημασία σε καταστάσεις κρίσης ή στο πλαίσιο σχεδιασμού πολιτικών ανθεκτικότητας και άμυνας.
Παράλληλα, όπως ανέφερε, οι τράπεζες και τα ιδρύματα πληρωμών αποκτούν νέες δυνατότητες για τη δημιουργία καινοτόμων προϊόντων δικού τους σχεδιασμού και επιλογής με βάση το ψηφιακό ευρώ, εμπλουτίζοντας περαιτέρω την εμπειρία των πελατών τους και καλύπτοντας εξειδικευμένες ανάγκες. Το ίδιο ισχύει και για τις επιχειρήσεις ευρύτερα, οι οποίες μπορούν να σχεδιάσουν και να προωθήσουν δικά τους προϊόντα βασισμένα στη χρήση του ψηφιακού ευρώ, ανάλογα με τις δραστηριότητές τους και τις πελατειακές ομάδες στις οποίες απευθύνονται και σε συνεργασία με τις τράπεζές τους.
Αναφερόμενη στο μεγάλο κεφάλαιο της αξιοποίησης της τεχνητής νοημοσύνης η κ. Παπακωνσταντίνου επεσήμανε ότι η Τράπεζα της Ελλάδος συμμετέχει ενεργά στις κοινές πρωτοβουλίες του Ενιαίου Εποπτικού Μηχανισμού (SSM), ο οποίος αναπτύσσει εξειδικευμένα εργαλεία τεχνητής νοημοσύνης για εποπτικούς σκοπούς. Οι εφαρμογές αυτές σχεδιάζονται εξαρχής με γνώμονα την προστασία της εμπιστευτικότητας και της ακεραιότητας των δεδομένων, επιτρέποντας παράλληλα στους αναλυτές να επεξεργάζονται τεράστιους όγκους πληροφοριών με αποτελεσματικό τρόπο.
Με τη χρήση αλγορίθμων μηχανικής μάθησης, η ανάλυση εποπτικών δεδομένων μπορεί να αποκαλύψει πρότυπα κινδύνου που διαφορετικά θα ήταν δύσκολο να εντοπιστούν, συμβάλλοντας έτσι στην έγκαιρη πρόβλεψη χρηματοοικονομικών πιέσεων ή αποκλίσεων στη συμπεριφορά των εποπτευόμενων ιδρυμάτων. Εν τέλει, η ενίσχυση της αποτελεσματικότητας της εποπτείας μέσω της χρήσης της τεχνητής νοημοσύνης συμβάλλει στην ενίσχυση της εμπιστοσύνης στο χρηματοπιστωτικό σύστημα και τη χρηματοπιστωτική σταθερότητα.
Πηγή: ΑΠΕ - ΜΠΕ
