Η χρηματοοικονομική αγορά αλλάζει όχι μόνο ως προς τα προϊόντα της, αλλά κυρίως ως προς τη γλώσσα της. Όροι όπως τεχνητή νοημοσύνη, big data, blockchain και κανονιστική συμμόρφωση δεν αποτελούν πια εξειδικευμένη ορολογία για λίγους. Έχουν γίνει καθημερινά εργαλεία για τράπεζες, επενδυτικά σχήματα, επιχειρήσεις και εποπτικές αρχές. Και η κατανόησή τους δεν είναι πλέον ανταγωνιστικό πλεονέκτημα. Είναι προϋπόθεση επαγγελματικής επάρκειας.
Οι όροι που αλλάζουν τη χρηματοοικονομική
Η χρηματοοικονομική, όπως διαμορφώνεται σήμερα, δεν είναι απλώς ένας κλάδος αριθμών, ισολογισμών και προβλέψεων. Είναι ένα πεδίο που μετασχηματίζεται ραγδαία, καθώς νέες τεχνολογίες μπαίνουν στον πυρήνα της λειτουργίας των αγορών. Όροι που μέχρι πρόσφατα ανήκαν στο λεξιλόγιο των μηχανικών λογισμικού ή των startups εμφανίζονται πλέον στην καθημερινότητα τραπεζών, επενδυτικών οργανισμών, συμβουλευτικών εταιρειών και ρυθμιστικών αρχών. Το ερώτημα, λοιπόν, δεν είναι αν αυτοί οι όροι ήρθαν για να μείνουν. Είναι τι σημαίνουν στην πράξη και γιατί έχουν σημασία.
Μια χρήσιμη αφετηρία για να κατανοήσει κανείς αυτή τη μετάβαση είναι τα ίδια τα προγράμματα σπουδών που σχεδιάζονται γύρω από τη νέα χρηματοοικονομική πραγματικότητα. Ενδεικτικά, στο πρόγραμμα σπουδών του Μεταπτυχιακού στη Χρηματοοικονομική Τεχνολογία (FinTech) του Τμήματος Διοίκησης Επιχειρήσεων και Οργανισμών του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών αποτυπώνεται με σαφήνεια το νέο λεξιλόγιο της αγοράς.
Χρηματοοικονομική Τεχνολογία (FinTech): Στην πράξη, ο όρος περιγράφει τον τρόπο με τον οποίο η τεχνολογία μετασχηματίζει τις χρηματοπιστωτικές υπηρεσίες: από τις ψηφιακές πληρωμές και τη mobile τραπεζική, μέχρι τις πλατφόρμες δανεισμού και επενδύσεων. Για τις επιχειρήσεις, αυτό μεταφράζεται σε ταχύτερες συναλλαγές και χαμηλότερο λειτουργικό κόστος. Για τα στελέχη, σημαίνει κατανόηση νέων επιχειρηματικών μοντέλων και ψηφιακών υποδομών, αλλά και ικανότητα να «διαβάζουν» τον τρόπο με τον οποίο η τεχνολογία μετακινεί την αξία.
Τεχνητή Νοημοσύνη και Μηχανική Μάθηση (AI & Machine Learning): Δεν πρόκειται για θεωρητικές έννοιες. Χρησιμοποιούνται ήδη στην ανάλυση πιστωτικού κινδύνου, στην πρόβλεψη αγορών, στον εντοπισμό απάτης και στη διαχείριση χαρτοφυλακίων. Όσο περισσότερα δεδομένα διαθέτει ένας οργανισμός, τόσο αυξάνεται η αξία των εργαλείων αυτών, αλλά και η ανάγκη να κατανοούνται σωστά, ώστε να αποφεύγονται σφάλματα, «μαύρα κουτιά» και ψευδείς βεβαιότητες.
Αναλυτική Μεγάλων Δεδομένων (Big Data Analytics): Η σύγχρονη χρηματοοικονομική βασίζεται σε τεράστιους όγκους δεδομένων, που προέρχονται από συναλλαγές, συμπεριφορές, πλατφόρμες και αγορές σε πραγματικό χρόνο. Η ανάλυσή τους επιτρέπει καλύτερες αποφάσεις, πιο στοχευμένα προϊόντα και ακριβέστερη αποτίμηση κινδύνων. Για τα στελέχη, η πρόκληση δεν είναι μόνο τεχνική, αλλά στρατηγική, δηλαδή πώς μετατρέπεται η πληροφορία σε αξία και πώς η αξία αυτή προστατεύεται.
Χρηματοοικονομική Ρύθμιση και Συμμόρφωση (Regulation & Compliance): Καθώς οι τεχνολογίες εξελίσσονται, εξελίσσεται και το κανονιστικό πλαίσιο. Η συμμόρφωση δεν αποτελεί πλέον τυπική διαδικασία, αλλά κρίσιμο παράγοντα αξιοπιστίας και βιωσιμότητας. Αναδύονται έτσι νέοι ρόλοι, όπως οι ειδικοί RegTech, που συνδυάζουν γνώση κανονισμών και τεχνολογικών εργαλείων, σε μια εποχή όπου η εμπιστοσύνη είναι κεφάλαιο.
Κυβερνοασφάλεια: Στον χρηματοπιστωτικό τομέα, η κυβερνοασφάλεια δεν αφορά μόνο την τεχνολογία. Αφορά τη σταθερότητα του συστήματος. Διαρροές δεδομένων και ψηφιακές επιθέσεις μεταφράζονται άμεσα σε οικονομικό, νομικό και θεσμικό κόστος. Και όσο οι χρηματοοικονομικές υποδομές γίνονται πιο ψηφιακές, τόσο η ασφάλεια γίνεται το «αόρατο θεμέλιο» της ανάπτυξης.
Blockchain και Κρυπτονομίσματα: Η τεχνολογία blockchain αλλάζει τον τρόπο καταγραφής και επαλήθευσης συναλλαγών, ενώ τα crypto-assets ανοίγουν νέες συζητήσεις γύρω από την έννοια της αξίας, της εποπτείας και του κινδύνου. Για την αγορά, πρόκειται για πεδίο ευκαιριών αλλά και αυξημένων απαιτήσεων γνώσης, καθώς το καινούριο σπάνια έρχεται χωρίς νέες ευθύνες.
Ο ρόλος του πανεπιστημίου στη νέα χρηματοοικονομική πραγματικότητα
Οι όροι αυτοί δεν εμφανίζονται τυχαία στα προγράμματα σπουδών. Αντανακλούν συγκεκριμένες ανάγκες της οικονομίας και νέες ειδικότητες που ήδη διαμορφώνονται: data-driven χρηματοοικονομικοί αναλυτές, στελέχη διαχείρισης κινδύνων με τεχνολογικό υπόβαθρο, επαγγελματίες συμμόρφωσης που κατανοούν ψηφιακά συστήματα.
Σε αυτό το σημείο τίθεται και το ευρύτερο ερώτημα του ρόλου του πανεπιστημίου στη σύγχρονη οικονομία. Όπως αναφέρει ο Αντιπρύτανης Οικονομικών και Ανάπτυξης του ΕΚΠΑ, Αριστείδης Σάμιτας, «τα σύγχρονα προγράμματα σπουδών οφείλουν να σχεδιάζονται με πραγματικούς όρους αγοράς: όχι με αποσπασματικές προσθήκες, αλλά με στρατηγική σύνδεση ανάμεσα στη γνώση, στις δεξιότητες και στις νέες ειδικότητες που ήδη ζητούνται. Η αποστολή του πανεπιστημίου δεν είναι να ακολουθεί απλώς τις εξελίξεις, αλλά να τις προετοιμάζει».
Ιδιαίτερη σημασία έχει και η σύνδεση θεωρίας και πράξης. Η συμμετοχή έμπειρων στελεχών της αγοράς, μέσα από διαλέξεις, σεμινάρια και workshops, λειτουργεί ως γέφυρα ανάμεσα στη γνώση και την εφαρμογή της. Διότι στη σημερινή χρηματοοικονομική δεν αρκεί να γνωρίζεις τους ορισμούς∙ χρειάζεται να μπορείς να τους χρησιμοποιήσεις, να τους αξιολογήσεις και να τους εντάξεις σε πραγματικές αποφάσεις.
Ο ίδιος ο κ. Σάμιτας τονίζει ότι η σύγχρονη χρηματοοικονομική απαιτεί διεπιστημονική σκέψη και ουσιαστική κατανόηση των τεχνολογικών εξελίξεων. Όπως σημειώνει χαρακτηριστικά, «η γνώση αυτών των όρων δεν είναι θεωρητική πολυτέλεια ούτε "μόδα" της εποχής. Είναι η νέα γλώσσα της επαγγελματικής αξιοπιστίας. Όποιος δεν την κατανοεί, κινδυνεύει να μείνει εκτός των διαδικασιών που καθορίζουν την αξιολόγηση κινδύνου, τη συμμόρφωση, την ασφάλεια και τελικά την ίδια την ανταγωνιστικότητα ενός οργανισμού».
Στο τέλος, αυτό που προκύπτει είναι απλό: οι όροι της νέας χρηματοοικονομικής δεν είναι απλώς λέξεις-κλειδιά. Είναι εργαλεία και δεξιότητες που καθορίζουν ήδη το παρόν και ακόμη περισσότερο το μέλλον της αγοράς και σε μια εποχή που η αλλαγή είναι διαρκής, επαγγελματική επάρκεια σημαίνει πριν από όλα να μπορείς να μιλάς τη γλώσσα της πραγματικότητας.
