بانکداری با هوش مصنوعی

واقعیت را نمی توان انکار کرد. در حال حاضر، هوش مصنوعی در بیشتر جنبه های زیست جمعی، حضوری فراگیر و موثر دارد. آسان سازی زیست فردی و جمعی شاید مهمترین ویژگی هوش مصنوعی باشد. می توان گفت، هوش مصنوعی، زندگی آدمیان را راهبری می کند. پیشرفت هوش مصنوعی نیز ایستایی ندارد و تقریبا بی انتهاست. اینکه پایان مداخله هوش مصنوعی در زیست جمعی و فردی آدمیان در نهایت به کجا ختم خواهد شد، نامشخص است. باید منتظر آینده ماند. اما به هرتقدیر، حضور هوش مصنوعی در تمامی جنبه های زندگی، مشهود است و قابل انکار نیست. بدین ترتیب، پرسش پیش رو آن است: آیا هوش مصنوعی در صنعت بانکداری نیز کاربرد دارد؟

پاسخ مثبت است. صنعت بانکداری به دلیل سروکار داشتن با منابع عظیم مالی و اعداد و ارقام و محاسبات پیچیده مالی، نمی تواند نسبت به استفاده از هوش مصنوعی در بانک ها بی تفاوت باشد. چاره ای نیست جز آنکه بانکداری ایرانی نیز حضور این پدیده علمی قرن بیست و یکم در صنعت بانکداری را پذیرا باشد و از آن استفاده کند، اما هوش مصنوعی در چه زمینه هایی می تواند بانکداران را کمک کند؟ قائم مقام بانک مرکزی در این زمینه، گفته است: «براساس قانون جدید بانک مرکزی، در حوزه نظام های پرداخت، تغییر نگرش سیستمی به نگرش زیست بومی و اکوسیستمی ایجاد شده است. بانک مرکزی از توسعه کسب و کار و حضور ضابطه مند متقاضیان فعالیت در این حوزه حمایت می کند و براین اساس، شرکای جدید امکان همکاری با بانک ها و شبکه بانکی را خواهند یافت و می توانند فعالانه کسب وکار خود را توسعه دهند.» همچنین معاون توسعه مدیریت و منابع بانک مرکزی، درباره استفاده از هوش مصنوعی در بانکداری، گفته است: «بانکداری هوشمند با استفاده از فناوری، کاهش هزینه های عملیاتی را به دنبال داشته و تجربه بهتری را برای مشتریان فراهم می کند، ضمن اینکه کارایی بانک ها را هم افزایش می دهد.»

اهالی رسانه نیز در مورد کاربرد هوش مصنوعی در صنعت بانکداری، گفته اند: «در بانکداری، اولین کاربردهای هوش مصنوعی، موفقیت آمیز بوده است؛ بااین حال، هوش مصنوعی عمدتاً در بانکداری سرمایه گذاری و خدمات پشتیبانی بدون تماس با مشتری اعمال می شود. هوش مصنوعی در بانکداری تجاری با تمرکز بر تعامل با مشتری تاکنون توجه را به خود جلب کرده است. معرفی هوش مصنوعی در بانکداری تجاری، می تواند فرآیندهای تجاری و تعاملات با مشتریان را تغییر دهد و می تواند فرصت های تحقیقاتی برای امور مالی رفتاری ایجاد کند و از تعداد شعب بانک ها بکاهد و هزینه های عملیاتی آنها را کاهش دهد. یافته ها نشان می دهد که با استفاده از هوش مصنوعی، بانک های تجاری می توانند ضررهای وام دهی را کاهش دهند، امنیت در پردازش پرداخت ها را افزایش دهند، کارهای مرتبط با انطباق را خودکار کنند و هدف گیری مشتری را بهبود بخشند.» بانک مرکزی انگلستان در زمینه کاربرد هوش مصنوعی در بانک های انگلیس، گفته است: «استفاده از هوش مصنوعی در خدمات مالی بریتانیا در طول چند سال گذشته، چه از نظر تعداد و چه از نظر انواع موارد استفاده، افزایش یافته است. اگرچه هوش مصنوعی، مزایای زیادی از جمله بهبود کارایی عملیاتی و ارائه خدمات شخصی سازی شده به مشتریان دارد، اما می تواند چالش هایی را برای ایمنی و سلامت شرکت ها، رفتار منصفانه با مصرف کنندگان و ثبات سیستم مالی ایجاد کند؛ بنابراین مهم است که بانک و FCA، درک درستی از قابلیت ها، توسعه، استقرار و استفاده از هوش مصنوعی در خدمات مالی بریتانیا داشته باشند. بانک و FCA، طیف وسیعی از کارها را با هدف افزایش درک ما از استفاده از هوش مصنوعی در خدمات مالی بریتانیا و پیامدهای آن انجام داده اند.» درهرحال، به نظرم هوش مصنوعی می تواند در زمینه های زیر همیار هوشمند بانکداران باشد:

اول؛ تقویت امنیت سایبری بانک ها و شناسایی پولشویان

صنعت بانکداری، نیازمند برخورداری از سیستم های امنیتی قوی بسیار بالا و چند لایه است تا اطلاعات بانکی مردم و منابع مالی آنان به آسانی در اختیار این و آن قرار نگیرد. مشتریان بانک ها نیز خاطرشان آسوده که اطلاعات بانکی و موجودی حساب آنها بر اثر ضعف لایه های امنیتی بانک به سرقت نخواهد رفت و نقل محافل رسانه ای نخواهد شد. طی ماه های گذشته، یکی از بانک های بزرگ دولتی ظاهرا به علت ضعف امنیتی فناوری، مورد حمله شدید سایبری قرار گرفت و اطلاعات بانکی مشتریانش به یغما رفت و بانک و مشتریان را با مشکلاتی شدید مواجه ساخت. هم زمان یکی از بانک های خصوصی نیز به همین شکل، دچار هک و اختلال سیستمی شد. طبعاً با حملات سایبری، هم به بانک ها و هم به مشتریان، ضررهای زیادی وارد می شود و مدیریت مالی آنان را دچار مشکل خواهد کرد؛ مثلا مشتری پس از هک سیستمی بانک، نمی تواند به حساب خود، پول واریز نماید و یا از عابربانک، پول برداشت کند. درحالی که در زمان حمله سایبری، چک روز دست مردم داده که باید نقد شود؛ وگرنه در غیر آن صورت، ممکن است با اعتراض دارنده چک یا «گواهی عدم پرداخت» مواجه شود. از آن طرف، بانک نیز پاسخی به درخواست های مشتریان خود ندارد و ناچار است برای بازسازی سیستم الکترونیکی، هزینه های زیادی متحمل شود. همان طور اگر پرداخت حقوق بازنشستگان برعهده آن بانک باشد، پس از هک سیستمی، پرداخت امکان پذیر نخواهد بود؛ لذا چاره ای نخواهد ماند، جز آنکه پرداخت را به یک بانک دیگر محول نمایند. در غیر آن صورت، بازنشستگان از دریافت مواجب ماهیانه شان، محروم خواهند ماند. به طور طبیعی در این آشفته بازار، این پرسش مطرح می شود که مسئولیت جبران خساراتی که بر اثر هک سیستم بانکی، متوجه مشتری یا بانک می شود، برعهده کیست؟ بانک (به علت مسامحه یا قصور در تقویت سیستم امنیتی)، دولت یا مجرمین هک کننده؟ بالاخره خسارات وارده به مردم در این گونه موارد باید به نحوی جبران شود. افزون بر آن، پرسش بعدی، آن است که مسئولیت جبران خسارات وارده به بانک در این گونه موارد برعهده کیست؟ سهامداران یا دولت یا مدیران بانک؟ اگر مشتری در مدت اختلال سیستمی، نتواند اقساط تسهیلات خود را به بانک پرداخت نماید، در این صورت آیا بانک، مستحق مطالبه و دریافت خسارت دیرکرد از مشتری خواهد بود؟ این گونه مشکلات، فقط بخشی کوچک از آثار حقوقی منفی ناشی از هک سیستم بانکی بر روابط حقوقی بین بانک ها و مشتریان است. خلاصه آنکه مباحث حقوقی ناشی از هک سیستم بانک ها (core banking) فراوان است و نیاز به بحث وبررسی حقوقی دارد.

بنابراین سیستم های امنیتی بانک ها می بایستی به گونه ای قدرتمند و نفوذناپذیر طراحی شود تا هکرها، توانایی نفوذ به سیستم های چندلایه بانک ها را نداشته باشند؛ نه آنکه به همراه هک، کل «بک آپ سیستم» نیز نابود و از دسترس خارج شود و چاره ای جز وارد کردن دستی اطلاعات به سیستم باقی نماند! طبعا استفاده از هوش مصنوعی قدرتمند، می تواند سیستم های بانکی را به نحوی موثر و کارا، نفوذناپذیر سازد و حتی با تحلیل مبدأ و منشأ وجوه واریزی به بانک ها، منشأ پول های آلوده را شناسایی کنند و امکان پولشویی در بانک ها را تقریبا از بین ببرند. همچنین در حال حاضر، هوش مصنوعی قادر است مشخصات هویتی مشتری و میزان تراکنش های بانکی او را شناسایی و احراز هویت کند. لذا دیگر نیاز به حضور فیزیکی مشتری در شعب بانک نخواهد بود. در نتیجه، استفاده بهینه از هوش مصنوعی در صنعت بانکداری، می تواند هزینه های عملیاتی بانک ها را کاهش دهد. افزون بر آن، هوش مصنوعی می تواند همواره و بدون توقف، کلیه رویدادهای مالی شعب بانک ها را تحت نظارت قرار دهد و تراکنش های غیرمجاز را از تراکنش های مجاز در سیستم بانکی، تشخیص داده و به موقع هشدارهای لازم را به سیستم های نظارت و بازرسی بانک ها بدهد تا اقدامات لازم بانکی و امنیتی را انجام دهند و از خروج منابع متعلق به بانک و سپرده‎گذاران یا پولشویی با سوءاستفاده از سیستم بانکی جلوگیری کنند.

دوم؛ اعتبارسنجی مشتریان بانک ها

اعتبارسنجی، یکی از اصول اساسی تعامل با مشتری و برخورداری او از تسهیلات و اعتبارات بانکی است. از موارد کاربرد هوش مصنوعی در سیستم بانکی، کمک به اعتبارسنجی علمی مشتری و تشخیص رتبه اعتباری اوست. پرداخت وام و تسهیلات بانکی با اعتبارسنجی صحیح و تعیین رتبه اعتباری مشتری متقاضی تسهیلات، یکی از وظایف اصلی سیستم بانکی است. تا آنجایی که اطلاع دارم، در حال حاضر نظام اعتبارسنجی بانک های ایرانی غالبا همان نظام سنتی است؛ یعنی تجزیه وتحلیل داده های مالی و اجتماعی مشتری توسط رایانه ها با کاربری کارشناسان متخصص بانکی و در نهایت، تشخیص رتبه اعتباری او برای دریافت تسهیلات و خدمات بانکی. اما نیاز سیستم بانکی برای ارزیابی اعتباری مشتری، بیش از اینهاست. بانک ها برای اعتبارسنجی مشتری، نیازمند شناخت کافی از وضعیت مالی مشتری در بانک های مختلف، تجربه و تحلیل رفتار بانکی وی و در نهایت، احراز توانایی مالی و تعهد عملی او برای پرداخت اصل و سود تسهیلات در موعد مقرر هستند. همچنین بانک ها باید قادر باشند وضعیت مالی متقاضی تسهیلات را دقیق ارزیابی کنند و با تحلیل صحیح و پیش بینی رفتارهای مالی وی با بانک در آینده، خود را با مطالبات معوق و غیرقابل وصول مواجه نسازند. در چنینی وضعیتی، مدیران بانک به راحتی می توانند در مورد پرداخت یا عدم پرداخت تسهیلات و اعتبارات مورد درخواست مشتری، تصمیم بگیرند. افزون بر آن، هوش مصنوعی خیلی راحت می تواند مدارکی را که مشتری در اختیار بانک برای اعتبارسنجی می گذارد، راستی آزمایی کند و اصالت آنها را تشخیص دهد؛ درحالی که تشخیص این موضوع توسط نیروی انسانی غیرمتخصص بانک ها، بسیار مشکل و تقریبا غیرممکن است.

سوم؛ سنجش ریسک عملیات بانکی

یکی از مهمترین وظایف بانک ها، تشخیص میزان ریسک عملیات مختلف بانکی است. تشخیص میزان ریسک عملیات بانکی موردنظر به مدیریت بانک، کمک خواهد کرد تا در مورد هر عملیات بانکی با چشمان باز، تصمیم بگیرد و سرمایه خود و مشتریان را در عملیات کم بازده هزینه نکند؛ به عنوان مثال، اگر بانک تصمیم بگیرد که تسهیلات قابل پرداخت خود را به سوی تقویت بخشی از صنعت (مثلا صنعت اتومبیل و لوازم یدکی) هدایت کند و در این صنعت سرمایه گذاری و مشارکت نماید، هوش مصنوعی می تواند با تجزیه وتحلیل وضعیت بازار و داده های بانک، ایده های مناسبی به مدیران برای سرمایه گذاری موردنظر ارائه دهد.

چهارم؛ خدمات خودکار به مشتریان بانک ها

در حال حاضر، هوش مصنوعی در توسعه چت بات ها و دستیارهای صوتی برای پاسخ گویی به سؤالات مشتریان، گرفتن درخواست ها و انجام عملیات ساده، مانند انتقال وجه، استعلام موجودی و... بسیار مؤثر است.

پنجم؛ تجزیه وتحلیل داده های مالی بانک ها

داده های مالی بانک ها، به ویژه بانک های تجاری بزرگ، بسیار وسیع و انبوه است. تجربه و تحلیل این داده های مالی به روش سنتی، امکان پذیر نیست و بروز خطا در این گونه تجربه و تحلیل های سنتی، دور از انتظار نخواهد بود. هوش مصنوعی می تواند به روشی سریع و مطمئن، داده های بانک را تجزیه وتحلیل کرده و میزان سود قابل پرداخت به سپرده گذاران و سهامداران را دقیقا تعیین نماید؛ به عنوان مثال، اگر بانک تصمیم بگیرد که سود سپرده های بانکی را به روش ماه شمار یا روزشمار، محاسبه و پرداخت نماید، هوش مصنوعی می تواند تشخیص دهد کدام روش فقط به نفع بانک و کدام روش به نفع هم بانک و هم مشتری است و آیا روش پیشنهادی هوش مصنوعی، ماندگاری سپرده مشتریان را به همراه خواهد داشت یا خیر.

ششم؛ کمک به وصول مطالبات معوق

در صنعت بانکداری، پذیرفته شده که اگر در مرحله پرداخت تسهیلات و اعتبارات بانکی، کارها براساس اصول صحیح بانکی انجام گیرد، اعتبارسنجی مناسب صورت گیرد و تسهیلات و اعتبارات براساس رتبه اعتباری مشتری پرداخت شود، در این صورت، جز در موارد استثنایی، ریسک نکول مشتری از پرداخت مطالبات بانک به حداقل خواهد رسید و بانک به میزان کمتری با مطالبات معوق روبه‎رو خواهد شد، اما موضوع به همین سادگی هم نیست. تسهیلات تکلیفی، همراه با تسهیلات فرمایشی، از جمله عوامل مؤثر در افزایش مطالبات معوق بانک هاست؛ بنابراین در مرحله بررسی درخواست تسهیلات و اعتبارات، هوش مصنوعی می تواند به بانک ها کمک کند تا در آینده، کمتر با مطالبات معوق وصول نشدنی مواجه باشند، اما در مرحله وصول مطالبات، هوش مصنوعی در صورت دسترسی به سامانه های مربوطه به راحتی می تواند اموال متعلق به بدهکاران بانکی را شناسایی کند تا مأمورین وصول مطالبات، مشکلی در زمینه شناسایی اموال بدهکاران بانکی نداشته باشند.

هفتم؛ در خدمت شورای هماهنگی و کانون بانک ها

در بخش دولتی، «شورای هماهنگی بانک های دولتی» و در بخش غیردولتی، «کانون بانک ها و موسسات اعتباری خصوصی» در واقع، اتاق فکر سیستم بانکی کشور باید باشند تا فعالیت های بانکی بانک ها را راهبری کرده و امکان بومی سازی و اجرای صحیح مصوبات بانک مرکزی در شبکه بانکی کشور را فراهم آورند. به نظرم، هوش مصنوعی می تواند این دو نهاد مرجع بانکی را در امر آموزش کارکنان و تعلیم مدیران شبکه بانکی کشور و تجزیه و تحلیل صحیح رویدادهای بانکی، کمک کند؛ حتی با تجزیه وتحلیل عملکرد هر بانک، میزان التزام آن بانک به مصوبات بانک مرکزی یا مصوبات «کانون بانک ها» یا «شورای هماهنگی بانک های دولتی» را دقیقا ارزیابی نماید. کمی سرمایه گذاری و آموزش در این زمینه لازم است.

در مجموع، در مورد کاربرد هوش مصنوعی در بانکداری ایرانی، باید بدین نکته توجه داشت که تحقق این امر، نیازمند تأمین زیرساخت های فنی (سخت افزاری و نرم افزاری) و ارتباط اطلاعاتی همه بانک ها با یکدیگر و مهمتر از آن، تأمین نیروی انسانی کارشناس و متخصص فناوری در بانک ها و ارج نهادن به آنهاست. اینکه با رفتار نامناسب مدیریتی، موجبات آزردگی خاطر و دلخوری کارشناسان متخصص فناوری سایر رشته های بانکی و خروج نیروهای متخصص فاوا از بانک ها را فراهم آوریم، مانند آن است که سیستم بانک را برای هک شدن مهیا کرده ایم. طبعاً در این رهگذر، رسیدن به مقصد و نهادینه سازی کاربرد هوش مصنوعی در عملیات بانکی، نیازمند آموزش مستمر اصول و مبانی هوش مصنوعی و نحوه کار آنها به مدیران و کارشناسان بانکی است. تا این نیازمندی ها تأمین نشود، استفاده از هوش مصنوعی در صنعت بانکداری داخلی در حد شعار، باقی خواهد ماند. ضمن آنکه افراط در این زمینه و استفاده حساب نشده از هوش مصنوعی در عملیات بانکی ممکن است نتیجه عکس دهد. احتیاط در مورد نحوه و میزان استفاده از هوش مصنوعی در عملیات بانکی و همچنین هماهنگی و ابتکار عمل بانک مرکزی در این زمینه، ضروری است.