محمد سعید شریفان/مدرس،مشاور و کارشناس رسمی دادگستری

عنوان مقاله: بانک مصنوعی

نویسنده: محمد سعید شریفان (مرکز نوآوری بانک رفاه)

مقدمه

تحولات فناوری و تغییر ذائقه مصرف کنندگان منجر به تغییرات بنیادین در مدل کسب وکار بانک ها شده است. برای پیشرفت در عصر دیجیتالی که مبتنی بر هوش مصنوعی است، بانک‌ها به مجموعه قابلیت های هوش مصنوعی و تحلیلی نیاز دارند که راه حل های هوشمند، شخصی سازی شده و تجارب متمایز را به صورت مقیاس پذیر و آنی ارائه دهند. این مدل عملکرد و کسب و کار بانک ها که امروزه تحت عنوان جدیدی به نام "بانک مصنوعی" شناخته می شود درواقع با تکیه بر این شتاب و پیشرفت فناوری های هوش مصنوعی در خدمات مالی به بانک ها این امکان را می دهد که با ارائه خدمات به روش های کاملا جدید، درآمد خود را افزایش و در عین حال هزینه های خود را کاهش دهند. فناوری های هوش مصنوعی به طور چشمگیری با زندگی افراد در دنیای امروز آمیخته شده است. لزوم بهره گیری از فناوری های هوش مصنوعی چنان افزایش یافته است که بانک ها نیز از این امر آگاه شده اند که برای ارتقای کیفیت خدمات خود باید سهم این فناوری را افزایش دهند تا از پیشرفت در عصر کنونی عقب نمانند. بانک ها می توانند با استفاده از این مدل کسب وکار جدید که همان "بانکداری مبتنی بر هوش مصنوعی" است، به سمت روابط عمیق تر با مشتری، افزایش سهم بازار و عملکرد مالی قوی تر حرکت کنند. بانک‌های سنتی با تهدیدات رقابتی متنوعی از سوی رقبای نئوبانکی و غیربانکی مواجه هستند. مؤسسات مالی پیشرو در حال حاضر از هوش مصنوعی برای تأییدیه چندثانیه ای وام ها، احراز هویت بیومتریک و دستیاران مجازی استفاده می‌کنند. فین‌تک‌ها و سایر نوآوران تجارت دیجیتال به طور پیوسته بانک ها را از جنبه های حیاتی ارتباط با مشتری حذف می‌کنند و غول های فناوری در حال ترکیب پرداخت ها و در برخی موارد قابلیت های وام دهی با طیف وسیع تری از خدمات‌شان هستند. علاوه بر این، از آنجایی که مشتریان سهم فزاینده ای از تراکنش های روزانه خود را از طریق کانال های دیجیتال انجام می دهند، به سرعت و کیفیت خدمات شخصی سازی شده شرکت های دیجیتال عادت کرده اند. همین امر موجب بالا رفتن انتظارات مشتریان بانکی هم شده است.

بانک ها چگونه می توانند به یک مؤسسه مبتنی بر هوش مصنوعی تبدیل شوند؟

برای غلبه بر چالش های محدودکننده گسترش فناوری هوش مصنوعی در ساختار بانک، آنها باید رویکردی جامع اتخاذ کنند. برای اینکه بانکی مبتنی بر هوش مصنوعی شود، باید برای تحول قابلیت هایش در هر چهار لایه از قابلیت های یکپارچه سرمایه گذاری کند. این لایه ها عبارتند از:

• لایه تعامل
• لایه تصمیم گیری (بهره برداری) مبتنی بر هوش مصنوعی
• لایه فناوری مرکزی و داده ها
• لایه مدل عملیاتی

همان طورکه در ادامه توضیح داده خواهد شد، وقتی این لایه های به هم پیوسته به صورت هماهنگ با هم عمل کنند، بانک را قادر می سازند تا تجارب متمایز و منحصربه فردی در اختیار مشتریان خود قرار دهد و از شخصی سازی خدمات به صورت مقیاس پذیر و از چرخه های نوآوری سریع که برای باقی ماندن در دنیای رقابتی امروز حیاتی است، پشتیبانی کند. هر لایه یک نقـش منحصربه فرد دارد. سرمایه گذاری کمتر در یک لایه، به ایجاد یک ارتباط ضعیف با سایر لایه ها منجر می شود که این موضوع می تواند کل شرکت را فلج کند. در ادامه به برخی از تغییراتی که بانک ها باید در هر لایه از این دست قابلیت ها انجام دهند، پرداخته شده است.

لایه 1- بازتعریف لایه تعامل با مشتری

بانک ها برای ایجاد یکپارچگی در ارائه خدمت به مشتری باید به سمت خدماتی که کاملا فراتر از استاندارد بانکی است، حرکت کنند. علاوه بر این، بانک ها باید تلاش کنند تا محصولات و خدمات غیربانکی را که به همراه محصول اصلی بانک، نیاز مشتری را به صورت جامع مورد توجه قرار می دهد، با خدمات بانکی یکپارچه سازند. تغییر ضروری بعدی تعبیه تجربه سفر مشتری به صورت یکپارچه در اکوسیستم ها و پلتفرم های همکار است، به طوری که بانک ها مشتریان را در نقطه استفاده نهایی درگیر می کنند و در این فرایند از اطلاعات شرکا و پلتفرم آنها برای افزایش تعامل و استفاده بیشتر بهره می برند. در دنیایی که مشتریان و کسب وکارها به طور فزاینده ای به اکوسیستم های دیجیتال اعتماد می کنند، بانک ها باید در مورد رفتاری که می خواهند در اکوسیستم های مختلف اتخاذ کنند، تصمیم گیری کرده و قابلیت های لایه تعامل خود را متناسب با آن تطبیق دهند. همچنین بانک ها برای تعامل از طریق چند‌کانال نیاز به طراحی مجدد تجارب کلی و سفرهای خاص برای هر یک از مشتریان دارند. این امر شامل اجازه دادن به مشتریان برای حرکت در چند کانال (برای مثال، وب، اپلیکیشن های موبایلی، شعبه، مرکز تماس، دستگاه های هوشمند) به طور یکپارچه و در یک جریان واحد و حفظ و به روزرسانی مداوم آخرین تعاملات مشتری با بانک است.

لایه 2- ساخت لایه تصمیم گیری با استفاده از هوش مصنوعی

ارائه پیام ها و تصمیمات شخصی سازی شده به میلیون ها کاربر و هزاران کارمند، به صورت آنی در سراسر کانال های تعامل با مشتریان، بانک ها را ملزم به ایجاد یک لایه تصمیم گیری مجهز به هوش مصنوعی می کند. در سراسر حوزه های درون بانک، تکنیک های هوش مصنوعی می توانند کاملا جایگزین نیروهای انسانی شوند یا به تقویت ارزیابی انسانی برای حصول نتایج بهتر (مانند دقت و سرعت بالاتر)، بهبود تجربه مشتریان (مانند تعامل و ارائه خدمات شخصی سازی شده بیشتر)، بینش های عملی برای کارمندان (مانند توصیه های عملیاتی به کارمندان که ابتدا به سمت کدام مشتری بروند) و مدیریت ریسک قوی تر (مانند تشخیص زودهنگام احتمال عدم پرداخت بدهی و فعالیت های متقلبانه) منجر شوند. برای ایجاد یک لایه تصمیم گیری قدرتمند مبتنی بر هوش مصنوعی، بانک ها باید از تلاش برای پیروی از رویکرد بخشی و توسعه یک کاربرد خاص هوش مصنوعی برای حل یک مشکل خاص در سطح بانک، به سمت طراحی یک نقشه راه در سطح شرکت برای گسترش مدل های تجزیه و تحلیل پیشرفته و یادگیری ماشین در سراسر حوزه های کسب وکار تغییر جهت دهند. برای مثال، در حوزه وام دهی بدون وثیقه، بیش از بیست عمل تصمیم گیری در طول این چرخه می تواند به صورت خودکار انجام شود. برای فعال کردن گسترده این نوع تصمیم گیری در بانک، آنها باید به صورت مداوم و همیشگی فرایند توسعه خود را انجام دهند و همچنین قادر به ارائه راهکارهای مؤثر و به موقع باشند.

بانک ها برای ارائه این تصمیمات و قابلیت ها و برای درگیر کردن مشتریان در کل چرخه عمرشان، باید ماشین های بازاریابی دیجیتال را در سراسر شرکت و کسب و کارشان ایجاد کنند. وجود این ماشین ها با مجموعه ای از اقدامات که از طریق لایه تعاملات بانک ارائه می شود، برای تفسیر تصمیمات و بینش های ایجاد شده در لایه تصمیم گیری حیاتی است. این ماشین ها چندین مؤلفه حیاتی دارند که شامل موارد زیر است:

• خطوط انتقال داده ها طیف وسیعی از داده هایی است که از منابع چندگانه در داخل بانک ( برای مثال، داده های کلیک استریم اپلیکیشن بانکی) و فراتر از آن (برای مثال، شرکای ثالث یا ارائه دهندگان خدمات تلفنی) به دست می آید.
• پلتفرم های داده یک نمای 360 درجه از مشتریان را جمع آوری و توسعه می دهند و مدل های یادگیری ماشین و تجزیه و تحلیل پیشرفته را قادر می سازند تا به صورت آنی اجرا شوند.
• پلتفرم های کمپینی که رفتارهای گذشته مشتریان را ردیابی می کنند و تعاملات آینده با مشتریان را در طیف وسیعی از کانال های لایه تعامل هماهنگ می کند.

لایه 3- نوسازی فناوری های مرکزی و زیرساخت داده

پیاده سازی و استقرار قابلیت های هوش مصنوعی در سراسر سازمان به مجموع های مقیاس پذیر، انعطاف پذیر و سازگار با مؤلفه های لایه فناوری مرکزی، نیاز دارد. یک هسته ضعیف فناوری، اگر نوسازی نشود می تواند به طور چشمگیری اثربخشی لایه های تصمیم گیری و تعامل با مشتری را کاهش دهد. لایه مرکزی فناوری و داده دارای شش عنصر کلیدی می باشد:

1. استراتژی مبتنی بر فناوری: بانک ها باید یک استراتژی فناوری یکپارچه داشته باشند که کاملا با استراتژی کسب وکارشان همخوانی داشته باشد. به این صورت که چارچوب انتخاب های استراتژیک، اعم از انتخاب عناصر یا مؤلفه ها، مهارت ها و استعدادهای بانک مبتنی بر هوش مصنوعی را مشخص کند. به عبارتی باید تعیین شود که چه راهکارهایی به صورت درونی، بیرونی یا همکاری مشترک با سایر بازیگران تأمین شود.

2. مدیریت داده برای دنیای مجهز به هوش مصنوعی: مدیریت داده های بانک باید سیال بودن داده ها را تضمین کند؛ یعنی توانایی دسترسی، جذب و دستکاری داده هایی که در نقش پایه و اساس همه بینش ها و تصمیمات ایجاد شده در لایه تصمیم گیری عمل می کنند. علاوه بر این، همانطورکه بانک ها زیرساخت متمرکز مدیریت داده خود را طراحی و ایجاد می کنند، باید کنترل های اضافی و ابزارهای نظارتی را برای اطمینان از امنیت داده ها، حریم خصوصی و انطباق پذیری با قواعد (رگولاتوری) گسترش دهند.

3. معماری مدرن API : API ها بافتی ارتباطی اند که دسترسی کنترل شده به خدمات، محصولات و داده ها، هم در داخل بانک و هم فراتر از آن را ممکن می سازند. در داخل بانک، APIها نیاز به سیلوها را کاهش داده، قابلیت استفاده مجدد از دارایی های فناوری را افزایش می دهد و انعطاف پذیری در معماری فناوری را بهبود می دهند. علاوه بر موارد مذکور، API ها این امکان را به بانک می دهند که با استفاده از قابلیت های بانکداری باز، ضمن ایجاد فرصت های جدید کسب وکاری، تجربه مشتریان بانک را بهبود دهند.

4. زیرساخت های هوشمند: با توجه به افزایش استفاده از زیرساخت های ابری عمومی و خصوصی در شرکت ها و صنایع مختلف، شواهد نشان می دهد که پلتفرم های ابری امکان مقیاس پذیری و انعطاف پذیری بیشتری را فراهم می کنند که برای استراتژی بانک مبتنی بر هوش مصنوعی حیاتی است. به علاوه، زیرساخت ابری، هزینه های نگهداری فناوری اطلاعات را کاهش داده و مدل های سلف سرویس را برای تیم های توسعه امکان پذیر می سازند. این فناوری با ارائه خدمات مدیریت شده بــه چرخه های نوآوری سرعت می بخشد.

لایه 4- حرکت به سوی مدل عملیاتی پلتفرمی

بانک مبتنی بر هوش مصنوعی به یک مدل عملیاتی جدید برای سازماندهی نیاز خواهد داشت تا شروط لازم برای به دست آوردن سرعت، چالاکی و خلق ارزش در سایر لایه ها تحقق یابد. در حالی که بیشتر بانک ها در حال انتقال دارایی های مرتبط با حوزه فناوری‌شان به سمت پلتفرم های انعطاف پذیر و ماژولارند، تیم های کاری که به صورت سنتی در بخش های عملیاتی برای تغییر رویکرد به سمت مدل های عملیاتی مجزا و سیلویی فعالیت می کنند، احتمالا پلتفرم های جدید و همکاری های میان رشته ای، با مشکل مواجه خواهند شد. مدل عملیاتی پلتفرمی، تیم های میان رشته ای فناوری و کسب وکاری را به عنوان مجموعه ای از پلتفرم ها در داخل بانک سازماندهی می کند. هر تیم دارای پلتفرم دارایی ها (برای مثال، منابع فناوری، داده ها، زیرساخت)، بودجه، شاخص های کلیدی عملکرد و استعدادهای مربوط به خود را کنترل می کند.

در بانکداری مبتنی بر هوش مصنوعی، بانک می تواند سه نوع از تیم های پلتفرمی را در درون خود سازماندهی کند. پلتفرم های کسب وکار تیم های مشتری محوری اند که در حوزه هایی مانند وام دهی مشتریان خرد، وام دهی به شرکت ها و بانکداری تراکنشی فعالیت می کنند. پلتفرم های شرکتی، به منظور ارائه خدمات یکسان در سازمان، قابلیت های تخصصی خود را در سراسر سازمان و در زمینه هایی مانند خدمات پرداخت، منابع انسانی و امور مالی ارائه می دهند. در نهایت، پلتفرم های توانمندسازی، کسب وکارها را قادر می سازند تا کارکردهای فنی از قبیل امنیت سایبری و معماری ابری را ارائه دهند. با یکپارچه سازی کسب وکار و فناوری در پلتفرم های مشترک که تیم هایی چندرشته ای آنها را اداره می کنند، بانک ها می توانند سیلوهای سازمانی را درهم شکنند، چابکی و سرعت را افزایش دهند و هماهنگی اهداف و اولویت ها را در کل شرکت بهبود بخشند.

جمع بندی و نتیجه گیری

در این مقاله تلاش کردیم چالش ها و مسیر حرکت تبدیل شدن یک بانک به نهاد مالی مبتنی بر هوش مصنوعی را تبیین کنیم. همانطورکه ملاحظه شد این فرایند مستلزم تغییر قابلیت ها در هر چهار لایه تعامل با مشتری، لایه تصمیم گیری مبتنی بر هوش مصنوعی، لایه فناوری های مرکزی و زیرساخت داده و در نهایت حرکت به سوی مدل عملیاتی پلتفرمی است. نادیده گرفتن چالش های هر لایه یا سرمایه گذاری غیربهینه در هر بخش ، منجر به ایجاد یک دسته نامتوازن و ناهمگون از قابلیت ها می شود که قادر به تحقق اهداف بانک یا مؤسسات مالی نخواهد بود. به نظر می رسد در ابتدا لازم است این ارزیابی صورت پذیرد که چگونه اهداف استراتژیک بانک (برای مثال، رشد، سودآوری، تعامل با مشتری، نوآوری) را می توان از طریق طیف وسیعی از فناوری های هوش مصنوعی فعال کرد و اهداف هوش مصنوعی را با اهداف استراتژیک بانک تطبیق داد. هنگامی که این همسویی برقرار شد، رهبران بانکی باید یک ارزیابی جامع از موقعیت اولیه بانک در سراسر چهار لایه، برای شناسایی حوزه هایی که نیازمند تغییرات کلیدی، سرمایه گذاری های بیشتر و استعدادهای جدید هستند، انجام دهند. سپس آنها می توانند این بینش ها را به یک نقشه راه تبدیل کنند که تیم های کسب وکار، فناوری و تجزیه و تحلیل را در بر می گیرد. طراحی رویکرد اجرایی متناسب با ساختار نیز به همان اندازه مهم است. برای تضمین پایداری تغییرات، یک رویکرد دومنظوره توصیه می شود که افق کوتاه مدت را با افق بلندمدت هماهنگ سازد. این رویکرد ضمن ایجاد ارزش تجاری از پروژه های کوتاه مدت، با ساخت قابلیت های سازمانی پایدار همراستا است. علاوه بر این، بانک ها بسته به موقعیت‌شان در بازار، اندازه و اهداف خود، نیازی به ایجاد همه قابلیت ها ندارند. آنها ممکن است برای حفظ تمایز و مزیت رقابتی پایدار، توانایی های اصلی را به صورت درونی و قابلیت های غیراستراتژیک را از سایر ارائه دهندگان و شرکای فناوری کسب کنند. در نهایت می توان گفت برای بسیاری از بانک ها، پذیرش فناوری های هوش مصنوعی، دیگر یک انتخاب نیست، بلکه یک ضرورت استراتژیک است. لذا بانک ها برای دستیابی به این موفقیت، باید در تمام لایه ها، چشم انداز ایجاد این قابلیت را داشته باشند.

منابع

• ساخت بانک مبتنی بر هوش مصنوعی،1401، شرکت مکنزی و شرکا
• Abduljabbar, Sani (2019): Four Ways Artificial Intelligence Will Transform Banking. https://www.forbes.com/sites/forbeslacouncil/2019/06/18/four-ways-artificial-intelligence-will-transform-banking/#319620317056
• Marr, Bernard (2019): The 7 Biggest Technology Trends to Disrupt Banking & Financial Services in 2020
• Shivakumar, S; Sethii, S, (2019): Building Digital Experience Platforms, Transforming Legacy Banking Applications to Banking Experience Platforms

ارتباط با من: محمد سعید شریفان / 09133157397 / shjarifan3@gmail.com