نشست هوش مصنوعی مولد در صنعت بانکداری

Article Summary

(شهره طباطبایی) شهره طباطبایی، رئیس گروه هوش مصنوعی شرکت خدمات انفوماتیک، در نشست تحلیلی "هوش مصنوعی مولد در صنعت بانکداری" در سالن سعدی طبقه B2، به بررسی وضعیت هوش مصنوعی مولد و فرصت‌ها و چالش‌های آن در صنعت بانکداری پرداخت. طباطبایی ابتدا به معرفی مدل‌های ترانسفورمری و تأثیر آن‌ها بر تولید مدل‌های هوش مصنوعی بزرگ اشاره کرد. او تأکید کرد که مدل‌های مولد، مانند چت‌جی‌پی‌تی، با سرعت بی‌نظیری پذیرفته شده‌اند و تأثیر عمده‌ای بر صنعت بانکداری خواهند گذاشت. طباطبایی به بررسی گزارشی موثر در ایران اشاره کرد که نشان می‌دهد نهادهای مالی در کشور به استفاده از هوش مصنوعی مولد فکر می‌کنند. او از مدل‌های زبانی بزرگ به عنوان ابزاری برای خودکارسازی تولید کد، رفع اشکالات امنیتی، و کاهش هزینه‌های تولید نرم‌افزار یاد کرد. او تأکید کرد که این مدل‌ها می‌توانند تجربه مشتری را ارتقا و هزینه‌های بانک را کاهش دهند، و دسترسی به خدمات بانکی را 24 ساعته فراهم کنند. یکی از مهم‌ترین کاربردهای هوش مصنوعی مولد، استفاده از دستیارهای مجازی برای ارتقای تجربه مشتری و کاهش هزینه‌ها است. طباطبایی به تأثیر این مدل‌ها بر نیروی کار بانکی اشاره کرد و گفت که بسیاری از شغل‌های بانکی ممکن است کاملاً یا به طور نسبی با این مدل‌ها جایگزین شوند. او همچنین به کاربردهای مدیریت ریسک، مبارزه با پولشویی، و انطباق با قوانین و مقررات اشاره کرد. در بخش چالش‌ها، طباطبایی به هزینه‌بر بودن ساخت و نگهداری مدل‌های بزرگ، انحصار ان‌ویدیا در تولید جی‌پی‌یوهای محاسباتی، و ریسک‌های امنیتی مرتبط با استفاده از مدل‌های زبانی بزرگ اشاره کرد. او تأکید کرد که نبود قوانین مناسب برای استفاده از مدل‌های جدید یکی دیگر از چالش‌های مهم است. (دکتر یکتا اشرفی) اشرفی تأکید کرد که هوش مصنوعی به طور چشمگیری در تخصیص بهینه منابع و بهبود رفاه جامعه تأثیر گذاشته است. او به سه وظیفه اصلی بانک مرکزی اشاره کرد: سیاست‌گذاری پولی، نظارت بر سلامت شبکه بانکی، و مدیریت نظام پرداخت. اشرفی بیان کرد که هوش مصنوعی با جمع‌آوری داده‌های با کیفیت و استفاده از روش‌های پیشرفته مانند بیگ دیتا، تحلیل‌های اقتصادی و مالی را بهبود می‌بخشد. این تکنولوژی به بانک‌های مرکزی کمک می‌کند تا آثار سیاست‌های پولی را بهتر تحلیل کنند و نظارت موثرتری بر موسسات مالی داشته باشند. مثال‌هایی از این کاربردها در بانک مرکزی اروپا و فدراسیون آمریکا ارائه شده است. دکتر اشرفی همچنین به نقش هوش مصنوعی در اعتبار‌سنجی و شخصی‌سازی خدمات بانکی اشاره کرد. او تأکید کرد که این تکنولوژی به افراد کمک می‌کند تا رفتار مالی خود را بهتر مدیریت کنند و از خدمات بانکی بهره‌برداری بهینه‌تری داشته باشند. اشرفی به اهمیت سواد مالی در جامعه اشاره کرد و تأکید کرد که آموزش مالی از کودکی شروع شود. در پایان، اشرفی به چالش‌ها و ریسک‌های هوش مصنوعی اشاره کرد، از جمله عدم انطباق با قوانین، کیفیت داده‌ها، و حریم خصوصی. او پیشنهاداتی برای کاهش این ریسک‌ها ارائه کرد، از جمله ایجاد چارچوب‌های مدیریت ریسک بین‌المللی و تقویت امنیت سیستم‌ها. (دکتر محمد مظاهری) دکتر محمد مظاهری به بررسی نقش و کاربردهای هوش مصنوعی مولد (Generative AI) در صنعت بانکداری پرداخت. دکتر مظاهری تاکید کرد که این فناوری‌ها با توانایی‌های مانند تولید محتوا، تحلیل داده‌ها، و بهبود تجربه مشتری، می‌توانند تغییرات مهمی در عملکرد بانک‌ها ایجاد کنند. دکتر مظاهری به اهمیت هوش مصنوعی مولد در تبدیل داده‌ها به اطلاعات مفید و کاربردی اشاره کرد. او به نکته مهمی اشاره کرد که این فناوری‌ها می‌توانند به بانک‌ها کمک کنند تا سوالات پیچیده‌تری را پاسخ دهند و تصمیمات بهتری بگیرند. به عنوان مثال، از طریق تحلیل گفتگوهای مشتریان، بانک‌ها می‌توانند مشکلات را شناسایی کرده و راه‌حل‌های مناسب را ارائه دهند. دکتر مظاهری همچنین به چالش‌هایی اشاره کرد که در پیاده‌سازی این فناوری‌ها وجود دارد، از جمله نیاز به داده‌های کیفیت بالا و توان محاسباتی قوی. او تاکید کرد که برای موفقیت در این حوزه، همکاری بین بانک‌ها و شرکت‌های تکنولوژی ضروری است. در بخشی از صحبت‌ها، دکتر مظاهری به تجربیات موفقی که تیم او در پروژه‌های مختلف داشته‌اند، اشاره کرد. او نکته کرد که استفاده از هوش مصنوعی مولد در خلاصه‌سازی گفتگوهای مشتریان و تحلیل داده‌های بزرگ، به بانک‌ها کمک کرده است تا بهبود یابند و خدمات بهتری ارائه دهند. در ادامه، ایشان به پتانسیل اقتصادی هوش مصنوعی مولد اشاره کرد و از آمارهایی نقل کرد که نشان می‌دهد این فناوری‌ها می‌توانند به رشد جی‌دی‌پی کشور کمک کنند. او تاکید کرد که ایران نیز می‌تواند از این فرصت‌ها بهره‌مند شود، اما برای این کار نیاز به سیاست‌های مناسب و همکاری‌های بین‌المللی است. دکتر مظاهری اشاره کرد که در گذشته از مفهوم "اسمارت" برای توصیف خدمات بانکی استفاده می‌شد، اما با پیشرفت‌های تکنولوژیک، مفهوم "دیجیتال" جایگزین آن شد. او تاکید کرد که هوشمندی دیجیتال نیازمند داده‌های دقیق و متنوع است، زیرا داده‌ها سوخت اصلی هوش مصنوعی هستند. برای مثال، بانک‌ها باید از داده‌های مشتریان برای ارائه خدمات هوشمند استفاده کنند. دکتر مظاهری به تجربیات موفقیت‌آمیز در بانک‌های مختلف اشاره کرد. او مثالی از بانک آینده آورد که با استفاده از نرم‌افزارهای ساده موبایل‌بانکینگ و چت‌بات‌های ساده، خدماتی هوشمند ارائه کرده است. این سیستم‌ها تاکنون بیش از چهارصد و پنجاه هزار سوال را پاسخ داده‌اند، اما هنوز در برخی موارد با محدودیت‌هایی روبرو هستند. او تاکید کرد که برای پیشرفت بیشتر، باید از مدل‌های پیچیده‌تر هوش مصنوعی استفاده کرد، اما این کار نیازمند داده‌های کافی و دقیق است. دکتر مظاهری همچنین به تجربیات موفقیت‌آمیز شرکت‌های دیجیتال مانند اسنپ و دیجی‌کالا اشاره کرد و گفت که این شرکت‌ها با استفاده از هوش مصنوعی و داده‌های دقیق، خدماتی کاربرپسند ارائه می‌دهند. او تاکید کرد که برای بانک‌ها، شروع از مراحل ساده و بهبود پیوسته سیستم‌ها، راهی برای موفقیت است. در نهایت، دکتر مظاهری به اهمیت ترکیب داده‌ها و هوش مصنوعی در تصمیم‌گیری‌های بانکی اشاره کرد و گفت که برای ارائه خدمات هوشمند، باید از تجربیات و داده‌های گذشته استفاده شود. (دکتر هادی فراهانی) دکتر هادی فراهانی، عضو هیئت علمی گروه علوم کامپیوتر دانشگاه شهید بهشتی، به تجربیات و چالش‌های استفاده از هوش مصنوعی مولد در صنعت بانکی پرداخت. ایشام تأکید کرد که این تکنولوژی‌ها می‌توانند به طور قابل توجهی کارایی سیستم‌های بانکی را افزایش دهند. دکتر فراهانی اشاره کرد که همکاری با شرکت خدمات انفورماتیک برای توسعه یک محصول کامپلاینس، که به تطبیق قوانین و مقررات بانکی کمک می‌کند، از جمله پروژه‌های مهم این گروه بوده است. این محصول، با استفاده از مدل‌های هوش مصنوعی مولد، قادر به انجام کار با هزینه‌های کمتر و بدون نیاز به تغییرات عمده در سیستم‌های موجود است. در بخش تخصصی، دکتر فراهانی به مدل‌های یادگیری ماشین و شبکه‌های عصبی اشاره کرد و تفاوت‌های اصلی بین مدل‌های دیسکریمینیتیو و جنریتیو را توضیح داد. او تأکید کرد که مدل‌های جنریتیو، مانند جی‌پی‌تی، قابلیت تولید داده‌های جدید و پیچیده را دارند که می‌توانند در تشخیص تقلب و پولشویی مفید باشند. دکتر فراهانی همچنین به تجربیات خود در توسعه یک نالج بیس برای تطبیق قوانین بانکی اشاره کرد. این سیستم قادر به بررسی تراکنش‌ها و تشخیص مواردی است که با قوانین منافات دارند. او تأکید کرد که استفاده از هوش مصنوعی می‌تواند به سیاست‌گذاری و تصمیم‌گیری‌های بانکی کمک کند و به کاهش خطرات امنیتی منجر شود. در پایان، دکتر فراهانی به اهمیت آغوش‌باز نسبت به تکنولوژی‌های جدید و استفاده از هوش مصنوعی به عنوان یک دستیار هوشمند برای کارشناسان بانکی اشاره کرد. او تأکید کرد که چالش‌هایی مانند محرمانگی داده‌ها باید با راهکارهای مناسب مواجه شوند.