در هوش مصنوعی در نظارت بانکی؛ از مسئله تا تجربه اجرا، تجربههای اجرایی شرکت خدمات انفورماتیک در حوزه نظارت بانکی، مسیر توسعه محصولات و چالشهای بهرهبرداری از هوش مصنوعی بررسی شد.
در گروه ماژولهای «سین» که در مدیریت توسعه راهکارهای نظارت توسعه یافته است، استفاده از هوش مصنوعی با نیازهای واقعی نظارت بانکی پیوند خورده است؛ از یک سو برای انجام دقیقتر و باکیفیتتر تعهدات شرکت در قبال بانک مرکزی و از سوی دیگر برای فراهمکردن ابزارهایی که بررسی اطلاعات و تحلیلهای نظارتی را برای کارشناسان و مدیران تسهیل میکنند. «دستیار هوشمند تحلیل دادههای نظارتی»، «سامانه آزمون تنش» و «مدیریت هوشمند اسناد» از محورهای اصلی توسعه نظارت هوشمند هستند؛ ابزارهایی که برای شناخت وضعیت مالی بانکها و بررسی آسیبپذیری آنها در شرایط مختلف اقتصادی به کار گرفته میشوند.
در گروه ماژولهای «سین»، استفاده از هوش مصنوعی از یک سو برای انجام دقیقتر و باکیفیتتر تعهدات شرکت در قبال بانک مرکزی و از سوی دیگر برای فراهمکردن ابزارهایی دنبال میشود که بررسی اطلاعات و تحلیلهای نظارتی را برای کارشناسان و مدیران تسهیل میکنند. در این مسیر، ابزارهایی مانند «دستیار هوشمند تحلیل دادههای نظارتی»، «سامانه آزمون تنش» و «مدیریت هوشمند اسناد» محورهای اصلی توسعه نظارت هوشمند هستند؛ ابزارهایی که برای شناخت وضعیت مالی بانکها و بررسی آسیبپذیری آنها در شرایط مختلف اقتصادی به کار گرفته میشوند.
بر اساس نقشه راه تعریفشده، توسعه «سین» در قالب یک چرخه هوشمند نظارت دنبال میشود که سه مرحله بههمپیوسته را پوشش میدهد. در مرحله «کشف»، دادههای مالی، شاخصهای نظارتی، گزارشها و اسناد برای شناسایی نشانههای ریسک، ناهنجاریها و اولویتهای نظارتی تحلیل میشوند. در مرحله «بازرسی»، شواهد مرتبط گردآوری و با مقررات، حدود نظارتی و سوابق موجود تطبیق داده میشوند تا علت و ابعاد ریسک روشن شود.
در مرحله «مداخله» نیز اقدام اصلاحی متناسب پیشنهاد، ثبت و تا حصول نتیجه پایش میشود. بازخورد حاصل از اجرای اقدامات نیز دوباره به مرحله کشف بازمیگردد تا سامانه از یک ابزار گزارشگیری و تحلیل داده، به بستری برای نظارت هوشمند، مستمر و مبتنی بر ریسک ارتقا یابد.
«دستیار هوشمند تحلیل دادههای نظارتی» با هدف تسهیل دسترسی به اطلاعات مالی و کمک به تحلیل آنها توسعه یافته است. این دستیار امکان طرح پرسش به زبان طبیعی و دریافت پاسخ از دادههای سازمانی را فراهم میکند تا مدیران و کارشناسان بتوانند در کنار گزارشها و داشبوردهای موجود، سریعتر به اطلاعات موردنیاز خود دسترسی پیدا کنند. ارزش این ابزار در کوتاهکردن مسیر میان پرسش مدیران و بررسی دادهها مرتبط است؛ مسیری که در تحلیل دادههای نظارتی، به جستوجو، مقایسه و تفسیر اطلاعات نیاز دارد.
«سامانه آزمون تنش» نیز به ارزیابی آثار احتمالی سناریوهای اقتصادی بر وضعیت و شاخصهای بانکی میپردازد. این سامانه کمک میکند پیامدهای شرایط نامساعد و میزان آسیبپذیری بانکها بررسی شود و مبنای تحلیلی روشنتری برای ارزیابی ریسک فراهم آید.
در این نشست، ضمن مرور تجربه توسعه این دو راهکار، درباره مسیر حرکت به سوی نظارت مبتنی بر ریسک و نقش آنها در پشتیبانی از این رویکرد گفتوگو شد.
در این نشست همچنین گفته شد که بخش دیگری از فعالیتهای شرکت در این عرصه به پردازش اسناد و مقررات بانکی اختصاص دارد. در حوزه مقررات، طبقهبندی مقررات بانکی و شناسایی ارتباط میان آنها، از جمله روابط ناسخ و منسوخ، دنبال شده است. این قابلیت به کارشناسان کمک میکند جایگاه هر سند را در ارتباط با سایر مقررات بررسی کند و تصویر روشنتری از وضعیت اعتبار و تغییرات آن داشته باشند.
در پروژه «ذینفع واحد» نیز مدلهای زبانی برای دستهبندی وکالتنامهها و شناسایی موارد نیازمند بررسی بیشتر به کار گرفته شدهاند تا بررسیهای کارشناسی هدفمندتر انجام شوند.
همچنین اعلام شد: «رویکرد به هوش مصنوعی در نظارت، محدود به مدلهای زبانی بزرگ نیست. متناسب با ماهیت هر مسئله، از مدلهای سادهتر آماری و یادگیری ماشین تا مدلهای زبانی بزرگ و رویکردهای عاملمحور (Agentic AI) استفاده شده است.»
انتخاب روش در هر پروژه به نوع داده، دقت موردنیاز، محدودیتهای زیرساختی و شرایط بهرهبرداری وابسته است و معیار این است که روش انتخابشده تا چه اندازه بتواند نیاز مشخص پروژه را با کیفیتی قابلارزیابی پاسخ دهد.
این نشست با حضور حامد میرشک، مدیر توسعه راهکارهای نظارت و علی میرزایی و مهدی پاشازاده، کارشناسان تحلیل و توسعه دادههای نظارتی شرکت خدمات انفورماتیک برگزار شد.
