Έμμεσες τεχνικές ελέγχου και τεχνητή νοημοσύνη
ENGLISH ABSTRACT This dissertation investigates how artificial intelligence is transforming indirect control techniques across diverse institutional environments, focusing on tax administrations, banking,sector AML systems, internal corporate auditing, and regulatory authorities. The methodology followed a mixed approach supported by four detailed case studies, which indicate that AI enhances preventive supervision, reduces operational workload, and enables real,time risk detection. At the same time, the findings highlight critical challenges related to transparency, explainability, data quality and governance, as well as institutional accountability. The results show that AI does not replace human judgment but reshapes it, introducing new expectations regarding expertise, oversight and ethical responsibility. The dissertation concludes with policy recommendations aimed at promoting responsible AI adoption, strengthening transparency frameworks and offering directions for future research on algorithmic reliability.
Thesis
Η παρούσα διπλωματική εργασία εξετάζει τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μετασχηματίζει τις έμμεσες τεχνικές ελέγχου σε διαφορετικά θεσμικά περιβάλλοντα, με έμφαση στη φορολογική διοίκηση, τα συστήματα AML των τραπεζών, τον εσωτερικό έλεγχο επιχειρήσεων και τις ρυθμιστικές αρχές. Η μεθοδολογία βασίστηκε σε μεικτή προσέγγιση και σε τέσσερις αναλυτικές μελέτες περίπτωσης, οι οποίες ανέδειξαν ότι η AI ενισχύει τη δυνατότητα προληπτικής εποπτείας, μειώνει τον επιχειρησιακό φόρτο και επιτρέπει την ανίχνευση κινδύνων σε πραγματικό χρόνο. Παράλληλα, αναδείχθηκαν κρίσιμες προκλήσεις που σχετίζονται με τη διαφάνεια, την ερμηνευσιμότητα, την ποιότητα των δεδομένων και την ανάγκη θεσμικής λογοδοσίας. Τα ευρήματα δείχνουν ότι η τεχνητή νοημοσύνη δεν αντικαθιστά την ανθρώπινη κρίση αλλά τη μετασχηματίζει, επιβάλλοντας νέες απαιτήσεις γνώσης και διακυβέρνησης. Η εργασία καταλήγει με προτάσεις για την ενίσχυση της υπεύθυνης χρήσης AI, την ανάπτυξη πλαισίων διαφάνειας και την κατεύθυνση μελλοντικής έρευνας σε θέματα αλγοριθμικής αξιοπιστίας.