فرصت و تهدید هوش مصنوعی

هوش مصنوعی و به تبع آن فناوری‌های شناختی به‌عنوان یکی از روندهای نوآورانه رشد چشمگیری داشته‌اند.

سرمایه‌گذاری پر ریسک در شرکت‌هایی که محصولات و فناوری مرتبط با هوش مصنوعی ارائه می‌دهند، از سال ۲۰۱۱ از مرز ۸ میلیارد دلار عبور کرده است و همچنین سازمان‌های فناورانه میلیاردها دلار در خرید استارت‌آپ‌های هوش مصنوعی صرف کرده‌اند.

به گزارش (دیلویت ۲۰۱۵)، رایانش شناختی در حال ظهور به‌عنوان یک فرصت و هم تهدید واقعی برای بسیاری از کسب‌وکارهاست. این فناوری، جزئی از یک روند گسترده‌تر حول کلان داده‌هاست؛ اما به این دلیل دارای اهمیت است که بر حوزه داده‌های غیرساخت‌یافته تمرکز می‌کند که مشخصاً حجم بیشتری از داده‌های ساخت‌یافته دارند و تخمین زده شده است که ۸۰ ٪ از داده‌های امروزی، غیرساخت یافته هستند (به بیان دیگر، به شکل زبان طبیعی) و ۲۰ ٪ باقیمانده، داده‌های ساخت‌یافته هستند (به بیان دیگر، به شکل ردیف و ستون‌های داده). رایانش شناختی به طور عمده بر داده‌های غیرساخت‌یافته متمرکز است.شرکت دیلویت (۲۰۱۷)،

هوش مصنوعی را این‌گونه تعریف می‌کند: توسعه سیستم‌های کامپیوتری که قادر به انجام وظایفی هستند که به‌طور عادی نیازمند هوش انسانی است»

کامپیوترها فکر نمی کنند

کامپیوترها نمی‌توانند فکر کنند ولی به‌طور فزاینده‌ای می‌توانند کارهایی را انجام دهند که تنها انسان‌ها می‌توانند آن را انجام دهند. مثال‌های آن دربرگیرنده درک تصویری، شناسایی سخنان، تصمیم‌گیری تحت شرایط عدم اطمینان، یادگیری و ترجمه بین زبان‌ها است.

طی پنج سال آینده انتظار می‌رود تأثیر فناوری‌های شناختی در سازمان‌ها رشد قابل‌ملاحظه‌ای داشته باشد. افراد تأثیرگذار در بانک‌ها به این نیاز دارند که چگونه و در کجا بر روی فناوری‌های قابل کاربرد در صنعت بانکی سرمایه‌گذاری کنند.

موفقیت و شکست در این سرمایه‌گذاری‌ها می‌توان آینده یک بانک را متأثر کند. اما چگونه فناوری‌های شناختی بانک‌ها را تحت تأثیر قرار خواهد دارد؟ با توجه به گزارش دیلویت ۲۰۱۷ و با بررسی ۱۰۰ نمونه کاربرد فناوری‌های شناختی که اخیراً در صنایع مختلف (۱۷ صنعت) به‌ویژه صنعت بانکی به‌کار گرفته‌شده است یا به‌طور پایلوت کاربردی داشته‌اند نتیجه گرفته‌شده است این فناوری به‌طور عمده در سه حوزه مشخص کاربردی می‌تواند دسته‌بندی شود. محصول، فرآیند و بینش. کاربرد در محصول این‌گونه در نظر گرفته می‌شود که فناوری شناختی در یک محصول یا خدمت تعبیه شده است و برای مشتری نهایی آن یک مزیت ایجاد می‌کند.

کاربرد در فرآیند این‌گونه در نظر گرفته می‌شود که فناوری شناختی در چرخه کاری یا فرآیند یک سازمان تعبیه می‌شود و بهبود در عملیات سازمان ایجاد می‌کند.

و کاربرد در بینش این‌گونه در نظر گرفته می‌شود که از فناوری شناختی به‌خصوص تحلیل‌های پیشرفته – به‌عنوان مثال یادگیری ماشین- می‌توان بینش‌هایی در حوزه عملیاتی تا راهبردی کسب کرد که به بهبود تصمیم‌گیری کمک شایانی نماید.

هوش مصنوعی و مشکلات بانک ها

طبق نظرسنجی اخیر گرینویچ اسوشیتس (Greenwich Associates) اکثر بانک‌ها هوش مصنوعی را در امور خود پیاده‌سازی کرده‌اند، یا برنامه‌ای جهت اجرای آن در سال آینده دارند.

در بانک‌هایی مانند جی پی مورگان (JP Morgan)، بنک آو امریکا (Bank of America) و ولز فارگو (Wells Fargo) استفاده از هوش مصنوعی برای مشتریان خرد و شرکت‌ها در حال افزایش است. اکثر کارمندان بانک بر این عقیده‌اند که فناوری‌های نوین مانند هوش مصنوعی به آن‌ها در مسیر شغلی‌شان یاری خواهند رساند.

هوش مصنوعی به معنی سیستم‌های کامپیوتری است که قادر به انجام وظایفی هستند که در نگاه تاریخی مختص به هوش انسانی بوده‌اند. وظایفی مانند تشخیص تصاویر، فهم گفتار، ترجمه زبان‌ها و تصمیم‌گیری. ازجمله کارکردهای هوش مصنوعی در سرویس‌های مالی می‌توان به این موارد اشاره کرد: حساب‌های جاری سیار با قابلیت خواندن چک‌ها، هشدارهایی که می‌توانند پرداخت‌های با مبلغ بالا را مشخص کنند و یادآوری انتقالات خاص. اخیراً بانک جی‌پی‌مورگان‌چیس اعلام کرد که در حال آماده‌سازی یک دستیار هوش مصنوعی در بخش خدمات خزانه‌داری است که روزانه به حدود ۵ تریلیون دلار رسیدگی خواهد کرد. اگرچه این دستیار مختص به مشتریان شرکتی خواهد بود، برای مردم و مشتریان خرد هم دستیار مجازی مبتنی بر هوش مصنوعی راه‌اندازی خواهد شد.

هوش مصنوعی به مشاورین کمک خواهد کرد که تصمیمات بهتری بگیرند و زمان کمتری را برای انجام کارهای

خسته‌کننده صرف کنند

(پال دراویس، از شرکای مجموعه فیوچر پرفکت ماشین)

طبق نظرسنجی سال ۲۰۱۷ گرینویچ اسوشیتس، شرکت خدماتی مشاوره و اطلاعات بازار جهانی در استنفورد کانتیکات، اکثر بانک‌ها و شرکت‌های ارائه‌دهنده خدمات مالی، پیاده‌سازی هوش مصنوعی در سرویس‌های مالی خود را شروع کرده‌اند، یا برنامه‌ای جهت اجرای آن را در سال آینده دارند.

بیش از نصفی از ۱۰۰ نفر مدیری که در این نظرسنجی شرکت داشتند در حال مطالعه این فناوری بودند و قصد داشتند تا در ۱۲ ماه آینده آن را در زیرمجموعه خودشان عملیاتی کنند و ۱۸ درصد قبلاً شروع به استفاده از فناوری هوش مصنوعی در سرویس‌های مالی کرده بودند. مشاوران مالی و کارکنان بانک‌ها می‌گویند پیشرفت‌های جدید در هوش مصنوعی چیز ترسناکی نیست. در واقع اکثر آن‌ها بر این عقیده‌اند که هوش مصنوعی به آن‌ها در انجام مؤثرتر وظایفشان یاری خواهد رساند. پال دراویس (Paul Dravis)، از شرکای مجموعه فیوچر پرفکت ماشین (Future Perfect Machine)، می‌گوید:

«هوش مصنوعی به مشاورین کمک خواهد کرد که تصمیمات بهتری بگیرند و زمان کمتری را برای انجام کارهای خسته‌کننده صرف کنند.»

هوش مصنوعی در سرویس‌های مالی هم‌اکنون یکی از مهم‌ترین تاثیرگذاران است، مثال‌های زیادی از چگونگی تأثیر هوش مصنوعی در سرویس‌های مالی و بهبود ‌مدیریت پولی وجود دارد. بنک آو امریکا و ولز فارگو دستیارهای مجازی برای مشتریان خرد ارائه می‌دهند. استارت‌آپ‌های فین‌تک که استفاده از نوآوری برای بهبود خدمات مالی سرلوحه‌ی کارشان است، بعضاً به‌صورت اختصاصی به کاربرد هوش مصنوعی در سرویس‌های مالی می‌پردازند.چنین نوآوری‌هایی رابط کاربری به‌مراتب بهتری از روبو-ادوایزرها (robo-advisors) (سرویس‌های نرم‌افزاری مشاوره سرمایه‌گذاری) دارند. ارتباط با این دستیاران هوش مصنوعی راحت‌تر است چراکه با تقلید ویژگی‌های انسانی قادر به مکالمه و چت با کاربران هستند.

شرکت کاسیستو (Kasisto) که با جی‌پی‌مورگان برای راه‌اندازی موتور هوش مصنوعی‌اش همکاری کرده برای خرده‌فروشی هم راهکارهایی دارد. پلتفرم مکالمه هوش مصنوعی «کای» در شرکت‌هایی مانند مسترکارد و ولز فارگو برای ارائه خدمات دستیار مجازی (که چت بات (chatbot) هم نامیده می‌شوند) به‌کاررفته است. درور اورن (Dror Oren)، هم‌بنیان‌گذار و مدیر ارشد محصول در شرکت کاسیستو، می‌گوید:

«کاری که ما در حقیقت انجام می‌دهیم فعال کردن امکان گفت‌وگو است؛ اما نگاه ما این است که گستره کاربرد هوش مصنوعی در بانکداری به‌مراتب وسیع‌تر است و می‌تواند از برنامه‌ریزی و مشاوره گرفته تا مبارزه با کلاه‌برداری به کار رود.»

علاوه بر مکالمه، هوش مصنوعی در شخصی‌سازی و کامپایل داده‌ها هم می‌درخشد. اورن می‌گوید می‌توانید یک سؤال مشخص از هوش مصنوعی بپرسید؛ مانند «امسال برای غذا خوردن در رستوران چقدر خرج کرده‌ام؟» و آن می‌تواند تقریباً بلافاصله به شما پاسخ دهد. علاوه بر این می‌تواند به شما کارهای دیگری که از دستش ساخته است را هم پیشنهاد دهد؛ مثلاً تنظیم یک اعلان که در صورت بیشتر شدن خرج رستوران رفتن‌های‌تان به شما هشدار دهد.

برای بانک‌ها و هر کس دیگری که به دنبال مدیریت پول است، هوش مصنوعی ابزاری کاربردی برای تعامل و یادگیری است. اورن می‌گوید مشاوران مالی هم از کای برای افزایش دقت و بهره‌وری استفاده می‌کنند.

پفین (Pefin)

یک استارت‌آپ فین‌تک دیگر است که متوجه شده علاوه بر مردم عادی، مشاوران مالی هم از هوش مصنوعی استفاده می‌کنند. کاترین فلَکس (Catherine Flax)، مدیرعامل پفین می‌گوید:

«ما فکر نمی‌کنیم هوش مصنوعی جای مشاوران مالی را بگیرد، چراکه همواره امکان آن هست که موقعیت‌های بی‌نهایت پیچیده‌ای بروز کنند که فقط انسان‌ها قادر به حل آن‌ها باشند.»

پفین قابلیت مدل‌سازی پیشرفته بر اساس متغیرهای مختلف را دارد؛ مانند این‌که به شما نشان دهد چطور منتقل شدن به یک ایالت دیگر روی پس‌انداز بازنشستگی‌تان اثر خواهد گذاشت. پفین داده‌های بسیاری از رفتارهای کاربران را در محاسباتش لحاظ می‌کند. فلکس می‌گوید: «همه متغیرها در فرایند تصمیم‌گیری بر روی تصمیم‌های آینده اثر می‌گذارند. سؤالات ترکیبی که پاسخ دادن به آن‌ها برای مردم دشوار است، درزمینه‌ی این پلتفرم ساده به نظر می‌رسند.»

کاترین فلَکس (Catherine Flax)، مدیرعامل پفین می‌گوید:

اگرچه این پلتفرم در اصل برای کسانی طراحی‌شده بود که امکانات لازم برای استخدام مشاور مالی را ندارند، اما توانست به افرادی که مشاور داشتند هم در درک بهتر امور مالی‌شان کمک کند. چراکه گزارش‌های روزانه و نمایش اطلاعات به‌طور واضح یک ابزار عالی برای هرکسی است که خواهان مدیریت پول است.

ترجمه و تنظیم:

سهیل سرائی

منابع:

  1. intel.co.uk
  2. techemergence.com
  3. CNBC