هوش مصنوعی در نظام بانکی به یکی از محورهای مهم تحول صنعت بانکداری تبدیل شده است. به گزارش ثروت فردا، در نشست «بانکداری در عصر هوش مصنوعی» نیز بر ضرورت توسعه این فناوری، حاکمیت داده، آموزش نیروی انسانی، امنیت و استفاده مرحله‌ای از عامل‌های هوشمند تأکید شد.
دستاوردها و الزامات استفاده از هوش مصنوعی در نظام بانکی
مسئولان با اشاره به الزامات توسعه هوش مصنوعی در شبکه بانکی و دستاوردهای آن، تأکید کردند که باید برای جلوگیری از عقب‌ماندگی، توسعه و استفاده از هوش مصنوعی در صنعت بانکداری را جدی بگیریم.
نشست «بانکداری در عصر هوش مصنوعی» امروز چهارشنبه ۱۱ شهریور در استیج «تازه‌های اقتصاد» در بیست‌ونهمین نمایشگاه بین‌المللی الکترونیک، کامپیوتر و تجارت الکترونیک (الکامپ) برگزار شد. در این نشست، مسئولان کارشناسان حوزه فناوری اطلاعات به مهمترین محورهای تحول بانکداری در عصر هوش مصنوعی پرداختند.
تلاش بانک مرکزی برای تسهیل توسعه هوش مصنوعی
نوشین حیدری، معاون اداره هوش مصنوعی و امنیت بانک مرکزی با تاکید بر اینکه توسعه هوش مصنوعی در بانکداری تنها وظیفه شرکت‌های فناوری نیست، گفت: پیاده‌سازی موثر این فناوری نیازمند همکاری بانک‌ها، شرکت‌های توسعه‌دهنده و سیاست‌گذاران است.
وی افزود: سرعت توسعه هوش مصنوعی در جهان بسیار بالاست و در حالی که کشور‌ها به سرعت به سمت مدل‌های جدید حرکت می‌کنند، ما نیز باید برای جلوگیری از عقب‌ماندگی، توسعه و استفاده از هوش مصنوعی در صنعت بانکداری را جدی بگیریم.
حیدری با اشاره به نقش بانک مرکزی در این مسیر اظهار کرد: بانک مرکزی قصد ندارد مانعی برای حرکت شبکه بانکی به سمت هوش مصنوعی ایجاد کند، بلکه تلاش می‌کند با رویکرد تسهیل‌گری، چارچوب‌هایی را برای توسعه این فناوری و در عین حال حفاظت از حقوق مشتریان فراهم کند.
وی یکی از مهمترین ملاحظات قانون‌گذار را حفاظت از حقوق کاربران در تصمیم‌های مبتنی بر هوش مصنوعی دانست و گفت: مشتری باید بتواند نسبت به تصمیم‌هایی که بر اساس هوش مصنوعی درباره او گرفته می‌شود، اعتراض کند و فرآیند تصمیم‌گیری نیز باید تا حد امکان توضیح‌پذیر باشد.
معاون اداره هوش مصنوعی و امنیت بانک مرکزی درباره میزان اختیار هوش مصنوعی در تصمیم‌گیری‌های بانکی افزود: استفاده از خودکارسازی در حوزه‌های کم‌ریسک، که احتمال آسیب به مشتری کمتر است، می‌تواند با اختیارات بیشتری انجام شود، اما در تصمیم‌های حساس و پرریسک، از جمله برخی تصمیم‌های مرتبط با تسهیلات، نمی‌توان همه اختیار را به هوش مصنوعی سپرد.
وی تاکید کرد: در چنین مواردی، در کنار استفاده از ظرفیت هوش مصنوعی، باید نقش نیروی انسانی نیز حفظ شود تا تصمیم نهایی در موضوعات حساس با نظارت و مداخله انسانی انجام شود.
حاکمیت داده و آموزش نیروی انسانی، پیش‌نیاز استفاده از هوش مصنوعی
معاون اداره هوش مصنوعی و امنیت بانک مرکزی، در بخش دوم نشست با تأکید بر اهمیت کیفیت داده در توسعه کاربردهای هوش مصنوعی گفت: هوش مصنوعی بدون داده باکیفیت، کامل، استاندارد و قابل بهره‌برداری، بیشتر به یک نمایش جذاب شبیه خواهد بود و توسعه سامانه‌های هوشمند بدون فراهم کردن داده‌های مناسب، در نهایت به شکست منجر می‌شود.
وی افزود: اگرچه در سال‌های گذشته در بخش‌های مختلف جامعه، سازمان‌ها و بانک‌ها اقداماتی برای استقرار حاکمیت داده، ایجاد کاتالوگ داده و استانداردسازی انجام شده، اما این اقدامات به اندازه کافی مورد توجه و سرمایه‌گذاری قرار نگرفته و نتوانسته‌ایم به موفقیت مطلوب دست پیدا کنیم.
معاون اداره هوش مصنوعی و امنیت بانک مرکزی ادامه داد: شبکه بانکی حجم بسیار گسترده‌ای از داده در اختیار دارد، اما همه این داده‌ها قابل استفاده نیستند و در بسیاری از موارد کیفیت لازم برای بهره‌برداری در سامانه‌های هوش مصنوعی را ندارند؛ بنابراین بانک‌ها در کنار توسعه دستیارهای هوشمند و سامانه‌هایی که همین امروز امکان بهره‌برداری از آنها وجود دارد، باید به‌طور جدی به سمت استقرار حاکمیت داده حرکت کنند.
حیدری همچنین نیروی انسانی را یکی دیگر از محورهای کلیدی تحول هوش مصنوعی در بانک‌ها دانست و گفت: نیاز شبکه بانکی تنها به استخدام و آموزش نیرو‌های متخصص هوش مصنوعی محدود نمی‌شود، بلکه مدیران و کارشناسان فعلی نیز باید آموزش ببینند تا بتوانند نحوه استفاده صحیح از این فناوری، ارزیابی خروجی‌ها و به چالش کشیدن پاسخ‌های هوش مصنوعی را یاد بگیرند و در مواقع لازم، از آن برای رسیدن به نتیجه مطلوب استفاده کنند.
وی با اشاره به نگرانی موجود درباره از بین رفتن برخی مشاغل در پی توسعه هوش مصنوعی اظهار کرد: با پیاده‌سازی هوش مصنوعی ممکن است برخی وظایف و مشاغل تغییر کنند، اما مسئله اصلی از دست دادن نیروی انسانی نیست؛ بلکه نیاز به تخصص‌های جدید و بازآموزی نیرو‌های موجود است.
معاون اداره هوش مصنوعی و امنیت بانک مرکزی ادامه داد: در برخی موارد، پروژه‌های هوش مصنوعی در بانک‌ها با وجود ظرفیت بالایی که برای کاهش هزینه‌ها دارند، به دلیل نگرانی مدیران و کارکنان از کاهش نیروی انسانی مورد استقبال کافی قرار نگرفته‌اند. در حالی که می‌توان با آموزش نیرو‌های موجود، آنها را برای استفاده از ابزارهای جدید آماده کرد و از ظرفیت هوش مصنوعی برای افزایش بهره‌وری و کاهش هزینه‌های بانک بهره گرفت.
حیدری با اشاره به محورهای اصلی مورد نیاز برای توسعه هوش مصنوعی در شبکه بانکی گفت: داده و نیروی انسانی دو موضوع کلیدی هستند که باید از منظر سیاست‌گذاری و قانون‌گذاری مورد توجه قرار گیرند و در کنار آنها، موضوع نظارت نیز اهمیت ویژه‌ای دارد.
وی تأکید کرد: با ورود هوش مصنوعی به فرآیندهای بانکی، نظارت باید گسترده‌تر از گذشته باشد و هرچه سطح ریسک تصمیم‌گیری‌های مبتنی بر هوش مصنوعی بالاتر باشد، نظارت بر آن نیز باید جامع‌تر و دقیق‌تر انجام شود؛ به‌ویژه در مورد استفاده از عامل‌های هوشمند که می‌توانند در فرآیندهای بانکی نقش مستقیم‌تری در تصمیم‌گیری و اجرا داشته باشند.
حیدری در بخش سوم پنل با اشاره به چالش داده در پروژه‌های هوش مصنوعی گفت: در محیط‌های سندباکس ممکن است داده‌های لازم برای آزمایش و توسعه مدل‌ها وجود داشته باشد، اما در محیط واقعی این داده‌ها در دسترس نباشند و همین مسئله موجب شکست پروژه‌ها شود.
وی همچنین درباره زیرساخت پردازشی اظهار کرد: در بسیاری از موارد میزان بهره‌برداری از مدل‌های هوش مصنوعی و نیاز به GPU به‌درستی تخمین زده نمی‌شود و در زمان اجرا، کمبود زیرساخت باعث می‌شود مدل به عملکرد مورد انتظار نرسد.
معاون اداره هوش مصنوعی و امنیت بانک مرکزی تاکید کرد: استفاده از هوش مصنوعی ابری نیز باید به‌صورت کنترل‌شده و بر اساس طبقه‌بندی داده‌ها انجام شود. داده‌های عمومی و کم‌محرمانه می‌توانند در سرویس‌های خارجی مورد استفاده قرار گیرند، اما داده‌های محرمانه باید داخل سازمان نگهداری شوند. به گفته حیدری، بانک‌ها می‌توانند مدل‌ها را به‌صورت محلی توسعه دهند و در کنار آن، از مدل‌های خارجی برای داده‌هایی که محرمانگی بالایی ندارند استفاده کنند.
بانک‌ها برای حفظ مشتری باید به سمت هوش مصنوعی حرکت کنند
محمد جعفرعبدی، مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک به عنوان دومین سخنران نشست با تاکید بر اینکه صنعت بانکداری وارد عصر هوش مصنوعی شده است، گفت: بازگشت به دوران پیش از هوش مصنوعی ممکن نیست و بانک‌ها باید خود را با این تحول همگام کنند.
وی با اشاره به ماهیت حساس و قانون‌مند صنعت بانکداری افزود: بانک‌ها در سراسر جهان به دلیل الزامات نظارتی و ریسک‌های موجود، با احتیاط بیشتری به سمت استفاده از هوش مصنوعی حرکت می‌کنند، اما این احتیاط نباید مانع ورود آنها به این عرصه شود.
جعفرعبدی، تجربه مشتری را یکی از مهمترین محورهای تحول بانکداری در عصر هوش مصنوعی دانست و گفت: انتظارات مشتریان تغییر کرده و نسل‌های جدید با فناوری و ابزارهای هوشمند بزرگ می‌شوند؛ بنابراین نمی‌توان همچنان با روش‌های گذشته به مشتری خدمت ارائه کرد و انتظار رضایت داشت.
وی افزود: بانک‌ها باید با استفاده از داده‌هایی که در اختیار دارند، مشتری و نیاز‌های او را بهتر بشناسند و خدمات خود را متناسب با شرایط هر فرد شخصی‌سازی کنند.
مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک با اشاره به نقش هوش مصنوعی در تامین مالی گفت: بانک می‌تواند با شناخت رفتار و شرایط مشتری، خدمات تامین مالی را به شکلی ساده‌تر و متناسب با نیاز او ارائه کند؛ به‌گونه‌ای که مشتری احساس کند بانک در کنار او و همراه اوست.
وی تاکید کرد: با توجه به حجم بالای داده‌ها و تعداد زیاد مشتریان، روش‌های سنتی دیگر پاسخگوی شناخت دقیق نیاز‌های هر مشتری نیستند و هوش مصنوعی می‌تواند امکان تحلیل داده‌ها و ارائه خدمات شخصی‌سازی‌شده در مقیاس گسترده را فراهم کند.
جعفرعبدی در پایان گفت: اگر بانک‌ها به سمت استفاده موثر از هوش مصنوعی و بهبود تجربه مشتری حرکت نکنند، به‌ویژه بانک‌های بزرگ ممکن است بخشی از بازار خود را از دست بدهند؛ از این رو، تمرکز بانکداری در عصر هوش مصنوعی باید بر شناخت مشتری و ارائه خدمات متناسب با نیاز‌های هر فرد باشد.
عبدی در بخش دوم پنل با انتقاد از رویکرد پروژه‌ای و مقطعی برخی سازمان‌ها در استفاده از هوش مصنوعی، اظهار کرد: هنوز هوش مصنوعی به‌صورت واقعی و عمیق در فرایند‌های سازمانی و بانکی وارد نشده و یکی از دلایل آن، نگاه نادرست به این فناوری است.
وی افزود: نباید صرفاً به دلیل جذابیت هوش مصنوعی، پروژه‌هایی برای استفاده از آن تعریف کرد، بلکه ابتدا باید مشکلات واقعی بانک و سازمان شناسایی شود و سپس بررسی کنیم که هوش مصنوعی چگونه می‌تواند به حل این مسائل کمک کند.
مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک با تاکید بر ضرورت نگاه راهبردی به هوش مصنوعی گفت: آماده‌سازی زیرساخت‌ها، ساماندهی داده‌ها و توجه به امنیت باید از ابتدای مسیر مورد توجه قرار گیرد. به گفته وی، حرکت به سمت پروژه‌های پراکنده، جزیره‌ای و کوتاه‌مدت، می‌تواند به شکست در مراحل اولیه منجر شود و سازمان‌ها باید پیش از اجرای پروژه‌ها، فرایند‌ها و زیرساخت‌های لازم را برای پیاده‌سازی هوش مصنوعی آماده کنند.
بانک‌ها برای حرکت به سمت هوش مصنوعی باید فرآیندها و ساختار خود را بازطراحی کنند
عبدی در ادامه پنل با اشاره به تفاوت میان دیجیتالی‌سازی بانک‌ها و حرکت به سمت هوش مصنوعی گفت: در دوره دیجیتالی شدن، عمدتاً همان فرآیندهای سنتی بانکداری با استفاده از فناوری به بستر‌های دیجیتال منتقل شدند، اما هوش مصنوعی نیازمند بازنگری و بازطراحی فرآیندهاست و نمی‌توان صرفاً همان فرآیندهای قدیمی را با ابزارهای هوش مصنوعی اجرا کرد.
وی افزود: اگر قرار باشد هوش مصنوعی همان کار‌های سنتی را صرفاً با فناوری جدید انجام دهد، ارزش افزوده و تغییر چندانی ایجاد نخواهد شد. به‌ویژه در مورد «عامل‌های هوشمند»، بانک باید زیرساخت و بستر لازم را فراهم کند تا این عامل‌ها بتوانند به شکل مؤثر در فرآیندهای بانکی فعالیت کنند.
عبدی، داده را یکی از نخستین الزامات حرکت بانک‌ها به سمت هوش مصنوعی دانست و اظهار کرد: داده‌های بانک‌ها در بسیاری از موارد پراکنده‌اند، کیفیت کافی ندارند و حتی مالکیت و مسئولیت مدیریت آنها به‌طور مشخص تعیین نشده است؛ بنابراین بانک‌ها باید در گام نخست، داده‌های خود را ساماندهی کرده و بستر‌های لازم برای استفاده هوش مصنوعی از داده‌ها، از جمله ایجاد پلتفرم داده، را فراهم کنند.
مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک ادامه داد: حرکت به سمت هوش مصنوعی تنها به تغییر داده‌ها محدود نمی‌شود و معماری بانک نیز باید متناسب با این تحول بازطراحی شود. در صنعت بانکداری، اعتماد مشتری، امنیت و قابلیت اتکا اهمیت بالایی دارد و به همین دلیل باید در معماری جدید، لایه‌ها و کنترل‌های مختلفی برای جلوگیری از خطا و مدیریت ریسک در نظر گرفته شود.
وی با تأکید بر اینکه نباید انتظار داشت هوش مصنوعی بدون محدودیت در تمام فرآیندهای بانکی به کار گرفته شود، گفت: بانک‌ها باید محدودیت‌های این فناوری را بپذیرند و متناسب با ریسک و حساسیت هر فرآیند، درباره میزان استفاده از هوش مصنوعی تصمیم بگیرند.
عبدی همچنین نیروی انسانی را یکی دیگر از ارکان اصلی تحول هوش مصنوعی در بانک‌ها عنوان کرد و افزود: حتی اگر پیشرفته‌ترین سامانه‌های هوش مصنوعی در یک بانک راه‌اندازی شود، اما نیروی انسانی نسبت به این فناوری باور و پذیرش لازم را نداشته باشد یا تصور کند هوش مصنوعی جایگزین او خواهد شد، اجرای موفق این تحول امکان‌پذیر نخواهد بود.
وی بر ضرورت آموزش نیروی انسانی و ایجاد تخصص‌های جدید تأکید کرد و گفت: کارکنان بانک باید برای همراهی با فناوری‌های جدید آموزش ببینند و تخصص‌هایی مانند علم داده نیز باید در ساختار بانک‌ها تقویت شود. همچنین ممکن است ایجاد واحد‌ها و بخش‌های تخصصی جدید برای مدیریت این حوزه ضروری باشد.
مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک با بیان اینکه ورود هوش مصنوعی به بانکداری در نهایت به بازتعریف نقش نیروی انسانی منجر خواهد شد، اظهار کرد: برخی فعالیت‌های تکراری و دستی می‌توانند با کمک هوش مصنوعی انجام شوند و این فناوری در برخی فرآیندها به جایگزینی کامل نیروی انسانی یا دست‌کم کمک به تصمیم‌سازی منجر خواهد شد.
عبدی در پایان تأکید کرد: بانک‌ها برای بهره‌گیری واقعی از ظرفیت هوش مصنوعی، باید هم فرآیندهای خود را بازتعریف و بازطراحی کنند و هم در صورت نیاز، ساختار اداری و سازمانی خود را متناسب با این تحول تغییر دهند.
هوش مصنوعی عاملی از فرایند‌های کم‌ریسک آغاز شود
در ادامه نشست، هادی حیدری، معاون فناوری اطلاعات بانک توسعه صادرات با تشریح الزامات استفاده از هوش مصنوعی عاملی (Agentic AI) در نظام بانکی، تأکید کرد که پیاده‌سازی این فناوری باید به‌صورت مرحله‌ای و از فرایند‌های ساده‌تر و کم‌ریسک‌تر آغاز شود و در ادامه به فرایند‌های پیچیده بانکی گسترش یابد.
حیدری گفت: در هوش مصنوعی عاملی، عامل هوشمند باید بتواند داده و اطلاعات را دریافت و تحلیل کند، تصمیم بگیرد و در نهایت تصمیم خود را اجرا کند؛ به‌عبارت دیگر، یک ایجنت باید بتواند یک فرایند را از ابتدا تا انتها مدیریت کند؛ چه این فرایند در بخش‌های مشتریان، شعب، ستاد یا حوزه‌های پشتیبانی بانک انجام شود.
وی افزود: برای عملیاتی شدن این مدل، ابتدا باید فرایند‌های بانکی به‌صورت دقیق مهندسی یا بازمهندسی و استاندارد شوند و در کنار آن، قوانین، مقررات و الزامات تطبیق نیز به‌طور کامل برای عامل هوشمند قابل فهم و اجرا باشد. به همین دلیل، پیاده‌سازی یک ایجنت در بانک، فرایندی پیچیده است و نمی‌توان از ابتدا همه فرایند‌ها را به هوش مصنوعی سپرد.
معاون فناوری اطلاعات بانک توسعه صادرات ادامه داد: در مرحله نخست باید این ایجنت‌ها به‌صورت بخش‌به‌بخش و در لایه‌هایی که ریسک پایین‌تری دارند، مستقر شوند و پس از کسب تجربه و بلوغ، به فرایند‌های پیچیده‌تر و در نهایت به مدل‌های چندعاملی در بانک‌ها رسید.
حیدری برای تشریح این موضوع به فرایند اعطای تسهیلات اشاره کرد و گفت: در تسهیلات خرد، فرایند‌هایی مانند تکمیل پرونده، احراز هویت، دریافت اطلاعات حساب، استفاده از وب‌سرویس‌ها و دریافت رتبه یا امتیاز اعتباری، نسبتاً ساده هستند و یک عامل هوشمند می‌تواند پس از طی این مراحل، اعتبار یا تسهیلات را به مشتری اختصاص دهد.
وی افزود: اما در تسهیلات سرمایه در گردش، به‌ویژه برای مشتریان حقوقی، فرایند پیچیده‌تر می‌شود؛ زیرا عامل باید صورت‌های مالی را بررسی، نسبت‌های مالی را محاسبه و مقایسه، رتبه اعتباری شرکت را دریافت و الزامات نظارتی و مقرراتی مربوط به مصرف تسهیلات را نیز کنترل کند.
به گفته حیدری، هرچه سطح تصمیم‌گیری و شروط نظارتی افزایش پیدا کند، پیچیدگی استفاده از هوش مصنوعی عاملی نیز بیشتر خواهد شد. بر همین اساس، پیاده‌سازی این فناوری در بانک‌های متمرکز بر خدمات خرد و مشتریان حقیقی، نسبت به بانک‌های تجاری که با مشتریان حقوقی و فرایند‌های پیچیده‌تر سروکار دارند، ساده‌تر است.
وی در جمع‌بندی اظهار کرد: تصور فعلی از پیاده‌سازی بانکداری عاملی این است که در فاز نخست، این فناوری در اپلیکیشن‌های بانکداری و فرایند‌های ساده‌تر مورد استفاده قرار گیرد و در مراحل بعد، با توجه به پیچیدگی فرایند‌های کسب‌وکار، به محصولات و خدمات بانکی پیچیده‌تر توسعه پیدا کند.
حیدری در برخش دوم نشست با اشاره به فاصله ایران با کشور‌های منطقه در حوزه هوش مصنوعی، اظهار کرد: ایران در سال ۲۰۲۵ حدود ۹۰ میلیون دلار، معادل ۵.۵ تا ۶ همت در زیرساخت‌های هوش مصنوعی سرمایه‌گذاری کرده که تنها حدود دو صدم درصد تولید ناخالص داخلی است. همچنین تعداد GPUهای فعال کشور در دیتاسنتر‌های مجهز به زیرساخت هوش مصنوعی کمتر از ۲۰۰ واحد است، در حالی که این رقم در عربستان به بیش از ۱۳ هزار GPU می‌رسد.
وی افزود: تعداد نیرو‌های متخصص و فعال در حوزه هوش مصنوعی در ایران حدود ۱۳ هزار نفر است و در عین حال، حدود ۱۵۰۰ نیروی انسانی متخصص نیز از کشور خارج شده‌اند. به گفته او، این آمار‌ها نشان می‌دهد ظرفیت سرمایه‌گذاری، زیرساخت و نیروی انسانی ایران در حوزه هوشمندسازی با ظرفیت بالقوه اقتصاد کشور تناسب ندارد.
معاون فناوری اطلاعات بانک توسعه صادرات با اشاره به چالش بانک‌ها برای استفاده از فناوری‌های جدید گفت: وجود سامانه‌های قدیمی و موروثی و ساختار‌های سنتی، حرکت سریع بانک‌های بزرگ به سمت فناوری‌هایی مانند «عامل‌های هوش مصنوعی» را دشوار کرده است. به همین دلیل، استفاده از هوش مصنوعی باید ابتدا از لایه‌های کم‌ریسک‌تر و خدمات فرانت‌آفیس آغاز شود.
حیدری تاکید کرد: توسعه هوش مصنوعی در بانک‌ها نیازمند سرمایه‌گذاری در زیرساخت و نیروی انسانی، آموزش و فرهنگ‌سازی، استفاده از ظرفیت شرکت‌های فناور و استارت‌آپ‌ها و تعیین چارچوب‌های مشخص از سوی هیئت‌مدیره و مدیران ارشد است. وی افزود: عامل‌های هوش مصنوعی که توان تحلیل، تصمیم‌گیری و اجرا دارند، باید متناسب با درجه بلوغ بانک‌ها و ابتدا در حوزه‌های کم‌ریسک به کار گرفته شوند و این مسیر می‌تواند از بانک‌های کوچک‌تر و دارای خطوط کسب‌وکاری محدودتر آغاز و به‌تدریج به بانک‌های بزرگ و جامع توسعه یابد.
استخراج شده از گزارش شبکه خبری ICTPRESS.
هوش مصنوعی در نظام بانکی و تغییر مدل خدمات
هوش مصنوعی در نظام بانکی تنها به استفاده از یک ابزار جدید محدود نمی‌شود، بلکه می‌تواند شیوه ارائه خدمات، تحلیل اطلاعات و ارتباط بانک با مشتریان را تغییر دهد. بانک‌ها به دلیل در اختیار داشتن حجم گسترده‌ای از داده‌های مالی، ظرفیت قابل‌توجهی برای استفاده از مدل‌های هوشمند دارند.
با این حال، استفاده گسترده از این فناوری نیازمند توجه هم‌زمان به کیفیت داده، امنیت اطلاعات، حریم خصوصی و نظارت انسانی است. به همین دلیل، حرکت به سمت بانکداری هوشمند باید مرحله‌ای و متناسب با سطح ریسک هر خدمت انجام شود و هوش مصنوعی در نظام بانکی در چارچوب‌های مشخص توسعه یابد.
از سوی دیگر، هوش مصنوعی در نظام بانکی می‌تواند با تحلیل داده‌های مالی، به بهبود تصمیم‌گیری و افزایش سرعت ارائه خدمات کمک کند. استفاده هدفمند از این فناوری همچنین می‌تواند زمینه‌ساز توسعه خدمات شخصی‌سازی‌شده و کارآمدتر شود.
برای تحقق این اهداف، هوش مصنوعی در نظام بانکی باید همراه با زیرساخت‌های مناسب فناوری اطلاعات و استانداردهای امنیتی توسعه پیدا کند. همچنین، هوش مصنوعی در نظام بانکی نیازمند چارچوب‌های روشن برای مدیریت ریسک و نظارت بر عملکرد سامانه‌های هوشمند است.
در مجموع، هوش مصنوعی در نظام بانکی زمانی می‌تواند به تحول پایدار خدمات مالی منجر شود که توسعه فناوری در کنار آموزش نیروی انسانی، حاکمیت داده و حفظ نقش نظارت انسانی پیش برود.
هوش مصنوعی در نظام بانکی و اهمیت حاکمیت داده
یکی از مهمترین پایه‌های توسعه فناوری‌های هوشمند، داده است. اگر داده‌های بانکی پراکنده، ناقص یا فاقد استاندارد مشخص باشند، حتی مدل‌های پیشرفته نیز نمی‌توانند خروجی قابل اتکایی ارائه کنند. به همین دلیل، هوش مصنوعی در نظام بانکی به کیفیت و انسجام داده‌های مورد استفاده وابستگی زیادی دارد.
در نتیجه، ایجاد زیرساخت مناسب برای جمع‌آوری، استانداردسازی، طبقه‌بندی و مدیریت داده‌ها می‌تواند پیش‌نیاز توسعه کاربردهای گسترده‌تر هوش مصنوعی در نظام بانکی باشد. این موضوع به‌ویژه در خدماتی مانند اعتبارسنجی، کشف تقلب، مدیریت ریسک و شخصی‌سازی خدمات اهمیت دارد.
همچنین، هوش مصنوعی در نظام بانکی زمانی می‌تواند نتایج قابل اتکایی ایجاد کند که کیفیت داده‌ها به‌طور مستمر ارزیابی و خطاهای موجود در آنها اصلاح شود. حاکمیت داده مناسب می‌تواند به افزایش امنیت، قابلیت اعتماد و کارایی سامانه‌های هوشمند کمک کند.
از سوی دیگر، توسعه هوش مصنوعی در نظام بانکی نیازمند تعیین دقیق سطح دسترسی به داده‌ها، حفاظت از اطلاعات حساس و ایجاد سازوکارهای نظارتی است. بنابراین، حاکمیت داده باید هم‌زمان با توسعه فناوری‌های هوشمند مورد توجه بانک‌ها قرار گیرد.
هوش مصنوعی در نظام بانکی و تجربه مشتری
یکی از مهمترین فرصت‌های استفاده از فناوری‌های هوشمند، بهبود تجربه مشتری است. هوش مصنوعی در نظام بانکی می‌تواند با تحلیل الگوی استفاده مشتریان از خدمات، پیشنهادهای متناسب‌تر و شخصی‌سازی‌شده‌تری ارائه کند.
دستیارهای هوشمند نیز می‌توانند بخشی از پرسش‌های متداول مشتریان را با کمک هوش مصنوعی در نظام بانکی پاسخ دهند و برخی فرآیندهای ساده را سریع‌تر کنند.
استفاده از هوش مصنوعی در نظام بانکی همچنین می‌تواند به کاهش زمان پاسخ‌گویی و افزایش کیفیت خدمات دیجیتال کمک کند. با این حال، در خدمات حساس مالی همچنان باید سازوکارهای نظارت و امکان مداخله انسانی وجود داشته باشد.
در نهایت، توسعه هوش مصنوعی در نظام بانکی در حوزه تجربه مشتری باید با رعایت امنیت داده‌ها، حفظ حریم خصوصی و ایجاد اعتماد میان مشتری و بانک همراه باشد.
هوش مصنوعی در نظام بانکی و عامل‌های هوشمند
عامل‌های هوشمند تفاوت مهمی با سامانه‌های سنتی دارند؛ زیرا هوش مصنوعی در نظام بانکی می‌تواند مجموعه‌ای از اقدامات را بر اساس هدف تعیین‌شده انجام دهد. در بانکداری، این قابلیت می‌تواند برای فرآیندهای ساده و کم‌ریسک مورد استفاده قرار گیرد.
حرکت به سمت چنین مدل‌هایی نیازمند تعریف دقیق حدود اختیار، کنترل دسترسی، ثبت رویدادها و سازوکارهای نظارتی است. بنابراین، توسعه عامل‌های هوشمند در چارچوب هوش مصنوعی در نظام بانکی باید هم‌زمان با توسعه زیرساخت امنیتی و مقرراتی پیش برود.
در این مسیر، هوش مصنوعی در نظام بانکی می‌تواند با اجرای وظایف مشخص و کنترل‌شده، به افزایش سرعت و بهره‌وری فرآیندهای بانکی کمک کند، مشروط بر آنکه نظارت انسانی و الزامات امنیتی همچنان حفظ شود.
هوش مصنوعی در نظام بانکی؛ مسیر توسعه خدمات هوشمند
توسعه هوش مصنوعی در نظام بانکی می‌تواند نحوه ارائه بسیاری از خدمات مالی را متحول کند. بانک‌ها با استفاده از داده‌های موجود می‌توانند الگوهای رفتاری مشتریان را بهتر شناسایی کرده و خدمات متناسب‌تری ارائه دهند.
یکی از مهمترین کاربردهای هوش مصنوعی در نظام بانکی، تحلیل حجم بالای اطلاعات و تبدیل داده‌های خام به اطلاعات قابل استفاده برای تصمیم‌گیری است. این قابلیت می‌تواند در حوزه‌هایی مانند اعتبارسنجی، مدیریت ریسک و شناسایی رفتارهای غیرعادی مورد استفاده قرار گیرد.
از سوی دیگر، هوش مصنوعی در نظام بانکی می‌تواند زمینه توسعه دستیارهای هوشمند و خدمات پاسخ‌گویی خودکار را فراهم کند. این ابزارها قادرند بخشی از درخواست‌های ساده مشتریان را سریع‌تر بررسی کرده و زمان انتظار برای دریافت خدمات را کاهش دهند.
با این حال، استفاده از هوش مصنوعی در نظام بانکی بدون توجه به امنیت اطلاعات و حریم خصوصی می‌تواند با چالش‌هایی همراه باشد. بنابراین بانک‌ها باید پیش از توسعه کاربردهای گسترده، استانداردهای مشخصی برای حفاظت از داده‌های مشتریان ایجاد کنند.
حاکمیت داده نیز در مسیر توسعه هوش مصنوعی در نظام بانکی اهمیت ویژه‌ای دارد. داده‌های دقیق، استاندارد و قابل اعتماد می‌توانند کیفیت خروجی مدل‌های هوشمند را افزایش دهند و زمینه تصمیم‌گیری بهتر را فراهم کنند.
همچنین، هوش مصنوعی در نظام بانکی نیازمند آموزش نیروی انسانی و ایجاد مهارت‌های جدید است. کارکنان بانک‌ها باید با نحوه استفاده از ابزارهای هوشمند، محدودیت‌های آنها و شیوه نظارت بر تصمیم‌های الگوریتمی آشنا شوند.
در حوزه مدیریت ریسک، هوش مصنوعی در نظام بانکی می‌تواند برای شناسایی الگوهای مشکوک، کشف تقلب و ارزیابی ریسک اعتباری مورد استفاده قرار گیرد. البته تصمیم‌های حساس مالی همچنان باید تحت نظارت انسانی قرار داشته باشند.
در نهایت، موفقیت هوش مصنوعی در نظام بانکی به میزان آمادگی زیرساخت‌های فنی، کیفیت داده‌ها و چارچوب‌های قانونی وابسته است. توسعه مرحله‌ای این فناوری می‌تواند امکان شناسایی نقاط ضعف و اصلاح فرآیندها را پیش از استفاده گسترده فراهم کند.
چشم‌انداز هوش مصنوعی در نظام بانکی به سمت خدمات شخصی‌سازی‌شده، تصمیم‌گیری داده‌محور و افزایش بهره‌وری حرکت می‌کند. در این مسیر، ترکیب توانایی نیروی انسانی با فناوری‌های هوشمند می‌تواند مدل جدیدی از بانکداری را شکل دهد.
استفاده هدفمند از هوش مصنوعی در نظام بانکی می‌تواند به افزایش سرعت خدمات، کاهش هزینه‌های عملیاتی و بهبود تصمیم‌گیری کمک کند. در صورت ایجاد زیرساخت مناسب و رعایت الزامات امنیتی، هوش مصنوعی در نظام بانکی می‌تواند نقش مهمی در آینده بانکداری دیجیتال و ارائه خدمات هوشمندتر به مشتریان داشته باشد.
چشم‌انداز هوش مصنوعی در نظام بانکی
به نظر می‌رسد مسیر آینده بانکداری به سمت ترکیب نیروی انسانی و فناوری‌های هوشمند حرکت کند. در این مدل، هوش مصنوعی در نظام بانکی می‌تواند وظایف تکراری و تحلیل‌های گسترده را بر عهده بگیرد و نیروی انسانی بیشتر بر تصمیم‌های پیچیده، نظارت و تعامل با مشتری تمرکز کند.
موفقیت هوش مصنوعی در نظام بانکی به میزان آمادگی بانک‌ها برای بازطراحی فرآیندها، سرمایه‌گذاری در زیرساخت، آموزش کارکنان و ایجاد چارچوب‌های روشن برای مدیریت ریسک وابسته است.
در نهایت، توسعه هوش مصنوعی در نظام بانکی می‌تواند به ایجاد خدمات شخصی‌سازی‌شده‌تر، تصمیم‌گیری دقیق‌تر و افزایش بهره‌وری بانک‌ها کمک کند؛ البته تحقق این اهداف به استفاده مسئولانه از داده‌ها و حفظ نظارت انسانی وابسته خواهد بود.
نظر شما در مورد این مطلب چیه؟