راه پرداخت
رسانه فناوری‌های مالی ایران

هوش مصنوعی در بانکداری: ابزاری کلیدی برای باقی ماندن در عرصه‌ی رقابت

هوش مصنوعی یک اصطلاح عمومی است که شامل حوزه‌های مختلفی ازجمله یادگیری ماشین و پردازش زبان طبیعی می‌شود. این فناوری پتانسیل‌ بالایی دارد و در صنایع مختلفی مورد استفاده قرار می‌گیرد. یکی از اصلی‌ترین موارد کاربرد هوش مصنوعی، صنعت بانکداری است. تحلیلگران برآورد می‌کنند که این فناوری تا سال 2030 موجب صرفه‌جویی حدود یک تریلیون دلاری در هزینه‌های صنعت بانکداری خواهد شد.

در حال حاضر هوش مصنوعی آمادگی این را ندارد که به صورت کامل جایگزین انسان‌ها شود. اما در عوض، این فناوری قدرت نیروی کار انسانی را تقویت کرده و امکان فعالیت‌های بیشتری را برای آن‌ها فراهم می‌کند. اخیرا گزارشی از جانب سلنت (Celent) در خصوص کاربردهای هوش مصنوعی در بانکداری منتشر شده است.

در این گزارش اشاره شده که هوش مصنوعی کارمندان بانکی را از فرآیند‌های روتین و خسته کننده می‌رهاند، آن‌ها را کارآمدتر کرده و امکان انجام محاسباتی را برای آن‌ها فراهم می‌کند که برای یک انسان عادی غیرممکن است.

امروزه ظهور و پیشرفت فناوری‌هایی مانند یادگیری ماشین و پردازش زبان طبیعی، بر گستره‌ی کاربردهای هوش مصنوعی در بانکداری افزوده است. فناوری یادگیری ماشین یک متد برای تجزیه و تحلیل داده‌ها است و به صورت خودکار به ایجاد یک مدل تحلیلی می‌پردازد.

یادگیری ماشین زمانی روی می‌دهد که یک سیستم کامپیوتری با توجه به داده‌های جدید و بدون هیچگونه دخالت انسانی، اقدام به تغییر و بهبود الگوریتم‌های خود کند. فناوری یادگیری ماشین می‌تواند بسیار قدرتمندتر از یک انسان عادی، داده‌های ارائه شده را پردازش کرده و با استفاده از آن‌ها مهارت‌های خود را بهبود ببخشد. استفاده از این فناوری ممکن است به اکتشاف دیدگاه‌هایی بیانجامد که پیش از این به ذهن کسی نرسیده بود.

یکی دیگر از فناوری‌های کلیدی حوزه‌ی هوش مصنوعی، پردازش زبان طبیعی (یا همان NLP) است. پردازش زبان طبیعی به توانایی ماشین برای برقراری ارتباط با انسان از طریق زبان طبیعی اشاره می‌کند. در این حالت ورودی دستگاه حاوی یک صوت و یا متن به زبان طبیعی انسان است.

تولید زبان طبیعی (NLG) نیز به توانایی یک ماشین در تولید عبارات و جملات کلامی همانند یک انسان معمولی اشاره دارد. تولید یک عبارت صحیح به زبان انسانی در این فناوری، مستلزم مرتب‌سازی حجم عظیمی از داده‌های پیشفرض است. خروجی یک ماشین دارای توانایی تولید زبان طبیعی، می‌تواند به صورت یک عبارت صوتی و یا یک گزارش متنی (برای مثال خلاصه شده‌ای از یک گزارش مالی) باشد.

 

از میان تمامی مزایای استفاده از هوش مصنوعی در بانکداری، سه مورد زیر پررنگ‌تر هستند:

کاهش هزینه‌ها

هوش مصنوعی از جنبه‌های مختلفی می‌تواند باعث صرفه‌جویی در هزینه‌های بانکی شود. محول کردن وظایف روتین و تکراری انسانی به این فناوری، افزایش سرعت پاسخگویی، مطلع کردن کارمندان از آخرین تغییرات قوانین و همچنین صرفه‌جویی در زمان از طریق تهیه گزارش‌های بانکی، تنها چند نمونه از صرفه‌جویی در هزینه‌ها به وسیله این فناوری است.

در حال حاضر بانک نیویورک ملون (New York Mellon) صدها برنامه‌ی کامپیوتری خودکار را توسعه داده و به کار گرفته است. این ربات‌ها وظایف مختلفی ازجمله انجام وظایف تکراری، اجرای برنامه‌های خودکار برای پاسخگویی به درخواست‌های خارجی و همچنین اصلاح قالب‌بندی و اشتباهات داده‌ای در هنگام انتقال دلار را برعهده دارند.

کاهش خطر

یکی دیگر از کاربردهای هوش مصنوعی در بانکداری عبارت است از: کاهش ریسک و خطرهای مالی. این فناوری از طریق بهبود شرایط اعطای وام به کمک یادگیری ماشین، جلوگیری از انجام کلاهبرداری به کمک سیستم پیشرفته شناسایی تقلب، بهبود روند نظارت و کنترل و همچنین کاهش ریسک‌های عملیاتی از طریق افزایش دقت در رونویسی و تولید اسناد، این وظیفه را به نحو احسن انجام می‌دهد.

سیتی‌بانک (Citibank) ازجمله بانک‌هایی است که با استفاده از یادگیری ماشین و بزرگ‌داده‌ها در تلاش برای کاهش ریسک‌های مالی و عملیاتی خود است.

افزایش درآمد

هوش مصنوعی تاثیر بسزایی در افزایش درآمد و سود بانک‌ها دارد. این فناوری با ارتقای کارایی کارکنان و بهبود تجربه‌ی مشتری از طریق ارسال ایمیل‌های هدفمند و ارائه‌ی پیشنهادات مطلوب، بازدهی موسسات مالی را افزایش می‌دهد. علاوه بر این، فناوری هوش مصنوعی از طریق روش‌هایی مانند تحلیل صوتی درخواست‌های کاربران، زمینه را برای تمرکز هر چه بیشتر کارکنان بر روی آزمایش روش‌های سودآور و ارزشمندتر مهیا کرده است.

سال گذشته بانک نوردئا (Nordea) واقع در شهر استکهلم از کارکنان مجازی خود برای انجام سریع‌تر و کارآمدتر وظایف انسانی رونمایی کرد. این بانک همچنین به منظور بهبود خدمت رسانی به مشتریان، با استارت‌آپ هوش مصنوعی استونیایی فیلینگ‌استریم (Feelingstream) وارد همکاری شده است. راهکارهای مبتنی بر هوش مصنوعی فیلینگ‌استریم، پیام‌های ارسالی را تحلیل کرده و بر اساس نوع مشتریان دسته‌بندی می‌کنند؛ درنتیجه این بانک قادر است به صورت خودکار ایمیل‌های مناسب‌تری را برای هر کدام از مشتریان ارسال کند.

 

کاربردهای هوش مصنوعی در بانکداری

درحالی که بسیاری از رسانه‌ها از کاربردهای هوش مصنوعی در بانکداری سخن می‌گویند، تنها عده‌ی کمی از بانک‌ها واقعا در این زمینه فعالیت نموده و یا شروع به تحقیق کرده‌اند. در بازار رو به رشد امروزی، بانک‌ها باید برای استفاده از فرصت‌های هوش مصنوعی و ایجاد یک مزیت رقابتی برای باقی ماندن در میدان، استراتژی‌های مناسبی را تدوین کنند. در ادامه از میان انواع کاربردهای هوش مصنوعی در بانکداری به چهار مورد اصلی اشاره می‌کنیم:

تجزیه و تحلیل

فناوری تحلیل مبتنی بر هوش مصنوعی، حجم وسیعی از داده‌ها را با هدف جست‌و‌جوی الگوها، انجام گروه‌بندی‌ها و یافتن همبستگی‌ها مورد آزمایش قرار می‌دهد. همچنین هوش مصنوعی این امکان را فراهم می‌کند که صنعت تجزیه و تحلیل از حالت توصیفی مطلق به سمت پیش‌بینی نزدیک آنی حرکت کند. یادگیری ماشین می‌تواند فرآیند‌هایی ازجمله مدل‌سازی ریسک، شناسایی هویت بیومتریک، شناسایی تقلب و همچنین صدور اعتبار را بهبود ببخشد.

چت‌بات

چت‌بات یک سرویس برقراری ارتباط با مشتری است. این سرویس به وسیله‌ی الگوریتم‌های هوش مصنوعی قادر است همانند یک انسان با مشتری ارتباط برقرار کرده و به سوالات وی پاسخ دهد.

بانک آمریکا (Bank of America) به تازگی یک چت‌بات مبتنی بر هوش مصنوعی را توسعه داده است. این چت‌بات که اریکا (Erica) نام دارد قادر است از طریق پیام‌های صوتی و متنی، مشاوره‌های مالی را برای مشتریان این بانک ارائه دهد. ولز فارگو (Wells Fargo) نیز در آوریل 2017 یک چت‌بات مبتنی بر هوش مصنوعی را از طریق پلتفرم فیسبوک مسنجر راه‌اندازی کرد.

علاوه‌بر این‌ها، سافت‌بانک (SoftBank) نیز از کاربردهای هوش مصنوعی در بانکداری بی‌بهره نمانده و روبات انسان‌نمای خود با نام پپر (Pepper) را به کار گرفته است. پپر قادر است احساسات واقعی انسان‌ها را شناسایی کرده و خلق و خوی خود را مطابق با احساس هر مشتری سازگار سازد. بنا به ادعای سافت‌بانک، بیش از 2000 شرکت در سرتاسر جهان از روبات پپر به عنوان دستیاری برای خوش‌آمدگویی، اطلاع‌رسانی و همچنین هدایت بازدیدکنندگان به روشی نوآورانه استفاده می‌کنند.

اتوماسیون روباتیک (RPA)

اتوماسیون‌های روباتیک ازجمله مهم‌ترین کاربردهای هوش مصنوعی در بانکداری هستند. این دسته از تکنیک‌های اتوماسیون‌، وظایف تکراری کارمندان بانک‌ها را به عهده گرفته و از روش‌های مختلفی برای اجرای دقیق آن‌ها استفاده می‌کنند. اتوماسیون‌های روباتیک ورودی‌های خود را (چه به صورت کاغذی و چه به صورت دیجیتالی) دریافت کرده و سپس آن‌ها را بررسی می‌کنند؛ درنهایت با انجام اعمال و قواعد خاصی بر روی این ورودی‌ها آن‌ها را به سمت خروجی خود و ورودی یک فرآیند دیگر هدایت می‌کنند.

جی‌پی‌مورگان (JPMorgan) بر روی این فناوری سرمایه‌گذاری کرده است. اتوماسیون روباتیک این بانک با عنوان کوین (COiN) شناخته می‌شود. این پلتفرم اسناد حقوقی را تجزیه و تحلیل کرده و داده‌های مهم آن را با سرعت و دقتی بیشتر از یک نیروی کار انسانی استخراج می‌کند.

تولید گزارش

قابلیت تولید زبان طبیعی قادر است داده‌ها را به عباراتی قابل درک و فهم تبدیل کند؛ درنتیجه هوش مصنوعی قادر است با تلفیق حجم بزرگی از داده‌ها، گزارش و یا خلاصه‌ای از آن‌ها را ارائه کند. همچنین روبات‌های مبتنی بر هوش مصنوعی قادرند تا نکات کلیدی این گزارش‌ها را نیز به صورت خودکار شناسایی و برجسته کنند.

آژانس خبرگذاری نروژ (NTB) در سال 2015 پروژه‌ی پوشش خودکار مسابقات فوتبال از طریق فناوری تولید زبان طبیعی را راه‌اندازی کرد و درنهایت در سال 2016 موفق به راه‌اندازی پلتفرم تولید اخبار خود شد. در حال حاضر این پلتفرم در اختیار این آژانس بوده و تحت نظارت تیم روزنامه‌نگاران به کار خود ادامه می‌دهد. ضریب اطمینان این فناوری 99 درصد اعلام شده است.

منبع: Fintechnews

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.