سی‌ویکمین همایش سالانه سیاست‌های پولی و ارزی برگزار شد

مدیر مرکز هوش‌مصنوعی شرکت ملی انفورماتیک با اشاره به هفت مزیت استفاده از فناوری هوش‌مصنوعی در صنعت بانکداری گفت: این مزایا «گردآوری اطلاعات و تحلیل‌های آماری؛ افزایش کارایی و خودکارسازی؛ پیش‌نگری به هنگام و دقیق؛ تقویت تطبیق با مقررات نظارت؛ نظارت بر سیستم‌های پرداخت؛ تجزیه و تحلیل کلان اقتصادی و مالی در راستای حمایت از سیاست‌های پولی و همچنین نظارت و ثبات مالی» هستند.

او به گزارش‌های کمیته بانکی بازل به عنوان یکی از برترین تعیین‌کنندگان استانداردهای تنظیم‌گری اشاره کرد و گفت: هوش‌مصنوعی می‌تواند اعتبارسنجی‌ها برای وام‌دهی را کارآمدتر کرده و در جلوگیری از پولشویی موفق عمل کند.
مدیر مرکز هوش مصنوعی شرکت ملی انفورماتیک سپس به تفصیل به تجربه بکارگیری هوش‌مصنوعی در بانک‌های مرکزی دنیا از جمله آلمان، برزیل، هند، کانادا و همچنین بانک مرکزی اروپا پرداخت و گفت: بانک مرکزی آلمان از کلان داده و هوش‌مصنوعی به منظور بهره‌گیری از یادگیری ماشین برای پردازش درخواست وام مشتریان استفاده می‌کند ولی در برزیل، بانک مرکزی از طریق هوش مصنوعی شکایات مشتریان موسسات مالی را دریافت و آنها را از طریق یادگیری ماشین دسته‌بندی می‌کند.

فراهانی در ادامه این کارگاه آموزشی مفاهیم پایه هوش مصنوعی از جمله یادگیری ماشین، یادگیری عمیق، چپ بات، تشخیص ناهنجاری، شبکه‌های عصبی و… را توضیح داد و راه‌های استفاده از این فناوری را در صنعت بانکی برشمرد.
به گفته وی، از هوش مصنوعی می‌توان برای اقداماتی مانند تحلیل سیاست‌گذاری‌ها و تصمیم گیری‌ها؛ پیش‌بینی و قیمت‌گذاری ارز؛ پیش‌بینی روند بازار و رفتار مشتریان؛ احراز هویت مشتریان؛ پردازش هوشمند اسناد، قوانین و مقررات بانکی؛ مدیریت هوشمند سبد دارایی‌های مشتریان؛ کشف پولشویی؛ شناسایی تراکنش‌های مشکوک؛ کشف تقلب؛ اعتبارسنجی مشتریان؛ دستیار مجازی هوشمند ارائه دهنده خدمات بانکی؛ چت بات هوشمند پاسخگوی مشتریان و همچنین تجزیه و تحلیل داده‌ها استفاده کرد.

مدیر مرکز هوش مصنوعی شرکت ملی انفورماتیک، پنج چالش بکارگیری این فناوری در صنعت بانکی را نیز کیفیت و در دسترس بودن داده‌ها؛ حریم خصوصی داده‌ها و امنیت داده‌ها؛ چالش ادغام با سیستم‌های موجود بانکی؛ پذیرش و اعتماد مشتری و عدم شفافیت و سوگیری الگوریتمی دانست.

فراهانی با این حال به هفت مزیت استفاده از فناوری هوش‌مصنوعی در صنعت بانکی هم اشاره کرد و آنها را گردآوری اطلاعات و تحلیل‌های آماری؛ افزایش کارایی و خودکارسازی؛ پیش‌نگری به هنگام و دقیق؛ تقویت تطبیق با مقررات نظارت؛ نظارت بر سیستم‌های پرداخت؛ تجزیه و تحلیل کلان اقتصادی و مالی در راستای حمایت از سیاست‌های پولی و همچنین نظارت و ثبات مالی برشمرد.

او ادامه داد: در نظام بانکی ایران هنوز شاهد فعالیت‌های گسترده در زمینه استفاده از هوش‌مصنوعی نیستیم به گونه‌ای که حتی در زمینه اعتبارسنجی هم اقدام جدی انجام نشده و بیشتر سرمایه‌گذاری بانک‌ها بر روی استفاده از چت‌بات‌ها برای پاسخگویی به مشتریان بوده است.

همچنین در ادامه این کارگاه آموزشی، کمال‌الدین یعقوبی رفیع، مدیر برنامه‌ریزی و پایش عملکرد شرکت ملی انفورماتیک به تشریح زبان XBRL به عنوان راهکاری جهانی برای گزارشگری انتها به انتها پرداخت و گفت: فرایند گزارشگری به کمک XBRL از تعامل معنایی و دیجیتال میان بازیگران شبکه بانکی حمایت می‌کند و ما برای دستیابی به فرایند گزارشگری انتها به انتها نیازمند توانمندسازی شبکه بانکی هستیم.

او در ادامه به تشریح نقشه راه توسعه XBRL در مسیر نظارت هوشمند پرداخت و پنج مولفه آن را تشکیل ساختار و توسعه واژه نامه صورت‌های مالی اساسی؛ توسعه ابزار لازم و استقرار؛ عملیاتی کردن فرایند گزارشگری بر مبنای XBRL؛ تکمیل و عملیاتی کردن گام به گام یادداشت‌های همراه و راه‌اندازی و استقرار گزارشگری داخلی با XBRL-GL در بانک‌ها مبتنی بر همراهی و همکاری خود بانک‌ها دانست.

در پایان این کارگاه، فراهانی همچنین از فعالین حوزه فناوری اطلاعات بانک‌ها، بیمه‌ها و شرکت‌های بورسی خواست تا آنها فعالیت‌های خود در زمینه هوش مصنوعی را برای شرکت ملی انفورماتیک ارسال کنند تا در قالب فصلنامه «هوش‌نما» منتشر شود.