هوش مصنوعی؛ برگ برنده جدید فین‌تک‌ها

به گزارش خبرنگار پول و تجارت، بانک‌ها و فین‌تک‌های پیشرو جهان با اتکا به هوش مصنوعی، از اعتبارسنجی و مدیریت ریسک گرفته تا کشف تقلب و ارائه خدمات شخصی‌سازی‌شده، در حال بازتعریف مدل کسب‌وکار خود هستند؛ روندی که به تدریج در اکوسیستم بانکی ایران نیز نشانه‌های آن دیده می‌شود.

کمتر از سه سال پیش، استفاده از هوش مصنوعی در صنعت بانکداری بیشتر به چت‌بات‌های پاسخگو و ابزار‌های تحلیل داده محدود می‌شد؛ اما اکنون این فناوری به قلب تصمیم‌گیری مؤسسات مالی راه یافته است.

گزارش «روند‌های برتر بانکداری ۲۰۲۶» مؤسسه Accenture نشان می‌دهد که بانکداری وارد دوره‌ای شده که در آن هوش مصنوعی مولد و عامل‌محور، مدل ارائه خدمات، مدیریت عملیات و حتی ساختار رقابت میان بانک‌ها و فین‌تک‌ها را دگرگون می‌کند. این گزارش برآورد می‌کند که اجرای گسترده هوش مصنوعی می‌تواند طی سه سال آینده صد‌ها میلیارد دلار ارزش اقتصادی برای بزرگ‌ترین بانک‌های جهان ایجاد کند.

هوش مصنوعی؛ از ابزار کمکی تا موتور تصمیم‌گیری

اگر در گذشته بانک‌ها از هوش مصنوعی صرفاً برای پاسخ‌گویی خودکار یا دسته‌بندی اطلاعات استفاده می‌کردند، امروز این فناوری در فرآیند‌های کلیدی مانند اعتبارسنجی، ارزیابی ریسک، کشف تقلب، مبارزه با پول‌شویی، تحلیل رفتار مشتری و طراحی محصولات مالی نقش‌آفرینی می‌کند. به همین دلیل، رقابت آینده بانک‌ها دیگر بر سر تعداد شعب یا تنوع خدمات نخواهد بود؛ بلکه توانایی آنها در تحلیل داده‌ها و ارائه خدمات شخصی‌سازی‌شده، مزیت رقابتی اصلی را رقم خواهد زد.

فین‌تک‌ها؛ پیشتازان موج جدید

چابکی بیشتر، مهم‌ترین مزیت فین‌تک‌ها در رقابت با بانک‌های سنتی است. در بسیاری از کشورها، شرکت‌های فناوری مالی با استفاده از الگوریتم‌های یادگیری ماشین، فرآیند اعطای اعتبار را از چند روز به چند دقیقه کاهش داده‌اند. تحلیل رفتار مالی مشتریان، پیشنهاد محصولات متناسب با الگوی مصرف، شناسایی تراکنش‌های مشکوک و ارائه مشاوره مالی هوشمند، تنها بخشی از خدماتی است که امروز با کمک هوش مصنوعی ارائه می‌شود.

همین روند باعث شده مرز میان بانک و فین‌تک نیز کمرنگ‌تر شود و بسیاری از بانک‌های بزرگ جهان به جای رقابت مستقیم، همکاری با شرکت‌های فناوری مالی را برای افزایش سرعت نوآوری در دستور کار قرار دهند.

غول‌های بانکی چگونه از هوش مصنوعی استفاده می‌کنند؟

نمونه‌های جهانی نشان می‌دهد هوش مصنوعی دیگر یک پروژه آزمایشی نیست. JPMorgan Chase از این فناوری برای تحلیل اسناد حقوقی، مدیریت ریسک و شناسایی تقلب استفاده می‌کند. Morgan Stanley دستیار‌های هوشمند را در اختیار مشاوران مالی قرار داده، UBS بخشی از فرآیند‌های عملیاتی خود را هوشمندسازی کرده و Goldman Sachs، Citi و BNY نیز پروژه‌های گسترده‌ای برای توسعه عامل‌های هوشمند در حوزه‌هایی مانند مدیریت ثروت، خزانه‌داری، معامله‌گری و خدمات مشتری آغاز کرده‌اند.

ایران در آغاز مسیر بانکداری هوشمند

اگرچه نظام بانکی ایران هنوز با بانک‌های پیشرو جهان فاصله دارد، اما طی دو سال اخیر حرکت به سمت استفاده از هوش مصنوعی شتاب گرفته است. توسعه خدمات بانکداری دیجیتال در بانک‌ها و نئوبانک‌هایی مانند بلوبانک، بانکینو، بانک ملی، بانک ملت و بانک تجارت و همچنین سرمایه‌گذاری شرکت‌های فناوری بانکی نظیر داتین، توسن و فناپ در توسعه سامانه‌های تشخیص تقلب، پردازش هوشمند اسناد، موتور‌های اعتبارسنجی و دستیار‌های گفت‌وگومحور، نشان می‌دهد هوش مصنوعی به یکی از محور‌های اصلی تحول دیجیتال در شبکه بانکی تبدیل شده است.

هوش مصنوعی آینده تصمیم‌گیری در بانکداری را شکل می‌دهد

در همین زمینه امید آقاجانی، کارشناس بانکداری دیجیتال در گفت‌و‌گو با خبرنگار پول و تجارت، گفت: هوش مصنوعی در سال‌های آینده بیش از هر بخش دیگری، حوزه‌های مدیریت ریسک، کشف تقلب و تصمیم‌گیری هوشمند در صنعت بانکداری ایران را متحول خواهد کرد.

او می‌گوید: نظام بانکی ایران نیز در مسیر دیجیتالی شدن قرار گرفته و بانک‌ها در سال‌های اخیر سرمایه‌گذاری قابل توجهی در زیرساخت‌های فناوری اطلاعات و هوش مصنوعی انجام داده‌اند.

به گفته وی، در افق سه تا هفت سال آینده، مدیریت ریسک و کشف تقلب بیشترین تاثیر را از هوش مصنوعی خواهد پذیرفت؛ چراکه افزایش تراکنش‌های دیجیتال باعث شده روش‌های سنتی مبتنی بر قواعد ثابت دیگر پاسخگوی حجم بالای داده‌ها نباشند. هوش مصنوعی می‌تواند الگو‌های غیرعادی را در لحظه شناسایی و به بانک‌ها در کاهش ریسک کمک کند.

کاربرد‌های فعلی هوش مصنوعی در بانکداری

آقاجانی درباره کاربرد‌های فعلی هوش مصنوعی در بانک‌ها و فین‌تک‌ها می‌گوید: امروز این فناوری در حوزه‌هایی مانند شناسایی تراکنش‌های مشکوک، احراز هویت دیجیتال، تطبیق چهره، تشخیص زنده بودن افراد، استخراج اطلاعات مدارک هویتی، چت‌بات‌ها و دستیار‌های هوشمند مورد استفاده قرار گرفته است.

او معتقد است: بانکداری دیجیتال در ایران به تدریج در حال استفاده از ظرفیت‌های هوش مصنوعی است و خدماتی مانند سفته الکترونیکی، چک الکترونیکی، امضای دیجیتال و اعتبارسنجی مشتریان از جمله حوزه‌هایی هستند که این فناوری می‌تواند نقش موثری در آنها ایفا کند.

ظرفیت‌های مغفول هوش مصنوعی

این فعال حوزه فین‌تک، مدیریت مالی شخصی (PFM) و اعتبارسنجی مبتنی بر داده‌های جایگزین را از جمله کاربرد‌هایی می‌داند که هنوز در ایران به اندازه کافی توسعه پیدا نکرده‌اند.

به گفته وی، سیستم‌های مدیریت مالی شخصی می‌توانند با تحلیل درآمد، هزینه‌ها و الگوی مصرف مشتریان، پیشنهاد‌های مالی متناسب ارائه دهند. همچنین استفاده از داده‌های تکمیلی با رضایت مشتری و در چارچوب قوانین می‌تواند به بهبود فرآیند اعتبارسنجی و دسترسی افراد به خدمات مالی کمک کند.

ضرورت توسعه چارچوب‌های حکمرانی داده

آقاجانی درباره مهم‌ترین چالش توسعه هوش مصنوعی در نظام بانکی می‌گوید: در کنار توسعه زیرساخت، داده و نیروی انسانی متخصص، ایجاد چارچوب‌های مشخص در حوزه حکمرانی داده و استفاده مسئولانه از هوش مصنوعی اهمیت زیادی دارد.

او معتقد است: با توجه به حساسیت داده‌های مالی و هویتی، تدوین استاندارد‌ها و مقررات شفاف می‌تواند به بانک‌ها برای توسعه کاربرد‌های هوش مصنوعی با اطمینان بیشتر کمک کند.

به گفته وی، همکاری میان بانک مرکزی، شبکه بانکی و فعالان فناوری می‌تواند مسیر استفاده گسترده‌تر از هوش مصنوعی در حوزه‌هایی مانند اعتبارسنجی، مدیریت ریسک و خدمات شخصی‌سازی‌شده را هموار کند.

هوش مصنوعی جایگزین انسان نمی‌شود

این کارشناس بانکداری دیجیتال درباره نقش هوش مصنوعی در تصمیم‌های بانکی تاکید کرد: این فناوری جایگزین کامل انسان نخواهد شد، بلکه به عنوان یک ابزار تصمیم‌یار در کنار مدیران و کارشناسان قرار خواهد گرفت.

او می‌گوید: در حوزه‌هایی مانند اعطای تسهیلات و مدیریت ریسک، مدل آینده بر پایه همکاری انسان و هوش مصنوعی خواهد بود؛ چراکه برخی تصمیم‌ها همچنان نیازمند قضاوت انسانی، ملاحظات حقوقی و درک شرایط خاص مشتریان هستند.

ضرورت ایجاد سندباکس هوش مصنوعی در بانکداری

آقاجانی پیشنهاد می‌کند: یکی از اقدامات مهم برای تسریع توسعه هوش مصنوعی در شبکه بانکی، ایجاد چارچوب ملی حکمرانی داده و محیط‌های آزمون مقرراتی (سندباکس) برای فناوری‌های نوین است؛ این رویکرد می‌تواند زمینه توسعه اعتبارسنجی هوشمند، کشف تقلب، مدیریت ریسک و بانکداری شخصی‌سازی‌شده را فراهم کند.

او در پایان تاکید می‌کند: مهم‌ترین تحول هوش مصنوعی در بانکداری ایران، تبدیل حجم عظیم داده‌های موجود به تصمیم‌های دقیق، سریع و مبتنی بر تحلیل است؛ موضوعی که می‌تواند کیفیت خدمات بانکی و فرآیند‌های تصمیم‌گیری را ارتقا دهد.

آینده بانکداری؛ رقابت بر سر داده، نه شعبه

در مجموع تحول در بانکداری جهانی نشان می‌دهد رقابت آینده میان بانک‌ها بر سر توانایی در استفاده از داده، هوش مصنوعی و ارائه خدمات هوشمند خواهد بود، نه صرفاً توسعه شعب و افزایش خدمات سنتی. برای نظام بانکی ایران نیز حرکت به سمت بانکداری هوشمند ضرورتی راهبردی است؛ مسیری که نیازمند سرمایه‌گذاری در زیرساخت‌های فناوری، تقویت دانش تخصصی و همکاری مؤثرتر بانک‌ها با فین‌تک‌هاست. بانک‌هایی که بتوانند فناوری‌های نوین را در مدل کسب‌وکار خود ادغام کنند، سهم بیشتری از اقتصاد دیجیتال آینده خواهند داشت.