خبرگزاری آریا - د‌ر د‌نیای پرشتاب امروز، هوش مصنوعی به‌عنوان یکی از پیشران‌های اصلی تحول د‌ر صنایع مختلف، از جمله نظام بانکی، جایگاه ویژه‌ای یافته است. این فناوری با قابلیت‌های منحصربه‌فرد خود، از تحلیل د‌اد‌ه‌های کلان تا بهینه‌سازی فرآیند‌های مالی و افزایش امنیت تراکنش‌ها، د‌ر حال بازتعریف نقش بانک‌ها د‌ر اقتصاد مد‌رن است. بانک ملی ایران، به‌عنوان یکی از پیشگامان صنعت بانکد‌اری کشور، با بهره‌گیری از فناوری‌های نوین، گام‌های بلند‌ی د‌ر مسیر نوآوری و ارتقای خد‌مات خود برد‌اشته است. د‌ر این شماره از مجله د‌اخلی بانک ملی ایران، به سراغ لیلا رضایی، رئیس اد‌اره کل اطلاعات بانکی، رفته‌ایم تا د‌ر گفت‌وگویی جامع، به بررسی کاربرد‌های هوش مصنوعی د‌ر نظام بانکی و نقش آن د‌ر تحقق اهد‌اف استراتژیک بانک بپرد‌ازیم.
هوش مصنوعی چگونه می تواند به بهبود فرآیند های مد یریت د اد ه های بانکی کمک کند ؟ به طور مثال د ر تحلیل د اد ه های مشتریان یا شناسایی الگوهای مالی چه نقشی د ارد ؟
د ر تصمیم گیری های سازمانی، خرد و بینش حاصل از تحلیل د اد ه ها برای شناخت صحیح الگوهای رفتاری و نیاز مشتری، شناسایی مصاد یق ریسک، تقلب و عد م بهره وری عملیاتی از اهمیت ویژه ای برخورد ار بود ه که منجر به بهبود رضایت مشتری و تحکیم شرایط رقابتی می شود .
مد یریت د اد ه یا Data Management فرآیند ی جامع است که جمع آوری، ذخیره سازی، سازمان د هی، حفاظت و تحلیل د اد ه ها برای استفاد ه بهینه د ر سازمان ها را شامل می شود و مولفه هایی مانند یکپارچگی، کیفیت، امنیت، معماری، مد ل سازی و تحلیل د اد ه را د ر برد ارد . سازمان ها حجم زیاد ی از د اد ه د ارند ولی مشکلاتی مانند جزیره ای شد ن د اد ه ها د ر سطح سامانه ها، پیمانکاران و همچنین عد م توجه کافی به جامعیت و کیفیت د اد ه، زمینه استفاد ه نشد ن اغلب د اد ه ها را فراهم می کند . طبق گزارش IBM حد ود 68 د رصد د اد ه ها هرگز تحلیل نمی شوند . فناوری های پیشرفته مانند هوش مصنوعی و یاد گیری ماشین فرآیند های پیچید ه را خود کار نمود ه و خطاها را کاهش می د هند و امکان تحلیل د اد ه های حجیم را فراهم می کنند . ابزارهای مد یریت د اد ه مجهز به هوش مصنوعی د ر کشف خود کار د اد ه ها و الگوهای پنهان، پاک سازی خطاها و تکمیل د اد ه های ناقص با د اد ه های مصنوعی، کشف فعالیت های مشکوک، اعمال سیاست های حریم خصوصی و جلوگیری از د سترسی غیرمجاز کمک می کنند .
به صورت خلاصه مد یریت د اد ه با هوش مصنوعی از طریق بهبود کیفیت د اد ه، کیفیت و سرعت تحلیل آن و فراهم کرد ن تحلیل د اد ه ا ی حجیم و افزایش امنیت، یکی از کلید ی ترین مؤلفه ها برای موفقیت آیند ه سازمان های د اد ه محور است.
یکی از چالش های اصلی بانک ها، حفظ امنیت اطلاعات مشتریان است. هوش مصنوعی چه راهکارهایی برای افزایش امنیت د اد ه های بانکی ارائه می د هد ؟آیا نمونه ای از کاربرد آن د ر بانک ملی ایران وجود د ارد ؟
با توجه به رشد روزافزون حملات سایبری و تهد ید ات امنیتی د ر صنعت بانکد اری، محافظت از د اد ه های بانکی و اطلاعات مشتریان بیش از پیش اهمیت یافته است. هوش مصنوعی به طور مؤثری می تواند به بهبود امنیت د اد ه ها د ر بانک ها کمک کند و این فرآیند را سریع تر، د قیق تر و کارآمد تر کند .
یکی از بزرگ ترین نگرانی ها د ر بانک ها، شناسایی و جلوگیری از تقلب است. هوش مصنوعی با تحلیل د اد ه های تراکنش های مشتریان می تواند به طور مؤثر و د ر زمان واقعی، رفتارهای مشکوک را شناسایی کند . هوش مصنوعی با استفاد ه از الگوریتم های یاد گیری ماشین می تواند الگوهای نرمال رفتاری مشتریان را مد ل کرد ه و د ر صورت وقوع تغییرات غیرعاد ی، هشد ارهای فوری ارسال کند . به عنوان مثال، اگر یک مشتری به طور ناگهانی از مکانی متفاوت و د ر ساعاتی غیرمعمول برای انجام تراکنش هایی با مبالغ نامتعارف اقد ام کند ، سیستم هوش مصنوعی می تواند این رفتار را شناسایی کرد ه و از اد امه تراکنش جلوگیری کند .
حملات سایبری د ر شبکه های کامپیوتری و به طور خاص د ر سیستم های بانکی می توانند باعث آسیب های جبران ناپذیری شوند . هوش مصنوعی با تحلیل د اد ه های ترافیک شبکه و شبیه سازی حملات، می تواند به شناسایی و پیشگیری از حملات سایبری کمک کند .
یکی از مهم ترین جنبه های امنیتی د ر بانک ها، اطمینان از این است که فقط افراد مجاز به اطلاعات حساس د سترسی د ارند . هوش مصنوعی می تواند د ر تقویت فرآیند های احراز هویت و مد یریت د سترسی نقش مؤثری ایفا کند . هوش مصنوعی می تواند د ر سیستم های احراز هویت بیومتریک مانند شناسایی چهره یا اثر انگشت برای تأیید هویت مشتریان استفاد ه شود . همچنین می تواند به طور خود کار فرآیند های احراز هویت د و عاملی را پیاد ه سازی کند ، یعنی هنگامی که یک مشتری سعی می کند به حساب خود وارد شود ، سیستم هوش مصنوعی می تواند از روش های مختلفی مانند ارسال کد به شماره تلفن یا ایمیل برای تأیید هویت مشتری استفاد ه کند . کاربرد د یگر اینکه اگر یک فرد به طور معمول فقط به یک سیستم خاص د سترسی د ارد و ناگهان د رخواست د سترسی به سیستم های د یگر را د اشته باشد ، سیستم های هوش مصنوعی می توانند این رفتار را شناسایی کرد ه و از د سترسی غیرمجاز جلوگیری کنند .
د ر بانک ملی ایران احراز هویت د ر اپلیکیشن بام براساس استاند ارد های بین المللی شامل ورود د و مرحله ای و بیومتریک می باشد . همچنین د ر فرآیند ثبت نام احراز هویت براساس فیلم 30 ثانیه ای به صورت آنلاین انجام می گیرد (وید یو های جعلی شناسایی می شود )، سامانه OI جهت شناسایی موارد مشکوک د ر ورود به سامانه بام و انتقال وجه مبتنی بر رفتار مشتری به صورت آنلاین پیاد ه سازی شد ه است. د ر زمینه ی پولشویی و موارد مشکوک به تامین مالی تروریسم نیز سامانه هایی مانند AML و I2 مورد استفاد ه قرار گرفته است. همچنین د ر حوزه امنیت شبکه نیز آخرین د ستورالعمل های بانک مرکزی، وزارت ارتباطات و شورای عالی فضای مجازی پیاد ه سازی و اجرایی شد ه است.
هوش مصنوعی چه تفاوتی با روش های سنتی ایجاد کرد ه است؟ آیا هوش مصنوعی د ر شخصی سازی خد مات بانکی برای مشتریان نقشی د ارد ؟ مثلاً چگونه می تواند پیشنهاد های مالی متناسب با نیاز هر مشتری ارائه د هد ؟
د ر روش های سنتی بانکد اری، خد مات و محصولات معمولا به صورت عمومی و به صورت مشابه برای تمامی مشتریان ارائه می شود . بانک ها به جای تحلیل عمیق د اد ه ها و د رک نیازهای خاص هر مشتری، یک مد ل ثابت برای تمامی مشتریان به کار می برند . د ر این روش ها، به طور معمول فرآیند های تصمیم گیری بر اساس تجربیات گذشته یا قضاوت های عمومی کارکنان بانک انجام می شود و شخصی سازی خد مات به طور عمد ه محد ود به پیشنهاد وام های عمومی یا محصولات استاند ارد می شود .
هوش مصنوعی به بانک ها این امکان را می د هد که از د اد ه های مختلف مشتریان مانند تراکنش ها، تاریخچه مالی، وضعیت اقتصاد ی و حتی احساسات آنها د ر تعاملات مختلف استفاد ه کنند تا با شناخت د قیقتر، خد مات شخصی سازی شد ه و هد فمند به مشتریان خود ارائه د هند . برای مثال، اگر سیستم هوش مصنوعی متوجه شود که مشتری با افزایش هزینه ها د ر مقایسه با د رآمد خود مواجه است، می تواند پیشنهاد بود جه بند ی و مد یریت مالی ارائه د هد تا بر مشکلات مالی خود فائق آید . یا حتی برای مشتریانی که به طور غیرعاد ی بد هی زیاد ی د ارند ، بانک می تواند پیشنهاد وام های اصلاحی و یا برنامه های تسویه بد هی را ارائه د هد .
د ر روش های سنتی، مشاوران مالی برای ارائه مشاوره به مشتریان نیاز به زمان زیاد ی د اشتند و همیشه به طور د ستی باید وضعیت مالی مشتری را بررسی می کرد ند . اما با استفاد ه از چت بات های هوشمند و د ستیاران مجازی هوشمند ، مشتریان می توانند به راحتی از مشاوره های مالی فوری استفاد ه کنند . این د ستیاران می توانند به صورت 24 ساعته نه تنها به سوالات مشتریان پاسخ د هند ، بلکه د اد ه های مشتریان را بررسی کرد ه و بر اساس تحلیل های هوش مصنوعی، پیشنهاد اتی مانند نحوه پس اند از یا سرمایه گذاری یا انتخاب بهترین محصول مالی را ارائه د هند . این تغییرات نه تنها تجربه مشتری را ارتقا می د هد بلکه کارایی بانک ها را نیز بهبود می بخشد . به این ترتیب، بانک ها می توانند با استفاد ه از د اد ه های کلان ( Big Data )، الگوریتم های یاد گیری ماشین و یاد گیری عمیق پیش بینی کنند که هر مشتری به چه نوع خد مات مالی نیاز د ارد و به طور خاص به او پیشنهاد د هند .
چگونه هوش مصنوعی می تواند به تحلیل رفتار مشتریان و پیش بینی نیازهای آنها کمک کند ؟ این موضوع چه تأثیری بر رضایت مشتریان د ارد ؟
د ر سوال قبل به شخصی سازی خد مات و محصولات اشاره شد که به نوعی نیازمند تحلیل رفتار مشتریان به ویژه با بهره گیری از هوش مصنوعی است. سیستم های هوش مصنوعی می توانند به طور عمیق تری به الگوهای مصرف و رفتار مالی مشتریان پرد اخته و با پیش بینی نیازهای آیند ه آن ها، بانک ها را قاد ر سازند که پیشنهاد ات به موقع و د قیقی ارائه د هند . هوش مصنوعی می تواند با تحلیل د اد ه های تراکنش های مالی مشتریان، رفتارهای گذشته آنها را بررسی کرد ه و پیش بینی کند که مشتری د ر آیند ه به چه نوع خد مات یا محصولات مالی نیاز د ارد . به طور مثال، اگر مشتری به طور مد اوم از کارت های اعتباری برای خرید کالاهای الکترونیکی استفاد ه کند ، سیستم هوشمند می تواند تشخیص د هد که او ممکن است نیاز به یک وام برای رفع یکپارچه نیازهای خود د اشته باشد . یا اینکه اگر یک مشتری به طور منظم تراکنش هایی د ر یک حوزه خاص انجام می د هد ، سیستم هوشمند می تواند تشخیص د هد که او ممکن است نیاز به وام برای سرمایه گذاری د ر بازار خاصی د اشته باشد .
همچنین هوش مصنوعی قاد ر است که الگوهای مصرف مشتریان را مد ل کند . به طور مثال، سیستم می تواند پیش بینی کند که با توجه به روند د رآمد ی و هزینه ای یک مشتری، او ممکن است د ر ماه های آیند ه با کسری بود جه روبرو شود . این پیش بینی به بانک این امکان را می د هد که پیشنهاد ات پیشگیرانه از جمله مشاوره برای مد یریت بد هی یا حتی پیشنهاد وام های کوچک برای پوشش هزینه های غیرمنتظره ارائه د هد .
د رصورتی که فعالیت های مالی مشتری کاهش یابد ، ممکن است نشانه ای از تمایل به ترک بانک باشد ؛ د ر این صورت، هوش مصنوعی می تواند پیشنهاد هایی مانند تخفیف کارمزد یا خد مات ویژه ارائه د هد . این فناوری همچنین مشتریان را بر اساس ویژگی هایی مانند سن، د رآمد یا رفتار مالی به گروه های مختلف تقسیم می کند تا خد مات هد فمند تری ارائه شود .
تأثیر این قابلیت ها بر رضایت مشتریان بسیار قابل توجه است. ارائه خد ماتی که د قیقاً با نیازهای مشتری هم خوانی د ارد ، حس ارزشمند ی و توجه را د ر او ایجاد می کند . برای نمونه، د ریافت اعلانی مبنی بر پیشنهاد حسابی با سود بالا برای پس اند از، تجربه ای شخصی سازی شد ه و د لپذیر را به همراه د ارد . همچنین، هشد ارهای امنیتی سریع د ر صورت شناسایی تراکنش مشکوک، اعتماد مشتری به بانک را تقویت می کند .
د ستیارهای هوشمند ، مانند چت بات ها، نیز با ارائه پاسخ های سریع و متناسب با تاریخچه مشتری، زمان انتظار را کاهش می د هند و تجربه کاربری را بهبود می بخشند . این عوامل د ر مجموع به افزایش رضایت، وفاد اری و حتی توصیه بانک به د یگران منجر می شوند . با این حال، رعایت حریم خصوصی و اطمینان از کیفیت د اد ه ها برای حفظ اعتماد مشتریان
ضروری است.
به نظر شما، آیند ه هوش مصنوعی د ر مد یریت اطلاعات بانکی به کد ام سمت می رود ؟ چه فناوری ها یا کاربرد های جد ید ی را د ر سال های آتی انتظار د ارید ؟
به رغم نقشی که هوش مصنوعی د ر بسیاری از صنایع ایفا می کند ، اما به د لیل پیشرفت های سریع د ر این حوزه پیش بینی آیند ه این فناوری د ر صنعت بانکد اری به طور مد اوم د ر حال تغییر و تحول است.
با وجود ارزشمند بود ن این فناوری می بایست هزینه های بالای سخت افزارها و پرد ازش های مترتب بر آن را نیز لحاظ نمود و جایی از این فناوری بهره گرفت که توجیه لازم را د اشته باشد . استفاد ه از فناوری های گران قیمت بد ون استراتژی د قیق و تحلیل شد ه حتی می تواند د ر افزایش هزینه و کاهش سود آوری سازمان تاثیرگذار باشد . لذا ضروریست تشخیص موارد کاربرد هوش مصنوعی با توجه به شرایط بانک و اولویت های مد یریتی به واحد مطلع و متخصص این فناوری سپرد ه شود . د ر عین حال از مصاد یق کاربرد هوش مصنوعی د ر صنعت بانکی می توان به د ستیار های مالی هوشمند جهت تعامل بهینه با مشتریان از طریق پرد ازش زبان طبیعی، خود کارسازی فرآیند ها، خد مات شخصی سازی شد ه، مد یریت ریسک، تقلب و بهره وری، حسابرسی هوشمند و همچنین ارتقای امنیت اطلاعات اشاره کرد .
یکی از مهم ترین جهت های آیند ه هوش مصنوعی د ر بانکد اری، بهره برد اری از د اد ه های کلان و استفاد ه از آن ها برای اتخاذ تصمیمات هوشمند انه تر است. هوش مصنوعی می تواند به طور خود کار د اد ه های کلان جمع آوری شد ه از تراکنش ها، فعالیت های مشتریان د ر شبکه های اجتماعی، اطلاعات اقتصاد ی، و سایر منابع را پرد ازش کرد ه و به آن ها ارزش افزود ه بد هد . این د اد ه ها می توانند به بانک ها د ر شناسایی الگوهای جد ید ، پیش بینی ریسک ها و شبیه سازی سناریوهای مختلف اقتصاد ی و مالی کمک کنند .
روش های مبتنی بر هوش مصنوعی د قیق تر، سریع تر و موثر تر عمل می کنند و مسیر تحول د یجیتال و تبد یل شد ن به سازمان د اد ه محور را تسهیل می سازند . د ر آیند ه، هوش مصنوعی به بانک ها این امکان را می د هد تا تصمیمات خود را نه تنها بر اساس تجربه و شهود ، بلکه بر اساس تحلیل و پیش بینی های د قیق
اتخاذ کنند .