سه روند کلیدی فناوری در حوزه‌های بانکداری و سرمایه‌گذاری

به گزارش پایگاه خبری بانکداری الکترونیک، به نقل از «گارتنر»، بانک‌ها و شرکت‌های سرمایه‌گذاری 623 میلیارد دلار برای محصولات و خدمات فناوری در سال 2022 هزینه خواهند کرد.

بانک‌ها هوش مصنوعی مولد را در حوزه‌هایی مانند کشف تقلب، پیش‌بینی معاملات و مدل‌سازی عوامل ریسک به کار خواهند برد.

سیستم‌های اتونومیک (خودمختار) اکنون دراشکال ابتدایی، به‌عنوان ربات‌های مشاور، وجود دارند، اما انواع پیشرفته‌تری پدیدار خواهند شد.

60 درصد سازمان‌های بزرگ تا سال 2025 از یک یا چند تکنیک محاسباتی افزایش‌دهنده حریم خصوصی استفاده خواهند کرد.

موتوسی سائو، معاون بخش تحلیلی شرکت «گارتنر»، گفت: “در حالی که رشد حوزه‌های بانکداری و سرمایه‌گذاری اولویت اصلی است، اما مدیریت ریسک، بهینه‌سازی هزینه‌ها و افزایش کارایی نیازمند نوآوری در فناوری‌های جدید است. هوش مصنوعی مولد به مدیران ارشد فناوری بانک‌ها این امکان را می‌دهد تا راه‌حل‌های فناوری را در راستای رشد درآمد، به کسب‌وکارها ارائه دهند. این در حالی است که از طرفی دیگر، سیستم‌های اتونومیک و محاسبات افزایش دهنده حریم خصوصی راه‌حل‌های بلندمدتی هستند که گزینه‌های جدیدی را برای تحول کسب‌وکار در حوزه خدمات مالی ارائه می‌دهند.

پیش‌بینی می‌شود که میزان هزینه‌های فناوری اطلاعات توسط شرکت‌های خدمات بانکداری و سرمایه‌گذاری، با رشد ۶.۱ درصدی در سال ۲۰۲۲، به ۶۲۳ میلیارد دلار در سراسر جهان برسد. حوزه خدمات فناوری اطلاعات بخش عمده هزینه‌ها را به خود اختصاص می‌دهد. البته خدمات مشاوره و مدیریتی 42 درصد از کل هزینه‌های بخش فناوری اطلاعات را با 264 میلیارد دلار شامل می‌شود. به علاوه، حوزه نرم‌افزار سریع‌ترین رشد را خواهد داشت که پیش‌بینی می‌شود میزان هزینه‌ها در این بخش با افزایش 11.5 درصدی به 149 میلیارد دلار برسد.

سه فناوری نوظهوری که گارتنر در این گزارش معرفی کرده است، به طور کلی در راستای اهداف راه‌اندازی، رشد و تحول کسب‌وکارها هستند و در صنعت بانکداری و سرمایه‌گذاری کاربرد دارند.

روند 1: هوش مصنوعی مولد

«گارتنر» پیش‌بینی می‌کند که تا سال 2025، 20 درصد از کل داده‌های آزمایشی برای موارد استفاده مربوط به مصرف‌کنندگان به صورت سینتتیک یا مصنوعی تولید می‌شود. هوش مصنوعی مولد از بازنمایش دیجیتالی داده‌ها یاد می‌گیرد و راه‌حل‌های جدید و خلاقانه‌ای را تولید می‌کند که مشابه نمونه اصلی هستند، اما آنها را تکرار نمی‌کنند.

در خدمات بانکداری و سرمایه‌گذاری می‌توان کاربرد شبکه‌های مولد تخاصمی (GAN) و تولید زبان طبیعی (NLG) را در اکثر سناریوهای کشف تقلب، پیش‌بینی روند معاملات، تولید داده‌های مصنوعی و مدل‌سازی عوامل ریسک یافت. پتانسیل آنها در حدی است که می‌تواند تجربه شخصی‌سازی‌شده را تا حد زیادی ارتقا دهد.

روند 2: سیستم های اتونومیک

سیستم‌های اتونومیک، سیستم‌های فیزیکی یا نرم‌افزاری خودمدیریت‌شده هستند که از محیط پیرامون یاد می‌گیرند و الگوریتم‌های خود را به صورت پویا در زمان واقعی تغییر می‌دهند تا رفتار خود را در زیست‌بوم‌های پیچیده بهینه کنند. این سیستم‌ها مجموعه‌ای پرسرعت از قابلیت‌های فناوری ایجاد می‌کنند که ضرورت‌ها و موقعیت‌های جدید را پشتیبانی کرده و عملکرد را بهینه‌سازی می‌کنند و بدون دخالت انسان در برابر حملات دفاع می‌کنند.

در حال حاضر، سیستم‌های اتونومیک عمدتاً در زمینه بانکداری مبتنی بر نرم‌ا‌فزار کاربرد دارند. با این حال، روبات‌های انسان‌نما در شاخه‌های هوشمندسازی‌شده نیز در حال ظهور هستند. آنها در واقع نمونه‌هایی از سیستم‌های مستقل مبتنی بر سخت‌افزار هستند که پاسخگوی مشتریان می‌باشند. می‌توان از این سیستم‌ها در مدیریت خودکار بدهی، و به عنوان دستیاران شخصی امور مالی و وام‌دهی خودکار استفاده کرد. در این میان، ربات‌های مشاور اساساً سیستم‌های اتونومیک و خودمختار سطح پایینی هستند، که به دلیل حجم زیاد اتوماسیون در آنها هنوز نگرانی‌هایی وجود دارد.

«گارتنر» پیش‌بینی می‌کند که تا سال 2024، 20 درصد از سازمان‌هایی که سیستم‌ها یا دستگاه‌های اتونومیک را به فروش می‌رسانند، مشتریان را ملزم می‌کنند که از مقررات مربوط به جبران زیان مربوط به رفتار آموخته‌شده محصولات خود چشم‌پوشی کنند.

روند 3: محاسبات مربوط به افزایش حریم خصوصی

محاسبات در راستای افزایش حریم خصوصی (PEC) امنیت پردازش داده‌های شخصی را در محیط‌های غیرقابل اعتماد حفظ می‌کند. این امر به دلیل تحول در وضع قوانین مربوط به حفظ حریم خصوصی و حفاظت از داده‌ها و همچنین وجود نگرانی‌های رو به رشد مصرف‌کنندگان بسیار حیاتی است. در واقع، در این روند از انواع تکنیک‌ها استفاده می‌شود تا امکان استخراج ارزش از داده‌ها فراهم شده و در عین حال الزامات مربوط به انطباق با قوانین و مقررات نیز رعایت شود.

«گارتنر» پیش‌بینی می‌کند که 60 درصد از سازمان‌های بزرگ تا سال 2025 از یک یا چند تکنیک محاسباتی تقویت‌کننده حریم خصوصی در تحلیل‌ها، هوش تجاری[1] یا رایانش ابری استفاده خواهند کرد.

در خدمات مالی، داده‌ها در همه تحلیل‌ها، محاسبات و روش‌های کسب درآمد از داده‌ها نقشی حیاتی دارند. پذیرش روند محاسبات مربوط به افزایش حریم خصوصی در تجزیه و تحلیل کلاهبرداری‌ها، عملیات اطلاعاتی، به اشتراک‌گذاری داده‌ها و مبارزه با پولشویی رو به افزایش است.

مترجم: فرزانه اسکندریان

منبع: https://www.gartner.com/en/newsroom/press-releases/2022-05-24-gartner-identifies-three-technology-trends-gaining-tr

[1] هوشمندی کسب و کار (Business Intelligence) یا هوش تجاری(BI)، مجموعه‌ای از نظریات، روش‌ها، فرایندها، معماری‌ها و فناوری‌هایی است که برای تبدیل داده خام به اطلاعات مفید و معنادار استفاده می‌شود.