برای سالها، هوش مصنوعی در بانکداری عملکردی مشابه یک کارآموز مفید داشت؛ ایمیلها را پیشنویس میکرد، گزارشها را خلاصه میکرد و به پرسشهای مشتریان پاسخ میداد. کارآمد بود، اما تحولآفرین نبود.
سپس چتباتها وارد شدند. این «دستیارهای دیجیتال» وعده ارائه خدمات بهتر را میدادند، اما در عمل اغلب پاسخهای طولانی به مسائل ساده ارائه میکردند.
اکنون این الگو در حال تغییر است. موج جدیدی از دستیارهای هوش مصنوعی فراتر از کمکرسانی حرکت کرده و به سمت اقدام پیش میروند. این سیستمها بهجای پیشنهاد انجام وظایف، قادر به اجرای مستقیم آنها هستند؛ از تسویه معاملات گرفته تا بررسی قوانین انطباق و شناسایی تراکنشهای مشکوک.
بهطور خلاصه، بانکداری از یک هوش مصنوعی که به بانکداران کمک میکند، در حال حرکت به سمت مدلهایی است که مانند یک بانکدار عمل میکند.
دستیار هوش مصنوعی دقیقاً چیست؟
در هسته خود، دستیار هوش مصنوعی به سیستمهای هوش مصنوعی اطلاق میشود که میتوانند بهصورت مستقل و در چندین مرحله، برنامهریزی کرده، تصمیمگیری کنند و وظایف را اجرا نمایند.
برخلاف ابزارهای سنتی هوش مصنوعی که منتظر دریافت پرامپت میمانند، یک دستیار هوش مصنوعی میتواند:
بر اساس تحلیل اخیر تیم خدمات مالی Microsoft، سیستمهای مبتنی بر دستیار هوش مصنوعی این امکان را برای بانکها فراهم میکنند تا فرآیندهای پیچیده را خودکارسازی کنند؛ از بررسی تقلب گرفته تا فرآیندهای در حال انجام. این امر به این دلیل است که مدلهای نوین هوش مصنوعی اکنون قادر به انجام استدلالهای چندمرحلهای بوده و میتوانند بهصورت امن با رابطهای برنامهنویسی داخلی (APIs) تعامل داشته باشند.
در حوزه بانکداری، این بدان معناست که سیستم فراتر از تفسیر یک پرامپت عمل میکند؛ بلکه میتواند یک فرآیند را از ابتدا تا انتها اجرا نماید. برای مثال، ممکن است دادههای بازار را بررسی کند، قوانین انطباق را ارزیابی نماید و سپس از طریق سیستمهای متصل، یک معامله یا فرآیند تسویه را اجرا کند.
بهجای آنکه برای تأیید هر مرحله منتظر مداخله انسانی بماند، هوش مصنوعی با پیروی از قوانین تعریفشده، وظیفه را بهصورت خودکار تکمیل میکند.
این توانایی در هماهنگسازی و اجرای وظایف در میان سیستمهای مختلف، دلیل آن است که بسیاری از بانکها اکنون از دستیار هوش مصنوعی با عنوان «هوش مصنوعی ویژه تراکنش» یاد میکنند.
این فناوری صرفاً درباره اقدامات مالی صحبت نمیکند، بلکه آنها را بهصورت عملی اجرا میکند.
هوش مصنوعی معمولی در برابر دستیار هوش مصنوعی: تفاوت در چیست؟
هر دو، یعنی هوش مصنوعی معمولی و دستیار هوش مصنوعی، بر مدلهای زبانی بزرگ (LLMs) متکی هستند. تفاوت اصلی در هدف و کارکردی است که برای آن طراحی شدهاند.
امروزه اغلب افراد با ابزارهای هوش مصنوعی معمولی مانند ChatGPT یا Claude آشنا هستند. این سیستمها به تولید محتوا میپردازند؛ از متن و کد گرفته تا گزارشها و خلاصهها. آنها به کارکنان در تفسیر اطلاعات کمک میکنند، اما اقدام عملی انجام نمیدهند.
با این حال، هوش مصنوعی معمولی در سطح ارائه پیشنهاد و تحلیل متوقف میشود. در مقابل، دستیار هوش مصنوعی یک گام فراتر میرود و برای اجرای وظایف طراحی شده است. این سیستم میتواند دادهها را تحلیل کند، در چارچوب قوانین مشخص تصمیمگیری نماید و اقدامات لازم را در میان سیستمهای متصل به اجرا بگذارد.
بهبیان ساده، هوش مصنوعی معمولی نقشه را ارائه میدهد، در حالی که دستیار هوش مصنوعی خودرو را هدایت میکند.
در بستر بانکداری، تفاوت به این صورت قابل مشاهده است:
|
ویژگی |
هوش مصنوعی معمولی |
دستیار هوش مصنوعی |
|
نقش اصلی |
تولید اطلاعات |
اجرای وظایف |
|
سبک تعامل |
دریافت دستور و پاسخدهی |
جریان کاری خودکار |
|
مثال در بانکداری |
پیشنویس گزارش انطباق |
ثبت گزارش انطباق بهصورت خودکار |
|
مثال در معاملات |
تحلیل یک پورتفولیو |
اجرای معاملات و تسویه آنها |
آیا دستیار هوش مصنوعی هماکنون در بانکها فعال است؟
موسساتی مانند Goldman Sachs، Lloyds Banking Group ، Deutsche Bank وغیره، صرفاً در حال آزمایش ابزارهای هوش مصنوعی نیستند بلکه بسیاری از آنها سیستمهای مبتنی بر دستیار هوش مصنوعی را در عملیات روزانه خود ادغام کردهاند تا بخشهایی از معاملات، انطباق و نظارت ریسک را خودکار کنند.
این سیستمها اکنون اختیار محدودی برای انجام وظایفی دارند که پیشتر نیازمند بررسیهای دستی بودند.
برای مثال، Lloyds Banking Group اعلام کرده است که قصد دارد دستیار هوش مصنوعی را در سراسر بانک توسعه دهد و انتظار دارد در سال 2026 بیش از £100 میلیون ارزش از ابتکارات هوش مصنوعی ایجاد شود، یعنی دو برابر ارزش تولیدشده در سال گذشته.
در همین حال، شرکتهای Wall Street مانند Goldman Sachs در حال آزمایش دستیارهای هوش مصنوعی برای فرآیندهای داخلی هستند، از جمله حسابداری معاملات، بررسیهای در حال انجام و جریانهای کاری منطبق با قوانین.
هدف جایگزین کردن بانکداران بهطور کامل نیست، بلکه حذف کندترین بخشهای فرآیند است.
اولین حوزههای ظهور دستیار هوش مصنوعی
بانکها ذاتاً محتاط هستند. به همین دلیل، دستیار هوش مصنوعی بهطور همزمان در همه بخشها اجرا نمیشود. این فناوری ابتدا در حوزههایی ظاهر میشود که قوانین ساختاریافته و جریان داده سنگین دارند، از جمله:
-
ضد پولشویی (AML)
تیمهای رعایت مقررات باید روزانه هزاران هشدار را بررسی کنند.
سیستمهای دستیار هوش مصنوعی میتوانند:
تحقیقات علمی نشان دادهاند که سیستمهای ضد پولشویی مبتنی بر دستیار هوش مصنوعی میتوانند جریانهای کاری رعایت مقررات را بهطور قابل توجهی سرعت بخشیده و در عین حال دقت گزارشها برای ناظران را بهبود دهند.
-
فرآیند ورود و شناخت مشتری
باز کردن حساب بانکی نیازمند تأیید هویت، بررسی مدارک و ارزیابی تقلب است.
سیستمهای دستیار هوش مصنوعی میتوانند این مراحل را بهصورت خودکار و پشتسرهم اجرا کنند.
-
عملیات معاملاتی
تسویه معاملات در بخش پشتی، یکی از پرقانونترین وظایف در امور مالی، نیز به یکی از گزینههای اصلی برای خودکارسازی تبدیل شده است.
بهجای آنکه کارکنان معاملات را بهصورت دستی مطابقت دهند، دستیارهای هوش مصنوعی میتوانند سوابق را تأیید کرده و دفاتر حسابداری را بلافاصله بهروز کنند.
آیا بانکها میتوانند به هوش مصنوعی خودکار اعتماد کنند؟
حقیقت ناخوشایند این است که دستیار هوش مصنوعی ریسکهای جدیدی را به همراه دارد.
سیستمهای دستیار هوش مصنوعی میتوانند بهطور مستقل عمل کرده و وظایف را انجام دهند. اگر یک سیستم دادههای بازار را اشتباه تفسیر کند یا قوانین نادرست را اعمال نماید، ممکن است قبل از دخالت انسان، زنجیرهای از اقدامات نادرست ایجاد شود.
این ریسک گاهی به چیزی که پژوهشگران آن را «خطاهای استنتاجی هوش مصنوعی» مینامند مرتبط است؛ حالتی که مدل بر اساس دادههای ناقص یا اشتباه، نتایج نادرست تولید میکند. در بانکداری، چنین خطاهایی میتواند بر اجرای معاملات، بررسی رعایت مقررات یا نظارت تراکنشها تأثیر بگذارد.
کارشناسان به سه چالش کلیدی هشدار میدهند:
-
شفافیت
تصمیمات هوش مصنوعی باید برای ناظران قابل توضیح باشد.
-
سوگیری در مدلهای مالی
دادههای آموزشی ممکن است منجر به نتایج ناعادلانه شوند.
-
گسترش خودمختاری خارج از چارچوب تعریفشده
سیستمهای هوش مصنوعی ممکن است شروع به تصمیمگیری فراتر از محدوده تعریفشده کنند.
برای مدیریت این ریسک، ناظران و سازمانهای جهانی در حال تدوین چارچوبهای ایمنی هستند.
برای مثال، ناظران اتحادیه اروپا (EU) از پیش به این مسائل پرداختهاند و با قوانینی مانند EU AI Act، نظارت سختگیرانهای بر سیستمهای هوش مصنوعی پرریسک در حوزه مالی اعمال میکنند.
به بیان دیگر، بانکها میتوانند جریانهای کاری را خودکار کنند، اما مسئولیت و پاسخگویی همچنان بر عهده انسانها باقی میماند.
پس… آیا دستیارهای هوش مصنوعی در حال تصاحب بانکداری هستند؟
نه دقیقاً. واقعیت پیچیدهتر است.
دستیار هوش مصنوعی به سرعت در حال تبدیل شدن به یک لایه نیروی کار دیجیتال در داخل مؤسسات مالی است. این سیستمها میتوانند وظایف تکراری را سریعتر و در مقیاس بزرگ انجام دهند.
اما مسئولیتهای اصلی، مانند تصمیمگیریهای ریسک، روابط با مشتریان و قضاوتهای استراتژیک، همچنان نیازمند نظارت انسانی هستند.
حتی پیشرفتهترین پیادهسازیهای هوش مصنوعی امروز با مکانیزم «نظارت انسانی در حلقه تصمیمگیری» (human-in-the-loop) عمل میکنند؛ یعنی کارکنان میتوانند هر زمان که لازم باشد، مداخله کنند.
مؤسسات مالی آینده ممکن است بانکداران را با هوش مصنوعی جایگزین نکنند، اما تقریباً مطمئن هستند که بانکداران با هزاران دستیار دیجیتال همکار خواهند شد.
این موضوع یک سؤال جذاب برای صنعت ایجاد میکند:
اگر دستیارهای هوش مصنوعی هماکنون میتوانند معاملات را اجرا کنند، رعایت مقررات را نظارت کنند و بازارها را تحلیل نمایند، بانکدار دهه آینده دقیقاً چه کاری انجام خواهد داد؟
یک چیز واضح است: شرح شغلی در حال تغییر است.
