سود مطلق؛ چشم‌انداز روشن هوش مصنوعی برای صنعت بانکداری/ تهدید بزرگ بیخ گوش نیروی کار

به گزارش اقتصادنیوز، صنعت بانکداری، بسیار سریع‌تر از آنچه انتظار می‌رفت با رویکردهای سنتی خود خداحافظی کرد. با استقرار هوش مصنوعی در این صنعت، تحولات بی‌نظیری در عرصه‌های مختلف بانکداری ایجاد شد و چگونگی عملکرد بانک‌ها، تعامل با مشتریان و مدیریت ریسک‌ها به صورت کامل تغییر کرد. از سال 2023 نزدیک به 75 درصد از بانک‌های فعال در سطح بین‌المللی، راه‌حل‌های مبتنی بر هوش مصنوعی را حداقل در یک منطقه عملیاتی اجرایی کرده‌اند. این پذیرش گسترده، از پتانسیل صرفه‌جویی قابل ‌توجه در هزینه‌ها و بهبود کارایی سرچشمه گرفته است. هوش مصنوعی، موجب شده بانک‌ها تا سالانه میلیاردها دلار صرفه‌جویی و در نهایت، پس‌انداز کنند.

این رویکرد، به افزایش سودآوری بانک‌ها منجر شده و تا سطح بسیار زیادی بانک‌ها را ثروتمندتر کرده است. پیش‌بینی می‌شود هوش مصنوعی مولد در صنعت بانکداری به تنهایی 200 تا 340 میلیون دلار صرفه‌جویی سالانه ایجاد کند. این صرفه‌جویی‌ها ناشی از خودکارسازی وظایف معمول، افزایش کشف تقلب و بهبود کارایی عملیاتی است. بانک‌هایی مانند جی‌پی مورگان چیس کاهش قابل توجهی در هزینه‌های عملیاتی گزارش کرده‌اند و سیستم‌های مبتنی بر هوش مصنوعی، میزان حجم و ساعت کار قانونی را 360 هزار ساعت در سال کاهش داده‌اند. تاثیر هوش مصنوعی بر صنعت بانکداری، فراتر از صرفه‌جویی در هزینه است.

هوش مصنوعی با استقرار چت‌بات‌ها و دستیاران مجازی، خدمات مشتریان را نیز متحول کرده است. این ابزارهای هوش مصنوعی پاسخ‌های شخصی‌سازی‌شده و سریعی به درخواست‌های مشتری ارائه می‌کنند و رضایت و تعامل مشتری را به‌طور قابل توجهی بهبود می‌بخشند. روبات چت هوش مصنوعی بانک آمریکایی اریکا، از زمان راه‌اندازی خود بیش از 5/1 میلیارد تعامل را مدیریت کرده است.

این روبات، با ارائه پشتیبانی 24ساعته، زمان انتظار را کاهش می‌دهد. از نظر مدیریت ریسک نیز هوش مصنوعی توانایی بانک‌ها را برای شناسایی و جلوگیری از تقلب افزایش داده است. الگوریتم‌های هوش مصنوعی، الگوهای تراکنش را در سریع‌ترین زمان ممکن تجزیه‌وتحلیل می‌کنند و با شناسایی فعالیت‌های مشکوک، از تراکنش‌های غیرمجاز جلوگیری می‌کنند. هوش مصنوعی همچنین امتیازدهی اعتبار و تصمیمات وام‌دهی را تغییر داده است. بانک‌ها با استفاده از الگو‌های یادگیری ماشینی، می‌توانند اعتبارات را دقیق‌تر و منصفانه‌تر ارزیابی کنند و «ریسک نکول» را کاهش دهند و فرآیندهای تایید وام را بهبود بخشند.

«ریسک نکول» به «خودداری کردن از پرداخت وجه حواله، برات و مانند آن» تعبیر شده است. این ریسک زمانی اتفاق می‌افتد که در یک قرارداد مالی، یک طرف قرارداد نتواند در قبال قراردادی که بسته است، به تمام یا بخشی از تعهداتش، خواسته یا ناخواسته، عمل کند. در این شرایط می‌گویند که «نُکول» اتفاق افتاده است. ادغام هوش مصنوعی در بانکداری همچنین به توسعه محصولات و خدمات مالی جدید انجامیده است. تجزیه‌وتحلیل مبتنی بر هوش مصنوعی، بینش‌هایی را در مورد رفتار و ترجیحات مشتری ارائه می‌دهد و موجب می‌شود بانک‌ها مشاوره‌های مالی مناسب و فرصت‌های سرمایه‌گذاری را ارائه دهند. این رویکرد، وفاداری مشتری را افزایش می‌دهد و باعث رشد کسب‌وکارها می‌شود.

عقد اخوت در مسیر تکامل

به گزارش تجارت فردا، صنعت بانکداری همواره در خط مقدم پذیرش فناوری قرار داشته است. از زمان تاسیس نخستین بانک‌ها در اواخر قرون وسطی، فناوری نقش مهمی در شکل دادن به شیوه‌های بانکداری ایفا کرده است. معرفی تلگراف در قرن نوزدهم، ارتباطات را متحول کرد و به بانک‌ها این امکان را داد که اطلاعات مالی را بلافاصله در فواصل طولانی ارسال کنند. این جهش فناوری، راه را برای سیستم بانکداری مدرن هموار کرد.

در قرن بیستم، ظهور کامپیوترها تحول مهم دیگری را به همراه داشت. اتوماسیونِ فرآیندهای پشتیبان مانند حسابداری، پردازش چک و ثبت سوابق در دهه‌های 1950 و 1960 آغاز شد و کارایی و دقت را به‌طور چشمگیری بهبود بخشید. در دهه 1970، دستگاه‌های خودپرداز یا همان ATMها، با اجازه دادن به مشتریان برای دسترسی به پول نقد و انجام تراکنش‌های اساسی خارج از ساعات کاری بانکی، خدمات مشتری را دگرگون کردند. ظهور اینترنت در دهه 1990، آغاز بانکداری آنلاین بود و موجب می‌شد مشتریان حساب‌های خود را مدیریت کنند و با انتقال وجوه، قبض‌های خود را از خانه و بدون مراجعه به بانک پرداخت کنند. بانکداری اینترنتی، راحتی و دسترسی بی‌سابقه‌ای را به ارمغان آورد و زمینه را برای عصر بانکداری دیجیتال فراهم کرد.

ظهور هوش مصنوعی در بانکداری را می‌توان به اوایل دهه 2000 مربوط دانست. در ابتدا، کاربردهای هوش مصنوعی در بانکداری به اتوماسیون اولیه و تجزیه‌وتحلیل داده‌ها محدود می‌شد. با این حال، پیشرفت‌های سریع در یادگیری ماشین، پردازش زبان طبیعی و تجزیه‌وتحلیل داده‌های بزرگ در دهه گذشته به‌طور قابل ‌توجهی قابلیت‌ها و کاربردهای هوش مصنوعی را گسترش داده است. ادغام هوش مصنوعی در بانکداری را می‌توان از طریق چندین نقطه عطف کلیدی مثل چت‌بات‌ها و دستیاران مجازی، تجزیه‌وتحلیل پیش‌بینی‌کننده، تشخیص تقلب، بانکداری شخصی و بهره‌وری عملیاتی مشاهده کرد. مسیر ادغام هوش مصنوعی در بانکداری از طریق عوامل متعددی شکل گرفته که از آن جمله می‌توان به پیشرفت‌های تکنولوژیک، تغییرات نظارتی و انتظارات در حال تکامل مشتری اشاره کرد. پیشرفت‌های سریع در فناوری‌های هوش مصنوعی، از جمله یادگیری ماشینی، پردازش زبان طبیعی و شبکه‌های عصبی، ابزارهای قدرتمندی را برای بانک‌ها به منظور بهبود عملیات و خدمات خود فراهم کرده‌اند.

این فناوری‌ها موجب می‌شوند بانک‌ها حجم عظیمی از داده‌ها را پردازش و تجزیه‌وتحلیل کنند و بینش‌هایی را که پیش از این، به دست آوردن آنها غیرممکن بود، آشکار کنند. انفجار داده‌های تولیدشده از طریق تراکنش‌های بانکداری دیجیتال، رسانه‌های اجتماعی و سایر منابع نیز، یک منبع غنی از اطلاعات برای تجزیه‌وتحلیل هوش مصنوعی ایجاد کرده است. بانک‌ها در زیرساخت‌های کلان‌داده و پلت‌فرم‌های تحلیلی سرمایه‌گذاری کرده‌اند تا از این داده‌ها استفاده کنند و بینش‌های عملی به دست آورند. رگولاتورها هم به پتانسیل هوش مصنوعی برای افزایش ثبات و امنیت مالی پی برده‌اند. با حفظ استانداردهای سختگیرانه برای حفظ حریم خصوصی و امنیت داده‌ها، نهادهای نظارتی اتخاذ هوش مصنوعی را برای بهبود مدیریت ریسک، تشخیص تقلب و انطباق تشویق کرده‌اند.

این حمایت، محیطی مساعد برای نوآوری هوش مصنوعی در بانکداری ایجاد کرده است. همچنین، مشتریان امروزی خواستار تجارب بانکی یکپارچه، شخصی و کارآمد هستند. ظهور شرکت‌های فین‌تک که خدمات مالی نوآورانه و کاربرپسند ارائه می‌کنند، بانک‌های سنتی را وادار کرده تا برای رقابتی ماندن، هوش مصنوعی را مورد استفاده قرار دهند. توانایی هوش مصنوعی برای ارائه تعاملات شخصی‌سازی‌شده در زمان واقعی، این انتظارات مشتری را برآورده می‌کند. در کنار همه این موارد، بانک‌ها به شکل روزافزونی با شرکت‌های فین‌تک، ارائه‌دهندگان فناوری و موسسه‌های دانشگاهی برای تسریع پذیرش هوش مصنوعی همکاری می‌کنند. این همکاری‌ها، تخصص‌ها و منابع متنوعی را گردهم می‌آورد و با تقویت نوآوری موجب می‌شود بانک‌ها راه‌حل‌های هوش مصنوعی را به‌طور موثرتری اجرایی کنند.

چت‌بات‌ها، خدمات‌رسانی در دنیای موازی

یکی از تاثیرگذارترین کاربردهای هوش مصنوعی در بانکداری، خدمات‌رسانی به مشتریان از طریق چت‌بات‌ها و دستیاران مجازی است. این ابزارهای مبتنی بر هوش مصنوعی، نحوه تعامل بانک‌ها با مشتریان خود را به اساسی‌ترین شکل ممکن تغییر داده‌اند و تعامل، رضایت و کارایی عملیاتی را بالا برده‌اند. چت‌بات‌ها و دستیاران مجازی، برنامه‌های مبتنی بر هوش مصنوعی هستند که برای شبیه‌سازی مکالمه انسانی طراحی شده‌اند. آنها از پردازش زبان طبیعی و الگوریتم‌های یادگیری ماشینی برای درک و پاسخ به سوال‌های مشتری استفاده می‌کنند. پردازش زبان طبیعی، چت‌بات‌ها و دستیاران مجازی را قادر می‌سازد زبان انسان را درک و تفسیر کنند. این توانمندی‌ها، تجزیه‌وتحلیل پرس‌وجوی مشتری به اجزای قابل درک، شناسایی هدف و استخراج اطلاعات مرتبط را شامل می‌شود.

الگوریتم‌های یادگیری ماشینی به این ابزارهای هوش مصنوعی اجازه می‌دهند از تعاملات گذشته بیاموزند و پاسخ‌های خود را در طول زمان بهبود بخشند. بنابراین، چت‌بات‌ها با جمع‌آوری داده‌های بیشتر، در پیش‌بینی نیازهای مشتری و ارائه پاسخ‌های دقیق بهتر عمل می‌کنند. در روی دیگر سکه، ابزارهای مبتنی بر هوش مصنوعی با سیستم‌های بانک ادغام می‌شوند و به آنها امکان دسترسی به اطلاعات مشتری، تاریخچه تراکنش‌ها و جزئیات حساب را می‌دهند. این ادغام، موجب می‌شود آنها وظایفی مانند استعلام موجودی، انتقال وجه و پرداخت صورتحساب را انجام دهند. چت‌بات‌های پیشرفته و دستیاران مجازی، دارای آگاهی از زمینه هستند؛ به این معنی که می‌توانند زمینه یک مکالمه را درک کنند.

این درک، به آنها اجازه می‌دهد پاسخ‌های مرتبط‌تر و شخصی‌شده‌تری ارائه دهند و تجربه کلی مشتری را افزایش دهند. ابزارهای خدمات مشتری مبتنی بر هوش مصنوعی، به‌طور قابل توجهی تعامل مشتری را با ارائه تعاملات فوری، شخصی و مداوم افزایش می‌دهند. برخلاف عوامل انسانی، چت‌بات‌ها و دستیاران مجازی به صورت شبانه‌روزی در دسترس هستند. این در دسترس بودن، تضمین می‌کند که مشتریان می‌توانند در هر زمان کمک دریافت کنند و تعامل آنها با خدمات بانک افزایش می‌یابد. با استفاده از داده‌های مشتری، ابزارهای هوش مصنوعی می‌توانند توصیه‌های شخصی نیز ارائه دهند. آنها می‌توانند محصولات مالی مناسب را بر اساس تاریخچه معاملات و ترجیحات مشتری پیشنهاد دهند.

این ابزارها همچنین می‌توانند مکالمات را بر اساس رفتار مشتری آغاز کنند. اگر مشتری به‌طور مرتب، موجودی حساب خود را بررسی می‌کند، دستیار مجازی ممکن است تنظیم هشدارهای موجودی را پیشنهاد دهد. این رویکرد فعالانه، مشتریان را در تعامل با بانک نگه می‌دارد و به تجربه بانکی آنها ارزش می‌بخشد. چت‌بات‌ها و دستیاران مجازی می‌توانند در پلت‌فرم‌های مختلف از جمله برنامه‌های موبایل، وب‌سایت‌ها و رسانه‌های اجتماعی نیز به فعالیت بپردازند. این حضور چندکاناله تضمین می‌کند که مشتریان می‌توانند از طریق رسانه مورد نظر خود با بانک تعامل داشته باشند و تعامل را افزایش دهند.

مشتریان وفادار می‌شوند

رضایت مشتری، معیاری حیاتی برای بانک‌هاست و ابزارهای مبتنی بر هوش مصنوعی نقشی حیاتی در دستیابی به آن دارند. یکی از مهم‌ترین مزایای ابزارهای هوش مصنوعی، توانایی آنها در ارائه پاسخ‌های فوری است. مشتریان دیگر نیازی به انتظار در صف‌های طولانی یا حضور در بانک طی ساعات کاری ندارند. کمک فوری به سطوح بالاتر رضایت مشتریان از بانک‌ها منجر می‌شود. ابزارهای مبتنی بر هوش مصنوعی، کیفیت خدمات ثابتی را ارائه می‌کنند و تنوعی که می‌تواند با عوامل انسانی رخ دهد حذف می‌شود. این ثبات تضمین می‌کند که مشتریان در هر زمان که با بانک تعامل دارند، اطلاعات دقیق و خدمات قابل اعتماد دریافت می‌کنند. عوامل انسانی ممکن است مرتکب اشتباه شوند، به‌ویژه زمانی که با پرس‌وجوهای تکراری یا پیچیده سروکار دارند.

از سوی دیگر ابزارهای هوش مصنوعی سطوح بالایی از دقت را حفظ می‌کنند و احتمال خطا را کاهش می‌دهند و اعتماد مشتری را بالا می‌برند. ابزارهای هوش مصنوعی می‌توانند مجموعه وسیعی از سوالات و وظایف را، از درخواست‌های اطلاعاتی ساده گرفته تا حل مشکلات پیچیده، انجام دهند. توانایی آنها در حل سریع و دقیق مسائل باعث افزایش رضایت مشتری می‌شود. بهره‌وری عملیاتی، حوزه دیگری است که ابزارهای خدمات مشتری مبتنی بر هوش مصنوعی تاثیر عمیقی در آن دارند. چت‌بات‌ها و دستیاران مجازی مجهز به هوش مصنوعی می‌توانند فعالیت‌های روتین و تکراری مانند پاسخ به پرسش‌های متداول، بررسی مانده‌حساب‌ها و پردازش تراکنش‌ها را خودکار کنند. این اتوماسیونی شدن کارها، عوامل انسانی را آزاد می‌کند تا روی کارهای پیچیده‌تر و باارزش تمرکز کنند. بانک‌ها در زمان اوج کار، اغلب حجم بالایی از سوال‌های مشتریان را تجربه می‌کنند.

ابزارهای هوش مصنوعی می‌توانند چندین تعامل را به‌طور همزمان انجام دهند و اطمینان حاصل کنند همه مشتریان بدون فشار بیش از حد عوامل انسانی، کمک به‌موقع دریافت می‌کنند. با خودکارسازی وظایف خدمات مشتری، بانک‌ها می‌توانند هزینه‌های عملیاتی خود را به میزان قابل توجهی کاهش دهند. نیاز به تیم‌های خدمات مشتری بزرگ کاهش می‌یابد و می‌توان منابع را به دیگر حوزه‌های استراتژیک تخصیص داد. همچنین، ابزارهای هوش مصنوعی حجم زیادی از داده‌ها را از تعامل با مشتریان جمع‌آوری می‌کنند. این داده‌ها بینش‌های ارزشمندی در مورد رفتار مشتری، ترجیحات و نقاط دردناک ارائه می‌دهد. بانک‌ها می‌توانند از این بینش‌ها برای بهبود خدمات خود، تنظیم استراتژی‌های بازاریابی و اتخاذ تصمیمات تجاری آگاهانه استفاده کنند.

خداحافظی با ریسک‌های مالی

ادغام هوش مصنوعی در بانکداری، افق‌های جدیدی را برای مدیریت ریسک، به‌ویژه از طریق تجزیه‌وتحلیل پیش‌بینی‌ها، ایجاد کرده است. تجزیه‌وتحلیل پیش‌بینی‌کننده از هوش مصنوعی برای تجزیه‌وتحلیل حجم وسیعی از داده‌ها، شناسایی الگوها و پیش‌بینی‌های آگاهانه درباره رویدادهای آینده استفاده می‌کند. در بخش بانکی، این قابلیت برای پیش‌بینی روند بازار، درک رفتارهای مشتریان و مدیریت ریسک‌های مالی حیاتی است. پیش‌بینی روند بازار برای بانک‌ها به منظور باقی ماندن در چرخه رقابت و تصمیم‌گیری استراتژیک ضروری است. هوش مصنوعی این قابلیت را از طریق سازوکار‌های کلیدی مانند تجزیه‌وتحلیل داده‌ها در سریع‌ترین زمان ممکن، تجزیه‌وتحلیل احساسات و الگوهای پیش‌بینی‌کننده افزایش می‌دهد. سیستم‌های هوش مصنوعی می‌توانند داده‌ها را از منابع مختلف از جمله بازارهای مالی، مقالات خبری و رسانه‌های اجتماعی پردازش و تجزیه‌وتحلیل کنند.

هوش مصنوعی با نظارت مداوم بر این جریان‌های داده، می‌تواند روندهای نوظهور و تغییرات احتمالی بازار را شناسایی کند. الگوریتم‌های هوش مصنوعی می‌توانند داده‌های بازار سهام را برای پیش‌بینی تحرکات قیمتی، تجزیه‌وتحلیل کنند و به بانک‌ها در تصمیم‌گیری آگاهانه سرمایه‌گذاری یاری رسانند. ابزارهای تجزیه‌وتحلیل احساسات مبتنی بر هوش مصنوعی می‌توانند با تحلیل پست‌های رسانه‌های اجتماعی، مقالات خبری و سایر داده‌های متنی، احساسات عمومی را در مورد بازارها یا دارایی‌های خاص ارزیابی کنند. این تجزیه‌وتحلیل، بینش‌های ارزشمندی را در مورد احساسات بازار ارائه می‌دهد و به بانک‌ها اجازه می‌دهد واکنش‌های بازار را به رویدادهایی مانند گزارش‌های اقتصادی یا تحولات ژئوپو‌لیتیک پیش‌بینی کنند. الگو‌های یادگیری ماشینی را نیز می‌توان بر اساس داده‌های تاریخی بازار برای پیش‌بینی روندهای آینده آموزش داد.

این الگوها عوامل مختلفی از جمله شاخص‌های اقتصادی، حرکات تاریخی قیمت و حجم معاملات را برای ایجاد پیش‌بینی‌های دقیق در نظر می‌گیرند. برای مثال، هوش مصنوعی می‌تواند نرخ ارز را پیش‌بینی کند و به بانک‌ها کمک می‌کند ریسک‌های ارز خارجی را به‌طور موثرتری مدیریت کنند. درک رفتارهای مشتریان برای بانک‌ها به منظور تنظیم خدمات و مدیریت ریسک‌های مرتبط با وام‌دهی و سرمایه‌گذاری نیز بسیار مهم است. الگوریتم‌های هوش مصنوعی داده‌های تراکنش مشتری را برای شناسایی الگوها و رفتارها تجزیه‌وتحلیل می‌کنند. هوش مصنوعی با بررسی عادات خرج کردن، روند درآمد و فراوانی تراکنش‌ها می‌تواند پروفایل‌های دقیق مشتری ایجاد کند. این اطلاعات به بانک‌ها کمک می‌کند محصولات و خدمات مالی شخصی‌سازی‌شده را ارائه دهند و رضایت و وفاداری مشتریان را افزایش دهند. روش‌های سنتی امتیازدهی اعتباری، اغلب بر نقاط داده‌ای محدود مانند سابقه اعتباری و درآمد متکی هستند.

از سوی دیگر، مدل‌های امتیازدهی اعتباری مبتنی بر هوش مصنوعی، طیف گسترده‌تری از عوامل، از جمله الگوهای تراکنش، فعالیت رسانه‌های اجتماعی و حتی استفاده از گوشی‌های هوشمند را در نظر می‌گیرند. این مدل‌ها ارزیابی جامع‌تری از اعتبار ارائه می‌کنند و به بانک‌ها توانایی می‌دهند تا تصمیمات دقیق‌تری برای وام‌دهی بگیرند و ریسک نکول را کاهش دهند. هوش مصنوعی می‌تواند مشتریان را بر اساس رفتارها و ترجیحات آنها تقسیم‌بندی کند. این تقسیم‌بندی به بانک‌ها اجازه می‌دهد مشتریان پرخطری را که ممکن است مستعد عدم پرداخت وام یا درگیر شدن در فعالیت‌های متقلبانه باشند، شناسایی کنند. با هدف قرار دادن این بخش‌ها با استراتژی‌های مدیریت ریسک، بانک‌ها می‌توانند زیان‌های احتمالی را کاهش دهند.

مدیریت ریسک مالی موثر نیز برای ثبات و سودآوری بانک‌ها بسیار مهم است. تجزیه‌وتحلیل پیشگویانه مبتنی بر هوش مصنوعی، مدیریت ریسک را به روش‌هایی مانند تشخیص تقلب، پیش‌بینی نکول وام، ارزیابی استرس و انطباق با مقررات افزایش می‌دهد. ارزیابی استرس، تکنیکی است که بانک‌ها برای ارزیابی تاب‌آوری خود در شرایط نامطلوب اقتصادی استفاده می‌کنند. مدل‌های آزمون استرس مبتنی بر هوش مصنوعی می‌توانند سناریوهای مختلفی مانند رکود اقتصادی یا سقوط بازار را شبیه‌سازی کنند و تاثیر آنها را بر پورتفوی بانک مورد ارزیابی قرار دهند. این تحلیل به بانک‌ها کمک می‌کند آسیب‌پذیری‌ها را شناسایی کرده و استراتژی‌هایی برای مقاومت در برابر شوک‌های اقتصادی ایجاد کنند.

کدام بانک‌ها باهوش‌تر شده‌اند؟

ادغام هوش مصنوعی در بانکداری، خدمات مشتری، کارایی عملیاتی و مدیریت ریسک را متحول کرده است. بانک‌هایی مانند جی‌پی مورگان چیس، بانک آف آمریکا، اچ‌اس‌بی‌سی، ولز فارگو، کپیتال وان، و آربی‌سی  با استفاده از هوش مصنوعی، خدمات خود را افزایش داده‌اند و با بهبود رضایت مشتری، به نتایج بهتری دست یافته‌اند. همان‌طور که فناوری هوش مصنوعی به تکامل خود ادامه می‌دهد، نقش آن در بانکداری گسترش می‌یابد و نوآوری و تعالی بیشتر در این صنعت را نیز هدایت می‌کند. جی‌پی مورگان چیس در استفاده از هوش مصنوعی برای عملیات‌های مختلف بانکی پیشگام بوده است. یکی از ابزارهای قابل توجه مبتنی بر هوش مصنوعی که از سوی این بانک مورد استفاده قرار گرفته، CoiN یا هوش قراردادی است. این ابزار، یک دستیار مبتنی بر هوش مصنوعی است که اسناد قانونی را بررسی می‌کند و به استخراج نقاط داده‌های کلیدی می‌پردازد.

این ابزار، به‌طور قابل ‌توجهی زمان صرف‌شده برای فعالیت‌ها و فرآیندهای قانونی را به میزان 360 هزار ساعت در سال کاهش داده و با افزایش کارایی، هزینه‌ها را تا حد ممکن کاهش داده است. علاوه بر این، جی‌پی مورگان از هوش مصنوعی برای تشخیص تقلب استفاده می‌کند و الگوهای تراکنش را برای شناسایی تقلب بالقوه در سریع‌ترین زمان ممکن، تجزیه‌وتحلیل می‌کند. اریکا، دستیار مجازی مبتنی بر هوش مصنوعی بانک آمریکا، یک نمونه بارز از بهبود خدمات مشتری با هوش مصنوعی است. اریکا مشاوره مالی شخصی ارائه می‌کند، به سوال‌های مشتریان پاسخ می‌دهد و به کارهایی مانند بودجه‌بندی و پرداخت صورتحساب یاری می‌رساند. اریکا با تجزیه‌وتحلیل داده‌های مشتری، توصیه‌های متناسبی را ارائه می‌دهد که تعامل و رضایت مشتری را بهبود می‌بخشد.

بانک اچ‌اس‌بی‌سی یک دستیار مجازی مبتنی بر هوش مصنوعی با نام Amy را برای رسیدگی به سوالات معمول مشتریان معرفی کرده است. Amy به عوامل انسانی اجازه می‌دهد روی مسائل پیچیده‌تر تمرکز کنند و کارایی عملیاتی و رضایت مشتری را بهبود بخشند. اچ‌اس‌بی‌سی همچنین از هوش مصنوعی برای امتیازدهی اعتبار استفاده می‌کند و طیف وسیع‌تری از عوامل را در نظر می‌گیرد تا ارزیابی دقیق‌تری از اعتبار انجام دهد. چت روبات هوش مصنوعی بانک ولز فارگو که در برنامه تلفن همراه آن ادغام شده نیز به مشتریان در انجام کارهای مختلف مانند بررسی موجودی حساب و پرداخت کمک می‌کند. موفقیت چت‌بات این برنامه، به کاهش قابل توجه درخواست‌های مرکز تماس، افزایش تجربه مشتری و کاهش هزینه‌های عملیاتی منجر شده است.

بانک کپیتال وان نیز در دسته بانک‌هایی قرار می‌گیرد که در توسعه هوش مصنوعی و مهندسی داده پیشرو بوده است. این بانک از هوش مصنوعی برای بازاریابی شخصی و تجزیه‌وتحلیل داده‌های مشتریان برای ایجاد کمپین‌های هدفمند استفاده می‌کند. هوش مصنوعی همچنین برای کشف تقلب، شناسایی الگوهای تراکنش‌های غیرعادی و جلوگیری از فعالیت‌های کلاهبرداری استفاده می‌شود. رویال بانک کانادا (RBC) هم از هوش مصنوعی برای تقسیم‌بندی مشتریان، شناسایی مشتریان پرخطر و متناسب با آن استراتژی‌های مدیریت ریسک استفاده می‌کند. این بانک همچنین از هوش مصنوعی برای پیش‌بینی نکول وام، تجزیه‌وتحلیل داده‌های مختلف برای ارزیابی احتمال عدم پرداخت وام و اتخاذ اقدامات پیشگیرانه استفاده می‌کند.

دولت‌ها می‌دانند چه می‌خواهند

دولت‌های کشورهای مختلف جهان، نقش مهمی در حمایت از پذیرش هوش مصنوعی در صنعت بانکداری ایفا می‌کنند. دولت‌ها با تامین بودجه، توسعه چهارچوب‌های نظارتی، تقویت همکاری و سرمایه‌گذاری در آموزش و پرورش، به بانک‌ها کمک می‌کنند تا از هوش مصنوعی برای ارتقای خدمات خود، بهبود تجربه مشتری و رشد اقتصادی استفاده کنند. همان‌طور که فناوری هوش مصنوعی به تکامل خود ادامه می‌دهد، نقش دولت‌ها در حمایت از پذیرش آن به شکل فزاینده‌ای مهم می‌شود و تضمین می‌کند که بخش مالی، نوآور و رقابتی باقی می‌ماند.

دولت ایالات‌متحده یکی از فعال‌ترین دولت‌های جهان در ترویج پذیرش هوش مصنوعی در بخش مالی بوده است. وزارت خزانه‌داری این کشور، توصیه‌هایی را برای استراتژی هوش مصنوعی بخش مالی منتشر کرده که بر اهمیت همکاری بین‌المللی و داخلی بین دولت‌ها، تنظیم‌کننده‌ها و بخش خدمات مالی تاکید دارد. این وزارتخانه همچنین در سال 2024 تا سقف 500 میلیون دلار بودجه برای بانک توسعه کسب‌وکار به منظور ارائه منابع مالی و تخصص برای کمک به کسب‌وکارهای کوچک و متوسط برای پذیرش فناوری‌های دیجیتال، با تمرکز بر هوش مصنوعی، پیشنهاد کرد. دولت بریتانیا نیز چندین ابتکار را برای حمایت از پذیرش هوش مصنوعی در بانکداری به کار گرفته است. در این کشور، یک روبات چت مبتنی بر هوش مصنوعی آزمایش شده که برای کمک به صاحبان مشاغل کوچک طراحی شده تا در چالش‌های راه‌اندازی و اداره یک کسب‌وکار پیمایش کنند.

این چت‌بات که بر اساس فناوری جی‌پی‌تی 4 و شرکت اوپن ای‌‌آی ساخته شده، پاسخ‌های ساده و شخصی‌سازی‌شده‌ای را به سوالات مرتبط با موضوعاتی مثل مقررات تجاری و الزامات مالیاتی ارائه می‌کند. این ابتکار با هدف کاهش زمان و تلاش مورد نیاز برای صاحبان مشاغل برای دسترسی به اطلاعات حیاتی، در نتیجه ساده‌سازی عملیات و ارتقای رشد انجام شده است. آلمان یک استراتژی جامع برای حمایت از پذیرش هوش مصنوعی در بخش مالی اجرا کرده و دولت این کشور، استراتژی هوش مصنوعی وزارت دارایی فدرال را تدوین کرده که بر ترویج تحقیق و توسعه هوش مصنوعی، تقویت همکاری بین دانشگاه و صنعت و اطمینان از انطباق با مقررات تمرکز دارد. این استراتژی همچنین بر اهمیت حاکمیت داده، مدیریت ریسک و توسعه تخصص هوش مصنوعی در موسسه‌‌های مالی تاکید می‌کند. استرالیا هم با به‌کارگیری راه‌حل‌های مختلف، در ترویج پذیرش هوش مصنوعی از طریق صنعت بانکداری فعال بوده است.

دولت این کشور استراتژی ملی هوش مصنوعی را تدوین کرده که هدف آن هدایت نوآوری، افزایش بهره‌وری و تضمین انطباق مقررات در بخش مالی است. این استراتژی بر تقویت همکاری بین دولت، صنعت و دانشگاه و همچنین ترویج توسعه مهارت‌ها و تخصص هوش مصنوعی در موسسه‌های مالی تمرکز دارد. ژاپنی‌ها نیز همچنان پیشگام هستند. دولت ژاپن، دفتر استراتژی هوش مصنوعی را تاسیس کرده که بر ترویج تحقیق و توسعه هوش مصنوعی، تقویت همکاری بین دانشگاه و صنعت، و اطمینان از انطباق با مقررات تمرکز دارد. این استراتژی همچنین بر اهمیت حاکمیت داده، مدیریت ریسک و توسعه تخصص هوش مصنوعی در موسسه‌های مالی تاکید می‌کند. این برنامه‌ها نشان می‌دهد که دولت‌ها از استراتژی‌های مختلفی برای حمایت از پذیرش هوش مصنوعی در بانکداری استفاده می‌کنند. تامین مالی، چهارچوب‌های نظارتی، همکاری و مشارکت، آموزش و پرورش، نقش‌آفرینی مراکز نوآوری و همکاری‌های بین‌المللی از جمله این استراتژی‌ها به شمار می‌روند.

دولت‌ها برای پذیرش فناوری‌های هوش مصنوعی، از بانک‌ها و کسب‌وکارها حمایت مالی می‌کنند. این حمایت، شامل کمک‌های مالی، وام‌ها و ارائه بودجه برای تحقیق و توسعه است. دولت‌ها همچنین چهارچوب‌های نظارتی را برای اطمینان از استفاده ایمن و اخلاقی از هوش مصنوعی در بانکداری توسعه می‌دهند. این چهارچوب‌ها، شامل دستورالعمل‌هایی در مورد حفظ حریم خصوصی داده‌ها، مدیریت ریسک و انطباق با قوانین موجود است. همکاری بین دانشگاه، صنعت و نهادهای نظارتی نیز برای ترویج تحقیق و توسعه هوش مصنوعی از سوی دولت‌ها تقویت می‌شود. این اقدامات، شامل مشارکت عمومی-خصوصی و ابتکارات مشترک برای هدایت نوآوری نیز می‌شود.

نیروی کار؛ گذر از اشتغال مستقیم

به‌کارگیری ابزارهای هوش مصنوعی در صنعت بانکداری، چالش‌ها و فرصت‌هایی را برای نیروی کار ایجاد می‌کند. در حالی که خطر جابه‌جایی شغل وجود دارد، هوش مصنوعی به احتمال زیاد مشاغل را متحول می‌کند و نقش‌های جدیدی می‌آفریند که به مجموعه‌ای متفاوت از مهارت‌ها نیاز دارند. بانک‌ها با سرمایه‌گذاری در برنامه‌های مهارت‌آموزی و ارتقای مهارت، ایجاد تیم‌های مشترک انسان-هوش مصنوعی و تاکید بر نقش‌های انسان‌محور، می‌توانند انقلاب هوش مصنوعی را با موفقیت پشت سر بگذارند.

کلید موفقیت صنعت بانکداری در این چالش، در نظر گرفتن هوش مصنوعی به عنوان ابزاری برای تقویت توانایی‌های انسان به جای جایگزینی آنهاست. با اتخاذ استراتژی‌های مناسب، بانک‌ها می‌توانند از قدرت هوش مصنوعی برای ارتقای خدمات خود، بهبود کارایی عملیاتی و هدایت نوآوری استفاده کنند و در عین حال آینده‌ای پایدار و فراگیر برای نیروی کار خود در نظر بگیرند.

یکی از نگرانی‌های اصلی مرتبط با پذیرش هوش مصنوعی در صنعت بانکداری، جابه‌جایی شغلی است. نکته هراس‌انگیز آن است که چون هوش مصنوعی وظایفی را که به‌طور سنتی از سوی انسان‌ها انجام می‌شود، خودکار می‌کند، بسیاری از مشاغل از بین می‌روند و این رویکرد به اخراج گسترده کارکنان صنعت بانکداری منجر می‌شود. به عنوان مثال، روبات‌های گفت‌وگوی مبتنی بر هوش مصنوعی می‌توانند به سوالات مشتری پاسخ بگویند و نیاز به تیم‌های بزرگ ارائه‌دهنده خدمات مشتری را کاهش دهند. برای مثال، RPA می‌تواند فرآیندهای تکراری پشتیبانی مانند ورود داده‌ها و پردازش تراکنش‌ها را به صورت خودکار انجام دهد.

این اقدام، به‌طور بالقوه بر نقش‌های اداری تاثیر می‌گذارد. هوش مصنوعی در خودکارسازی فرآیندهای تکراری و پیش‌پاافتاده بهتر از انسان عمل می‌کند. پس، کارمندانی که پیش از این در چنین وظایفی مشغول به فعالیت بودند، می‌توانند در نقش‌های پیچیده‌تر و با ارزش افزوده‌تر مستقر شوند. برای مثال، نمایندگان ارائه‌دهنده خدمات مشتری می‌توانند روی رسیدگی به مسائل ظریف‌تر و پیچیده‌تر مشتری که به همدلی و قضاوت انسانی نیاز دارند، تمرکز کنند.

هوش مصنوعی می‌تواند با ارائه بینش‌ها و توصیه‌هایی که تصمیم‌گیری را بهینه می‌کند، توانایی‌های انسان را افزایش دهد. تجزیه‌وتحلیل مبتنی بر هوش مصنوعی می‌تواند به مدیران صنعت بانکداری کمک کند تا مشاوره مالی شخصی به مشتریان ارائه دهند. چنین رویکردی به کارمندان اجازه می‌دهد کارهای خود را موثرتر و کارآمدتر انجام دهند. در سوی دیگر، ادغام هوش مصنوعی موجب خلق نقش‌های جدیدی می‌شود که پیش از این وجود نداشتند. این نقش‌ها شامل دانشمندان داده، مربیان هوش مصنوعی، کارشناسان امنیت سایبری و افسران اخلاق هوش مصنوعی است. این موقعیت‌ها به مجموعه‌ای از مهارت‌ها نیاز دارند و در مدیریت و بهینه‌سازی سیستم‌های هوش مصنوعی حیاتی خواهند بود.

بانک‌های آینده چه نیروهایی می‌خواهند؟

همان‌طور که استفاده از هوش مصنوعی در صنعت بانکداری بیشتر رواج می‌یابد، مهارت‌های مورد نیاز برای کارمندان این صنعت نیز تکامل بیشتری پیدا می‌کند. کارمندان باید با ابزارها و فناوری‌های دیجیتال آشنا شوند و به آسانی این ابزارها را به کار بگیرند. این توانمندی‌ها شامل درک نحوه عملکرد سیستم‌های هوش مصنوعی و توانایی استفاده موثر از برنامه‌های کاربردی مبتنی بر هوش مصنوعی است. مهارت‌های تحلیلی برای تفسیر داده‌ها و تصمیم‌گیری آگاهانه ضروری خواهد بود.

کارمندان باید بدانند چگونه روند داده‌ها را تجزیه‌وتحلیل کنند و بینش‌های عملی به دست آورند. نقش‌های مرتبط با توسعه و نگهداری هوش مصنوعی به مهارت فنی در زمینه‌هایی مانند کدنویسی، یادگیری ماشین و علم داده نیاز دارد. کارمندان با این مهارت‌ها در ساخت و مدیریت سیستم‌های هوش مصنوعی بسیار مهم خواهند بود. همان‌طور که هوش مصنوعی وظایف معمول را بر عهده می‌گیرد، کارمندان بیشتر روی نقش‌هایی تمرکز می‌کنند که به هوش هیجانی نیاز دارند. مدیریت ارتباط با مشتری در این دسته فعالیت‌ها و نقش‌ها قرار می‌گیرند.

توانایی درک و پاسخ به احساسات مشتری یک مهارت ارزشمند به شمار می‌رود. سرعت سریع تغییرات تکنولوژیکی نیز به این معناست که کارکنان باید به یادگیری مداوم و ارتقای مهارت متعهد باشند. سازمان‌ها باید در برنامه‌های آموزشی سرمایه‌گذاری کنند تا اطمینان حاصل شود نیروی کارشان رقابتی است. اما یک نکته دیگر نیز در این زمینه بسیار مهم تلقی می‌شود.

برای هدایت موفقیت‌آمیز انقلاب هوش مصنوعی، بانک‌ها باید استراتژی‌های خاصی را در نظر بگیرند. نقش‌آفرینان این صنعت، باید در برنامه‌های مهارت‌آموزی و ارتقای مهارت سرمایه‌گذاری کنند تا به کارکنان در انتقال به نقش‌های جدید یاری رسانند. برنامه‌های آموزشی باید بر توسعه سواد دیجیتال، مهارت‌های تحلیلی و مهارت فنی تمرکز کنند. بانک‌ها با فراهم کردن فرصت‌هایی برای یادگیری مستمر، می‌توانند اطمینان حاصل کنند نیروی کارشان در ارتباط جدی با نقش‌ها و وظایفی که بر عهده دارند باقی می‌ماند و قادر به انطباق با تغییرات تکنولوژیک است.

همچنین، بانک‌ها به جای اینکه هوش مصنوعی را جایگزینی برای نیروی کار انسانی بدانند، باید روی ایجاد تیم‌های مشترک انسان-هوش مصنوعی تمرکز کنند. این تیم‌ها می‌توانند از نقاط قوت هوش مصنوعی و کارکنان برای دستیابی به نتایج مطلوب استفاده کنند. برای مثال، هوش مصنوعی می‌تواند تجزیه‌وتحلیل داده‌ها و وظایف معمول را انجام دهد، در حالی که کارکنان بر تصمیم‌گیری استراتژیک و تعامل با مشتری تمرکز می‌کنند.

در نهایت اینکه، ادغام موفقیت‌آمیز هوش مصنوعی در صنعت بانکداری، نیازمند استراتژی‌های مدیریت تغییر موثر است. بانک‌ها باید مزایای استفاده از هوش مصنوعی را به کارکنان اطلاع دهند و کاری کنند که آنها در فرآیند انتقال مشارکت داشته باشند. بانک‌ها با پرورش فرهنگ نوآوری و همکاری، می‌توانند مقاومت در برابر تغییر را کاهش دهند و از انتقال آرام اطمینان پیدا کنند.