استفاده از هوش مصنوعی مولد در صنعت بانکداری مستلزم توجه به فرصتها و چالشهای آن است.

به گزارش روابط عمومی پژوهشکده پولی و بانکی، نشست تحلیلی «هوش مصنوعی مولد در صنعت بانکداری» در دومین روز از یازدهمین همایش سالانه بانکداری نوین و نظام‌های پرداخت برگزار شد.
در این نشست دکتر یکتا اشرفی (معاون توسعه مدیریت و منابع بانک مرکزی)، دکتر محمد مظاهری (مدیرعامل توسن تکنو)، دکتر فرشاد حیدری (رییس موسسه عالی آموزش بانکداری ایران)، دکتر هادی فراهانی (عضو هیئت علمی دانشگاه شهید بهشتی) و شهره طباطبایی (مدیر هوش مصنوعی شرکت خدمات انفورماتیک) به‌عنوان کارشناسان حوزه هوش مصنوعی حضور داشتند.
 
در ابتدای نشست شهره طباطبایی به ارائه گزارشی با موضوع «هوش مصنوعی مولد در صنعت بانکداری: فرصت‌ها و چالش‌ها» پرداخت. وی بیان داشت در میان بسیاری از نوآوری‌های فناوری، هوش مصنوعی مولد به عنوان ابزاری پیشگام با پتانسیل تغییر اساسی در نحوه عملکرد مؤسسات مالی ظهور کرده است. هوش مصنوعی مولد، زیرمجموعه‌ای از هوش مصنوعی است که شامل ایجاد محتوای جدید، ایده‌ها و راه‌حل‌ها از طریق الگوریتم‌های یادگیری ماشینی است که می‌توانند الگوهای داده مشابه با داده‌های آموزشی را تولید کنند. برخلاف هوش مصنوعی سنتی که بر تحلیل و تفسیر داده‌های موجود تمرکز دارد، هوش مصنوعی مولد توانایی منحصر به فردی در تولید خروجی‌های جدید و نوآورانه دارد و این امر آن را به دارایی قدرتمندی در عصر دیجیتال تبدیل کرده است.
طباطبائی ادامه داد ادغام هوش مصنوعی مولد در بخش بانکداری و امور مالی نشان‌دهنده یک جهش فناوری قابل توجه است که می‌تواند رشد، کارایی و نوآوری را به همراه داشته باشد. همانطور که مؤسسات مالی پیچیدگی‌های پیاده‌سازی هوش مصنوعی مولد را تجربه می‌کنند، بررسی جنبه‌های اخلاقی، فنی و نظارتی برای بهره‌برداری کامل از پتانسیل آن و کاهش خطرات مرتبط ضروری است.
طباطبایی گفت هوش مصنوعی مولد در بخش بانکداری و امور مالی به دلیل پتانسیل آن برای بهبود کارایی، کاهش هزینه‌ها و افزایش تجربیات مشتری در حال جلب توجه است. مؤسسات مالی به طور فزاینده‌ای در حال بررسی و پذیرش فناوری‌های هوش مصنوعی مولد هستند تا در یک فضای دیجیتال با سرعت تغییرات زیاد رقابتی باقی بمانند. وضعیت فعلی هوش مصنوعی مولد در بانکداری و امور مالی با پیاده‌سازی‌های آزمایشی و پروژه‌های پایلوت که به منظور تست قابلیت‌ها و مزایای این فناوری‌های پیشرفته انجام می‌شود، مشخص می‌شود.
در ادامه وی به فرصت‌ها و چالش‌های هوش مصنوعی مولد در بانکداری اشاره کرد و بیان داشت ارتقای تجربه مشتری، افزایش کارایی عملیات بانکی، مدیریت ریسک و تحلیل بازار و معاملات الگوریتمی از فرصت‌های این حوزه است. همچنین باید توجه داشت که پیاده‌سازی هوش مصنوعی مولد در بانکداری و امور مالی بدون چالش‌ها و ریسک‌های خود نیست. این مسائل باید به دقت مورد بررسی و رسیدگی قرار گیرند تا یکپارچگی موفق و مسئولانه فناوری‌های هوش مصنوعی تضمین شود. چالش­های کاربرد هوش مصنوعی در صنعت بانکی به زیردسته های مختلفی تقسیم می‌شوند. از چالشهای فنی و پیاده‌سازی گرفته تا چالش‌های حقوقی و اخلاقی.
در ادامه این نشست دکتر اشرفی بیان داشت با گذشت یک دهه از ظهور انقلاب صنعتی چهارم، فعالان این ‌حوزه آرام آرام از انقلاب صنعتی پنجم صحبت می‌کنند که با نام "انقلاب هوش مصنوعی در صنعت" شناخته می‌شود. انقلاب صنعتی پنجم با عناوینی همچون "تحول با اتوماسیون هوشمند" و "انقلاب شخصی‌سازی و لمس انسان" مطرح می‌شود. مساله حکمرانی مبتنی بر هوش مصنوعی، یکی از اساسی‌‌‌ترین تحولاتی است که با سرعت گرفتن پیشرفت این فناوری، مورد توجه بسیاری از متخصصان قرار گرفته است. حکمرانی هوشمند به استفاده از فناوری‌‌‌های نوین، به‌ویژه هوش مصنوعی، برای بهبود فرآیندهای تصمیم‌گیری و مدیریت منابع در سطح دولتی و سازمانی اطلاق می‌شود.
وی گفت وظایف اصلی بانک مرکزی سیاست‌گذاری پولی، نظارت بر سلامت شبکه بانکی و مؤسسات پولی غیر بانکی و مدیریت نظام‌های پرداخت است. تحول دیجیتال فرصتی استثنایی برای بازتعریف و بهبود این وظایف ایجاد می‌کند. فناوری‌هایی مانند هوش مصنوعی، بلاکچین، داده‌های بزرگ و بانکداری باز  می‌توانند ابزارهایی قدرتمند برای افزایش کارایی سیاست‌گذاری‌های پولی، بهبود نظارت بانکی و ارتقای کیفیت نظام‌های پرداخت فراهم کنند. بانک مرکزی، به‌عنوان نهادی سیاست‌گذار، باید با تدوین و اجرای نقشه راه تحول دیجیتال، نه‌تنها وظایف سنتی خود را با الزامات دنیای دیجیتال تطبیق دهد، بلکه نقش رهبری را در تسریع این تحول بر عهده گیرد. در نهادهای حاکمیتی مانند بانک مرکزی، تحول دیجیتال به معنای استفاده از فناوری برای تقویت سیاست‌گذاری‌های پولی، نظارت مؤثرتر بر نظام بانکی و بهبود کیفیت نظام‌های پرداخت است.
اشرفی بیان نمود استفاده از ابزارهای جدید مبتنی بر فناوری به خودی خود منعی را از طرف نهادهای ناظر به دنبال نخواهد داشت؛ لیکن مخاطرات ناشی از توسعه مقیاس استفاده از فناوری و تشدید عدم تقارن اطلاعات میان کاربران و ارائه‌دهندگان خدمات از جمله خطوط قرمزهای بانک مرکزی است. نکته مهم دیگر در این زمینه موضوع امنیت داده‌ها و شبکه است که در کلیه فناوری‌های مبتنی بر شبکه به عنوان یک اصل بنیادی مبنای عمل است. بی اعتمادی ناشی از اهمال و قصور در این زمینه‌ها می‌تواند حسن شهرت نهادهای فعال اعم از نهاد ناظر و بانک عامل را به شدت تحت تاثیر قرار داده و نسبت به ذات فناوری نیز بدبینی ایجاد کند.
معاون توسعه مدیریت و منابع بانک مرکزی گفت: بحث مهم دیگر سواد مالی است. اگر قرار است ما از این پتانسیل استفاده بهینه بکنیم، گام اول این است که سطوح مختلف جامعه از سواد مالی مناسبی برخوردار باشد. البته هرچقدر ما استفاده بهینه از هوشمندسازی می‌کنیم باید یادمان باشد که این تکنولوژی می‌تواند در استفاده‌های غیرقانونی برخی گروه‌ها کمک کند پس حوزه‌های نظارتی ما باید روی روش‌های تقلب مطالعه کند.
او در پایان صحبت‌هایش گفت: باید بگویم کرونا اتفاق بدی بود اما درباره تحولات رخ داده در شبکه بانکی و مالی اتفاقات مثبتی عملی شد. البته چالش‌هایی هم هوش مصنوعی مولد دارد. عدم انطباق با قوانین، کیفیت داده‌های مورد استفاده، همچنین تعصب تغییر، عدم شفافیت مدل‌ها و حریم خصوصی داده‌ها از چالش‌های آن است. ایجاد استراتژی سفارشی، پایش مستمر، اجرای حکمرانی داده‌ها و... راهکارهای حل این چالش‌هاست.
در ادامه محمد مظاهری مدیرعامل توسن تکنو توضیح داد: پدیده‌هایی همچون هوش مصنوعی تغییر بزرگی ایجاد کردند، همانند اتفاقی که برای اینترنت رخ داد. یک مسئله‌ای وجود دارد که این‌ها سوگیری دارند و براساس تاریخچه اینترنت عمل می‌کنند. فرآیند بازآموزی Chat GPT4 هزینه‌ای حدودا ۱۰۰ میلیون دلاری داشته است. پس تولید هوش مصنوعی هزینه بالایی دارد. کاری که انجام می‌شود این است که generative AI می‌تواند داده برای شما تولید کند و این اتفاق بزرگی است که به مدد توان محاسباتی رخ داده است.
مظاهری ادامه داد: هوش مصنوعی باید ویژگی کمک‌کنندگی، صداقت، بدون آسیب بودن و شاید در ایران ویژگی حلال هم باید داشته باشد. سوال پیش روی ما در این است که ما باید LLM ایرانی توسعه بدهیم یا خیر. ما از LLM متا یا شرکت‌های چینی در شرکتمان استفاده می‌کنیم. وقتی بخواهیم هوش مصنوعی در صنعت بانکداری استفاده شود باید براساس داده‌های این صنعت آموزش ببیند. بنظرم باید این پرسش پاسخ داده شود که به این فرآیند فرصت داده می‌شود؟ در حال حاضر برخی بانک‌ها روی آزمایشگاه تحقیقاتی مربوط به هوش مصنوعی و برخی روی کاربردهای هوش مصنوعی سرمایه‌گذاری کرده‌اند.
هادی فراهانی عضو هیات علمی دانشگاه شهید بهشتی در این نشست تحلیلی گفت: با توجه به آشنایی نسبی‌ام با سیستم بانکی نکاتی را عرض می‌کنم. شاید بد نباشد ابتدا درباره Generative AI صحبت کنم چرا که با وجود استفاده در بانکداری شاید آن را نشناسیم. ما در این سیستم می‌خواهیم هوش طبیعی را به عنوان هوش مصنوعی مدل‌سازی کنیم. Discriminative learning  و Generative learning دو بخش هوش مصنوعی است که برای طبقه‌بندی اطلاعات استفاده می‌شود. در مدل‌های generative ما می‌خواهیم ارتباطی بین ویژگی‌های مختلف پیدا کنیم. این مدل‌های generative  می‌توانند داده‌های از دست رفته را تشخیص دهند.
او ادامه داد: یکی از کارهایی که ما انجام دادیم، محصولی با قابلیت تبدیل قوانین و مقررات بانکی به یک زبان خاص و منطقی است که در مباحث تطبیق مورد استفاده قرار می‌گیرد و رویکردی پیشگیرانه دارد. البته در این سال‌ها گفته شده که هوش مصنوعی قابلیت این کار را ندارد. همچنین بانک‌ها نگران مباحث امنیتی هستند که موضوع خاصی نیست. همچنین این رویکرد وجود ندارد که هوش مصنوعی کاربرد بیشتری از انسان دارد. واقعیتی وجود دارد که هوش مصنوعی احتمالا از انسان بیشتر می‌فهمد مانند بررسی یک سند حقوقی.
فراهانی در توضیح محصول طراحی شده توسط گروهش بیان کرد: سیستم طراحی شده توسط ما در بحث جمع‌آوری داده عمل می‌کند که می‌تواند در سیاست‌گذاری‌ها کمک کند. در مباحث پولشویی و کشف تقلب هم کار کرده‌ایم اما کار در آن حوزه اصلا راحت نیست. با این حال باید بدانیم هر چالشی وجود داشته باشد، می‌توان راهکار آن را پیدا کرد.