تکنولوژی‌ها و روندها هوش مصنوعی (Artificial Intelligence) پی‌تک (PayTech)

داده‌های پرداخت و هوش مصنوعی مرکز هزینه جدیدی ایجاد کرده‌اند

باتوجه به تکنولوژی‌های جدید مانند انجام پرداخت‌های سریع‌تر، انفجار داده‌های در دسترس و چشم‌انداز رگولاتوری که دائما در حال تغییر است از عوامل تاثیرگذار در جرایم مالی است و ریسک‌های انطباق موضوعی به مراتب پرهزینه‌تر و گران‌تر نسبت به قبل شده است.

از طرف دیگر باتوجه به روندهای موجود به نظر می‌رسد که عملیات مربوط به انطباق و نظارت موسسات مالی جزو بخش‌های پرهزینه محسوب می‌شوند.

موسسات مالی بایستی بتوانند بودجه‌های انطباقشان را بدون از دست دادن توابع اولیه و کنترل کیفیتشان، مدیریت کنند. برای رسیدن به این مقصود و هدف، بسیاری از این موسسات به ناچار به سمت اتوماسیون و خودکارسازی زمان انجام کارها و انجام یک سری وظایف مانند جمع‌آوری داده‌ها و دسته‌بندی آنها می‌روند و این کار را با به کار‌گیری فناوری‌های نوآورانه‌ای مانند هوش مصنوعی و یادگیری ماشین انجام می‌دهند تا به این ترتیب زمان بسیاری را که صرف انجام کارهای تجزیه‌وتحلیل و هزینه‌هایی که برای انجام فرایندهای پرهزینه می‌شد را کاهش دهند.

از آنجایی که موسسات مالی در رقابت با دیگر موسسات هستند به همین دلیل به طور فزاینده‌ای به دنبال این هستند که چطور می‌توان از این فناوری‌ها استفاده کرد و همچنین اینکه چطور می‌توانند نهایت بهره‌بری را از هوش مصنوعی یا یادگیری ماشین برای افزایش بینش، کاهش خطای مثبت شناسایی و هزینه‌های انطباق ببرند.

اما اولویت‌بندی برای اتخاذ تصمیمات مربوط به فناوری می‌تواند موضوع چالش‌برانگیزی به‌ویژه برای موسسات مالی کوچکتر به حساب آید؛ موسساتی که برای اولین‌بار می‌خواهند پایه و بنیان استفاده از این فناوری‌ها را پایه‌گذاری کنند. اما موسسات مالی تنها جایی نیست که به فکر استفاده از فناوری‌های در حال ظهور برای مقابله با ریسک‌های جرایم مالی افتاده است.

اخیرا گروهی از رگولاتورهای آمریکایی بیانیه‌ای در خصوص تشویق موسسات مالی برای آزمایش و تست فناوری‌های جدید صادر کرده است که می‌تواند در بهبود فرایندهای مربوط به پولشویی به آنها کمک کند. هرچند که تاثیر این بیانیه‌ فراتر از اتحاذ یک سری تصمیمات مربوط به پیشگیری از جرایم مالی و فناوری‌های کشف و ردیابی پیش رفته است.

موسساتی که تصمیم به به‌کارگیری فناوری هوش مصنوعی و یادگیری ماشین کرده‌اند نه‌تنها باید به رویکرد خود در برابر ارتقای سیستم فکر کنند بلکه باید به چگونگی ارتباط میان کنترل‌ها و رگولاتورهای جدید هم فکر کنند.

برای مثال به سیستم مبتنی بر یادگیری ماشین فکر کنید. موسسات مالی باید آماده توضیح و ارائه جزئیات مدل، چگونگی عملکرد آن و شیوه اتخاذ تصمیماتی که از هیچ انطباق و قانونی تخطی نمی‌کند نیز باشند. تنها استفاده از یک سری دانشمندان داده کفایت نمی‌کند؛ هرچند که داشتن مهارت‌های بالا در فناوری موردنظر، داشتن تخصص در حوزه جرایم مالی جزو ضروریاتی است که برای رگولاتوری و اتفاقات پیچیده موردنیاز است.

تیم‌های متمرکز بر انطباق هوشمند که مسئول به‌کارگیری فناوری‌های جدید هستند باید با گروه‌های مختلف متخصصان جرایم مالی، چه داخل سازمان و چه خارج سازمان مشورت کنند تا بتوانند درنهایت به یک نقشه راه کسب‌وکاری واقع‌گرایانه مبتنی بر تجزیه‌وتحلیل و کلود برسند.

علاوه بر این فرایندها موسسات مالی باید ارائه جزئیات به رگولاتورها را هم در نظر داشته باشند؛ جزئیاتی مانند مستندسازی روش‌هایی برای چگونگی آزمایش و تست سیستم‌های یادگیری ماشین و تمام مراحل و فرایندهای تصمیم‌گیری.

منبع: Payments Source

درباره نویسنده

محدثه دهباشی

محدثه ده‌باشی فارغ‌التحصیل کارشناسی ارشد رشته زبان فرانسه از دانشگاه تربیت مدرس تهران است. او از سال 93 با راه پرداخت همکاری می‌کند

دیدگاهتان را بنویسید