بانک‌های ایران در مسیر هوش مصنوعی؛ داده‌های کثیف و نگاه سنتی سد راه تحول شده‌اند

به گزارش پیوست، اگر از یک دستیار هوش مصنوعی بپرسید برای این که بتواند عملکرد داشته باشد به چه چیزی نیاز دارد؟ می‌گوید: داده. در یک کلام داده سوخت هوش مصنوعی است و مدیریت داده یا Data Governance که شامل پایش کیفیت، امنیت، حریم خصوصی و دسترسی به داده‌ها است نخستین اقدامی است که طبق گفته کارشناسان باید برای به کارگیری فناوری هوش مصنوعی در فرایندهای بانکی و در هر کسب‌وکار دیگری انجام شود.

درک درستی از هوش مصنوعی وجود ندارد

حمیدرضا احمدیان، رئیس امور هوش مصنوعی و توسعه دولت هوشمند، می‌گوید: اقدامات بانک‌های ایران هم‌تراز با سطح جهانی استفاده از هوش مصنوعی نیست. به گفته او اساسا حوزه‌های بورس و بانک و بیمه درک شفافی از هوش مصنوعی نداشته‌اند و همین موضوع اصلی‌ترین دلیلی است که هوش مصنوعی جایگاه درستی در حوزه‌های مالی پیدا نکرده است.

احمدیان همچنین توضیح می‌دهد که رویکرد استفاده از هوش مصنوعی نیز هنوز شفافیت چندانی ندارد. مثلا هنوز مشخص نیست که هوش مصنوعی را تنها به عنوان ابزار پذیرفته‌ایم یا دستیار؟

احمدیان در این خصوص می‌گوید: «برخی از بانک‌های ایرانی در سال‌های اخیر توانسته‌اند از برخی جنبه‌های هوش مصنوعی استفاده کنند. برای مثال بیشتر در حوزه مدیریت ریسک استفاده شد که در بانک‌ها به عنوان مدیریت ریسک هوشمند مطرح می‌شود. موضوعات دیگری مانند کشف تقلب، مبارزه با پولشویی نیز از جمله مواردی بودند که با هوش مصنوعی به آنها پرداخته شد. به‌طور مشخص یکی دو بانک در خصوص موارد اخیر اقدام کرده‌اند.»

او در ادامه توضیح داد که معمولا بانک‌ها در سایر نقاط جهان از هوش مصنوعی به عنوان ابزار در هسته کسب‌وکار استفاده می‌کنند.

احمدیان اولین چالش اساسی استفاده از هوش مصنوعی در فرآیندهای بانکی را کیفیت داده‌های بانکی معرفی می‌کند. به گفته احمدیان با وجود این که حجم بالایی از داده از شبکه بانکی وجود دارد اما این داده‌ها تمیز نیستند و برای استفاده کیفیت خوبی ندارند.

به اعتقاد احمدیان چالش دوم زیرساخت‌های فنی مورد نیاز برای استفاده از هوش مصنوعی هستند. احمدیان چالش و مانع دیگر را برای توسعه هوش مصنوعی، نبود نیروی متبحر در این حوزه دانست. موضوعی که اتفاقا به نظر دیگر کارشناسان شاید تنها نقطه قوت کشور باشد.

احمدیان نبود قوانین مشخص در حوزه هوش مصنوعی را نیز خطرساز دانست. به گفته او در چنین شرایطی نهاد رگولاتور نقش بازدارنده را به خود می‌گیرد و نهادهای مالی مانند بانک‌ها نمی‌توانند فعالیت گسترده‌ای در حوزه هوش مصنوعی انجام دهند؛ به همین دلیل این حوزه باید قانونمند شود.

فرهنگ سازمانی سنتی و مقاوم به پذیرش فناوری‌های نوین در بانک‌ها، از جمله موارد دیگری بود که احمدیان آن را مانع اصلی توسعه هوش مصنوعی معرفی کرد.

به اعتقاد احمدیان هزینه بالای اجرای هوش مصنوعی شاید یک مانع جانبی باشد، اما تاثیر به‌سزایی در اجرای پروژه‌های هوش مصنوعی می‌گذارد به همین دلیل هم هست که بیشتر پروژه‌های هوش مصنوعی به صورت پایلوت یا کوچک‌مقیاس اجرا می‌شوند.

بر اساس صحبت‌های احمدیان شرایط هوش مصنوعی در ساختار بانکی آن‌قدرها هم ناخوش نیست. برای مثال تحریم‌ها که کشور را در محدودیت و مضیقه قرار دادند برای توسعه محصولات داخلی فرصت هستند به این خاطر که صنعت بانکی در مقیاس بومی فعالیت می‌کند و خبری هم از سوئیفت نیست.

او در ادامه عنوان کرد: «همچنین در ایران به دلیل کارت‌محوربودن نظام بانکی و حضور شتاب و شاپرک، نرخ تراکنش‌های بانکی زیاد هستند که درنتیجه داده‌های بانکی زیادی داریم. حجم بالای داده‌ها می‌تواند ما را در طراحی الگوریتم‌ها و مدل‌های هوش مصنوعی کمک کند.»

او در ادامه می‌گوید چت‌بات‌ها از جمله موارد خدمات مبتنی بر هوش مصنوعی هستند که جزو خدمات بانکی شده‌اند اما بانک‌ها دستیار هوشمند و توصیه‌گر مالی ندارند، در حالی که دنیا در این حوزه پیشرفت زیادی داشته است. در حوزه اعتبارسنجی مشتریان کارهایی انجام شده است اما موازی با پیشرفت جهانی نیست و هنوز سنتی رفتار می‌شود چرا که داده‌های مورد نیاز در دسترس نیستند.

احمدیان در ادامه تاکید کرد: «در نتیجه شاید کارهایی انجام شده باشد اما مسئله Data Governance هنوز در ایران حل نشده است و هوش مصنوعی بدون داده اصلا معنا ندارد. از سوی دیگر سندباکس‌ها در کشور در حد شوخی هستند. همکاری در اکوسیستم نوآوری یا Collaboration in Innovation هنوز به درستی انجام نمی‌شود. تجربه دنیا نشان می‌دهد که برای رفتن به سمت هوش مصنوعی حتما باید به COE یا AI Center of Excellence فکر کرد.

بانک‌ها هیچ‌گاه بهره‌بردار داده نبوده‌اند

آیت حسینی مدیرعامل آلدی پی، می‌گوید: بانک‌های ایرانی حتی قبل از فراگیری هوش مصنوعی نیز از داده‌ها استفاده نمی‌کردند. یکی از کاربردهای هوش مصنوعی در بانک‌ها چت‌بات‌ها هستند در حالی که به گفته حسینی این خدمت به‌صورت ۲۴ ساعته در اختیار کاربران نیست و بیشتر در کسب‌وکارهایی همچون دلیوری FMCGها کاربرد دارد.

او درباره کاربرد هوش مصنوعی در بانک‌های ایرانی می‌گوید: «بانک‌های ایرانی در زمینه‌های کشف تقلب و اعتبارسنجی هوشمند و AML که درواقع اقدام ضدپول‌شویی است بیشتر از هوش مصنوعی استفاده می‌کنند. یکی از دلایل جدی که بانک‌ها در قسمت‌های اصلی مانند مدیریت ریسک و امنیت و خدمات مشتری و عملیات داخلی بانکی از هوش مصنوعی استفاده نمی‌کنند این است که فناوری‌های روز کمتر در اختیار ماست و همچنین اتصال نداشتن به داده‌های بین‌المللی باعث می‌شود که بخواهیم همه چیز را بومی‌سازی کنیم و نتیجه آن محصولاتی شبیه پیام‌رسان‌های داخلی بومی است که فقط در شرایط بحران مورد استفاده قرار می‌گیرند.»

او در ادامه افزود: «کمتر بانکی هست که در عملیات داخلی بانک‌ها مانند اتوماسیون و فرآیندها و تحلیل داده‌های کلان برای تصمیم‌گیری‌های کلان استفاده کنند و حتی پیش‌بینی‌های نیاز به نقدینگی و میزان منابع مصارف اصولا با همان رفتارهای سنتی و بودجه‌بندی‌های سنتی پیگیری می‌شود و از هوش مصنوعی استفاده نمی‌شود.»

طبق گفته حسینی به‌صورت کلی در سه دسته اصلی خدمات مشتری، عملکرد داخلی و مدیریت ریسک و امنیت شاهد فعالیت جدی بانک‌ها در حوزه هوش مصنوعی نیستیم.

او در پاسخ به این سوال که مشکل داده‌ها دقیقا چیست توضیح می‌دهد: «حجم بالایی از داده در بانک‌ها وجود دارد اما داده‌ها غیرقابل مصرف هستند؛ البته بخشی از این موضوع اقتضا بوده، برای مثال چند سال گذشته وقتی که هنوز مخازن داده مطرح نبود. اهمیت داده ملموس نبود زیرا نگاه استفاده از داده‌ها تجاری نبوده است.» 

او در آخر تاکید می‌کند که بانک‌ها بهره‌بردار داده نیستند و اگر نه می‌توان از داده‌های کثیف هم استفاده کرد.

استفاده از هوش مصنوعی به میزان بلوغ سازمان‌ها برمی‌گردد

مصطفی ثابتی مدیرعامل هلدینگ فناوری اطلاعات بانک گردشگری نیز معتقد است: بانک‌ها در استفاده از هوش مصنوعی نسبت به سایر نهادها زودتر عمل کرده‌اند. برای مثال، چند سالی است که دست‌کم در حوزه احراز هویت غیرحضوری از آن استفاده می‌کنند.

ثابتی درباره استفاده از این فناوری در بانک‌های ایرانی می‌گوید: «کاربرد هوش مصنوعی در کسب‌و‌کار بانکی گسترده است. به‌طور مشخص در مدیریت ریسک، تطبیق، احراز هویت، پیش‌بینی روندها و همچنین در فرآیندهای داخلی به‌کار گرفته می‌شود. اما میزان نفوذ آن به سطح بلوغ هر سازمان بستگی دارد. در بسیاری از بانک‌ها ابزارهای مبتنی بر هوش مصنوعی بیشتر در لایه کاربرد یا پشتیبانی مشتری استفاده می‌شوند. میزان استفاده در هر بانک متفاوت و به سرعت در حال رشد است، در حال حاضر هم اگر محدودیتی وجود داشته باشد اصلی‌ترین دلیل آن موضوعات مرتبط با کیفیت داده ها و دسترس پذیری به آنهاست»

او در یک پیش‌بینی، آینده هوش مصنوعی در بانک‌ها را توصیف کرد: «در افق کوتاه‌مدت ۱۰ تا ۱۸ ماه آینده، استفاده از هوش مصنوعی به شدت تحت تاثیر شرایط کلان کشور قرار خواهد گرفت و احتمال رشد چشمگیر آن کم است. مشکلات اقتصادی، تحریم‌ها و تهدیدهای امنیتی باعث شده بانک‌ها در فاز بقا قرار گیرند و تمرکز اصلی خود را بر ایمن‌سازی تجهیزات، ایجاد زیرساخت های پشتیبان و مقابله با حملات سایبری بگذارند. در چنین شرایطی، تمرکز جدی بر نوآوری و هوش مصنوعی دشوار است. هرچند فعالیت در این حوزه متوقف نمی‌شود.»

ثابتی در ادامه می‌گوید: «اما در افق پنج‌ساله، به‌طور قطع شاهد حضور پررنگ‌تر هوش مصنوعی در صنعت بانکداری و فین‌تک خواهیم بود. تغییرات زیادی را خواهیم دید و انتظار داریم بخش عمده ای از خدمات و محصولات بانکی مبتنی بر هوش مصنوعی دگرگون شود.»

هوش مصنوعی نیازمند تصمیم عملیاتی لایه مدیران است

حمید بنائیان که تا هفته گذشته در ساختار هیات‌مدیره بانک آینده حضور داشت و اکنون خود را کارشناس و عضو هیات علمی دانشگاه تربیت مدرس معرفی می‌کند، دامنه و کاربرد هوش مصنوعی را گسترده توصیف کرد. به اعتقاد او اما در بانک‌های ایرانی نمی‌توان موردی را پیدا کرد که به واسطه هوش مصنوعی فروش را توسعه داده باشد.

او درباره واقعیت فناوری AI در ساختار بانک‌ها می‌گوید: «مواردی که اکنون به صورت واقعی در حال اجرا است عمدتا در قالب پروژه‌های تحقیقاتی دانشگاهی است که روی مدل‌سازی داده‌ای شناسایی الگوریتم‌ها کار می‌کنند اما هنوز نمود تجاری در موارد اخیر رخ نداده است. احراز هویت غیرحضوری و تطبیق چهره که در بخش امنیت سرویس و خدمات محسوب می‌شود جزو موارد پرکاربرد استفاده از هوش مصنوعی در بانک‌های ایرانی هستند. اما چت‌بات‌ها هنوز به عمق مورد نیاز نرسیدند. یکی از بهترین استفاده چت‌بات‌ها برای کال‌سنترها هست».

او درباره تاثیر تحریم‌ها در حوزه زیرساخت هوش مصنوعی توضیح می‌دهد: «تحریم‌ها در حوزه زیرساخت فنی هوش مصنوعی باعث شده‌اند تا در حوزه پردازش اطلاعات دچار چالش باشیم. اما در دسترسی به اطلاعات علمی حتی با وجود تحریم‌ها نیز مشکلی وجود ندارد و بخش تحقیق و توسعه بانک‌ها دسترسی خوبی در این حوزه دارند.»

او می‌گوید: حجم بالایی از داده برای استفاده وجود دارد اما تحریم‌ها در استفاده از داده تاثیرگذار هستند و عملا چابکی در ارائه سرویس را تحت تاثیر قرار می‌دهند.

اما او در ادامه فاصله بانک‌های ایرانی با جهان را این گونه توصیف کرد که: «از نظر توسعه در کسب وکار حدود ۲  تا ۳ سال از دنیا عقب هستیم اما در خصوص دانش و ابزار شناسی بیشتر از یک سال عقب نیستیم اگر زیرساخت‌ها فراهم شوند و اراده مدیریت برای توسعه هوش مصنوعی در شبکه بانکی نیز وجود داشته باشد میتوانیم این خلا  زمانی را پر کنیم.»

بنائیان در آخر می‌گوید: بانک‌های ایرانی حداکثر از ۲۰ درصد از توانایی هوش مصنوعی در فرآیندهای خود استفاده می‌کنند اما برای ارزیابی بهتر باید اقدامی شبیه ارزیابی بانکداری دیجیتال که در گذشته انجام شد رخ دهد. او همچنین تاکید کرد که برای توسعه هوش مصنوعی در بانک‌ها تصمیم عملیاتی مدیران بانکی از اولویت بالایی برخوردار است.