هوش مصنوعی در فینتک طرحی جدید می‌‌‌آفریند

شکی نیست که هوش مصنوعی و یادگیری ماشین درحال تبدیل شدن به یک موضوع داغ در صنعت فین‌تک‌اند. تقریباً در هر سمینار و کنفرانسی خبرهای جدیدی درباره تازه‌‌‌های این فناوری‌‌‌‌های نوظهور و پتانسیل‌‌‌‌هایی که برای بر‌هم‌‌زدن معادله‌های کسب‌‌‌وکار دارند، می‌‌‌‌شنویم. واضح است که هوش مصنوعی و یادگیری ماشین برای صنعت فینتک هنوز تازگی دارد و این صنعت هنوز در مرحله طرح اولیه است. با این حال، آنچه مشهود است، این است که هر چقدر فین‌‌‌تک‌‌‌ها بر طبل تأثیر هوش مصنوعی بر شرکت‌‌‌ها بکوبند، بسیاری از شرکت‌‌‌های پردازشگر مالی پتانسیل استفاده از این فناوری‌‌‌‌های جدید را در خود نمی‌بینند. این ناتوانایی به دلیل ضعفی است که آن‌ها در تصویرسازی فرایندها دارند و نیز به دلیل نداشتن قدرت سازگاری آن‌‌‌هاست. برای همین است که این شرکت‌ها عموما هوش مصنوعی در فینتک را بلااستفاده می‌‌‌بینند.

در سال‌ها اخیر، موجی به راه افتاده که در صنایع مختلف پیرامون پتانسیل این فناوری‌‌‌ها گفتگوهای زیادی انجام می‌شود، نتیجه این گفتگوها این است که اکنون بسیاری از مدیران ارشد شرکت‌های فینتک در پی استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشین‌اند. بررسی‌های دقیق‌تر در این زمینه نشان می‌دهد که ۸۷ درصد از مدیران کسب‌‌‌وکار در انگلیس در حال تلاش‌‌‌‍اند تا بهترین روش برای پذیرش این فناوری‌‌‌ها را دریابند.

این بدان معناست که درک درستی از اهمیت این فناوری‌‌‌ها برای امکان‌‌پذیر ساختن اولویت‌‌‌‌های استراتژیک در بین کسب‌وکارهای امروزی به وجود آمده است. در واقع، از هر چهار مدیر اجرایی C-Suite، سه نفر معتقدند اگر تا پنج سال آینده فناوری‌‌‌های هوش مصنوعی را در کسب‌‌‌وکار خود به کار نگیرند، تجارت‌‌‌شان به طور کامل از رده خارج خواهد شد.

با این وجود، فاصله‌‌‌ای بین «محبوبیت» فناوری‌‌‌ها و توانایی «اجرای عملی» آن‌‌‌ها وجود دارد که لازم است به آن توجه شود. کمتر از ۵ درصد از شرکت‌‌‌ها هوش مصنوعی را با موفقیت در صنعت مورد اشتغال خود به کار می‌‌‌گیرند. در حالی که ۸۰ تا ۸۵ درصد آن‌‌‌ها تنها به دنبال اثبات پیوند سازمان‌شان با مفهومی‌ هوش مصنوعی‌‌اند و نه خود فناوری؛ یعنی جایی که هوش مصنوعی و یادگیری ماشین ارتباط خود را از نتایج کسب‌‌‌وکار یا الزامات استراتژیک قطع می‌‌‌‌کند. بسیاری از شرکت‌‌ها به اندازه کافی از پتانسیل‌‌‌های فناوری‌‌های نوظهور استفاده نمی‌‌‌کنند، در نتیجه تأثیر تجاری آن‌‌ها محدود می‌‌‌‌شود.

فین‌‌تک با داده‌‌‌‌های گسترده و سابقه‌‌ای که در پردازش‌های مالی در اختیار دارد و نیز با توجه به ساختارهای منحصربه‌فرد صنعت خود، زمینه‌‌‌ای مناسب برای ظهور فناوری‌‌‌‌های هوش مصنوعی و یادگیری ماشین است. تولید محصولات هوشمند و راه‌‌‌حل‌‌‌‌های سفارشی، برای کمک به مشاغل و افزایش سودآوری و صرفه‌‌جویی در هزینه‌‌‌ها به کار فینتک‌‌‌ها می‌‌‌آید. بنابراین، دلیلی ندارد که شرکت‌‌‌ها برای اتخاذ، پیاده‌‌‌سازی و مقیاس‌‌بندی فناوری‌‌‌‌های نوظهور در استراتژی‌‌‌‌های کوتاه‌‌‌مدت، میان‌‌مدت و بلندمدت خود سرعت عمل نداشته باشند.

بیشتر بخوانید: هوش مصنوعی در فینتک

پذیرش مزایای هوش مصنوعی و یادگیری ماشین

هوش مصنوعی در فینتک به چابک‌ترشدن عملگرها کمک می‌‌کند. بسیاری از شرکت‌‌‌ها در استفاده از هوش مصنوعی و یادگیری ماشین کند عمل می‌‌‌‌کنند و این عدم چابکی به دلیل کمبود دانش فنی آن‌‌هاست. این کمبود دانش فنی هم در حوزه یکپارچه‌‌سازی کسب‌‌‌وکارشان با هوش مصنوعی دیده می‌شود و هم به دلیل درک محدودی است که از ارزش آن فناوری برای تجارت‌شان دارند.

ضروری است که شرکت‌‌‌ها برای سفارش محصولات و راه‌‌‌حل‌‌‌‌های هوش مصنوعی و یادگیری ماشین با افراد مناسب و متخصص کار کنند؛ چرا که این فناوری‌ها برای کسب‌وکار آن‌ها مزایای ملموس تجاری و تأثیرات قابل توجه در جذب مشتری‌ به همراه دارند.

این فناوری‌‌‌ها می‌‌‌‌توانند نقش حیاتی در فعالیت‌‌‌‌های مختلف تجاری داشته باشند. شرکت‌‌‌ها می‌‌‌‌توانند فرصت‌‌‌‌هایی را که در آن‌ها امکان صرفه‌جویی در هزینه‌‌‌ها وجود دارد، شناسایی کنند و در همین حال، به طور همزمان کارایی تیم‌‌‌های خود را افزایش ‌‌‌‌دهند. این باعث می‌‌‌‌شود مدیران ارشد مالی بتوانند نقش فناوری‌‌‌های هوشمند را به عنوان یک عامل اصلی در رشد شرکت بپذیرند.

با استفاده از ترکیب هوش مصنوعی و فناوری‌‌‌‌های یادگیری ماشین، کسب‌‌‌وکارها می‌‌‌‌توانند فرصت‌‌‌‌هایی را که شرکت‌‌‌شان برای سرعت بخشیدن به فعالیت‌‌‌ها و فرایندهای روزمره از دست می‌‌‌‌دهند، شناسایی کنند. این فناوری‌‌‌ها مشتریان را قادر می‌‌‌‌سازند تا تصمیمات هوشمندانه‌تری بگیرند و به طور موثرتری به وظایف خود عمل کنند. در همین حال، فناوری‌‌‌‌های نوظهور، فرصت‌‌‌‌های رشد را برای کمک به توسعه تجارت در سراسر جهان افزایش می‌‌‌‌دهند و به سازمان‌‌‌ها کمک می‌‌‌‌کنند تا در یک فضای بین‌المللی پیشرفت کنند.

طبق تحقیقات اخیر، مدیران به دلیل محدودیت‌‌‌‌های بودجه‌‌‌ای تا امروز در تلاش برای اندازه‌‌‌گیری هوش مصنوعی نبوده‌اند و به جای آن، دغدغه اصلی‌‌شان چالش‌‌‌‌های عملیاتی ادغام این فناوری‌‌‌ها در فرایندهای تجاری فعلی‌شان بوده است. عدم توانایی در ایجاد ساختار سازمانی حمایتی، فقدان ظرفیت‌‌‌‌های زیرساختی داده‌‌‌‌ها و عدم پذیرش کارمندان، از موانع استفاده از هوش مصنوعی و یادگیری ماشین در داخل سازمان است.

دقیقاً همین جنبه‌‌‌ها باعث تمایز شرکت‌‌‌‌هایی می‌‌‌‌شود که با موفقیت به اندازه‌گیری و اعتبارسنجی هوش مصنوعی و یادگیری ماشین پرداخته‌اند، در مقایسه با همتایان خود که تنها به دنبال اثبات مفاهیم غیرحقیقی‌اند. مدیران شرکت‌‌‌ها نه تنها باید به سمت پذیرش هوش مصنوعی و یادگیری ماشین به عنوان بخشی از استراتژی‌‌‌‌های تجاری خود در بازار حرکت کنند، بلکه باید فعالانه در جهت تلفیق و تشویق پذیرش این فناوری‌‌‌ها در عملیات روزمره خود تلاش کنند.

قفل‌گشایی هوش مصنوعی در مدیریت داده‌‌ها

ارزش و اهمیت هوش مصنوعی و یادگیری ماشین در توانایی آن برای قفل گشایی مدیریت داده‌‌‌ها است که تا پیش از این از طریق فرایندهای دستی سنتی قابل دسترسی نبوده است. همچنین اهمیت دیگر این فناوری به پیاده‌سازی تجاری آن برمی‌‌‌گردد. میزان موفقیت یا بازگشت سرمایه‌ای که از طریق استفاده از هوش مصنوعی و یادگیری ماشین به‌دست می‌آید، به اندازه شرکت ربطی ندارد؛ بلکه تمرکز روی پیاده‌‌سازی توانایی‌‌‌ها و طرز فکر صحیح درباره هوش مصنوعی و یادگیری ماشین در فرهنگ شرکت شما از اهمیت بیشتری برخوردار است. خواه یک شرکت نوپا یا یک شرکت بزرگ باشید، هوش مصنوعی و یادگیری ماشین می‌‌‌‌توانند برای تقویت استراتژی رشد شرکت شما استفاده شوند.

مزایای تجاری فناوری‌‌‌‌های نوظهور در مقیاس استراتژیک بسیار زیاد است. شرکت‌‌‌هایی که هوش مصنوعی را به کار می‌گیرند، به جای آنکه پروژه‌‌‌‌های بی‌بازده را دنبال ‌‌‌کنند، تقریباً دو برابر روال معمول خود، موفقیت کسب می‌کنند و سه برابر بازدهی در سرمایه‌گذاری روی هوش مصنوعی خود دارند.

نمونه‌های کاربرد هوش مصنوعی در فینتک‌ها

مطالعات موردی موفقیت‌آمیز درباره کاربردهای هوش مصنوعی و یادگیری ماشین بسیار گسترده است: یک شرکت بیمه عمر ژاپنی که از هوش مصنوعی برای محاسبه پرداخت‌‌‌‌های بیمه‌شدگان استفاده می‌‌‌‌کرده، بعد از یک سال، به ۳۰ درصد افزایش بهره‌وری و پس‌انداز حدود ۱ میلیون دلار در سال رسیده است. به همین ترتیب، یک سیستم عامل پذیره‌نویسی مجهز به هوش مصنوعی، وام‌‌دهندگان خودرو را قادر ساخته تا سالانه ۲۳ درصد از ضرر و زیان مربوط به معاملات خود را با دقت بیشتری بتوانند پیش‌بینی کنند. بانک‌‌‌‌های برتر ایالات متحده نیز برای تمایز بین مشتریان واقعی و ربات‌‌‌های بدافزار رو به استفاده از یک سامانه امنیت سایبری مجهز به هوش مصنوعی آورده‌‌اند. مدل یادگیری ماشینی که در این فناوری به کار رفته، یک بانک بزرگ را قادر می‌سازد تا از مشتریان خود در برابر سرقت حساب‌‌‌های کاربری‌‌شان محافظت کنند. آمار جالبی که بعدا منتشر شد، نشان داد در هفته اول استفاده از این فناوری، یک میلیون حمله بدافزار برای ورود به اکانت و در مرحله «تشخیص هویت» شناسایی شده است.

بنابراین، هوش مصنوعی و یادگیری ماشین نه تنها می‌‌‌‌توانند باعث افزایش سودآوری و صرفه‌جویی در هزینه‌‌‌ها شوند، بلکه می‌‌‌‌توانند از فینتک‌‌ها در برابر تقلب و نقض امنیت در تراکنش‌های آینده نیز محافظت کنند.

کمتر حرف زدن و بیشتر کار کردن!

برای اینکه هوش مصنوعی در فینتک با موفقیت عرض اندام کند و کسب‌‌‌وکارها از مزایای این فناوری و یادگیری ماشین استفاده کنند، باید از حجم نشست‌ها و همایش‌ها و سمینارهایمان بکاهیم و بر کار و تلاش بیشتر بیفزاییم و به سمت اجرای عملی این فناوری پیش رویم. ما به عنوان فعالان یک صنعت، باید کمتر صحبت کنیم و کارهای بیشتری را شروع کنیم انجام دهیم، تا از تأثیر تجاری که هوش مصنوعی در فینتک به همراه دارد، استقبال کرده باشیم. این فناوری‌‌‌ها دیگر نباید به عنوان یک راه‌حل در کلیپ‌‌‌های ویدئویی دیده شوند. آن‌ها باید به عمل در آیند و می‌‌‌بایست با آن‌‌‌ها به طور ملموس روبه‌رو شد. تهیه یک برنامه و استراتژی ادغام که چگونگی استفاده کسب‌‌‌وکار فینتکی شما از هوش مصنوعی و یادگیری ماشینی را شرح دهد، اولین گام مهم است. قطعا این فناوری می‌تواند جوابگوی نیازهای اصلی فینتک باشد و کاهش ریسک جرایم اینترنتی و کلاهبرداری‌های الکترونیکی را در پی داشته باشد.