الزامات کلیدی در کربنکینگ و زیرساخت تبدیل شدن به یک بانک هوشمند
بانکها برای اینکه هوش مصنوعی، ارزشهایی را در سراسر سازمان ایجاد کند، به تکنولوژی اصلی که مقیاسپذیر، انعطافپذیر و تطبیقپذیر باشد نیاز دارند. ساختن چنین بانکی احتیاج به تغییر در شش حوزه کلیدی دارد.
به گزارش پایگاه خبری بانکداری الکترونیک، یک بانک هوش مصنوعی (AI) رقابت را به وسیله سازماندهی استعدادها، تکنولوژی و روشهای کار بر اساس اولین چشمانداز برای توانمندسازی مشتریان با ارائه پیشنهادات ارزشمند و هوشمندانه که از طریق سفرها و تجربیات جذاب ارائه میشود، به سطحی بالاتر میبرد. تحقق بخشیدن به این چشمانداز مستلزم قابلیتهایی در چهار زمینه است: لایة تعامل، لایة تصمیمگیری، لایة تکنولوژی اصلی و مدل عملیاتی پلتفرم.
قابلیتهای لایة تعامل مجدد، بانک هوش مصنوعی را قادر میسازد تا سفری بسیار شخصی را در کانالهای بانکی و درون اکوسیستمهای شریک انجام دهد. قابلیتهای لایه تصمیمگیری مبتنی بر هوش مصنوعی، دید مشتری را به پیام و پیشنهادات متناسب با نیازهای منحصر به فرد او تبدیل میکند.
پیادهسازی قابلیتهای هوش مصنوعی در سراسر سازمان نیاز به مجموعهای مقیاسپذیر، انعطافپذیر و تطبیقپذیر از اجزای تکنولوژی اصلی دارد. هنگامی که این لایه با موفقیت پیادهسازی شود، میتواند بانک را قادر به سرعت بخشیدن در ارائة نوآوریها در حوزة تکنولوژی، بهبود کیفیت و اتکاپذیری عملیات، کاهش هزینههای عملیاتی و تقویت مشارکت مشتریان کند.
یک مدل اولیه از هوش مصنوعی تقاضاها را بر تکنولوژی اصلی بانک تحمیل میکند
در بسیاری از صنایع، تعداد زیادی از سازمانها تلاش کردهاند تا با خواسته دیجیتالی شدن همگام شوند، به ویژه این که مصرفکنندگان در حین بحران کرونا به استفاده از شیوههای پرداخت دیجیتالی در معاملات روزانه سرعت بخشیدند. با این حال، حتی پیش از این، صنعت خدمات مالی در طول تاریخ موفقیتهای متفاوتی در زمینه تکنولوژی داشته است. مؤسساتی که خیلی زود تطبیق یافتند و در حوزه تکنولوژی نوآور بودهاند، در طول چند دهه بر مجموعه توانایی فنی خود افزوده و خدمات فنی بسیاری را ارائه دادهاند. برخی از مؤسسات با این چالش دست و پنجه نرم کردهاند و بسیاری دیگر در این زمینهها عقب ماندهاند. در همین حال، در کنار متصدیان فعلی، یک صنعت فینتک بسیار فعال بوده و دائماً در حال نوآوری و ارتقاء سطح بوده است.
انتقال به یک اکوسیستم آنی و مصرفکننده محور برای مؤسسات مالی که از مصرفکنندگان تکنولوژی به سازندگان هوش مصنوعی بدل شده و تجزیه و تحلیل را به عنوان یک قابلیت اصلی در خود نهادینه کردهاند، آسانتر خواهد بود. از آنجا که تکنولوژی هوش مصنوعی به طور فزایندهای در ایجاد ارزش برای بانکها و مشتریان آنها ایفای نقش میکند، سازمانهای خدمات مالی باید خود را مجدداً به عنوان مؤسسات پیشرو در تکنولوژی معرفی کنند تا بتوانند محصولات سفارشی و خدمات بسیار شخصیسازیشده را تقریباً به صورت آنی ارائه دهند.
در بسیاری از مؤسسات روشهای استاندارد در حال حاضر شامل ارتباط چند کاناله با مشتری، استفاده از APIها برای پشتیبانی از افزایش تبادل اطلاعات به صورت آنی در سیستمها و استفاده از تجزیه و تحلیل دادههای بزرگ برای بهبود اعتبار، ارزیابی استفاده از محصول و اولویتبندی فرصتها برای تعمیق روابط میشود. همچنان که سازمانهای خدمات مالی به رشد خود ادامه میدهند، افزایش تقاضا برای زیرساختهای تکنولوژی به منظور پشتیبانی از موارد استفاده پیچیدهتر شامل تجزیه و تحلیل آنی، شرکتها را وادار میکند تا عملکرد کلی تکنولوژیک خود را مجددا بررسی کنند. هنگامی که سازمانهای خدمات مالی متعهد به نوسازی تکنولوژی اصلی و زیرساخت دادههای زیر مجموعه لایههای تعامل و تصمیمگیری انواع قابلیتهای موجود در سازمان شدند، بانکها باید اساس تحول خود را بر شش خواسته مهم سازماندهی کنند: استراتژی تکنولوژی، تجربیات برتر، دادههای مقیاسپذیر و بسترهای تحلیلی، زیرساختهای ترکیبی مقیاسپذیر، پردازندههای محصول قابل تنظیم و استراتژی امنیت سایبری (شکل 1).
استراتژی قوی برای ایجاد قابلیتهای تکنولوژیک
قبل از شروع تحول اساسی در تکنولوژی اصلی و زیرساخت دادهها، سازمانهای خدمات مالی باید یک استراتژی دقیق برای ایجاد یک پیشنهاد ارزش اولیه هوش مصنوعی ارائه کنند. همچنین باید یک نقشه راه برای تحول، با تمرکز بر سه بعد خلق ارزش، تهیه کنند: زمان کمتر برای بازار به همراه مدیریتی کارآمد و ردیابی بهرهوری، همسویی واضح تقاضا و ظرفیت برای برآوردن اولویتهای استراتژیک و کوتاهمدت و یک مکانیسم خوب برای هماهنگی ابتکارات «ایجاد تغییر در بانک» و «اداره بانک» با توجه به پتانسیل آنها برای ایجاد ارزش.
زمان کمتر ارائه به بازار نیاز به توسعه و آزمایشهای کارآمد و تکرارپذیر همراه با سیستم عاملهای قوی و ابزارهای اندازهگیری بهرهوری دارد. همسویی تقاضا و ظرفیت با توجه به اولویتهای استراتژیک در دو سطح عمل میکند. در یک سطح بانکها باید اطمینان حاصل کنند که اجرا، زیرساختها و ظرفیت پشتیبانی بهینه شده است تا عملکرد ثابت همه موارد استفاده و سفرها تضمین شود. از سوی دیگر با حصول اطمینان از زمان کار ثابت، باید آنها را سازماندهی و برنامهریزی کرد تا روند پروژههایی را که بیشترین تأثیر را بر ارزش دارند، تسریع کند. سرانجام مؤسسات مالی باید مکانیزمهای روشنی برای تعیین اولویتها و حصول اطمینان از اینکه هر مورد استفاده، طراحی و ساخته شده است، ایجاد کنند تا بازدهی بیش از سرمایهگذاری و هزینههای عملیاتی باشد.
سفرهای چند کاناله برتر و تجربیات مشتری
معمولاً ایجاد سفرهایی که مشتریان را با سرعت، درک مستقیم، کارآیی و تأثیر خود هیجان زده کند، شامل برنامههای مختلفی میشود که خود شامل چندین سیستم بانکی و غیر بانکی میشود، که همه آنها توسط مجموعهای از APIها و یکپارچهسازیها به هم متصل میشوند. این مجموعه تبادل اطلاعات، سازمان را قادر میسازد تا دادههای ارزشمند را از منابع مختلف دریافت کرده و پیامها و پیشنهادات بسیار شخصیسازیشدهای را ارائه دهد که مستقیماً و به صورت تقریبا آنی با مشتری ارتباط برقرار میکند. علاوه بر یک رویکرد استاندارد برای مدیریت APIها، بانکها باید مکانیسم روشنی برای یکپارچهسازی کانالها، سیستمهای اصلی و رابطهای خارجی ایجاد کنند، در حالی که مدیریت تغییرات در طول چندین سیستم وابسته باشد. به عنوان مثال باید در نظر داشته باشند که ایجاد تغییر در یک کانال دیجیتالی موجود میتواند به طور بالقوه، نه تنها در قسمت رابط کاربری بلکه در چندین سیستم رابط، پردازندههای اصلی محصول و لایههای تجزیه و تحلیل ایجاد شود. تمرکز بر سفرها و تجربه کاربر نیز به نفع تیمهای پشتیبانی و عملیاتی است. محصولات جدید به طور فزایندهای در قسمت معماری پایه خودکارسازی میشوند و باعث میشود کارکنان به جای فعالیتهای کم ارزش، بر روی سناریوهای واقعاً استثنایی تمرکز کنند و فعالیتها را از یکدیگر تمییز دهند.
در نهایت برای حصول اطمینان از به حداکثر رسیدن ارزش، موارد استفاده و قابلیتها باید به عنوان «محصولات سازمانی» طراحی شوند تا مجدداً در حوزههای دیگر مورد استفاده قرار گیرند. به عنوان مثال استقرار سرویسهای خرد که وظایف مجزایی مانند جمعآوری اسناد و تأیید شناسه را بر عهده دارند میتوانند از ثبات در نحوة انجام کارها در سازمان اطمینان حاصل کنند. APIها نیز باید مستند شده و برای استفاده مجدد فهرستبندی شوند. APIهای حوزه محور یا محصول محور (به عنوان مثال بازیابی اطلاعات مشتری از یک محل ذخیره اطلاعات مشتری) قابلیت استفاده مجدد بالاتری دارند و در مقایسه با طراحی API سفر محور، از قابلیت سطح سازمانی برخوردارند؛ مثلاً در جایی که API از بازیابی اطلاعات مشتری در یک سفر خاص توسط تلفن همراه پشتیبانی میکند.
پلتفرمی مدرن و مقیاسپذیر برای استفاده در زمینة داده و تجزیه و تحلیل
ارائه پیشنهادات بسیار شخصیسازیشده به صورت آنی مستلزم قابلیتهای تصمیمگیری مبتنی بر هوش مصنوعی است که توسط داراییهای قوی داده پشتیبانی میشود. علاوه بر این توسعه در مقیاس مدلهای یادگیری ماشین (ML) که این مدلها به شرایط آنی آگاه هستند، نیاز به ابزارهای اتوماسیون DevSecOps و عملیاتهای یادگیری ماشین (MLOps) دارند تا یکپارچگی مداوم سازگار و ایمن (CI) و پیادهسازی مداوم (CD) را فعالسازی کنند. این امر مستلزم سازماندهی پیچیده در طول سیستمهای منبع، پلتفرمهای داده و علوم داده است تا آزمایش کردن در محیط آزمایشگاه و تولید کارخانهای را امکانپذیر کند. این امر به ویژه در یک محیط با مقررات زیاد که در آن مشارکت امنیت، حسابرسی، ریسک و سایر وظایف که در بسیاری از مراحل فرآیند ضروری هستند، پیچیده است.
ترکیب حلقههای فیدبک با سیستمهای کانال، مدلها را قادر میسازد تا عملکرد خروجی را ارزیابی کرده و تنظیمات خودکارسازیشده را برای افزایش اثربخشی پیامهای شخصیسازیشده انجام دهند؛ بنابراین سازمان میتواند پیشنهادات شخصیسازیشده را تقریباً فوری ایجاد کند. به عنوان مثال در مورد پیشنهادات مبتنی بر موقعیت مکانی برای محصولات مجاور، یک سازمان باید بتواند موقعیت مکانی مشتری و ترجیحات مشتری (همانطور که در تراکنشهای قبلی نشان داده شده است) را با پیشنهادات از پیش تعیین شده از سمت تجار مشارکتکننده نزدیک به موقعیت مکانی پوشش دهد. با توجه به زیرساختهای ترکیبی مقیاسپذیر با استفاده از تکنولوژی ابری با گسترش مداوم مشارکت مشتریان در بسترهای بانکی و غیر بانکی، مؤسسات مالی باید زیرساختهایی با مقیاسپذیری بالا را برای پردازش تراکنشهای حجم بالا در میلی ثانیه ایجاد کنند. این قابلیت تا حدی با زیرساخت به وسیله کد، تأمین اتوماسیون سرور و فرآیندهای مدیریت قوی پیکربندی پیکربندی خودکار امکانپذیر شده است، که با هم مشکل پیکربندی «دانه برف» ناشی از پیوندهای ارگانیک و پیچیده و تغییرات ایجاد شده در طول زمان را حل میکنند.
میزبانی این محیطها بر روی یک فضای ابری شبکه توزیع شده، امکان ایجاد تعادل میان ذخیره اولیه و ظرفیت محاسبه اولیه را از یک سو و از سوی دیگر افزایش ظرفیت در صورت وجود تقاضا و بدون اختلال در سرویس را فراهم میکند. نظارت بر خود و تعمیرات و نگهداری پیشگیرانه نیز به صورت خودکار انجام میشود و اقدامات بازیابی و مقاوم سازی در برابر حوادث در پس زمینه اجرا میشود تا از کارکرد مداوم، حتی اگر حوادث از خود ترمیمی به صورت اتوماتیک گریزان باشند و نیاز به مداخله دستی باشد، اطمینان حاصل شود. در نتیجه خطر ایجاد اختلال در عملیاتهای حیاتی به حداقل میرسد و برنامههای کاربردی که با مشتری در ارتباط هستند با دسترسی و پاسخگویی بالا اجرا میشوند. ترکیبی از زیرساختهای داخلی و مبتنی بر فضای ابری به طور فزایندهای در زمینههای با حجم و فرکانس بالا مانند پردازش پرداختها، سیستم عاملهای اصلی بانکداری و سیستمهای آنبرد مشتری مورد استفاده قرار میگیرد. ایجاد حجم کاری «بر اساس فضای ابری» و با قابلیت پرتابل میدهد تا کار به مناسبترین پلتفرم منتقل شود.
پردازندههای اصلی محصول با قابل تنظیم و مقیاسپذیری بالا
به منظور حفظ ارزش پیشنهادی پیشرو که مبتنی بر قابلیتهای هوش مصنوعی و ML (یادگیری ماشین) است، بانکها باید محصولات اصلی خود را به طور مستمر ارزیابی کرده و فرصتهایی را برای نوآوری و سفارشیسازی شناسایی کنند. به همراه درک عمیق از نیازهای مشتری، که توسط تجزیه و تحلیل پیشرفته صورت میپذیرد، یک سازمان میتواند درخواستهای جدید مشتری را پیشبینی کرده و بر این اساس محصولات متمایزی را طراحی کرده و ارائه کند. نیاز به مصالحه به صورت آنی و پردازش تراکنشها به صورت شبانهروزی نیز به عنوان یک مزیت رقابتی کلیدی برای مؤسسات مالی مطرح میشود. به عنوان مثال با ظهور پلتفرمهای اصلی بانکداری نسل بعدی، سازمانها میتوانند محصولاتی را تولید کنند که برای مقیاسهای بزرگ ساخته شدهاند و میتوانند به آسانی پیکربندی شوند تا انتظارات خاص مشتریان را برآورده سازند. داشتن محیط امن و مقاوم برای حصول اطمینان از این که سازمان از امنیت سایبری مناسبی در سراسر زیرساختهای تکنولوژیک خود برخوردار است، برای مثال در زمینههای محافظت در برابر آسیبپذیریهای برنامهها، سیستم عاملها، سختافزار و شبکه، امری بسیار مهم و ضروری است.
مؤسسات مالی همچنین باید اقدامات مناسبی را برای اطمینان از داشتن امنیت در محیط و کنترل دسترسی به سیستمها و برنامههای مختلف در زیرساختهای سازمان، از جمله سرورهای خصوصی و عمومی فضای ابر و مراکز داده داخلی انجام دهند. به عنوان مثال انتقال حجم کاری از زیرساختهای مرسوم محلی به فضای ابری عمومی، مستلزم انجام اقدامات دقیق برای محافظت از دادههای مشتری، به همراه داشتن یک استراتژی قوی برای تشخیص و رفع تهدیدها و آسیبپذیریهای احتمالی است.
رویکردهای قدیمی برای ایمنسازی محیط باید با رویکردهای مدرنتری همراه باشند تا تأثیر نفوذ اشخاص دیگر را محدود کرده یا به اصطلاح «شعاع انفجار» را کاهش دهد. مجدداً با توجه به افزایش پیچیدگی تشخیص نفوذ به شبکه، تشخیص ناهنجاری و حتی بررسی مشکل پس از حوادث امنیتی، هوش مصنوعی نقش مهمی در این زمینه بازی میکند.
دگرگونی را به وسیله اولویتبندی تغییرات کلیدی آغاز کنید
برای برآوردن این خواستهها، مؤسسات مالی باید از معماری و مدل عملیاتی قدیمی به یک استراتژی خودکارسازی و مبتنی بر فضای ابری تغییر رویه دهند. ایجاد قابلیتهای تکنولوژی اصلی و دادهها بر اساس زیرساختهای بسیار اتوماتیکشده و فضای ابری ترکیبی میتواند بانک هوش مصنوعی را قادر سازد تا به سرعت و به صورت مؤثری، مقیاسپذیری را به دست آورد، چرا که قابلیتهای رقابتی و متمایزی را به این روش کسب میکند. مجموعه قابلیتهای بانک هوش مصنوعی ترکیبی از سیستمهای اصلی و قابلیتهای هوش مصنوعی و تجزیه و تحلیل در معماری یکپارچه است که برای حداکثرسازی اتوماسیون، امنیت و مقیاسپذیری طراحی شده است. رسیدن به این هدف، نیاز به یک سری ابتکارات پیچیده برای تغییر زیرساختهای تکنولوژی اصلی و دادههای سازمانی دارد. این ابتکارات بر چندین حوزة کلیدی متمرکز است: استراتژی پیشبرد تکنولوژی، معماری API مدرن و معماری جریان، پردازندهها و سیستمهای اصلی، مدیریت دادهها، زیرساختهای هوشمند و امنیت سایبری و برج کنترل.