با مدل زبانی گوگل نوتبوک آشنا شوید: از پرسش و چکیده تا پادکست مقالهها
گوگل نوتبوک الام (Google NotebookeLM) یکی از تازهترین محصولات بخش هوش مصنوعی گوگل است که…
۱۵ آذر ۱۴۰۳
۴ تیر ۱۴۰۳
زمان مطالعه : ۵ دقیقه
گزارشی از بانک سرمایهگذاری و خدمات مالی Citigroup با اشاره به تحقیقات شرکت مشاوره Accenture میگوید ۵۴ درصد از وظایف کارمندان بانکی ایالات متحده در معرض خودکارسازی کامل قرار دارند و از این رو کارکنان صنعت بانکداری بیشتر از دیگر صنایع خطر جایگزینی و خودکارسازی کامل را احساس میکنند. براساس این دادهها در حدود ۱۲ درصد از وظایف بانکی نیز هوش مصنوعی در کنار انسان به بهبود عملکرد کمک میکند.
به گزارش پیوست، با این حال در این گزارش با اشاره به تاریخ فناوری تصریح میشود که تحولات فناورانه معمولا به کاهش مشاغل امور مالی منجر نمیشوند و تنها ترکیب نیروی کار است که در طول زمان تغییر میکند. به عبارت ساده ممکن است که هوش مصنوعی جای برخی از مشاغل را بگیرد اما احتمالا به خلق مشاغل بیشتری منجر میشود.
طبق این گزارش هوش مصنوعی با گذشت زمان بخشهای مختلف را تحت تاثیر قرار میدهد. از این بین وظایف مختلف بانکی، بخش کدنویسی و نرمافزار زودتر از همه و در سالهای ۲۰۲۴ و ۲۰۲۵ تاثیر هوش مصنوعی را در مواردی مثل انجام وظایف تکراری لمس میکنند. استفاده از هوش مصنوعی و یادگیری ماشینی در بخشهایی حساستری مثل مدیریت احتمالا به زمان بیشتری نیاز دارند. در جدول زیر تاثیر هوش مصنوعی بر وظایف مختلف بانکی و برآورد زمانی آن را مشاهده میکنید:
رهبران صنعت مالی نگاه عمدتا مثبتی به تاثیر هوش مصنوعی بر این صنعت دارند و ۹۳ درصد از پاسخ دهندگان میگویند این فناوری به افزایش سود و بهبود وضعیت بهرهوری کمک میکند.
سیتی گروپ میگوید با اینکه هوش مصنوعی یا به عبارت بهتر یادگیری ماشینی (ML) مدتها است که در صنعت مالی کاربرد دارد، اما ماهیت استفاده از آن در سالهای آینده تغییر میکند. پیش از این صنعت مالی تنها برای دادههای ساختار یافته از این فناوری استفاده کرده اما هوش مصنوعی مولد باعث میشود تا دادههای بدون ساختار نیز برای این فناوری قابل استفاده باشند. از آنجایی که بیشتر دادههای تجاری (حدود ۸۰ تا ۹۰ درصد) بدون ساختار هستند (همچون ایمیلها، رونوشتها، مستندات و گزارشها)، هوش مصنوعی مولد تاثیر شگرفی بر صنایع مختلف و به ویژه صنعت بانکی میگذارد.
براساس نظرسنجی سیتیگروپ، اکثریت موسسات مالی (۹۳ درصد) از تاثیر مثبت هوش مصنوعی به واسطه افزایش بهره وری در پنج سال آینده میگویند و پیشبینی انجام شده نشان میدهد که هوش مصنوعی تا سال ۲۰۲۸ به افزایش ۹ درصدی سود صنعت بانکی کمک میکند. این فناوری طبق برآورد سیتیگروپ با افزایش ۱۷۰ میلیارد دلاری سود صنعت بانکی از ۱.۸ هزار میلیارد دلار تا ۲ هزار میلیارد دلار همراه است.
هوش مصنوعی در داخل بانکها وظایف تکراری را برعهده گرفته و به انجام وظایف سنگین از لحاظ اطلاعاتی کمک میکند. اما در بعد خارجی و برای مشتریان نیز عوامل هوش مصنوعی خدمات بهتری را در اختیار مشتری گذاشته و به طور کلی تجربه مشتریان بانکی را بهبود میبخشد.
موضوعاتی مثل استفاده از چتبات و بکارگیری هوش مصنوعی در مدیریت پرتفو از جمله ملموسترین کاربردهای این فناوری در سمت مشتریان هستند.
چتبات مجهز به هوش مصنوعی میتوانند در تمامی ساعات و به صورت همه روزه خدمات پشتیبانی را در اختیار مشتری بگذارند و زمان پاسخ به درخواست نیز در مقایسه با انسانها کمتر می شود. این چتباتها همچنین به لطف دادههای عظیمی که در اختیار دارند تجربهای شخصیسازی شده را در اختیار مشتری میگذارند.
با این حال از جمله محدودیتهای این فناوری در بخش پشتیبانی میتوان به ناتوانی آن در درک درخواستهای پیچیده یا مبهم اشاره کرد و همچنین نگرانیهایی درمورد حریم خصوصی و امنیت استفاده از این ابزارها در صنعت بانکی وجود دارد.
با توجه به گزارش سیتی گروپ، از جمله مهمترین موانع استفاده از هوش مصنوعی در صنعت بانکی میتوان به کیفیت دادهها و محدودیتهای قانونی اشاره کرد.
با توجه به اینکه هوش مصنوعی به دادههای عظیم و با کیفیتی نیاز دارد، تضمین یکپارچگی، دقت و دسترسی به این دادهها چالش بزرگی برای صنعت بانکداری و بانکها باید برای پیشتازی در عصر هوش مصنوعی روی این بخش سرمایهگذاری کنند.
همچنین از آنجایی که صنعت بانکی و امور مالی در معرض قوانین سختگیرانه قرار دارد، اپلیکیشنهای هوش مصنوعی این صنعت نیز باید با پیروی از قوانین سختگیرانه صنعت امور مالی طراحی شوند و موضوعاتی مثل حریم خصوصی دادهها، پیشنیازهای مبارزه با پولشویی و موارد دیگر را رعایت کنند.
همچنین استفاده از هوش مصنوعی با نگرانیهای امنیتی تازهای مثل حملات سایبری برای بانکها همراه است و بانکها باید برای گذار به عصر هوش مصنوعی به آموزش کارکنان و رفع شکاف مهارتی بپردازند.