Ansaitse ulkomailla, kuluta kotona: näin saat tekoälyyn perustuvat taloustyökalut toimimaan puolestasi

México Cityssä asuva suunnittelija laskuttaa newyorkilaista asiakasta dollareissa, saa maksun digitaaliseen lompakkoon ja maksaa vuokransa pesoissa. Vielä vähän aikaa sitten hän sai tietää kuukauden työnsä todellisen arvon vasta, kun rahat olivat saapuneet ja ne oli vaihdettu toiseen valuuttaan. Siinä vaiheessa valuuttakurssi oli jo ehtinyt syödä osan summasta.

Vuoden mittaan epävarmuus kasautuu. Yhdessä valuutassa hinnoitteleva ja toisessa budjetoiva toimeksisaaja pyörittää pientä varainhallintaa ilman taloustiimiä. Hänen on päätettävä, milloin valuutta kannattaa vaihtaa, varattava rahaa yhden maan veroviranomaiselle asiakkaiden ollessa toisessa maassa ja selitettävä paikalliselle pankille, miksi jokainen tilille tuleva maksu saapuu ulkomailta. Aiemmin kaikki nämä päätökset tehtiin vanhentuneiden tietojen perusteella.

Tämä on osa-alue, jolla tekoäly on muuttanut asioita nopeimmin. ”Muutama vuosi sitten toimeksisaaja, joka laskutti Yhdysvaltain dollareissa, sai maksut lompakkoon ja käytti rahaa pesoissa, ei pystynyt reaaliajassa näkemään, mitä tämä kaikki käytännössä tarkoitti”, sanoo Stephan Tschabold, Ontopin vaatimustenmukaisuudesta ja riskienhallinnasta vastaava johtaja. Ontop hoitaa etätyötä tekevien toimeksisaajien maksuja. Ihmiset saivat tietää todellisesta ostovoimastaan vasta jälkikäteen. Nyt sama työntekijä voi seurata sen muutoksia reaaliajassa.

Alan tekoälypanostukset eivät kuitenkaan suurelta osin kohdistu tähän. Tschaboldin mukaan suurissa rahansiirto- ja maksuyhtiöissä vuoden 2026 investoinnit suuntautuvat pääosin yritysten sisäisiin toimintoihin. McKinseyn mukaan tavoitteena on pyörittää toimintaa edullisemmin ja tuoda tuotteita markkinoille nopeammin. Hän viittaa maksualan keskusteluissa yleistyvään ajatukseen: tekoälyn todellinen tehtävä rajat ylittävässä rahansiirrossa on tehdä olemassa olevasta luottamusverkostosta laskennallisesti käsiteltävä sovittamalla yhteen nimet, translitteroinnit ja maksun tarkoitus. Se ei kuitenkaan voi luoda luottamusta sinne, missä sitä ei ennestään ole. Yksittäisen työntekijän kannalta tämä tarkoittaa, että puhelimen työkalut osaavat nyt tulkita hänen tilannettaan paljon paremmin kuin muuttaa sen taustalla olevia järjestelmiä.

Yhä useammalle tällä tavoin ansaitsevalle lopputulos on epätasainen. Tekoälypohjaisista taloustyökaluista on nyt paljon apua joillakin osa-alueilla ja vain vähän toisilla. Tschabold näkee selvästi, missä raja tällä hetkellä kulkee, ja nostaa esiin muutamia käytännön tapoja, joita kannattaa omaksua.

Hyödynnä tekoälyä taloutesi seurantaan

Tschaboldin mukaan näiden työkalujen vahvin puoli on ongelman ”näkeminen”. Kassavirtaennusteet, menojen automaattinen luokittelu ja valuutanvaihdosta ilmoittavat hälytykset antavat työntekijöille reaaliaikaisen kokonaiskuvan rahoistaan useissa valuutoissa. Samaan ryhmään hän laskee verotukseen valmistautumista helpottavat ominaisuudet ja henkilön omiin maksutottumuksiin mukautetut neuvot maksuista.

”Tällaisia ominaisuuksia on jo käytössä, ja niistä on aidosti hyötyä”, hän sanoo. Toimeksisaajan kannattaa ottaa käyttöön valuuttakurssihälytykset ja ennusteet kaikilla niitä tarjoavilla alustoilla sekä tarkistaa kuukausiennuste ennen kuin hän päättää, milloin siirtää rahaa valuutasta toiseen.

Pidä omat asiakirjasi järjestyksessä yli maarajojen

Työkalut eivät pärjää tehtävissä, jotka ulottuvat useampaan kuin yhteen oikeusjärjestelmään. ”Useimmat tekoälypohjaiset taloustyökalut on tehty yhden maan käyttäjälle: yhdelle valuutalle, yhdelle veroviranomaiselle ja yhdelle pankille”, Tschabold sanoo.

”Älykkyyskerros on infrastruktuurikerrosta edellä.” Sovellus voi näyttää reaaliajassa, mitä tuloille tapahtuu, mutta silti olla auttamatta kahdessa maassa olevien velvoitteiden yhteensovittamisessa.

Sama ongelma tulee vastaan myös muuton yhteydessä. Henkilö, jolla on viiden vuoden ajalta tasaiset ja todennettavissa olevat tulot, voi uudessa maassa näyttäytyä pankkipalvelujen ulkopuolelle jääneenä tai suuririskisenä asiakkaana, koska hänen tulonsa, verotietonsa ja luottohistoriansa ovat erillisissä järjestelmissä, jotka eivät keskustele keskenään. Tschaboldin mielestä siirrettävä taloudellinen identiteetti on suurin vielä ratkaisematon mahdollisuus.

Ennen kuin joku ratkaisee ongelman, työntekijöiden kannattaa koota asiakirjat itse: laskut, veroilmoitukset, alustojen maksuhistoria ja tiliotteet samaan paikkaan ja sellaiseen muotoon, että ne voi antaa uuden maan lainanantajalle.

Ymmärrä, miksi maksut merkitään epäilyttäviksi

Vanhemmat sääntöpohjaiset petostentorjuntajärjestelmät merkitsivät epäilyttäviksi kaikki poikkeavalta vaikuttavat tapahtumat, kuten maksun uudesta maasta tai siirron epätavalliseen kellonaikaan. Tschaboldin mukaan tämä oli ”juuri sitä, miltä tavallisen toimeksisaajan normaali elämä näyttää”. Seurauksena oli vuosien ajan aiheettomia maksun hylkäyksiä ja tilien jäädytyksiä ihmisille, jotka eivät olleet tehneet mitään väärää.

Uudemmat mallit arvioivat maksutapahtumien nopeutta ja määrää, laitetietoja, asiakassuhteen historiaa ja käyttäytymisen johdonmukaisuutta, ja niitä käyttävät kortinmyöntäjät kertovat väärien hälytysten vähentyneen. Siksi palveluntarjoajalta kannattaa kysyä ennen asiakkuuden avaamista, miten se valvoo maksuja.

Myös johdonmukaisuudesta on apua: samojen laitteiden käyttäminen ja ennakoitava laskutusrytmi antavat käyttäytymistä arvioivalle mallille vähemmän syytä epäillä. Varaudu myös tiukempiin henkilöllisyyden tarkistuksiin asiakkuutta avatessasi, sillä synteettiset henkilöllisyydet ja syväväärennettyyn ääneen perustuvat huijauspuhelut yleistyvät rajat ylittävän petollisen toiminnan rinnalla.

Hyödynnä nyt voimassa olevia sääntöjä

Ensi helmikuussa tulevat voimaan EU:n tekoälysäädöksen suuririskisiä järjestelmiä koskevat velvoitteet. Tähän luokkaan kuuluvat petosten havaitseminen, rahanpesun torjunnan valvonta ja luottopisteytys. Järjestelmien tuottamien pisteytysten on nyt oltava selitettävissä ja auditoitavissa, ja ihmisen on voitava puuttua niihin. Vastuu on mallia käyttävällä organisaatiolla. Jos malli jäädyttää työntekijän tilin tai hylkää hänen lainahakemuksensa, hänellä on perusteet pyytää päätökselle selitystä ja ihmisen tekemää uudelleenarviointia.

Suoja ei kuitenkaan ole kaikkialla samanlainen. Euroopan uudistetun maksusääntelyn, joka siirtää maksun itse hyväksyvään huijaukseen liittyvän vastuun palveluntarjoajille, ei odoteta tulevan kokonaisuudessaan voimaan ennen vuoden 2027 loppupuolta, ja Yhdysvaltain FinCEN käsittelee edelleen AML-ehdotusta. ”Työntekijän maksuihin voi yhdessä oikeudenkäyttöalueessa liittyä laillisesti korkean riskin tekoälyä, kun taas sama käyttötapaus on toisella oikeudenkäyttöalueella samalla maksureitillä käytännössä sääntelemätön”, Tschabold sanoo. Itsenäisillä työntekijöillä on harvoin työnantajaa tai asiakkuuspäällikköä, joka ajaisi heidän asiaansa, joten kannattaa selvittää, minkä sääntelyn alainen kukin palveluntarjoaja on.

Pidä ihminen mukana suurissa päätöksissä

Tschabold pitää täysin itsenäistä tekoälypohjaista talousneuvojaa toistaiseksi enimmäkseen hypetyksenä. Tekoäly tunnistaa kuvioita riittävän hyvin, mutta kukaan ei ole ratkaissut, kuka on vastuussa, jos algoritmin rajat ylittävä verotusta tai sijoittamista koskeva päätös menee pieleen. Visa, Mastercard ja Alipay rakentavat kaikki infrastruktuuria agenttien välisiä maksuja varten, mutta niidenkin mukaan laajamittainen käyttöönotto on vielä kaukana.

Järkevin ratkaisu toistaiseksi on käyttää tekoälyä ilmoittamaan, milloin valuutta kannattaa vaihtaa edullisemmin, tai tuomaan verovelvoitteet esiin ajoissa, ja antaa työntekijän hyväksyä kaikki merkittävät toimet. Viimeistelty ulkoasu on huono peruste palveluntarjoajan valinnalle. ”Suurempi riski on, että nopeus sekoitetaan uskottavuuteen”, hän sanoo. Hyödyllisempää on kysyä alustalta, kuka ottaa siitä vastuun, jos jokin menee pieleen, sillä hänen mukaansa ”tekoälyllä toimivan” on edelleen tarkoittava sitä, että vastuu kuuluu ihmiselle.