بیم و امید استفاده از هوش مصنوعی در فین تک

رشد انفجاری هوش مصنوعی و نفوذ آن به حوزه‌ها و صنایع مختلف، همراهی با این تکنولوژی نوظهور را ناگزیر کرده است. در واقع به همین دلیل هم هست که مدیران بانک‌های اروپایی معتقدند که رونق شدید هوش مصنوعی وابستگی بانک‌ها به شرکت‌های بزرگ تکنولوژی در آمریکا را به طرز چشمگیری افزایش داده و همزمان مخاطرات تازه‌ای برای صنعت بانکداری ایجاد خواهد کرد.

به گزارش پایگاه خبری بانکداری الکترونیک به نقل از دنیای اقتصاد،شوق و هیجانی که در سراسر جهان برای به‌کارگیری هوش مصنوعی در خدمات و سرویس‌های مالی وجود دارد، باعث شده است که از زمان عرضه چت‌بات چت جی‌پی‌تی توسط شرکت اوپن ای‌آی در اواخر سال ۲۰۲۲، بانک‌ها به فکر یافتن روش‌هایی برای بهره‌گیری از هوش مصنوعی مولد با بهره‌وری بیشتر باشند؛ چون بانک‌ها و موسسات مالی در سال‌های اخیر از این تکنولوژی به‌طور گسترده تنها برای تشخیص کلاهبرداری، تقلب و پول‌شویی بهره گرفته‌اند.

نگرانی از وابستگی به غول‌های تکنولوژی

با این اوصاف بود که در هفته‌ای که گذشت، گروهی از مدیران شرکت‌های فین‌تکی در یک گردهمایی در شهر آمستردام نسبت به میزان قدرت پردازشی و کامپیوتر مورد نیاز برای توسعه کاربردها و قابلیت‌های هوش مصنوعی ابراز نگرانی کردند، چون معتقدند که این موضوع باعث می‌شود تا بانک‌ها وابستگی بسیار بیشتری به گروه کوچکی از شرکت‌های ارائه‌دهنده خدمات تکنولوژی پیدا کنند. به گزارش رویترز، بهادر ییلماز، مدیر ارشد تحلیل داده شرکت ING که مسوولیت امور مربوط به هوش مصنوعی Dutch bank را به عهده دارد، انتظار دارد که هر چه تکنولوژی هوش مصنوعی توسعه پیدا کند، وابستگی بانک‌ها و موسسات مالی به شرکت‌های بزرگ تکنولوژی برای امور زیرساختی و تجهیزات ماشینی بیشتر و بیشتر شود. او در این مورد به خبرنگار رویترز گفت: «دیگر بانک‌ها و موسسات مالی همیشه به شرکت‌های بزرگ تکنولوژی نیاز خواهند داشت، چون گاهی اوقات آن قدرت ماشینی مورد نیاز برای چنین تکنولوژی‌هایی بسیار عظیم است. همچنین ساخت چنین تکنولوژی برای یک بانک واقعا امکان‌پذیر نخواهد بود.»

وابستگی بانک‌ها به تعداد کمی از شرکت‌های تکنولوژی یکی از بزرگ‌ترین مخاطرات و نگرانی‌ها برای آنهاست. بهادر ییلماز با اشاره به این موضوع، تاکید می‌کند که به خصوص بانک‌های اروپایی باید تضمین کنند که می‌توانند میان ارائه‌دهندگان مختلف خدمات تکنولوژی انتخاب کنند و از آنچه او «ارائه‌دهنده اجباری» می‌خواند، امتناع کنند. در سال گذشته میلادی بریتانیا قوانینی را برای قانونمند کردن وابستگی شدید شرکت‌های مالی به شرکت‌های تکنولوژی خارجی مانند مایکروسافت، گوگل، آی‌بی‌ام و آمازون پیشنهاد کرد. قانون‌گذاران نگران این هستند که مشکلات در یک شرکت رایانش ابری بتواند به‌طور بالقوه باعث افت خدمت‌رسانی در بسیاری از موسسات مالی شود. در حقیقت آنها معتقدند که کاهش وابستگی به یک یا چند شرکت می‌تواند از بروز چنین مشکلاتی جلوگیری کند.

در اوایل هفته گذشته جوآن هانافورد، مدیر استراتژی تکنولوژی در بانک شرکتی دویچه بانک، در حاشیه کنفرانس Money۲۰/۲۰ گفت: «هوش مصنوعی به مقادیر بسیار زیادی محاسبات نیاز دارد و واقعا تنها روشی که بتوان به‌طور معقولی به چنین توان پردازشی دسترسی داشت، از طریق غول‌ها یا شرکت‌های بزرگ تکنولوژی است.

در حقیقت هوش مصنوعی داغ‌ترین موضوع مباحث مطرح شده در کنفرانس آمستردام در هفته گذشته بود. مدیرعامل استارت‌آپ فرانسوی Mistral AI که در حوزه هوش مصنوعی فعال است و رقیبی برای شرکت بزرگ OpenAI محسوب می‌شود، به شرکت‌کنندگان در این کنفرانس گفت که میان محصولات مبتنی بر هوش مصنوعی مولد و خدمات مالی هم‌افزایی قابل‌قبولی وجود دارد. آرتور منش در ادامه گفت: «ما فرصت‌های بسیار زیادی را در ایجاد تحلیل‌ها و رصد اطلاعات مشاهده می‌کنیم که واقعا همان کاری خواهد بود که بانکدارها به انجام آن علاقه دارند.»

شرکت ING که مشغول آزمایش یک چت‌بات هوش مصنوعی است، در حال حاضر برای ۲.۵ درصد از گفت‌وگوهای آنلاین ورودی در بخش خدمات مشتری مورد استفاده قرار می‌گیرد. ییلماز در پاسخ به این سوال که چقدر زمان می‌برد تا این چت‌بات بتواند نیمی یا بیشتر از نیمی از گفت‌وگوهای آنلاین مربوط به بخش خدمات مشتری را انجام دهد، گفت: «ظرف یک سال این اتفاق رخ خواهد داد.»

نهاد ناظر اوراق بهادار اتحادیه اروپا هفته گذشته در نخستین بیانیه خود در مورد هوش مصنوعی اعلام کرد که بانک‌ها و شرکت‌های سرمایه‌گذاری نمی‌توانند از مسوولیت اتاق هیات‌مدیره خود شانه خالی کنند و وظیفه قانونی دارند تا از مشتریان در زمان استفاده از هوش مصنوعی محافظت کنند. این نهاد همچنین هشدار داد که این تکنولوژی نوظهور احتمالا تاثیر قابل‌توجهی بر حمایت از سرمایه‌گذاران خرد خواهد داشت.

افزایش درآمد با بهره‌وری بیشتر

با این همه اما نمی‌توان به سادگی از تحولاتی که هوش مصنوعی مولد در ارائه خدمات مالی و فرصت‌هایی که برای افزایش بهره‌وری و نوآوری در این صنعت ایجاد می‌کند، صرف‌نظر کرد. همزمان با خیز بانک‌ها و موسسات مالی در به‌کارگیری هوش مصنوعی، یافتن الگوی کاربردی مناسبی که بتواند پتانسیل این تکنولوژی در صنعت بانکداری را شکوفا کند، به دغدغه مهمی برای بانکداران سراسر جهان تبدیل شده است. هوش مصنوعی مولد در حال ایجاد انقلابی در صنعت بانکداری است و همزمان موسسات مالی از این تکنولوژی برای کاربردهای متنوعی از جمله چت‌بات‌های پشتیبان برای پاسخگویی به مشتریان، جلوگیری از کلاهبرداری و تقلب و تسریع انجام امور روزمره بهره می‌برند.

در همین راستا بررسی‌هایی که اخیرا توسط موسسه تحقیقاتی معتبر مک‌کینزی (MGI) انجام شده است، نشان می‌دهد که در سراسر صنعت بانکداری جهانی، هوش مصنوعی مولد می‌تواند بین ۲۰۰ تا ۳۴۰ میلیارد دلار یا ۲.۸ تا ۴.۷ درصد از کل درآمدهای این صنعت را افزایش دهد که این کار به‌طور عمده از طریق افزایش بهره‌وری انجام می‌شود. اگرچه همزمان با حرکت بانک‌ها و دیگر موسسات مالی به سمت به کارگیری سریع این تکنولوژی، چالش‌های متنوعی در این زمینه در حال ظهور هستند. دریافت درست هوش مصنوعی مولد می‌تواند به‌طور بالقوه ارزش فوق‌العاده‌ای را ایجاد کند، اما همزمان استفاده نادرست و اشتباه آن می‌تواند منجر به عوارض و تبعات جدی شود. شرکت‌های فعال در صنایع مختلف با خطرات هوش مصنوعی مولد از جمله تولید اطلاعات نادرست یا غیرمنطقی، نقض مالکیت معنوی، شفافیت محدود در نحوه عملکرد سیستم‌ها، مسائل مربوط به تعصب و انصاف، نگرانی‌های امنیتی و موارد دیگر مواجه هستند.

به این ترتیب کارشناسان معتقدند که به‌کارگیری یک نظارت مرکزی بسیار دقیق برای استفاده از الگوهای هوش مصنوعی مولد، بهترین گزینه خواهد بود. به عقیده آنها، بدون چنین نظارت مرکزی، موارد استفاده متنوع این تکنولوژی در همان مراحل اولیه عقیم می‌مانند و استفاده از آن در بخش‌های بیشتر بسیار دشوارتر خواهد شد. کارشناسان و تحلیلگران موسسه مک‌کینزی با نگاهی خاص به صنعت بانکداری و خدمات مالی به این نتیجه رسیده‌اند که موسسات مالی با استفاده از یک الگوی عملیاتی مبتنی بر هوش مصنوعی مولد با نظارت مرکزی، بیشترین بهره را از این تکنولوژی دریافت می‌کنند. هر چند آنها انتظار دارند که با بلوغ بیشتر این تکنولوژی، این اقدامات آونگی احتمالا به سمت رویکردی مرکزی و منسجم‌تر پیش برود، اما تا حالا تمرکز روی دقت عملکرد الگوهای هوش مصنوعی بهترین نتایج را به همراه داشته است.

لینک کوتاهلینک کپی شد!
ممکن است شما دوست داشته باشید
ارسال یک پاسخ

2  ×    =  20