هوش مصنوعی در حال تغییر مدل بانکداری و نظارت بانکی است

در پنل «هوش مصنوعی و آینده بانکداری ایران» در روز دوم نمایشگاه الکامپ ۱۴۰۵، فعالان حوزه بانکداری، فین‌تک و فناوری درباره نقش هوش مصنوعی در تغییر مدل سنتی بانکداری، تحول تجربه مشتری، اعتبارسنجی، کشف تقلب، زیرساخت داده و توان پردازشی و همچنین ضرورت تغییر نظام نظارت بانکی گفت‌وگو کردند. حاضران 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 تعامل مستقیم با هوش مصنوعی می‌رسد

«حامد ذاکرحسین»، مدیرعامل بیت‌بانک، گفت با ورود هوش مصنوعی، مدل تعامل مشتری با بانک می‌تواند از اپلیکیشن‌های بانکی به تعامل مستقیم با سیستم‌های هوشمند تغییر کند.

به گفته او، در این مدل کاربر نیاز مالی خود را بیان می‌کند و هوش مصنوعی با درنظرگرفتن ریسک، اعتبار، سابقه مالی و شرایط مشتری، مناسب‌ترین خدمت را طراحی و ارائه می‌دهد. ذاکرحسین این تحول را عمیق‌تر از تحول دیجیتال دانست و تاکید کرد هوش مصنوعی می‌تواند بسیاری از مراحل و واسطه‌های موجود در بانکداری سنتی را حذف کند.

بانک‌ها نباید منتظر تکمیل همه زیرساخت‌ها بمانند

«علی گلزاده»، مدیرعامل داتا، تاکید کرد بانک‌ها نباید برای آغاز استفاده از هوش مصنوعی منتظر کامل شدن همه زیرساخت‌ها و مشخص شدن نتیجه نهایی فناوری بمانند.

او گفت سازمان‌ها باید از یک نقطه مشخص آغاز کنند، چرا که تجربه حاصل از استفاده از ابزارهای هوش مصنوعی می‌تواند ارزش اقتصادی و سازمانی ایجاد کند. با این حال، گلزاده هشدار داد که نمی‌توان هوش مصنوعی را روی فرایندهای ناکارآمد سوار کرد و انتظار نتیجه مطلوب داشت.

به گفته او، بسیاری از فرایندهای بانکی برای شرایط گذشته طراحی شده‌اند و پیش از استفاده از هوش مصنوعی باید مورد بازبینی و اصلاح قرار گیرند.

تصمیم‌گیری بانکی باید با ماهیت احتمالی هوش مصنوعی سازگار شود

گلزاده همچنین به تفاوت تصمیم‌گیری انسانی و مدل‌های هوش مصنوعی اشاره کرد و گفت انسان در بسیاری از تصمیم‌های بانکی به دنبال پاسخ قطعی است، در حالی که مدل هوش مصنوعی ممکن است یک تصمیم را با احتمال مشخصی درست ارزیابی کند.

او تاکید کرد ساختار سیاست‌گذاری و تصمیم‌گیری بانک‌ها باید متناسب با ماهیت احتمالی خروجی مدل‌های هوش مصنوعی تغییر کند. گلزاده همچنین وضعیت داده‌ها را یکی از چالش‌های اصلی بانک‌ها دانست و گفت داده‌های بانکی در بسیاری از موارد پراکنده و کم‌کیفیت هستند و بدون داده مناسب و زیرساخت کافی نمی‌توان انتظار عملکرد مطلوب مدل‌های هوش مصنوعی را داشت.

احراز هویت و اعتبارسنجی از مهم‌ترین کاربردهای هوش مصنوعی در بانک‌هاست

«مهدی محمدی»، عضو هیئت‌مدیره ملت ونچرز، با اشاره به نفوذ بالای هوش مصنوعی در صنعت بانکداری گفت احراز هویت، اعتبارسنجی و تصمیم‌گیری‌های اعتباری از مهم‌ترین حوزه‌های کاربرد این فناوری هستند.

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

او داده و توان پردازشی را دو زیرساخت اصلی توسعه هوش مصنوعی دانست و گفت بدون فراهم کردن این دو زیرساخت، نمی‌توان انتظار تحول در صنعت بانکداری داشت.

فین‌تک‌ها می‌توانند سهم بیشتری از خدمات مالی را در اختیار بگیرند

محمدی با اشاره به چابکی بیشتر شرکت‌های فناوری نسبت به بانک‌های بزرگ گفت بخشی از بازار خرده‌بانکی و خدمات مالی خرد می‌تواند بیش از گذشته در اختیار فین‌تک‌ها و لندتک‌ها قرار گیرد.

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

هوش مصنوعی همزمان فرصت شخصی‌سازی و تهدیدی برای اعتماد بانکی است

«نیما امیرشکاری»، معاون فناوری شرکت Paymydine، با اشاره به دو وجه هوش مصنوعی گفت این فناوری از یک سو ظرفیت بالایی برای شخصی‌سازی خدمات دارد و از سوی دیگر می‌تواند برای سوءاستفاده و فریب کاربران به کار گرفته شود.

او هشدار داد تولید و دستکاری محتوای صوتی و تصویری با هوش مصنوعی ساده‌تر شده و امکان ایجاد محتوای جعلی و فریب کاربران افزایش یافته است. به گفته امیرشکاری، هوش مصنوعی حتی می‌تواند پیام‌ها و پیشنهادهای مالی را به‌شدت شخصی‌سازی کند.

امیرشکاری تاکید کرد این موضوع برای بانکداری اهمیت ویژه‌ای دارد، زیرا نظام بانکی بر اعتماد بنا شده و سوءاستفاده از هوش مصنوعی می‌تواند این اعتماد را هدف قرار دهد.

بانکداری هوش مصنوعی به «نظارت هوشمند» نیاز دارد

امیرشکاری تاکید کرد بانک‌ها باید همزمان با توسعه کاربردهای هوش مصنوعی، سازوکارهای مقابله با سوءاستفاده از این فناوری را نیز ایجاد کنند و نمی‌توان از هوش مصنوعی در بانکداری استفاده کرد اما همچنان با روش‌های سنتی بر آن نظارت داشت.

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

امیرشکاری با اشاره به حجم بالای تراکنش‌های بانکی گفت بانک ملی به‌تنهایی روزانه حدود ۱۵۰ میلیون تراکنش را مدیریت می‌کند و نظارت بر چنین حجمی از فعالیت با روش‌های سنتی دشوار است.

اعتبارسنجی باید از بررسی مقطعی به ارزیابی مستمر تبدیل شود

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

او همچنین بر ضرورت اشتراک‌گذاری داده میان سازمان‌ها تاکید کرد و گفت اطلاعات مربوط به اعتبارسنجی نباید به‌صورت جزیره‌ای نگهداری شود. به گفته او، 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.

چهار محور برای ورود بانک‌ها به هوش مصنوعی

محمدی در ادامه چهار محور را برای ورود سازمان‌ها و بانک‌ها به هوش مصنوعی مطرح کرد. به گفته او، نخستین گام شناخت معماری و ساختار هوش مصنوعی و تعیین نقطه کانونی تحول است؛ یعنی سازمان باید مشخص کند استفاده از هوش مصنوعی در کدام بخش بیشترین ارزش افزوده را ایجاد می‌کند.

او نخستین نقطه ورود در بانک‌ها را فرانت‌آفیس و تجربه مشتری دانست و احراز هویت و خدمات شخصی‌سازی‌شده را از جمله کاربردهایی عنوان کرد که مشتری مستقیماً اثر آنها را احساس خواهد کرد.

محمدی محور دوم را ایجاد یک «قلعه امن» با استفاده از هوش مصنوعی دانست؛ یعنی افزایش امنیت داده‌ها و تراکنش‌ها، مقابله با پول‌شویی و حفظ اعتماد در نظام بانکی.

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

او چهارمین محور را نیز حرکت هم‌زمان با فناوری و سرمایه‌گذاری روی زیرساخت‌های پردازشی دانست تا فاصله بانک‌ها با غول‌های فناوری کاهش پیدا کند.

حرکت از ابزارهای کمکی به سمت عاملیت هوش مصنوعی

گلزاده در ادامه، کشف تقلب و تخلف، مسائل مالی و اعتباری و تصمیم‌سازی را از مهم‌ترین حوزه‌های ورود هوش مصنوعی به فرایندهای بانکی دانست.

او تاکید کرد در مرحله بعد باید از مدل‌هایی که صرفاً نقش ابزار کمکی دارند عبور کرد و به سمت «عاملیت هوش مصنوعی» و تصمیم‌گیری توسط سیستم‌های هوشمند حرکت کرد.

به گفته گلزاده، با گسترش این روند حتی تعریف فعلی از بانک می‌تواند تغییر کند. در چنین مدلی، مشتری نیاز خود را در اختیار یک اکوسیستم مالی هوشمند قرار می‌دهد و هوش مصنوعی می‌تواند فرایند تصمیم‌سازی تا خرید و دریافت خدمات را مدیریت کند.

او 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؛ بنابراین نظام تنظیم‌گری نیز باید همگام با این تحول پیش برود.