روزنامه دنیای اقتصاد، شنبه ۷ مهر ۱۴۰۳، شماره ۶۱۱۱

براساس گزارشی در سال های اخیر، استفاده از فناوری های پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد (GenAI) در صنعت بانکداری، تغییرات شگرفی را به همراه داشته است. این فناوری ها در بخش های مختلف بانکداری، از تجربه مشتری گرفته تا کشف تقلب، بهبود عملیات داخلی، نوآوری محصول و فرآیندهای وام دهی، نقش موثری ایفا کرده اند. در ادامه، به تحلیل و بررسی برخی از کاربردها و چالش های هوش مصنوعی در این حوزه می پردازیم.

تجربه مشتری

گوپتا، یکی از اقتصاددانان برجسته، به اهمیت استفاده از فناوری های پردازش زبان طبیعی در بانکداری اشاره می کند. این فناوری ها به بانک ها اجازه می دهند تا حجم زیادی از اسناد را با دقت و کارآمدی پردازش و تحلیل کنند. با ظهور GenAI، قابلیت های NLP گسترش یافته و امکان تولید محتوای جدید را فراهم کرده است. در این راستا، شرکت EY با بانک ها همکاری می کند تا مدل های GenAI را به کار بگیرند که قادر به استخراج و خلاصه سازی شکایات مشتریان از مکالمات ضبط شده هستند.

همچنین، فناوری های GenAI به بانک ها کمک می کنند تا خدمات بهتری به مشتریان ارائه دهند و از طریق ابزارهای پیشرفته، تجربه کارمندان خط مقدم را بهبود بخشند. به عنوان مثال، بانک آمریکا دستیار مجازی «اریکا» را معرفی کرده که از زمان راه اندازی در سال 2018، با بیش از دو میلیارد تعامل، به 42 میلیون مشتری کمک کرده است. این دستیارهای هوشمند با ارائه پاسخ های سریع و دقیق به سوالات مشتریان، به بهبود تجربه خدمات مشتری کمک می کنند.

کشف تقلب و رعایت مقررات

یکی دیگر از حوزه هایی که GenAI تاثیر چشمگیری بر آن دارد، کشف تقلب و انطباق با مقررات است. با استفاده از یادگیری ماشینی، بانک ها قادرند داده ها را در زمان واقعی تحلیل کرده و الگوهای غیرعادی را شناسایی کنند. این امر به شناسایی تهدیدهای نوظهور و جلوگیری از کلاهبرداری ها کمک می کند. طبق گزارش مرکز خدمات مالی Deloitte، GenAI تا سال 2027 می تواند زیان ناشی از تقلب در ایالات متحده را به 40 میلیارد دلار افزایش دهد. از سوی دیگر، همان طور که هوش مصنوعی به طور فزاینده ای در حال توسعه است، مجرمان نیز از این فناوری ها برای کلاهبرداری بهره برداری می کنند. بنابراین، نیاز به ایجاد سیستم های ضدکلاهبرداری پیشرفته تر و کارآمدتر از همیشه احساس می شود.

عملیات تجاری داخلی

یکی از مزایای مهم GenAI در بانکداری، خودکارسازی عملیات تجاری داخلی است. این فناوری می تواند به عنوان ابزاری قدرتمند در استخراج داده ها، حل وفصل حوادث، تولید اسناد و خلاصه سازی سریع سیاست ها و رویه های داخلی عمل کند. این امر نه تنها به کاهش حجم کارهای دستی منجر می شود، بلکه به کارکنان این امکان را می دهد تا بر فعالیت های استراتژیک تر تمرکز کنند. با توجه به این مزایا، بانک ها و موسسات مالی بیشتر بر استفاده از موارد داخلی نسبت به موارد مرتبط با مشتری تمرکز دارند و تلاش می کنند تا خطرات و هزینه های مرتبط با سیستم های هوش مصنوعی را مدیریت کنند.

نوآوری محصول

استفاده از GenAI همچنین بانک ها را قادر می سازد تا محصولات و خدمات جدیدی را ارائه دهند و منابع درآمدی جدیدی ایجاد کنند. برای مثال، بانک Erste در اتریش ابزار «PrototypeFinancial Health» را معرفی کرده که به مشتریان امکان می دهد سوالاتی درباره وضعیت مالی خود مطرح کنند و پیشنهادهایی برای مدیریت بدهی یا برنامه ریزی تعطیلات دریافت کنند. این راهکارها به دموکراتیزه سازی خدمات بانکی کمک کرده و دسترسی به مشاوره مالی را برای همه فراهم می کنند.

وام دهی

GenAI همچنین در فرآیندهای وام دهی تاثیرگذار بوده است. به عنوان مثال، بانک BanCol در ایالات متحده از دستیار هوش مصنوعی مکالمه ای برای پاسخ گویی به سوالات وام گیرندگان و ارائه اطلاعات دقیق در مورد محصولات وام استفاده می کند. این سیستم ها با بهبود شفافیت و ارائه مشاوره های دقیق، کیفیت سرنخ های فروش را افزایش داده و روند درخواست وام را تسهیل می کنند.

چالش ها و خطرات استفاده از هوش مصنوعی در بانکداری

استفاده از هوش مصنوعی در بانکداری با چالش ها و خطرات زیادی همراه است که باید به درستی مدیریت شوند.

حریم خصوصی داده ها: یکی از چالش های اصلی، حفظ حریم خصوصی اطلاعات مشتریان است.

فناوری های هوش مصنوعی می توانند اطلاعات شخصی را بدون اطلاع کاربران جمع آوری کنند که این مساله می تواند منجر به سوءاستفاده از داده های حساس شود.

رفتار ناعادلانه در هوش مصنوعی: نگرانی هایی درباره تعصب و انصاف در الگوریتم های هوش مصنوعی وجود دارد.

مدل های هوش مصنوعی ممکن است براساس داده های آموزشی متعصبانه عمل کنند که می تواند منجر به رفتار ناعادلانه در تاییدیه های وام یا امتیازدهی اعتبار شود.

شفافیت و توضیح پذیری: عدم شفافیت در عملکرد مدل های هوش مصنوعی می تواند انطباق با مقررات را دشوار کرده و اعتماد مشتریان را تضعیف کند.

روندها و پیش بینی های آینده

گوپتا معتقد است که هوش مصنوعی آماده است تا صنعت بانکداری را از طریق خدمات شخصی تر و محصولات مالی نوآورانه دگرگون کند. Deloitte پیش بینی می کند که بانک های بزرگ سرمایه گذاری جهانی می توانند با استفاده از GenAI بهره وری خود را بین 27 تا 35 درصد افزایش دهند که این امر منجر به درآمد اضافی 3.5 میلیون دلار به ازای هر کارمند اصلی تا سال 2026 خواهد شد. در مجموع، فناوری های هوش مصنوعی و GenAI پتانسیل عظیمی برای تحول در صنعت بانکداری دارند. با این حال، برای استفاده بهینه و موثر از این فناوری ها، بانک ها باید بر چالش های مرتبط با حفظ حریم خصوصی، شفافیت، تعصب و انصاف فائق آیند و چارچوب های حاکمیتی قوی را برای نظارت و مدیریت این فناوری ها ایجاد کنند.