گزارش امریکن بنکر از وضعیت هوش مصنوعی در صنعت بانکداری مشارکت ۷۰ درصدی بانک‌ها و شرکت‌های پرداخت آمریکا

به گزارش پیوست، در گزارشی که براساس نظرسنجی ۶۹۴ متخصص در حوزه‌های حسابداری، بانکداری، پرداخت، بیمه و وام مسکن به دست آمده است، تصویری دقیق از وضعیت فعلی و آینده سرمایه‌گذاری‌های هوش مصنوعی در صنعت مالی ایالات متحده را شاهد هستیم. گزارش امریکن بنکر نشان می‌دهد که با وجود افزایش استفاده، هزینه‌های بکارگیری هوش مصنوعی نیز افزایش یافته و صنعت مالی و به‌خصوص بانک‌‌های بزرگترین هزینه‌کرد‌ها را در جهت استفاده از هوش مصنوعی دارند.

استفاده گسترده از هوش مصنوعی در صنعت بانکداری

براساس داده‌های امریکن بنکر، ۷۰ درصد از بانک‌ها و شرکت‌های پرداخت در حال حاضر در حال بررسی یا استفاده از ابزارهای هوش مصنوعی هستند. نحوه استفاده از این فناوری در صنعت مالی را می‌توان به سه دسته مختلف تقسیم کرد (از میان ۳۰ درصد باقی‌مانده، ۲۶ درصد هنوز در مرحله یادگیری هستند و ۴ درصد نیز برنامه‌ای برای استفاده از هوش مصنوعی ندارند):

• ۹ درصد با رویکرد تهاجمی در حال پیاده‌سازی فراگیر هوش مصنوعی در سازمان هستند؛
• ۳۰ درصد استفاده محدود برای موارد خاص دارند؛
• و بیشترین سهم یا ۳۱ درصد مربوط به آنهایی است که به‌صورت تدریجی و مرحله‌ای وارد عرصه شده‌اند.

از جمله جدید‌ترین پروژه‌های فعالان صنعت مالی در این حوزه می‌‌توان به سرمایه‌گذاری ۱۰ میلیون دلاری بانک جی‌پی‌‌مورگان چیسدر استارت‌آپ FairPlay، یکپارچه‌سازی نسخه سازمانی ChatGPT در مدل زبان طبیعی بانک BNY Mellon، و راهکارهای سایبری مبتنی بر هوش مصنوعی از Palantir برای بانک‌ها اشاره کرد.

بازدهی هوش مصنوعی در اغلب موارد همچنان ناملموس است

در حالی که نیمی از شرکت‌کنندگان نظرسنجی امریکن بنکر می‌گویند هوش مصنوعی در بخش کارایی نیروی انسانی با بازگشت سرمایه مثبت همراه بوده است ، اما کارشناسان معتقدند تاثیر مالی هوش مصنوعی هنوز در اغلب موارد ناملموس و غیرقابل اندازه‌گیری باقی مانده است.
ویک سوهونی از شرکت مک‌کینزی در این باره می‌گوید که کاربرد‌های هوش مصنوعی در شناسایی کلاهبرداری و کمک به عوامل تماس «بدون شک تا حدی بازده سرمایه را به دنبال داشته است» اما اینکه تاثیر این ابزارها بر سود خالص بانک‌ها را بتوانیم مشخص کنیم، کار سخت‌تری است.

افزایش هزینه با وجود رشد تقاضا

گزارش امریکن‌ بنکر می‌گوید با وجود افزایش تقاضا، هزینه پیاده‌سازی هوش مصنوعی در حال افزایش است. براساس این گزارش:

• ۶۳ درصد از پاسخ دهندگان از افزایش ۱۰ تا ۲۴ درصدی هزینه‌های تامین‌کنندگان زیرساخت ابری خبر داده‌اند؛
• ۵۴ درصد از پاسخ‌دهندگان نیز می‌گویند قیمت مدل‌های هوش مصنوعی با نرخ مشابهی افزایش یافته است؛
• ۳۳ درصد نیز اعلام کرده‌اند که هزینه خدمات نرم‌افزارهای هوش مصنوعی بین ۲۵ تا ۴۹ درصد افزایش یافته است.

بزرگ‌ترین مانع در این مسیر نیز هزینه‌های به‌روزرسانی زیرساخت‌های اصلی فناوری اطلاعات بانک‌ها عنوان شده است. با این حال، ۸۰ درصد از پاسخ‌دهندگان گفته‌اند که طی ۱۲ ماه آینده سهم سرمایه‌گذاری هوش مصنوعی در بودجه فناوری اطلاعات آن‌ها بین ۱۰ تا ۲۵ درصد افزایش خواهد یافت.

تجربه‌های میدانی: از بانک آو آمریکا تا لویدز

بانک آو آمریکا (Bank of America)

از جمله مهمترین تجارب میدانی بکارگیری هوش مصنوعی در صنعت بانکی ایالات متحده می‌توان به بنک آو امریکا اشاره کرد. این بانک با بیش از ۲۱۳ هزار کارمند، در حال حاضر از هوش مصنوعی در طیف گسترده‌ای از وظایف استفاده می‌کند.

• ۹۰ درصد کارکنان این بانک از دستیار مجازی داخلی به نام Erica استفاده می‌کنند که به کاهش بیش از ۵۰ درصدی تماس‌های با مرکز پشتیبانی فناوری منجر شده است.
• ابزارهایهوش مصنوعی در بخش‌های مختلفی چون خدمات خصوصی، مرکز تماس و مدیریت ثروت به کار گرفته شده‌اند.
• مدیر ارشد فناوری این بانک، هری گوپال‌کریشنان، تاکید کرده است که سیاست آن‌ها استفاده حداکثری از نوآوری بیرونی است و به‌جای ساخت بومی تمامی ابزارها، به سراغ خرید و هم‌پیمانی با شرکت‌های پیشرو می‌روند.

لویدز بانک (Lloyds Banking Group)

این بانک بریتانیایی با همکاری بخش ابری گوگل (Google Cloud) و پلتفرم هوش مصنوعی Vertex AI در تلاش است تا مدل‌های هوش مصنوعی مولد و عامل‌محور را برای استفاده داخلی توسعه دهد.

• ۱۵ مدل یادگیری ماشین از سیستم‌های قدیمی لویدز به گوگل کلود منتقل شده‌اند، که در کنار بهینه‌سازی عملکرد، به کاهش ۲۷ تن ردپای کربنی نیز کمک کرده است.
• امکان استفاده از مدل‌های متنوع (از جمله جمنای و مدل‌های متن‌باز) برای این بانک مزیت رقابتی کلیدی محسوب می‌شود.

تحول در فناوری پردازش و امنیت: IBM و Mastercard در صف اول

IBM z17: تحولی در رمزنگاری و پردازش

شرکت IBM با معرفی مین‌فریم z17، نسل جدید رایانه‌های اصلی خود، امکاناتی مختلفی را در اختیار صنعت بانکی قرار داده است:

• پردازش ۳۵ میلیارد تراکنش در روز
• رمزنگاری در سطح امنیت کوانتومی
• شتاب‌دهنده‌های هوش مصنوعی با ۴۰ درصد ظرفیت بیشتر نسبت به مدل قبلی (z16)

تینا تارکوینیو، مدیر محصول ارشد IBM Z، می‌گوید:  «ما می‌دانیم که کلاهبرداری شکل‌های بسیاری دارد و شما به مدلی نیاز دارید که در هرکدام از این شکل‌ها متخصص باشد و حالا شما می‌توانید همه آنها را در یک تراکنش اجرا کنید. سیستم باید بتواند تفاوت میان کلاهبرداری و یک تراکنش معتبر را تشخیص دهد، تا شما بتوانید زمان بیشتری را صرف کارهای ضروری بکنید و زمان کمتری روی کارهایی که نیاز نیست، بگذارید.»

Mastercard Agent Pay: ورود به عرصه عامل‌های هوش مصنوعی

مسترکارت با معرفی پلتفرم Agent Pay، قصد دارد تعاملات تجاری، زنجیره تامین و تجربه خرید را با کمک هوش مصنوعی متحول کند.

این پلتفرم برای ارائه پیشنهاد خرید، کمک به برنامه‌ریزی رویداد، مدیریت زنجیره تامین و تدوین استراتژی فروش به کار از داده‌های شرکت مسترکارت استفاده می‌کند. شرکت‌های بزرگی همچون مایکروسافت در بخش توسعه، IBM در بخش فناوری B2B یا تجاری و پی‌پل و Checkout.com نیز در بخش امنیتی این حوزه با مسترکارت مشارکت دارند.

این پروژه به طور کلی روی ایجاد رابط‌های هوشمند برای تشخیص نمایندگان معتبر از تبهکاران در بستر تجارت دیجیتال متمرکز است. جان لمبرت، مدیر ارشد محصول شرکت مستر‌کارت، در بیانیه خبری خود گفت:‌ «مسترکارت با پیش‌بینی نیازها‌ی آینده مصرف‌کننده، نحوه پرداخت جهان را به شکلی بهتر متحول می‌کند. راه‌اندازی پلتفرم Mastercard Agent Pay نشانگر اولین‌ گام‌ها در بازتعریف تجارت در عصر هوش مصنوعی است که شامل رابط‌های جدید کاربری فروشنده است تا با استفاده از فناولی عاملیتی، میان نمایندگان مورد اعتماد و خراب‌کاران تمایز ایجاد کند.»

همکاری IBM و Box برای تقویت بازار هوش مصنوعی سازمانی

شرکت Box با ابزار Box AI در تلاش است تا به شرکت‌ها و سازمان‌ها اجازه دهد مدل‌های سفارشی هوش مصنوعی را در محیط‌های ایزوله توسعه دهند.

براساس تلاش تازه‌ای با همکاری IBM و پلتفرم watsonx.ai، کاربران Box AI می‌توانند از طریق watsonx به مدل‌های متنوع‌تری دسترسی پیدا کنند و کارکنان IBM نیز در عوض از طریق watsonx به ابزارهای Box AI دسترسی خواهند داشت.

داون لاتر، مدیر ارش تیم بازاریابی محصولات شرکت Box طی بیانیه‌ای در این باره گفت: «شرکت‌های خدمات مالی می‌توانند با استخراج الگو‌ها از حجم عظیم داده‌های تراکنش، سرعت تشخیص کلاهبرداری و تجزیه‌تحلیل خطر را افزایش دهد و در نتیجه بتوانند در لحظه ناهنجاری را شناسایی کرده و زمان اصلاح را کاهش دهند، همه اینها در عین تضمین پیروی از قانون و حسابرسی‌پذیری است.»

به طور کلی گزارش امریکن بنکر نشان می‌دهد که با وجود هزینه‌های رو به رشد، مشکلات زیرساختی و برخی ناامیدی‌ها در سوددهی ملموس، موج هوش مصنوعی در بانکداری نه‌تنها فروکش نکرده است، بلکه در حال شتاب‌گیری است.

بانک‌ها، شرکت‌های پرداخت و فناوری، از ابزارهای هوش مصنوعی برای تحول در خدمات، کاهش هزینه‌ها، ارتقای امنیت و بهبود تجربه مشتری استفاده می‌کنند، اما مسیر هنوز هم پرچالش و نیازمند شفافیت، راهبری هوشمند و ارزیابی مستمر بازگشت سرمایه است.