آیا بانک‌ها از عهده چالش‌های هوش مصنوعی برمی‌آیند؟

 کاربرد فناوری‌های هوش مصنوعی به عنوان جزئی جدایی‌ناپذیر در دنیایی که ما در آن زندگی می‌کنیم، رو به افزایش است و بانک‌ها به منظور ادامه فعالیت، نیازمند بهره‌گیری از این فناوری‌ها در مقیاس مناسب می‌باشند. موفقیت در این زمینه، مستلزم یک تحول همه‌جانبه است تا لایه‌های مختلف سازمان را پوشش دهد.

در سال 2016، AlphaGo، به عنوان یک ماشین، فردی را که 18 بار قهرمان جهانی تخته شده بود، شکست داد؛ این یک بازی پیچیده است که به درک شهودی، قدرت تخیل و تفکر استراتژیک نیاز دارد، قابلیت‌هایی که مدت‌هاست از ویژگی‌های خاص انسانی به شمار می‌رود. از آن پس، فناوری‌های هوش مصنوعی گسترش بیشتری پیدا کرده و تاثیر تحول‌برانگیز آن میان صنایع، روز به روز بیشتر به چشم می‌خورد. دستگاه‌های مجهز به هوش مصنوعی برای سلیقه‌های مختلف، پیشنهادات متناسبی با مضمون دیجیتالی ارائه می‌دهند، برای فروشندگان حوزه مد، پوشاک فصلی طراحی نموده و حتی به تازگی از پزشکان مجرب، در شناسایی علائم سرطان پیشی گرفته‌اند. طبق تخمین مکنزی راجع به بانکداری جهانی، فناوری‌های هوش مصنوعی احتمالا می‌توانند تا 1 تریلیون دلار ارزش افزوده در هر سال ایجاد کند.

با این حال، بسیاری از بانک‌ها برای حرکت به سمت عملیاتی شدن فناوری‌های هوش مصنوعی برای سازمان خود، هنوز در تلاش هستند. دلایل این امر عبارت است از عدم وجود یک استراتژی معین برای هوش مصنوعی، تغییرناپذیری مرکز فناوری و نیاز بالای آن به سرمایه‌گذاری، داده‌های گسسته و مدل‌های عملیاتی قدیمی که همکاری بین تیم‌های کسب و کار و فناوری را مختل می‌سازد. همچنین، برخی روندها در تعاملات دیجیتالی در دوره شیوع کووید-19 سرعت گرفته و شرکت‌های ابرقدرت فناوری به دنبال ورود به حوزه خدمات مالی به عنوان هدف بعدی خود هستند. بانک‌ها برای رقابت موفقیت‌آمیز باید به موسسات پیشرو در هوش مصنوعی (AI first) تبدیل شوند و از فناوری‌های هوش مصنوعی به عنوان ارزش پیشنهادی جدید و ایجاد تجربه منحصر به فرد برای مشتری استفاده کنند.

گفتنی است در ایران نیز بانک‌ها و شرکت‌های پیشرو در حوزه فناوری‌های مالی، از ظرفیت‌های هوش مصنوعی برای توسعه راهکارها و بهبود تجربه مشتریان شبکه بانکی کشور غافل نشده‌اند. در این میان سرمايه‌گذاری برای توسعه پلتفرم هوش مصنوعی توسن‌تکنو شامل راهکارهایی نظیر ربات هوشمند، چت‌بات، احراز هویت مبتنی بر تشخیص چهره و تشخیص گفتار با رویکرد خلق تجربه‌ای متفاوت برای مشتریان، از برنامه‌های اصلی و در حال توسعه و پیاده‌سازی توسط این شرکت است.

در این مقاله، ما به چهار پرسش در چهار مطلب مجزا که با فاصله منتشر خواهد شد جواب می‌دهیم که می‌تواند به رهبران این حوزه کمک کند تا برای تبدیل شدن به یک بانک پیشروی مجهز به هوش مصنوعی طرح‌ و برنامه داشته باشند:

  • چرا بانک‌ها باید به موسسات پیشروی هوش مصنوعی تبدیل شوند؟
  • بانک مجهز به هوش مصنوعی چه ویژگی‌هایی خواهد داشت؟
  • چه مواردی مانع به کارگیری قابلیت‌های هوش مصنوعی در مقیاس مناسب توسط بانک‌ها می‌شود؟
  • بانک‌ها برای تبدیل شدن به موسسات پیشرو در هوش مصنوعی ، چه وظایفی دارند؟

 چرا بانک‌ها باید به موسسات پیشرو در هوش مصنوعی تبدیل شوند؟

بانک‌ها طی چندین دهه، به طور پیوسته با آخرین نوآوری‌ها در زمینه فناوری منطبق شده‌اند تا نحوه تعامل مشتری را از نو تعریف کنند. بانک‌ها، ATMها را در دهه 1960 و پرداخت‌های الکترونیکی و کارتی را در دهه 70 معرفی نمودند. دهه اول قرن 21 شاهد استفاده گسترده از بانکداری آنلاین 7*24 بودیم و پس از آن در دهه دوم «بانکداری در لحظه» بر پایه موبایل توسعه پیدا کرد.

این نکته تقریباً برای عموم مردم قابل قبول است که ما اکنون در عصر دیجیتال مجهز به هوش مصنوعی زندگی می‌کنیم و با کاهش هزینه ذخیره داده و پردازش آن، افزایش دسترسی و ارتباطات برای همگان و پیشرفت‌های سریع در فناوری‌های هوش مصنوعی، امور مربوطه تسهیل شده است. این فناوری‌ها می‌توانند منجر به تقویت اتوماسیون شوند و در صورت استقرار پس از کنترل ریسک‌ها، اغلب نسبت به تصمیمات انسانی، هم از نظر سرعت و هم صحت، بهتر عمل خواهند کرد. پتانسیل ارزش‌آفرینی هوش مصنوعی، بسیار زیاد است. و هوش مصنوعی پتانسیل این را دارد که سالانه 1 تریلیون دلار ارزش تدریجی برای بانک‌ها به ارمغان آورد.

فناوری‌های هوش مصنوعی قادرند برای بیش از 25 مورد کاربردی، از طریق بهبود شخصی‌سازی خدمات قابل ارائه به مشتری و کارمندان، به افزایش درآمد بانکها کمک نمایند، از طریق بازدهی ایجاد شده به واسطه اتوماسیون، کمتر شدن میزان خطاها و استفاده بهتر از منابع،  هزینه‌ها راکاهش دهند و با ارتقاء قابلیت پردازش وسیع داده، فرصت‌های جدیدی را کشف کنند که قبلاً ناشناخته بوده است.

از دیدگاهی وسیع‌تر، فناوری‌های هوش مصنوعی می‌توانند به طرز چشمگیری قابلیت بانک برای دستیابی به چهار نتیجه کلیدی را بهبود بخشند: سود بالاتر، شخصی‌سازی در مقیاس متناسب، تجربه‌های امنی‌چنل متمایز و چرخه‌های سریع نوآوری. بانک‌هایی که موفق به متمرکز ساختن هوش مصنوعی در استراتژی و عملیات مرکزی خود نمی‌شوند، ریسک شکست در رقابت و از دست دادن مشتریان خود را می‌پذیرند. این ریسک، با چهار روند، شدت می‌گیرد:

بالا رفتن توقع مشتری با افزایش به کارگیری بانکداری دیجیتال

در ماه‌های نخست شیوع کووید-19، استفاده از کانال‌های بانکداری آنلاین و موبایلی در کشورهای مختلف، تقریباً 20 تا 50 درصد افزایش داشته و انتظار می‌رود با فروکش کردن این همه‌گیری، در همین حد ادامه پیدا کند. در بازارهای مختلف جهانی، بین 15 تا 45 درصد از مشتریان انتظار دارند با پایان این بحران، مراجعه حضوری آنها به شعب محدود بماند. وقتی استفاده مشتریان از خدمات بانکداری دیجیتال بیشتر شود، انتظارات آنها هم افزایش پیدا می‌کند. در ضمن، این شرکت‌های رده اول در ارائه تجارب دیجیتالی، پیوسته در حال بهبود شخصی‌سازی خدمات هستند، تا جایی که آنها گاهاً نیازهای مشتری را قبل از اینکه او از آنها باخبر شود، پیش‌بینی می‌کنند و در زمان مناسب، خدمات بسیار ارزنده‌ای را از طریق کانال‌های بهینه ارائه می‌نمایند.

استفاده موسسات مالی پیشگام، از فناوری‌های هوش مصنوعی همواره در حال افزایش است

حدود 60 درصد از افرادی که در بخش خدمات مالی در تحقیق جهانی مکنزی راجع به هوش مصنوعی پاسخگو بودند، اعلام کردند که شرکت آنها حداقل یکی از قابلیت‌های هوش مصنوعی را وارد سیستم خود نموده است. رایج‌ترین فناوری‌های هوش مصنوعی عبارتند از: اتوماسیون رباتیک فرایند (36%) برای امور عملیاتی ساختاری؛ دستیارهای مجازی یا رابط‌های مکالمه‌ای (32%) برای تقسیم‌بندی خدمات مشتری؛ و تکنیک‌های یادگیری ماشینی (%25) برای شناسایی کلاهبرداری و پشتیبانی از پذیره‌نویسی و مدیریت ریسک. اگرچه برای بسیاری از شرکت‌های ارائه‌دهنده خدمات مالی، استفاده از هوش مصنوعی، غیرمنسجم و متمرکز بر موارد کاربردی خاص است، اما تعداد رو به رشدی از پیشگامان بانکداری، برای به کارگیری هوش مصنوعی پیشرفته و استفاده از آن در کل چرخه حیات، از ادارات اجرایی گرفته تا پشتیبانی، اقداماتی جامع انجام داده‌اند (شکل 1).

شکل 1 – بانک‌ها در حال افزایش استفاده از فناوری‌های هوش مصنوعی هستند تا تجربه مشتری و فرایندهای ادارات پشتیبانی را ارتقاء بخشند.

اکوسیستم‌های دیجیتال، در حال حذف واسطه‌های قدیمی ارائه خدمات مالی هستند

آنها با برقراری امکان دسترسی به مجموعه متنوعی از خدمات به واسطه یک نقطه دسترسی مشترک، روش شناسایی، ارزیابی و خرید کالا و خدمات توسط مشتری را تغییر داده‌اند. برای مثال، کاربران وی‌چت در چین، می‌توانند نه تنها برای انتقال پیام، بلکه برای درخواست تاکسی، سفارش غذا، تنظیم زمانی ارسال پیام، بازی کردن، انتقال وجه به کاربر دیگر و دسترسی به یک حساب اعتباری شخصی، از همین یک برنامه استفاده کنند. به طور مشابه، در کشورهای مختلف، کسب و کارهای غیربانکی و «سوپراپلیکیشن‌ها» در حال ارائه خدمات و محصولات مالی به سیستم خود هستند تا تجارب منحصر به فردی برای مشتری ایجاد کنند و روش‌های قدیمی شناسایی محصولات و خدمات بانکداری را متوقف سازند. در نتیجه، لازم است بانک‌ها راجع به نحوه ورود به اکوسیستم‌های دیجیتال و استفاده از هوش مصنوعی، تجدیدنظر کنند.

غول‌های فناوری در حال ورود به خدمات مالی با مدل‌های تجاری خود هستند

این ابرقدرت‌های فناوری در سطح جهانی، با ایجاد شبکه‌ای بزرگ و منسجم از مشتریان؛ انبوه داده‌، که امکان شناخت قابل اعتماد و با دقت هرچه بیشتر تک تک مشتریان را فراهم نموده است؛ توسعه و مقیاس کردن فناوری‌های نوآورانه (شامل هوش مصنوعی)؛ و دسترسی به سرمایه کم‌هزینه، موجب ارائه مزیت‌های خارق‌العاده‌ای در بازار شده‌اند: ابرقدرت‌های فناوری اکنون جایگاه خود را در خدمات مالی در زمینه‌های مهم به ویژه در پرداخت و گاهاً وام و بیمه محکم کرده‌اند و شاید در آینده نزدیک به منظور تقویت حضور و افزایش گستره نفوذ خود، مزایای رقابتی بیشتری ارائه دهند.

مطلب حاضر قسمت اول از یک مقاله 4 قسمتی مکنزی بود. در قسمت  دوم که به زودی منتشر خواهد شد به این موضوع خواهیم پرداخت که بانکهای مجهز به هوش مصنوعی در آینده، چه ویژگیهایی خواهند داشت.

 

منبع mckinsey
ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.