کاربرد هوش مصنوعی و یادگیری ماشین در صنعت بانکداری

یکی از عوامل اصلی رشد اقتصاد مدرن، توسعه فناوری های دیجیتال در بازار مالی است. دیجیتالی شدن، بخش های مجزا و پیچیده را پوشش می دهد و منجر به صرفه جویی قابل توجهی در منابع انسانی می شود. سیستم مالی به طور کلی و بخش بانکی به طور خاص مطابق با الزامات مدرن اقتصاد دیجیتال در حال توسعه است. با توجه به تحول دیجیتال، مدل ها و مفاهیم تجاری برای توسعه بخش بانکی در حال بهبود هستند. فرایند تحول دیجیتال به عنوان استفاده از فناوری های دیجیتال برای بهبود مدل های کسب و کار و همچنین بهبود کارایی آن ها در نظر گرفته می شود. استفاده از فناوری های دیجیتال راه های تعامل بین بانک ها، دولت و مشتریان بالقوه را بهبود می بخشد.

ضرورت و اهداف پژوهش

امروزه دیجیتالی شدن به یک اولویت استراتژیک برای صنعت بانکداری در جهان تبدیل شده است. هوش مصنوعی (Artificial Inteligence) و یادگیری ماشین (Machine Learning) به عنوان با ارزش ترین عامل برای دستیابی به مزیت رقابتی با افزایش قابلیت های تصمیم گیری و تغییر صنعت بانکداری تلقی می شوند. این دو فناوری به مدیران کمک می کند تا بر جنبه های کلیدی و استراتژیک کسب و کار تاکید کنند و زمان کمتری را برای کارهای تکراری صرف کنند. صنعت بانکداری به عنوان صنعتی که مسیری طولانی از روش های سنتی و قدیمی را به استفاده از فناوری های پیشرفته طی کرده است نیز تحت تاثیر هوش مصنوعی قرار گرفته است و فرایندهای بانکی به دلیل جذابیت نوآوری های مالی مبتنی بر هوش مصنوعی با کاهش هزینه های عملیاتی، دستخوش تحولی شگرف شدند. از این رو در این پژوهش به بررسی مزایا و چالش های ادغام هوش مصنوعی و صنعت بانکداری پرداخته شده است.

هوش مصنوعی و مزایای پیاده سازی هوش مصنوعی در کسب و کار بانکی

یکی از این نوآوری ها که می تواند دنیا را تغییر دهد، فناوری هوش مصنوعی است. هوش مصنوعی در عصر حاضر در بیشتر کارکردهای تجاری پیاده سازی شده است و رویکرد کاربردی و ابزار قدرتمندی است که به طور گسترده در صنایع مختلف استفاده می شود و بخش مالی نیز از آن بی بهره نیست. با استفاده از فناوری های مرتبط متعدد موجود، کاربرد هوش مصنوعی عمیقا در بخش بانکداری نفوذ کرده است و نه تنها در حال مدرن سازی، بلکه تبدیل این بخش به افق جدیدی است. علاوه بر این، یادگیری ماشین زیر مجموعه ای از هوش مصنوعی است که کاربرد آن در این حوزه، مدیریت مالی دارایی ها، محاسبه امتیازات اعتباری و ارزیابی سطح ریسک صنعت مالی است.

در طول همه گیری ویروس کووید 19، استفاده از بانکداری آنلاین با سرعت بی سابقه ای افزایش یافت. ادغام فناوری های هوش مصنوعی در عملیات بانکی نه تنها تجربه مشتری را افزایش داده است، بلکه بانکداری را ایمن تر، قابل اعتمادتر و کارآمدتر کرده است. در بیشتر موارد، فناوری هوش مصنوعی به متخصصان مالی کمک می کند تا خدمات خود را ارتقا دهند. همچنین هوش مصنوعی دقت ورود داده ها را ساده سازی می کند، تشخیص تقلب مالی را بهبود می بخشد. از این رو ادغام هوش مصنوعی و صنعت بانکداری مزایای بی شماری را به همراه دارد که باعث افزایش کارایی، دقت، تصمیم گیری و رضایت مشتری می شود. از مزایای کاربرد هوش مصنوعی و یادگیری ماشین در صنعت بانکداری می توان به موارد ذیل اشاره کرد.

• هوش مصنوعی و یادگیری ماشین به طور قابل توجهی سرعت و کارایی عملیات بانکی و فعالیت های تجاری را ارتقا خواهد داد و فرایندهای زمان بر نظیر تایید وام، نظارت بر معاملات و اجرای معاملات را کاهش خواهد بخشید که منجر به صرفه جویی در هزینه و بهبود دقت می شود؛
• هوش مصنوعی و یادگیری ماشین از تعداد زیادی داده برای کمک به تصمیم گیری استفاده می کند. این قابلیت با ارائه بینش های عمیق تر و پیش بینی های دقیق تر، نتایج و سودآوری را بهبود می بخشد؛
• با افزایش تعداد تراکنش ها و تعاملات با مشتری، سیستم های مصنوعی و یادگیری ماشین می توانند به طور موثر حجم کاری افزایش یافته را بدون افزایش متناسب در هزینه های عملیاتی مدیریت کنند؛
• هوش مصنوعی و یادگیری ماشین با ارائه ارزیابی های دقیق تر و امکان نظارت در زمان واقعی خطرات احتمالی، مدیریت ریسک را افزایش می دهد؛
• الگوریتم های هوش مصنوعی و یادگیری ماشین می توانند به طور مداوم بر معاملات و شرایط بازار نظارات کنند و خطرات پنهان و بی نظمی ها را در زمان واقعی شناسایی کنند.

چالش ها و پیامدهای پیاده سازی هوش مصنوعی در کسب و کار بانکی

با توجه به مزایای متعدد و کاربردهای احتمالی هوش مصنوعی در صنعت بانکداری، اما موانع و چالش های متعددی برای پذیرش گسترده هوش مصنوعی و یادگیری ماشین در بانکداری وجود دارد.

• با توجه به این که کاربرد عمیق هوش مصنوعی در حوزه مالی نیازمند مبنای قانون گذاری است، اما چه در استانداردسازی قوانین نظارتی و چه در سیاست ها و قوانین دقیق نظارتی، همچنان در سطح مالی اینترنتی باقی مانده و هیچ قوانین و مقررات سیستماتیک و استانداردی تعریف نشده است. فقدان قوانین و مقررات، مرزهای نظارتی را مبهم می کند؛
• کاربرد هوش مصنوعی در حوزه مالی باعث می شود که شرکت کنندگان در فعالیت های مالی همزمان هویت های متعددی داشته باشند که عدم نظارت، شناسایی ریسک های مالی را دشوار می کند و ریسک های مالی پنهان تر خواهند شد؛
• استفاده از هوش مصنوعی آستانه ورود کسب و کار مالی را کاهش می دهد، انگیزه موسسات مالی را برای مشارکت در مشاغل پر خطر تقویت می کند؛
• با ارتقای مستمر هوش مصنوعی، تنظیم کننده های مالی نه تنها باید با مشکلات قدیمی در رفتار و حالت سنتی کسب و کار مالی مقابله کنند، بلکه با توسعه فناوری نیز با مشکلات جدیدی در حوزه مالی مواجه می شوند.

 در میان چالش های هوش مصنوعی مواردی همچون نگرانی های از دست دادن شغل و پذیرش کاربر، نقض حریم خصوصی، از دست دادن خلاقیت و سازگاری، اجرای محدود و الزامات عملیاتی، شکاف دیجیتال، در دسترس بودن داده های با کیفیت گسترده، همسویی استراتژی هوش مصنوعی و کسب و کار نیز باید مورد توجه قرار گیرد. از این رو، بانک ها باید چت بات های هوشمند را توسعه دهند و عملکرد برنامه و وب سایت های آنلاین خود را بهبود بخشند. چت بات ها می توانند تجربه ای شخصی سازی شده را به مشتریان ارائه دهند، اما همچنین می توانند به ساده سازی خدمات عملیاتی کمک کنند و به کارمندان اجازه می دهند تا بر کارهای پیچیده تری به دانش آن ها نیاز دارد تمرکز کنند.

جمع بندی

امروزه دیجیتالی شدن به یک اولویت استراتژیک برای صنعت بانکداری در جهان تبدیل شده است و در طول همه گیری کرونا، استفاده از بانکداری آنلاین با سرعت بی سابقه ای افزایش یافت. ادغام فناوری های هوش مصنوعی در عملیات بانکی نه تنها تجربه مشتری را افزایش داده است، بلکه بانکداری را ایمن تر، قابل اعتمادتر و کارآمدتر کرده است. در بیشتر موارد، فناوری هوش مصنوعی به متخصصان مالی کمک می کند تا خدمات خود را ارتقا دهند. همچنین هوش مصنوعی دقت ورود داده ها را ساده سازی می کند و تشخیص تقلب مالی را بهبود می بخشد. علی رغم مزایای متعدد و کاربردهای احتمالی هوش مصنوعی در صنعت بانکداری، اما موانع و چالش های متعددی همچون نگرانی های از دست دادن شغل و پذیرش کاربر، نقض حریم خصوصی، از دست دادن خلاقیت و سازگاری، اجرای محدود و الزامات عملیاتی، شکاف دیجیتال برای پذیرش گسترده هوش مصنوعی و یادگیری ماشین در بانکداری وجود دارد که باید مورد توجه قرار گیرد.

این مطالعه در اندیشکده پول و ارز توسط فاطمه آریان فر در سال 1403 انجام شده است.