مدیریت ریسک در بانک‌ها را می‌توان به هوش مصنوعی سپرد؟

فرامرز فیاض‌فر مدیرعامل شرکت راهکار سرزمین هوشمند

بیشتر سیستم‌های بانکداری در کشور که اکنون در حال استفاده هستند، متعلق به نسل سوم بانکداری، یعنی بانکداری الکترونیک‌اند. در این سیستم‌ها ارتباط میان مشتری و بانک یک‌سویه است؛ مشتری درخواستی ثبت می‌کند و بانک به‌صورت الکترونیکی آن را پاسخ می‌دهد؛ اما نسل پنجم بانکداری با تحول دیجیتال تعریف می‌شود، جایی که هوش مصنوعی و ارتباط دوسویه با مشتری به قلب این سیستم تبدیل‌شده است. مهم‌ترین ابعاد این تحول شامل بانکداری شخصی‌سازی‌شده (Personalized Banking) است که در آن سرویس‌ها بر اساس ذائقه و نیازهای خاص مشتری طراحی می‌شوند.

پرسونالایز بنکینگ می‌تواند با تحلیل داده‌های رفتاری مشتری، خدمات پیش‌بینی‌شده و متناسب ارائه دهد. به‌عنوان‌مثال، سیستمی که با بررسی رفتار مالی مشتری پیش‌بینی کند آیا مانده‌حساب وی برای چک‌های ماه جاری کافی است یا خیر، به افزایش رضایت و جذب مشتری کمک خواهد کرد.

در این میان هوش تجاری و پیش‌بینی‌های مبتنی بر هوش مصنوعی از اهمیت ویژه‌ای برخوردار هستند؛ ترکیب هوش تجاری (BI) با قابلیت‌های پیش‌بینی (Predictive) می‌تواند به مدیریت ریسک بانک‌ها کمک کند، به‌ویژه در زمینه اعتبارسنجی، تخصیص وام و خدمات مالی. سیستم‌های کنونی اعتبارسنجی نیازمند بازنگری و به‌کارگیری داده‌های گسترده‌تر هستند تا بتوانند ارزیابی دقیق‌تر و به‌روزی از ریسک مشتری ارائه دهند.

توجه به مسئله شناسایی تقلب در بحبوحه این تغییرات، بسیار مهم است؛ درحالی‌که سیستم‌های فعلی بیشتر بر داده‌های گذشته تمرکز دارند، بانک‌ها نیازمند فناوری‌هایی هستند که به‌صورت فعال (Active) و در لحظه وقوع تراکنش، تقلب را شناسایی کنند. به‌علاوه، پیش‌بینی رفتارهای مشکوک می‌تواند به شناسایی حساب‌های اجاره‌ای و تراکنش‌های مرتبط با فعالیت‌های غیرقانونی کمک کند.

از سوی دیگر به نقش چت‌بات‌ها و ارتباطات نوآورانه در بانکداری دیجیتال نیز باید توجه کرد. بانک‌ها در حال حرکت به‌سوی سیستم‌هایی هستند که ارتباط تعاملی مشتری با بانک را تسهیل می‌کنند. نسل جدید چت‌بات‌ها می‌توانند خدمات بانکداری را از حالت چند اپلیکیشنی به یک سیستم گفت‌وگویی یکپارچه تبدیل کنند. این تکنولوژی‌ها نه تنها کاربر را درگیر می‌کنند، بلکه داده‌های حاصل از این تعاملات می‌توانند به بهبود فرایندها و تصمیم‌گیری‌های سازمانی کمک کنند.

استفاده از هوش مصنوعی به‌عنوان مغز متفکر فرایندها، بانک‌ها را قادر می‌سازد تا مسیرهای سنتی و طولانی را کوتاه‌تر کنند. برای مثال، در فرایند درخواست تسهیلات،AI می‌تواند بسیاری از مراحل را خودکار کرده و مشتری را سریع‌تر به نتیجه برساند. این امر به بهبود رقابت‌پذیری نئوبانک‌ها و جذب سرمایه بیشتر کمک می‌کند.

تأکید بر اهمیت استفاده از هوش مصنوعی نباید ما را از چالش‌های پیش روی صنعت بانکداری و هوش مصنوعی غافل کند؛ یکی از مهم‌ترین موانع، پراکندگی داده‌ها در سیستم‌های مستقل و عدم وجود زیرساخت‌های یکپارچه است. نبود قوانین منعطف و فضای بسته تعاملات بین‌المللی نیز ازجمله موانع اصلی در این حوزه است. باید بپذیریم که تحول دیجیتال و هوش مصنوعی نیازمند سرمایه‌گذاری خارجی و تعاملات جهانی است.

از سوی دیگر نیز حاکمیت باید به‌جای محدودیت‌های مقرراتی، فضایی برای نوآوری و همکاری بین‌المللی فراهم کند. تنها در این صورت است که می‌توانیم از ظرفیت‌های کامل هوش مصنوعی و تحول دیجیتال در صنعت بانکداری بهره‌مند شویم.