معرفی راهکار مبتنی بر هوش مصنوعی توسن برای مدیریت وجوه نقد خودپردازها
در این کارگاه که توسط شرکت توسن در حاشیه یازدهمین همایش سالانه بانکداری نوین و نظام‌های پرداخت برگزار شد، سارا زال، کارشناس تحلیل کسب‌وکار شرکت توسن ضمن مروری بر رویکردهای استفاده از هوش مصنوعی در حل چالش‌های روز صنعت بانکداری، از تجربه این شرکت برای به کارگیری هوش مصنوعی در پاسخگویی به نیاز شعب بانک در مدیریت وجه نقد خودپردازها گفت.
زال در ابتدای ارائه خود، چند کاربرد هوش مصنوعی در حل چالش‌های بانکداری را اینطور برشمرد: «در دنیا از هوش مصنوعی برای رفع مشکلات مختلفی در نظام بانکی استفاده می‌شود که می‌توان آنها را در سه رویکرد دسته‌بندی کرد: اول؛ امکان‌سنجی برای توسعه محصول و بهبود تجربه کاربری، دوم؛ انطباق محصولات موجود با نیازهای روز و سوم؛ حل مسئله و چالش با کمک هوش مصنوعی. هوش مصنوعی و به طور خاص یادگیری ماشین این امکان را فراهم می‌کند تا با در اختیار گذاشتن داده و الگوهایی که با آن در ارتباط هستیم، از هوش مصنوعی راه حل بخواهیم و انتظار پیشنهاد و پیش‌بینی داشته باشیم. در این مسیر جمع‌آوری داده از اهمیت بالایی برخوردار است. چراکه بعد از آن می‌توان با انتخاب الگوریتم مناسب ماشین لرنینگ که به حد کافی با مسئله ما انطابق دارد، به سراغ آموزش ماشین برویم و با تست و ارزیابی پیش‌بینی‌های انجام شده توسط هوش مصنوعی به میزان دقت و اطمینان مورد نظر برسیم.»
به گفته کارشناس تحلیل کسب‌وکار توسن، تا کنون بارها و بارها هوش مصنوعی در رفع چالش‌های بانکی به کمک نظام‌های نوین بانکی آمده است. از جمله مهمترین نمونه‌هایی که در دنیا از هوش مصنوعی به رفع چالش‌های بانکی استفاده می‌شود می‌توان به مواردی مثل توصیه و مشاوره شخصی، نظارت مبانی بر هوش مصنوعی، شناسایی kyc خودکار مشتریان، تشخیص و پیشگیری از تقلب، تجزیه و تحلیل بیش‌بینی برای بازاریابی، ربات‌های کال سنتر، مدیریت ریسک و بهینه‌سازی، مدیریت فرایندهای بانکی، تعیین کاربردهای مبتنی بر هوش مصنوعی، مدیریت منابع مالی و طراحی‌محتواهای آموزشی و کنترل هوشمند اسناد بانکی و… اشاره کرد.
زال با اشاره به رویکرد توسن در استفاده از هوش مصنوعی در جهت رفع چالش‌های فرآیندهای بانکی گفت: «سپنتای هوشمند یکی از محصولات توسن است که به عنوان سامانه مدیریت و مانیتورینگ ترمینال‌ها مورد استفاده قرار می‌گیرد. این سامانه در فرآیند مدیریت وجه نقد خودپردازها از کمک هوش مصنوعی برای پیش‌بینی وجه نقد مورد نیاز در روزهای مختلف سال و ماه، مناسبت‌ها و اعیاد و… مورد استفاده قرار می‌گیرد.»
به گفته او مدیریت وجه نقد یکی از چالش‌های روزمره در شعب بانکی است. چراکه در صورت پیش‌بینی غلط وجه نقد مورد نیاز در خودپرداز با دو چالش روبرو خواهیم بود؛ اگر وجه نقد موجود در خودپرداز کفاف تقاضای مشترکان را ندهد، عملا خودپرداز کارایی خود را از دست خواهد داد.
این موضوع روی برند بانک و خودپرداز هم تاثیرگذار است و باعث می‌شود افراد در هنگام نیاز، به سراغ خودپرداز مورد نظر نروند. از طرفی اگر وجه نقد باقی مانده در خودپرداز از حدی بیشتر باشد، این موضوع هزینه بیمه بالاتر می‌رود و همچنین امکان سواستفاده از وجه نقد داخل خودپرداز وجود دارد. چالشی که حالا با کمک هوش مصنوعی راه‌حلی برای آن فراهم شده است.
زال در توضیح راهکار مبتنی بر هوش مصنوعی برای مدیریت وجه نقد در خودپردازها گفت: «ما مدیریت وجه نقد را هوشمندسازی کردیم و از هوش مصنوعی برای رفع این چالش استفاده کردیم. قابلیت عمده این محصول این است که می‌تواند بر اساس تقویم ایرانی اسلامی، بازه زمانی تعطیلات، اعیاد و مناسبت‌های خاص که در آن حجم انتقالات خودپرداز بالاست را در نظر گرفته و با استفاده از مدل‌های سری زمانی بتواند وجه نقد مورد نیاز یک یا مجموعه‌ای خودپردازها را پیش‌بینی کند. در این فرآیند ماشین لرنینگ از مدل‌های سری زمانی استفاده شده که دقت و اطمینان 95درصدی دارند. در این محصول، فرآیند یادگیری ماشین برای خودپرداز برای ایجاد امکان پیش‌بینی روزهای آینده به صورت دقیق و با اطمینان، سه دقیقه زمان می‌برد و در صورت نیاز به افزایش سرعت، امکان ارزیابی حدودی میزان وجه نقد مورد نیاز خودپرداز این زمان تا سه ثانیه قابل کاهش است.»
او در پایان تاکید کرد: «مدیریت هوشمند وجه نقد در خودپردازها علاوه بر کاهش هزینه نگهداری پول و پاسخگویی به نیاز مشتریان بانکی می‌تواند امکاناتی مثل قابلیت تشخیص ناهنجاری در تقاضای وجه نقد در داده‌های قدیمی و استفاده از آن برای پیش‌بینی آینده، قابلیت تشخیص تحول مفهومی در تقاضای وجه نقد از هر دستگاه خودپرداز و استفاده از آن برای آینده، کارکرد جداگانه سرویس پیش‌بینی و یادگیری و پایش ارزیابی و به‌روز رسانی مدل‌های هوشمند را در اختیار بانک‌ها قرار دهد.»