محمد پیروی، پژوهشگر حوزه فناوری و نوآوری / ورود هوش مصنوعی مولد و عاملهای هوش مصنوعی (AI Agents) را باید یکی از مهمترین نقاط عطف تحول صنعت بانکداری در دهه اخیر دانست. برخلاف موجهای پیشین تحول دیجیتال که عمدتاً بر دیجیتالیسازی فرآیندها، توسعه کانالهای غیرحضوری یا اتوماسیون فعالیتهای عملیاتی متمرکز بودند، نسل جدید هوش مصنوعی این ظرفیت را دارد که ساختار عملیاتی، مدل ارائه خدمات و حتی منطق اقتصادی بانکها را بهطور بنیادین بازآفرینی کند. به همین دلیل، بسیاری از مؤسسات مشاوره بینالمللی از جمله BCG ،McKinsey و Accenture پیشبینی میکنند که بانکهایی که بتوانند هوش مصنوعی را بهصورت هدفمند و سازمانیافته به کار گیرند، قادر خواهند بود طی چند سال آینده بین ۳۰ تا ۴۰ درصد از هزینههای عملیاتی خود را کاهش داده و همزمان کیفیت خدمات و تجربه مشتری را نیز بهبود دهند.
با وجود این ظرفیت چشمگیر، بررسی تجربه بانکهای مختلف نشان میدهد که بخش عمدهای از پروژههای هوش مصنوعی هنوز نتوانستهاند به نتایج اقتصادی قابل توجهی منجر شوند. علت این موضوع را نباید در محدودیتهای فناوری جستجو کرد، بلکه ریشه آن در شیوه مواجهه مدیران با تحول هوش مصنوعی نهفته است. بسیاری از بانکها، هوش مصنوعی را به مجموعهای از پروژههای مستقل، آزمایشهای محدود یا پایلوتهای پراکنده تبدیل کردهاند؛ پروژههایی که هر یک بخشی از یک فرآیند را بهبود میدهند اما هیچیک مدل عملیاتی بانک را دگرگون نمیکنند. در چنین شرایطی، منابع مالی، سرمایه انسانی و تمرکز مدیریتی میان دهها ابتکار کوچک توزیع میشود، بدون آنکه اثر معناداری بر ساختار هزینه، درآمد یا مزیت رقابتی بانک ایجاد شود.
تحلیل تجربه بانکهای پیشرو و مطالعات منتشرشده در Harvard Business Review نشان میدهد که سازمانهای موفق مسیر متفاوتی را انتخاب کردهاند. آنها به جای آغاز همزمان دهها پروژه، ابتدا یک حوزه راهبردی را انتخاب کردهاند؛ حوزهای که هم سهم بالایی در هزینههای بانک داشته و هم ظرفیت ایجاد ارزش اقتصادی قابل توجهی را فراهم میکرده است. سپس تمامی منابع مدیریتی، فناوری، داده و سرمایهای خود را بر بازآفرینی کامل همان حوزه متمرکز کردهاند. نتیجه چنین رویکردی آن بوده است که هوش مصنوعی از یک ابزار بهبود بهرهوری، به پیشران بازطراحی مدل عملیاتی، کاهش هزینههای ساختاری و ایجاد مزیت رقابتی پایدار تبدیل شده است. تجربه جهانی نشان میدهد که تمرکز عمیق بر یک حوزه استراتژیک، بسیار اثربخشتر از اجرای همزمان دهها پروژه کوچک و پراکنده است.
در میان حوزههای مختلف بانکداری، شبکه شعب بدون تردید یکی از مناسبترین گزینهها برای آغاز این تحول محسوب میشود. طی دهههای گذشته، شعب بزرگترین مرکز هزینه بانکها بودهاند. سرمایهگذاری در املاک، هزینههای نگهداری، انرژی، تجهیزات، امنیت، نیروی انسانی و پشتیبانی، بخش قابل توجهی از هزینههای عملیاتی بانک را به خود اختصاص داده است. در بسیاری از بانکهای سنتی، همین ساختار موجب شده است نسبت هزینه به درآمد همچنان در سطوحی بالاتر از استانداردهای جهانی باقی بماند و بخش مهمی از منابع بانک صرف حفظ زیرساختی شود که بخش قابل توجهی از کارکردهای آن امروز قابلیت انجام از طریق فناوریهای هوشمند را دارند.
از سوی دیگر، رفتار مشتریان نیز طی سالهای اخیر دستخوش تغییرات اساسی شده است. بسیاری از خدماتی که پیشتر تنها از طریق مراجعه حضوری قابل انجام بودند، امروز از طریق تلفن همراه یا کانالهای دیجیتال ارائه میشوند و نسل جدید مشتریان انتظار دارند خدمات بانکی را بهصورت لحظهای، شخصیسازیشده و بدون وابستگی به زمان و مکان دریافت کنند. ظهور عاملهای هوش مصنوعی این روند را وارد مرحله جدیدی کرده است. این عاملها قادرند بخش عمدهای از تعاملات مشتری، پاسخگویی، راهنمایی، انجام عملیات بانکی، اعتبارسنجی اولیه، بررسی مدارک و حتی تصمیمگیریهای استاندارد را با هزینهای بسیار پایین و بهصورت شبانهروزی انجام دهند. بنابراین پرسش اصلی دیگر این نیست که چگونه شعب را کارآمدتر کنیم، بلکه این است که شعب در بانک آینده چه نقشی باید ایفا کنند.
بازآفرینی شبکه شعب به معنای حذف شعب یا جایگزینی کامل نیروی انسانی با هوش مصنوعی نیست. مسئله اصلی، بازتعریف نقش شعب در زنجیره ارزش بانک است. فعالیتهای تکرارشونده، استاندارد و کمارزش باید به عاملهای هوش مصنوعی واگذار شوند تا کارکنان شعب بتوانند بر تعاملاتی تمرکز کنند که همچنان به تخصص، اعتمادسازی، قضاوت انسانی و شناخت عمیق نیاز دارند. افتتاح حساب، مدیریت کارت، پاسخگویی به پرسشهای متداول، احراز هویت، بررسی اولیه اسناد، تشکیل پرونده تسهیلات، اعتبارسنجی اولیه و بسیاری از فرآیندهای مشابه، امروزه قابلیت انجام کاملاً خودکار را دارند. انتقال این فعالیتها به هوش مصنوعی، علاوه بر کاهش قابل توجه هزینههای عملیاتی، ظرفیت ارزشمندی از سرمایه انسانی بانک را آزاد میکند تا بر توسعه روابط با مشتریان، فروش محصولات پیچیده، ارائه مشاوره مالی و افزایش درآمدهای کارمزدی متمرکز شود.
نمونههای بینالمللی نیز نشان میدهد که بانکهای پیشرو، هوش مصنوعی را صرفاً برای کاهش زمان انجام یک فرآیند به کار نگرفتهاند، بلکه کل زنجیره ارزش خدمات خود را بازطراحی کردهاند. برای مثال، در حوزه اعطای تسهیلات، هوش مصنوعی میتواند از مرحله شناسایی مشتری، جمعآوری مدارک، ارزیابی ریسک، تحلیل توان بازپرداخت، پیشنهاد محصول مناسب و حتی ارتباط پس از پرداخت تسهیلات را بهصورت یکپارچه مدیریت کند. چنین رویکردی علاوه بر کاهش هزینه، سرعت ارائه خدمات، دقت تصمیمگیری و رضایت مشتری را نیز بهطور همزمان افزایش میدهد.
یکی از مهمترین مزیتهای تمرکز بر بازآفرینی شبکه شعب، امکان بهرهبرداری از داراییهای دادهای منحصربهفرد هر بانک است. هر بانک اطلاعات ارزشمندی درباره رفتار مشتریان، الگوهای مراجعه، تراکنشها، ویژگیهای اقتصادی و جمعیتی مناطق مختلف، ظرفیت بازارهای محلی و عملکرد مالی هر شعبه در اختیار دارد؛ دادههایی که برای رقبا قابل دسترسی نیست و بهسادگی نیز قابل تقلید نخواهد بود. ترکیب این دادهها با مدلهای پیشرفته هوش مصنوعی، امکان طراحی یک نظام تصمیمگیری هوشمند را فراهم میکند که آینده هر شعبه را بر اساس واقعیتهای بازار و نه صرفاً قضاوتهای مدیریتی تعیین میکند. بر این اساس، برخی شعب ممکن است تعطیل شوند، برخی دیگر به شعب دیجیتال کوچک تبدیل شوند و گروهی نیز به مراکز تخصصی مدیریت ثروت، مشاوره مالی یا فروش خدمات پیچیده تغییر مأموریت دهند. در این مرحله، هوش مصنوعی دیگر یک فناوری کمکی نیست، بلکه به ابزاری برای خلق مزیت رقابتی پایدار تبدیل میشود.
البته تحقق چنین تحولی، مستلزم تغییر در شیوه مدیریت پروژههای هوش مصنوعی است. بانکها باید از نگاه فناوریمحور فاصله گرفته و هوش مصنوعی را به عنوان یک برنامه تحول کسبوکار مدیریت کنند. نخستین گام، تعیین یک هدف راهبردی روشن و قابل اندازهگیری است؛ هدفی مانند کاهش معنادار هزینههای شبکه شعب، بهبود نسبت هزینه به درآمد، افزایش بهرهوری سرمایه انسانی یا ارتقای تجربه مشتری در یک افق سه تا پنجساله. سپس لازم است تیمی میانرشتهای متشکل از مدیران عملیات، فناوری اطلاعات، داده، منابع انسانی، مالی و کسبوکار مسئولیت تحقق این هدف را بر عهده گیرد. مأموریت این تیم، صرفاً توسعه مدلهای هوش مصنوعی نیست، بلکه بازطراحی کامل مدل عملیاتی شبکه شعب خواهد بود.
بدیهی است که مسیر تحول برای همه بانکها یکسان نیست. بانکهایی که مزیت رقابتی خود را بر گستردگی شبکه شعب و ارتباط نزدیک با مشتریان بنا کردهاند، احتمالاً راهبرد بازتعریف مأموریت شعب را دنبال خواهند کرد و از شعب بهعنوان مراکز مشاوره، فروش خدمات مالی پیچیده و مدیریت ارتباط با مشتری استفاده خواهند نمود. در مقابل، بانکهای کوچکتر یا بانکهای تخصصی ممکن است ترجیح دهند به جای تمرکز بر شبکه شعب، بازآفرینی یک محصول یا خدمت راهبردی را به عنوان نقطه آغاز انتخاب کنند. با این حال، برای بسیاری از بانکهای بزرگ و متوسط ایران که همچنان با ساختارهای پرهزینه، شبکه شعب گسترده و مدلهای عملیاتی سنتی مواجه هستند، بازآفرینی هوشمند شبکه شعب میتواند اثربخشترین و سریعترین مسیر برای آغاز تحول مبتنی بر هوش مصنوعی باشد؛ زیرا این حوزه هم ظرفیت بالایی برای کاهش هزینههای ساختاری دارد و هم امکان دستیابی به نتایج اقتصادی سریع، ملموس و قابل اندازهگیری را فراهم میکند.
در نهایت، تجربه جهانی یک پیام روشن برای مدیران بانکها دارد. موفقیت در عصر هوش مصنوعی بیش از آنکه به تعداد پروژههای اجراشده یا میزان سرمایهگذاری در فناوری وابسته باشد، به انتخاب صحیح نقطه تمرکز بستگی دارد. بانکهایی که منابع خود را بر بازآفرینی کامل یک حوزه راهبردی متمرکز میکنند، سریعتر از رقبا به دستاوردهای اقتصادی، بهرهوری عملیاتی و مزیت رقابتی پایدار دست خواهند یافت. از این منظر، بازآفرینی شبکه شعب صرفاً یک برنامه کاهش هزینه یا بهینهسازی عملیات نیست، بلکه نقطه آغاز بازتعریف مدل بانکداری در عصر هوش مصنوعی است؛ مدلی که در آن شعب از مراکز انجام عملیات روزمره به مراکز خلق ارزش، ارائه مشاوره تخصصی، توسعه روابط با مشتری و تقویت جایگاه رقابتی بانک تبدیل خواهند شد.
