فناوری یک شمشیر دولبه است. از طرفی به سرعت پیشرفت می‌کند و پتانسیل‌های بسیاری برای بهبود روش‌های کار نشان می‌دهد. از طرف دیگر به سرعت پیشرفت می‌کند و همگام ماندن با آن گاه غیرممکن و ترسناک به‌نظر می‌رسد. گراهام برایت(Graham Bright)، مدیر داخلی بانک یورو اکسیم (Euro Exim Bank)نظرات خود را درباره آینده هوش مصنوعی در صنعت بانکداری و تجارت شرح می‌دهد.

بانک یورو اکسیم خود را با شعار «آماده آینده» معرفی می‌کند. استفاده از فناوری‌های پیشرفته (از جمله هوش مصنوعی) چه جایگاهی در شرکت شما دارد؟

ما در استراتژی آمادگی برای آینده خود، سناریوهای احتمالی مختلفی برای آینده ترسیم کرده‌ایم. با این سناریوها، نگاه روشن‌تری به آینده داریم، ابهامات برایمان کاسته شده است و با آرامش خاطر بیشتری می‌توانیم از فناوری‌ها استقبال کنیم. علاوه بر این موارد، کاهش هزینه‌ها و افزایش انعطاف‌پذیری محصولات/ خدمات ما امکان‌پذیر شده است و حتی زیرساخت‌ها را هم برای چالش‌های آینده آماده ساخته‌ایم.

در بازارهای رقابتی که به سرعت در حال تغییر هستند و هر روز رویداد جدیدی در آن اتفاق می‌افتد، نمی‌توان از سرمایه‌گذاری روی فناوری‌های جدید دست کشید. این فناوری‌ها هستند که مدل‌های کاری ما را بهینه، تقویت و ساده‌سازی می‌کنند و امکان ایجاد بیشترین ارزش‌افزوده از داده‌ها و اطلاعات موجود را فراهم می‌آورند.

از نظر برنامه‌ریزی، تحلیل، حسابرسی و طول عمر، مدل‌ها و سیستم‌های کاری خود را با دقت توسعه داده‌ایم. در این فرآیند از نظر متخصصان کسب‌وکار، معاملات بازارهای مالی و فناوری اطلاعات بهره برده‌ایم تا بهترین ادغام، پیاده‌سازی، امنیت و کاربرد اختصاصی برای حوزه اقتصادی خود را به‌دست آوریم.

علاوه بر این موارد می‌توان به استفاده از فناوری‌های ابری و ایجاد فایل‌های پشتیبان برای افزایش امنیت و حفاظت اشاره کرد. هوش مصنوعی تنها یکی از فناوری‌هایی است که درحال‌حاضر هم از آن استفاده می‌کنیم و اعتقاد داریم استفاده از آن در آینده شرکت، افزایش می‌یابد.

  به‌نظر شما نویدبخش‌ترین کارکردهای هوش مصنوعی برای صنعت بانکداری و مالی چه خواهد بود؟

پیش از آنکه به‌کارکردهای نویدبخش بپردازیم، باید هوش مصنوعی را تعریف کنیم. در حوزه اقتصادی ما و در اقتصاد به‌صورت کلی، هوش مصنوعی فقط محدود به ماشین‌های ترجمه، روبات‌های چت یا خودروهای بدون راننده نمی‌شود. معنای اصلی و گسترده مورد تایید ما، «سیستم‌های یادگیرنده‌ای است که می‌توانند از تجربیات خود با انسان‌ها برای بهبود عملکرد خود و پیشی گرفتن از انسان در تمام وظایف کاری استفاده کنند.»

هوش مصنوعی شیوه تجارت کسب‌وکارها را تغییر می‌دهد و به آنها کمک می‌کند تا در معاملات خود با کارآیی، قدرت مالی و رقابتی بهتری حضور یابند. در حوزه بانکداری و بازارهای مالی، هوش مصنوعی باید بتواند با قوانین و اصول کار انطباق داشته باشد و احتیاط‌های لازم در عملکرد آن دیده شود. به‌عنوان مثال، بررسی مشتریان و تحلیل آنها باید طبق قوانین و به‌صورت مطمئن صورت گیرد. همچنین از آن می‌توان در یافتن ناهمسانی‌ها و تعارض‌های موجود (به‌عنوان مثال، تفاوت فاکتور نهایی با تعداد و قیمت هر واحد محصول) استفاده کرد.

نمی‌توان از حجم انبوه، تنوع، نوسان‌ها و ارزش داده‌های گسترده امروزی چشم‌پوشی کرد. به‌طور کلی میزان داده‌ها و تغییرات آنها به قدری زیاد شده است که فشارهای کاری و روانی بسیاری به کسب‌وکارها وارد می‌سازد. اما در همین زمان، هوش مصنوعی می‌تواند با کارآیی و دقت بالایی این داده‌ها را مدیریت کند و آنها را در قالب اطلاعات و گزارش‌های سودمند بریزد. امروزه می‌توان محصولات و خدمات فناوری‌محوری مشاهده کرد که امکان ماشینی کردن معاملات، تحلیل اسناد، دیجیتالی‌سازی و استخراج داده‌ها را فراهم می‌آورند. خروجی این فرآیندها در پردازش تراکنش‌های مالی، حسابرسی و ایجاد سیستم‌های اطلاعاتی استفاده می‌شود.

 می‌توانید نمونه‌ای از برنامه‌های احتمالی شرکت خود را در استفاده از هوش مصنوعی بیان کنید؟

ما هوش مصنوعی را به‌عنوان شالوده‌ای برای معماری سیستم‌های داخلی خود می‌بینیم که امکان ایجاد تغییرات دیگر را فراهم می‌آورد. یکی از تغییراتی که سال‌ها است درباره آن صحبت می‌شود، بانکداری بدون کاغذ است. بله، حذف کامل کاغذ یکی از بزرگ‌ترین آرمان‌های ما است اما با توجه به شرایط و قوانین موجود، هنوز چند سال با آن فاصله داریم.

 به‌نظر شما، حوزه‌های بانکداری و مالی چه چالش‌های اساسی در استفاده از هوش مصنوعی دارند؟

هوش مصنوعی جنبه‌های نویدبخش بسیاری دارد و در عین حال، با چالش‌های بسیاری همراه است. نخستین چالش، رسیدن به یک کیفیت مستمر داده‌ها است. برای رسیدن به مجموعه‌ای از داده‌های بی‌عیب، عاری از تعصب، معنادار و قابل اعتماد، هنوز باید زمان، منابع و تلاش‌های بیشتری صرف شود. داشتن یک برنامه باکیفیت برای جمع‌آوری و مدیریت داده‌ها، نخستین گام در به‌کارگیری گسترده هرگونه هوش مصنوعی است.

مورد دوم، جعبه سیاه خودکار است. هم‌اکنون هم می‌توان بسیاری از فرآیندها را به‌طور کامل به ماشین‌ها سپرد. اما فرآیندهای آنها به سرعت نور و در محیطی به شکل جعبه سیاه انجام می‌شود که آگاه شدن از آنها ممکن نیست. مساله این است که هنوز نمی‌توان اعتماد کامل به ماشین‌ها داشت و اجازه داد که آنها تمام کارها را بدون نظارت انسان انجام دهند. همچنین ارزیابی منطقی‌ترین اقدام در مقابل بهترین اقدام به سادگی امکان‌پذیر نیست و شاید نتوان کنترل امور را از دست داد. سرعت بالاتر، همواره به معنای کارآیی بیشتر نیست.

چالش سوم، مشخص کردن موارد استفاده از هوش مصنوعی است. هوش مصنوعی نوشدارو نیست که همه مشکلات را بتواند حل کند. از آن باید در موقعیت‌های خاص و برای وظایف مشخص استفاده کرد. توانایی هوش مصنوعی در یافتن اطلاعات مشکوک در یک اعتبارنامه یا صورت مالی به معنای آن نیست که می‌تواند تراکنش‌های مشکوک را هم ردیابی کند. از طرفی، هوش مصنوعی کاملا منطقی است و قادر به درک احساسات و پیچیدگی‌های روابط انسانی نیست. به‌عنوان مثال، نمی‌تواند وضعیت را براساس شرایط، لحن صدا یا همدلی با انسان‌ها تحلیل کند. کامپیوترها به سادگی می‌توانند «نه» بگویند.

چالش چهارم و احتمالا مهم‌ترین چالش، مسوولیت‌پذیری و قابلیت اتکا است. ماشین‌های هوشمند ممکن است هدف نهایی ما باشند اما با چه هزینه‌ای و با مسوولیت نهایی چه فردی؟ انسان‌ها همچنان باید بر فرآیندها و اقدامات ماشین‌ها نظارت داشته باشند و انطباق آن با قوانین و اصول کار را تضمین کنند. در غیر این صورت، ماشین‌ها نیستند که کارشان به دادگاه کشیده می‌شود.

 به‌نظر شما، تصمیم‌گیری از دست مدیران خارج می‌شود و به ماشین‌ها واگذار می‌شود؟

نه. همان‌طور که بیان کردم، همچنان نقش‌های بسیاری باید توسط انسان‌ها انجام شود که از جمله آنها می‌توان به مدیریت فرآیندها، تعیین استثناها، ارتباط با سیاست‌گذاران و قانون‌گذاران، اطمینان از پایبندی به مقررات و اصول کار و همچنین تصمیم‌گیری‌های منحصربه‌فرد و اغلب دشوار اشاره کرد.

 آیا هوش مصنوعی می‌تواند نقش مثبتی در کاهش ریسک معاملات بین‌المللی ایفا کند؟

بدون شک مزایای بسیاری در استفاده از هوش مصنوعی در این زمینه وجود دارد. ایجاد اسناد قابل اعتماد، فرم‌های الکترونیکی روشن و بدون ابهام، امضای الکترونیکی اسناد، احراز هویت سریع‌تر افراد، به اشتراک‌گذاری داده‌ها و دیجیتالی کردن اسناد در قالب‌های استاندارد بخشی از این مزایا است.

  بسیاری از افراد نگران این موضوع هستند که رواج هوش مصنوعی به بهای از دست رفتن مشاغل تمام شود. این مساله را در حوزه اقتصادی خود چگونه می‌بینید و چه راهکاری برای آن دارید؟

از دست رفتن مشاغل در کوتاه‌مدت ناگزیر است، اما آن را نمی‌توان اثر مستقیم هوش مصنوعی دانست. آنی‌ترین تهدید، پیامدهای جهانی همه‌گیری کرونا و رکود اقتصادی است. شرکت‌ها باید به تصمیم‌گیری در این زمینه اقدام کنند که آیا باید کارکنان برکنار شده خود را در رکود اقتصادی دوباره دعوت به‌کار کنند یا خیر.

اثربخشی کارکنان، موقعیت‌های جغرافیایی و هزینه‌های مرتبط از جمله مهم‌ترین معیارهایی است که شرکت‌ها در بازنگری وظایف و به‌ویژه حفظ یا استخدام دوباره کارکنان به آنها توجه می‌کنند.

پیشرفت‌های اخیر هوش مصنوعی با تمام شگفتی‌هایش همچنان بسیار محدود و خاص هستند، به همین دلیل همچنان به نیروی انسانی فراوانی برای نظارت ورود داده‌ها نیاز است. درحالی‌که ۴۷ درصد از مشاغل امروز را به‌طور کامل می‌توان به ماشین‌ها سپرد، کمتر از ۵ درصد از آنها تا سال ۲۰۳۰ کامل ماشینی می‌شوند. حتی این رقم می‌تواند پایین‌تر هم باشد؛ چرا که بین پیشرفت فناوری و اقتباس آن به‌دلیل مواردی مانند هزینه‌ها، نگهداری و موانع فرهنگی و قانونی، فاصله زمانی وجود دارد.

از طرفی حتی به‌دلیل شرایط مختلف، میزان بیکاری در کشورها، صنایع، سطوح تحصیلی، موقعیت‌های جغرافیایی و گروه‌های سنی و جنسیتی متفاوت خواهد بود. این تفاوت‌ها می‌توانند به بی‌ثباتی‌های اجتماعی و سیاسی منجر شوند. دولت می‌تواند برای مدیریت این چالش کارکنان بیکار شده را با آموزش‌های لازم برای مشاغل جدید آماده سازد یا آنها را به حوزه‌های اقتصادی نیازمند نیروی کار (مانند بهداشت و درمان و همچنین آموزش) انتقال دهد.

 ممکن است برخی بر این باور باشند که هوش مصنوعی به‌دلیل وابستگی بالایش به منابع گسترده داده و اطلاعاتی، در دستور کار شرکت‌های بزرگ است. به‌عنوان سوال آخر، به‌نظر شما این وضعیت می‌تواند به حذف کسب‌وکارهای کوچک تا متوسط از عرصه رقابت منجر شود؟ به این دلیل که آنها دسترسی کافی به داده‌های فراوان ندارند؟

بله، در کوتاه‌مدت شرکت‌های بزرگ به‌دلیل دسترسی به داده‌های گسترده‌تر در موقعیت رقابتی بهتری نسبت به کسب‌وکارهای کوچک تا متوسط قرار دارند. با این حال، شاهد افزایش شرکت‌های تخصصی داده و فناوری‌های داشبورد اطلاعاتی هستیم که داده‌ها را با قیمتی مقرون به صرفه به شرکت‌های کوچک‌تر هم ارائه می‌کنند.

مترجم: مهدی نیکوئی

• تگ‌ها: #هوش مصنوعی #صنعت پخش

• منبع: ‌European business review