بزرگنمايي:

بازار آریا - دنیای اقتصاد : بانک‌ها در آستانه یک انقلاب فناورانه هستند؛ هوش مصنوعی نه‌تنها شیوه خدمات‌دهی را متحول کرده، بلکه ساختارهای سنتی بانکداری را نیز به چالش کشیده است. از تحلیل رفتار مشتریان و شخصی‌سازی خدمات گرفته تا پیشگیری از تقلب و مدیریت ریسک، الگوریتم‌های هوشمند به ابزار کلیدی بانک‌ها تبدیل شده‌اند. در نشست نقد و نظر گروه رسانه‌ای «دنیای‌اقتصاد»، کارشناسان این حوزه فرصت‌ها و چالش‌های این تحول را بررسی کردند. حال آیا بانک‌های ایران برای این تغییرات آماده‌اند؟
در دنیایی که فناوری با سرعتی سرسام‌آور پیش می‌رود، هوش مصنوعی به‌عنوان یکی از تحولات کلیدی، نظام‌های اقتصادی و مالی را دگرگون کرده است. بانکداری، به‌عنوان یکی از صنایع پیشرو در بهره‌گیری از این فناوری، اکنون با تغییرات گسترده‌ای روبه‌رو است. از تحلیل رفتار مشتریان و ارائه خدمات شخصی‌سازی‌شده گرفته تا مدیریت ریسک، اعتبارسنجی و پیشگیری از تقلب، الگوریتم‌های هوشمند در حال بازتعریف شیوه‌های سنتی بانکداری هستند. نشست نقد و نظر گروه رسانه‌ای «دنیای‌اقتصاد» با حضور کارشناسان این حوزه، به بررسی جایگاه و چالش‌های هوش مصنوعی در نظام بانکی پرداخته است؛ جایی که بانک‌های ایران نیز تلاش می‌کنند همگام با تحولات جهانی، مسیر بهره‌گیری از این فناوری را هموار کنند. اما آیا زیرساخت‌های موجود برای پذیرش این تحول آماده است؟ آیا بانک‌های ایرانی در رقابت دیجیتالی جهان جایگاه مناسبی دارند؟ این گزارش نگاهی دقیق به فرصت‌ها، چالش‌ها و مسیر پیش روی بانکداری هوشمند در ایران دارد. 
واحد مطالعات گروه رسانه‌ای «دنیای‌اقتصاد» نشست نقد و نظر به بررسی کاربردهای هوش مصنوعی در نظام بانکی پرداخت. این نشست با حضور فواد قادری استاد دانشگاه در حوزه هوش مصنوعی، حسن زادمیر کارشناس حوزه هوش مصنوعی و علی گلزاده، متخصص داده و هوش مصنوعی برگزار شد.
هوش مصنوعی در بانکداری؛ از شخصی‌سازی خدمات تا چالش‌های زیرساختی
قادری در ابتدای نشست تاکید کرد که هرچند هوش مصنوعی به یک روند جهانی مهم تبدیل شده، اما مفهوم جدیدی نیست و از سال1956 مطرح بوده است. این فناوری با گذر از سه موج تحول، اکنون در حوزه‌های مختلفی از جمله صنعت، آموزش، سلامت و بانکداری نقش پررنگی دارد. در بانکداری، هوش مصنوعی در تحلیل رفتار مشتری، اعتبارسنجی و شخصی‌سازی خدمات به‌کار گرفته می‌شود. استفاده از چت‌بات‌ها و دستیارهای صوتی نیز پس از ظهور مدل‌های زبانی پیشرفته مانند ChatGPT افزایش یافته و خدمات بانکی را به‌صورت 24ساعته دردسترس قرار داده است. همچنین هوش مصنوعی در تشخیص تقلب‌های مالی و پیش‌بینی روندهای بازار، از جمله بورس و بیمه، نقش کلیدی دارد.
او تصریح کرد که یکی از مهم‌ترین مولفه‌های پیشرفت هوش مصنوعی، داده است. موج سوم تحول این فناوری از سال 2010 تا 2012 آغاز شده و بر سه اصل داده، زیرساخت و الگوریتم تکیه دارد. صنایعی که حجم بالایی از داده را در اختیار دارند، مانند مخابرات و بانکداری، شاهد رشد سریع‌تر هوش مصنوعی هستند. بانکداری باز (Open Banking) نیز فرصت‌هایی برای دسترسی به داده‌ها فراهم کرده، اما موضوع اشتراک‌گذاری داده‌های بانکی به‌دلیل ملاحظات امنیتی و حریم خصوصی همچنان چالش‌برانگیز است. با این ‌حال، مدل‌های کسب‌وکار جدید می‌توانند موانع را کاهش دهند و راه را برای توسعه هوش مصنوعی در این بخش هموار کنند.
قادری در پاسخ به میزان امکان استفاده از هوش مصنوعی در شرایط تحریمی گفت که این فناوری محدود به یک صنعت خاص نیست و می‌توان آن را در حوزه‌های مختلف ترکیب کرد. او به مدل اعتبارسنجی یکی از اپراتورهای تلفن همراه اشاره کرد که بر اساس رفتار کاربران، سطح اعتبار آنها را مشخص می‌کند. این مدل نشان می‌دهد که داده‌های تولیدشده در یک صنعت می‌توانند در بخش‌های دیگر مانند بانکداری کاربرد داشته باشند. با این ‌حال، مهم‌ترین چالش کشور در این زمینه، محدودیت‌های سخت‌افزاری است. مدل‌های هوش مصنوعی پیشرفته به پردازشگرهای گرافیکی قدرتمند (GPU) نیاز دارند که در کشور ما به‌دلیل تحریم‌ها به‌سختی تامین می‌شوند.
بااین‌حال، قادری معتقد است که نباید توسعه هوش مصنوعی را فقط به مدل‌های پیچیده و پرهزینه محدود کرد. بسیاری از چالش‌های موجود در حوزه‌هایی مانند بانکداری، سلامت، آموزش و حمل‌ونقل را می‌توان با الگوریتم‌های کلاسیک‌تر هوش مصنوعی نیز حل کرد. او به شرکت چینی DeepSeek اشاره کرد که با استفاده از روش‌های جدید، مدل هوش مصنوعی خود را بدون نیاز به سخت‌افزارهای فوق‌پیشرفته توسعه داده است. همچنین، نوسانات اخیر بازار نشان داده که تصور نیاز به سخت‌افزارهای قدرتمند برای توسعه مدل‌های هوش مصنوعی، مورد تردید قرار گرفته است. 
سقوط ارزش سهام یکی از شرکت‌های پیشرو در تولید پردازنده‌های گرافیکی طی یک روز خاص به میزان 600 میلیارد دلار، این باور را که توسعه هوش مصنوعی نیازمند سخت‌افزارهای گران‌قیمت است، به چالش کشیده است. این اتفاق پیام‌های مهمی دارد، از جمله اینکه مدل‌های کارآمدتر و کم‌هزینه‌تر نیز می‌توانند به نتایج مطلوب برسند و نقش نیروی انسانی در توسعه این فناوری بسیار مهم است. او در پایان تاکید کرد که ایران، با وجود محدودیت‌ها، می‌تواند از ظرفیت‌های نیروی انسانی خود برای توسعه راهکارهای هوش مصنوعی بهره ببرد. بسیاری از مسائل بانکی و صنعتی با استفاده از روش‌های بهینه و مدل‌های کم‌هزینه‌تر قابل‌حل هستند و کشور می‌تواند با تمرکز بر دانش داخلی، چالش‌های پیش روی خود را مدیریت کند.
هوش مصنوعی در مدیریت ریسک بانکی
زادمهر درخصوص هوش مصنوعی در ایران به این نکته اشاره کرد که هوش به‌طور کلی برای بقا بسیار حیاتی است. موجودات با هوش‌تر توانسته‌اند به مدت طولانی‌تر در محیط خود بقا پیدا کنند و توانایی بیشتری در تطبیق با تغییرات محیطی از خود نشان دهند. در دوران انقلاب صنعتی، اختراع ماشین بخار و سایر ابزارهای فناورانه باعث افزایش توان بقای بشر شد و انسان به‌طور قابل توجهی توانست بر طبیعت سلطه یابد. ظهور کامپیوتر، اینترنت و ابزارهای ارتباطی موجب تحولات عظیمی در جهان شد و سرعت تغییرات به طرز چشم‌گیری افزایش یافت.
اکنون هر روز شاهد نوآوری‌ها و کسب‌وکارهای جدیدی هستیم که رقابت در دنیای کسب‌وکار را بسیار فشرده کرده است. برای بقا در این بازار پرتلاطم و پیچیده، به ابزارهایی نیاز داریم که توانایی تصمیم‌گیری‌های بهینه را افزایش دهند. همان‌طور که در گذشته با تقویت توان فیزیکی، انسان‌ها قادر به جابه‌جایی سنگ‌های سنگین، ساخت سدها و زیرساخت‌های عمرانی بودند، امروز هوش مصنوعی به‌تدریج جایگاه خود را در صنایع مختلف تثبیت کرده است. این فناوری از سال‌ها پیش در حال استفاده بوده است؛ اما در حال حاضر، شاهد ظهور و کاربردهای گسترده‌تر آن در صنایع، به‌ویژه صنعت بانکداری هستیم.
بانکداری، به‌دلیل ماهیت خدمات‌محور و رقابت شدید آن، همواره نیازمند حفظ جایگاه خود در بازار رقابتی است. در این فضا، مشتریان مهم‌ترین رکن هستند و فرآیندهای داخلی بانک‌ها باید سریع‌تر، ارزان‌تر و کارآمدتر از رقبا عمل کنند. این امر مستلزم اتخاذ تصمیمات بهینه و استفاده از فناوری‌هایی است که هوش را تقویت کنند. استفاده از هوش مصنوعی در بانکداری، مزیت رقابتی ایجاد می‌کند و امکان پیشی گرفتن از رقبا را فراهم می‌آورد. در ایران نیز بانک‌ها در سال‌های اخیر سعی کرده‌اند از این فناوری بهره ببرند تا جایگاه خود را در بازار تقویت کنند. 
یکی از اولین حوزه‌هایی که بانک‌ها در آن به‌کارگیری هوش مصنوعی را آغاز کردند، شناسایی مشتریان بود. این شامل جمع‌آوری و تحلیل داده‌های مشتریان برای ارائه محصولات شخصی‌سازی‌شده می‌شود. این امر می‌تواند شامل بخش‌بندی مشتریان، تعریف خدمات ویژه برای هر بخش و طراحی فرآیندهای متناسب با هر دسته از مشتریان باشد. همچنین، شناسایی ریسک‌های مرتبط با رفتارهای مشتریان نظیر تقلب یا پول‌شویی و مدیریت ریسک، از دیگر کاربردهای هوش مصنوعی در بانکداری است. زادمهر افزود که بانکداری به‌طور طبیعی بر مدیریت ریسک تمرکز دارد و استفاده از هوش مصنوعی در این زمینه به توسعه الگوریتم‌هایی کمک کرده است که در شناسایی ریسک‌ها موثر هستند. به‌رغم اینکه ایران هنوز در ابتدای راه قرار دارد، فاصله این کشور با کشورهای پیشرفته در این زمینه چندان زیاد نیست. کشورهای توسعه‌یافته سال‌هاست که در این حوزه فعال هستند و از زیرساخت‌های مناسبی بهره‌مندند. ایران نیز از برخی نرم‌افزارهای پیشرفته استفاده می‌کند و تلاش‌هایی برای توسعه نرم‌افزارهای بومی صورت گرفته است.
در صنعت بانکداری ایران، هم در بخش‌های ستادی و تصمیم‌گیری مدیران و هم در بخش‌های اجرایی و خدمات به مشتریان، هوش مصنوعی نقش فزاینده‌ای پیدا کرده است. به‌ویژه در زمینه‌هایی چون ارزیابی اعتبار مشتریان و ارائه خدمات بانکی متناسب با نیازهای آنها، این فناوری تاثیرات مثبت زیادی داشته است.
او در ادامه گفت که بانک‌های دولتی و خصوصی ایران در استفاده از فناوری هوش مصنوعی پیشرفت‌های مشابهی داشته‌اند. باوجود اینکه تعداد متخصصان در این زمینه در ایران محدود است، این محدودیت باعث شده است دانش و تجربیات میان بانک‌ها و متخصصان به اشتراک گذاشته شود. با این حال، هوش مصنوعی نیازمند زیرساخت‌های سختافزاری و نرم‌افزاری خاصی است که برای پردازش داده‌های حجیم و تحلیل کلان‌داده‌ها لازم است. علاوه بر این، کیفیت داده‌ها از اهمیت بالایی برخوردار است. داده‌ها باید صحیح و معتبر باشند و دسترسی به داده‌ها نیز به‌طور معمول محدود است. توسعه‌دهندگان الگوریتم‌های هوش مصنوعی، مدل‌های خود را ابتدا در محیط‌های محدود آزمایش و سپس آنها را در سرورهای داخلی بانک‌ها پیاده‌سازی می‌کنند. زادمهر پیش‌بینی کرد که در سال‌های آینده، مشتریان بانک‌ها شاهد تغییرات قابل توجهی در خدمات بانکی خواهند بود؛ از جمله بهبود تجربه مشتری، تغییر در نحوه تعامل با بانک‌ها و افزایش دقت در ارائه تسهیلات.
او همچنین بیان کرد که یکی از چالش‌های اصلی در این زمینه، شخصی‌سازی محصولات بانکی است. با وجود محدودیت‌های قانونی در زمینه تعیین نرخ‌های سود و شرایط تسهیلات، هوش مصنوعی می‌تواند کمک کند تا بانک‌ها محصولات متناسب‌تری را به مشتریان ارائه دهند. استفاده از هوش مصنوعی در شناسایی مشتریان هدفمندتر و ارائه خدمات متناسب، در حال پیشرفت است و انتظار می‌رود در آینده، نظام بانکی ایران بیشتر از این فناوری بهره‌برداری کند.
زادمهر در نهایت به مساله مهاجرت متخصصان حوزه فناوری اشاره کرد و گفت که در حال حاضر، برخی از بانک‌ها و شرکت‌های بزرگ فناوری اطلاعات در تلاشند تا محیط‌های کاری مناسبی برای نگه‌داشتن متخصصان در داخل کشور فراهم کنند. به گفته او، صنعت هوش مصنوعی هنوز در مراحل ابتدایی خود قرار دارد و به همین دلیل، فرصت‌های بسیاری برای پیشرفت و سرمایه‌گذاری در این زمینه وجود دارد. کشورهای پیشرفته سرمایه‌گذاری‌های کلانی در این حوزه انجام داده‌اند و انتظار می‌رود که هوش مصنوعی در آینده‌ای نزدیک تاثیرات گسترده‌ای بر بازارهای جهانی بگذارد.
هوش مصنوعی در بانک‌ها؛ فرصت یا چالش؟
گلزاده نیز در ادامه توضیح داد: اگر بخواهیم الگوریتم‌های هوش مصنوعی را به دو دسته تقسیم کنیم، می‌توان آنها را به الگوریتم‌های کلاسیک و الگوریتم‌های جدید که با ظهور مدل‌های زبانی بزرگ (LLM) در دو سه سال اخیر به وجود آمده‌اند، دسته‌بندی کرد. در حوزه الگوریتم‌های کلاسیک، صنایع مختلف ایران، از جمله صنعت بانکداری، از سال‌های گذشته ورود کرده‌اند و در بخش‌های متعددی از جمله خدمات مشتریان و همچنین فرآیندهای داخلی بانک از این فناوری استفاده می‌شود. به‌عنوان‌مثال، کاربردهایی مانند کشف تقلب، شناسایی قمار و پول‌شویی و تشخیص تخلفات بانکی از جمله حوزه‌هایی هستند که بانک‌ها با بهره‌گیری از الگوریتم‌های کلاسیک در آنها فعالیت کرده‌اند. اما در حوزه الگوریتم‌های جدید، به نظر می‌رسد صنایع بزرگ ایران، از جمله صنعت بانکداری، هنوز شناخت دقیقی از این فناوری‌ها ندارند و نمی‌دانند چگونه از آنها به‌گونه‌ای بهره بگیرند که ارزش افزوده ایجاد کند، هزینه‌ها را کاهش و کارآیی را افزایش دهد. یکی از چالش‌های اساسی در این مسیر، زیرساخت‌های داده‌ای و پردازشی است. در زمینه داده‌ها، صنعت بانکداری هنوز دارای یک زیرساخت جامع و یکپارچه از اطلاعات مشتریان، با کیفیت بالا و در سطح کلیه بانک‌ها و بانک مرکزی نیست. از سوی دیگر، در بخش زیرساخت‌های پردازشی نیز، علاوه بر هزینه‌های بالا، محدودیت‌های ناشی از تحریم‌ها باعث شده است که تهیه این زیرساخت‌ها بسیار دشوار و پیچیده باشد.
گلزاده همچنین اظهار کرد: در بخش خدماتی که مستقیما به مشتری ارائه می‌شود، مانند پیشنهاد نوع تسهیلات یا حساب بانکی خاص، همان‌طور که اشاره شد، این روند هنوز در مراحل ابتدایی است و صنعت بانکی در حال آزمون و خطا بوده و این فرآیند زمان‌بر خواهد بود. اما در بخش‌هایی که مستقیما به سیاست‌های داخلی بانک‌ها مربوط می‌شود، مانند اعتبارسنجی برای کاهش نرخ نکول، این روند به مرحله اجرا رسیده است.
در حال حاضر، یک سیستم اعتبارسنجی عمومی وجود دارد که توسط صنعت بانکی و بانک مرکزی مورد استفاده قرار می‌گیرد؛ اما این سیستم مبتنی بر هوش مصنوعی نیست، بلکه بر اساس قوانین مشخصی افراد را اعتبارسنجی می‌کند. با این ‌حال، در سال‌های اخیر، بانک‌ها تلاش کرده‌اند این فرآیند را به‌صورت اختصاصی (customize) پیاده‌سازی کنند. دلیل اصلی این اقدام آن است که سیستم اعتبارسنجی بانک مرکزی برای افرادی که سابقه دریافت تسهیلات ندارند، امتیاز اعتباری بسیار پایینی در نظر می‌گیرد. این مساله به‌ویژه در سرویس‌های آنلاین جدید، مانند BNPL (الگوی الان بخر، بعدا پرداخت کن)، چالش‌برانگیز شده است؛ زیرا بسیاری از جوانان که تاکنون وامی دریافت نکرده‌اند، در این سیستم‌ها امتیاز اعتباری مناسبی ندارند و به همین دلیل، از دریافت تسهیلات محروم می‌شوند. در نتیجه، بانک‌ها به سمت توسعه سیستم‌های اعتبارسنجی مبتنی بر هوش مصنوعی حرکت کرده‌اند. اما داده‌هایی که برای این الگوریتم‌ها استفاده می‌شود، محدود به اطلاعات داخلی خود بانک است و داده‌های جامع صنعت بانکی را در اختیار ندارند. همین مساله می‌تواند منجر به بروز برخی خطاها در این فرآیند شود. البته، هفته گذشته بانک مرکزی آیین‌نامه‌ای را برای اعتبارسنجی و تاسیس شرکت‌های فعال در این حوزه منتشر کرد.
این آیین‌نامه به شرکت‌هایی که مجوز فعالیت در حوزه اعتبارسنجی دریافت می‌کنند، اجازه می‌دهد علاوه بر داده‌های بانکی، به اطلاعات تکمیلی مانند سوابق خرید و تخلفات افراد نیز دسترسی داشته باشند. اگر سیاستی اتخاذ نشود که مجددا یک شرکت حاکمیتی کنترل این داده‌ها را در اختیار بگیرد، این اقدام می‌تواند تحول قابل ‌توجهی در فرآیند اعتبارسنجی ایجاد کند.
گلزاده درخصوص سازمان ملی فضای مجازی که در سال گذشته تاسیس شده است، توضیح داد: در خصوص این سازمان و توانایی آن در انجام وظایف خود و موفقیت‌هایش تا به امروز، باید گفت که اگر این سازمان یا هر سازمان مشابه دیگری بتواند سیاست‌های کلان حوزه هوش مصنوعی را برای تمامی صنایع کشور تدوین کند، قطعا مفید خواهد بود؛ البته تاکنون این اتفاق نیفتاده است. دولت‌ها در این زمینه نظرات مختلفی دارند و در یک‌سال اخیر که با آنها تعامل داشتیم، اقداماتی در حوزه‌های مختلف، از جمله زیرساخت‌های سخت‌افزاری و نرم‌افزاری انجام شده است. اما در سیاست‌های کلان باید مسیر و راه روشن شود و ممکن است خود سازمان‌ها خیلی وارد اجرا نشوند.
در حال حاضر، در ایران استارت‌آپ‌ها و شرکت‌های فین‌تک خوبی داریم که می‌توانند در تسریع توسعه هوش مصنوعی در کشور موثر باشند؛ اما داده‌های لازم در اختیار آنها نیست. اگر سازمان هوش مصنوعی یا هر سازمان دیگر بتواند یک سندباکس اولیه ایجاد کند که در آن داده‌های تقلبی یا نمونه‌ای وجود داشته باشد، این امکان را فراهم می‌کند که مدل‌های هوش مصنوعی این استارت‌آپ‌ها آزمایش شوند. این کار می‌تواند زیرساختی اولیه باشد که سرعت توسعه شرکت‌هایی مانند ما را افزایش دهد. در تلاشیم از سرویس‌های هوش مصنوعی در صنایع مختلف استفاده کنیم.