هوش مصنوعی می تواند به بانکها صدمه بزند

به گزارش پایگاه خبری بانکداری الکترونیک، در ۱۲ ماه گذشته شاهد تب هوش مصنوعی در صعود آن به قله های جدید موفقیت بودیم. هر غول فناوری که از آن نام ببریم یک داستان دور و درازی برای گفتن دارد،‌ از آی بی ام گرفته گوگل و فیس بوک و آمازون همگی با هوش مصنوعی عجین بودند.

به پیش بینی کارشناسان مجله پیش بینی ۲۰۱۷، این سال سال هوش مصنوعی خواهد بود. این مجله پیش بینی می کند که ۳۷ میلیارد دلار تا سال ۲۰۲۵ بر روی هوش مصنوعی سرمایه گذاری خواهد شد.

البته هوش مصنوعی دورانی متفاوت از ۵۰ سال گذشته را تجربه خواهد کرد زیرا این بار با رقیبی به نام انقلاب داده های عظیم مواجه است.

بدون داشتن داده های با کیفیت ، شرکتها و صنایع نمی توانند از هوش مصنوعی به عنوان اهرم استفاده کنند. شرکتهایی که در بالا بعنوان شرکتهای موفق از آنها یاد شده شرکتهایی هستند که دسترسی درستی به داده ها دارند و بانکها نیز از این قاعده مستثنی نیستند. بانک بدون بدون داده های باکیفیت و کارآمد تنها یک شوخی بیش نیست. هوش مصنوعی تمام بانکهای بدون داده های کارآمد را متحمل صدمات زیادی خواهد کرد.

گذشته از چالش های تکنولوژی،‌ قوانین مشتری مداری نیز در حال رفتن به سوی استراتژی جدیدی در رابطه با بانکداری و هوش مصنوعی است. در قوانین جدید بانکداری مشتریان باید تسلط بیشتری بر روی تراکنشهای مالی خود داشته باشند.

در بحث وصول مطالبات نیز نیاز به دسترسی به تعاملات مالی و بررسی نحوه پرداخت های مشتریان پر رنگ تر شده است، در روند تبدیل شدن به یک لایه انتزاعی بین بانک و مشتری، بخش وصول مطالبات باید در زمینه جمع آوری  و تجزیه و تحلیل اطلاعات مشتری به درستی عمل کند.

بنابر این حتی اگر بانک واسط مشتریانش باشد، افراد زیرک با جمع آوری و تجزیه تحلیل درست اطلاعات مشتریان و با بکار گیری هوش مصنوعی و تولید برنامه های کاربردی می توانند به راحتی جای بانکها را بگیرند و آنها را به حاشیه بکشند.

بانکها برای عملیاتی کردم هوش مصنوعی آماده کنند با دو چالش روبرو هستند. چالش اول مساله کیفیت داده های داخلی است و چالش دوم دستیابی به داده های خارجی است.

شرکتهایی که با هوش مصنوعی کار کرده اند در موارد بسیار زیادی به موفقیت دست یافتند و هر روزه تعداد آنها نیز در حال افزایش است، دنیا در حال حرکت به جایی است که هوش مصنوعی در تمام فعالیت های انسان از جمله خرید کردن دخیل است.

مقررات تنظیم شده برای اطلاعات با شکست مواجه شده اند

اکثر سیستم عامل های موفق هوش مصنوعی به داده هایی با کیفیت بسیار بالا و با حجم زیاد دسترسی دارند. آنها حتی به جریانهای داده خارجی که ممکن است کمکی به آنها بکند نیز دسترسی دارند.

این راز استفاده شرکتهای فناوری مالی از هوش مصنوعی به عنوان قلب سازمان است.

بانکها نیز به اطلاعات و داده های مشتریان دسترسی دارند ولی آیا این داده های کیفیت لازم را دارا هستند؟ خیر در واقع می توان گفت کیفیت داده ها و اطلاعات بانکها وحشتناک است.

چند سال پیش قانونی در ایالات متحده مبنی بر رسیدگی به عدم کیفیت اطلاعات بانکها و عدم وجود تجزیه و تحلیل درست این اطلاعات تصویب شد ولی با وجود صرف میلیونها دلار هزینه و به دلیل عدم وجود زیرساختهای درست اطلاعاتی این اقدام با شکست مواجه شد. در واقع هزینه ورود سیستم بانکداری به هوش مصنوعی از فواید آن بیشتر است و به همین دلیل اینگونه اقدامات توسط بانکها حمایت چندانی نمی شود.

 در زیر نکاتی است که می تواند به بانکها در این امر کمک کند

• بانکها باید توابعی برای بهره برداری از قابلیت های هوش مصنوعی داشته باشند.
• این توابع نیازمند بودجه و مدل عملیاتی خاصی است.
• مانند مدل اطلاعاتی،‌ ساماندهی هوش مصنوعی نیاز به سراسری شدن در تمامی شرکتها دارد.
• این مدل سراسری باید منافع تمام اجزای بانک و همچنین فرایند های هوش مصنوعی پیشرفته تر را پوشش دهد.
• اجرای هوش مصنوعی در بخشی از بانکداری می تواند ویروسهای زیادی را به خود جذب کند.
•  نیاز به روشهای استانداردی در بکار گیری هوش مصنوعی برای برقراری ارتباط بین بانکها وجود دارد در غیر اینصورت برای هر عملیاتی در هر بانک یک فرایندی تعریف میشود که با بانک دیگر متفاوت است و در عمل ادغام آنها غیر ممکن خواهد شد. اینجاست که برای استاندارد سازی سیستم بانکی نیاز به دخالت دولت وجود دارد.

حال در مورد چالش های خارجی چه باید کرد؟

بانک باید برای دستیابی به داده های خارجی از فرصتهایی که در دست دارد بهره ببرد. برای مثال تصور کنید که یک مشتری بانک برای دریافت حقوق خود یک حساب بانکی افتتاح کرده و از هالفیکس یک وام مسکن گرفته و همچنین یک کارت اعتباری از اچ اس بی سی خریداری نموده است. اگر بانک اطلاعات کاملی از مشتری خود در مورد وام مسکن و کارت اعتباری او داشت می توانست به مشتری در مدیریت مالی شخصی اش کمک کند و خدمات مدیریت مالی شخصی را در بانک خود راه اندازی نماید. حال تصور کنید که بانک بر روی تمامی تعاملات مالی مشتریان در رابطه با هر گونه پروژه ای دسترسی داشته باشد در این صورت می تواند به راحتی میزان خرج و مخالج مشتری خود را بررسی کند و بر اساس آن به راحتی به مشتری وام دهد. این تنها یک مثال از هزاران مثالی است که با داشتن اطلاعات مشتریان می توان به آنها دست یافت.

شرکتهای جدید هوش مصنوعی با بررسی مشکلات ریز بانکها و حل کردن آنها به درستی با ارائه اپلیکیشن های مختلف کم کم بانکها را از دور خارج می کنند و بانکها برای رهایی از این خطر به سمت سیستم بلاکچین روی آورده اند.

مترجم: شکوفه برزگر ملکی