دو سازمان نامبرده، طی سال گذشته، تحقیقات و نظرسنجی‌های گسترد‌ه‌ای را پیرامون موضوع هوش مصنوعی در سیستم بانکداری از مدیران موسسات مالی و ارائه دهندگان خدمات مالی گردآوری کرده و کارگاه‌های پاره‌وقتی را در سراسر جهان، با محوریت این موضوع برگزار کرده‌اند.
بر اساس این گزارشات می‌توان دریافت که موسسات مالی سراسر جهان، در حال تخصیص سرمایه‌گذاری‌های گسترد‌ه‌ای به هوش مصنوعی هستند و این صنعت در حال تبدیل شدن به یکی از مهم‌ترین هسته‌های نهادها و بازار‌های جهانی است. در ادامه ۵ دلیلی که نشان می‌دهند هوش مصنوعی منجر به تحول بانکداری خواهد شد را مطالعه می‌کنید.
۱) استفاده از هوش مصنوعی در سیستم بانکداری منجر به ارائه‌ی محصولات رقابتی می‌شود
راب گالاسکی (Rob Galaski)، مدیر مرکز مشاوره بازاریابی و بانک جهانی دیلویت و یکی از مولفان گزارش می‌گوید: «قابلیت مقایسه محصولات و خدمات بسیار آسان‌تر و تجارت آن‌ها بسیار گسترده‌تر شده است. از این رو، رقابت برای افزایش سرعت اعطای اعتبار و ارائه قیمت مناسب که تاکنون اهرم رقابتی تاریخی برای بانک‌ها بوده است، حالا دیگر کافی نیست.»
به‌عنوان مثال، رویال بانک کانادا (Royal Bank of Canada) در حال راه‌اندازی ابزار پیش‌بینی تقاضا برای خرید خودرو بر اساس داده‌هایی است که از کاربران گردآوری می‌شود و می‌تواند تاجران خودرو را از کمیت و کیفیت تقاضا برای خودرو آگاه سازد. گالاسکی اعتقاد دارد که چنین اطلاعاتی می‌توانند بیش از هر محصول بانکی دیگری ارزشمند باشند.
وی افزود: «ما فکر می‌کنیم این جزئی از تغییراتی است که در صنعت رخ داده است. اغلب مباحثی که پیرامون فناوری هوش مصنوعی وارد حوزه کاری ما شده‌اند، به حذف عوامل انسانی و انجام بهتر و سریع‌تر فرایندهای فعلی اشاره دارند. اما این کم لطفی بزرگی در حق قابلیت‌های هوش مصنوعی است. راه‌های بسیار زیادی برای به پیش راندن کسب‌وکارها از طریق بازطراحی آن‌ها به وسیله هوش مصنوعی وجود دارد.»
۲) شرکت‌هایی که فاقد سفارشی‌سازی بر اساس هوش مصنوعی هستند، از دور رقابت‌ها حذف خواهند شد
فرض گزارش دیلویت بر این است که شرکت‌های ارائه دهنده خدمات مالی متوسط از فناوری هوش مصنوعی به عنوان یک معیار رقابتی استفاده می‌کنند. آر.جس مک‌واترز (R. Jesse McWaters)، مدیر نوآوری‌های مالی شرکت ورلد اکونومیک فروم (World Economic Forum) به همراه یکی دیگر از مولفان این گزارش می‌گویند:
«درصورتی‌که یکی از فعالان تاثیرگذار در حوزه‌ی ارائه محصولات یا خدمات مالی باشید و بتوانید محصولات خود را با کمترین قیمت به بازار عرضه کنید، موقعیت خوبی برای ادامه حضور در عرصه رقابت خواهید داشت. اما نیاز دارید تا ارائه‌ی محصولات سفارشی‌سازی شده را نیز در برنامه خود بگنجانید.»
به عبارت ساده‌تر، ارائه محصولات با قیمت‌های پایین و منصفانه، اما بدون تمایز از سایر محصولات موجود در بازار، استراتژی رقابتی پایدار نیست.
در حقیقت، بانک‌هایی که سعی می‌کنند همه کاره باشند، هیچ‌کاره خواهند بود. در مقابل، بانک‌هایی که روی شخصی‌سازی بیشتر محصولات یا کاربران‌شان تمرکز کرده‌اند نتایج موفقیت آمیزتری عایدشان می‌شود و این یکی از مهم‌ترین مزایای استفاده از هوش مصنوعی در سیستم بانکداری است.
۳) سازگاری در عرصه رقابتی مبتنی بر هوش مصنوعی از اهمیت بالایی برخوردار است
گالاسکی اظهار می‌کند: «توصیف درست برد و باخت شرکت‌ها در این عرصه به میزان سازگاری آن‌ها برمی‌گردد، نه مقیاس و بزرگی‌شان. مطمئنا مزایای طبیعی به سمت شرکت‌هایی جریان می‌یابند که دارای مقیاس عملکرد بزرگتر و ثروت و دارایی بیشتری هستند، اما در صورتی‌که با وجود مقیاس بزرگ نتوانید سازگاری لازم را ایجاد کنید، شکست خواهید خورد. در مقابل، حتی اگر از لحاظ مقیاس شرکتی کوچک ولی با سطح سازگاری بالا باشید، احتمال موفقیت برای شما وجود دارد.»
او اعتقاد دارد که فناوری‌های مختلفی در حال رشد هستند که سیستم‌های بانکی به آن‌ها نیازمندند. تاثیر فناوری‌هایی چون بلاکچین، رایانش کوانتوم (quantum computing)، رایانش ابری (cloud computing) و هوش مصنوعی در سیستم بانکداری غیر قابل انکار است.
گالاسکی اذعان می‌کند: «اجرای این فناوری‌ها نیازمند صرف هزینه‌های گزاف و حجم بسیار بالایی از داده‌ها است و مدیریت آن‌ها نیز نیاز به تخصص دارد. بنابراین، طبیعی است که شرکت‌های بزرگتر و قدرتمندتر، مزیت بیشتری برای اجرا و به‌کارگیری آن‌ها داشته باشند. اما فراموش نکنید که شرکت‌های بزرگتر در بسیاری از موارد، سطح سازگاری پایین‌تری نسبت به شرکت‌های کوچک‌تر از خود نشان داده‌اند.»
از نظر گالاسکی، شرکت‌های قدرتمند و بزرگی که بتوانند ذهنیتی سازگار در سیستم خود ایجاد کرده و آن را توسعه دهند، قهرمانان این عرصه در آینده خواهند بود.
۴) تاثیرات مثبت هوش مصنوعی در سیستم بانکداری باز را فراموش نکنید
در این گزارش، از شرکت بانکداری خرده‌فروشی لایودز بانکینگ گروپ (Lloyds Banking Group)، به‌عنوان توصیفی عینی از سیستم بانکداری باز یاد شده است.
در این گزارش، با اشاره به رابط‌های برنامه‌نویسی کاربردی چنین آمده است: «سرمایه‌گذاری‌های تحولاتی لایودز بانکینگ گروپ روی هوش مصنوعی با مبلغی بالغ بر ۴.۱ میلیارد دلار در سال، این شرکت را قادر به ادغام سرویس‌های بیمه و بانکداری کرده است که آن را برای رقابت در دنیای دیجیتال به پیش می‌راند. این تحولات می‌توانند با تمرکز روی دیگر قابلیت‌های هوش مصنوعی برای تغییر حوزه کاربران و فرایندهای عملیاتی کسب‌وکار کامل‌تر شوند.»
گالاسکی خاطر نشان می‌کند که در اکوسیستم مجهز به بانکداری باز، گردآورندگان و پلتفرم‌ها در راس تامین داده حساب‌های مالی قرار گرفته‌اند و موقعیت‌هایی را ایجاد می‌کنند تا کاربران بتوانند از طریق آن، تمامی داده‌های مورد نیاز خود را از موسساتی که با آن‌ها در تعامل بوده‌اند، استخراج کنند.
وی می‌افزاید: «اساس این رقابت در دنیای پلتفرم‌های گردآورنده داده‌ها خواهد بود. این‌که چه کسی می‌تواند بیشترین حجم داده مورد نیاز برای کاربران را تجزیه و تحلیل کند، یا مطلوب‌ترین پیشنهادات شخصی‌سازی‌شده در حوزه‌های قیمت، سازگاری، دسترسی یا سایر فاکتور‌هایی از این دست را ارائه دهد؟ از آنجا که چنین مدلی اساسا نیازمند نتایجی سریع، کارآمد و قابل مقایسه است، هوش مصنوعی موتور پیش‌راننده آن خواهد بود.»
۵) هوش مصنوعی، سوخت خودکفایی مالی است
گالاسکی معتقد است که ترکیب بانکداری باز و فناوری هوش مصنوعی می‌تواند خودکفایی مالی کاربران را به دنبال داشته باشد و کسانی‌که بتوانند در مسیر این خودکفایی مبتنی بر هوش مصنوعی، کمک بیشتری ارائه دهند، مزایای رقابتی بیشتری عایدشان خواهد شد.
البته از منظر مک‌واترز، در این زمینه، قابلیت دسترسی به داده‌های غیرمالی نیز در کنار داده‌های مالی حائز اهمیت است.
مک‌واترز می‌گوید: «همان‌طور که انتظار نمی‌رود یک مشاور بتواند تصمیمات مالی درستی برای شما، که فقط خودتان از اطلاعات و محتویات موجود در حساب‌های شخصی‌تان باخبر هستید، ارائه دهد، هوش مصنوعی نیز نیازمند درک برخی اولویت‌ها، موقعیت‌ها و رفتارها، خارج از حوزه پرداخت‌ها و سپرده‌گذاری‌های صرف است.»
«بنابراین اگر تمایل به دریافت پیشنهاداتی دارید که حقیقتا شخصی‌سازی‌شده باشند، مستلزم ورود داده‌هایی خارج از داده‌های موجود در حافظه موسسات مالی سنتی است.»
نتیجه چنین رویکردی می‌تواند اتوماسیون زندگی مالی بسیاری از مردم باشد که در گزارش دیلویت با عنوان «خودکفایی مالی» از آن یاد شده است. مثالی از این رویکرد، ادغام برنامه استارت‌آپ فین‌تک کلریتی مانی (Clarity Money) با مارکوس (Marcus) گلدمن ساکس برای ارائه خدمات مالی شخصی به حجم بالایی از کاربران است. برنامه‌هایی چون کلریتی مانی، قابلیت انجام تراکنش‌های روزمره نظیر پرداخت صورت‌حساب‌ها یا تصمیم‌گیری در مورد میزان پس‌انداز و صرفه‌جویی در هزینه‌ها را در اختیار کاربران قرار می‌دهند.
طبق اظهارات گالاسکی: «تئوری کلریتی مانی، اتوماسیون فعالیت‌ها و تصمیمات مالی روزمره کاربران، از لغو اشتراک‌های غیر مستعمل گرفته تا مدیریت مالی کارت‌های اعتباری است. برای دست‌یابی به این مهم، به‌ویژه در مورد اشخاص، درجه بالایی از هوش نیاز است که انطباق بیشتری با هوش مصنوعی دارد تا موتور‌های ساده قانومند سابق.»
نمونه دیگری از به‌کارگیری هوش مصنوعی در سیستم بانکداری، شرکت سیتی (Citi) است که اخیرا نرم‌افزار موبایلی جدید خود را برای اتصال کاربران به سیستم‌های مالی، به منظور نظارت ۳۶۰ درجه و کنترل همه‌جانبه زندگی مالی‌شان راه‌اندازی کرده است.
منبع: راه پرداخت
