بکارگیری هوش مصنوعی در فین‌تک

آرمان فاطمی؛ مدیرعامل واکاویک اظهار داشت، هوش مصنوعی از جمله فناوری‌هایی است که در چند سال اخیر توجه بسیاری از صنایع را در کشورهای مختلف به خود جذب کرده است.

چالش بسیاری از کسب و کارها برای بکارگیری هوش مصنوعی این است که مدیران و کارشناسان نمیدانند پیاده سازی هوش مصنوعی را از کدام بخش سازمان یا از کدام فرایند شروع کنند.در واقع این فناوری با وجود جذابیت زیاد، نقاط مبهمی دارد که سبب می شود که عملیاتی کردن آن سخت و زمان بر باشد.

آنالیز و بررسی تجربه های موفق و ناموفق پیاده سازی این فناوری، به همراه نظرات متخصصین خبره در این حوزه می تواند تا حدودی ابهامات را برطرف کند و بکارگیری آن را تسهیل ببخشد.

در این مقاله سعی می­کنیم کاربرد هوش مصنوعی در فین­تک تمرکز کنیم و برخی کاربردهای هوش مصنوعی در صنعت خدمات مالی را بررسی کنیم.

فین ­تک در تمام کشورها، صنعت منحصر به فرد و جذابیست چرا که بانک­ها، استارتاپ های حوزه هIT   (و در ایران PSPها) نقش های کلیدی را در این صنعت ایفا می ­کنند. همچنین به دلیل پر رنگ بودن حضور بانک­ها، دولت­ها در سطوح مختلف به منظور قانون­گذاری و رگولیشن وارد می­شوند.

علاوه بر این، صنعت فین­تک در هر کشور زیر ساخت و معماری منحصر به خود را دارد.میزان ورود نهادهایی مثل بانک مرکزی و بانک­های دولتی در این حوزه متفاوت است. در عین حال خدماتی که این نهادها ارائه می­دهند با توجه به قوانین هرکشور نیز  تفاوت دارد. مثلاً در کشور ما PSPها در این حوزه هستند.

از طرفی به دلیل وجود سامانه‌هایی مانند شاپرک و شتاب، بعضی از امکانات بانکی مثل انتقال پول بین بانکی در کشور ما روند متفاوتی دارد. برخی از راهکارهای پیشرفته مثل اعتبارسنجی مشتریان برای اعطای تسهیلات در کشور ما وجود ندارد. روی هم رفته، صنعت فین­تک در ایران  وضعیت ویژه ­ای دارد و برای ارتقای وضعیت آن نمی­توان از نمونه‌­های خارجی الکو برداری کرد و در این مورد نیاز به «بومی‌سازی» مشهود است.

چهار کاربرد کلیدی هوش مصنوعی در فین‌تک

کاربردهای حائز اهمیت و متداول هوش مصنوعی در فین‌تک را می‌توان در چهار دسته مورد بررسی قرار داد که عبارتند از:

  • تحلیل ریسک دریافت تسهیلات مشتریان یا Loan Underwriting
  • تشخیص و پیشگیری از تقلب و رفتارهای غیرمجاز یا Fraud Detection and Prevention
  • آنالیز و پیش‌بینی عملکرد سهام در بورس و خرید الگوریتمی (Algorithm Trading)
  • خودکارسازی فرآیندها و چت‌بات‌ها (Chatbots and automation)

۱-   تحلیل ریسک دریافت تسهیلات مشتریان (Loan Underwriting)

اعطای هرگونه وام و تسهیلات به مشتریان از توسط بانک­ها و نهادهای مالی،یکی از مهمترین خدمات آن­هاست. از دیدگاه کلان مدیریت صحیح این تسهیلات از متغیرهای تاثیر­گذار در وضعیت اقتصاد کشور است.چالشی که در مدیریت نحوه اعطای تسهیلات به مشتریان وجود دارد این است که آیا مشتری توان بازپرداخت وام را دارد یا خیر. و در نتیجه میزان ریسک عدم بازپرداخت وام توسط مشتری مشخص می­شود.

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 مسئله برای ارائه‌کننده تسهیلات حائز اهمیت است، چرا که اگر مشتری ریسک باز پرداخت کمتری داشته باشد، ارائه‌دهنده تسهیلات ریسک کمتری برای از دست دادن منابع خود دارد و در نتیجه می‌تواند با نرخ سود کمتری تسهیلات را ارائه کند و اگر مشتری ریسک پرداخت بالایی داشته باشد، لازم است، نرخ تسهیلات بالاتری درنظر گرفته شود.

در نتیجه، وضعیت ایده‌آل این است که بتوان ریسک هر یک مشتری را هنگام درخواست تسهیلات ارزیابی کرد تا تسهیلاتی دقیقا مطابق با شرایط وی ارائه شود. این فرایند در بیشتر کشورهای توسعه‌یافته انجام می‌شود، اما در کشور ما این طور نیست. بانک‌ها مستقل از اینکه به چه کسی وام می‌دهند، میزان ضمانت ثابتی را درخواست می‌کنند و در مقابل هم نرخ سود تسهیلات برای همه مشتریان یکسان است.
در مواجهه با این مشکل  می‌توان از ابزارهای مبتنی بر هوش مصنوعی استفاده کرد. الگوریتم‌های ساده هوش مصنوعی و یادگیری ماشین، می­توانند از روی رفتار گذشته مشتریان در بازپرداخت تسهیلات و همچنین وضعیت رفاهی آنها، ریسک اعطای وام به آنها را ارزیابی کند. راهکارهای این مسئله کاملا موجود است و حتی برنامه‌نویسان میان‌رده در بازار ایران نیز توانمندی پیاده‌سازی چنین راهکارهایی را دارند.

۲-   تشخیص تقلب (Fraud Detection/Prevention)

یکی دیگر از مشکلات عمده  بانک‌ها و موسسه‌های مالی ، تشخیص رفتارهای غیرمجاز و تقلب توسط مشتریان است. در مقیاس کوچک این رفتارها می­تواند 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 (Hack) دشوار نیست و  معمولاً نیاز به بکارگیری هوش مصنوعی ندارد، اما تشخیص رفتارهایی که ممکن است با هدف پول‌شویی انجام شود بسیار مشکل است.

به طور مثال جابه‌جا کردن متوالی پول بین حساب‌های متخلف، هیچ قانونی را نقض نمی‌کند، اما اامکان دارد با هدف پول‌شویی انجام شده باشد .در نتیجه بسیار مهم است که تشخیص داده شود.تشخیص اینکه آیا فعالیت‌های مشتریان با هدف فعالیت غیرمجاز انجام شده است یا خیر. راهکار این فرایند هم به دلیل حجم تحلیل زیاد و هم پیچیدگیِ ، توسط انسان قابل انجام نیست، اما برای ماشین و ابزارهای مبتنی بر هوش مصنوعی، کاملا قابل پیاده ­سازی است.

الگوریتم‌های مبتنی بر هوش مصنوعی، همه فعالیت‌های مشتریان را در هر لحظه زیر نظر می‌گیرند و در صورتی که رفتار مشکوکی مشاهده کنند، یا به صورت اخطاری به مسئولین مرتبط اطلاع‌رسانی می‌کنند که بررسی بیشتر انجام شود و 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 غیرقانونیِ 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.

۳-   آنالیز و پیش‌بینی عملکرد سهام در بورس و خرید الگوریتمی (Algorithm Trading)

یکی دیگر از کاربردهای کلیدی هوش مصنوعی در بازار بورس است. خرید و فروش سهام شرکت‌ها در بورس فرآیند پر ریسکی است که شانس بازگشت زیادی نیز دارد. تحلیل‌های عمیق بنیادی یا تکنیکال باید انجام شود تا شانس موفقیت در این بازار بالا برود.

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. نکته قابل توجه  این است که امکان تحلیل داده‌ها با حجم بسیار بالا توسط الکوریتم فراهم می­شود ، در حالی که حجم داده قابل پردازش توسط انسان محدود است.

در حال حاضر بیش از ۸۰ درصد خرید و فروش سهام در بورس آمریکا به صورت خودکار و الگوریتمی انجام می­شود و تنها کمتر از ۲۰ درصد خرید و فروش توسط انسان انجام می­شود.

در این زمینه در کشور ما نیز فعالیت‌هایی انجام شده است و استارت‌آپ «کوانت‌کن» راهکارهایی در این زمینه ارائه می‌کند.

۴- چت‌بات‌ها: خودکارسازی فرآیندها (Automation)

یکی از ساده­ترین  کاربردهای هوش مصنوعی در بسیاری از کسب‌وکارها، خودکارسازی فرآیندهای تکراری و نسبتا ساده است. بسیاری از فرآیندها در کسب‌وکارها تکراری است، مثلاً، در بخش پشتیبانی شرکت‌هایی که خدمت ارائه می‌کنند، بسیاری سوال‌های تکراری مطرح می­شود.در صورتی که الگوریتم‌های بسیار ساده هوش مصنوعی این قابلیت را دارند که فرآیندهای تکراری را تشخیص دهند و آنها را تکرار کند.

چت‌بات‌ها، که درواقع سامانه‌های تحلیل متن مخاطب و ارائه خودکار پاسخ متناسب هستند، مثلاً در یک بانک افتتاح حساب جدید  نمونه‌ای از این نوع فرآیندهاست. برای افتتاح حساب جدید قدم‌های مشخصی باید طی شود، ارائه مدارک، ثبت امضا و … . کسب‌وکارهای فعال در حوزه فین‌تک می‌توانند با بهره‌گیری از چت‌بات‌ها و سایر ابزارهای خودکارسازیِ مبتنی بر هوش مصنوعی، میزان قابل توجهی در زمان نیروی انسانی خود صرفه‌جویی کنند، و مین­طور احتمال خطای انسانی را کاهش دهند.

در مجموع، فین‌تک با توجه به حجم بزرگی‌که دارد، و همچنین با توجه به طیف گسترده خدماتی که ارائه می‌کند، می‌تواند از هوش مصنوعی برای افزایش کیفیت و دقت خدمات و افزایش بهره‌وری استفاده کند. در کشور ما نیز قدم‌هایی در این راستا برداشته شده اما قطعا نیاز به تمرکز و سرمایه­‌گذاری بیشتری در این زمینه داریم.

منبع: https://way2pay.ir