ورود شرکت‌های فناوری به فضای بانکی موجب شده بانک‌های مدرن، ترکیبی از شرکت‌های داده و فناوری باشند. شباهت آشکاری بین فرآیندهای بانکداری و مهندسی نرم‌افزار و مفاهیم اساسی مانند ردیابی تراکنش، دفتر کل، مدل‌سازی پیش‌بینی و تجزیه و تحلیل پیش‌گویانه وجود دارد.
براساس پیش‌بینی‌ها، هوش مصنوعی به بانک‌ها کمک می‌کند تا ۲۲ درصد هزینه‌های عملیاتی خود را در حدود سال ۲۰۳۰ کاهش دهند که به صرفه‌جویی نزدیک به یک تریلیون دلاری منجر می‌شود. همچنین، هوش مصنوعی آماده است تا مؤسسه‌های مالی را به توانایی‌هایی برای مقابله با تهدید فزاینده جرایم سایبری و کلاهبرداری مالی مجهز کند.
هوش مصنوعی در حال حاضر در صنعت خدمات مالی برای ارائه خدمات پشتیبانی مشتری با استفاده از چت بات‌ها و سایر سیستم‌های هوشمند رایج است. برخی از نرم افزارهای محبوب خدمات مشتری مبتنی بر هوش مصنوعی شامل Zendesk، LiveAgent، Freshdesk و Vision Helpdesk هستند. با توجه به اهمیت موضوع، در این مطلب به بررسی ابعاد مختلف پیوند بین بانک و هوش مصنوعی می‌پردازیم.
الف) برخی از مهم‌ترین کاربردهای هوش مصنوعی در سیستم بانکی
در این بخش به مرور برخی از مهم‌ترین کاربردهای هوش مصنوعی در ارایه خدمات بانکی توسط بانک‌های پیشرو جهانی پرداخته می‌شود.
هوش مصنوعی به بانک‌ها کمک می‌کند تا ۲۲ درصد هزینه‌های عملیاتی خود را در حدود سال ۲۰۳۰ کاهش دهند که به صرفه‌جویی نزدیک به یک تریلیون دلاری منجر می‌شود۱_ تشخیص صدا و گفتار با هوش مصنوعی
نرم‌افزارها و راه‌حل‌های تشخیص صدا و گفتار مبتنی بر هوش مصنوعی شاهد استقبال فزاینده‌ای توسط بانک‌ها و موسسه‌های مالی پیشران در سراسر جهان هستند. در نتیجه، مصرف‌کنندگان امروزی به طور فزاینده‌ای با فناوری‌های صوتی آشنا می‌شوند.
بیش از ۵۱ درصد از مصرف‌کنندگان در حال حاضر از دستیارهای مجازی با قابلیت صوتی از طریق تلفن‌های هوشمند خود استفاده می‌کنند؛ بنابراین، مشتریان می‌توانند از فناوری‌های صوتی برای تعامل با برنامه‌های بانکی و مالی خود استفاده کنند.
HSBC در حال حاضر قابلیت‌های تشخیص صدا را در محصولاتش که برای مشتریان خود عرضه می‌کند، معرفی کرده است. به گفته متولیان این بانک، مشتریان موبایل بانک آنها دیگر نیازی به تلاش برای به خاطرسپردن رمزهای عبور یا سایر داده‌های مرتبط برای دسترسی به حساب‌های خود ندارند و همین موضوع به تسهیل ارتباط مشتری با خدمات بانکی منجر خواهد شد.
سرعت نوآوری دیجیتالی، خلاقانه‌ترین و مخرب‌ترین نیرو در اکوسیستم خدمات مالی زمان حاضر است۲_ کاربرد هوش مصنوعی در تجربه مشتری (Customer Experience)
شخصی‌سازی بیش از حد برای بانک‌ها ضروری است و آنها را قادر می‌سازد به نیازهای آشکار و پنهان مشتریان پاسخ دهند و هوش مصنوعی را می‌توان به طور فعال برای طراحی و ارائه تجربه مشتری (CX) یا تجارب مشتری بیش از حد شخصی به کار گرفت. اهمیت شخصی‌سازی بیش از حد در بخش‌های بانکی و خدمات مالی در حال افزایش است و شامل مراحلی برای به دست آوردن دیدی جامع از مشتریان و استفاده از داده‌ها و تجزیه و تحلیل‌ها برای ارائه پیشنهادهای شخصی و متنی است.
اپل با راه‌اندازی «اپل کارت» با همکاری بانک «گلدمن ساکس» کارت اعتباری را دوباره اختراع کرده است تا مرحله جدیدی از تجربه‌های «مارک‌دار فین‌تک» را آغاز کند. فیس‌بوک با معرفی خرید در اینستاگرام و آزمایش پرداخت در واتس‌اپ، ورود خود را به فضای خدمات مالی نشان داده است.
بانکداری و فین‌تک در سال ۲۰۲۲ و فراتر از آن با در آغوش گرفتن اختلال فناوری، به سرعت کل زنجیره ارزش کسب‌وکار را در فضای بانکداری و خدمات مالی مختل می‌کند و نقش مدل‌ها و محیط رقابتی موسسه‌های مالی، بازارها و جوامعی را که به آنها خدمت می‌کنند، تغییر می‌دهد.
پس از بحران کرونا، چارچوب‌های نظارتی در سطح جهانی جا افتاده و موسسه‌های مالی مدل‌های تجاری خود را بر این اساس تغییر شکل می‌دهند. کاملاً روشن شده که سرعت نوآوری دیجیتالی، خلاقانه‌ترین و مخرب‌ترین نیرو در اکوسیستم خدمات مالی زمان حاضر است.
۳_ کاربرد هوش مصنوعی در خدمات اعتباری:
هوش مصنوعی در خدمات اعتباری می‌تواند دارای جنبه‌ها و مزایای مختلفی باشد:
_ احراز هویت مجازی
_ محاسبه امتیاز اعتباری
_ ریسک‌سنجی و کاهش ریسک نکول و به دنبال آن کاهش ریسک اعتباری
_ بهداشت اعتباری
_ افزایش سرعت فرایند پرداخت تسهیلات و کاهش بوروکراسی اداری
_ کاهش هزینه‌های عملیاتی
۴_ استفاده از چت بات‌ها و ربات‌ها
موسسه‌های مالی همچنین برای تسریع در تلاش‌های تحول دیجیتال خود باید در هوش مصنوعی مکالمه‌ای سرمایه‌گذاری کنند و به نظر می‌رسد بسیاری از بانک‌ها و موسسه‌های اعتباری آماده این کار هستند. بیشتر ربات‌های کنونی دارای قابلیت‌های محدودی هستند.
بسیاری از این ربات‌ها فقط جایگزینی برای بخش پرسش‌های متداول وب‌سایت‌ها هستند. با این حال بانک‌های دارای تفکر پیشرو، فراتر رفته و از ربات‌ها برای رصد سرویس‌های معاملاتی و تعامل درست با کاربران استفاده می‌کنند. این رویکرد، نخستین گام برای پشتیبانی از همه خدمات بانکداری اعم از فروش یا مشاوره در سطح بالایی از شخصی‌سازی، تعامل دوستانه با کاربران و اتوماسیون است.
بانک‌ها می‌توانند اپ موبایل خود را با استفاده از هوش مصنوعی ارتقا داده تا در زمان نیاز کاربران، یادآوری‌هایی برایشان ارسال شود۵_ ارتقای برنامک های موبایلی
روش دیگر مشتری‌مداری از راه هوش مصنوعی، تسهیل بانکداری موبایل است. بانک‌ها می‌توانند اپ موبایل خود را با استفاده از هوش مصنوعی ارتقا داده تا در زمان نیاز کاربران، یادآوری‌هایی برایشان ارسال شود. ساده‌سازی فعالیت‌های کاربر با فن‌آوری صوتی، به‌سرعت تبدیل به بخش ضروری تجربه کاربر می‌شود.
ب) چالش‌های هوش مصنوعی در خدمات مالی
هوش مصنوعی در خدمات اعتباری می‌تواند دارای چالش‌های مختلفی باشد:
_ ایجاد الگوریتمی که بتواند بازار را شکست دهد، ممکن است دشوار باشد
_ الگوریتم‌ها می‌توانند اشتباه کنند و این اشتباه‌ها می‌توانند هزینه زیادی داشته باشند
_ معاملات الگوریتمی ممکن است نوسان‌های بازار را افزایش دهند
_ نظارت بر همه معاملاتی که توسط الگوریتم‌ها انجام می‌شود، دشوار است
جمع‌بندی
با توجه به توضیحات داده شده، می‌توان تاکید کرد که هوش مصنوعی آینده صنعت مالی و بانکی کشور را متحول خواهد می‌کند. البته باید به این نکته اشاره کرد که در حال حاضر برخی از بانک‌ها در پرداخت تسهیلات برای احزار هویت و اعتبارسنجی مشتریان از سامانه‌هایی مبتنی بر هوش مصنوعی همچون سامانه «مرآت» استفاده می‌کنند که در سطح ابتدایی بوده و امید می‌رود در آینده شاهد تحولاتی اساسی و مدرن در این زمینه باشیم.
بسیاری از بانک‌های کشور در مراحل اولیه دیجیتالی‌شدن بوده و به دنبال استفاده از فناوری‌های هوش مصنوعی (AI) و یادگیری ماشین (ML) هستند اما در ارائه خدمات دیجیتالی با مشکلات زیادی از جمله در زیرساخت‌ها و حتی پرداخت تسهیلات طرح‌های امتیازی حساب‌های دیجیتال، دچار مشکل بوده و به صورت سنتی خدمات یادشده را ارائه می‌کنند. در این راستا، پیشنهاد می‌شود بانک‌های پیشران در زمینه دیجیتالی شدن، به دنبال استفاده از استراتژی هوش مصنوعی باشند و خدمات مالی و بانکی خود را هوشمند کنند.
