مرتضي ترک تبريزي، کارشناس ارشد بانکي در یادداشتی نوشت: تا چندی پیش، نگاه صنعت بانکداری و مالی به فناوری هوش مصنوعی بیشتر به خلق ارزش‌افزوده جدید معطوف بود؛ اما اکنون زمین بازی کسب‌‌‌و‌‌‌کار بانکی با نفوذ پرسرعت فناوری‌‌‌های اطلاعاتی در کسب‌‌‌و‌کار بانک تغییر کرده است و بقای بانک‌‌‌ها به به‌کارگیری فناوری‌‌‌هایی چون هوش مصنوعی گره خورده است.
هوش مصنوعی را باید یکی از شاخص‌‌‌ترین فناوری‌‌‌هایی دانست که در سال‌های اخیر نام آن در فهرست ترندهای صنعت بانکداری به چشم می‌‌‌خورد و حقیقتا باید آن را در زمره فناوری‌‌‌های تحول‌‌‌آفرین صنعت بانکداری به حساب آورد. اساسا فناوری دگرگون‌کننده یا تحول‌آفرین، به فناوری‌‌‌هایی اطلاق می‌شود که استفاده از آنها منجر به تولید محصولاتی با ویژگی‌های عملکردی متفاوت از ویژگی‌های دلخواه مشتریان موجود شود. این فناوری‌‌‌ها پارادایم‌‌‌های محصول را تغییر می‌دهند و به تدریج زیرساختی برای ایجاد یک پارادایم جدید و رقابتی‌‌‌تر فراهم می‌‌‌کنند. مثال شاخص این مساله، اینترنت است که در قالب یک فناوری دگرگون‌‌‌کننده ظهور کرد و زمینه‌‌‌ساز گذار از عصر صنعتی به عصر اطلاعات شد. امروزه نیز هوش مصنوعی و یادگیری ماشین، در کنار اینترنت اشیا، رایانش ابری، برنامه‌های کاربردی موبایل، بلاک‌چین و… فناوری‌‌‌های دگرگون‌‌‌کننده عصر حاضر به حساب می‌‌‌آیند که گذار از عصر اطلاعات به عصر دیجیتال را رقم خواهند زد.
تا چندی پیش، نگاه صنعت بانکداری و مالی به فناوری هوش مصنوعی بیشتر به خلق ارزش‌افزوده جدید معطوف بود؛ اما اکنون زمین بازی کسب‌‌‌و‌‌‌کار بانکی با نفوذ پرسرعت فناوری‌‌‌های اطلاعاتی در کسب‌‌‌و‌کار بانک تغییر کرده است و بقای بانک‌‌‌ها به به‌کارگیری فناوری‌‌‌هایی چون هوش مصنوعی گره خورده است. بی‌‌‌توجهی به این فناوری می‌تواند پیامدهایی مانند حذف تدریجی ناخواسته بانک‌‌‌ها از میدان رقابت را در پی داشته باشد. امروزه اغلب بانک‌‌‌ها نه تنها از اثرات هوش مصنوعی بر صنعت خود آگاهی دارند، بلکه هوش مصنوعی را در سیستم‌‌‌ها و فرآیندهای خود به کار بسته‌‌‌اند. در مقاله حاضر به برخی از فواید استفاده هوش مصنوعی در صنعت بانکی و مالی اشاره می‌شود:
ارتقای توانایی سازگاری با مقررات و الزامات رگولاتوری: هوش مصنوعی زمینه را برای تضمین انطباق با الزامات رگولاتوری در راستای حمایت از سیاست‌های پولی و مالی فراهم می‌‌‌کند. الزامات رگولاتوری بانکی عموما از پیچیدگی‌‌‌های خاصی برخوردارند و مدام با تغییراتی همراه می‌شوند که این مساله، پاسخ به این الزامات را به امری دشوار و چالش‌‌‌برانگیز تبدیل می‌‌‌کند. سیستم‌‌‌های مبتنی بر هوش مصنوعی با توانایی چشمگیری که در تحلیل و پردازش حجم عظیم ‌‌‌داده‌ها دارند، به بانک‌‌‌ها در همگام‌ماندن با آخرین الزامات اعلام شده از سوی رگولاتور کمک می‌‌‌کنند. این مساله نه‌‌‌تنها ریسک‌‌‌های نقض الزامات را کاهش می‌دهد، بلکه به سامان‌دهی بیشتر فرآیندها و افزایش کارآیی منجر خواهد شد. تقویت اعتماد مشتریان از طریق ایجاد شفافیت در روال‌‌‌ها: به‌‌‌کارگیری هوش مصنوعی در بانکداری، به مدد بی‌‌‌طرفی ذاتی که در تصمیمات مبتنی بر هوش مصنوعی وجود دارد، موجب شفافیت در فرآیندها می‌شود. این تعهد اخلاقی هوش مصنوعی، می‌تواند به تقویت اعتماد مشتریان شرکتی و سهام‌‌‌داران بینجامد و باید آن را یکی از ارکان اساسی حکمرانی شرکتی به‌‌‌حساب آورد. اهرمی برای ارتقای سطح امنیت اطلاعات: به دلیل حساسیت داده‌های صنعت مالی و بانکی، این بخش همواره در معرض بیشترین حملات سایبری بوده است. سیستم‌‌‌های هوش مصنوعی می‌توانند به شناسایی الگو‌‌‌های غیرمعمول در تراکنش‌‌‌ها و فعالیت‌‌‌های مالی پرداخته و در صورت تشخیص فعالیت مشکوک، اقدامات امنیتی را به‌‌‌صورت خودکار فعال کنند. هوش مصنوعی به بانک‌‌‌ها کمک می‌‌‌کند تا نقاط ضعف سیستم‌‌‌های خود را ردیابی کنند و ریسک‌‌‌ها را به حداقل برسانند. انتخاب و اولویت‌بندی مشتریان برای اعطای خدمات اعتباری: هوش مصنوعی براساس شاخص‌‌‌های کلان اقتصادی کشور نظیر وضعیت نقدینگی، میزان تورم و… مناسب‌‌‌ترین گروه مشتریان را جهت اعطای تسهیلات به بانک‌‌‌ها پیشنهاد می‌دهد. همچنین از طریق تحلیل رفتارهای مشتریان و وضعیت اهلیت و ظرفیت اعتباری آنها، می‌تواند ضمن تشخیص نیازهای تامین مالی این بخش، فرآیند انتخاب و اولویت‌‌‌بندی افراد برای دریافت تسهیلات را ساده‌‌‌تر کند. کاهش ریسک اعتباری: تجزیه‌‌‌و‌‌‌تحلیل رفتارهای مشتریان به کمک هوش مصنوعی می‌تواند بانک را در سنجش ظرفیت و اهلیت اعتباری مشتریان یاری کند. در ادامه بانک می‌تواند متناسب با توان بازپرداخت مشتریان، بسته اعتباری خاص و شخصی شده‌‌‌ای را برای آنها طراحی کند که در نهایت منجر به کاهش ریسک اعتباری و نکول شود . افزایش سرعت و دقت: افزایش تعداد و تنوع پرداخت‌‌‌های دیجیتال ضرورت ایجاد یک سیستم مقیاس‌‌‌پذیر را برای پردازش و مدیریت کلان‌‌‌داده‌های مالی ایجاد کرده است. هوش مصنوعی در مدیریت و پردازش مقادیر زیادی داده در هر لحظه و یادگیری ماشین توانمند است. استفاده از هوش مصنوعی در بانکداری حرفه‌‌‌ای می‌تواند به عنوان یک ابزار قدرتمند برای بهبود عملکرد و افزایش کارآیی در این صنعت مهم مورد استفاده قرار بگیرد. هوش مصنوعی می‌تواند در انجام فرآیندهای مختلف بانکداری از جمله ‌‌‌پردازش تراکنش‌‌‌ها، تشخیص تقلب، تحلیل داده‌ها و تصمیم‌گیری سریع، بهبود قابل‌‌‌توجهی ایجاد کند. با استفاده از هوش مصنوعی، می‌توان خطاهای انسانی و احتمال بروز خطا در فرآیندهای بانکداری را کاهش داد. بهبود تجربه مشتری: خلاقیت هوش مصنوعی مدیون توانایی آن در یادگیری از رفتارها و تعاملات کاربران است که این مساله باعث می‌شود بتوان ابزارها و برنامه‌های کاربردی را متناسب با نیاز، ترجیح و خواست مشتریان شخصی‌‌‌سازی کرد. مثلا اگر کاربری مدام پرتفوی سرمایه‌‌‌گذاری خود را چک می‌‌‌کند، هوش مصنوعی می‌تواند داشبوردی که در اختیار این کاربر خاص قرار می‌گیرد را متناسب با نیاز او تغییر دهد و با اولویت قائل‌‌‌شدن برای ویژگی‌‌‌های مرتبط با بخش سرمایه‌‌‌گذاری، انجام این فرآیند را برای کاربر ساده‌‌‌تر کند. فناوری‌‌‌های مبتنی بر هوش مصنوعی، خصوصا چت‌‌‌بات‌‌‌ها و تحلیل‌‌‌های پیشرفته به دست آمده از این فناوری، مدل تعامل بانک‌‌‌ها با مشتریانشان را تغییر داده و دستیابی به سطوح جدیدی از شخصی‌‌‌سازی و پاسخگویی را میسر کرده که پیش ‌‌‌از این هیچ‌گاه وجود نداشت. چت‌‌‌بات‌‌‌های هوشمند حالا امکانی اساسی در بخش خدمات مشتریان بسیاری از بانک‌‌‌ها به‌‌‌حساب می‌‌‌آیند و امکان سرویس‌‌‌دهی شبانه‌‌‌روزی و پاسخگویی سریع به پرسش‌‌‌های بانکی مشتریان را فراهم کرده‌‌‌اند. پیگیری مطالبات: به کمک هوش مصنوعی‌‌‌ می‌توان وضعیت مطالبات مشتریان را مورد تحلیل و بررسی قرار داد و از طریق الگوهایی که در زمینه ارزیابی و تحلیل کسب‌‌‌و‌کار و دارایی‌‌‌های مشتری، ارائه می‌‌‌کند، راهکارهایی را برای پیگیری و وصول مطالبات در نظر گرفت. ایجاد و توسعه خدمات تامین مالی به ذی‌نفعان بازار سهام: هوش مصنوعی می‌تواند براساس بررسی رفتار مشتریان در بازار سهام، الگوهایی را برای مدیریت قیمت سهام شرکت‌های بورسی پیشنهاد کند. همچنین تامین مالی مشتریان در بورس از دیگر خدمات بانک‌‌‌ها است که می‌توانند در قالب خدمات به سهامداران بازار سهام ارائه شده و منجر به رونق بخشی به خرید و فروش سهام در بازار شوند . مدیریت ترازنامه و صورت‌‌‌های مالی: ‌‌‌ براساس تحلیل اقلام ترازنامه‌‌‌‌‌‌ای و صورت‌‌‌های مالی، هوش مصنوعی می‌تواند در راستای مدیریت ریسک ترازنامه پیشنهادهایی ارائه کند. پایش مستمر ریسک‌‌‌های ترازنامه‌‌‌ای موجب اطمینان خاطر و رضایت تمامی ذی‌نفعان‌(سهامداران و حسابرسان و…) خواهد شد . مدیریت تامین تجهیزات: ‌‌‌ با توجه به فراگیری فناوری‌‌‌های اطلاعاتی، بهینگی ظرفیت‌‌‌های زیرساختی برای بانک‌‌‌ها ضرورت دارد. هوش مصنوعی می‌تواند از طریق بررسی روند تراکنش‌‌‌ها، میزان استفاده از منابع و ظرفیت‌‌‌های زیرساختی را مورد تحلیل قرار دهد و توصیه‌هایی برای تامین تجهیزات در زمان‌های مشخص ارائه کند. همراهی هوش مصنوعی با صنعت بانکداری، نویدبخش چشم‌‌‌اندازی است که در آن پیشرفت‌های فناورانه و روش‌های متمرکز بر مشتری، شانه‌‌‌به‌‌‌شانه هم به پیشروی ادامه می‌دهند و تجربیات جدیدی را برای مشتریان اکوسیستم بانکی رقم می‌‌‌زنند. با توسعه هوش مصنوعی، حتی می‌توان روی کار آمدن اپلیکیشن‌‌‌های نوآورانه بیشتری را متصور بود که در نهایت باعث بهبود هرچه بیشتر امنیت و کارآیی و همچنین شخصی‌‌‌سازی حداکثری خدمات بانکی می‌شوند.