پابلو هرناندس دِ کوس، مدیرکل بانک تسویه بین‌المللی (BIS)، در ۱۰ سپتامبر ۲۰۲۶ در Global Fintech Fest مومبای دربارهٔ اثر هوش مصنوعی بر رشد و ریسک‌های ثبات مالی سخن گفت: از جهش بهره‌وری تا تمرکز ارزش‌گذاری‌ها، تأمین مالی «دایره‌ای» و ریسک سایبری.
پابلو هرناندس دِ کوس، مدیرکل بانک تسویه بین‌المللی (BIS)، در ۱۰ سپتامبر ۲۰۲۶ در رویداد Global Fintech Fest مومبای سخنرانی‌ای با عنوان «هوش مصنوعی، رشد و ثبات مالی: چالش‌ها برای بانک‌های مرکزی» ارائه کرد. این متن خلاصه و بازنویسی نکات اصلی آن سخنرانی است.
دربارهٔ رشد: به گفتهٔ او، هوش مصنوعی از مسیر یک موج سرمایه‌گذاری عظیم در مراکز داده، نیمه‌هادی و ابر، تقاضا را شکل می‌دهد (پیش‌بینی‌ها حدود ۳ تا ۴ هزار میلیارد دلار تا ۲۰۳۰). سود بهره‌وری در سطح خرد بین ۱۰ تا ۶۵ درصد برآورد شده و رشد بهره‌وری کل عوامل تولید (TFP) به‌طور بالقوه می‌تواند حدود ۰٫۵ درصد در سال بالا برود. اما این منافع در اقتصادهای پیشرفته و بخش‌های پرمواجهه مثل مالی و خدمات حرفه‌ای متمرکز است، در حالی که بازارهای نوظهور به‌دلیل آمادگی کمتر عقب می‌مانند. جابه‌جایی نیروی کار هم در پشتیبانی مشتری، برنامه‌نویسی و مشاغل اداری آغاز شده است.
او به تمرکز زنجیرهٔ تأمین هوش مصنوعی هم اشاره کرد: آمریکا، چین، تایوان، کره جنوبی و هلند در پنج لایهٔ نیمه‌هادی، ابر، داده، مدل‌های پایه و کاربردها غالب‌اند، و پنج شرکت بزرگ هوش مصنوعی در سال‌های ۲۰۲۵ و ۲۰۲۶ بیش از ۱ هزار میلیارد دلار سرمایه‌گذاری سرمایه‌ای (capex) داشته‌اند.
ریسک‌های ثبات مالی که برشمرد: (۱) تمرکز ارزش‌گذاری سهام در دست شمار اندکی از غول‌های هوش مصنوعی؛ (۲) رفتار گله‌ای و سرمایه‌گذاری بیش‌ازحد، با هزینه‌های سرمایه‌ای که از جریان‌های نقدی پیشی گرفته است؛ (۳) تأمین مالی مبهم از راه بدهی خصوصی و ترتیبات «دایره‌ای» که در آن‌ها طرف‌های معامله سهام یکدیگر را در اختیار دارند و رصد آن‌ها دشوار است؛ (۴) حباب دارایی داخلی ناشی از درآمدهای صادراتی مرتبط با هوش مصنوعی؛ (۵) سرایت از تمرکز بازار سهام آمریکا به بقیهٔ جهان، که سهام نگه‌داری‌شده توسط خانوارها آن را تشدید می‌کند؛ و (۶) ریسک سایبری، که در آن ابزارهای هوش مصنوعی به مهاجمان کمک نامتقارن می‌کنند — چون مهاجم فقط به یک آسیب‌پذیری نیاز دارد.
او این وضعیت را با موج‌های تاریخی فناوری مقایسه کرد — کانال‌سازی دهه ۱۸۳۰، راه‌آهن دهه ۱۸۴۰، برق‌رسانی دهه ۱۹۲۰ و دات‌کام دهه ۱۹۹۰ — که همگی سرمایهٔ بیش از بازدهی نهایی‌شان جذب کردند. این مقایسه هشداری دربارهٔ الگوست، نه پیش‌بینی قطعی از سرنوشت این موج.
توصیه‌های سیاستی او برای بانک‌های مرکزی: حفظ مأموریت‌های پولی بدون تغییر، اما تقویت اندازه‌گیری، قضاوت و چابکی سیاستی؛ پذیرش عدم‌قطعیت بیشتر دربارهٔ تولید بالقوه، نرخ‌های طبیعی و سازوکار انتقال؛ همکاری بین‌المللی برای یادگیری مشترک؛ و سرمایه‌گذاری روی زیرساخت دیجیتال، مهارت، رقابت، حاکمیت داده و نهادهای سالم — تا منافع هوش مصنوعی میان بنگاه‌ها، کارگران و کشورها گسترده‌تر پخش شود.
برای مدیران فناوری در مؤسسات مالی، سه پیام از این سخنرانی قابل استخراج است (برداشت ما، نه گفتهٔ BIS): تمرکز زنجیرهٔ تأمین یعنی ریسک وابستگی به تأمین‌کننده باید در معماری و قراردادها دیده شود؛ ریسک سایبری تقویت‌شده با هوش مصنوعی یعنی مانیتورینگ، پاسخ به رخداد و مقاومت عملیاتی اولویت پیدا می‌کند؛ و آمادگی — داده، مهارت و حاکمیت — همان عاملی است که تعیین می‌کند یک سازمان از این موج سود می‌برد یا فقط هزینه‌اش را می‌پردازد.
این یادداشت خلاصه و بازنویسی‌شده بر پایه گزارش زیر است؛ برای مطالعه گزارش کامل به منبع اصلی مراجعه کنید.
Bank for International Settlements (BIS)گزارش ۲۰۲۶ مرکز مالی جایگزین کمبریج (CCAF) با مشارکت BIS، IMF، WEF و نهادهای دیگر نشان می‌دهد ۸۱٪ شرکت‌های مالی هوش مصنوعی را به‌کار گرفته‌اند و مهندسی نرم‌افزار بالغ‌ترین کاربرد است؛ اما نگرانی از از‌دست‌رفتن نظارت انسانی و ضعف توضیح‌پذیری جدی است.
بر اساس گزارش SiliconANGLE در ۱۸ سپتامبر ۲۰۲۶، هفته‌ای که همزمان شاهد سرمایه‌گذاری‌های میلیاردی در زیرساخت هوش مصنوعی و عرضهٔ ابزارهای ایمنی برای مهار عامل‌های سرکش بود — پارادوکس صنعت عامل‌های هوشمند.
پژوهشی از مدرانو، ورما و چابرا نشان می‌دهد در یک سامانهٔ RAG شبیه محیط تولید، تکنیک RAG Fusion هرچند recall را بالا می‌برد، اما پس از re-ranking و برش زمینه بخش بزرگی از سود از بین می‌رود و دقت حتی اندکی افت می‌کند.
