در حالی که سهم اقتصاد دیجیتال از تولید ناخالص داخلی (GDP) در ایران بین هفت تا هشت درصد و به عبارتی نیمی از رقم میانگین جهانی است، با توسعه استفاده از ابزارهای هوش مصنوعی در صنعت مالی می‌توان این سهم را به میزان قابل‌توجهی بهبود بخشید.
سهم اقتصاد دیجیتال از تولید ناخالص داخلی در جهان به‌طور متوسط ۱۵ درصد است.
این رقم در کشورهای توسعه‌یافته به مراتب عدد بالاتری را نشان می‌دهد. به عنوان مثال سهم اقتصاد دیجیتال از تولید ناخالص داخلی چین، به عنوان دومین قدرت اقتصادی دنیا، ۴۱ درصد است. مرور آمار و اطلاعات کمی کشورها در این حوزه بیانگر ظرفیت بزرگ پیش روی کشور در استفاده از اقتصاد دیجیتالی به عنوان یک فرصت تاریخی برای جهش اقتصادی است.
در یک بیان کلی، اقتصاد دیجیتال به معنای ارزش‌آفرینی اقتصادی با بهره‌گیری از فناوریهای نوین است؛ به گونه‌ای که در هسته آن تولید نرم‌افزار و سخت‌افزار، در لایه دوم سکوها و خدمات دیجیتال و در لایه آخر نیز اقتصاد دیجیتالی‌شده و تجارت الکترونیکی قرار دارد.
در حال حاضر قانون برنامه هفتم توسعه راهنمای مسیر اقتصاد دیجیتالی در کشور است و بین پنج تا هفت درصد از قوانین آن به‌طور مستقیم و غیرمستقیم به توسعه سهم اقتصاد دیجیتالی از تولید ناخالص داخلی مرتبط است.
هوش مصنوعی، رایانش ابری، امنیت سایبری، تحلیل کلان‌داده‌ها، واقعیت افزوده و اینترنت اشیا فناوریهای کلیدی تشکیل‌دهنده زیست‌بوم اقتصاد دیجیتال هستند.
بدون تردید هوش مصنوعی و الگوریتم‌های مرتبط با آن مهم‌ترین نقش را در بین فناوریهای نوظهور در زیست‌بوم اقتصاد دیجیتال کشور دارند و توسعه به‌کارگیری فناوریهای هوش مصنوعی، کاربردپذیری فناوریهای نوظهور دیگری را -مانند متاورس- در پی خواهد داشت.
هوش مصنوعی از طریق افزایش کارآیی، کاهش هزینه‌ها و بهبود تصمیم‌گیری‌ها می‌تواند باعث افزایش تولید ناخالص داخلی و رشد اقتصادی شود. بر اساس اعلام مرکز تحقیقات بانک گلدمن ساکس، استفاده از هوش مصنوعی مولد در حوزه مالی، باعث ارتقای ۷ درصدی تولید ناخالص داخلی به واسطه رشد ۱.۵ درصدی در شاخص بهره‌وری خواهد شد.
این فناوری در یک دهه گذشته نه تنها ابعاد مختلف زندگی فردی را تغییر داده، بلکه توسعه و تکامل آن با سرعت بسیار زیاد درحوزه‌های مختلف - از سیاست گرفته تا اقتصاد- تاثیرات شگرفی را برجا گذاشته است.
بیشتر بخوانید
هوش مصنوعی را می‌توان به عنوان محرک اصلی فناوریهای نوظهور مانند روباتیک و اینترنت اشیا دانست که در آینده نزدیک روی بیشتر مشاغل تاثیر می‌گذارد. نظام بانکی هم از این قاعده مستثنی نیست. بر اساس تحقیقات موسسه بروکینگز، هوش مصنوعی مولد نحوه پردازش اطلاعات، بررسی داده‌ها و اطلاعاتی را که به اصلاح به تصمیم‌گیری ما در حوزه‌های مختلف منجر می‌شود، دگرگون خواهد کرد.
کلان‌داده‌ها و اهمیت تجزیه و تحلیل آنها با استفاده از الگوریتم‌های هوش مصنوعی به کسب‌وکارها این امکان را می‌دهد که حجم وسیعی از داده‌ها را به بینش‌های عملی و استراتژی‌های رقابتی تبدیل کنند. کسب‌وکارها از طریق قدرت ابزارهای تحلیلی پیشرفته می‌توانند روندهای فعلی و آینده بازار را پیش‌بینی و عملیات خود را بهینه کنند و تجربیات شخصی‌سازی شده بهتری را به مشتریان ارائه دهند.
در یک نگاه کلان، کسب‌وکارها و موسسات با استفاده از هوش مصنوعی مولد در سه حوزه مشخص به توانمندیهای ویژه دست خواهند یافت که می‌توانند از آنها برای کسب مزیت استراتژیک استفاده کنند.
این مزایای «برخط کردن مکالمات تعاملی» مانند خودکارسازی خدمات مشتری، «امکان دسترسی مستقیم به داده‌های پیچیده» مانند جست‌وجوی سازمانی یا خودکارسازی فرآیندهای تجاری و «تولید محتوا با یک کلیک» مانند تولید سند و محتوای خلاقانه هستند.
با این حال شرکت تحقیقاتی و مشاوره گارتنر، تاثیر هوش مصنوعی بر جامعه را با ظهور پدیده‌هایی مانند اینترنت، صنعت چاپ و برق مقایسه می‌کند. فرضیه‌های برنامه‌ریزی استراتژیک گارتنر برای استفاده کسب‌وکارها از هوش مصنوعی به این صورت تدوین شده است که تا سال ۲۰۲۶ سازمان‌هایی که شفافیت، اعتماد و امنیت هوش مصنوعی را عملیاتی می‌کنند، بهبود ۵۰ درصدی مدل‌های هوش مصنوعی خود را در زمینه‌های پذیرش، اهداف تجاری و پذیرش کاربران شاهد خواهند بود.
همچنین شرکت‌هایی که تا سال ۲۰۲۶ از شیوه‌های مهندسی هوش مصنوعی برای ساخت و مدیریت سیستم‌های مبتنی بر هوش مصنوعی تطبیقی استفاده کرده‌اند، از همتایان خود در شاخصهای «تعداد و زمانی که برای عملیاتی کردن مدل‌های هوش مصنوعی» نیاز دارند، به میزان دست‌کم ۲۵ درصد پیش خواهند گرفت.
در حال حاضر ۶۷ درصد از موسسات بانکی دنیا از هوش‌مصنوعی در عملیات خود استفاده می‌کنند و گزارش بررسی بانکداری جهانی نیز نشان می‌دهد که دیجیتالی شدن خدمات مالی و پذیرش فناوریهای نوظهور، تاثیرگذارترین روندهای صنعت بانکداری در دهه آینده است.
از جمله کاربردهای هوش مصنوعی در صنعت بانکداری و تامین مالی می‌توان به پیش‌بینی ریسک اعتباری، خودکارسازی پذیرش درخواست‌های وام، تجزیه و تحلیل روندهای بازار و نظارت در زمان واقعی اشاره کرد.
طبق گزارش موسسه McKinsey، استفاده از هوش مصنوعی می‌تواند هزینه‌های عملیاتی بانک‌ها را ۲۰ تا ۲۵ درصد کاهش دهد و رضایت مشتریان را ۱۰ تا ۱۵ درصد افزایش دهد.
بانک‌ها با استفاده از الگوریتم‌های یادگیری ماشینی و تحلیل داده‌ها می‌توانند رفتار مشتریان خود را بهتر درک کرده و خدمات شخصی‌سازی‌شده‌تری ارائه دهند.
برای مثال، چت‌بات‌ها که از تکنولوژی پردازش زبان طبیعی بهره می‌برند، می‌توانند به صورت ۲۴ ساعته به سوالات مشتریان پاسخ دهند و نیازهای آنها را در کوتاه‌ترین زمان ممکن برطرف کنند.
این چت‌بات‌ها با استفاده از کلان‌داده‌ها و تحلیل الگوهای رفتاری مشتریان، می‌توانند پاسخ‌های دقیقی ارائه دهند که این خود به افزایش رضایت مشتریان منجر می‌شود.
امنیت مالی نیز یکی دیگر از حوزه‌هایی است که هوش مصنوعی می‌تواند تحول عظیمی در آن ایجاد کند. سیستم‌های تشخیص تقلب مبتنی بر هوش مصنوعی قادرند تراکنش‌های مشکوک را در لحظه شناسایی کرده و از وقوع کلاهبرداری‌ها جلوگیری کنند. این سیستم‌ها با تحلیل الگوهای رفتاری و تراکنش‌های گذشته، قادر به تشخیص ناهنجاری‌ها و رفتارهای غیرمعمول هستند.
بر اساس گزارش Juniper Research، استفاده از هوش مصنوعی می‌تواند تا سال ۲۰۲۳ به کاهش تقلب‌های مالی به میزان ۲.۷ میلیارد دلار کمک کند. این سیستم‌ها با بهره‌گیری از تکنیک‌های یادگیری عمیق و شبکه‌های عصبی مصنوعی، قادر به تحلیل مقادیر عظیم داده و شناسایی الگوهای پیچیده‌ای هستند که به راحتی توسط روش‌های سنتی قابل شناسایی نیستند.
هوش مصنوعی همچنین می‌تواند در بهبود فرآیندهای داخلی بانک‌های کشور موثر باشد. به عنوان مثال، پردازش و تحلیل خودکار مستندات مالی می‌تواند سرعت و دقت را به میزان قابل‌توجهی افزایش دهد و از بروز خطاهای انسانی جلوگیری کند.
بر اساس مطالعه Deloitte، اتوماسیون فرآیندها با استفاده از هوش مصنوعی می‌تواند تا ۳۰ درصد بهره‌وری را افزایش و هزینه‌ها را تا ۲۵ درصد کاهش دهد. بانک‌ها می‌توانند با استفاده از روبات‌های نرم‌افزاری برای اتوماسیون فرآیندهای تکراری و زمان‌بر نظیر پردازش درخواست‌های وام یا مدیریت مستندات، بهره‌وری خود را بهبود بخشند.
این روبات‌ها قادرند با سرعت و دقت بالایی وظایف محوله را انجام دهند که این خود منجر به کاهش هزینه‌ها و افزایش کارآیی می‌شود.
با این حال بهره‌گیری از هوش مصنوعی در نظام بانکی کشور چالش‌هایی نیز به همراه دارد. یکی از مهم‌ترین این چالش‌ها، مساله حفظ حریم خصوصی و امنیت داده‌هاست. بانک‌ها باید اطمینان حاصل کنند که استفاده از هوش مصنوعی به هیچ عنوان به نقض حریم خصوصی مشتریان منجر نخواهد شد.
علاوه بر این، نیاز به توسعه زیرساخت‌های مناسب و آموزش نیروی انسانی متخصص نیز از دیگر چالش‌های پیش‌روست. بانک‌ها باید سرمایه‌گذاری‌های قابل‌توجهی در زمینه زیرساخت‌های فناوری و آموزش کارکنان و فرهنگ‌سازی در میان مشتریان خود انجام دهند تا بتوانند به‌طور موثر از هوش مصنوعی بهره‌برداری کنند.
در نهایت می‌توان گفت که هوش مصنوعی پتانسیل عظیمی برای تحول نظام بانکی کشور دارد. با برنامه‌ریزی مناسب و استفاده بهینه از این فناوری می‌توان بهبود چشمگیری در کیفیت خدمات بانکی و افزایش رضایت مشتریان شاهد بود.
اکنون زمان آن رسیده است که بانک‌ها با درک اهمیت این تحول، گام‌های جدی‌تری در مسیر دیجیتالی شدن بردارند و از فرصت‌های بی‌نظیر هوش مصنوعی بهره‌برداری کنند.
ضرورت بهره‌گیری از هوش مصنوعی در بانک‌های کشور و استفاده از فرصت‌های ناشی از این فناوری برای بهبود خدمات و افزایش بهره‌وری ضروری است و در شرایطی که کشورهای توسعه‌یافته به‌دنبال افزایش سهم اقتصاد دیجیتال در GDP خود هستند، نباید به فناوریهای نوظهور به چشم تهدید نگاه کرد، بلکه باید تلاش داشت تا همزمان با تحولات دنیا کسب‌وکارهای خود را با این فناوری‌ها به ویژه هوش مصنوعی تطبیق دهند و از مزایای تجاری آن در تولید و سودآوری بهره‌مند شوند.