نیما همتی، مدیر فنی تیم هوش مصنوعی شرکت داده و هوش مصنوعی داتا، در پنل «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی» گفت: «مسئله امروز بانکها پیدا کردن محلی برای استفاده از یک محصول هوش مصنوعی نیست؛ آنها باید مشخص کنند چگونه میتوانند با کمک داده و هوش مصنوعی تصمیمهای بهتری بگیرند»
به گزارش روابط عمومی داتا، به گفته همتی، این تغییر رویکرد میتواند نحوه استفاده بانکها از هوش مصنوعی را دگرگون کند. مدلها و عاملهای تصمیمگیر میتوانند احتمال ریزش مشتری یا نکول را محاسبه کنند، دلایل مؤثر بر نتیجه را توضیح دهند و متناسب با شرایط هر مشتری، محصول یا اقدام مناسبتری پیشنهاد کنند.
او تفسیرپذیری را یکی از الزامات تصمیمگیری مبتنی بر هوش مصنوعی در بانک دانست و تأکید کرد که سازمان باید بداند یک نتیجه چگونه شکل گرفته و چه اقدامی میتواند آن را تغییر دهد. توسعه این ظرفیت نیز به حکمرانی داده و حکمرانی هوش مصنوعی در سطح سازمان نیاز دارد.
کاربرد عملی مدلهای زبانی در بانک
همتی در بخش دیگری از سخنان خود، دستیارهای مشتری، دستیارهای کارکنان بانک و ابزارهای پشتیبان مدیران را از مهمترین کاربردهای مدلهای زبانی بزرگ در بانکداری معرفی کرد. به گفته او، بخشی از این راهکارها در داتا به محصول تبدیل شده و اکنون در بانک مورد استفاده قرار گرفتهاند.
یکی از این کاربردها، دستیار قوانین و مقررات است که میتواند آخرین بخشنامهها را بازیابی و خلاصه کند، منبع پاسخ را در اختیار کاربر قرار دهد، نامهها را بررسی کند و تعارض میان مقررات بانک مرکزی، وزارت امور اقتصادی و دارایی و بخشنامههای داخلی بانک را تشخیص دهد. این ابزار میتواند در تطبیق نسخههای مختلف مقررات و آمادهسازی پیشنویسهای جدید نیز به کارشناسان کمک کند.
مدیر فنی تیم هوش مصنوعی داتا همچنین از اجرای آزمایشی عاملهایی خبر داد که با دسترسی کنترلشده به سرویسهای بانکی، قابلیتهایی مانند مشاهده تراکنشها، پرداخت و کارتبهکارت را در اختیار کاربر قرار میدهند. او گفت توسعه این عاملها به طراحی دقیق سطوح دسترسی و رفع ریسکهای امنیتی نیاز دارد.
مدلهای محلی و محدودیت زیرساخت
همتی یکی از چالشهای توسعه دستیارهای بانکی را فاصله میان انتظار کاربران و منابع موجود در محیط عملیاتی دانست. کاربران تجربه کار با سرویسهایی مانند ChatGPT و Claude را دارند و همان سطح از پاسخگویی را از دستیار بانکی انتظار دارند؛ درحالیکه خدمات بانکی باید در محیطی ایزوله، با مدلهای محلی و منابع پردازشی محدود ارائه شوند.
او با اشاره به تجربههای داتا، بازوی داده و هوش مصنوعی بانک تجارت، گفت الزامات امنیتی و محرمانگی دادهها امکان استفاده مستقیم از مدلهای آنلاین را محدود میکند. به همین دلیل، مدلها و زیرساختهای محلی بخش مهمی از معماری این محصولات را تشکیل میدهند.
به گفته همتی، در پروژههای اجراشده نیازی به تنظیم کامل مدل زبانی بزرگ وجود نداشته است. بهینهسازی متناسب با هر کاربرد، در سطح امبدینگها و عاملهای تخصصی انجام شده و منابع فنی بر همان بخشهایی متمرکز شدهاند که مستقیماً بر کیفیت محصول اثر میگذارند.
توسعه مدل پایه برای دادههای بانکی
همتی پراکندگی داده را یکی دیگر از موانع توسعه هوش مصنوعی در بانکها دانست. دادههای تراکنش، حساب، کارت، تسهیلات، وثایق و رفتار کاربران در سامانههای مختلف نگهداری میشوند و هر پروژه برای پاکسازی داده، استخراج ویژگی و ورود به محیط عملیاتی، مسیر جداگانهای را طی میکند.
او توضیح داد که داتا در حال یکپارچهسازی این فرایند و توسعه پروفایل رفتاری مشتریان بر پایه توالی رویدادهای بانکی است. در این رویکرد، ترتیب زمانی رویدادهایی مانند دریافت تسهیلات، پرداخت اقساط و انجام تراکنشها برای شناخت الگوهای رفتاری مشتری تحلیل میشود.
بر اساس توضیحات همتی، داتا در حال توسعه یک مدل پایه پیشآموزشدیده با استفاده از دادههای بانکی است. این مدل میتواند زیرساخت مشترکی برای سرویسهایی مانند کشف تقلب، سنجش ریسک و توسعه خدمات هوشمند مشتریان فراهم کند و نیاز به شروع دوباره فرایند آمادهسازی مدل در هر پروژه را کاهش دهد.
بخوانید: کارشناسان از آینده هوش مصنوعی در بانکداری گفتند
پنل «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی» با حضور حمیدرضا نعمتیان، رئیس اداره پژوهش و برنامهریزی بانک کشاورزی؛ محمدجعفر عبدی، مدیر توسعه کسبوکار شرکت خدمات انفورماتیک؛ نیما همتی، مدیر فنی تیم هوش مصنوعی داتا؛ و سید جابر علوی، مدیر حکمرانی داده و مبارزه با پولشویی شرکت تجارت الکترونیک پارسیان برگزار شد.
