ششمین نشست کافه تیف با موضوع «چارچوب آمادگی هوش مصنوعی در صنعت بانکداری» با حضور داوود محمدبیگی، مشاور بانک خاورمیانه،محمدحسین کاشی، عضو هیات مدیره شرکت ارتباطات زیرساخت،علی گل‌زاده، مدیرعامل شرکت داتا و فرامرز فیاض‌فر، مدیرعامل شرکت راهکار سرزمین هوشمند و با دبیری مسلم تقی زاده، پژوهشگر هوش مصنوعی دانشگاه تهران برگزار شد.
به گزارش روابط عمومی هلدینگ فناوری اطلاعات بانک شهر، در این نشست، صاحب‌نظران و کارشناسان با تأکید بر این نکته که تحول دیجیتال مشکلات سازمان‌ها را شناسایی کرده و آنها را به مسائل قابل حل تقسیم می‌کند، به بررسی چالش‌ها و راه‌حل‌های مرتبط پرداخته و دیدگاه‌ها و تجربیات خود را در این زمینه به اشتراک گذاشتند.
در ابتدای این نشست فرامرز فیاض‌فر، مدیرعامل شرکت راهکارهای سرزمین هوشمند، در ششمین نشست کافه تیف به بررسی تحول دیجیتال و تأثیرات آن در صنعت بانکداری پرداخت. فیاض‌فر در این راستا اظهار داشت: «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 تبدیل شده است. مهم‌ترین ابعاد این تحول شامل بانکداری شخصی‌سازی‌شده (Personalized Banking) است که در آن سرویس‌ها بر اساس ذائقه و نیازهای خاص مشتری طراحی می‌شوند.»
وی افزود: «پرسونالایز بنکینگ می‌تواند با تحلیل داده‌های رفتاری مشتری، خدمات پیش‌بینی‌شده و متناسب ارائه دهد. به‌عنوان مثال، سیستمی که با بررسی رفتار مالی مشتری پیش‌بینی کند آیا مانده حساب وی برای چک‌های ماه جاری کافی است یا خیر، به افزایش رضایت و جذب مشتری کمک خواهد کرد.»
فیاض‌فر همچنین به نقش هوش تجاری و پیش‌بینی‌های مبتنی بر هوش مصنوعی اشاره کرد و گفت: «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.»
وی درباره شناسایی تقلب نیز توضیح داد: «در حالی که 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.»
فیاض‌فر در ادامه به نقش چت‌بات‌ها و ارتباطات نوآورانه در بانکداری دیجیتال پرداخت و اظهار داشت: «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 فرآیندها و تصمیم‌گیری‌های سازمانی کمک کنند.»
وی به نقش AI در افزایش بهره‌وری نیز اشاره کرد و گفت: «استفاده از هوش مصنوعی به‌عنوان مغز متفکر فرآیندها، بانک‌ها را قادر می‌سازد تا مسیرهای سنتی و طولانی را کوتاه‌تر کنند. برای مثال، در فرآیند 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.»
فیاض‌فر همچنین درباره چالش‌های پیش روی صنعت بانکداری و هوش مصنوعی گفت: «یکی از مهم‌ترین موانع، پراکندگی داده‌ها در سیستم‌های مستقل و عدم وجود زیرساخت‌های یکپارچه است. نبود قوانین منعطف و فضای بسته تعاملات بین‌المللی نیز از جمله موانع اصلی در این حوزه است. باید بپذیریم که تحول دیجیتال و هوش مصنوعی نیازمند سرمایه‌گذاری خارجی و تعاملات جهانی است.»
او در پایان افزود: «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.»
هوش مصنوعی مولد؛ فرصتی بزرگ برای تحول دیجیتال
داوود محمدبیگی، مشاور بانک خاورمیانه نیز در ششمین نشست کافه تیف با اشاره به پیشرفت‌های اخیر در زمینه هوش مصنوعی مولد و تاثیرات آن بر تحول دیجیتال در صنعت بانکداری، توضیحاتی مهم ارائه داد. محمدبیگی با اشاره به اینکه هوش مصنوعی مولد به یک ابزار ضروری برای تحول دیجیتال در بانک‌ها تبدیل شده، گفت: «هوش مصنوعی مولد به نوعی به انسان‌ها این امکان را می‌دهد که با پرسیدن سوال‌های درست به جواب‌های هوشمند برسند. دقیقاً مثل سقراط که با پرسش‌های هوشمند به کشف حقیقت می‌پرداخت، امروز با هوش مصنوعی، کسب‌وکارها می‌توانند با پرسش‌های دقیق، ایده‌های تجاری خود را به اهداف مشخصی تبدیل کنند.»
محمدبیگی همچنین به یکی از ویژگی‌های برجسته هوش مصنوعی مولد اشاره کرد و گفت: «بزرگترین ویژگی هوش مصنوعی مولد، خلاقیت و تعامل انسان‌گونه است که در آن برخلاف هوش مصنوعی سنتی، فرایندها نه تنها به بررسی داده‌ها محدود می‌شود بلکه به خلق ایده‌های نو و ارائه راه‌حل‌های جدید هم می‌پردازد.»
وی افزود: «در هوش مصنوعی سنتی بیشتر به پیش‌بینی و تحلیل داده‌ها پرداخته می‌شد، اما در هوش مصنوعی مولد، این امکان فراهم می‌شود که سیستم‌ها به طور مستقل و خلاقانه محصولاتی جدید یا خدماتی نو ایجاد کنند. این تغییرات، به ویژه در زمینه توسعه و شخصی‌سازی خدمات، می‌تواند تحولی بزرگ در صنعت بانکداری ایجاد کند.»
وی در ادامه به اهمیت شخصی‌سازی خدمات در بانک‌ها با استفاده از هوش مصنوعی مولد اشاره کرد و گفت: «هوش مصنوعی مولد می‌تواند در شخصی‌سازی خدمات نقش کلیدی داشته باشد. امروزه بسیاری از بانک‌ها، از جمله جی‌پی مورگان و بانک‌های دیگر در دنیا، از چت‌بات‌ها و دستیارهای هوشمند برای تسهیل خدمات خود استفاده می‌کنند. این سیستم‌ها قادرند به مشتریان در مدت زمان کوتاه و به صورت هوشمند پاسخ دهند و تجربه‌ای بهتر و سریع‌تر برای مشتریان فراهم کنند.»
محمدبیگی به تجربه شرکت‌هایی مانند کلارنا اشاره کرد که از دستیارهای هوشمند استفاده کرده‌اند. وی افزود: «این دستیارهای هوشمند به شرکت‌ها کمک کرده‌اند تا خدمات به مشتریان را سریع‌تر و کارآمدتر ارائه دهند. در نتیجه، این ابزارها به بانک‌ها و شرکت‌های بزرگ کمک می‌کنند تا زمان پاسخ‌دهی به مشتریان را به شدت کاهش دهند.»
محمدبیگی همچنین بر لزوم توسعه محصولات جدید توسط هوش مصنوعی تأکید کرد و گفت: «هوش مصنوعی مولد می‌تواند به توسعه و شکل‌گیری محصولات جدید کمک کند. این محصولات ممکن است به قدری پیچیده و نوآورانه باشند که قبل از این، حتی فکر کردن به آنها غیرممکن به نظر می‌رسید. با توجه به پیچیدگی‌های موجود در رفتار تراکنشی افراد و تعدد سیستم‌های اطلاعاتی، هوش مصنوعی مولد می‌تواند راه‌حل‌های نوآورانه‌ای برای مشکلات موجود ارائه دهد.»
وی همچنین به برخی چالش‌ها در پذیرش هوش مصنوعی در کشور اشاره کرد و افزود: «در کشور ما هنوز یک خلاء وجود دارد. به نظر می‌رسد که بانک‌ها و شرکت‌های فعال در این حوزه نیاز به آگاهی بیشتری دارند تا جایگاه هوش مصنوعی مولد را در سبد خدمات خود پیدا کنند.»
در ادامه، محمدبیگی به مسئله مهم دیگری در صنعت بانکداری اشاره کرد: «یکی از موضوعات مهم در حوزه هوش مصنوعی، کشف تقلب و شناسایی هویت افراد است. در حالی که در کشورهای دیگر، هویت دیجیتال به طور شفاف و قانونی تعریف شده است، در کشور ما هنوز با چالش‌هایی در این زمینه مواجهیم. به عنوان مثال، هویت دیجیتال در کشور ما عمدتاً به کارت ملی محدود است و از روش‌های دیگر برای شناسایی هویت افراد استفاده نمی‌شود.»
وی با اشاره به تجربه کشورهای اروپایی در این زمینه گفت: «در اتحادیه اروپا مقررات مشخصی برای هویت دیجیتال و حریم خصوصی وجود دارد که به کسب‌وکارها کمک می‌کند تا به درستی از داده‌های مشتریان استفاده کنند. در کشور ما اما، هنوز در این زمینه خلاهایی وجود دارد که باید مورد توجه قرار گیرد.»
محمدبیگی در پایان تأکید کرد: «مسئولیت پیگیری و ایجاد برنامه‌ای جامع در زمینه هویت دیجیتال باید بر عهده سازمان‌های مرتبط، به ویژه سازمان ثبت احوال باشد تا بتوانیم در عصر دیجیتال از این مشکلات عبور کنیم.» در این نشست، محمدبیگی بر این نکته تأکید کرد که هوش مصنوعی مولد در کنار چالش‌هایی که به همراه دارد، می‌تواند فرصتی بزرگ برای تحول دیجیتال و بهبود تجربه مشتری در صنعت بانکداری باشد.
بومی‌سازی در عین پیروی از استانداردهای بین‌المللی
در ادامه این نشست تخصصی، محمدحسین کاشی، عضو هیئت‌مدیره شرکت ارتباطات زیرساخت، درباره نقش دولت و بانک مرکزی در حمایت از توسعه هوش مصنوعی و ایجاد تعادل میان نوآوری و مقررات اظهار داشت که وقتی درباره حکمرانی در حوزه هوش مصنوعی صحبت می‌کنیم، ابتدا باید تعریفی شفاف از مفهوم حکمرانی داشته باشیم. او در همین راستا اظهار داشت: «حکمرانی، در ساده‌ترین تعریف، یعنی کنترل و هدایت یک پدیده یا ساختار سازمان‌یافته در بالاترین سطح. در حوزه هوش مصنوعی، این حکمرانی باید شامل سیاست‌ها، ضوابط و چارچوب‌هایی باشد که به کاهش ریسک استفاده از این فناوری کمک کند، بهره‌وری را افزایش دهد، و مباحث اخلاقیات، عدالت، و شفافیت را در اولویت قرار دهد.»
کاشی در ادامه افزود: «حکمرانی در حوزه هوش مصنوعی پیش‌نیازهایی دارد. این پیش‌نیازها شامل سیاست‌گذاری‌های مشخص، مهارت‌های لازم، فرهنگ‌سازی، و مهم‌تر از همه زیرساخت‌های لازم برای بهره‌برداری از هوش مصنوعی است. در کشور ما، با وجود تأسیس سازمان ملی هوش مصنوعی و اقداماتی که به‌صورت پراکنده انجام شده، هنوز یک استراتژی یا سیاست متمرکز و منسجم در این زمینه وجود ندارد.»
او نقش دولت را در این حوزه چنین توصیف کرد: «دولت به‌عنوان نماینده اصلی حاکمیت، وظیفه دارد در زمینه هوش مصنوعی حمایت و سرمایه‌گذاری کند. این حمایت شامل سرمایه‌گذاری مستقیم، تدوین قوانین و سیاست‌هایی برای حکمرانی، ایجاد مشوق‌ها و کنترل پیامدهای منفی فناوری است. یکی از نکات کلیدی، توجه به اخلاقیات و حریم شخصی در کاربرد هوش مصنوعی است. همچنین، دولت باید در حوزه زیرساخت‌های فنی، به‌ویژه برای هوش مصنوعی مولد، سرمایه‌گذاری کلان انجام دهد؛ چه در زمینه تجهیزات ذخیره‌سازی و انتقال داده و چه در توسعه الگوریتم‌های بی‌طرف که جلوی سوگیری جنسیتی، قومیتی یا اقتصادی را بگیرد.»
عضو هیئت‌مدیره شرکت ارتباطات زیرساخت درباره نقش بانک مرکزی در این حوزه، توضیح داد: «بانک مرکزی به‌عنوان نهاد تسهیل‌گر و تنظیم‌گر، وظیفه دارد مراودات مالی را در بستر ایجادشده توسط دولت کنترل کند. این شامل نظارت بر اعتباردهی و اعتبارسنجی مشتریان، تدوین استانداردهای امنیتی و حفاظت از اطلاعات کاربران است. همچنین، بانک مرکزی باید سطح دسترسی به داده‌ها را مشخص کند تا حداقل داده‌های لازم برای کسب‌وکارها و بانک‌ها به اشتراک گذاشته شود. این نهاد می‌تواند با یکپارچه‌سازی داده‌ها از هدررفت هزینه‌ها جلوگیری کرده و به استارتاپ‌ها و شرکت‌ها کمک کند از داده‌ها در راستای توسعه خدمات استفاده کنند.»
او در خصوص تعامل میان نوآوری و مقررات گفت: «یکی از چالش‌های همیشگی این است که مقررات معمولاً نسبت به نوآوری عقب‌تر هستند. راه‌حل این مشکل، انعطاف در قوانین همراه با نظارت دقیق‌تر است. ایجاد سازوکارهایی مانند سندباکس می‌تواند به کسب‌وکارها اجازه دهد در محیطی کنترل‌شده و تحت نظارت، نوآوری کنند. قانون‌گذاران نیز باید آماده پذیرش اصلاحات در قوانین برای تسهیل رشد نوآوری باشند.»
محمد حسین کاشی در بخش دیگری از سخنان خود به شفافیت، امنیت و اخلاق در حکمرانی هوش مصنوعی اشاره کرد و گفت: «برای تضمین شفافیت، باید مقرراتی تدوین شود که الگوریتم‌ها، نحوه دسترسی به آنها، و گردش اطلاعات را شفاف‌سازی کند. در حوزه امنیت نیز، استانداردهایی نظیر ایزو 27001 و سایر پروتکل‌های بین‌المللی می‌توانند برای رمزنگاری، انتقال داده، و تست‌های امنیتی مداوم استفاده شوند. همچنین، جلوگیری از سوگیری داده‌ها و الگوریتم‌ها و تضمین بی‌طرفی اطلاعات از وظایف اصلی حکمرانی هوش مصنوعی است.»
او همچنین بر اهمیت بومی‌سازی و توجه به استانداردهای بین‌المللی تأکید کرد و گفت :«بومی‌سازی تکنولوژی هوش مصنوعی، به‌ویژه الگوریتم‌های کلیدی، یکی از الزامات استراتژیک است. کشورهای مختلف در این زمینه رویکردهای متفاوتی دارند؛ برخی مانند چین به‌طور گسترده در تمام حوزه‌های هوش مصنوعی سرمایه‌گذاری می‌کنند، در حالی که کشورهای اروپایی بیشتر بر تدوین مقررات و استانداردها متمرکز شده‌اند. ما نیز باید استراتژی مشخصی برای ورود به باشگاه جهانی هوش مصنوعی تدوین کنیم و ضمن بومی‌سازی فناوری، از استانداردهای بین‌المللی نظیر امنیت داده و حریم خصوصی پیروی کنیم.» او در پایان تاکید کرد که بدون سیاست‌گذاری منسجم، خطر خروج نیروی انسانی ماهر و از دست رفتن ایده‌ها و نوآوری‌ها وجود دارد. انعطاف در قوانین همراه با نظارت دقیق می‌تواند این خطرات را کاهش داده و به رشد پایدار در حوزه هوش مصنوعی کمک کند.
استراتژی داده در سازمان‌های بزرگ
در ادامه نشست تخصصی کافه تیف، مدیرعامل شرکت داتا نیز حضور داشت و در خصوص استاراتژی داده در سازمان‌های بزرگ و چالش‌های حکمرانی صحبت کرد. علی گل‌زاده در بررسی استراتژی داده در سازمان‌ها به دو بخش کلیدی حاکمیت داده و مدیریت داده اشاره داشت و در این راستا، تاکید کرد که برای پیاده‌سازی استراتژی داده باید به نقش‌ها، مسئولیت‌ها، سیاست‌ها و فرایندها توجه ویژه‌ای شود. گل‌زاده در این رابطه می‌گوید: «در حاکمیت داده، باید نقش‌ها و مسئولیت‌ها به وضوح تعریف شوند و سیاست‌های کلانی که در سازمان باید پیاده‌سازی شوند، شفافیت داشته باشند.»
او با اشاره به اهمیت ایجاد یک کمیته داده‌ای برای نظارت بر سیاست‌ها و فرایندهای داده‌ای داخل سازمان‌ها افزود: «در کنار حاکمیت داده، مدیریت داده نیز نقش اساسی دارد. در این بخش، سازمان‌ها باید به سه مقوله اساسی توجه کنند: شناخت داده، اطمینان به داده، و استفاده از داده.»
در بخش مدیریت داده، گل‌زاده به چالش‌های مرتبط با شناخت داده و اطمینان از کیفیت و امنیت داده اشاره می‌کند و تاکید دارد که سازمان‌ها باید این دو مقوله را در کنار هم مورد توجه قرار دهند او در این باره گفت: «متاسفانه در سازمان‌های بزرگ، به ویژه در سیستم‌های عملیاتی که داده تولید می‌شود، کیفیت داده معمولاً نادیده گرفته می‌شود. ما برای معماری نرم‌افزار اسناد دقیقی داریم، اما برای تولید داده چنین اسنادی وجود ندارد.»
گل‌زاده همچنین به اهمیت سواد داده‌ای در سازمان‌ها اشاره می‌کند و توضیح می‌دهد: «فرهنگ داده در سازمان‌ها و توانایی کارکنان در استفاده صحیح از داده‌ها موضوعی است که غالباً در سازمان‌های بزرگ نادیده گرفته می‌شود. این سواد داده‌ای، به خصوص در رابطه با امنیت و کیفیت داده، باید تقویت شود.»
او به چالش‌های سازمان‌ها در زمینه یکپارچه‌سازی داده‌ها نیز اشاره دارد و می‌گوید: «در سازمان‌های بزرگ، داده‌های جزیره‌ای زیادی وجود دارند که یکپارچه‌سازی آنها کار دشواری است. این فرآیند نیاز به دانش فنی و کسب‌وکار بالایی دارد.»
در ادامه، گل‌زاده به مشکلاتی که در استفاده از داده‌ها برای تسهیلات آنلاین وجود دارد، پرداخت و گفت: «در حال حاضر، در سرویس‌های تسهیلات آنلاین، نرخ نکول بالا است زیرا سیستم‌های رتبه‌بندی به درستی نمی‌توانند رفتار مالی افراد را پیش‌بینی کنند. ما با استفاده از هوش مصنوعی در حال پیاده‌سازی سیستم‌هایی هستیم که رفتار مالی افراد را به‌دقت تحلیل کنند و بر اساس آن تسهیلات مناسب را پیشنهاد دهند.»
وی همچنین از چالش‌ها در ارتباط با امنیت داده‌ها در سرویس‌های آنلاین و عدم شفافیت در سیاست‌های سازمان‌ها در خصوص استفاده از داده‌های مشتریان می‌گوید: «موضوع مهم این است که بسیاری از مشتریان نمی‌دانند که چه داده‌هایی از آنها جمع‌آوری می‌شود و چگونه از این داده‌ها استفاده می‌شود. این نقص شفافیت باید رفع شود و رضایت مشتری پیش از هرگونه استفاده از داده‌هایشان باید جلب شود.»
مدیرعامل شرکت داتا در ادامه به چالش‌های بزرگ‌تر سازمان‌ها در جذب و نگهداری نیروی متخصص در حوزه هوش مصنوعی اشاره کرد و گفت: «سازمان‌های بزرگ به دلیل ساختار پیچیده‌ای که دارند، نمی‌توانند نیروی متخصص در حوزه‌های مختلف را به راحتی نگهداری کنند. به نظر من، باید شرکت‌های بزرگ به سرمایه‌گذاری در استارتاپ‌ها و شرکت‌های تخصصی در حوزه هوش مصنوعی بپردازند و حتی ممکن است برخی از این شرکت‌ها را خودشان تاسیس کنند.»
وی همچنین با اشاره به چالش‌های مربوط به زیرساخت‌های سخت‌افزاری در زمینه هوش مصنوعی اظهار داشت: «در حال حاضر، یکی از بزرگترین مشکلات سازمان‌ها تأمین زیرساخت‌های سخت‌افزاری است. در شرایط فعلی و با وجود تحریم‌ها، خرید تجهیزات مورد نیاز برای اجرای پروژه‌های هوش مصنوعی به شدت دشوار شده است.»
گل‌زاده در نهایت تاکید دارد که یکی از راه‌های مقابله با چالش‌های موجود، تقویت فرهنگ داده در سازمان‌ها و تمرکز بر کیفیت داده‌هاست او معتقد است که ما باید به درستی از داده‌ها استفاده کنیم و از آنها در تحلیل‌ها و گزارش‌ها بهره‌برداری کنیم، و در این مسیر، به کیفیت و امنیت داده‌ها توجه ویژه‌ای داشته باشیم.
بدون دیدگاه