هوش مصنوعی؛ پاشنه آشیل تحول بانکداری

می دانیم صنعت بانکداری میل به مقاومت در برابر همه تغییرات فناوری داشته است اما اخیرا با تکنولوژی های جدید در حوزه هوش مصنوعی، این مقاومت کاهش یافته و تغییرات جدی در حوزه بانکداری مشاهده می شود.
تکنولوژی های هوش مصنوعی روند کار های بانکی را سریع تر، تراکنش مالی را امن تر و عملیات های درون بانکی را موثر تر کرده اند. توجه شما را به برخی از این تغییرات در بانکداری با محوریت هوش مصنوعی جلب می کنیم:

پشتیبانی از مشتری و امور مشتری

بانکداری دیجیتال مبتنی بر منافع مصرف کننده در واقع به ده‌ها سال قبل، حداقل به دهه ۱۹۶۰ و ورود دستگاه های خودپرداز باز می گردد.
از آن زمان ، انتظارات پشتیبانی از سوی مشتری تغییر چندانی نکرده است ، اما چگونگی انتظارات آن ها از این ماجرا داستان دیگری است. هوش مصنوعی به وضوح روی این منظر تأثیر گذاشته است ، به طوری که ربات های گفتگوی هوش مصنوعی و دستیاران صوتی اکنون در موسسات مهم مالی به عنوان یک نرم و هنجار درآمده اند. ما همچنین شاهد تاثیر هوش مصنوعی بر احراز هویت بیومتریک هستیم که برای کسانی که از بازدید های گاه و بی گاه از محیط های فیزیکی بانک ها لذت می برند.
مزایای امنیتی استفاده از بیومتریک مشهود است. اما این نو آوری ها همچنین به بانک ها در زمینه ی خدمات مشتری کمک کرده است. یکی از مثال های اخیر قابل توجه NetWest می باشد، که در ماه ژوئن امسال تبدیل به اولین بانک انگلستان شد که به مشتریان خود اجازه می دهد تنها با گرفتن یک سلفی حساب بانکی ایجاد کنند. بیومتریک های قدرت گرفته از هوش مصنوعی – توسط شرکت نرم افزاری همکار یعنی HOOYU – به صورت آنی (Real-Time) تصویر سلفی متقاضی را با یک پاسپورت، مدرک شناسایی دولتی یا دیگر اسناد شناسایی تصویر معتبر تطابق می دهد.
این روش استاندارد عملیاتی برای بانک های دیجیتالی است که تنها از طریق تلفن همراه در دسترس هستند که در سال های اخیر شکوفا شده اند.

حفاظت در برابر کلاهبرداری و امور دفتری

در حالی که هوش مصنوعی عملکردهای مرتبط با مشتری در بانکداری را تغییر چشمگیری نداده ، اما به واقع عملکردهای به اصطلاح ادارات میانی( امور دفتری ) را متحول کرده است. اداره میانی جایی است که بانک ها ریسک را مدیریت می کنند و خود را از بازیگران مخرب محافظت می کنند. وظایف این اداره شامل کشف تقلب ، ارائه ابتکاراتی جهت مبارزه با پولشویی و تأیید هویت مشتری می شود. و گاهی اوقات این بدان معنی است که هوش مصنوعی را در سیستم عامل های ضد کلاهبرداری مبتنی بر قوانین اعمال نمایند.
اما برخی از خلاقانه ترین و ایمن ترین اقدامات جهت مقابله با جرائم بانکی، مدل های زیر ساختی هستند که توسط شرکت هایی که در زیر بدان ها اشاره شده است، ساخته شده اند.حتی اگر بیشتر بانک ها پروتکل های شناسایی تقلب را اجرا کنند، سرقت هویت و کلاهبرداری هنوز هم سالانه میلیاردها دلار برای مصرف کنندگان آمریکایی هزینه دارد.

هرچه تقلب در فضای مجازی(دستکاری اطلاعات هویتی از طریق برداشت حساب، سوءاستفاده از آدرس های IP سرور ابری) به طور فزاینده ای پیچیده تر می شود، موسسات مالی بیشتر برای کمک به هوش مصنوعی مراجعه می کنند. به عنوان مثال، بستر یادگیری ماشینی شرکت DataVisor از داده های بزرگ و به اصطلاح الگوریتم های خوشه بندی در زمان واقعی برای خنثی کردن برنامه و کلاهبرداری در معاملات استفاده می کند. این شرکت از ردیابی ۹۴ درصدی کشف تقلب برخوردار است و در بین مشتریان خود ۱۵ بانک برتر ایالات متحده را دارا می باشد.

مدیریت اعطای وام و مدیریت ریسک

از مطالعه ای که در ماه مه توسط محققان دانشگاه برکلی با عنوان “وام دهی به مصرف کننده در دوره ی فناوری مالی ” انجام شده بود این نتیجه حاصل شد که پیشرفت در زمینه فناوری مالی هم خبری خوب و هم خبری بد می باشد. خبر خوب از این بابت که در فرآیند وام دهی با فناوری مالی حدود یک سوم در مقایسه با فرآیند وام دهی معمولی کمتر در بین وام دهندگان تمایز و تبعیض قائل می شود.. بنابراین در حالی که امور بانکی آن طور که باید و شاید در حالت ایده آل انجام نمی شوند، هوش مصنوعی تا زمانی که متخصصان در تنظیم دقیق الگوریتم ها کوشا باشند متعهد به افزایش اعتبار تعهدات بانکی می باشد.
فراتر از امتیاز دهی و وام دهی ، هوش مصنوعی همچنین بر نحوه ارزیابی و مدیریت ریسک بانک ها و نحوه ساخت و تفسیر قراردادها تأثیر گذاشته است.

در عصر پرداخت های فوری ، ایده انتظار برای “تسویه حساب” در هنگام خرید در آینده همچون چرتکه یک ایده قدیمی محسوب خواهد شد. به طور فزاینده، مصرف کنندگان انتظار دارند که وقتی چیزی را خریداری کرده اند ، بلافاصله صورت حسابشان بازتاب یابد. در عین حال ، مجرمان سایبری بدون سر و صدا تلاش می کنند تا جدیدترین و مؤثرترین روش های جابجایی هویت و اطلاعات حساس اشخاص را پیدا کنند.
در تلاش برای مقابله با این مسئله، بانک های بیشتر و بیشتری از هوش مصنوعی برای بهبود سرعت و امنیت خود استفاده می‌کنند. شرکت فعال در حوزه دانش داده Feedzai را در نظر بگیرید که از یادگیری ماشین برای کمک به بانک ها در مدیریت ریسک با نظارت بر معاملات و اعلام هشدار در صورت لزوم استفاده می کند. این شرکت در اواخر سال گذشته با Citibank همکاری داشت و فناوری هوش مصنوعی را ارائه داده که مراقب تغییرات مشکوک در رفتارهای مربوط به پرداخت توسط مشتری قبل از نهایی شدن آن ها است.

جمع بندی:

امروزه هوش مصنوعی به‌طور روزانه، فعالیت های صنعت بانکداری را متحول کرده است. بانک‌ها با وجود اپ‌های موبایل می‌توانند نقاط تماس پایدار و با کیفیتی ایجاد کنند که راهکارها و محصولاتی به کاربران عرضه می‌کند و از طریق آن‌ها زندگی مالی افراد را ساده می‌سازد. هم‌چنان که یادگیری ماشینی با استفاده از میلیون‌ها داده جهت ارتقای معاملات به کار می‌رود، جهان شاهد تغییر جهت عظیمی به سمت شخصی‌سازی است.
مؤسسات مالی با داشتن توانایی درک کامل رفتارهای کاربرانشان، از بهترین موقعیت برای اعمال فن‌آوری‌های هوش مصنوعی در راهکارهای بانکداری خود برخوردارند. به زودی تمام مؤسسات مالی از قدرت هوش مصنوعی استفاده خواهند کرد تا تجارب بهتری را با هزینه‌های کمتر، ریسک پایین‌تر و درآمد بیشتر در اختیار کاربران خود قرار دهند. مؤسسات بانکی باید به پیشرفت‌های فن‌آوری در چشم‌انداز هوش مصنوعی توجه کرده و برای آینده برنامه‌ریزی کنند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *