تفاوت این دو رویکرد نشان میدهد رقابت آینده بانکها فقط بر سر داشتن هوش مصنوعی نیست؛ بلکه بر سر این است که چه بانکی میتواند هوشمندی، امنیت و تجربه کاربری را همزمان به مشتری ارائه دهد.
الگوی اول، بانک ملت؛ محصول هوش مصنوعی برای مشتری عمومی
بانک ملت در میان بازیگران نظام بانکی ایران، یکی از نخستین نمونههایی است که هوش مصنوعی را از سطح پروژههای آزمایشی و مطالعاتی به یک محصول قابل استفاده برای مشتریان عمومی نزدیک کرده است. این بانک با راهاندازی «مؤسسه هوش مصنوعی و فناوریهای شناختی» با مشارکت دانشگاه تهران، تلاش کرده است یک ساختار تخصصی برای توسعه فناوریهای هوشمند در صنعت بانکداری ایجاد کند.
خروجی شاخص این مسیر، اپلیکیشن «دیما» است که در آبان ۱۴۰۴ در دسترس عموم کاربران قرار گرفت. این محصول تلاش میکند تجربه بانکداری را از مجموعهای از منوها و فرمهای سنتی به محیطی تعاملیتر تبدیل کند؛ بهگونهای که کاربر بتواند بخشی از خدمات را از طریق فرمان صوتی یا متنی دریافت کند.
افتتاح حساب غیرحضوری، بانکداری ویدئویی، سفارش غیرحضوری کارت و ارائه تسهیلات مبتنی بر رتبه اعتباری از جمله خدماتی هستند که در این محیط ارائه شدهاند. در بخش تسهیلات نیز محصولاتی مانند وامهای خرد امتیازی و تسهیلات فوری موسوم به میکرولون، با تکیه بر اطلاعات اعتباری مشتری مورد استفاده قرار میگیرند.
یکی از نکات قابلتوجه در طراحی دیما، تلاش برای شخصیسازی تجربه کاربر است. این اپلیکیشن با توجه به ویژگیهای کاربر، محیط و خدمات خود را متناسبسازی میکند؛ رویکردی که میتواند در صورت توسعه، یکی از مهمترین کاربردهای هوش مصنوعی در بانکداری روزمره باشد.
به این ترتیب، بانک ملت عملاً مسیر «هوش مصنوعی در برابر چشم مشتری» را انتخاب کرده است؛ یعنی فناوری زمانی ارزش اقتصادی پیدا میکند که مشتری عادی نیز بتواند نتیجه آن را در تعامل مستقیم با بانک مشاهده کند.
الگوی دوم، بانک گردشگری؛ زیرساخت قبل از محصول
در سوی دیگر این رقابت، بانک گردشگری مسیر متفاوتی را دنبال میکند. این بانک به جای آنکه صرفاً بر عرضه سریع یک دستیار هوشمند عمومی تمرکز کند، توسعه زیرساختهای فناوری، امنیت داده و ظرفیتهای داخلی را در اولویت قرار داده است.
در این مسیر، هلدینگ فناوری اطلاعات بانک گردشگری یعنی TIT و شرکتهای زیرمجموعه آن از جمله ایپام، نقش مهمی در توسعه خدمات دیجیتال بانک ایفا میکنند. این ساختار وظیفه توسعه قابلیتهای جدید، افزایش کارایی سامانهها، تقویت امنیت و انطباق خدمات دیجیتال با الزامات جدید صنعت بانکی را بر عهده دارد.
از این منظر، هوش مصنوعی برای بانک گردشگری صرفاً یک قابلیت جدید در اپلیکیشن نیست؛ بلکه فناوریای است که باید روی یک زیرساخت مطمئن، امن و قابل کنترل قرار بگیرد.
اظهارات مدیران فناوری بانک نیز نشان داده است که موضوع امنیت دادههای بانکی در این مسیر اهمیت ویژهای دارد. این مسئله با توجه به ماهیت اطلاعاتی که بانکها در اختیار دارند، اهمیت مضاعفی پیدا میکند؛ زیرا استفاده از هوش مصنوعی در بانکداری به معنای پردازش حجم قابلتوجهی از دادههای مالی و رفتاری مشتریان است؛ بنابراین رویکرد بانک گردشگری را میتوان «زیرساخت قبل از محصول» توصیف کرد؛ مسیری که ممکن است عرضه محصول نهایی را نسبت به برخی رقبا آهستهتر کند، اما میتواند زمینه لازم برای توسعه ایمنتر خدمات هوشمند را فراهم کند.
دو مسیر متفاوت برای ورود به یک عصر مشترک
مقایسه بانک ملت و بانک گردشگری، در واقع مقایسه دو فلسفه متفاوت در پذیرش فناوری است.
بانک ملت تلاش کرده است با ایجاد یک محصول عمومی، هوش مصنوعی را مستقیماً در اختیار مشتری قرار دهد. مزیت این رویکرد، سرعت بالاتر در ایجاد تجربه واقعی و دریافت بازخورد از کاربران است. هرچه تعداد بیشتری از مشتریان با یک دستیار هوشمند کار کنند، بانک نیز داده بیشتری درباره نیازها و رفتار کاربران برای بهبود محصول در اختیار خواهد داشت.
در مقابل، بانک گردشگری ابتدا روی لایههای پشتیبان فناوری تمرکز کرده است. در این مدل، امنیت، مدیریت داده، توسعه نرمافزار و آمادهسازی نیروی انسانی اهمیت بیشتری پیدا میکند و محصول نهایی زمانی عرضه میشود که زیرساختهای لازم برای پشتیبانی از آن آمادهتر باشد.
هیچکدام از این دو مدل را نمیتوان بهصورت مطلق بر دیگری برتر دانست. سرعت عرضه بدون امنیت میتواند ریسک ایجاد کند و امنیت بدون محصول قابل استفاده نیز نمیتواند مزیت رقابتی ملموسی برای مشتری بسازد.
رقابت اصلی در نهایت بر سر پیدا کردن نقطه تعادل میان این دو خواهد بود.
سرمایهگذاری روی نیروی انسانی
توسعه هوش مصنوعی فقط به خرید فناوری یا ایجاد یک نرمافزار جدید محدود نمیشود. بانکها برای استفاده واقعی از این فناوری به نیروی انسانی متخصص نیز نیاز دارند.
بانک گردشگری در کنار توسعه زیرساخت فناوری، برنامههایی برای آموزش نیروی انسانی و توسعه دانش تخصصی دنبال کرده است. همکاری با پلتفرم آموزشی مکتبخونه و برگزاری برنامههای آموزشی مانند جلسات «۴Learn» نمونهای از این رویکرد است.
این مسئله از آن جهت اهمیت دارد که هوش مصنوعی در بانکداری یک پروژه کوتاهمدت نیست. مدلها، ابزارها و استانداردهای این حوزه دائماً در حال تغییرند و سازمانی که بخواهد در این بازار باقی بماند، باید توانایی یادگیری مستمر را در ساختار خود ایجاد کند.
در واقع، سرمایهگذاری روی نیروی انسانی مکمل سرمایهگذاری روی زیرساخت است.
