بزرگنمايي:

بازار آریا - دنیای اقتصاد - نیما شمساپور : در مرکز پرهیاهوی نایروبی یک دست‌فروش جوان میوه‌ها و سبزیجاتی چون موز، آووکادو و گوجه‌فرنگی را روی بساطی ساده می‌چیند. تا همین اواخر او نه سابقه‌ اعتباری مشخصی داشت و نه حتی حساب بانکی. هر روز با نگرانی از خود می‌پرسید: آیا هزینه‌ لازم برای تهیه میوه و سبزی فردا را دارد؟ هنگامی که هزینه‌های غیرمنتظره‌ای مثل درمان یکی از اعضای خانواده یا پرداخت شهریه‌ تحصیلی پیش می‌آمد، دو راه‌حل بیشتر نداشت؛ او یا باید به طلبکاران محلی با نرخ بهره‌ بالا رو می‌آورد یا امیدوار به کمک اطرافیان بود. با این حال تحولی تازه یک روزنه برای رهایی او از این تنگنا باز کرد.
تغییر مسیر با فین‌تک‌های هوشمند
چند ماه پیش او یک اپلیکیشن موبایلی از یک شرکت فین‌تکی مستقر در کنیا را نصب کرد؛ تصمیمی که مسیر زندگی‌اش را تغییر داد. پس از چند کلیک ساده متوجه شد که می‌تواند بدون نیاز به پر کردن انبوهی از مدارک بانکی برای یک وام کوتاه‌مدت و اندک تقاضا دهد. الگوریتم هوش مصنوعی اپلیکیشن، وضعیت اعتباری او را بر اساس الگوهای استفاده از تلفن همراه، پیامک‌ها و عادت‌های پرداخت قبوض سنجید. طولی نکشید که درخواستش تایید و مبلغ وام به کیف پول دیجیتال او واریز شد. به این ترتیب همان روز صبح توانست میوه‌های بیشتری بخرد و تا ظهر همه را فروخت. بازپرداخت منظم وام، اعتبارش را افزایش داد و به او کمک کرد تا نیازهایش را بهتر مدیریت کند.
داستان این دست‌فروش جوان در کنیا تنها یکی از هزاران تجربه موفق است. این روایت نشان می‌دهد که چگونه پلتفرم‌های مبتنی بر هوش مصنوعی توانسته‌اند موانع تاریخی شمول مالی را از پیش‌رو بردارند و زندگی افراد را تغییر دهند. این مطلب قصد دارد شیوه‌های نوین برای تسهیل دسترسی به وام، اعتبار و سایر خدمات مالی را بررسی کند و همچنین راهبردها و شیوه‌های برتر برای ارتقای شمول مالی در سطح جهانی را برجسته سازد.
چت‌بات‌ها در خدمت مشتریان
یکی از موانع بزرگ در مسیر شمول مالی، وابستگی به شیوه‌های سنتی اعتبارسنجی است. این شیوه‌های قدیمی معمولا به سابقه‌ کاری رسمی، وثیقه یا پیشینه‌ دریافت وام از بانک‌های سنتی متکی هستند. این شرایط به‌طور خودکار بسیاری از افراد شاغل در بخش غیررسمی را از دسترسی به خدمات مالی محروم می‌کند. هوش مصنوعی می‌تواند با تحلیل داده‌های نوآورانه‌ای همچون میزان شارژ موبایل، سوابق پرداخت اجاره و قبوض یا حتی رفتار کاربران در شبکه‌های اجتماعی، تصویر جامع‌تری از اعتبار افراد بسازد. شناسایی این الگوهای ناپیدا و غیرمرسوم از توان بازپرداخت، نه تنها موجب دسترسی بیشتر به خدمات مالی می‌شود، بلکه امکان دریافت وام و بیمه را برای افرادی که قبلا از دسترسی به این خدمات محروم بودند، فراهم می‌کند.
ابزارهای مالی رایج در بسیاری از مواقع با الگوهای درآمدی نامنظم در مناطق محروم هماهنگ نیستند. شروط سخت‌گیرانه‌ بازپرداخت وام، حداقل موجودی بالا در حساب و کارمزدهای پیچیده می‌توانند اقشار کم‌درآمد را در مدیریت مالی با چالش مواجه کنند. هوش مصنوعی می‌تواند با تحلیل هم‌زمان داده‌های تراکنش، از کیف پول‌های الکترونیکی گرفته تا بسترهای تجارت الکترونیک، راهکارهای مالی متناسب با نوسانات درآمدی ارائه دهد. وام‌های خرد، بیمه‌های کوچک‌مقیاس و حساب‌های پس‌انداز انعطاف‌پذیر از جمله این گزینه‌ها هستند. مثلا کشاورزان می‌توانند بازپرداخت اقساط را با فصل برداشت هماهنگ و رانندگان، پرداخت‌ها را بر اساس درآمدشان تنظیم کنند و این انعطاف‌پذیری، ثبات اقتصادی را تقویت می‌کند.
ایجاد مراکز تماس و شعب فیزیکی برای موسسات مالی، به‌ویژه در مناطق دورافتاده یا کم‌جمعیت، هزینه‌بر و غیرکارآمد است. در مقابل، چت‌بات‌ها و دستیارهای صوتی مبتنی بر هوش مصنوعی راهکاری مقرون‌به‌صرفه، مستمر و 24 ساعته برای ارتباط با مشتریان ارائه می‌دهند. پیشرفت‌های اخیر در پردازش زبان طبیعی‌(NLP) امکان درک گفتار محاوره‌ای، تشخیص گویش‌های محلی و پاسخگویی به پرسش‌های پیچیده را فراهم می‌کند. این تعامل آسان و بدون واسطه، اعتماد کاربرانی را که تازه با بانکداری دیجیتال آشنا شده‌اند، جلب می‌کند و همچنین آنها را در افتتاح حساب، انتقال وجه و مدیریت مالی همراهی می‌کند.
در کنار اینها نگرانی از کلاهبرداری‌های آنلاین همیشه برای کاربران وجود داشته است. به همین دلیل ترس از کلاهبرداری یا حملات فیشینگ، یکی از موانع جدی برای بسیاری از افرادی است که برای نخستین بار به خدمات مالی رسمی مراجعه می‌کنند. با این حال اما هوش مصنوعی با رصد مداوم تراکنش‌ها، ورودهای کاربران و داده‌های شبکه، الگوهای مشکوک یا رفتارهای غیرعادی را شناسایی می‌کند. با این اوصاف الگوریتم‌های یادگیری ماشینی با تجزیه و تحلیل حجم عظیمی از داده‌ها می‌توانند به سرعت موارد مشکوک به تقلب را شناسایی و متوقف سازند. این قابلیت نه تنها ریسک را کاهش می‌دهد، بلکه اعتماد کاربران را افزایش می‌دهد و هزینه‌های کارمزد خدمات مالی را هم پایین می‌آورد؛ در نتیجه اقشار کم‌درآمد نیز علاقه‌مند می‌شوند تا از این خدمات ایمن استفاده کنند.
دسترسی برابر و ارزان
در بانکداری سنتی راه‌اندازی شعبه، استخدام نیروی انسانی و تامین امنیت فیزیکی، هزینه‌های بالایی به همراه دارد. با ترکیب مدل‌های بانکداری دیجیتال و هوش مصنوعی، این هزینه‌ها به‌طور قابل توجهی کاهش یافته و دامنه خدمات گسترده‌تر می‌شود. همچنین فرآیند ثبت‌نام و دریافت تسهیلات با استفاده از فناوری‌های احراز هویت مانند بیومتریک یا تشخیص چهره نیاز به حضور فیزیکی را برطرف می‌کند. علاوه بر این، کنترل‌های خودکار برای رعایت مقررات، روند بررسی درخواست‌های مشتری را سرعت می‌بخشد و در نتیجه باعث صرفه‌جویی در هزینه و زمان می‌شود. این تحول به جمعیت‌های دورافتاده و کم‌درآمد این امکان را می‌دهد که با هزینه‌ای کم یا حتی رایگان به خدمات بانکی دسترسی پیدا کنند.
بسیاری از افراد به دلیل نداشتن آگاهی کافی از مفاهیم مالی، دسترسی به خدمات مالی را به درستی تجربه نمی‌کنند. اپلیکیشن‌های مجهز به هوش مصنوعی می‌توانند با ارائه محتوای آموزشی شخصی‌سازی‌شده، مفاهیمی همچون نرخ بهره، اصول اعتبار و اهمیت پس‌انداز را به‌صورت ساده و قابل‌فهم توضیح دهند. استفاده از ویدئوهای تعاملی، درس‌های صوتی و پیام‌های درون‌برنامه‌ای گام‌به‌گام می‌توانند کاربران را در مسیر یادگیری هدایت کرده و اعتماد آنها را به خدمات دیجیتال افزایش دهند. این ابزارها نه تنها ریسک نکول وام‌ها را کاهش می‌دهند، بلکه ارتباط مستحکمی میان کاربران و ارائه‌دهندگان خدمات مالی برقرار می‌کنند.
وام‌های شخصی‌سازی‌شده برای خرد کارآفرینان و شاغلان حوزه گیگ یکی دیگر از ویژگی‌های نفوذ فناوری در خدمات مالی است. کارآفرینان خرد و شاغلان حوزه‌ اقتصاد گیگ، مانند رانندگان تاکسی اینترنتی و پیک‌های حمل‌ونقل، اغلب به دلیل نداشتن مدارک رسمی از دریافت تسهیلات بانکی محروم می‌شوند. هوش مصنوعی می‌تواند با تجمیع داده‌های عملکردی مثل ساعات فعالیت در پلتفرم‌های سفارش آنلاین، تعداد ماموریت‌های انجام‌شده و همچنین امتیازات مشتری، وضعیت ریسک اعتباری این افراد را با دقت بیشتری ارزیابی کند. این رویکرد دقیق به جای بوروکراسی سنتی، امکان دریافت وام‌های کوتاه‌مدت و تامین مالی تجهیزات کاری را فراهم می‌کند. چنین راهکاری نه‌تنها باعث پایداری بیشتر کسب‌وکارهای خرد می‌شود، بلکه به رشد اقتصادی در لایه‌های پایین‌تر بازار نیز کمک می‌کند.
سیستم‌های وام‌دهی مبتنی بر هوش مصنوعی می‌تواند تحولی بزرگ برای زنان کارآفرین و کشاورز هم ایجاد کند. بسیاری از آنها پیش از این به دلیل نداشتن وثیقه یا محدودیت‌های قانونی از دریافت وام محروم بوده‌اند. هوش مصنوعی می‌تواند با تحلیل داده‌هایی مانند میزان خرید روزانه‌ کالا برای یک فروشگاه یا الگوی فعالیت‌های اقتصادی، اعتبار مالی آنها را به شکلی دقیق ارزیابی کند. این رویکرد نه‌تنها امکان دریافت تسهیلات را برای زنان افزایش می‌دهد، بلکه به آنها قدرت بیشتری برای سرمایه‌گذاری در کسب‌وکار یا بهبود وضعیت اقتصادی خانواده می‌بخشد.
استراتژی‌های کلیدی
در بسیاری از بازارهای نوظهور، بانک‌های دیجیتال و ارائه‌دهندگان وام‌های خرد مبتنی بر هوش مصنوعی با اپراتورهای موبایل همکاری می‌کنند تا خدمات مالی را به مناطقی برسانند که پیش‌تر دسترسی محدودی به این امکانات داشتند. این همکاری‌ها نه‌تنها اعتبار ارزان‌تر و کیف‌پول‌های دیجیتال امن‌تری را در اختیار کاربران قرار می‌دهند، بلکه تاثیری زنجیره‌ای و عمیق‌تر ایجاد می‌کنند. افزایش اعتماد مردم به این سازوکارهای مالی، آنها را به سرمایه‌گذاری‌های بلندمدت، خرید بیمه و برنامه‌ریزی برای پس‌انداز سوق می‌دهد و در نهایت موجب بهبود سلامت مالی کل جامعه می‌شود.
ارتقای حکمرانی داده به‌منظور حفاظت بهتر از حریم خصوصی کاربران: آنها باید مقررات شفافی برای گردآوری، استفاده و نگهداری داده‌ها تعیین کنند. این کار ضمن حمایت از حقوق مشتریان، زمینه‌ای برای نوآوری مبتنی بر هوش مصنوعی فراهم می‌آورد. الگوهای امن اشتراک‌گذاری داده‌ها را ترویج کنند تا شرکت‌های وام‌دهنده و فین‌تک‌ها بتوانند با حفظ اصول اخلاقی و امنیت به داده‌های جایگزین دست یابند.
تقویت همکاری‌های مالی برای ایجاد سیستم‌های یکپارچه: شراکت میان بانک‌ها، استارت‌آپ‌های فین‌تک و اپراتورهای موبایل را تقویت کنند تا اکوسیستم‌های یکپارچه مالی شکل بگیرد. باید برای طرح‌های آزمایشی مبتنی بر هوش مصنوعی با هدف بهبود دسترسی اقشار محروم، مشوق‌ها یا کمک‌هزینه‌هایی در نظر بگیرند و الگوهای موفق را در مقیاس وسیع‌تر اجرا کنند.
راهیابی اینترنت و آموزش دیجیتال به دورافتاده‌ترین نقاط: پوشش اینترنت و موبایل را در مناطق دورافتاده گسترش دهند تا زمینه‌ عرضه‌ خدمات مالی دیجیتال فراهم شود. از طرح‌های ملی برای آموزش سواد مالی و دیجیتال حمایت کنند تا مردم نحوه‌ استفاده مسوولانه از خدمات بانکی و وام‌های الکترونیک را بیاموزند.
استفاده از هوش مصنوعی مسوولیت‌پذیر برای آینده‌ای منصفانه: موسسات مالی را ملزم کنند که الگوریتم‌های هوش مصنوعی را به‌صورت شفاف پیاده‌سازی کنند تا مشتریان بتوانند دلیل تصمیم‌گیری‌های اعتباری را درک کنند. بازرسی دوره‌ای از مدل‌های اعتبارسنجی و چت‌بات‌های پاسخگویی انجام دهند تا هر نوع سوگیری شناسایی و اصلاح شود.
ایجاد توازن میان توسعه فناوری و حمایت از مصرف‌کنندگان: رویکردی متعادل در مقررات‌گذاری اتخاذ کنند که ضمن فراهم کردن زمینه‌ پیشرفت آزمایش‌های هوش مصنوعی، از حقوق مصرف‌کنندگان نیز حفاظت کند. از ظرفیت سندباکس‌های رگولاتوری بهره گیرند تا محصولات نوآورانه مبتنی بر هوش مصنوعی در محیطی کنترل‌شده ارزیابی و سپس در مقیاس گسترده ارائه شوند. دولت‌ها می‌توانند با اجرای این استراتژی‌ها بستری مناسب فراهم کنند که هوش مصنوعی به‌طور موثر در گسترش شمول مالی نقش‌آفرینی کند. نظارت هوشمندانه، همکاری بین‌بخشی و به‌روزرسانی مداوم مقررات، ابزارهایی هستند که باید در اختیار سیاستگذاران قرار گیرد تا از این طریق پتانسیل بالای هوش مصنوعی در خدمت‌رسانی به اقشار محروم و آسیب‌پذیر جامعه به شکوفایی برسد. در واقع هوش مصنوعی به عنوان نیرویی تحول‌آفرین در گسترش شمول مالی شناخته می‌شود. 
از بساط‌های میوه‌فروشی در نایروبی تا مناطقی که سال‌ها از دسترسی به زیرساخت‌های بانکی محروم مانده‌اند، این فناوری با استفاده از روش‌های نوآورانه اعتبارسنجی و تشخیص تقلب، هزینه‌ها و ریسک‌های خدمت‌رسانی به اقشار ضعیف را کاهش می‌دهد و همچنین پیشرفت در آموزش مالی و توجه به گروه‌هایی مانند کارآفرینان خرد، آینده‌ای فراگیرتر و عادلانه‌تر را نوید می‌دهد. همان‌طور که ماجرای نایروبی نشان می‌دهد‌ نقش هوش مصنوعی در خدمات مالی می‌تواند هم تحول‌آفرین و هم پایدار باشد. دست‌فروشی که روزگاری برای تامین سرمایه کسب‌وکارش با مشکلات زیادی روبه‌رو بود، اکنون با پشتوانه اعتبار دیجیتال می‌تواند کسب‌وکار خود را گسترش دهد و امنیت اقتصادی بیشتری برای خانواده‌اش فراهم کند. به این ترتیب ترکیب نوآوری فناورانه و مدیریت اخلاق‌مدارانه می‌تواند دروازه‌های شمول مالی را برای بسیاری از جوامع مستعد بیش از پیش باز کند.