مشاوره دیجیتالی به کمک محاسبات شناختی

محمدمهدی اشجعی، عضو کمیسیون بانکداری دیجیتال شورای نظام صنفی رایانه‌­ای، عضو جامعه آزاد کسب‌وکار هوشمند خاورمیانه و شمال آفریقا- منا – MSBC Group / محاسبات شناختی یک اصطلاح نسبتاً جدید و به نوعی توسعه­‌ دامنه­ هوش مصنوعی است که با ترکیب عناصری مانند داده­‌های بزرگ، تجزیه و تحلیل داده‌­ها، آمار و با ترکیب پیچیده بین همه عناصر شکل جدیدی از تعامل بین انسان و ماشین­‌ها را ایجاد کرده است.

اکنون، سیستم­‌های شناختی از نظر تجاری در دسترس هستند و می‌توانند لیست فراینده­ایی از وظایفی را که قبلاً مختص انسان­‌ها بوده است، مدیریت کنند. محاسبات شناختی شکل جدیدی از محاسبات است به گونه‌ای که متشکل از سیستم­‌های رایانه­‌ای است که می­‌توانند به دانش خود اضافه کنند و این امر با یادگیری مستمر محقق می‌شود. توصیه می­‌شود که مؤسسات مالی در مدیریت ثروت برای ارائه مشاوره­‌های عمیق‌­تر، ارزشمند­تر و به صرفه­‌تر از محاسبات شناختی بهره گیرند و جایگاه محاسبات شناختی را در بطن مؤسسات مالی دریابند، نه به جهت جایگزین کردن مشاور انسانی بلکه به جهت تقویت دانش و توانایی­‌های مشاور انسانی و همچنین برای رفع محدودیت‌­های شناختی مشاور انسانی.

در صنعت خدمات مالی و به طور خاص مدیریت ثروت، نقش­‌های مختلفی برای مشاوره مالی تعریف شده است. این نقش­‌ها تحت عناوین بی­‌شماری از جمله برنامه‌ریز مالی، مشاوره سرمایه­‌گذاری، مدیر سرمایه­‌گذاری، مشاور ثروت و غیره شناخته می­‌شوند. به طور کلی، مجموع این نقش­‌ها در کنار هم «مشاور» نامیده می‌­شود. نقش‌­هایی که معمولاً تحت عنوان مشاور قرار می­‌گیرند، مسئولیت ارائه مشاوره مالی برای مشتریان را بر عهده دارند.

مشاوران برای مشاوره‌ه­ایی که ارائه می­‌دهند، ممکن است توسط سازمان­‌های مختلف نظارتی مجوز و گواهینامه بگیرند و گواهینامه‌­ها و مجوزهای خود را از طریق آزمودن مداوم و اعتبارهای آموزشی ادامه دهند. از طریق این گواهینامه‌­ها و یا مجوزها است که مشاوران، سطح پایه­‌ای از دانش فنی را حفظ می‌کنند.

اصطلاح مشاوره تعریف گسترده­‌ای است که حداقل شامل توصیه­‌های سرمایه­‌گذاری است اما غالباً فراتر از سرمایه‌گذاری است که شامل بیمه، برنامه‌ریزی مالیاتی، برنامه‌ریزی املاک، برنامه‌ریزی بازنشستگی، برنامه‌­ریزی گردش پول و بعضی اوقات برنامه­‌ریزی بودجه است. مشاوره مالی همچنین ممکن است شامل کمک به مشتری در سازماندهی (مالی و غیرمالی) و تأکید بر کمک به مشتریان در دستیابی به اهداف خاص باشد، در حالی که ارائه مشاوره مالی بر اساس دانش وسیع و بررسی خصوصیات مشتری انجام می‌­شود. مشاوران همچنین از فناوری­‌های مختلفی برای تحلیل داده‌­های مالی و تولید مؤلفه­‌های مالی کمک می‌­گیرند.

در تجزیه و تحلیل سرمایه­‌گذاری­‌ها، اکثر این ابزارها از روش مونت کارلو که از ابزارهای اصلی سرمایه­‌گذاری محسوب می‌­شود برای تجزیه و تحلیل داده استفاده می‌کنند و سپس منابع مختلف نامعلومی را که ممکن است بر ارزش آنها در طول زمان تأثیر بگذارد، شبیه‌­سازی می‌کنند. سپس این شبیه‌سازی‌­ها صدها بار اجرا می‌شوند و ابزارها تغییرات حاصل از طریق نتایج مختلف را نگاشت می‌کنند. علاوه بر این، این ابزارها به طور معمول ارزیابی ریسک مشتری یا تجزیه و تحلیل تحمل ریسک را نیز انجام می‌دهند. این ارزیابی، یک سری سؤالات را در تلاش برای تشخیص تمایل ریسک مشتری مطرح می‌کند و نمره حاصل از این تستِ خودکار به سرمایه‌گذاری خاص با همان نمره نگاشت می­‌شود.

به عنوان نمونه، اگر مشتری نمره‌­ای بسیار پایین (ریسک پایین، بسیار محافظه کار) دریافت کند، آن نمره به کلاس‌­های سرمایه­‌گذاری که به همان اندازه کم‌خطر هستند، نگاشت می‌شود مانند درآمد ثابت (اوراق قرضه). اکثر ابزارهایی که در بازار وجود دارد از ترکیبی از این مدل‌­ها برای کمک به ارائه مشاوره به مشتری استفاده می­‌کنند.

امروزه استفاده از محاسبات شناختی در ارائه مشاوره در مراحل اولیه پذیرش قرار دارد. تعداد کمی سیستم‌­های شناختی وجود دارد که در حال استفاده از توانایی­‌های تحت عنوان هوش مصنوعی و محاسبات شناختی هستند. متداول­ترین اپلیکیشن‌­ها در این حوزه شامل تجزیه و تحلیل احساسات، پیش­بینی و پردازش زبان طبیعی است. با افزایش عمق و وسعت پذیرش قابلیت­‌های شناختی، توانایی تأثیرگذاری بر همه طرف­‌های ذیربط در زنجیره ارزش ارائه مشاوره مالی تسریع می‌شود و به طرز چشم‌­گیری افزایش پیدا می‌کند.

آینده محاسبات شناختی برای خدمت به مشتری به سرعت در حال پیشرفت است. پیشرفت‌های NLP همچنان از طریق چت­‌بات­‌ها به تعامل زبان طبیعی کمک می­‌کند و از پاسخ‌­های از پیش تعیین شده و پاسخ­‌های متنی بر اساس ورودی مشتری فاصله می­‌گیرند. در واقع این بات‌­ها احساسات مشتری را درک و براساس آن پاسخ‌گویی خواهند کرد و گویی مشتری با یک انسان با اطلاعات کامل در حال مذاکره است.

توانایی این سیستم­‌ها برای یادگیری در مورد موقعیت­‌های منحصر­به‌فرد مشتری گسترش پیدا خواهد کرد و این دانش را با اطلاعاتی مستقل از مشتری مانند اقتصاد، بینش محصول یا شرایط بازار سرمایه‌­گذاری ترکیب می‌­کند. این ترکیب داده‌­ها، به ویژه داده­‌های بدون ساختار، نسل بعدی بات‌­های مشاور را قادر می‌­سازد مشاوره دیجیتالی بهتری ارائه دهند.

با رشد چند برابری محاسبات کوانتومی پیشنهاد می‌­شود بانک­‌ها و مؤسسات مالی خود را برای سطح بعدی اینترنت اشیاء کالیبره کنند. این دگردیسی دیجیتالی باعث ایجاد شیوه‌­های جدید تجاری و حتی مدل­‌های تجاری در صنعت بانکداری و خدمات مالی خواهد شد. اکنون بانک­‌ها و مؤسسات مالی قادر به جمع‌­آوری داده­‌ها از گوشی­‌های هوشمند، رسانه­‌های اجتماعی، فعالیت­‌های آنلاین و میلیاردها سنسور جدید برای ایجاد مشاغل جدید هستند.