کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی ایران؛ از آزمایش‌های پراکنده تا تحول هوشمند

کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی ایران؛ از آزمایش‌های پراکنده تا تحول هوشمند

محمدجعفر عبدی، مدیر توسعه کسب‌وکار خدمات انفورماتیک، تأکید کرد بانک‌ها باید زیرساخت‌ها، فرایندها و مدل‌های تصمیم‌گیری خود را برای حرکت به سمت بانکداری AI-Native آماده کنند
محمدجعفر عبدی، مدیر توسعه کسب‌وکار خدمات انفورماتیک در پنل
۳ دقیقه مدت مطالعه

نشست تخصصی «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی در ایران» با حضور جمعی از مدیران، متخصصان و صاحب‌نظران حوزه بانکداری، فناوری و هوش مصنوعی برگزار شد. در این نشست، ابعاد مختلف فرصت‌ها، چالش‌ها و الزامات به‌کارگیری هوش مصنوعی در صنعت مالی کشور مورد بررسی قرار گرفت.

به گزارش روابط عمومی شرکت خدمات انفورماتیک،‌ در این نشست، محمدجعفر عبدی، مدیر توسعه کسب‌وکار خدمات انفورماتیک، با تمرکز بر تجربه و الزامات سازمانی استفاده از هوش مصنوعی در صنعت بانکداری، بر این موضوع تأکید کرد که آینده بانکداری صرفاً به استفاده از ابزارهای مبتنی بر هوش مصنوعی محدود نمی‌شود؛ بلکه بانک‌ها باید به‌تدریج زیرساخت‌ها، فرایندها، نیروی انسانی و مدل‌های تصمیم‌گیری خود را برای فعالیت در یک محیط AI-Native آماده کنند.

از نگاه او، یکی از مهم‌ترین چالش‌های امروز صنعت بانکداری، عبور از مرحله «استفاده آزمایشی از هوش مصنوعی» و حرکت به سمت «خلق ارزش واقعی و پایدار» است. بسیاری از پروژه‌های هوش مصنوعی در سازمان‌ها در قالب نمونه‌های اولیه و پروژه‌های مستقل آغاز می‌شوند؛ اما برای تبدیل‌شدن به یک قابلیت سازمانی، به زیرساخت مشترک، حاکمیت داده و هوش مصنوعی، امنیت، ارزیابی مستمر، نظارت، مدیریت هزینه و یکپارچگی با فرایندهای اصلی کسب‌وکار نیاز دارند.

در این مسیر، هوش مصنوعی باید از یک ابزار جانبی به یک قابلیت سازمانی تبدیل شود؛ قابلیتی که بتواند در حوزه‌هایی مانند خدمات مشتری، توسعه نرم‌افزار، مدیریت دانش، کشف تقلب، اعتبارسنجی و ارزیابی ریسک، عملیات بانکی، امنیت سایبری، تحلیل داده و پشتیبانی از تصمیم‌گیری مدیران، ارزش ملموس ایجاد کند.

پنل تخصصی رویداد IRAN AI

یکی دیگر از محورهای مهم این نشست، موضوع «اعتمادپذیری و کنترل‌پذیری» در استفاده از هوش مصنوعی در صنعت مالی بود. در صنعت بانکداری، صرفاً هوشمند بودن یک سامانه کافی نیست؛ خروجی‌های AI باید قابل ارزیابی، قابل ردیابی و امن باشند و با الزامات حاکمیتی و مقرراتی انطباق داشته باشند. ازاین‌رو، در کنار مفاهیمی مانند Prompt Engineering و مدل‌های زبانی، موضوعاتی همچون Context Engineering و Harness Engineering، ارزیابی مدل‌ها، کنترل دسترسی، پایش، ثبت رخدادها، حفاظت از داده‌ها و مدیریت چرخه عمر Agentها نیز اهمیت ویژه‌ای پیدا می‌کنند.

بخوانید: عبدی: در آینده نزدیک، ایجنت‌ها کارهای مشتری را انجام می‌دهند

همچنین در این نشست بر ضرورت شکل‌گیری یک نگاه ملی و صنعت‌محور به هوش مصنوعی در خدمات مالی تأکید شد؛ نگاهی که در آن بانک‌ها، شرکت‌های فناوری، نهادهای تنظیم‌گر، دانشگاه‌ها و اکوسیستم نوآوری بتوانند در کنار یکدیگر، زیرساخت‌ها و استانداردهای لازم برای توسعه امن و بومی راهکارهای هوش مصنوعی را فراهم کنند.

جمع‌بندی این دیدگاه آن است که هدف، صرفاً استفاده سریع‌تر از AI نیست؛ بلکه ساختن سازمانی است که بتواند از هوش مصنوعی به‌صورت سریع، قابل‌کنترل، امن و قابل‌اعتماد استفاده کند. موفقیت بانک‌ها در عصر هوش مصنوعی، بیش از آنکه صرفاً به انتخاب یک مدل قدرتمند وابسته باشد، به توانایی آنها در بازطراحی سازمان، فرایندها، زیرساخت و فرهنگ کاری متناسب با این فناوری نیز وابسته خواهد بود.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مطالب پیشنهادی

راه پرداخت را به گوگل پیشنهاد دهید
تا تازه‌ترین مطالب تخصصی فین‌تک را آسان‌تر در گوگل پیدا کنید
پیشنهاد به گوگل