Les connaissances artificielles (IA) sont utiles pour gérer correctement une méthode préexistante, avec des dangers bien compris. Il excelle dans la coordination et la gestion de routine des systèmes. Étant donné suffisamment d’observations et un indice fort, il peut reconnaître des composants vibrants forts de manière beaucoup plus robuste que tout être humain et est également très remarquable dans les endroits qui nécessitent l’évaluation statistique de grandes quantités de données. Il peut le faire sans implication individuelle. Nous pouvons laisser un dispositif d’IA sous le contrôle quotidien de ce type de programme, corriger automatiquement et apprendre des erreurs et définir les objectifs des experts humains. Ce qui signifie que le contrôle des risques et les conseils microprudentiels sont bien adaptés à l’IA. Les préoccupations technologiques sous-jacentes sont clairement décrites, ainsi que les objectifs de haut et de bas niveau. Cependant, les mêmes qualités qui rendent l’IA si utile pour les autorités mini-prudentielles seront également la raison pour laquelle elle peut déstabiliser le programme financier et augmenter le risque endémique, comme discuté dans Danielsson et al. (2017). Dans les programmes à grande échelle réussis, une routine d’entraînement à moteur AI alimente de minuscules parties d’un problème général, dans lequel l’option globale ne serait que des sous-options agrégées. Gérer séparément toutes les petites parties d’un processus équivaut à contrôler le système dans son intégralité. La maîtrise des dangers et les réglementations mini-prudentielles sont des exemples de ce type de problème. La première étape de la gestion des risques est certainement la modélisation du hasard et c’est facile pour l’IA. Cela implique le traitement des coûts de l’industrie avec des méthodes statistiques relativement basiques, travail qui est certainement déjà bien avancé. La tâche suivante consiste à combiner une connaissance approfondie de tous les rôles conservés avec une institution bancaire avec des informations sur les individus qui prennent une décision sur les postes individuels, en développant un moteur d’IA d’administration des chances avec une connaissance des dangers, des placements et des fonds humains. Fondamentalement, nous avons encore une approche à adopter pour parvenir à cette fin, la plupart des informations dont vous avez besoin se trouvent déjà dans l’infrastructure informatique des banques et il n’y a pas d’obstacles technologiques insurmontables dans le processus. Il ne reste plus qu’à informer le moteur des objectifs de degré supérieur d’une banque. La machine peut alors utiliser automatiquement des capacités régulières de gestion des dangers et d’attribution des avantages, fixer des limites de place, suggérer qui sera renvoyé et qui recevra des bonus supplémentaires, et suggérer les classes de ressources à acheter. Il en va exactement de même pour la plupart des orientations microprudentielles. Certes, l’IA a engendré un tout nouveau domaine appelé technologie de la législation, ou «regtech». Il n’est pas si difficile de convertir le livre de règles d’une société de surveillance, maintenant pour la plupart des parties en langage clair, en un moteur de raisonnement informatisé formel. Cela permet à l’influence de confirmer ses règles de cohérence et offre aux banques une interface utilisateur graphique de programmation d’application pour valider les procédures de restriction. Dans le même temps, l’IA de surveillance et l’IA de gestion des risques des banques peuvent automatiquement s’interroger pour garantir la conformité. Cela signifie également que toutes les données créées par les institutions financières sont structurées et identifiées de manière optimale et peuvent être traitées automatiquement par l’autorité de contrôle et d’identification des dangers. Il y a certainement encore une approche à adopter avant que l’IA de supervision / administration des risques ne devienne un fait sensible, mais ce qui est défini ci-dessus est éminemment concevable en raison de la trajectoire du progrès technologique. Le principal problème est probablement d’ordre juridique, politique et interpersonnel plutôt que technologique.