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

عنوان مقاله : حرکت از سیستم های اعتبارسنجی مالی به سمت اعتبارسنجی اجتماعی

نویسنده: محمد سعید شریفان (مرکز نوآوری بانک رفاه)

چکیده:

سیستم اعتبارسنجی اجتماعی به گونه‌ای طراحی شده است که علاوه بر جمع­‌آوری اطلاعات مالی افراد و سنجش اعتبار آنها بر مبنای پرداخت بدهی­‌هایشان، از طریق سیستم­‌های دیگری مانند فروشگاه­‌های آنلاین، شبکه‌­های اجتماعی، سایت‌های خدماتی آنلاین و… نیز اطلاعات افراد گردآوری شده و اعتبار اجتماعی اندازه‌گیری می‌شود. اگر فرد در این سیستم اعتبار اجتماعی بسیار پایینی داشته ­باشد، امکان استفاده از خدمات متعددی را از دست می‌­دهد. از عواملی که باعث کاهش اعتبار اجتماعی افراد می‌­شود می‌­توان به عدم پرداخت بدهی و سایر ناهنجاری‌های اجتماعی همچون عدم پرداخت هزینه‌های دادگاهی، پخش موسیقی با صدای بلند در فضای عمومی و .. اشاره نمود که افراد را از خدمات متنوعی مانند رزرو بلیط هواپیما یا قطار و رزرو هتل درجه عالی محروم می­‌نماید. اعتبار اجتماعی پایین مستلزم پرداخت هزینه‌­ها و بوروکراسی اجباری بیشتری می‌­شود؛ در صورتی که اگر افراد اعتبار اجتماعی بالایی داشته باشند، از امتیازات ویژه‌ای در انجام امور اداری بهره‌مند خواهند ­داشت و قادر خواهند بود تا با صرف وقت و هزینه کمتری امور اداری و سایر اهداف اجتماعی خود را به انجام برسانند.

مقدمه

اعتبارسنجی اجتماعی بدون شک یکی از قدیمی‌ترین کاربردهای تجزیه و تحلیل است که در آن موسسات مالی و اعتباری و سایر تسهیلات‌دهندگان از فرآیندهای تجزیه و تحلیل آماری به منظور ارزیابی اعتباری مشتریان خود استفاده می‌کنند.

اعتبارسنجی اشخاص حقیقی و حقوقی در تمام ابعاد و اندازه‌ها حائز اهمیت است و نمی‌توان ضرورت آن را نادیده گرفت. به عنوان مثال معمولاً موسسات خرد منابع خود را بدون اخذ وثیقه در اختیار افراد کم‌درآمدی که سابقه اعتباری بسیار خوبی نیز ندارند، قرار می‌دهند که در آینده آنها را با مشکل مواجه می‌سازد. مانند تمام انواع تسهیلات، بازپرداخت اعتبارات خرد نیز بااهمیت است و به همین دلیل، صندوق‌های بین المللی پول باید جنبه‌های مالی و ریسک‌های عملیاتی تمام انواع تسهیلات را ارزیابی نمایند. متقاضی سرمایه‌گذاری خرد حتی با اخذ اعتبارات اندک، می‌تواند بازار سودآوری خوبی برای یک موسسه و یا نهاد مالی و اعتباری فراهم نماید و نمی‌توان از ارزیابی چنین مشتریان و متقاضیانی صرف‌نظر کرد.

اعتبارسنجی اجتماعی نیز همانند اعتبارسنجی مشتریان از منظر بررسی توانایی افراد در بازپرداخت اقساط و تسهیلات، مهم است و قاعدتاً بر اساس فعالیت آنلاین صورت می‌گیرد. بررسی فعالیت‌های آنلاین شهروندان از این حیث حائز اهمیت است که عملکرد یک شخص می‌تواند بر سایر کاربران تأثیرگذار باشد؛ از این رو به منظور ارزیابی و اعتبارسنجی اجتماعی، جزئیات فعالیت تمام کاربران و شهروندان باید کنترل و پردازش شود. یک کاربر و تاثیر آن بر سایر کاربران جهت به دست آوردن امتیاز اعتبار اجتماعی آنها کنترل و پردازش می‌شود. اعتبار اجتماعی می‌تواند یک منبع اطلاعاتی مهم برای تبلیغ‌کنندگان، کارفرمایان، بانکداران و دیگران تلقی گردد؛ لذا می‌تواند منجر به تشویق افراد به فعالیت بیشتر مانند اشتراک‌گذاری مطالب و ارائه اطلاعات در فضای اجتماعی و آنلاین باشد.

تعریف اعتبارسنجی اجتماعی

به طور کلی سیستم اعتبارسنجی اجتماعی همان‌گونه که از نام آن مشخص است، فقط مختص رفتارهای مالی شخصیت‌ها نیست بلکه در کنار آن، بررسی هنجارها و ناهنجاری‌های اجتماعی نیز از اهمیت ویژه‌ای برخوردار است. اعتبارسنجی اجتماعی در ابعاد فردی، شرکتی و حکومتی قابلیت اجرایی دارد. بدین گونه است که با تخصیص کد اعتباری یکتا به هر فرد و یا شرکت و اتصال آن به کد هویتی مربوطه، یک گزارش ثابت و دائمی از فعالیت‌های مالی و اجتماعی شهروندان و شرکت‌ها کسب می‌گردد. در اعتبارسنجی اجتماعی فردی، رفتار افراد در جامعه با جزئیات ثبت می‌گردد و مجازات و تشویق‌هایی متناسب با هر یک از اقدامات شخص درنظر گرفته می‌شود.

برای اعتبارسنجی اجتماعی فردی، طیف گسترده‌ای از اطلاعات و داده‌ها مورد استفاده قرار می‌گیرند که مهم‌ترین آنها عبارتند از: معاملات خرید و فروش، توانایی بازپرداخت وام‌های خرد، دارایی‌های ملکی و مستغلات و بررسی انواع فعالیت‌های مالی کاربر به همراه اطلاعات شخصی و خصوصی مانند سطح تحصیلات و فعالیت‌های خارج از محیط کار و دانشگاه.

 همچنین اعتبارسنجی اجتماعی شرکت‌ها نیز ابعاد دیگری از فعالیت آنان را دربر می‌گیرد که شامل آیتم‌های ذیل است:

– بررسی پرداخت به موقع مالیات مشاغل

– بررسی و احراز مجوزهای لازم برای فعالیت

– بررسی فعالیت شرکت مبنی بر عدم مغایرت با الزامات و توصیه‌های حفظ محیط زیست

– بررسی محصولات تولیدی به منظور کسب اطمینان از داشتن کیفیت‌ استاندارد

– بررسی نقش فعالیت شرکت در برآورده نمودن نیازهای صنعت موردنظر

 هدف از بکارگیری اعتبارسنجی اجتماعی

هدف اصلی طراحی این سیستم، ایجاد اعتماد بین مردم است. از طریق این سیستم می­‌توان بر فعالیت و نحوه ارائه خدمات بسیاری از کسب و کارها از جمله کنترل کیفیت مواد غذایی رستوران­‌ها و کنترل کارفرمایان در خصوص پرداخت حقوق کارمندان، نظارت داشت. به علاوه این سیستم (اعتبارسنجی اجتماعی) به ساخت ابزارهای مالی جایگزین کمک می­‌نماید. در هر جامعه‌­ای تعدادی از افراد وجود دارند که از خدمات بانکی استفاده نکرده و بالتبع اطلاعات مالی از این افراد در جایی ثبت نمی­‌شود (بیشتر افرادی که در حاشیه شهرها زندگی می‌کنند، فاقد حساب‌های بانکی هستند). سیستم اعتبارسنجی اجتماعی با کمک به ساخت ابزارهای مالی جدید امکان جمع‌­آوری اطلاعات و گزارش‌­گیری از فعالیت آنها را فراهم می­‌کند. هم چنین این سیستم با طراحی ابزارهای مالی جدید می­‌تواند برای ارزیابی شرکت­‌های خرد که با معیارها و ارزش­‌های سنتی قابل ارزیابی نیستند نیز مورد استفاده قرار گیرد.

ممکن است برخی افراد علاوه بر مشکلات مالی، براساس رفتار خود و یا به طور کلی براساس رفتار اجتماعی خود، وارد لیست سیاه اعتبارسنجی شده و از خدماتی از قبیل خربد بلیط هواپیما، استفاده از برخی خطوط ریلی، خرید دارایی و گرفتن وام محروم ­شوند. این افراد برای خروج از لیست سیاه ملزم به پرداخت بدهی خود و یا مراجعه به دادگاه و پرداخت جریمه می­‌باشند. در ادامه به تأثیرات مطلوب و نامطلوب نمره اعتبارسنجی اجتماعی اشاره می‌گردد.

تأثیرات مطلوب نمره اعتبارسنجی اجتماعی خوب

• اولویت ثبت‌نام در مدارس و استخدام در ارگان‌ها

• دسترسی آسان به تسهیلات نقدی و اعتباری

• خرید و اجاره آسان و ارزان دوچرخه، موتورسیکلت و ماشین

• برخورداری از تجهیزات باشگاهی به صورت رایگان

• استفاده از وسایل حمل و نقل عمومی با هزینه کمتر

• عدم لزوم ایستادن در صف‌های طولانی بیمارستان‌ها و سایر اماکن عمومی به منظور دریافت خدمات و در نتیجه صرفه‌جویی در وقت و هزینه

• استفاده از نرخ‌های ارز پایین‌تر به منظور تبدیل پول ملی خود به سایر وجه‌های بین‌المللی

• معافیت‌های مالیاتی

 

تأثیرات نامطلوب نمره اعتبارسنجی اجتماعی نامناسب

• ممنوعیت سفر: ممکن است پرواز با هواپیما، خرید بلیط‌ های مسافرتی و سوار شدن برخی قطارهای مسافری که دارای کیفیت بالاتر هستند، برای افراد ممنوع گردد. حتی برخی از هتل‌ها از پذیرفتن مسافران با نمره اعتبارسنجی پایین امتناع می‌کنند.

• ممنوعیت تحصیل: فرزندان کسانی که امتیاز اعتباری پایینی دارند ممکن است از ادامه تحصیل در دبیرستان محروم شوند و اداره آموزش عالی از ثبت نام آنان سر باز زند.  

• ممنوعیت‌های شغلی: نمره اعتبارسنجی پایین می‌تواند به این معنی باشد که شخص توانایی انجام کار در یک بانک، نهاد اجرایی و یا دستگاه دولتی را ندارد. از این رو به سختی شغلی تصاحب خواهد کرد.

• افزایش نظارت: افراد و یا کسب و کارهایی که نمره اعتبارسنجی اجتماعی مطلوبی ندارند، همواره بیش از سایرین در معرض نظارت و بازرسی از سوی دولت قرار می‌گیرند که در طولانی‌مدت آزاردهنده است.

• کاهش سرعت اینترنت: این امر بسیار محتمل است که سرعت اینترنت افراد و شرکت‌ها متناسب با وضعیت نامناسب اعتبارسنجی آنان به دستور دولت کاهش پیدا کند.

• شرمساری عمومی (قرار گرفتن در لیست سیاه): دولت دارای لیست سیاهی از تمام شرکت‌ها و افراد با نمره اعتبارسنجی پایین است و این اطلاعات را تا مدتی طولانی در اسناد خود نگه می‌دارد. این اطلاعات می‌تواند افراد و شرکت‌ها را در برنامه‌های آتی‌شان همانند عقد قرارداد کاری جدید و یا تجارت و … دچار مشکل کند.

اعتبارسنجی و عدالت اجتماعی

با توجه به این نکته حائز اهمیت که ملاک ها و پارامترهای مختلف در سامانه های اعتبارسنجی – همان طور که گفته شد- یکسان و مشترک هستند؛ می توان عدالت اجتماعی را به عینه در این زمینه لمس کرد. بنابراین اگر به عنوان مثال: فردی برای دریافت تسهیلات بانکی به نظام بانکی روی می آورد؛ بانک ها پس از استعلام از وضعیت رتبه اعتباری فرد مورد نظر اقدام به اعطای تسهیلات یا عدم اعطای آن می کنند. اینجاست که عدالت اجتماعی به خوبی رعایت می شود. چرا که بانک ها تنها تسهیلات خود را به افراد خوش حسابی می دهند که در سامانه های اعتبارسنجی، رتبه بالایی را از آن خود کرده باشند. به همین دلیل است که حق به حقدار می رسد و عدالت اجتماعی به درستی با اعتبارسنجی لحاظ می شود. عدالت اجتماعی نه تنها در بانک ها و موسسه های مالی و اعتباری مختلف، بلکه در کسب و کارهای مختلف نیز با در نظر گرفتن همین فاکتورها و ملاک های مختلف سامانه های اعتبارسنجی به خوبی اجراء می شود. به گونه ای که هر یک از فعالان تجاری تنها با افرادی وارد معاملات تجاری خود شوند که افراد خوش حسابی هستند و نسبت به بازپرداخت بدهی ها و اقساط خود کاملا متعهد و پای بند هستند. برقراری عدالت اجتماعی در زمینه های مختلف تجاری و در رفتار با عملکرد بانکی افراد منوط به داشتن سامانه اعتبارسنجی است که با توجه به وجود شرکت های مختلف در این زمینه به خوبی می توان شاهد آن بود تا عدالت اجتماعی بر همه افراد طبق عملکرد بانکی آن ها برقرار شود.

سیستم اعتبارسنجی اجتماعی در چین

یکی از کشورهایی که به طور گسترده از اعتبارسنجی اجتماعی استفاده می‌کند، چین است. اعتبارسنجی اجتماعی در چین در سال ۲۰۰۹ و در ابعاد منطقه‌ای و بخش‌های کوچکی از چین به چشم خورده است ولیکن به طور رسمی از سال ۲۰۱۴ آغاز گردیده و پیش‌بینی می‌شود تا پایان سال ۲۰۲۰ تمام گستره این کشور پهناور در سطح خرد و کلان را در بر بگیرد. در جدول زیر سیر تکاملی اعتبارسنجی اجتماعی در چین آورده شده است:  

شرح	سال
آغاز فرآیند اعتبارسنجی اجتماعی در برخی دولت‌های محلی	۲۰۰۹
صدور دستور دولت کل مبنی بر طراحی نقشه راه به منظور اجرای سیستم اعتبارسنجی اجتماعی برای شهروندان، شرکت‌ها و سازمان‌ها تا سال ۲۰۲۰	۲۰۱۴
بانک مرکزی چین، ۸ شرکت را به منظور پیشبرد آزمایشی هدف (اجرای سیستم اعتبارسنجی اجتماعی) تعیین نمود.	۲۰۱۵
تعیین ۳۲ منطقه شهری برای اجرای آزمایشی سیستم اعتبارسنجی اجتماعی	۲۰۱۶
تعیین ۱۲ شهر از جمله بیجینگ و گوانگ‌ژو برای اجرای آزمایشی سیستم اعتبارسنجی اجتماعی	۲۰۱۸
موافقت دولت کل با تسریع فرآیند اعتبارسنجی اجتماعی و به ویژه تشکیل لیست سیاه	۲۰۱۹
تعیین ضرب‌الاجل برای گسترش هرچه بیشتر اعتبارسنجی اجتماعی در ابعاد انفرادی، شرکتی و دولتی	۲۰۲۰

سیستم اعتبارسنجی اجتماعی چین پس از جمع‌آوری، تجمیع و تحلیل داده‌ها، یک امتیاز اعتباری ویژه تعیین می‌نماید. مشاغل در مورد عملکرد خود اطلاعات جمع‌آوری کرده و ملزم به ارائه این اطلاعات به مقامات محلی و ملی هستند. علاوه بر این، دولت داده‌هایی را در مورد مشاغل که از طریق بازرسی‌های استاندارد دولتی به دست می‌آیند ارائه می‌نماید.

یکی از شرکت‌های معروفی که در سال ۲۰۱۵ از سوی دولت برای اجرای آزمایشی سیستم اعتبارسنجی اجتماعی انتخاب شد، شرکت Sesame است که از طریق فروشگاه بزرگ علی بابا به مشتریان خود اعتبار می‌دهد. این شرکت برای اعتبارسنجی مشتریان خود محدوده اعتباری بین ۳۵۰ تا ۹۵۰ را تعریف کرده است که براساس هزار متغیر در ۵ مجموعه داده وابسته به شرکت تعیین می‌شود. وجه تمایز شرکت اعتبارسنجی Sesame و شرکت‌ها و نهادهای اعتبارسنجی فعال در غرب در این است که Sesame برای اعتبارسنجی مشتریان خود دامنه وسیعی از رفتارهای مالی و اجتماعی را مورد بررسی قرار می‌دهد و از بسترها و سیستم‌های بسیار بزرگ تجمیع داده بهره می‌گیرد در صورتی که سیستم اعتبارسنجی غربی تنها مبتنی بر بررسی رفتارها و داده‌های مالی مشتریان است.

روش‌های حفظ اعتبار بالا

از جمله روش‌های حفظ اعتبار بالا، وجود وفاداری سنتی به برند شرکت است. منظور از وفاداری این است که مثلاً یک شهروند از Alipay برای تمامی تراکنش‌های مالی و حتی سرمایه‌گذاری در صندوق پس‌انداز شرکت استفاده نماید. از آن‌جا که استفاده از یک برند مشخص همچون Alipay، انبوهی از اطلاعات شخصی مانند جزئیات پرداخت کرایه تاکسی و خریدها، صورت حساب‌های پزشکی، تمامی پرداخت‌ها به سازمان‌های خیریه و… را یکجا فراهم می‌آورد، منبع خوبی برای اعتبارسنجی و حتی افزایش اعتبار می‌باشد.

از سویی دیگر ترس و عدم انجام رفتارهای غیراجتماعی نیز به شدت در امتیاز یک فرد موثر واقع می‌شود. همزمان با شروع بکارگیری سیستم‌های اعتبارسنجی مانند Sesame در چین، حدود نیمی از دوازده مقامات محلی سیستم‌های اعتبارسنجی آزمایشی را به طور خاص برای مهندسی اجتماعی طراحی کرده‌اند. مهندسی سیستم اعتبارسنجی اجتماعی، به شهروندان براساس نوع رفتارهای اجتماعی آنان امتیاز اعتباری می‌دهد. به‌طوری‌که افراد با انجام رفتارهای درست اجتماعی امتیاز مثبت گرفته و در صورت بروز هرگونه ناهنجاری‌های اجتماعی مانند بحث عمومی یا نزاع با همسایه‌ها، نقض قوانین و … امتیاز منفی دریافت می‌کنند. اعمالی چون اهدای خون و کمک به همنوع، قبول قوانین تلقی می‌شود و منجر به کسب امتیاز مثبت خواهد شد. در واقع این سیستم اعتبارسنجی اجتماعی یک سیستم فراگیر می‌باشد که در آن از مجازات و پاداش برای رفع بی‌نظمی و تقلب استفاده می‌شود.

اهداف گسترده سیستم اعتبارسنجی اجتماعی

 

 

 

 

 

 

 

 

 

 

 

نتیجه‌گیری

اعتبارسنجی اجتماعی بعد کامل‌تری از بررسی شخصیت‌های حقیقی و حقوقی است که به سادگی نمی‌توان از اهمیت و ضرورت پرداختن به آن گذر کرد؛ زیرا علاوه بر جوانب مالی، جوانب رفتاری را نیز در نظر می‌گیرد و با گسترش آن می‌توان از بروز بسیاری از ناهنجاری‌ها و ورشکستگی‌های محتمل جلوگیری به عمل آورد. اجرا نمودن اعتبارسنجی اجتماعی، باعث اعمال دقیق قانون و تبعیت از آن در حد بالا و باکیفیتی خواهد شد که نتیجه آن می‌تواند در نهایت ایجاد حس اعتماد و امنیت در میان مردم یک جامعه باشد. زمانی‌که اعتماد مردم نسبت به یکدیگر افزایش می‌یابد، آنان برای برقراری روابط به ویژه روابط تجاری با یکدیگر ترغیب شده و به مبادله و داد و ستد تشویق می‌شوند.

همچنین اعتبارسنجی اجتماعی این حس را به مردم القا می‌کند که کارهای صحیح و شایسته آنان بدون جواب نخواهد ماند و پیامدهای مثبتی به همراه خواهد داشت و همین می‌تواند انگیزه‌ای برای تداوم رفتارهای صحیح در جوامع باشد. سایر افرادی که به انجام کارهای ناشایست می‌پردازند نیز مجبور به رعایت قوانین و مقررات خواهند شد زیرا در غیر این صورت امکان برخورداری از خدمات موجود در جامعه را نخواهند داشت و متضرر خواهند شد. توصیه می‌شود از اعتبارسنجی اجتماعی همچون چین در سایر کشورها نیز استفاده گردد زیرا یکی از بهترین راه‌های ایجاد امنیت و کاهش جرایم در جامعه می‌باشد.

 

منابع:

1. https://www.sid.ir/paper/100604/fa
2. https://www.icescoring.com/blog/451
3. https://imerat.ir/blog
4. https://link.springer.com/chapter/10.1007/978-3-319-19578-0_8
5. https://www.hindawi.com/journals/hbet/2023/5581492/

 

ارتباط با من: محمد سعید شریفان / 09133157397 / sharifan3@gmail.com

آیا هوش مصنوعی برای اقتصاد ایران راه حل دارد؟ (کاربرد هوش مصنوعی در امور اقتصادی)

هفته بانکداری اسلامی گرامی باد.                                                محمد سعید شریفان (09136908500)

اکنون که فناوری هوش مصنوعی به عنوان یک نیروی خارق العاده برای حل مشکلات عمومی جامعه محسوب می شود، جا د ارد از این فناوری نوظهور و همه کاره درباره موضوعات اساسی اقتصاد ایران سوال شود و از این مقام فناور در خصوص وجود راه حل هایی برای چگونگی مرتفع شدن معضلات و مشکلات استمداد شود. ولی تا حالا و علیرغم این همه اطلاع و اذعان از توانایی ها و قابلیت های هوش مصنوعی، تا کنون در هیچ مجمع و همایشی از بیان استفاده از فرصت های هوش مصنوعی برای حل مسائل پیچیده اقتصادی صحبتی به میان نیامده است. این در حالی است که یکی از پرکاربردترین مقوله های این فناوری برای بهره برداری در حوزه اقتصاد می تواند باشد که از دید صاحب نظران و پژوهشگران مغفول باقی مانده است. البته بایستی به صراحت اذعان نمود که معمولا ما چیزهایی را مطرح می کنیم که یا بسیار ساده هستند و یا در برابر آنها حرفی برای گفتن داریم و یا بسیار عمومی هستند.

از آنجایی که یکی از دغدغه های اصلی و اساسی حکومت و دولت های اخیر موضوع معیشت مردم، ناترازی اقتصادی و دخل و خرج دولت است، پیشنهاد می شود که آیا هوش مصنوعی می تواند در پیش بینی و آینده نگاری اقتصاد کمکی بنماید. آیا در معرفی و شناسایی و شناخت دقیق پارامترها و متغیرهای مستقل و وابسته مرتبط با اقتصاد خرد و کلان و بین المللی می تواند پیشنهاداتی بدهد تا اقتصاددانان و وزرای کشور را در بهبود و کنترل اوضاع اقتصادی و مهار تورم و رشد اقتصادی رهنمون باشد. بایستی گفت علیرغم اینکه ما خیلی خوشحال می شویم که این توفیقات را داشته باشیم، ولی تا کنون مهندسنان و فعالین زیست بوم هوش مصنوعی کشور از خود ابداع و یا محصول نوآورانه ای را ارائه ننموده اند. در حالی که کاربرد هوش مصنوعی در امور اقتصادی از سوی کشورهای پیشرفته و شرکت های بزرگ فناوری اطلاعات عنوان شده است و در بیشتر پلتفرم های سرمایه گذاری داخلی و خارجی از الگو ترید ها و طراحی انواع الگوریتم های پیش بینی و رصد فضای کسب و کار و پیمایش آنها برای سرمایه گذاری های خرد در حال بهره برداری می باشیم، لیکن این امور تنها توسط مهندسین فناوری اطلاعات و برای کاربردهای خاص و سفارشی تهیه شده است و بیشتر زمینه های قابل بهره برداری غیر قابل ورود، بدون امکان اشاعه و یا بدون ترویج بوده اند.

شایسته است تا اساتید محترم دانشگاهی و کارشناسان حوزه های اقتصادی وزارتخانه های مرتبط نیز به مرور دانش و مهارت خود را به سمت و سوی کاربرد هوش مصنوعی در امور اقتصادی سوق دهند. تجربه های قبلی اینجانب نشان می دهد که هیچ اندوخته علمی و تجربه ای پیش از این در اختیار این اساتید دانشگاهی نبوده است و یا قابلیت مطرح شدن با پایه محکم در محافل را نداشته و تنها فرصت حاصل از بهره برداری از این فناوری را در زمینه های نظارتی و کشف تقلب و مهار ریسک و این چنین مسائلی مانند امور نظامی و یا درمان و سلامت مصروف داشته اند. امید است با داشتن فرصت های بی نظیر علمی و پزوهشی در کشور عزیزمان به دنبال خلق فرصت هایی باشیم که از طریق هوش مصنوعی بتوان مسائل اقتصادی دولت و ملت را حل کنیم. در این راستا پیشنهاد می شود رویدادهایی که در حال تدارک و برنامه ریزی برای برگزاری های آتی می باشند، بخشی از برنامه های خود را در پنل ها و سخنرانی ها، معرفی محصول و خدمات فناورانه و یا دعوت از صاحبان شرکت های فناور را به کاربردهای هوش مصنوعی در امور اقتصادی معطوف نمایند و به صورت مشهود از این توانایی ها رونمایی کنند و از اشخاصی نیز که در این زمینه دارای تخصص کافی هستند دعوت شود.     «و من الله توفیق»