Η παρούσα διπλωματική εργασία διερευνά τον ψηφιακό μετασχηματισμό που καθιερώνουν η Τεχνητή Νοημοσύνη (ΤΝ) και η Μηχανική Μάθηση (ΜΜ) στον χρηματοοικονομικό τομέα.Αρχικά περιγράφει τον τρόπο λειτουργίας του χρηματοοικονομικού τομέα πριν την είσοδο της Τεχνητής Νοημοσύνης,αναδεικνύοντας τις αδυναμίες του.Η μελέτη εστιάζει στις πρακτικές χρήσεις των τεχνολογιών δείχνοντας πως εφαρμόζονται σήμερα,ενώ αναλύει τα πλεονεκτήματα και τα μειονεκτήματα τους στον χρηματοοικονομικό τομέα.Παράλληλα,εξετάζονται οι ευρύτερες κοινωνικές και νομικές προκλήσεις που παρουσιάζονται, όπως οι επιπτώσεις στην απασχόληση,η προστασία των προσωπικών δεδομένων και της ιδιωτικότητας.Μέσα από μια σειρά ερευνητικών μεθόδων,όπως η ανάλυση βιβλιογραφίας και η συλλογή δεδομένων μέσω ερωτηματολογίων,η έρευνα στοχεύει να προσφέρει μια ολοκληρωμένη προσέγγιση των προοπτικών εξέλιξης που φέρνει η χρήση τεχνολογιών ΤΝ και ΜΜ.Τα ευρήματα της έρευνας δείχνουν ότι οι επαγγελματίες του κλάδου αντιλαμβάνονται τα πλεονεκτήματα της αυτοματοποίησης διαδικασιών,της πρόβλεψης αγοράς και ανάλυσης κινδύνου.Ταυτόχρονα,όμως εκφράζουν ανησυχίες για την απώλεια θέσεων εργασίας,την διαφάνεια στις αλγοριθμικές αποφάσεις και την προστασία προσωπικών δεδομένων.Καταληκτικά,η εργασία αποδεικνύει ότι η αξιοποίηση της τεχνητής νοημοσύνης και της μηχανικής μάθησης στον χρηματοοικονομικό βασίζεται στον προσεκτικό σχεδιασμό.

This thesis explores the digital transformation brought about by Artificial Intelligence (AI) and Μachine learning (ML) in the financial sector. First, it describes how the financial sector operated prior to the introduction of AI, highlighting its shortcomings. Focusing on the practical applications of these technologies, the study demonstrates their current use in the financial sector while analyzing their advantages and disadvantages. At the same time, the study examines the wider social and legal challenges they present, such as their impact on employment, data protection, and privacy. Through a variety of research methods, such as literature analysis and data collection via questionnaires, the study aims to adopt a comprehensive approach to the evolutionary prospects brought about by the use of AI and ML technologies. The research findings show that, while industry professionals perceive the advantages of process automation, market forecasting and risk analysis, they also express concerns about job losses, transparency in algorithmic decision-making, and the protection of personal data.In conclusion, the paper shows that using artificial intelligence and machine learning in finance requires careful planning.