Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
 هوش مصنوعی در صنعت بانکداری؛ از اعتبارسنجی هوشمند تا پیش‌بینی رفتار مشتریان

هوش مصنوعی در صنعت بانکداری؛ از اعتبارسنجی هوشمند تا پیش‌بینی رفتار مشتریان

زمان مطالعه: 3 دقیقه

در دومین پنل تخصصی «رویداد ایران AI 2025» با محوریت صنعت بانکداری و خدمات مالی، مدیران و کارشناسان ارشد بانک‌ها، استارتاپ‌ها و شرکت‌های فناورانه به بررسی نقش هوش مصنوعی در تحول نظام بانکی، اعتبارسنجی هوشمند، مدیریت ریسک، پیش‌بینی رفتار مشتریان و آینده نئوبانک‌ها پرداختند. این نشست با حضور مدیران برجسته‌ای همچون صدرا بابایی (مدیرعامل کارخانه هوشمندسازی و نوآوری امیدنو)، وحید خاتمی (مشاور ارشد کسب‌وکار بانکینو) و آرتین خاچاطوریان (مدیر راهبرد محصول شرکت داده‌کاوان توسن) برگزار شد.

همگرایی دانشگاه، صنعت و دولت برای توسعه هوش مصنوعی بانکی

در ابتدای این پنل، صدرا بابایی مدیرعامل کارخانه هوشمندسازی و نوآوری امیدنو، از تلاش‌های این مجموعه در ایجاد زیرساخت‌های هوش مصنوعی در صنعت بانکداری گفت:

«در امیدنو یک مرکز داده‌شناسی اختصاصی راه‌اندازی کرده‌ایم که با حمایت بانک سپه و همکاری نزدیک با دانشگاه صنعتی شریف، به دنبال توسعه استارتاپ‌های فعال در حوزه هوش مصنوعی هستیم. هدف ما ایجاد اکوسیستمی است که بانک‌ها، دولت و دانشگاه‌ها در کنار هم، پژوهش‌های دانشگاهی را به محصولات و خدمات واقعی تبدیل کنند.»

بابایی تأکید کرد که تمرکز این مرکز بر پروژه‌های هوشمندسازی فرآیندهای بانکی و ایجاد صندوق‌های سرمایه‌گذاری خطرپذیر (VC) در همکاری با دانشگاه شریف است تا استارتاپ‌های فعال در این حوزه بتوانند از حمایت مالی و فنی برخوردار شوند.

نئوبانک‌ها و تغییر قواعد بازی در صنعت بانکداری

وحید خاتمی، مشاور ارشد کسب‌وکار بانکینو و از مدیران سابق بانک خاورمیانه، در این پنل به نقش نئوبانک‌ها و استارتاپ‌های فین‌تکی در تحول دیجیتال بانکداری اشاره کرد:

«با راه‌اندازی مجموعه نیوتو، که کمتر از یک سال از تأسیس آن می‌گذرد، توانسته‌ایم تیمی از نیروهای جوان و فارغ‌التحصیلان دانشگاهی را گرد هم بیاوریم. هدف این است که علاوه بر ارائه سرویس به بانک خاورمیانه، خدماتی در سطح کلان به سیستم بانکداری کشور ارائه کنیم.»

خاتمی در ادامه توضیح داد که نئوبانک‌ها و فین‌تک‌ها با پر کردن شکاف بین اعتماد سنتی و نوآوری فناورانه می‌توانند هم‌افزایی مؤثری با بانک‌های سنتی و بانک مرکزی ایجاد کنند. او تأکید کرد که آینده بانکداری در ایران نیازمند تعامل استراتژیک میان بازیگران سنتی و نوآور است.

اعتبارسنجی هوشمند و تحلیل ریسک مشتری با هوش مصنوعی

در بخش دیگری از پنل، آرتین خاچاطوریان، مدیر راهبرد محصول شرکت داده‌کاوان توسنبله، به موضوع تحلیل ریسک اعتباری و اعتبارسنجی هوشمند پرداخت و از تحول روش‌های سنتی خبر داد:

«روش‌های سنتی اعتبارسنجی بر اساس سوابق بانکی و رتبه‌بندی اعتباری است، اما امروز با تحلیل داده‌های غیرسنتی مانند رفتار آنلاین مشتریان، تراکنش‌های بانکی، میزان نظم در پرداخت‌ها و حتی الگوهای خرید، می‌توان مدل‌های دقیق‌تری برای پیش‌بینی ریسک ارائه داد.»

او همچنین به چالش‌های اصلی در این حوزه اشاره کرد:

  • کیفیت پایین و ناهمگنی داده‌ها
  • مقاومت مدیران سنتی بانک‌ها در پذیرش مدل‌های هوش مصنوعی
  • نیاز به مدل‌های تفسیرپذیر برای جلب اعتماد مدیران بانکی

به گفته خاچاطوریان، استفاده از مدل‌های XAI (هوش مصنوعی قابل توضیح) توانسته است پذیرش تصمیمات مبتنی بر هوش مصنوعی را در بانک‌ها افزایش دهد.

تجربه‌نگاری از «شعبه در گوشی» و کاهش وابستگی به شعب فیزیکی

در ادامه پنل، موضوع آینده شعب بانکی و حرکت به سمت خدمات غیرحضوری مورد بحث قرار گرفت. بابایی تأکید کرد که تغییر نسل مشتریان و رشد نئوبانک‌ها باعث شده است مفهوم شعبه فیزیکی برای بسیاری از مشتریان کم‌رنگ شود:

«امروز کاربران نسل جدید ترجیح می‌دهند تمام خدمات بانکی خود را از طریق اپلیکیشن‌ها انجام دهند. اگر بانک‌ها نتوانند تجربه کاربری روان و ارتباط عاطفی با مشتریان ایجاد کنند، در آینده نزدیک بخشی از بازار خود را از دست خواهند داد.»

پیش‌بینی خروج مشتری با الگوریتم‌های هوش مصنوعی

در پایان، آرتین خاچاطوریان درباره پیش‌بینی خروج مشتریان (Churn Prediction) توضیح داد که هوش مصنوعی می‌تواند با تحلیل شاخص‌هایی نظیر کاهش تراکنش‌ها، افت میزان تعامل با بانک، تغییر الگوهای خرید و رضایت‌سنجی مشتری، احتمال ریزش مشتریان را تشخیص دهد.

«هزینه جذب یک مشتری جدید چندین برابر هزینه نگه‌داشت اوست. هوش مصنوعی می‌تواند با شناسایی الگوهای رفتاری، بانک‌ها را قادر سازد تا پیش از ترک مشتری، پیشنهادهای شخصی‌سازی‌شده و اقدامات پیشگیرانه ارائه دهند.»

جمع‌بندی

پنل دوم صنعت بانکداری در رویداد ایران AI 2025 نشان داد که تحول نظام بانکی ایران بدون ادغام فناوری‌های هوش مصنوعی و همکاری نزدیک بانک‌های سنتی، نئوبانک‌ها، استارتاپ‌ها و نهادهای رگولاتوری ممکن نیست.
از اعتبارسنجی هوشمند تا پیش‌بینی ریزش مشتری و طراحی مدل‌های کسب‌وکار مبتنی بر داده، آینده بانکداری ایران به سمت دیجیتالی‌شدن حرکت می‌کند و بانک‌هایی که زودتر با این موج همراه شوند، مزیت رقابتی پایدارتری خواهند داشت.

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]