مزایای هوش مصنوعی در ارتقای صنعت بانکی

بانک‌ها و موسسات مالی باید راه‌حل‌های هوشمندانه از جمله اتوماسیون پردازش‌ها با استفاده از بات‌های برنامه‌ای(RPA)، تجزیه و تحلیل پیشرفته و هوش مصنوعی را در سازمان خود پیاده‌سازی نمایند.

سفر تحول دیجیتالی برای خیلی از بانک‌ها و موسسات مالی و اعتباری مشتمل بر نوسازی سامانه کربانکینگ، استفاده از فناوری‌های موبایل و دیجیتالی شدن بسیاری از فرایندهای خدمات پشتیبانی  است. به‌منظور بهینه‌سازی این پیشرفت‌ها، بانک‌ها و موسسات مالی باید راه‌حل‌های هوشمندانه از جمله اتوماسیون پردازش‌ها با استفاده از بات‌های برنامه‌ای (RPA)، تجزیه و تحلیل پیشرفته و هوش مصنوعی را در سازمان خود پیاده‌سازی نمایند.

یکی از مهمترین مولفه‌های تحول دیجیتال، توانمندی حاصل از ماشینی کردن تجزیه و تحلیل پیشرفته در ارائه راه‌حل‌های هوشمندانه‌تر نسبت به آن چیزی است که انسان می‌تواند به‌تنهایی ارائه دهد.

این تحول بر پایه بهره‌مندی از منابع داده‌ای داخلی و خارجی سازمان استوار است و در این مسیر به‌منظور تمرکز بر تجربه کاربری، به‌جای محوریت دادن به محصولات و راه‌حل‌ها، از اطلاعات و داده‌های مربوط به مشتری استفاده می‌شود. میزان موفقیت در این تلاش‌ها مشخص‌کننده برندگان و بازندگان بازی در آینده خواهد بود.

در تحقیقات شرکت دیلویت(Deloitte)  در حوزه خدمات مالی، بیش از ۲۰۰ مدیر خدمات مالی و بانکی که از قبل شروع به استفاده از فناوری هوش مصنوعی در خدمات خود کرده بودند، مورد پرسش واقع شدند. در این بررسی‌ها سه مشخصه کلیدی برای سازمان‌هایی که از منظر مالی بهترین بازده را از هوش مصنوعی و تعدد موارد استقرار و به‌کارگیری این فناوری داشته‌اند، شناسایی شده است.

۱- ادغام هوش مصنوعی در برنامه‌های استراتژیک: به‌منظور استقرار و به‌کارگیری گسترده سازمانی از قابلیت‌های هوش مصنوعی در سازمان‌های پیشرو، تجزیه و تحلیل پیشرفته به‌عنوان بخشی از طرح کلان برنامه استراتژیک سازمان، در نظر گرفته می‌شود.

۲- استفاده از هوش مصنوعی برای عملکرد و ابتکارات تجربه مشتری: علاوه بر کاربرد تجزیه و تحلیل پیشرفته برای صرفه‌جویی هزینه، سازمان‌های پیشرو در به‌کارگیری هوش مصنوعی به‌دنبال چگونگی استفاده از تجزیه و تحلیل پیشرفته برای بهبود عملکرد و ابتکارات بر اساس تجربه مشتری هستند.

۳- نگاه به بیرون از سازمان: سازمان‌های پیشرو به‌جای تلاش برای ساختن تمام برنامه‌های هوش مصنوعی در داخل خود، مشارکت و همکاری‌های بیرونی را امکان‌پذیر می‌کنند تا دسترسی به استعدادها و راه‌حل‌های بیشتری را فراهم نمایند. این امر در زمان کمبود استعداد در دسترس، باعث بهبود سرعت برای حضور در بازار می‌شود.

به‌منظور تقویت و حمایت از استقرار راه‌حل‌های هوش‌مصنوعی در سطح گسترده سازمانی، بسیاری از بانک‌ها و موسسات مالی پیشرو اقدام به ایجاد مراکز تعالی هوش مصنوعی در ساختار خود کرده‌اند، که وظیفه نظارت بر تمام ابتکارات و نوآوری‌ها (از جمله هوش مصنوعی) را به‌عهده دارند. این ساختار امکان متمرکز نمودن آزمایش‌ها و تجربیاتی که می‌توانند در مناطق مختلف سازمان استقرار یابند را فراهم می‌سازد.

در بررسی‌های انجام شده توسط دیلویت معلوم شد که تاکید عمده سرمایه‌گذاری‌ها در زمینه هوش مصنوعی، در راستای تحول دیجیتال و بر روی فناوری‌های مورد نیاز و استعدادها استوار بوده است.

شخصی سازی در مقیاس فرد، "قدرت بازی" هوش مصنوعی

هدف‌گیری مشتری در ارائه پیشنهادات برای بانک‌ها و موسسات مالی، موضوع جدیدی نیست و اکثر بانک‌ها به‌منظور بهبود در جذب و افزایش وفاداری مشتری و فروش متقاطع محصولات، چندین دهه است که از داده‌های موجود خود استفاده می‌کنند. آنچه که تغییر کرده ابزاری است که برای موفقیت‌آمیز کردن این ارتباطات به‌صورت آنی و در مقیاس شخصی، در اختیار بانک‌ها و موسسات مالی و اعتباری قرار می‌گیرد.

خرده‌فروشان دیجیتال و شرکت‌های بزرگ با تکنولوژی‌های پیشرفته، استاندارد جدیدی را برای شخصی‌سازی تنظیم کرده‌اند.

تحقیقات نشان داده است که مصرف‌کنندگان به‌صورت افزایشی، ارتباطات مالی مورد نیازشان را در جاهایی که از طریق شرکت‌های فناوری‌محور مانند آمازون، گوگل، فیس بوک و... فراهم باشد، به این روش برقرار می‌کنند، یا حرکت به این سمت را به‌طور جدی مد نظر دارند. این نشان‌دهنده گرایش روزافزون مصرف‌کنندگان به مبادله داده، جهت کسب تجربه کاربری بهتر است.

امروزه به‌دلیل استفاده از فناوری تلفن همراه، تعامل اکثر مشتریان با بانک‌های خود بیشتر از گذشته شده است، این تعامل در برخی موارد می‌تواند فقط برای بررسی مانده حساب باشد. تکرار این ارتباطات و مشارکت مشتری در تعامل با بانک، برای بانک‌ها و موسسات مالی این فرصت را به‌وجود آورده که بتوانند در لحظه مناسب  و بر حسب موضوع قدرت نفوذ خود بر مشتری را افزایش دهند. امکانی که در گذشته وجود نداشته است.

توان واقعی شخصی‌سازی محصولات و خدمات، از تبدیل و تحول همه راه‌های تعامل مشتری و از طریق استفاده سازمان از داده‌ها و تجزیه و تحلیل بر روی آنها برای پیش‌بینی نیازهای فردی، ایجاد بخش‌های هدفمند و روابط عمیق‌تر با مشتریان در زمان به‌کارگیری محصول یا خدمت مورد نظر، قابل دستیابی خواهد بود. این موارد به ارائه خدمات، اطلاعات و مشاوره، اغلب به‌صورت روزانه یا حتی چندین بار در روز منجر می‌شود.

شخصی‌سازی مبتنی بر هوش مصنوعی عبارت است از توسعه و گسترش یک درک عمیق از نیازهای منحصر به فرد هر یک از مشتریان و ایجاد مجموعه‌ای از تجربیات کاربری مرتبط به موضوع در تمامی کانال‌های ارتباطی، اعم از دیجیتال و انسانی. این کار نیاز به تجزیه و بررسی تمامی کانال‌ها و سیلوهای محصولات، و شکستن انحصار داده‌ها در جهت مشتری محوری واقعی (مشتری در مرکز توجه باشد) دارد. هم چنین نیاز به یک تغییر عمده فرهنگ و تمرکز رهبری دارد که فقط در سازمان‌های برتر در این زمینه مورد پذیرش و استقبال قرار می‌گیرد.

برای ایجاد بینش و درک عمیق در زمینه کارایی عملیاتی، گرایش ها و تمایلات مشتری، بهبود تجربه کاربری و فرصت‌های رقابتی، می‌توان از ترکیب داده‌ها، تجزیه و تحلیل پیشرفته و کانال‌های دیجیتال استفاده نمود. در این مسیر می‌توان از تجزیه و تحلیل پیشرفته و فناوری های جدید برای ارائه راه‌حل‌های قابل شخصی‌سازی در سطح مشتریان استفاده کرد، که این کار می‌تواند به مشتریان در تصمیم‌گیری‌های بهتر مالی کمک نماید.

در نهایت اینکه، بانک‌ها و موسسات مالی و اعتباری با استفاده از بینش و درکی که به‌دست می‌آورند و بررسی روند رفتارهای مالی و غیرمالی مشتریان؛ و با واسط قرار دادن رابط‌های برنامه‌نویسی (API) و پیش‌بینی‌های مبتنی بر تجزیه و تحلیل‌های پیشرفته، قادر به ارائه مشاوره و توصیه‌های مالی و سبک زندگی در کمترین زمان ممکن به مشتریان خود خواهند شد.

مسعود خرقانی [کارشناس حوزه بانکداری الکترونیک]

منبع: شبکه خبری اقتصاد و بانک ایران (ایبنا)، شهریور 1398