ممکن است مشتری برای افتتاح حساب، انتقال پول یا دریافت وام همچنان به بانک مراجعه کند، اما برای انتخاب بهترین گزینه مالی دیگر سراغ کارمند شعبه یا حتی اپلیکیشن بانک نرود. او می‌تواند از یک دستیار هوش مصنوعی بخواهد نرخ‌ها را مقایسه کند، شرایط محصولات بانکی را توضیح دهد و به او در تصمیم‌گیری کمک کند. در چنین وضعیتی، بانک همچنان خدمات مالی را ارائه می‌کند، اما دیگر لزوماً نخستین جایی نیست که مشتری برای گرفتن مشورت به آن مراجعه می‌کند.
این تغییر در حال تبدیل‌شدن به یکی از مسائل جدی بانکداری جهانی است. براساس گزارش سالانه بانکداری جهانی مک‌کنزی در سال ۲۰۲۶، مشتریان بانک‌ها با سرعت بیشتری از ابزارهای هوش مصنوعی برای امور مالی استفاده می‌کنند. درحالی‌که بانک‌ها همچنان بر توسعه خدمات دیجیتال و ابزارهای هوشمند خود تمرکز دارند، بخشی از تعاملات مشتریان با خدمات مالی در خارج از محیط بانک‌ها شکل می‌گیرد.
مسئله فقط این نیست که مشتری از چه نرم‌افزاری استفاده می‌کند؛ پرسش مهم‌تر این است که چه کسی در انتخاب محصول مالی، مقایسه گزینه‌ها و شکل‌گیری تصمیم مشتری نقش اصلی را خواهد داشت؟
از هر چهار مشتری، تقریباً یک نفر برای امور مالی سراغ هوش مصنوعی می‌رود
مک‌کنزی در تازه‌ترین گزارش خود که ۱۰ نوامبر ۲۰۲۶ منتشر شده، نتایج نظرسنجی از حدود ۴۶ هزار مشتری بانکداری خرد در ۱۳ کشور را بررسی کرده است. این نظرسنجی در ژوئن ۲۰۲۶ انجام شده و کشورهایی مانند آمریکا، بریتانیا، آلمان، فرانسه، هند، برزیل، کانادا و استرالیا را در بر می‌گیرد.
نتایج نشان می‌دهد ۹۲ درصد پاسخ‌دهندگان با ابزارهای هوش مصنوعی مولد آشنایی دارند، ۵۸ درصد از آنها برای دست‌کم یک منظور از این ابزارها استفاده می‌کنند و ۲۳ درصد نیز هوش مصنوعی مولد را برای امور بانکی و مالی به کار گرفته‌اند.
به بیان ساده، استفاده از هوش مصنوعی برای تصمیم‌های مالی دیگر فقط موضوعی آزمایشی یا محدود به علاقه‌مندان فناوری نیست. بخشی از مشتریان بانک‌ها همین حالا از این ابزارها برای پاسخ‌گرفتن به پرسش‌هایی استفاده می‌کنند که پیش‌تر ممکن بود آنها را از بانک بپرسند.
اما یافته مهم‌تر گزارش به انتخاب ابزار برمی‌گردد.
براساس داده‌های مک‌کنزی، ۷۴ درصد افرادی که از هوش مصنوعی برای امور بانکی استفاده می‌کنند، سراغ ابزارهایی مانند ChatGPT، Claude و Gemini می‌روند. در مقابل، ۳۷ درصد از همین گروه از چت‌بات بانک خود استفاده می‌کنند.
این ارقام سهم بازار دو گروه از ابزارها نیستند و نباید مجموع آنها را ۱۰۰ درصد در نظر گرفت؛ زیرا یک مشتری ممکن است هم از ابزار عمومی هوش مصنوعی استفاده کند و هم از چت‌بات بانک خود. بااین‌حال، تفاوت ۷۴ و ۳۷ درصد نشان می‌دهد ابزارهای عمومی هوش مصنوعی در میان کاربران این فناوری، جایگاه مهمی برای انجام امور بانکی پیدا کرده‌اند.
در این شرایط، بانک‌ها با نوع تازه‌ای از رقابت روبه‌رو می‌شوند: رقابت برای حضور در لحظه‌ای که مشتری هنوز تصمیم نگرفته است از چه خدمتی و از کدام بانک استفاده کند.
هوش مصنوعی چقدر به زندگی مالی مشتریان راه یافته است؟
۲۳ درصد کل پاسخ‌دهندگان؛ تقریباً یک نفر از هر چهار مشتری شرکت‌کننده در نظرسنجی.
۵۸ درصد کل پاسخ‌دهندگان؛ این میزان فقط به امور بانکی محدود نیست.
۹۲ درصد کل پاسخ‌دهندگان؛ آشنایی با این ابزارها الزاماً به معنای استفاده از آنها نیست.
بانک ممکن است تراکنش را انجام دهد، اما در انتخاب آن نقشی نداشته باشد
فرض کنیم فردی می‌خواهد بخشی از پس‌انداز خود را در یک حساب بانکی نگهداری کند. او می‌تواند وارد سایت چند بانک شود، نرخ‌ها و شرایط را بخواند و گزینه‌ها را مقایسه کند. راه دیگر این است که پرسش خود را از یک دستیار هوش مصنوعی بپرسد و بخواهد تفاوت گزینه‌ها را برایش توضیح دهد.
در حالت دوم، انتخاب بانک ممکن است پیش از ورود مشتری به اپلیکیشن بانکی آغاز شده باشد. مشتری ابتدا اطلاعات را از ابزار دیگری دریافت کرده، گزینه‌ها را مقایسه کرده و سپس برای انجام عملیات به بانک مراجعه می‌کند.
در چنین الگویی، بانک همچنان حساب را نگهداری می‌کند، سپرده را می‌پذیرد و تراکنش را انجام می‌دهد، اما بخشی از ارتباطی که پیش‌تر میان بانک و مشتری وجود داشت، به پلتفرم دیگری منتقل می‌شود.
این موضوع از آن جهت اهمیت دارد که رابطه بانک و مشتری فقط از تراکنش تشکیل نشده است. بانک‌ها از طریق ارتباط مستمر با مشتری، نیازهای او را شناسایی می‌کنند، محصولات مرتبط را معرفی می‌کنند و فرصت ارائه خدمات جدید به دست می‌آورند.
اگر مشتری برای شناخت نیاز خود و مقایسه گزینه‌ها بیشتر به یک دستیار بیرونی مراجعه کند، بانک ممکن است فرصت اثرگذاری در مراحل اولیه تصمیم‌گیری را از دست بدهد. در این حالت، بانک به‌تدریج بیشتر در جایگاه ارائه‌دهنده خدمت قرار می‌گیرد تا همراه مالی مشتری.
البته داده‌های مک‌کنزی هنوز ثابت نمی‌کند که این جابه‌جایی به کاهش سهم بازار یا درآمد همه بانک‌ها منجر شده است. آنچه گزارش نشان می‌دهد، شکل‌گیری یک مسیر تازه برای دسترسی مشتری به اطلاعات و خدمات مالی است؛ مسیری که می‌تواند جایگاه بانک‌ها را در فرایند انتخاب تحت تأثیر قرار دهد.
پول شاید در بانک بماند؛ گفت‌وگوی مالی کجا شکل می‌گیرد؟
یک تصمیم مالی می‌تواند از دو مسیر آغاز شود. مسیر را عوض کنید تا ببینید بانک در کدام مرحله با مشتری روبه‌رو می‌شود.
مسیر تصمیم‌گیری را انتخاب کنید:سه ایستگاه یک تصمیم مالی
شبیه‌سازی مفهومی، نه داده رفتاریمشتری به دنبال بهترین گزینه است
می‌خواهد شرایط حساب‌ها را مقایسه کند و بداند کدام خدمت به نیازش می‌خورد.
گفت‌وگو در یک دستیار عمومی
گفت‌وگو در محیط خود بانک
بانک می‌تواند همچنان خدمت را ارائه کند
پس از انتخاب گزینه، افتتاح حساب یا اجرای عملیات همچنان می‌تواند در بانک انجام شود.
در این جابه‌جایی، چه چیزی برای بانک مهم است؟
بانک می‌فهمد مشتری چه مسئله مالی دارد.
بانک فرصت توضیح تفاوت خدمات و شرایط را دارد.
بانک ممکن است در تصمیم مشتری نقش پررنگ‌تری داشته باشد.
از کاربران هوش مصنوعی برای امور بانکی، از ابزارهای عمومی مانند ChatGPT، Claude یا Gemini استفاده می‌کنند.
از همان گروه از چت‌بات بانک خود استفاده می‌کنند. دو گروه می‌توانند هم‌پوشانی داشته باشند.
توضیح: مسیر بالا یک سناریوی فرضی برای روشن‌شدن استدلال گزارش است؛ درصدها سهم واقعی این دو «مسیر» یا میزان انتقال مشتریان از بانک نیستند.
منبع اعداد: گزارش سالانه بانکداری جهانی مک‌کنزی ۲۰۲۶؛ نظرسنجی حدود ۴۶ هزار مشتری بانکداری خرد در ۱۳ کشور، ژوئن ۲۰۲۶. این اطلاعات مربوط به ایران نیست.
هوش مصنوعی چه چیزی را از مدل درآمدی بانک‌ها تهدید می‌کند؟
اهمیت این تحول زمانی روشن‌تر می‌شود که از مرحله پاسخ‌دادن به پرسش‌های مالی فراتر برویم.
برای مثال، بسیاری از مشتریان ممکن است فرصت یا تمایل کافی برای مقایسه دائمی نرخ سود حساب‌ها و جابه‌جایی منابع خود نداشته باشند. حفظ پول در یک بانک آشنا، حتی اگر گزینه دیگری سود بیشتری بدهد، معمولاً ساده‌تر است.
اما یک دستیار هوشمند می‌تواند شرایط حساب‌های مختلف را بررسی کند، گزینه‌های دارای بازده بیشتر را به مشتری نشان دهد و در صورت برخورداری از دسترسی و مجوز لازم، حتی در انجام جابه‌جایی وجه کمک کند.
این قابلیت می‌تواند بخشی از مزیتی را که بانک‌ها از باقی‌ماندن سپرده‌ها در حساب‌های کم‌هزینه به دست می‌آورند، تحت فشار قرار دهد.
مک‌کنزی در بررسی سناریوهای مربوط به بانکداری مبتنی بر عامل‌های هوش مصنوعی به این احتمال اشاره می‌کند که اگر این ابزارها بتوانند مستقیم یا از طریق توصیه‌های خود بر جابه‌جایی تنها پنج تا ۱۰ درصد مانده حساب‌های جاری به گزینه‌های پربازده‌تر اثر بگذارند، سود صنعت بانکداری از محل سپرده‌ها ممکن است تا ۲۰ درصد کاهش یابد.
این عدد یک سناریوی مدل‌سازی‌شده است، نه پیش‌بینی قطعی یا کاهش درآمدی که تاکنون اتفاق افتاده باشد. بااین‌حال، نشان می‌دهد موضوع هوش مصنوعی برای بانک‌ها فقط به هزینه توسعه نرم‌افزار یا کیفیت خدمات مشتری محدود نمی‌شود؛ فناوری می‌تواند بر نحوه توزیع درآمد میان بانک، مشتری و ارائه‌دهندگان خدمات مالی دیگر نیز اثر بگذارد.
در سوی دیگر، همین فناوری می‌تواند به بانک‌ها کمک کند خدمات مشاوره‌ای بهتر، محصولات مناسب‌تر و ابزارهای مدیریت مالی شخصی ارائه دهند. بنابراین نتیجه این تغییر لزوماً کاهش سود همه بانک‌ها نیست؛ بلکه ممکن است جایگاه رقابتی بانک‌هایی که زودتر خود را با رفتار جدید مشتریان هماهنگ می‌کنند، تقویت شود.
مشتری درباره پولش با چه کسی حرف می‌زند؟
از میان افرادی که برای امور بانکی از هوش مصنوعی استفاده می‌کنند، ابزارهای عمومی دو برابر چت‌بات‌های بانکی استفاده می‌شوند.
وقتی گفت‌وگو بیرون از بانک شروع می‌شود
در این مسیر مفهومی، مشتری برای مقایسه و مشورت به یک دستیار عمومی مراجعه می‌کند؛ انجام تراکنش و ارائه خدمت بانکی همچنان می‌تواند در بانک اتفاق بیفتد.
مشتری هنوز به بانک اعتماد دارد؛ اما این اعتماد بدون شرط نیست
با وجود استقبال مشتریان از ابزارهای عمومی هوش مصنوعی، گزارش مک‌کنزی تصویر یک‌طرفه‌ای از کنارگذاشته‌شدن بانک‌ها ارائه نمی‌کند.
براساس نتایج نظرسنجی، ۶۲ درصد کاربران هوش مصنوعی ترجیح می‌دهند خدمات و مشاوره مبتنی بر این فناوری را از بانک اصلی خود دریافت کنند. همچنین حریم خصوصی، مهم‌ترین نگرانی اعلام‌شده آنها در استفاده از هوش مصنوعی است.
این یافته نشان می‌دهد بانک‌ها هنوز مزیتی دارند که ابزارهای عمومی هوش مصنوعی به‌سادگی نمی‌توانند جایگزین آن شوند: اعتماد مشتری به نهادی که مسئول نگهداری و مدیریت منابع مالی اوست.
مشتری ممکن است برای مقایسه نرخ سود یا فهم یک مفهوم مالی از یک چت‌بات عمومی استفاده کند، اما هنگام تصمیم‌گیری درباره بخش بزرگی از دارایی خود، به امنیت اطلاعات، مسئولیت‌پذیری ارائه‌دهنده خدمت و امکان مشورت با فرد متخصص نیز توجه می‌کند.
نتایج نظرسنجی درباره نوع مشاوره موردنیاز مشتریان نیز این تفاوت را نشان می‌دهد.
برای پرسش‌های مالی ساده، ۵۹ درصد پاسخ‌دهندگان کمک هوش مصنوعی را ترجیح می‌دهند، ۲۶ درصد هر دو گزینه انسانی و هوش مصنوعی را می‌پذیرند و ۱۵ درصد کمک انسانی را ترجیح می‌دهند.
اما در موضوع مشاوره سرمایه‌گذاری، شرایط متفاوت است: ۳۴ درصد کمک انسانی را ترجیح می‌دهند، ۴۲ درصد پذیرای هر دو روش‌اند و تنها ۲۴ درصد هوش مصنوعی را ترجیح می‌دهند.
این تفاوت نشان می‌دهد پذیرش هوش مصنوعی به نوع و حساسیت تصمیم مالی بستگی دارد. پاسخ‌گرفتن به یک پرسش ساده با سپردن تصمیمی مهم درباره سرمایه‌گذاری یکسان نیست.
بااین‌حال، اعتماد به بانک نیز تضمینی همیشگی نیست. طبق گزارش مک‌کنزی، حدود نیمی از کاربران هوش مصنوعی می‌گویند اگر بانکشان خدمات هوش مصنوعی توانمندی ارائه نکند، ممکن است به یک اپلیکیشن مالی شخص ثالث مراجعه کنند.
به این ترتیب، بانک‌ها از یک‌سو همچنان از اعتماد مشتری برخوردارند و از سوی دیگر، با انتظاراتی روبه‌رو هستند که ممکن است خدمات کنونی آنها پاسخ‌گوی آن نباشد.
از پاسخ‌دادن به پرسش تا انجام کار به نمایندگی از مشتری
مرحله بعدی این تغییر، استفاده از «عامل‌های هوش مصنوعی» است؛ ابزارهایی که علاوه بر ارائه اطلاعات، می‌توانند با مجوز کاربر بخشی از وظایف او را انجام دهند.
تفاوت این دو کاربرد مهم است. یک چت‌بات ممکن است نرخ سود چند حساب را توضیح دهد، اما یک عامل هوش مصنوعی می‌تواند برای بررسی موجودی، مقایسه گزینه‌ها، آماده‌سازی درخواست یا اجرای یک عملیات مجاز طراحی شود.
براساس نظرسنجی مک‌کنزی، ۷۲ درصد کاربران هوش مصنوعی حاضرند انجام دست‌کم یک وظیفه مالی را به یک عامل بانکی بسپارند. البته بیشتر آنها می‌خواهند ابزار پیش از انجام کار اجازه بگیرد و بیشترشان سقف عملیات بدون تأیید جداگانه را به ۵۰۰ دلار محدود می‌کنند.
به عبارت دیگر، مشتریان لزوماً به دنبال واگذاری کامل کنترل پول خود به هوش مصنوعی نیستند. آنها بیشتر به ابزاری علاقه نشان می‌دهند که کارها را ساده‌تر کند، اما اختیار نهایی همچنان در دست خودشان باقی بماند.
این موضوع برای بانک‌ها اهمیت ویژه‌ای دارد. رقابت آینده فقط بر سر این نیست که کدام بانک پاسخ‌های سریع‌تر و دقیق‌تری ارائه می‌دهد؛ مسئله این است که مشتری به کدام نهاد یا پلتفرم اجازه می‌دهد به اطلاعات مالی او دسترسی داشته باشد و در چارچوب تعیین‌شده برایش کاری انجام دهد.
در چنین شرایطی، سازوکار اخذ رضایت، تعیین سطح دسترسی، ثبت فعالیت‌ها و امکان لغو مجوز می‌تواند به‌اندازه کیفیت پاسخ هوش مصنوعی اهمیت پیدا کند.
بانک‌ها چه نقشی در دنیای دستیارهای هوش مصنوعی انتخاب می‌کنند؟
گزارش مک‌کنزی دو مسیر را برای حضور بانک‌ها در محیط دستیارهای هوش مصنوعی توصیف می‌کند.
در مسیر نخست، بانک بیشتر تأمین‌کننده اطلاعات و زیرساخت مالی است. مشتری در محیط یک دستیار عمومی فعالیت می‌کند و ابزار، با اجازه او، به اطلاعات موردنیاز دسترسی پیدا می‌کند.
مک‌کنزی به امکان اتصال حساب‌های بانکی کاربران واجد شرایط ChatGPT در آمریکا از طریق Plaid اشاره می‌کند؛ اتصالی که برای ارائه راهنمایی مالی، دسترسی خواندنی به داده‌های حساب فراهم می‌کند و به‌خودی‌خود مجوز جابه‌جایی پول نیست.
در چنین الگویی، مشتری ممکن است بخش مهمی از تجربه دریافت اطلاعات و مشاوره را در محیطی غیر از اپلیکیشن بانک سپری کند.
مسیر دوم این است که بانک خدمات خود را به داخل همان محیط‌های گفت‌وگومحور ببرد.
نمونه‌ای که مک‌کنزی معرفی می‌کند، بانک BBVA است که امکان دسترسی کاربران به اطلاعات محصولات خود را از طریق یک اپلیکیشن در ChatGPT فراهم کرده است. در این مدل، بانک می‌کوشد حتی زمانی که مشتری از یک پلتفرم دیگر استفاده می‌کند، در فرایند معرفی و انتخاب محصول حضور داشته باشد.
تفاوت دو مسیر روشن است: در یکی، بانک عمدتاً داده و خدمات پایه را تأمین می‌کند و در دیگری تلاش می‌کند ارتباط با مشتری و معرفی محصولات خود را نیز حفظ کند.
البته این دو مسیر الزاماً جایگزین یکدیگر نیستند. یک بانک ممکن است هم دستیار هوشمند اختصاصی داشته باشد و هم خدمات خود را از طریق پلتفرم‌های بیرونی در دسترس قرار دهد.
پرسش راهبردی این است که بانک در هر مسیر تا چه اندازه می‌تواند ارتباط مستقیم با مشتری، شناخت نیازهای او و سهم خود از ارزش ایجادشده را حفظ کند.
برای تصمیم مالی، انسان یا هوش مصنوعی؟
پاسخ به نوع تصمیم بستگی دارد. یکی از دو موقعیت را انتخاب کنید و ببینید ترجیح مشتریان چطور تغییر می‌کند.
برای پرسش‌های مالی ساده، هوش مصنوعی محبوب‌ترین گزینه است.در مشاوره سرمایه‌گذاری، بیشترین گروه پذیرای ترکیب کمک انسان و هوش مصنوعی‌اند.
نظرسنجی مک‌کنزی، ژوئن ۲۰۲۶دو موقعیت؛ دو الگوی متفاوت انتخاب
هر ردیف مجموعاً ۱۰۰ درصد است. درصدهای هر ردیف متعلق به یک نوع تصمیم‌اند.
اعتماد و اختیار؛ دو عدد مکمل
چرا داشتن یک چت‌بات بانکی کافی نیست؟
بسیاری از بانک‌ها طی سال‌های گذشته ابزارهای گفت‌وگومحور، پاسخ‌گویی خودکار و دستیارهای مجازی را به خدمات دیجیتال خود اضافه کرده‌اند. بااین‌حال، صرف وجود یک چت‌بات به معنای ارائه تجربه‌ای رقابتی در برابر ابزارهای جدید هوش مصنوعی نیست.
برای مثال، اگر مشتری از دستیار بانک بپرسد با توجه به درآمد، اقساط، پس‌انداز و برنامه‌های مالی خود چه گزینه‌ای در دسترس دارد، پاسخ مناسب به داده‌هایی بیشتر از فهرست محصولات بانک نیاز خواهد داشت.
چنین ابزاری باید بتواند اطلاعات مرتبط را با مجوز مشتری و در چارچوب مقررات کنار هم قرار دهد، شرایط او را درک کند و توضیحی روشن درباره گزینه‌ها و محدودیت‌هایشان ارائه دهد.
مک‌کنزی برای این توانایی از مفهومی به نام «هوشمندی نهادی» استفاده می‌کند؛ یعنی بانک بتواند داده‌ها، رویه‌ها، مقررات داخلی و تجربه کارشناسان خود را به دانشی قابل استفاده برای کارکنان و سامانه‌های هوشمند تبدیل کند.
اهمیت این موضوع در آن است که مدل‌های هوش مصنوعی به‌تنهایی مزیت پایدار یک بانک نیستند. بانک‌های مختلف می‌توانند به مدل‌های مشابهی دسترسی داشته باشند، اما کیفیت داده‌ها، شناخت مشتری، تجربه بانکی و نحوه کنترل دسترسی‌ها در همه آنها یکسان نیست.
طبق نظرسنجی دیگری که در گزارش مک‌کنزی به آن استناد شده، ۴۸ درصد مدیران بانکی مورد پرسش، آماده‌نبودن داده‌ها را بزرگ‌ترین مانع استفاده مؤثر از هوش مصنوعی دانسته‌اند.
این یافته نشان می‌دهد مسئله اصلی بانک‌ها لزوماً انتخاب یک مدل هوش مصنوعی قدرتمندتر نیست. بانک باید بتواند داده‌های قابل اتکا را به ابزار متصل کند، پاسخ‌ها را کنترل کند و فرایندهای بانکی را متناسب با قابلیت‌های جدید تغییر دهد.
از همین رو، رقابت در هوش مصنوعی بانکی را نمی‌توان به افزودن یک پنجره گفت‌وگو به موبایل‌بانک محدود کرد.
جایگاه مشتری در این تحول چه می‌شود؟
ورود هوش مصنوعی به رابطه مشتری و بانک، علاوه بر فرصت‌های تازه، پرسش‌هایی درباره مسئولیت و امنیت ایجاد می‌کند. اگر یک دستیار بیرونی محصول مالی نامناسبی را پیشنهاد دهد، مسئولیت آن با چه کسی است؟ اگر ابزار به داده‌های حساب دسترسی داشته باشد، مشتری چگونه می‌تواند حدود این دسترسی را کنترل کند؟ و اگر یک عامل هوشمند در انجام عملیاتی اشتباه کند، سازوکار شناسایی، توقف و جبران خطا چیست؟
اهمیت این پرسش‌ها با حرکت از مشاوره ساده به اجرای عملیات مالی بیشتر می‌شود.
بانک‌ها به دلیل ماهیت فعالیت خود با الزامات کنترل ریسک، امنیت و مسئولیت‌پذیری روبه‌رو هستند. بنابراین نمی‌توان انتظار داشت همه قابلیت‌های عامل‌های هوش مصنوعی بدون محدودیت در بانکداری استفاده شوند.
در مقابل، دشواری این الزامات نیز به این معنا نیست که بانک‌ها می‌توانند تغییر رفتار مشتریان را نادیده بگیرند.
مسئله اصلی ایجاد تعادل میان تجربه ساده و سریع، حفظ اختیار مشتری و کنترل ریسک است. هر بانکی که بتواند این سه را در کنار یکدیگر فراهم کند، ممکن است در حفظ رابطه با مشتری موقعیت بهتری داشته باشد.
این روند برای بانکداری ایران چه معنایی دارد؟
نظرسنجی مک‌کنزی در ۱۳ کشور انجام شده و ایران در میان بازارهای بررسی‌شده نیست. بنابراین نمی‌توان از نتایج آن نتیجه گرفت که ۲۳ درصد مشتریان بانک‌های ایرانی نیز از هوش مصنوعی برای امور مالی استفاده می‌کنند یا الگوی انتخاب ابزار در ایران مشابه کشورهای مورد بررسی است.
بااین‌حال، گزارش مک‌کنزی پرسش‌هایی را مطرح می‌کند که برای بررسی آینده بانکداری دیجیتال ایران نیز قابل استفاده‌اند.
نخست اینکه بانک‌ها در توسعه خدمات هوشمند خود قرار است چه نیازی از مشتری را برطرف کنند؟ آیا هدف فقط کاهش تماس با مرکز پشتیبانی و پاسخ‌گویی به پرسش‌های متداول است یا می‌خواهند در مدیریت امور مالی و انتخاب خدمات نیز به مشتری کمک کنند؟
پرسش دوم به جایگاه بانک در ارتباط با پلتفرم‌های بیرونی مربوط می‌شود. اگر کاربران برای مقایسه محصولات و دریافت مشاوره مالی بیشتر از دستیارهای عمومی استفاده کنند، بانک‌ها چگونه می‌توانند اطلاعات دقیق و به‌روز خدمات خود را در دسترس آنها قرار دهند، بدون اینکه امنیت اطلاعات مشتری به خطر بیفتد؟
موضوع سوم، دسترسی به داده و اختیار مشتری است. هرگونه توسعه خدمات مبتنی بر عامل‌های هوش مصنوعی در بانکداری، به چارچوب روشنی برای احراز هویت، رضایت مشتری، سطح دسترسی، نظارت بر عملیات و تعیین مسئولیت نیاز دارد.
برای پاسخ دقیق به این پرسش‌ها در ایران، داده‌های مستقلی درباره رفتار مشتریان، میزان استفاده از ابزارهای هوش مصنوعی، سطح اعتماد به آنها و نیازهای واقعی کاربران لازم است. گزارش مک‌کنزی به‌تنهایی نمی‌تواند وضعیت بانکداری ایران را توصیف کند، اما چارچوب مناسبی برای طرح این پرسش‌ها فراهم می‌کند.
در کدام کشورها هوش مصنوعی زودتر وارد کارهای بانکی شده است؟
از هند تا آلمان؛ سه تصویر متفاوت از آشنایی، استفاده عمومی و استفاده برای امور بانکی. روی شاخص‌ها بزنید تا ترتیب کشورها و نوارها تغییر کند.
۱۳ کشور؛ سه شاخص قابل مقایسه
هر عدد درصدی از پاسخ‌دهندگان همان کشور استکشورها براساس شاخص انتخاب‌شده از بیشترین به کمترین مرتب می‌شوند.
مقایسه تعاملی با لمس کارتهانوار رنگی: مقدار شاخص انتخاب‌شدهسه عدد کوچک در هر کارت: اطلاعات کامل همان کشور
نبرد آینده بانکداری بر سر محل نگهداری پول نیست
بانکداری جهانی در شرایطی با این تحول روبه‌رو شده که از نظر مالی همچنان صنعتی بزرگ و سودآور است. طبق گزارش مک‌کنزی، سود خالص بانک‌های جهان در سال ۲۰۲۵ به حدود ۱.۳ تریلیون دلار رسید و نسبت به سال قبل هفت درصد افزایش یافت.
بااین‌حال، عملکرد مالی مطلوب امروز تضمین نمی‌کند که شکل رابطه بانک و مشتری در آینده بدون تغییر باقی بماند.
هوش مصنوعی ممکن است در کوتاه‌مدت به مشتری کمک کند محصولات بانکی را بهتر مقایسه کند و در بلندمدت، با کسب مجوزهای لازم، بخشی از امور مالی او را نیز انجام دهد. در هر دو حالت، بانک‌ها باید با این واقعیت روبه‌رو شوند که مسیر رسیدن مشتری به یک خدمت مالی ممکن است دیگر از کانال‌های اختصاصی خودشان آغاز نشود.
البته داده‌های کنونی نشان نمی‌دهد مشتریان قصد دارند بانک‌هایشان را کنار بگذارند. بخش بزرگی از کاربران همچنان ترجیح می‌دهند خدمات هوش مصنوعی را از بانک اصلی خود دریافت کنند و در تصمیم‌های حساس‌تر نیز به مشاوره انسانی اهمیت می‌دهند.
بنابراین آنچه در معرض تغییر قرار گرفته، بیش از خودِ حساب بانکی، نقش بانک در لحظه شناخت نیاز، مقایسه گزینه‌ها و شکل‌گیری تصمیم مالی مشتری است.
بانک‌ها ممکن است همچنان پول را نگهداری و تراکنش را پردازش کنند؛ اما اگر گفت‌وگوی مالی مشتری در پلتفرم دیگری اتفاق بیفتد، بخشی از فرصتی را که برای شناخت، راهنمایی و حفظ ارتباط با او داشته‌اند از دست خواهند داد.
پرسش اصلی آینده بانکداری نیز از همین‌جا شکل می‌گیرد: آیا بانک‌ها می‌توانند در کنار نگهداری پول مشتری، جایگاه خود را به‌عنوان یکی از نخستین مراجع او برای تصمیم‌گیری مالی حفظ کنند؟
