از قانون‌گذاری تا زیرساخت؛ چالش‌های هوش مصنوعی در بانکداری

به گزارش ایسنا، در سال‌های اخیر، صنعت بانکداری در سراسر جهان به یکی از مهم‌ترین حوزه‌های پذیرش فناوری هوش مصنوعی تبدیل شده است. ورود اینترنت، بانکداری آنلاین و گسترش خدمات غیرحضوری باعث شد بانک‌ها بیش از گذشته به ابزارهای دیجیتال تکیه کنند و هوش مصنوعی به‌عنوان یک فناوری کلیدی در این مسیر مطرح شود. این فناوری با تکیه بر الگوریتم‌های یادگیری ماشین و توان بالای پردازش داده‌ها، امکان انجام سریع‌تر و دقیق‌تر بسیاری از عملیات بانکی را فراهم می‌کند و می‌تواند چهره سنتی خدمات مالی را دگرگون سازد.

اهمیت بررسی هوش مصنوعی در بانکداری تنها به جنبه‌های فنی محدود نمی‌شود. این فناوری می‌تواند با کاهش خطای انسانی، صرفه‌جویی در هزینه‌ها و افزایش سرعت ارائه خدمات، تجربه مشتریان را بهبود ببخشد. از سوی دیگر، هوش مصنوعی به بانک‌ها کمک می‌کند تا خدمات شخصی‌سازی‌شده‌تری ارائه دهند، ریسک‌های مالی را بهتر مدیریت کنند و در برابر تقلب واکنش سریع‌تری داشته باشند. با وجود این مزایا، پذیرش هوش مصنوعی یک فرآیند ساده نیست و با چالش‌هایی همراه است که نادیده گرفتن آن‌ها می‌تواند پیامدهای منفی برای نظام بانکی به همراه داشته باشد.

در چنین شرایطی، گروهی از محققان به سرپرستی شهین بهور از رشته مدیریت کارآفرینی دانشگاه رازی و با همکاری دانشگاه علامه طباطبایی، پژوهشی را در زمینه عوامل بازدارنده استفاده از هوش مصنوعی در خدمات بانکی ایران انجام داده‌اند. این پژوهش با تمرکز بر موانع و چالش‌هایی که بانک‌ها در مسیر بهره‌گیری از این فناوری با آن روبه‌رو هستند، تلاش کرده است تصویری روشن و کاربردی از وضعیت موجود ارائه دهد و نشان دهد چرا با وجود ظرفیت‌های بالا، استفاده از هوش مصنوعی هنوز به‌طور کامل در بانک‌ها فراگیر نشده است.

برای انجام این پژوهش، از یک رویکرد آمیخته شامل روش‌های کیفی و کمی استفاده شده است. در بخش کیفی، پژوهشگران با انجام ۱۶ مصاحبه تخصصی، دیدگاه‌های عمیق و تجربه‌محور افراد آشنا با حوزه بانکداری و فناوری را جمع‌آوری کردند. در بخش کمی نیز، با استفاده از پرسشنامه‌ای محقق‌ساخته، نظر ۸۰ نفر از افراد صاحب نظر مورد بررسی قرار گرفت.

یافته‌های این پژوهش نشان می‌دهند که موانع پذیرش هوش مصنوعی در خدمات بانکی را می‌توان در سه دسته اصلی طبقه‌بندی کرد: بازدارنده‌های محیطی، بازدارنده‌های فناورانه و بازدارنده‌های سازمانی و نهادی. بر اساس نتایج بررسی‌های آماری، موانع محیطی بیشترین تأثیر را در کند شدن روند پذیرش هوش مصنوعی دارند، در حالی که موانع سازمانی و نهادی در اولویت پایین‌تری قرار گرفته‌اند.

در جمع‌بندی نتایج، پژوهشگران تأکید می‌کنند که نبود قوانین و مقررات شفاف، نگرانی از نقض حریم خصوصی مشتریان و بی‌اعتمادی نسبت به فناوری هوش مصنوعی از مهم‌ترین موانع محیطی به شمار می‌روند. همچنین هزینه بالای پیاده‌سازی، پیچیدگی استفاده از این فناوری و وجود زیرساخت‌های قدیمی فناوری اطلاعات، چالش‌های فناورانه اصلی هستند.

در سطح سازمانی نیز، کمبود دانش کارکنان، عدم آمادگی سازمان‌ها و نگرانی از ناامنی شغلی از جمله عواملی هستند که می‌توانند مقاومت در برابر پذیرش هوش مصنوعی را افزایش دهند.

بر این اساس، آینده هوش مصنوعی در صنعت بانکداری به میزان آمادگی بانک‌ها برای مواجهه با این چالش‌ها وابسته است. در شرایطی که بانک‌ها هر روز با حجم عظیمی از داده‌های مشتریان و تراکنش‌ها روبه‌رو هستند، هوش مصنوعی می‌تواند ابزاری قدرتمند برای تحلیل این داده‌ها و تصمیم‌گیری هوشمندانه باشد. با این حال، بدون وجود چارچوب‌های قانونی مشخص و نظام نظارتی مناسب، استفاده از این فناوری می‌تواند نگرانی‌هایی درباره امنیت و حریم خصوصی ایجاد کند.

با توجه به این موضوعات، پژوهشگران پیشنهاد کرده‌اند که سیاست‌گذاران پولی و بانکی با تدوین قوانین شفاف‌تر و بهره‌گیری از تجربه کشورهای مشابه، زمینه اعتماد عمومی و سازمانی به هوش مصنوعی را تقویت کنند.

همچنین به گفته آن‌ها، سرمایه‌گذاری در به‌روزرسانی زیرساخت‌های فناوری اطلاعات و آموزش کارکنان در سطوح مختلف می‌تواند نقش مهمی در کاهش موانع سازمانی ایفا کند. به علاوه، افزایش سواد دیجیتال و آشنایی مدیران و کارکنان با قابلیت‌ها و محدودیت‌های هوش مصنوعی، نه‌تنها کیفیت عملکرد بانک‌ها را بهبود می‌بخشد، بلکه نگرانی‌های مرتبط با آینده شغلی را نیز کاهش می‌دهد.

این یافته‌های علمی‌پژوهشی در فصلنامه «مدیریت توسعه فناوری» منتشر شده‌اند؛ نشریه‌ای که وابسته به سازمان پژوهش‌های علمی و صنعتی ایران و انجمن مدیریت فناوری ایران است و به انتشار پژوهش‌هایی در حوزه مدیریت، فناوری و نوآوری می‌پردازد.

منبع : ایسنا