پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
مدت زمان زیادی است که فناوری‌های هوش مصنوعی و یادگیری ماشینی بیش از همه به حوزه مالی پرداخته‌اند. در حقیقت، پس از جنگ جهانی دوم، دولت‌های سراسر جهان با همکاری با مؤسسات خصوصی و دولتی قصد توسعه زیرساخت‌های مالی سطح بالا برای بهبود وضعیت اقتصادی را داشتند.
این جریان تا امروز ادامه داشته و فناوری‌های هوش مصنوعی و یادگیری ماشینی هم تأثیرات به‌سزایی در حوزه مالی داشته‌اند. در ادامه به هفت مورد از این تأثیرات اشاره می‌کنیم:
.
1- شناخت و درک بزرگ داده‌ها
عملکرد کامپیوترها در جمع‌آوری و ذخیره اطلاعات بسیار عالی است و هزینه کم این ذخیره‌سازی‌ها، به این معنی است که شرکت‌های مالی بیش از پیش ذخیره‌سازی می‌کنند. هرچند که استفاده کاربردی و شناخت این اطلاعات دشوار است مخصوصا که نیروی انسانی با مجموعه داده‌های بسیار گسترده‌ای سروکار دارد.
هوش مصنوعی، به‌ویژه زمانی که با یادگیری ماشینی ترکیب شود، می‌تواند در یافتن سیگنال‌های کوچک در مجموعه داده‌های بزرگ و گسترده، بسیار عالی باشد.
.
2- قانون و قانون‌گذاری
صنعت مالی با قوانین و مقررات پیچیده‌ای سروکار دارد. یک گزارش مناسب، از مبانی حفظ سازگاری شرکت‌ها است و استفاده از هوش مصنوعی می‌تواند به خودکارسازی این فرایند کمک کند.
همچنین شرکت‌ها می‌توانند از سیستم‌های کامپیوتری برای اطمینان از عملکرد مناسب تمام بخش‌های کسب‌وکار، استفاده کنند و به این ترتیب، شناسایی برخی انحرافات از جریان عملیات اصلی، می‌تواند به شرکت‌ها در شناسایی مشکلات بالقوه و رفع آن کمک کند.
.
3- جذب مشتریان
چندین دهه است که مردم شکایت می‌کنند از اینکه با یک شماره مخصوص سرویس به مشتری تماس می‌گیرند و با یک سیستم پاسخ‌گویی خودکار روبه‌رو می‌شوند. سیستم‌های قدیمی خسته‌کننده بودند و گوش دادن به منوی طولانی، مخصوصا برای انجام کارهای جزئی، بسیار خسته‌کننده بود.
هوش مصنوعی اینجا وارد میدان می‌شود و با استفاده از مرورگرهای وب و بر روی تلفن‌های هوشمند، انقلابی در این سیستم‌های رابط به‌وجود آورد.
تجزیه‌وتحلیل سیستم زبانی پیشرفته باعث می‌شود که ربات‌های مجازی ارائه سرویس به مشتری، بتوانند با ارائه ارزش‌های واقعی، سیستم ارتباط تلفنی را دوستانه‌تر کنند.
.
4- ارتباط مستقیم هوش مصنوعی با مشتری
تحقیقات هوش مصنوعی که در صنعت مالی انجام می‌شود، معمولا با سرورها سروکار دارد. همچنین شرکت‌ها نیز روی فناوری‌هایی که ارتباط مستقیم با مشتری دارد، بیشتر سرمایه‌گذاری می‌کنند.
برای مثال، تلفن‌های هوشمند، بیش از پیش به‌عنوان دستیاران شخصی مورد استفاده قرار می‌گیرند و مشاوره مالی از طریق گوشی‌های هوشمند، می‌تواند روش بسیار خوبی برای بهبود عادات مالی مشتریان باشد.
درواقع یک دستیار شخصی می‌تواند به مشتری کمک کند تا تصمیمات عقلانه‌تری با پول خود بگیرد. افزایش اعتماد مشتری می‌تواند منجر به افزایش ثبات کسب‌وکاری شود و برنامه‌هایی که باعث افزایش تصمیم‌گیری‌های منطقی می‌شوند، می‌توانند به ایجاد یک اقتصاد قوی‌تر کمک کنند.
.
5- تصمیمات متناقض
در کل اقتصاد بر این فرض است که افراد و سازمان‌ها به سمت تصمیم‌گیری‌های بهینه و مطلوب بروند. اما باید گفت که بخش‌های نامطلوب غیرمنطقی هم بسیار زیاد است.
به همین دلیل هم فرضیه‌هایی که به رفتارهای عقلایی و منطقی تکیه می‌کنند، اغلب نتایج واقعی ارائه نمی‌دهند. هوش مصنوعی و یادگیری ماشینی می‌تواند بدون در نظر گرفتن این امر که همه تصمیمات به‌طور منطقی انجام می‌شود، داده‌ها را تجزیه‌وتحلیل کند و این امر می‌تواند به اطلاعاتی منجر شود که هیچ انسانی قادر به کشف آن نخواهد بود.
.
6- شناسایی تقلب
متقلبان و مجرمان افراد بسیار هوشمندی هستند و کارهایی می‌توانند انجام دهند که به چشم دیگر انسان‌ها کاملا قانونی است. اما هوش مصنوعی اینطور نیست و نمی‌شود آن را گول زد و چیزهایی را می‌بیند که هیچ چشم انسانی قادر به دیدنش نیست.
با استفاده از هوش مصنوعی، مؤسسات مالی می‌توانند از همان ابتدا فعالیت‌ها مشکوک را شناسایی کنند و مانع از انجام تراکنش‌های مشکوک شوند.
زمانی که صبحت از تقلب می‌شود، فرایند کپی‌رایت، مقوله بسیار رایجی است. اما یادگیری ماشینی می‌تواند ابزار قدرتمندی برای جلوگیری از فعالیت‌های جعلی در آینده باشد.
اگر از این ابزارها به‌طور منظم استفاده شود، می‌تواند انجام کلاهبرداری‌های احتمالی را در آینده بگیرد و به این ترتیب، صنعت مالی به‌طور کلی پایدارتر می‌شود.
.
7- الگوریتم‌های تجاری
مدت‌ها است که الگوریتم‌های تجاری پیشرفته بازارهای جهانی را اداره می‌کنند. گرچه اتوماسیون در جهان تجارت حاکم است، با این حال، الگوریتم‌های پیچیده‌تر به استدلال‌های هوش مصنوعی پایه می‌پردازند.
یادگیری ماشینی هم با هدف ایجاد تغییر در هنجار به‌وجود آمده است و این تغییر را با تمرکز بیشتر روی تصمیم‌گیری‌های مبتنی بر داده‌های سخت، و نه تئوری‌های تجارت، می‌گیرد.
با گذشت زمان این سیستم‌ها می‌توانند خودشان را به سیستم‌های کارآمردتری تبدیل کنند و سیگنال‌های کوچکی را به منجر به بهینه‌سازی بهتر می‌شود، به‌خوبی شناسایی کنند.
چه بد چه خوب، اما امور مالی هسته اصلی اقتصاد جهان را تشکیل می‌دهد. با اینکه انسان‌ها همیشه نقش مهمی در بخش‌های قانون‌گذاری و انجام تصمیم‌گیری‌های مهم داشتند، اما انجام تراکنش‌ها و تصمیمات مالی بیشتر و بیشتر دارد به سمت سیستم‌های کامپیوتری سوق پیدا می‌کند.
این بدین معنا است که سرمایه‌گذاری روی هوش مصنوعی و یادگیری ماشینی یکی از مهم‌ترین کارها در این حوزه است. خوشختانه این فناوری‌ها توانایی تثبیت، و نه بر هم زدن، صنعت مالی را دارند که این امر می‌تواند منجر به ثبات شغلی بیشتر و حتی کاهش احتمال سقوط بازار شود.
منبع: Technative
