بانک‌ها

یادگیری ماشین و خانه‌تکانی در دنیای فاینانس

نوشته شده توسط اتاق خبر راه پرداخت

همشهری اقتصاد / در سال‌های اخیر می‌توان به راحتی رد پای هوش مصنوعی و به‌ویژه یادگیری ماشین را در همه زمینه‌ها از ارزیابی‌های اعتباری گرفته تا جلوگیری از اختلاس و پیش‌بینی بازارهای بورس به‌وضوح مشاهده کرد. امروزه به نظر می‌رسد یادگیری ماشین در حال دگرگون ساختن دنیای فاینانس است و به‌زودی شاهد یک خانه‌تکانی اساسی در این حوزه خواهیم بود، طوری که پیش‌بینی می‌شود در سال‌های آینده کلیه امور مربوط به الگوسازی‌های مالی و همچنین پیش‌بینی تحولات در بازارهای مالی توسط هوش مصنوعی انجام شود و در آنها نیازی به حضور و دخالت انسان‌ها نخواهد بود. نشانه‌های صحت این ادعا را می‌توان در تصمیم‌گیری‌های اخیر بانک‌های مشهوری چون جی‌پی‌مورگان یا صندوق‌های سرمایه‌گذاری شناخته‌شده‌ای همچون من جی‌ال‌جی مشاهده کرد که بخش‌هایی به نام «مدیریت یادگیری ماشین» را در ساختار سازمانی خود تعریف کرده‌اند و در پی به‌کارگیری نیروهایی زبده و کارآمد در این بخش هستند. از سویی دیگر مقرر شده است که سال ۲۰۱۹ یکی از پیش شرط‌های انتخاب به‌عنوان یک «تحلیلگر مالی خبره» در آمریکا که از معتبرترین و کلیدی‌ترین منصب‌ها در حوزهٔ صنعت مالی در آمریکا به‌حساب می‌آید، این ویژگی باشد که داوطلبان حتماً باید دوره‌های هوش مصنوعی و یادگیری ماشین را گذرانده و نیز گواهینامه‌های لازم در این زمینه را در اختیار داشته باشند.

امروزه از یادگیری ماشین در بخش‌هایی مانند مدیریت ریسک و پیشگیری از اختلاس و کلاه‌برداری کمک گرفته می‌شود و همچنین روبات‌ها وظیفهٔ انجام برخی کارها مانند کنترل تماس‌های تلفنی مشتریان با بانک یا رسیدگی به شکایات را به جای انسان‌ها انجام می‌دهند. با این همه، در سال‌های آینده این نقش‌آفرینی به حوزه‌های هوشمندتری شامل تصمیم‌گیری‌ها و سیاست‌گذاری‌های مالی و اعتباری نیز تسری خواهد یافت و در آینده این روبات‌ها خواهند بود که الگوهای غیرعادی معاملات مالی را با هدف احتمال‌سنجی اختلاس و کلاه‌برداری کنترل خواهند کرد. به همین دلیل هم هست که امروزه شاهد آن هستیم که هم شرکت‌های مشهوری مانند آی‌بی‌ام و هم استارت‌آپ‌هایی مانند «Feedzai»(فعال در حوزهٔ پرداخت‌ها) یا «Shift technology»(فعال در حوزهٔ بیمه) و یا Monzo (یک استارت‌آپ‌بانکی فوق‌العاده موفق) یادگیری ماشین را وارد بخش‌های کلیدی فعالیت‌های خود کرده‌اند. به‌عنوان مثال، شرکت «Monzo» که از موفق‌ترین استارت‌آپ‌های بانکی در انگلستان به شمار می‌آید توانسته است با راه‌اندازی سیستم هوشمند شناسایی و کنترل معاملات و مبادلات بین کارت‌های اعتباری به‌وسیله هوش مصنوعی، میزان کلاه‌برداری‌ها از طریق کارت اعتباری را از ۸.۵ درصد در ژوئن سال ۲۰۱۶ به کمتر از ۰.۱ درصد در ژانویه ۲۰۱۷ کاهش دهد. بانک جی‌پی‌مورگان نیز موفق شده است با پیاده‌سازی نرم‌افزارهای کنترل و نظارت بر قراردادهای وام‌های تجاری توسط هوش مصنوعی در شعب خود، بیش از ۱۲ هزار برگهٔ قرارداد را در هر ثانیه کنترل و بازبینی کند، درحالی‌که تا پیش از این برای انجام این کار به ۳۶ هزار ساعت نیروی کار نیاز بود که دقت و کیفیت این فرآیند نیز بسیار پایین بود و درعین‌حال هزینهٔ بسیار زیادی را بر بانک تحمیل می‌کرد.

هوش مصنوعی چگونه به بازارهای مالی کمک خواهد کرد؟

نقش‌آفرینی پررنگ‌تر یادگیری ماشین و هوش مصنوعی در بخش مالی و ورود ماشین‌های پیشرفته‌تر به عرصه‌های مختلف مرتبط با فاینانس موجب خواهد شد تا الگوریتم‌هایی که نه توسط انسان‌ها بلکه به‌وسیلهٔ ماشین‌های فوق پیشرفته طراحی شده‌اند، زمام امور را در دنیای سرمایه و سهام در دست بگیرند و کارهایی را که همیشه توسط انسان‌ها انجام می‌شده، به انجام رسانند.

یادگیری ماشین دارای کاربردهای فزاینده‌ای در خودکارسازی تصمیم‌گیری‌های مالی بوده و هست، طوری که هم‌اکنون از ماشین‌ها و روبات‌ها برای ارزیابی اعتبارپذیری مشتریان بانک‌ها یا اعتمادپذیری بیمه‌گذاران در صنعت بیمه استفاده می‌شود. در حال حاضر هوش مصنوعی این امکان را برای مؤسسات و سازمان‌ها فراهم آورده است تا با پردازش حجم عظیمی از اطلاعات و داده‌ها در کوتاه‌ترین زمان و بالاترین دقت ممکن بهترین و دقیق‌ترین تصویر ممکن از وضعیت مشتریان و شرکای بالقوه را تهیه و قدرت تصمیم‌گیری فوق‌العاده‌ای را به صاحبان صنایع یا مدیران شرکت‌ها اعطا کنند. به‌عنوان مثال، شرکت لیموناد که یک استارت‌آپ نوآور و مبتکر در زمینه بیمه است، توانسته است با استفاده از هوش مصنوعی و یادگیری ماشین به موفقیت‌های چشمگیری در زمینه فروش قراردادهای بیمه و همچنین مدیریت و رسیدگی به دعاوی بیمه‌ای موکلان خود دست یابد.

بانک مشهور گلدمن ساکس نیز از جمله مؤسسات پیشرو در زمینه بهره‌گیری از یادگیری ماشین در تصمیم‌گیری‌ها و عملیات جاری به شمار می‌آید. در حال حاضر بانک گلدمن ساکس از سیستم‌های پیشرفته پردازش زبانی برای کنترل هزاران گزارش تحلیلی ارائه‌شده به بانک در ارتباط با عملکردها و تصمیمات اتخاذشده استفاده می‌کند. علاوه‌بر این گلدمن ساکس در یک استارت‌آپ پیشرو به نام «کنشو» «Kensho» سرمایه‌گذاری کرده است که متخصص چگونگی تأثیرگذاری حوادث طبیعی بر ارزش سهام بر اساس داده‌های مربوط به حوادث گذشته است و اطلاعاتی که از این طریق در اختیار گلدمن ساکس قرار می‌گیرد، آن را به بازیگری قدرتمند در دنیای پیش‌بینی تحولات بورس تبدیل کرده است.

درمجموع، نقش‌آفرینی پررنگ‌تر یادگیری ماشین و هوش مصنوعی در بخش مالی و ورود ماشین‌های پیشرفته‌تر به عرصه‌های مختلف مرتبط با فاینانس موجب خواهد شد تا الگوریتم‌هایی که نه توسط انسان‌ها بلکه به‌وسیلهٔ ماشین‌های فوق پیشرفته طراحی شده‌اند، زمام امور را در دنیای سرمایه و سهام در دست بگیرند و کارهایی را که همیشه توسط انسان‌ها انجام می‌شده، به انجام رسانند و صنعت مالی را به افق‌هایی رهنمون سازند که تا پیش از این و به دلیل محدود بودن توان ذهنی و عملیاتی نیروی انسانی مؤسسات و سازمان‌های مالی، غیرقابل دسترس و دور از ذهن به نظر می‌رسید.

منبع: اکونومیست

درباره نویسنده

اتاق خبر راه پرداخت

در اتاق خبر راه پرداخت ما همه خبر‌های قابل انتشار مربوط به صنعت بانکداری و پرداخت الکترونیک ایران را در راه پرداخت منتشر می‌کنیم. ما در راه پرداخت تلاش می‌کنیم بیش و پیش از خبررسانی، تحلیل ارائه کنیم. اما مخاطبان ما می‌توانند از طریق اتاق خبر در جریان مهم‌ترین رویدادها و روندها هم قرار بگیرند.

دیدگاهتان را بنویسید