هوش مصنوعی در بانکداری / ai in banking

کاربرد هوش مصنوعی در بانکداری4 دقیقه مطالعه

با پیشرفت روز افزون صنعت بانکداری، بانک‌ها در صدد ایجاد ارتباط با شرکت‌های نرم‌افزاری برای استفاده‌ی بیش‌تر از هوش مصنوعی هستند. استفاده از هوش مصنوعی در بانکداری می تواند دو معنا داشته باشد: اول، بانک مایل به استفاده از هوش مصنوعی است و دوم این‌که اطلاعات کافی و مناسبی از این حوزه ندارد. بانک‌ها خواستار به کارگیری هوش مصنوعی هستند و بودجه کافی برای این کار دارند؛ با این وجود آن‌ها حتی نمی‌دانند چه کاری می‌خواهند انجام دهند. سوال بزرگی که در صنعت بانکداری وجود دارد این است: می‌دانیم هوش مصنوعی می تواند به ما کمک کند؛ اما چگونه؟ به نظر می رسد راه حل، ساده‌تر از آن چیزی باشد که بانک ها فکر می‌کنند. بهترین راه برای پاسخ به این سوال این است که ببینیم بقیه‌ی صنایع چگونه از هوش مصنوعی استفاده می کنند و بعضی از ایده‌های آن‌ها را به صنعت بانکداری منتقل کنیم. اگر با دقت بنگریم راه‌های زیادی می‌یابیم. همان‌طور که در موضوع کلان‌داده (Big data) استفاده از تجربیات دیگران به ما کمک زیادی کرده است. در این مقاله از فنولوژی، به هشت کاربرد هوش مصنوعی در بانکداری اشاره می‌کنیم.

معاملات بین المللی

«روش های تحلیل متن» که از روش‌های هوش مصنوعی است، می‌تواند به بانک‌ها در تشخیص موارد مشکوک قراردادی، کمک کند. در قراردادهای پیچیده و تودرتوی بانکی، می‌توان از رویه‌های مبتنی بر هوش مصنوعی برای شناسایی ناهنجاری‌ها استفاده کرد. این رویه‌ها باید هوشمند باشند؛ به عبارت دیگر، خودآموز باشند تا سیستم یاد بگیرد بد را از خوب تشخیص دهد.

کاربرد هوش مصنوعی در بانکداری و مبارزه با پول شویی

بانک‌ها از جریمه‌ی معاملات مجازی که در نهایت مجرمانه شناخته می‌شوند می‌ترسند؛ بنابراین، محققان هوش مصنوعی برای بررسی تک‌تک معاملات مشکوک و شناسایی دقیق‌تر آن‌ها، با یکدیگر رقابت می‌کنند. هوش مصنوعی می‌تواند به کاهش تعداد نتایج غلط در تحقیقات این کارشناسان کمک کند. با فناوری «گرادیان تقویتی» یا Gradient Boosting، می‌توان هزینه‌ها را تقریبا تا ۲۰ درصد کاهش داد.

کاربرد هوش مصنوعی در مرکز تماس بانک

مشتریان بانک، ممکن است از طریق تلفن به نتیجه دلخواه نرسند. این موضوع می‌تواند هزینه زیادی برای بانک داشته باشد؛ زیرا ناظران و مشاوران برای مدیریت روند کار باید از این طریق حرکت کنند و بهینه‌سازی آن آسان نیست. با استفاده از هوش مصنوعی، می‌توان کلمات گفتاری را به متن تبدیل کرد و آن‌ها را به یک الگوریتم خودآموز داد. کامپیوتر این متن را پردازش و متناسب با آن جوابی تولید می‌کند. در آخر هم این پاسخ به گفتار تبدیل می‌شود و از طریق تلفن به مشتری اعلام می‌گردد.

کاربرد هوش مصنوعی در وام دهی

وام های ارائه‌شده به شرکت‌ها از طرف بانک، بر اساس نظرات کارشناسی اختصاص می‌یابند. تشخیص صلاحیت دریافت وام گاهی بسیار پیچیده است و در نهایت ممکن است به تصمیم یک شخص خاص منجر شود. در گزارش وام، توضیحات مفصلی ارائه می‌شود؛ اما، تصمیم ممکن است بله یا خیر باشد و همچنین ممکن است درست یا نادرست باشد. این تشخیص نه تنها بستگی به این دارد که آیا مطالب صحیح در گزارش جمع شده است یا نه، بلکه به کارشناس بررسی وام نیز وابسته است. هوش مصنوعی می‌تواند با شناسایی الگویی که فقط اطلاعات مفید را برای یک تصمیم بلندمدت معقول ارائه می کند، به بانکداران کمک کند.

هرچه بانک در مورد متقاضی وام بیش‌تر بداند، با اعتماد بیش‌تری می‌تواند نسبت به پرداخت وام اقدام نماید. عمدتا، بانک‌ها به تاریخچه مشتری و اطلاعات اعتباری آن‌ها اعتماد می کنند. اما آیا این منابع واقعاً کافی هستند؟ چه می شود اگر از اطلاعات جغرافیایی برای تصمیم‌گیری بهتر استفاده کنیم؟ و یا اگر روش‌های هوش مصنوعی بتوانند دریابند مشتریانی که قابل اطمینان هستند، کجا زندگی یا کار می‌کنند؟ هوش مصنوعی جایگزین روش‌های موجود نمی شود؛ اما مطمئناً می‌تواند آن‌ها را تقویت کند.

هوش مصنوعی در بانکداری / ai in banking

بهبود دانش مشاوران

مشاوران، معمولا اطلاعات دقیقی از مشتریان خود می‌دانند و آن‌ها را از طریق مکالمه شخصی و تماس می شناسند؛ اما ممکن است مشاوران همه چیز را در مورد آن‌ها ندانند. به خصوص اگر مشتری در یک منطقه جغرافیایی متفاوت زندگی کند. با این وجود روش‌های تشخیص متن می‌تواند اطلاعاتی را از طیف وسیعی از رسانه‌ها و سایر منابع آنلاین فراهم کند و از طریق یک داشبورد شخصی، اطلاعاتی را که برای مشاوران مهم است، فراهم کند. هوش مصنوعی با یادگیری از تجربه‌ی خود به بهبود اطلاعات این داشبورد کمک می‌کند.

کاربرد هوش مصنوعی در بانکداری آنلاین

می‌توانیم از هوش مصنوعی برای خودکار کردن معاملات بین بانک و مشتریان استفاده کنیم. به عنوان مثال، مشتریان دیگر مجبور به شروع معاملات معمول از ابتدا نیستند و بسیاری از فرایندها تسهیل می‌شوند. مسائل امنیتی نیز باید رعایت شوند و هوش مصنوعی احتمالا مشکلی با محدود شدن ندارد.

تجارت و کاربرد هوش مصنوعی در بانکداری

تاجران می‌توانند گاهی ۳۰۰ معامله در روز انجام دهند. هوش مصنوعی می‌تواند یک ربات را در کنار معامله‌گر قرار دهد که می‌تواند ۱۰ دقیقه پیش از اقدام، تصمیمات را بهبود دهد. این ربات با استفاده از الگوریتم‌های هوش مصنوعی و تحلیل داده، به طور ریاضی از درک و شهود انسان استفاده می‌کند.

هوش مصنوعی در بانکداری / ai in bankingراه‌حل‌های عجیب و غریب ممکن است برای همیشه در خیالات باقی نمانند. از این گذشته، هر نوآوری با یک ایده خارق‌العاده شروع می‌شود. این ایده ممکن است در ابتدا غیرممکن به نظر رسد. برای مثال ایده‌ی پست الکترونیکی و GPS از طرح‌های بلندپروازانه‌ی ارتش و وزارت دفاع، ناشی شده‌اند و اکنون شاهد موفقیت چشم‌گیر آن‌ها هستیم. احتمالا ارتش، هم‌اکنون روی فناوری‌های فردا کار می‌کند و این منطقی است که از روش آن‌ها در به کارگیری هوش مصنوعی استفاده کنیم.

منبع:  SAS

فنولوژی را در شبکه‌ها اجتماعی دنبال کنید

©۲۰۲۰ – کلیه حقوق مادی و معنوی متعلق به فنولوژی است.