آینده مالی کشور در گرو گذار به بانکداری مبتنی بر هوش مصنوعی است

به گزارش پایگاه خبری بانکداری الکترونیک، به نقل از روابط عمومی شرکت خدمات انفورماتیک، نشست تخصصی «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی در ایران» با حضور جمعی از مدیران ارشد، کارشناسان فناوری و صاحب‌نظران اکوسیستم بانکی کشور برگزار شد. در این رویداد، ابعاد کاربردی، چالش‌های زیرساختی و فرصت‌های خلق ارزش به‌واسطه فناوری‌های نوظهور در شبکه بانکی مورد واکاوی قرار گرفت.

محمد جعفرعبدی، مدیر توسعه کسب‌وکار این شرکت، در سخنرانی خود با تمرکز بر تجارب عملیاتی و الزامات ساختاری استقرار هوش مصنوعی در صنعت مالی، اظهار داشت: تحول آینده بانکداری صرفاً به بهره‌برداری مقطعی از ابزارهای هوشمند خلاصه نمی‌شود، بلکه نهادهای پولی و مالی ناگزیرند مدل‌های تصمیم‌گیری، زنجیره فرایندها و مهارت‌های نیروی انسانی خود را متناسب با یک محیط کاملاً AI-Native بازتعریف نمایند.

گذار از فاز آزمایشی به خلق ارزش واقعی

عبدی یکی از گلوگاه‌های فعلی نظام بانکی را توقف در مراحل مقدماتی دانست و گفت: امروز چالش عمده ما عبور از فاز پایلوت و پروژه‌های منفرد و رسیدن به نقطه خلق ارزش ملموس و مستمر است. هرچند بسیاری از ابتکارات در قالب نمونه‌های اولیه (PoC) آغاز می‌شوند، اما ارتقای آن‌ها به یک توانمندی استراتژیک نیازمند استقرار زیرساخت‌های اشتراکی، حکمرانی یکپارچه داده و AI، امنیت سایبری، نظارت مستمر و مدیریت دقیق هزینه‌ها در پیوند با فرایندهای اصلی کسب‌وکار است.

همچنین بخوانید: گذار از اعتبارسنجی ایستا به پویا

وی ادامه داد: هوش مصنوعی زمانی اثربخش خواهد بود که به عنوان یک قابلیت درون‌سازمانی، کارایی خود را در محورهایی نظیر خدمات مشتریان، اعتبارسنجی و مدیریت ریسک، توسعه نرم‌افزار، کشف هوشمند تقلب، عملیات بانکی و پشتیبانی تحلیلی از تصمیمات مدیریتی به اثبات برساند.

ضرورت اعتمادپذیری، مهندسی بافتار و کنترل‌پذیری سامانه‌ها

مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک با اشاره به حساسیت‌های ویژه صنعت مالی خاطرنشان کرد: در بانکداری، «صرفِ هوشمند بودن» یک سامانه کفایت نمی‌کند؛ سامانه‌ها باید با استانداردهای سخت‌گیرانه نظارتی و حاکمیتی تطابق داشته و خروجی‌های آن‌ها کاملاً قابل ردیابی، ارزیابی و امن باشند.

وی تأکید کرد: بر همین اساس، در کنار مفاهیمی چون پرامپت‌نویسی (Prompt Engineering) و توسعه مدل‌های بزرگ زبانی، تمرکز بر حوزه‌های بنیادین‌تری چون مهندسی بافتار (Context Engineering)، مهندسی مهار و کنترل (Harness Engineering)، پایش رویدادها، مدیریت چرخه عمر اِیجنت‌ها (Agents) و حراست همه‌جانبه از داده‌ها اهمیت دوچندان می‌یابد.

هم‌افزایی ملی؛ پیش‌شرط توسعه امن هوش مصنوعی بومی

عبدی در بخش پایانی سخنان خود بر لزوم شکل‌گیری هم‌گرایی کلان در سطح کشور تأکید کرد و افزود: ایجاد تحول پایدار مستلزم نگاهی ملی و اکوسیستمی است که در آن شبکه بانکی، شرکت‌های ارائه‌دهنده راهکارهای فناوری، رگولاتور، دانشگاه‌ها و شرکت‌های دانش‌بنیان، بسترها و استانداردهای لازم را برای توسعه ایمن و بومی هوش مصنوعی فراهم آورند.

وی در جمع‌بندی مباحث تصریح کرد: موفقیت بانک‌ها در این پارادایم جدید، بیش از آنکه حاصل انتخاب یک مدل الگوریتمی قدرتمند باشد، مرهون توانمندی رهبران سازمان در بازمهندسی ساختار، فرایندها و فرهنگ سازمانی متناسب با الزامات سرعت، کنترل‌پذیری و اعتمادپذیری این فناوری است.