کاربردهای هوش مصنوعی در «فین‌تک» و صنایع مالی

۱۳۹۸/۰۱/۲۵ - ۰۰:۱۱:۱۶
کد خبر: ۱۴۲۴۲۳

آرمان فاطمی | کارشناس صنعت پرداخت |

هوش مصنوعی از جمله فناوری‌هایی است که در چند سال اخیر توجه بسیاری از صنایع را در کشورهای مختلف به خود جذب کرده است. خیلی از استارت‌آپ‌ها فعالیت خود را با محوریت یکی از کاربردهای هوش مصنوعی آغاز می‌کنند و خیلی از کسب‌وکارهای جا افتاده نیز دست‌کم در برنامه‌های تحقیق و توسعه خود جایی برای هوش مصنوعی در نظر می‌گیرند.

بسیاری از کسب‌وکارها، با وجود اینکه قصد دارند به سمت هوش مصنوعی حرکت کنند و حتی آماده جذب متخصصین و سایر منابع مورد نیاز هستند، با این چالش مواجه هستند که در ابتدای کار، هوش مصنوعی را در کدام بخش سازمان خود یا در چه فرآیندی باید مورد استفاده قرار بدهند. در واقع به نظر می‌رسد هوش مصنوعی هنوز برای بسیاری از مدیران و کسب‌وکارها، با وجود جذابیت‌های زیاد، نقاط گنگ و مبهمی دارد که منجر می‌شود دیرتر و سخت‌تر به صورت عملیاتی به سمت آن حرکت کنند.در چنین شرایطی تحلیل و بررسی تجربه‌های موفق و ناموفق در سطح دنیا و ایران به همراه بهره‌گیری از نظرات متخصصین هوش مصنوعی، می‌تواند این ابهام‌ها را تا اندازه زیادی برطرف کند. در نتیجه امکان به‌کارگیری هوش مصنوعی به صورت کاربردی و برای نیازهای اختصاصی آنها فراهم می‌شود.در این نوشته تلاش می‌کنیم بطور خاص روی کاربردهای هوش مصنوعی در صنعت خدمات مالی یا به عبارت آشناتر «فین‌تک» تمرکز کنیم و برخی از کاربردهای موجود در این صنعت را بررسی کنیم. صنعت فین‌تک در همه کشورها –توسعه‌یافته و درحال توسعه- صنعت ویژه، بزرگ و جذابی است. صنعتی که بازیگران بزرگ از جمله بانک‌ها – و البته در کشور ما PSP‌ها – و بازیگران کوچک از جمله استارت‌آپ‌های حوزه IT در آن فعال هستند. به‌علاوه در این صنعت به دلیل نقش پررنگ بانک‌ها، عموما دولت‌ها نیز در سطوح مختلف برای رگولیشن و قانونگذاری وارد می‌شوند. در نتیجه بیشترین تنوع ممکن در بازیگران این حوزه وجود دارد.

به‌علاوه این صنعت در هر کشور ساختار بسیار متفاوتی دارد. میزان ورود نهادهایی مانند بانک مرکزی و بانک‌های دولتی در کشورهای مختلف متفاوت است و در عین حال جنس خدماتی که بازیگران این حوزه ارایه می‌کنند نیز بسته به قوانین کشور متفاوت است. به عنوان مثال در کشور ما نقش PSP‌ها بسیار پررنگ است و می‌توان گفت اصلی‌ترین بازیگران این حوزه هستند.از طرف دیگر، به دلیل وجود سامانه‌هایی مانند شاپرک و شتاب، برخی از امکانات بانکی موجود در کشور ما، مانند انتقال پول بین بانکی، به شکلی که در کشور ما ارایه می‌شود در کشورهای دیگر وجود ندارد؛ اما در مقابل، برخی از فناوری‌ها و راهکارهای پیشرفته مانند اعتبارسنجی مشتریان بانک‌ها برای دریافت تسهیلات، دست‌کم آنگونه که در کشورهای پیشرفته وجود دارد، در ایران ارایه نشده است. در نتیجه باید پذیرفت که وضعیت صنعت فین‌تک ایران، وضعیت ویژه‌ای است که برای تحلیل و ارتقای وضعیت آن، «لزوما» نمی‌توان از نمونه‌های خارجی الگو برداشت و به تعبیر متداول، در این مورد نیز «بومی‌سازی» باید انجام شود.

 چهار کاربرد اصلی هوش مصنوعی در فین‌تک

کاربردهای هوش مصنوعی در فین‌تک را می‌توان در چند دسته مورد بررسی قرار داد. در ادامه این مطلب چهار دسته از موارد حائز اهمیت و متداول بررسی شده‌اند. این چهار دسته عبارتند از:

تحلیل ریسک دریافت تسهیلات مشتریان یا

تشخیص و پیشگیری از تقلب و رفتارهای غیرمجاز یا

تحلیل و پیش‌بینی عملکرد سهام در بورس و خرید الگوریتمی

خودکارسازی فرآیندها و چت‌بات‌ها

   تحلیل ریسک دریافت تسهیلات مشتریان

اعطای هرگونه تسهیلات به مشتریان توسط نهادهای مالی از جمله بانک‌ها، یکی از مهم‌ترین خدمات موسسه‌های مالی و در عین حال یکی از ارزشمندترین خدمات این موسسات از دید مشتریان است. از دیدگاه کلان نیز مدیریت صحیح این تسهیلات از متغیرهای تاثیرگذار در وضعیت کلی اقتصاد کشور است. چالشی که در مدیریت نحوه اعطای تسهیلات به مشتریان وجود دارد این است که توان بازپرداخت تسهیلات و در نتیجه ریسک عدم پرداخت برای هر مشتری متفاوت است.

هر مشتری بسته به میزان درآمد ماهانه، وضعیت استخدام و کار، تعهدپذیری و اخلاق و حتی نظم فردی رفتار متفاوتی در بازپرداخت تسهیلات خواهد داشت. این مساله برای ارایه‌کننده تسهیلات می‌تواند بسیار مهم باشد، چرا که اگر مشتری ریسک پرداخت کمتری دارد، ارایه‌دهنده تسهیلات ریسک کمتری برای از دست دادن منابع خود دارد و در نتیجه می‌تواند با نرخ سود کمتری تسهیلات را ارایه کند و اگر مشتری ریسک پرداخت بالایی دارد لازم است، نرخ تسهیلات بالاتری اتخاذ شود.

در نتیجه، در چنین شرایطی، وضعیت ایده‌آل این است که بتوان ریسک هر یک مشتری را هنگام درخواست تسهیلات ارزیابی کرد تا تسهیلاتی دقیقا مطابق با شرایط وی به او ارایه شود. این رویکرد در اکثر کشورهای توسعه‌یافته انجام می‌شود، اما در کشور ما چنین راهکاری وجود ندارد. بانک‌ها مستقل از اینکه به چه کسی وام می‌دهند، میزان ضمانت ثابتی را درخواست می‌کنند و در مقابل هم نرخ سود تسهیلات عموما برای همه مشتریان یکسان است.در این موارد می‌توان از ابزارهای مبتنی بر هوش مصنوعی استفاده کرد. الگوریتم‌های ساده و حتی قدیمی هوش مصنوعی و یادگیری ماشین، قادر هستند از روی رفتار گذشته مشتریان در بازپرداخت تسهیلات و همچنین وضعیت رفاهی آنها، ریسک اعطای وام به آنها را ارزیابی کند. از نظر سطح فناوری، راهکارهای این مساله کاملا موجود است و حتی برنامه‌نویسان میان‌رده در بازار ایران نیز توانمندی پیاده‌سازی چنین راهکارهایی را دارند.

    تشخیص تقلب

یکی دیگر از چالش‌های مهم بانک‌ها و موسسه‌های مالی و حتی استارت‌آپ‌های حوزه فین‌تک، تشخیص رفتارهای غیرمجاز و تقلب توسط مشتریان است. در مقیاس کوچک این رفتارها ممکن است دسترسی غیرمجاز به اطلاعات حساب‌های بانکی باشد، اما در مقیاس بزرگ، این تقلب‌ها شامل فرآیندهای پیچیده پول‌شویی و اختلاس می‌شود. تشخیص تقلب‌های کوچک از قبیل انواع پیش‌پا افتاده هک دشوار نیست و در اکثر موارد نیازی به هوش مصنوعی ندارد، اما تشخیص رفتارهایی که ممکن است با هدف پول‌شویی انجام شود به هیچ‌وجه ساده نیست.

بطور مثال جابه‌جا کردن متوالی پول بین حساب‌های متخلف، هیچ قانونی را نقض نمی‌کند، اما احتمال اینکه با هدف پولشویی انجام شده باشد زیاد است. در نتیجه بسیار مهم است که تشخیص داده شود و پیشگیری شود. تشخیص اینکه آیا فعالیت‌های مشتریان، ممکن است با هدف فعالیت غیرمجازی انجام شده باشد، یکی از کارهایی است که هم به دلیل حجم تحلیل زیاد و هم پیچیدگی تحلیل، توسط انسان قابل انجام نیست، اما برای ماشین و ابزارهای مبتنی بر هوش مصنوعی، کاملا عملیاتی است.

الگوریتم‌های مبتنی بر هوش مصنوعی، در هر لحظه همه فعالیت‌های همه مشتریان را زیرنظر می‌گیرند و در صورتی که رفتار مشکوکی مشاهده کنند، یا به صورت اخطاری به مسوولان مرتبط اطلاع‌رسانی می‌کنند که بررسی بیشتر انجام شود یا حتی به صورت خودکار جلوی آن را می‌گیرند. قابلیت «یادگیری» الگوریتم‌های هوش مصنوعی نیز در این موارد بسیار حائز اهمیت است، چرا که رفتارهای غیرقانونی خلافکاران قطعا در طول زمان تغییر و پیشرفت می‌کند، در نتیجه الگوریتم تشخیص تقلب نیز باید بتواند خود را با رفتارهای جدید به روز کند.

یکی دیگر از کاربردهای هوش مصنوعی می‌تواند در بازار بورس باشد. خرید و فروش سهام شرکت‌ها در بورس فرآیند پر ریسکی است که شانس بازگشت زیادی نیز دارد. بسیار شنیدیم و دیدیم که گفته می‌شود فعالیت در بازار بورس نیاز به تخصص دارد، تحلیل‌های عمیق بنیادی یا تکنیکال باید انجام شود تا شانس موفقیت در این بازار بالا برود و بر ریسک‌های موجود غلبه شود.

یکی از روش‌هایی که در اکثر بازارهای بورسِ توسعه‌یافته بسیار مورد استقبال قرار گرفته است، خرید و فروش خودکار سهام با استفاده از الگوریتم‌های هوشمند است. در این روش، اطلاعات سهام‌های مختلف و تغییرات قیمت آنها در طول زمان به الگوریتم داده می‌شود و الگوریتم با استفاده از هوش مصنوعی تشخیص می‌دهد که چه زمانی بهترین زمان خرید و چه زمانی بهترین زمان برای فروش سهام است و اگر ساختار نرم‌افزاری بورس اجازه دهد، حتی این خریدوفروش‌ها را به صورت خودکار انجام می‌دهد. اهمیت خرید و فروش سهام از طریق الگوریتم در این است که امکان تحلیل داده‌ها با حجم بسیار بالا را فراهم می‌کند، در حالی که حجم داده قابل پردازش توسط انسان طبیعتا محدود است.

کارآمد بودن خرید و فروش الگوریتمی سهام در کشورهای مختلف بررسی و اثبات شده است، تا حدی که گزارش شده است بیش از ۸۰ درصد خرید و فروش سهام در بورس امریکا به صورت خودکار و الگوریتمی است و کمتر از ۲۰ درصد مربوط به خریدهایی است که توسط انسان انجام می‌شود.در این زمینه در کشور ما نیز فعالیت‌هایی انجام شده است و چند شرکت و استارت‌آپ از جمله استارت‌آپ «کوانت‌کن» راهکارهایی در این زمینه ارایه می‌کند.

   چت‌بات‌ها: خودکارسازی فرآیندها

یکی از ابتدایی‌ترین کاربردهای هوش مصنوعی در بسیاری از کسب‌وکارها، خودکارسازی فرآیندهای تکراری و نسبتا ساده است. بسیاری از فرآیندها در کسب‌وکارها تکراری است، به عنوان نمونه، در بخش پشتیبانی شرکت‌هایی که خدمت ارایه می‌کنند، بسیاری سوال‌های تکراری مطرح می‌شود که برای پاسخ دادن به آنها زمان قابل توجهی از نیروی انسانی تلف می‌شود. درصورتی که الگوریتم‌های بسیار ساده هوش مصنوعی این قابلیت را دارند که فرآیندهای تکراری را تشخیص دهند و بتوانند آنها را تکرار کنند.

چت‌بات‌ها، که درواقع سامانه‌های تحلیل متن مخاطب و ارایه خودکار پاسخ متناسب هستند، این امکان را دارند که فرآیندهای ساده و تکراری را به صورت خودکار انجام دهند.

 

ارسال نظر