هوش مصنوعی در بانکداری زمانی از یک نمایش فناورانه فاصله میگیرد که بتوان اثر آن را بر مسئلهای واقعی، از بهبود تجربه مشتری تا کاهش ریسک، اندازهگیری کرد. محمد حقدادی، معاون فناوری اطلاعات بانک قرضالحسنه مهر ایران، معتقد است آغاز پروژههای هوش مصنوعی از خود فناوری، بهجای مسئله کسبوکار، معمولاً به تولید نمونههای نمایشی منتهی میشود؛ نمونههایی که ممکن است جذاب باشند، اما کارکرد اساسی برای بانک یا مشتری ایجاد نمیکنند.
حقدادی در گفتوگو با رضا قربانی، بنیانگذار راه پرداخت، توضیح میدهد که مسیر درست باید از بهبود کسبوکار و تجربه مشتری آغاز شود. به گفته او، اگر برای این بهبود شاخصهای تعریفشده و قابلاندازهگیری وجود داشته باشد، میتوان تشخیص داد که هوش مصنوعی واقعاً ارزش خلق کرده است یا تنها برچسبی تازه برای یک پروژه قدیمی بوده است.
او از اعلام درصدی درباره میزان واقعی یا نمایشیبودن پروژههای هوش مصنوعی در ایران خودداری میکند و میگوید بدون مستندات، ارائه چنین عددی عادلانه نیست. بااینحال، ارزیابی او این است که فضای سازمانی بهتدریج از موج اولیه و مدگرایانه هوش مصنوعی عبور میکند و به کاربردهای واقعیتر نزدیک میشود. این تغییر زمانی معنا پیدا میکند که سازمان بتواند خروجی فناوری را با یک مسئله مشخص و نتیجهای قابل سنجش پیوند بزند.
پیشنیاز چنین مسیری، داده قابلاعتماد است. حقدادی مسئله اصلی بانکها و سازمانهای ایرانی را کمبود داده نمیداند؛ از نگاه او، داده بهاندازه کافی وجود دارد، اما تعریف آن، مالکیت آن و مسئولیت پاسخگویی درباره صحت و شفافیتش روشن نیست. در چنین شرایطی، حتی مدلهای پیشرفته نیز نمیتوانند خروجی قابلاتکایی ارائه دهند، زیرا کیفیت تصمیم آنها مستقیماً به کیفیت و انسجام دادههای ورودی وابسته است.
بانک قرضالحسنه مهر ایران برای پاسخ به این مسئله، نقش «دادهبان» یا Data Steward را در بخشهای مختلف کسبوکار تعریف کرده است. این افراد باید مسئولیت داده را بپذیرند، تعریف آن را دقیق کنند و نسبت به صحت و کیفیتش پاسخگو باشند. حقدادی تعیین مالک مشخص برای داده را گام نخست استقرار حاکمیت داده میداند و معتقد است اقداماتی مانند ایجاد کاتالوگ داده و مدیریت فراداده باید پس از روشنشدن این مسئولیت انجام شوند.
به گفته او، بانک در کنار ساختارهای حاکمیت داده، از ابزارهای فناورانه برای پاکسازی و بهبود کیفیت داده نیز استفاده میکند. هدف این است که دادههای پراکنده و دارای تعاریف متفاوت، پیش از ورود به فرایندهای تحلیلی و مدلهای هوش مصنوعی، قابلاعتماد و قابلاستفاده شوند. در این روایت، حاکمیت داده یک پروژه جانبی نیست؛ زیرساختی است که امکان استفاده صحیح از هوش مصنوعی را فراهم میکند.
کاربرد مشخص این رویکرد در کیوبانک دیده میشود. حقدادی تأکید میکند که واگذاری کامل تصمیم اعتباری به هوش مصنوعی صحیح نیست. در کیوبانک، این فناوری برای سنجش ریسک مشتری، ارزیابی احتمال نکول و کمک به شکلگیری تصمیم دقیقتر به کار میرود، اما تصمیم نهایی براساس مصوبات اعتباری و ضوابط حاکمیتی بانک گرفته میشود. در نتیجه، نقش هوش مصنوعی تسهیل و تقویت تصمیم است، نه جایگزینی کامل سازوکار اعتباری بانک.
از نگاه معاون فناوری اطلاعات بانک قرضالحسنه مهر ایران، شاخص موفقیت هوش مصنوعی در کیوبانک فقط کاهش زمان دریافت تسهیلات برای مشتریان قدیمی نیست. این فناوری زمانی ارزش واقعی ایجاد میکند که در کنار تسریع فرایندها، مشتریان جدیدی را نیز وارد شبکه خدمات بانکی کند؛ افرادی که پیشتر دسترسی دشوارتری به ارزیابی اعتباری و منابع قرضالحسنه داشتند.
حقدادی رشد مشتریان کیوبانک و افزایش پرداخت تسهیلات آنلاین را نشانهای از حرکت در همین مسیر میداند، هرچند تأکید میکند این مدل هنوز به بلوغ بیشتری نیاز دارد. معنای این تجربه برای صنعت بانکداری روشن است: هوش مصنوعی زمانی به دسترسی عادلانهتر کمک میکند که بر داده معتبر، مسئولیتپذیری روشن و سازوکار تصمیمگیری کنترلشده بنا شود؛ در غیر این صورت، خطر تبدیلشدن آن به یک نمایش سازمانی همچنان باقی میماند.
