هوش مصنوعی در حال تغییر بنیادین مدل بانکداری و نظام نظارتی است

به گزارش اکو اقتصاد، در پنل «هوش مصنوعی و آینده بانکداری ایران» در روز دوم نمایشگاه الکامپ ۱۴۰۵، فعالان حوزه بانکداری، فین‌تک و فناوری درباره تاثیر هوش مصنوعی بر مدل‌های سنتی بانکداری، تحول تجربه مشتری، اعتبارسنجی، کشف تقلب، زیرساخت داده و توان پردازشی و همچنین ضرورت تغییر نظام نظارت بانکی صحبت کردند. نیما امیرشکاری، معاون فناوری شرکت Paymydine، مهدی محمدی، عضو هیئت‌مدیره ملت ونچرز، علی گلزاده، مدیرعامل دانا و حامد ذاکرحسین، مدیرعامل بیت‌بانک، در این پنل تاکید کردند که هوش مصنوعی صرفاً یک ابزار جدید برای بانک‌ها نیست و می‌تواند معماری و حتی تعریف بانک را تغییر دهد.

بانکداری از اپلیکیشن به سمت تعامل مستقیم با هوش مصنوعی می‌رود

حامد ذاکرحسین، مدیرعامل بیت‌بانک، با اشاره به تحولاتی که در سال‌های گذشته در صنعت بانکداری رخ داده است، توضیح داد: با ورود موبایل‌های هوشمند، مشتری ابتدا خدمت موردنیاز خود را پیدا می‌کرد، درخواستش را ثبت می‌کرد و بانک پس از بررسی و تایید آن خدمت را ارائه می‌داد. به گفته او، در مرحله جدید این فرایند تغییر می‌کند و هوش مصنوعی می‌تواند بخش عمده‌ای از اقدامات مالی را به جای کاربر انجام دهد.

ذاکرحسین تاکید کرد: در آینده کاربر الزاماً با یک اپلیکیشن بانکی تعامل نخواهد داشت و ممکن است مستقیماً با یک سیستم یا دستگاه مبتنی بر هوش مصنوعی صحبت کند و نیاز خود را توضیح دهد. در این مدل، هوش مصنوعی می‌تواند با شناخت ریسک، اعتبار، سابقه مالی و شرایط کاربر، مناسب‌ترین سرویس را طراحی و ارائه کند.

او این تغییر را عمیق‌تر از تحول دیجیتال توصیف کرد و گفت: صنعت بانکداری در آستانه تحولی قرار دارد که اثر آن بسیار گسترده‌تر از ورود بانکداری الکترونیکی خواهد بود. به اعتقاد ذاکرحسین، هوش مصنوعی یک فناوری تحول‌آفرین است که بسیاری از مراحل و واسطه‌های موجود در بانکداری سنتی را حذف می‌کند.

علی گلزاده، مدیرعامل دانا، نیز تاکید کرد: بانک‌ها نباید برای استفاده از هوش مصنوعی منتظر کامل شدن همه زیرساخت‌ها و مشخص شدن نتیجه نهایی بمانند. او پیشنهاد کرد: سازمان‌ها از یک نقطه مشخص شروع کنند، زیرا تجربه‌ای که در مسیر استفاده از ابزارهای هوش مصنوعی به دست می‌آید، خود ارزش اقتصادی و سازمانی قابل‌توجهی ایجاد می‌کند.

گلزاده توضیح داد: اگر سازمان‌ها صرفاً منتظر بمانند تا همه جوانب فناوری مشخص شود، هزینه فرصت بسیار بیشتری نسبت به هزینه آغاز استفاده از هوش مصنوعی خواهند پرداخت. با این حال، او هشدار داد: نمی‌توان هوش مصنوعی را روی فرایندهای نامطلوب و ناکارآمد سوار کرد و انتظار نتیجه مطلوب داشت.

به گفته او، بسیاری از بانک‌ها همچنان سامانه‌ها و فرایندهایی دارند که برای شرایط گذشته طراحی شده‌اند و ابتدا باید خود فرایندها مورد بازبینی و اصلاح قرار بگیرند. گلزاده تاکید کرد: هوش مصنوعی می‌تواند فرایند خوب را بهتر کند، اما اگر یک فرایند از ابتدا مشکل داشته باشد، استفاده از هوش مصنوعی لزوماً مشکل آن را حل نمی‌کند.

او همچنین به تفاوت تصمیم‌گیری انسانی و تصمیم‌گیری مبتنی بر مدل‌های هوش مصنوعی اشاره کرد: انسان در بسیاری از تصمیمات بانکی به دنبال پاسخ قطعی است، در حالی که یک مدل هوش مصنوعی ممکن است با احتمال ۸۰ درصد اعلام کند یک تصمیم درست است. بنابراین ساختار سیاست‌گذاری و تصمیم‌گیری بانک‌ها نیز باید متناسب با ماهیت احتمالی مدل‌های هوش مصنوعی تغییر کند.

گلزاده یکی دیگر از چالش‌های اصلی بانک‌ها را وضعیت داده‌ها دانست و توضیح داد: داده‌های بانکی در بسیاری از موارد پراکنده و کم‌کیفیت هستند. او تاکید کرد در مقیاس بالای فعالیت بانکی، بدون داده مناسب و زیرساخت کافی، نمی‌توان انتظار داشت مدل‌های هوش مصنوعی عملکرد مطلوبی داشته باشند.

مهدی محمدی، عضو هیئت‌مدیره ملت ونچرز، نیز با اشاره به تجربه جهانی گفت بانکداری یکی از صنایعی است که هوش مصنوعی در آن نفوذ بالایی پیدا کرده است. او احراز هویت، اعتبارسنجی و انواع تصمیم‌گیری‌های اعتباری را از مهم‌ترین حوزه‌هایی دانست که هوش مصنوعی می‌تواند در آنها نقش‌آفرینی کند.

محمدی تاکید کرد: بانک‌ها باید برای استفاده از هوش مصنوعی نقشه راه داشته باشند و این نقشه راه نیز نباید یک سند ثابت باشد؛ بلکه لازم است دست‌کم هر شش ماه یک‌بار شرایط فناوری و تحولات جهانی رصد و استراتژی سازمان بازنگری شود.

او با اشاره به اهمیت زیرساخت تاکید کرد «تیز کردن تبر قبل از قطع کردن درخت» در پروژه‌های هوش مصنوعی اهمیت زیادی دارد. به گفته محمدی، در لایه زیرساخت، داده و توان پردازشی دو شرط اصلی برای توسعه هوش مصنوعی هستند و نمی‌توان بدون فراهم کردن آنها انتظار تحول در صنعت بانکداری داشت.

محمدی همچنین با اشاره به نقش شرکت‌های فناوری در بازار بانکی توضیح داد: بخش قابل‌توجهی از ظرفیت فناوری در اختیار شرکت‌های تک قرار دارد و بانک‌ها به‌دلیل ساختارهای بزرگ و پیچیده، از چابکی کمتری برخوردارند. پیش‌بینی می‌شود بخشی از بازار خرده‌بانکی و خدمات مالی خرد نیز بیش از گذشته در اختیار فین‌تک‌ها و لندتک‌ها قرار گیرد.

به گفته محمدی، بانک‌های بزرگ جهان نیز به جای تلاش برای ساختن همه چیز در داخل بانک، با شرکت‌های فناوری و فین‌تک‌های قدرتمند همکاری می‌کنند و این همکاری می‌تواند الگویی برای تحول بانکداری ایران باشد.

هوش مصنوعی؛ از کشف تقلب تا بازطراحی نظارت بانکی

نیما امیرشکاری، معاون فناوری شرکت Paymydine، با اشاره به دو وجه متفاوت هوش مصنوعی، آن را فناوری‌ای با ظرفیت بالا برای شخصی‌سازی خدمات و در عین حال ابزاری برای سوءاستفاده و فریب توصیف کرد.

او هشدار داد: تولید و دستکاری محتوای صوتی و تصویری با هوش مصنوعی بسیار ساده‌تر شده و امکان ایجاد محتوای جعلی و فریب کاربران افزایش یافته است. امیرشکاری تاکید کرد: این فناوری می‌تواند پیام‌ها و پیشنهادهای مالی را نیز به‌شدت شخصی‌سازی کند؛ به‌طوری که یک سیستم بتواند پیشنهادی کاملاً متناسب با سلیقه و رفتار یک فرد ارائه دهد.

او با اشاره به افزایش فریب‌های مبتنی بر هوش مصنوعی گفت: قانع کردن انسان با یک دروغ تولیدشده توسط هوش مصنوعی می‌تواند حتی از دروغ گفتن یک انسان ساده‌تر باشد. به گفته امیرشکاری، این موضوع برای صنعت بانکداری اهمیت ویژه‌ای دارد، زیرا نظام بانکی اساساً بر اعتماد بنا شده و هوش مصنوعی می‌تواند همین عنصر اعتماد را هدف قرار دهد.

امیرشکاری تاکید کرد: بانک‌ها باید همزمان با توسعه استفاده از هوش مصنوعی، سازوکارهای مقابله با سوءاستفاده از آن را نیز ایجاد کنند. او هشدار داد: نمی‌توان فناوری را وارد بانکداری کرد اما همچنان با همان شیوه‌های سنتی بر آن نظارت داشت.

او با اشاره به تجربه بانکداری الکترونیکی توضیح داد: زمانی که خدمات بانکی الکترونیکی شدند، بخش‌هایی از نظام نظارتی همچنان با روش‌های سنتی اداره شدند و اکنون نباید همان اشتباه در مواجهه با هوش مصنوعی تکرار شود.

امیرشکاری پیشنهاد کرد: همان‌طور که بانکداری الکترونیکی به نظارت الکترونیکی نیاز داشت، بانکداری مبتنی بر هوش مصنوعی نیز باید به سمت ایجاد «نظارت هوشمند» حرکت کند؛ به این معنا که خود نظام نظارتی نیز از هوش مصنوعی استفاده کند.

او همچنین با اشاره به حجم بالای تراکنش‌های بانکی تاکید کرد: بانک‌ها برای مدیریت چنین حجمی از داده و تراکنش به سامانه‌های هوشمند نیاز دارند. به گفته او، بانک ملی به‌تنهایی روزانه حدود ۱۵۰ میلیون تراکنش را مدیریت می‌کند و نظارت بر چنین حجمی از فعالیت با روش‌های سنتی دشوار است.

امیرشکاری نقش انسان را در نسل جدید بانکداری بیشتر در آموزش، تست و ارزیابی مدل‌ها دانست و گفت: در ادامه باید خود سیستم‌های هوش مصنوعی نیز به‌صورت مستمر آموزش ببینند.

او همچنین بر ضرورت اشتراک‌گذاری داده میان سازمان‌ها تاکید کرد و گفت: اطلاعات مربوط به اعتبارسنجی نباید مانند گذشته به‌صورت جزیره‌ای نگهداری شود. به گفته امیرشکاری، در نسل جدید اعتبارسنجی باید وضعیت مشتری به‌صورت مستمر بررسی شود و مفهوم اعتماد نیز از یک بررسی مقطعی به یک فرایند دائمی تبدیل شود.

مهدی محمدی در ادامه، نقشه راه سازمان‌ها برای ورود به هوش مصنوعی را تشریح کرد و توضیح داد: نخستین گام این است که سازمان، معماری و ساختار هوش مصنوعی خود را بشناسد و مشخص کند نقطه کانونی تحول در کدام بخش قرار دارد و استفاده از هوش مصنوعی در کدام قسمت بیشترین ارزش افزوده را ایجاد می‌کند.

او با توجه به ماهیت بانک‌ها، نخستین نقطه ورود هوش مصنوعی را فرانت‌آفیس و تجربه مشتری دانست. محمدی توضیح داد: تحول تجربه مشتری، احراز هویت و ارائه خدمات شخصی‌سازی‌شده از جمله پروژه‌هایی هستند که مشتری مستقیماً آنها را احساس خواهد کرد و می‌توانند به شکل‌گیری یک تجربه جدید از بانکداری منجر شوند.

محمدی دومین محور را ایجاد یک «قلعه امن» با کمک هوش مصنوعی عنوان کرد. به گفته او، بانک باید بتواند با استفاده از هوش مصنوعی، امنیت داده‌ها و تراکنش‌ها را افزایش دهد، با پول‌شویی مقابله کند و اعتماد موجود در سیستم بانکی را حفظ کند. او تاکید کرد: بانک باید به امن‌ترین محل برای نگهداری و مدیریت سرمایه تبدیل شود.

سومین محور پیشنهادی محمدی، توسعه Open Banking بود. او توضیح داد: بانک‌ها باید امکان دسترسی کنترل‌شده به داده‌های مشتریان از طریق APIها را فراهم کنند تا شبکه‌ای گسترده از فین‌تک‌ها و سرویس‌های مالی در اطراف بانک شکل بگیرد.

به گفته محمدی، چهارمین محور نیز حرکت هم‌زمان با فناوری و سرمایه‌گذاری روی زیرساخت‌هایی است که بانک را قادر کند از نظر توان پردازشی و فناوری، فاصله خود را با غول‌های فناوری کاهش دهد.

گلزاده نیز کشف تقلب و تخلف، مسائل مالی و اعتباری و تصمیم‌سازی را از مهم‌ترین حوزه‌هایی دانست: هوش مصنوعی می‌تواند در فرایندهای اصلی بانک وارد کند. در مرحله بعد باید از مدل‌هایی عبور کرد که صرفاً ابزار کمکی هستند و به سمت «عاملیت هوش مصنوعی» و تصمیم‌گیری توسط سیستم‌های هوشمند حرکت کرد.

او معتقد است با گسترش این روند، حتی ذهنیت فعلی درباره بانک نیز تغییر خواهد کرد و ممکن است در آینده عملاً با تعریف تازه‌ای از بانک مواجه شویم. گلزاده توضیح داد: مشتری می‌تواند نیاز خود را در اختیار یک اکوسیستم مالی هوشمند قرار دهد و هوش مصنوعی از تصمیم‌سازی تا خرید و دریافت خدمات را برای او مدیریت کند.

گلزاده در پایان تاکید کرد: بانکداری در دوران هوش مصنوعی به‌طور بنیادین تغییر خواهد کرد و مرز میان خدمات مالی و سایر خدمات نیز کمرنگ‌تر خواهد شد؛ تا جایی که ممکن است مشتری بتواند با استفاده از دارایی‌های دیجیتال، خدمات فیزیکی دریافت کند. او در عین حال نقش رگولاتور را در شکل‌گیری این آینده مهم دانست و تاکید کرد: تنظیم‌گری باید همگام با این تحول پیش برود.