مفهوم هوش مصنوعی به حوزه وسیعی از علم اشاره دارد که نه تنها علوم کامپیوتر بلکه روانشناسی، فلسفه، زبان شناسی و سایر حوزه ها را در بر می گیرد. هوش مصنوعی مزایای زیادی را برای اقتصاد جهانی و صنعت خدمات مالی ارائه می دهد. بر اساس مطالعه اخیر، هوش مصنوعی می تواند هر سال ارزش اضافی تا ۱ تریلیون دلار برای صنعت بانکداری جهانی ایجاد کند. انتظار می رود صنعت خدمات مالی جهانی از سال ۲۰۲۵ تا ۲۰۳۰ به ۲۸.۵۲۹ تریلیون دلار با نرخ رشد مرکب سالانه (CAGR) 6 درصد برسد. این نرخ عمدتا به دلیل استفاده قابل توجه از هوش مصنوعی در تنظیم مجدد عملیات بانکی، به ویژه پس از بهبودی از COVID-19 است.
تکامل صنعت بانکداری از Banking 1.0 که مبتنی بر بانکداری سنتی و تاریخی است تا بانکداری ۴.۰ آغاز شد که شامل فناوری پیشرفته ای است که در حوزه های مختلف بانک ها از جمله استفاده از فناوری های هوش مصنوعی استفاده می شود. بانک ها از فناوری های جدید و پیشرفته استفاده می کنند تا مرتبط باقی بمانند و جلوتر از رقبا باقی بمانند.
کاهش هزینه های عملیاتی موجب جذابیت صنعت مالی مبتنی بر هوش مصنوعی گردیده و در نتیجه شاهد تغییرات سریع در خدمات بانکی بوده‌ایم. ابتکارات مجوز تجاری موسسات پول الکترونیکی (EMI) EMI ها را سه برابر به ۴۰.۸ میلیون افزایش داد .
بانکها حجم عظیمی از سرمایه‌گذاری‌ها را در توسعه زیرساخت‌های هوش مصنوعی و زیر مجموعه‌های مالی نوآورانه انجام داده‌اند تا تقاضای رو به رشد برای محصولات مالی در اقتصاد را برآورده کنند. جذابیت هوش مصنوعی در صنعت بانکداری به حدی بود که نرخ رشد ۷.۶ درصدی را در بازه سه ماهه در استفاده از خدمات بانکی به ثبت رساند که توسط ۷.۶ میلیون کاربر بانکی رقم زده شد.
هوش مصنوعی در زمینه های متعددی از جمله پرداخت های دولتی، مراقبت های بهداشتی، تجارت آنلاین، تدارکات، صنعت مالی و غیره کاربرد دارد. هوش مصنوعی می‌تواند به بانکها کمک کند تا هم خدمات مالی خود را مدیریت کنند و هم مشتریان را در کنار ارائه محصولات شخصی‌سازی شده جذب نمایند. این انعطاف پذیری برای برآوردن نیازهای سازمان ها در هر اندازه، از کوچک تا بزرگ است. هوش مصنوعی مبتنی بر محاسبه الگوریتم های پیچیده ریاضی، که با سرعت بالا بر اساس شرایط منطقی داده شده از طریق سیستم های کامپیوتری ارتباط برقرار می کنند. خدمات مالی دیجیتال مبتنی بر هوش مصنوعی کارآمدتر و سریعتر از روشهای سنتی انجام وظایف محاسباتی مالی مختلف در عملیات بانکی را اجرایی میکند. علاوه بر این، با ماهیت ذاتی هوش مصنوعی و محیط کاری رقابتی بانکداری، استفاده از هوش مصنوعی در عملیات بانکی اجتناب ناپذیر است.
حوزه های کلیدی هوش مصنوعی در بانکداری
- صرفه جویی در هزینه
- ربات‌های گفتگو
- تجربه مشتری
- تحلیل احساسات
- تشخیص تقلب
- آگاهی و مقاصد پذیرش
- نگرش و پذیرش نسبت به بانکداری هوش مصنوعی
- هنجارهای ذهنی و مقاصد پذیرش بانکداری هوش مصنوعی
- ریسک درک شده و مقاصد پذیرش بانکداری هوش مصنوعی
- سودمندی درک شده و پذیرش بانکداری هوش مصنوعی
- دانش فناوری مصنوعی و پذیرش بانکداری هوش مصنوعی
تحول بخش بانکی یک فرآیند یک شبه نبود. تحول بانکداری سنتی از طریق بانکداری مبتنی بر هوش مصنوعی (۲۰۱۷ به بعد)، که یک تغییر عمده در بخش بانکداری است. این تغییر در حوزه‌های بانکی مانند بانکداری مرکزی، عملکرد عملیاتی و خدمات مشتری با سرعت بیشتری مشاهده خواهد شد..
پذیرش هوش مصنوعی در بخش بانکی با توجه به کشور و سطح تحصیلات مشتریان تفاوت وجود دارد. یافته‌ها بینش‌های مناسبی را برای ایجاد استراتژی‌های آینده به مدیریت بانکی می‌دهد، مانند الگوریتم‌های هوش مصنوعی، که می‌تواند داده‌های مشتریان را جمع‌آوری و تجزیه و تحلیل کند و توصیه‌های مربوط به محصول را ارائه دهد که قبلاً تأیید شده‌اند، و راهنمایی‌های مالی فردی ارائه می‌دهد. هوش مصنوعی در برنامه های بانکی می تواند ردیابی اهداف مالی و خروجی ها را برای مشتریان ساده کند.
محمد امین ترابی، سعید نوری
