ظهور ماشین‌ها: استفاده از هوش مصنوعی و یادگیری ماشین در خدمات مالی

فناوری های انقلابی و نوینی مانند هوش مصنوعی و یادگیری ماشین پتانسیل آن را دارند که امور مالی و تجاری را برای همیشه متحول کنند. در سال‌های پیش رو این دو فناوری به یکی از مهمترین عوامل تاثیر گذار بر عملکرد بانک‌ها و موسسات خدمات مالی تبدیل خواهند شد. در همین راستا، تحقیق و نظرسنجی که از شرکت های مالی صورت گرفته، به آنالیز چشم انداز این حوزه نسبت به این دو فناوری بزرگ و تاثیر آن بر برنامه های آتی آنها می‌پردازد.

0 145

استفاده از هوش مصنوعی و یادگیری ماشین در خدمات مالی

تاکنون هیچ فناوری به اندازه هوش مصنوعی (Artificial Intelligence یا AI) نتوانسته مورد توجه و خیال پردازی فیوچریست های حوزه خدمات مالی قرار بگیرد. در دنیایی که براحتی می‌توان آینده ای از خودروهای اتوماتیک، ربات‌های پیشخدمت‌ و انقلاب هایی شبیه به اسکای‌نت (Skynet، یک سیستم خودآگاه هوش مصنوعی تخیلی است که در سری فیلم های ترمیناتور، آنتاگونیست اصلی و یکی از محورهای این فرانچایز است) را متصور شد، بسیاری از شرکت‌ها برای تحولات تجاری، بهبود راندمان کاری و خدمات موثر به مشتریان خود به استفاده از هوش مصنوعی تمایل نشان داده‌اند.

فرآیندهای اتوماسیون و کامپیوتری شدن معاملات و تنظیم سفارشات برای چند دهه است که آغاز شده و بانک‌ها نیز مدت‌هاست از دستورالعمل‌های نظارتی لازم برای مدیریت این داده‌ها بهره می‌برند. یک فرضیه آن است که روش‌ها و الگوریتم‌های کمّی که در معاملات تجاری دهه 90 میلادی استفاده می‌شدند، زیربنای اجرا و توسعه سیستم‌های نوین هوش مصنوعی را تشکیل می‌دهند.

در این میان، انفجار بزرگ داده‌ها نیز بر توسعه فناوری‌های هوش مصنوعی موثر بوده است. بر اساس پیش بینی شرکت فناوری ابری Domo، تا سال 2020 هر شخص در هر ثانیه 1.7 مگابایت داده تولید می‌کند. در همین زمینه به نقل از آمار مربوط به سال 2016 شرکت IBM، حدود 90 درصد از کل داده‌های موجود در تاریخ بین سال 2014 و پایان سال 2015 تولید شده‌اند.

تصحیح، تحلیل و کمیت‌ پذیری این داده‌ها فرصت خوبی را برای بانک‌ها و شرکت‌‌های ارائه دهنده خدمات مالی فراهم می‌کند، فرصتی که تنها از طریق اجرای سیستم‌های اتوماسیون بدست می‌آید. عرضه سیستم‌های AI انجام هرگونه عملیاتی را ساده تر از همیشه خواهد کرد، اما پیش از آن لازم است نخست برای آن هدف مورد نظر را تعریف کرده و این سیستم ها را تعلیم دهیم.

اینجاست که یادگیری ماشین (Machine Learning یا ML) تاثیر قابل توجهی در نتایج بدست آمده از تحلیل داده‌ها خواهد داشت، زیرا این فناوری موجب بهبود دسترسی، کاربری و تاثیر داده‌ها می‌شود. بانک‌ها با استفاده از یادگیری ماشین در بازار کسب و کارهای کوچک و خرده فروشان توانسته‌اند تا با بهرمندی و آگاهی از نظرات و عادت‌های خرید مشتریان، خدمت‌رسانی موثرتری به آنان ارائه دهند.

اجرای فناوری تحلیل داده ما را با چالش‌های متعددی به ویژه در زمینه اعتمادپذیری نتایج حاصله از این اتوماسیون‌‌ها روبرو می‌کند. این امر تبدیل به موضوعی بحث برانگیز در میان سازمان‌های تنظیم کننده جهان شده است. سازمان هوش مصنوعی و انجمن آن در سال 2018 در بریتانیا فعالیت خود را آغاز کرد و کمیسیون اروپا نیز با هدف راهنمایی شرکت‌ها در حوزه نوپای AI، گروهی از متخصصان هوش مصنوعی را برگزید که بخشنامه و دستور العمل خود را در آوریل سال 2019 منتشر کردند.

در سال‌های پیش رو فناوری هوش مصنوعی به یکی از مهمترین عوامل تاثیر گذار بر عملکرد بانک‌ها و موسسات خدمات مالی تبدیل خواهد شد. در این مقاله به بررسی کاربردی این دو مقوله خواهیم پرداخت.

پتانسیل های هوش مصنوعی و یادگیری ماشین

یکی از کاربرد‌های سیستم‌های هوش مصنوعی (AI) و یادگیری ماشین (ML) در ارزیابی مراحل خرید و فروش و مشخص کردن چالش‌ها و فرصت‌ها است.

بدون شک AI و ML برای مدتی طولانی در کانون توجه و گفتگوی‌های صنعتی سراسر جهان بوده‌اند. در این مطالعه از شرکت کنندگان درباره برتری اصلی این فناوری و اینکه آیا قابلیت این را دارد تا در یک بازه زمانی کوتاه تا متوسط بازار را دستخوش تغییر کند، پرسش بعمل آمد.

توانایی بالقوه در بهبود تحلیل داده‌ها و افزایش بهره وری به ترتیب با ضرایب 86% و 77% به عنوان برترین مزیت اجرای راهکارهای AI یا ML از سوی شرکت کنندگان این مطالعه انتخاب گردید.

همچنین 62٪ از این افراد کاربرد این داده‌ها را در درک بهتر مشتریان و ارتقای خدمات ارائه شده به آنان موثر دانستند. با این وجود کمتر از نیمی از پاسخ دهندگان یعنی 46٪، کاربرد این سیستم‌ها را در کاهش کلی هزینه‌ها برشمردند.

بیش از دو سوم یعنی 69% از این افراد درمورد اینکه آیا تا سال 2024 سیستم‌های AI و ML شاخص تعیین کننده ای برای موسسات مالی تبدیل خواهند شد، پاسخی مثبت دادند و بقیه شرکت کنندگان یعنی 23% از آنها در این زمینه مطمئن نبودند.

پاسخ 4 درصدی شرکت کنندگان به عدم تاثیر فناوری بر بازار اقتصاد بیانگر این بود که برای اقلیتی از افراد، سیستم‌های AI و ML از اولویت بسیار کمی برخوردار هستند.

در این میان بیش از 60 درصد از افراد اظهار داشتند که قصد دارند بودجه اختصاص یافته به سیستم‌های AI و ML را افزایش دهند، حدود 30 درصد از آنان نیز معتقدند که میزان سرمایه گذاری در این حوزه به مقدار چشم گیری بیشتر خواهد شد. تنها 38 درصد از شرکت کنندگان اعلام کردند که سهم سرمایه گذاری خود را تغییر نخواهند داد. اما هیچیک از شرکت کنندگان قصد ندارند هزینه خود را برای این فناوری در آینده کاهش دهند.

رشد

با آنکه اظهارات صورت گرفته در زمینه توانایی بالقوه هوش مصنوعی و یادگیری ماشین، به درک آینده پیش روی این برنامه‌ها کمک می‌کند، هدف ما از انجام این تحقیق ارزیابی تعهد شرکت‌ کنندگان به این دو مقوله و تاثیر گذاری فناوری در برنامه‌های بلند مدت ‌آنها بود.

به عقیده سه چهارم یا 83٪ از شرکت کنندگان، توسعه و کاربرد سیستم‌های AI و ML به محور اصلی استراتژی اقتصادی آنها تبدیل خواهد شد، با این وجود 15٪ از این افراد بیان کردند که هوش مصنوعی هیچ جایگاهی در آینده پیش روی آنها نخواهد داشت.

هنگامی که از شرکت کنندگان در مورد وضعیت بکارگیری و توسعه سیستم‌‌های AI و ML پرسش بعمل آمد، پاسخ 53 درصد از آنها بیانگر آن بود که درحال حاضر از این دو سیستم بهره می‌برند و یا اینکه قصد پیوستن به آن را طی 12 ماه آینده دارند. با این وجود 31% از آنان مدعی شدند بکارگیری از این دو طرح درحال حاضر در مرحله اثبات مفهوم قرار دارد و 8 درصد نیز گفتند با وجود آنکه به حوزه فناوری علاقمند هستند اما در حال حاضر هیچ برنامه ای برای استفاده از این سیستم‌ها ندارند.

کارآمدی

برای بررسی دقیق تر تحولات هوش مصنوعی، ما از شرکت‌ها خواستیم تا موقعیت استفاده از سیستم AI را مشخص کرده و اینکه آیا برای ارتقای زیرساخت‌های موجود از کارکنان خود بهره برده یا قصد دارند تا از افراد واسطه و موسسات فناوری برای گرفتن این خدمات استفاده نمایند.

این شرکت‌ها برای استفاده از سیستم‌های هوش مصنوعی و یادگیری ماشین بین بخش‌های مختلف خود تقریبا علاقه یکسانی داشتند، چرا که 38% درصد از شرکت کنندگان دو بخش مدیریتی و کارمندی را برای تلفیق AI برگزیدند و بخش پشتیبانی که از اولویت کمتری در میان شرکت‌ها برخوردار بود تنها توانست 23% نظران را به خود اختصاص دهد.

طبق نتایج تحقیقات صورت گرفته، اغلب این شرکت‌ها یعنی 77% از آنها برای اجرای سیستم‌های AI از منابع داخلی خود جهت تشکیل تیم‌های فنی لازم بهره می‌برند.

در این حال حدود 38٪ از این شرکت‌ها اظهار داشتند که قصد همکاری با یک شرکت واسطه برای پیشبرد طرح‌های اجرایی هوش مصنوعی خود را دارند، در آخر شمار اندکی یعنی 8٪ معتقدند برای اجرای موفق یک سیستم AI در شرکت خود از راهکارهای ادغام و اکتساب (M&A) استفاده خواهند کرد.

چالش‌ها و قوانین

روند رو به رشد توسعه و اجرای سیستم‌های AI و ML در بازار کسب و کار موجب شده است تا سازمان‌های قانون گذار اقدام به برگزاری کارگاه‌‌ها و جلسات مشاوره و راهنمایی برای تسهیل بکارگیری این راهکارهای نوین نمایند. در ادامه از شرکت کنندگان خواستیم تا نظرشان را درباره بزرگترین چالش‌های موجود در زمینه بکارگیری این سیستم‌ها و میزان حمایت سازمان‌های نظارتی از آن بیان نمایند.

به اعتقاد اغلب شرکت کنندگان یعنی حدود 36% بلاتکلیفی ایجاد شده از سوی سازمان‌های نظارتی بزرگترین مانع در تحقق و اجرای سیستم‌های AI و ML در آینده خواهد بود و شفاف سازی در این زمینه بسیار موثر و مفید خواهد بود. در این میان بیش از یک چهارم افراد (27٪) عدم دسترسی به داده‌ها را مشکل اصلی در توسعه این فناوری دانسته و در آخر 23% از آنان نیز فقدان استعداد لازم در این زمینه را عامل اصلی نابودی نوآوری و توسعه این سیستم‌ها بیان کردند.

حس دوگانگی و عدم اطمینان نسبت به فعالیت سازمان‌های نظارتی را می‌توان در پاسخ به این پرسش مشاهده کرد. در واکنش به این جمله که ” سازمان های نظارتی در منطقه فعالیت ما از توسعه AI و ML حمایت می‌کنند” 62 درصد از پاسخ‌ها بیانگر این است که بازخورد قانون گذاران نه حمایت کننده بوده است و نه دلسرد کننده، با این وجود 16٪ از افراد با این بیانیه موافق بودند و 23 درصد از آنان مخالفت خود را نسبت به آن اعلام کردند و از نظر آنها سازمان‌های نظارتی لازم است بمنظور انطباق و پشتیبانی از سیستم‌های نوین AI و ML اقدامات بیشتری را اتخاذ نمایند.

نتیجه گیری

امروزه تبلیغات و رسانه‌ها قادرند تا فناوری‌های جدید را بشدت رویایی و دست نیافتنی جلوه دهند. اظهارات شرکت کنندگان این تحقیق نشان می‌دهد که هوش مصنوعی و یادگیری ماشین از پتانسیل لازم برای دگرگونی صنعت مالی برخوردارند. همچنین این افراد می‌خواهند تا به بکارگیری این سیستم‌ها، کارآمدی، تحلیل داده‌ها و خدمت رسانی به مشتریان خود را بهبود ببخشند. با اینکه برخی از این افراد از نبود استعدادهای مربوط به این سیستم‌ها در بازار کار ابراز نگرانی نموده اند، اما اکثر شرکت‌ها با بکارگیری تیم‌های داخلی تلاشی مضاعف برای بهرمندی از پتانسیل AI و ML دارند.

منطقی است اگر بگوییم بیشتر نگرانی‌های موجود، ناشی از عدم حمایت سازمان‌های نظارتی و سیاست گذاران این حوزه است. با وجود اینکه شرکت کنندگان «پشتیبانی نظارتی مناسب» را بعنوان نگرانی اصلی خود برشمردند اما اکثر بازخوردها از رویکرد مبهم سازمان‌های قانون گذار در قبال اجرا و توسعه سیستم‌های AI حکایت دارد. قوانین وضع شده در رابطه با هوش مصنوعی نیز همانند هر فناوری نوین دیگری واضح نیست. در صورتی که همواره لازم است تا سازمان های مسئول، دستورالعمل‌ها و چارچوب‌های لازم را مشخص کنند تا پیشرفت فناوری‌های نوپا دچار مشکل نگردد.

شاید از این مطالب هم خوشتان بیاید.

ارسال پاسخ

آدرس ایمیل شما منتشر نخواهد شد.