مسعود خرقانی|
بانک‌ها و موسسات مالی باید راه‌حل‌های هوشمندانه از جمله اتوماسیون پردازش‌ها با استفاده از بات‌های برنامه‌ای (RPA)، تجزیه و تحلیل پیشرفته و استقرار هوش مصنوعی در سازمان خود را پیاده‌سازی نمایند.سفر تحول دیجیتالی برای خیلی از بانک‌ها و موسسات مالی و اعتباری مشتمل بر نوسازی سامانه کربانکینگ، با استفاده و یکپارچه‌سازی فناوری‌های موبایل در خود و دیجیتالی شدن بسیاری از فرایندهای خدمات پشتیبان است. به منظور 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 استقرار هوش مصنوعی در سازمان خود را پیاده‌سازی نمایند.
یکی از مهم‌ترین مولفه‌های تحول دیجیتال، توانمندی ناشی از ماشینی کردن تجزیه و تحلیل پیشرفته در ارایه راه‌حل‌های هوشمندانه‌تر از آن است که انسان به تنهایی بتواند ارایه دهد.
این تحول بر مبنای بهره مندی از منابع داده‌ای داخلی و خارجی سازمان استوار است، و در این مسیر به منظورتمرکز بر تجربه کاربری، بجای 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 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.ادغام هوش مصنوعی در برنامه‌های استراتژیک: به منظور استقرار و به‌کارگیری گسترده سازمانی از قابلیت‌های هوش مصنوعی در سازمان‌های پیشرو، تجزیه و تحلیل پیشرفته به عنوان بخشی از طرح کلان برنامه استراتژیک سازمان، در نظر گرفته می‌شود.
استفاده از هوش مصنوعی برای عملکرد و ابتکارات تجربه مشتری: علاوه بر کاربرد تجزیه و تحلیل پیشرفته برای صرفه جویی هزینه، سازمان‌های پیشرو در به‌کارگیری هوش مصنوعی به دنبال چگونگی استفاده از تجزیه و تحلیل پیشرفته برای بهبود عملکرد و ابتکارات بر اساس تجربه مشتری هستند.
نگاه به بیرون از سازمان: سازمان‌های پیشرو به جای تلاش برای ساختن تمام برنامه‌های هوش مصنوعی در داخل خود، مشارکت و همکاری‌های بیرونی را امکان پذیر می‌کنند تا دسترسی به استعدادها و راه‌حل‌های بیشتری را فراهم نمایند. این امر در زمانی که کمبود استعداد در دسترس وجود داشته باشد، باعث بهبود سرعت برای حضور در بازار می‌شود.
به منظور تقویت و حمایت از استقرار راه‌حل‌های هوش مصنوعی 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 نو آوری‌ها (از جمله هوش مصنوعی) را عهده‌دار هستند. 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.
هدف‌گیری مشتری در ارایه پیشنهادات برای بانک‌ها و موسسات مالی، موضوع جدیدی نیست، و اکثر بانک‌ها به منظور 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 موفقیت آمیز کردن این ارتباطات بصورت آنی و در مقیاس شخصی، در اختیار بانک‌ها و موسسات مالی و اعتباری قرار می‌گیرد.خرده فروشان دیجیتال و شرکت‌های بزرگ با تکنولوژی‌های پیشرفته، استاندارد جدیدی را برای شخصی‌سازی تنظیم کرده‌اند.تحقیقات نشان داده است که مصرف‌کنندگان به صورت افزایشی، ارتباطات مالی مورد نیازشان را در جاهایی که از طریق شرکت‌های فناوری محور مانند آمازون، گوگل، فیس‌بوک، و...، فراهم باشد، از این طریق برقرار می‌کنند، یا حرکت به این سمت را بطور جدی مد نظر دارند. و این نشان‌دهنده گرایش روزافزون مصرف‌کنندگان به مبادله داده، جهت کسب تجربه کاربری بهترمی باشد.امروزه به دلیل 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 به وجود آورده که بتوانند در لحظه مناسب و بر حسب موضوع قدرت نفوذ خود بر مشتری را افزایش دهند. امکانی که در گذشته امکان پذیر نبوده 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 پیش بینی 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 ارایه خدمات، اطلاعات، و مشاوره، اغلب بصورت روزانه یا حتی چندین بار در روز معطوف می‌گردد.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.
