غول‌های فناوری در حال نزدیک‌شدن به قلب نظام بانکی

به گزارش شبکه اطلاع‌رسانی طلا و ارز، هوش مصنوعی در حال تبدیل شدن به یکی از مهم‌ترین ابزارهای تحول در صنعت مالی است؛ بانک‌ها و شرکت‌های بیمه از این فناوری برای خودکارسازی فعالیت‌ها، کاهش هزینه‌ها، ارزیابی مشتریان و افزایش بهره‌وری استفاده می‌کنند. با این حال، سرعت بالای حرکت مؤسسات مالی به سمت هوش مصنوعی، نگرانی‌های تازه‌ای را نیز ایجاد کرده است.

آژانس رتبه‌بندی مودیز هشدار داده است که رقابت بانک‌ها برای استفاده گسترده از هوش مصنوعی ممکن است آنها را بیش از گذشته به تعداد محدودی از شرکت‌های فناوری، به‌ویژه شرکت‌های فعال در مدل‌های هوش مصنوعی و زیرساخت‌های ابری، وابسته کند. از نگاه مودیز، این وابستگی می‌تواند در صورت اختلال در خدمات یک شرکت بزرگ فناوری، به مشکلی فراتر از یک اختلال معمولی تبدیل شود و بخش‌های مختلف نظام مالی را تحت تأثیر قرار دهد.

بانک‌ها در رقابت هوش مصنوعی

مؤسسات مالی در بریتانیا و آمریکا سرمایه‌گذاری در هوش مصنوعی را با سرعت زیادی افزایش داده‌اند. طبق گزارشی از کمیته منتخب خزانه‌داری بریتانیا که در ژانویه منتشر شده، بیش از ۷۵ درصد شرکت‌های فعال در «سیتی» لندن اکنون از هوش مصنوعی استفاده می‌کنند. شرکت‌های بیمه و بانک‌های بین‌المللی از جمله بزرگ‌ترین استفاده‌کنندگان این فناوری هستند.

کاربرد هوش مصنوعی نیز دیگر محدود به فعالیت‌های آزمایشی نیست. شرکت‌های مالی از این فناوری برای خودکارسازی امور اداری و عملیاتی استفاده می‌کنند و حتی برخی فعالیت‌های اصلی کسب‌وکار را به آن سپرده‌اند؛ از پردازش پرونده‌های بیمه گرفته تا ارزیابی اعتبار مشتریان.

مودیز معتقد است این روند در بلندمدت می‌تواند به کاهش هزینه‌ها و افزایش درآمد بانک‌ها و شرکت‌های مالی منجر شود. با این حال، تحقق این مزایا به سرمایه‌گذاری‌های قابل توجه نیاز دارد. از سوی دیگر، زمانی که همه رقبای یک صنعت برای دستیابی به مزایای مشابه سرمایه‌گذاری کنند، بخشی از این دستاوردها ممکن است به دلیل رقابت شدید میان شرکت‌ها از بین برود.

به بیان دیگر، هوش مصنوعی می‌تواند بانک‌ها را کارآمدتر کند، اما اگر همه بانک‌ها هم‌زمان به فناوری مشابهی مجهز شوند، مزیت رقابتی حاصل از آن ممکن است در نهایت کاهش پیدا کند.

خطر وابستگی به چند شرکت فناوری

مهم‌ترین نگرانی مودیز، وابستگی صنعت مالی به تعداد محدودی از ارائه‌دهندگان مدل‌های پایه هوش مصنوعی و خدمات رایانش ابری است.

اگر بسیاری از بانک‌ها و شرکت‌های بیمه از زیرساخت یا مدل‌های هوش مصنوعی چند شرکت مشخص استفاده کنند، اختلال در یکی از این شرکت‌ها می‌تواند پیامدهایی گسترده داشته باشد. برای مثال، از کار افتادن یک مدل یا زیرساخت متعلق به یک ارائه‌دهنده بزرگ ممکن است به‌طور هم‌زمان مشتریان متعددی در صنایع مختلف را تحت تأثیر قرار دهد.

مودیز این وضعیت را نوعی «وابستگی سیستمی» می‌داند؛ یعنی مشکلی که در یک شرکت فناوری رخ می‌دهد، می‌تواند از مرز همان شرکت عبور کند و به بخش‌های مختلف اقتصاد و نظام مالی سرایت کند. به همین دلیل، با افزایش استفاده از هوش مصنوعی، احتمالاً نهادهای ناظر توجه بیشتری به تاب‌آوری عملیاتی بانک‌ها و میزان تمرکز آنها بر ارائه‌دهندگان شخص ثالث خواهند داشت.

خطر افزایش قدرت شرکت‌های هوش مصنوعی

موضوع دیگری که مودیز مطرح کرده، «ریسک وابستگی به فروشنده» است. در چنین شرایطی، تعداد محدودی از شرکت‌های قدرتمند ممکن است به مرور قدرت بیشتری برای تعیین قیمت خدمات هوش مصنوعی پیدا کنند.

این نگرانی در شرایطی اهمیت بیشتری پیدا می‌کند که برخی از شرکت‌های بزرگ هوش مصنوعی هنوز برای رسیدن به سودآوری تحت فشار سرمایه‌گذاران قرار دارند. شرکت‌هایی مانند OpenAI، سازنده ChatGPT، و Anthropic، شرکت سازنده Claude، در سال‌های گذشته سرمایه‌گذاری‌های سنگینی را برای توسعه مدل‌ها و زیرساخت‌های هوش مصنوعی جذب کرده‌اند و اکنون فشار برای ایجاد بازده اقتصادی بیشتر افزایش یافته است.

اگر بانک‌ها و سایر مؤسسات مالی به این شرکت‌ها وابستگی عمیقی پیدا کنند، افزایش قیمت خدمات هوش مصنوعی می‌تواند هزینه‌های آنها را نیز افزایش دهد. در نتیجه، فناوری‌ای که قرار است هزینه‌های بانک‌ها را کاهش دهد، ممکن است در شرایطی به منبع هزینه جدید تبدیل شود.

البته مودیز تأکید کرده است که بانک‌ها همچنان کنترل دارایی‌های کلیدی خود، از جمله داده‌های اختصاصی، را در اختیار دارند. علاوه بر این، بسیاری از بانک‌ها و شرکت‌های بیمه سابقه طولانی در مذاکره با شرکت‌های فناوری و کاهش هزینه قراردادهای فناوری دارند. استفاده از مدل‌های متن‌باز و ایجاد همکاری‌های مختلف با شرکت‌های فناوری نیز می‌تواند به کاهش میزان وابستگی کمک کند.

تهدیدهای امنیتی، حریم خصوصی و کلاهبرداری

وابستگی فناورانه تنها نگرانی صنعت مالی نیست. مودیز هشدار داده است که گسترش هوش مصنوعی می‌تواند ریسک‌های مربوط به حریم خصوصی داده‌ها، امنیت سایبری و کلاهبرداری را نیز افزایش دهد.

هرچه استفاده از هوش مصنوعی در فعالیت‌های اصلی بانک‌ها بیشتر شود، اهمیت حفاظت از داده‌های مالی و شخصی مشتریان نیز افزایش پیدا می‌کند. در چنین شرایطی، یک نقص امنیتی یا سوءاستفاده از فناوری می‌تواند پیامدهای گسترده‌ای برای بانک، مشتریان و حتی اعتماد عمومی به نظام مالی داشته باشد.

از طرف دیگر، استفاده گسترده از فناوری می‌تواند زمینه‌های جدیدی برای کلاهبرداری ایجاد کند. بنابراین، بانک‌ها علاوه بر سرمایه‌گذاری برای توسعه قابلیت‌های هوش مصنوعی، ناچارند منابع بیشتری را نیز به امنیت سایبری، حفاظت از داده‌ها و مدیریت ریسک اختصاص دهند.

نمونه مهم: برنامه ۱۳ میلیارد پوندی لویدز

یکی از نمونه‌های برجسته حرکت تهاجمی بانک‌ها به سمت هوش مصنوعی، برنامه لویدز بنکینگ گروپ است.

چارلی نان، مدیرعامل این گروه بانکی، اخیراً بر برنامه سرمایه‌گذاری ۱۳ میلیارد پوندی این مجموعه تأکید کرده است. هدف این برنامه استفاده از فناوری برای جذب مشتریان جدید، افزایش بهره‌وری و در نهایت افزایش پرداخت‌ها به سهامداران عنوان شده است.

با این حال، بخشی از این استراتژی شامل کاهش ۲ میلیارد پوند از هزینه‌هاست؛ اقدامی که مستقیماً بر نیروی انسانی تأثیر خواهد گذاشت.

نان نیز پذیرفته است که این برنامه بر مشاغل اثر خواهد گذاشت. در عین حال، او بر ضرورت بازآموزی کارکنان و استخدام نیروهای جدید تأکید کرده است. بنابراین، استراتژی لویدز نمونه‌ای از دو چهره متفاوت هوش مصنوعی در صنعت مالی است: از یک سو افزایش بهره‌وری و کاهش هزینه‌ها و از سوی دیگر تغییر ساختار مشاغل و احتمال حذف برخی وظایف انسانی.

آیا هوش مصنوعی جایگزین کارکنان بانک‌ها می‌شود؟

گسترش هوش مصنوعی نگرانی‌های جدی درباره آینده اشتغال در صنعت مالی ایجاد کرده است.

مودیز در گزارش خود برآورد کرده است که احتمال اینکه هوش مصنوعی تا سال ۲۰۳۰ بتواند کار یک نیروی انسانی «متوسط و باتجربه» را انجام دهد، حدود ۲۰ درصد است. هرچند این رقم به معنای قطعی بودن جایگزینی کارکنان نیست، اما نشان می‌دهد که احتمال تغییر جدی در ساختار مشاغل بانکی را نمی‌توان نادیده گرفت.

در چنین شرایطی، آینده اشتغال در بانک‌ها احتمالاً بیشتر از آنکه صرفاً به حذف شغل‌ها مربوط باشد، به تغییر ماهیت آنها وابسته خواهد بود. کارکنان ممکن است برای همکاری با سیستم‌های هوش مصنوعی به مهارت‌های جدید نیاز پیدا کنند و بخشی از مشاغل سنتی جای خود را به نقش‌هایی بدهند که بر نظارت، تحلیل، مدیریت فناوری و تصمیم‌گیری انسانی متمرکز هستند.

هوش مصنوعی و خطر خروج سریع سپرده‌ها

یکی دیگر از نکات مهم گزارش مودیز، تأثیر احتمالی هوش مصنوعی بر رفتار مشتریان بانکی است.

هوش مصنوعی می‌تواند مقایسه محصولات مالی و جابه‌جایی میان حساب‌های بانکی را برای مشتریان آسان‌تر کند. اگر مشتری بتواند با کمک ابزارهای هوشمند به سرعت حساب‌هایی با نرخ بهره بالاتر را شناسایی کند، ممکن است انتقال پول میان بانک‌ها نیز سریع‌تر و ساده‌تر شود.

این وضعیت می‌تواند خطر «فرار سپرده‌ها» یا خروج سریع حجم زیادی از منابع بانکی را افزایش دهد. در شرایطی که تعداد زیادی از مشتریان بتوانند تقریباً هم‌زمان تصمیم بگیرند پول خود را از یک بانک به بانک دیگری منتقل کنند، ثبات منابع سپرده‌ای بانک‌ها اهمیت بیشتری پیدا می‌کند.

مودیز در همین زمینه بر نقش اعتماد سپرده‌گذاران و تاب‌آوری و ثبات منابع سپرده‌ای تأکید کرده است. بنابراین، هوش مصنوعی فقط شیوه فعالیت بانک‌ها را تغییر نمی‌دهد؛ بلکه می‌تواند رفتار مشتریان و سرعت واکنش آنها به شرایط بازار را نیز تغییر دهد.

فرصت بزرگ، اما با هزینه و ریسک

در مجموع، گزارش مودیز تصویری دوگانه از آینده هوش مصنوعی در صنعت مالی ارائه می‌دهد. از یک طرف، بانک‌ها می‌توانند با استفاده از این فناوری هزینه‌های خود را کاهش دهند، فعالیت‌های پیچیده را سریع‌تر انجام دهند، خدمات بهتری ارائه کنند و مشتریان جدیدی جذب کنند.

از طرف دیگر، تحقق این مزایا بدون هزینه نیست. بانک‌ها باید سرمایه‌گذاری‌های سنگینی انجام دهند و هم‌زمان با ریسک‌هایی مانند وابستگی به شرکت‌های فناوری، اختلال در زیرساخت‌های هوش مصنوعی، افزایش هزینه خدمات، تهدیدهای سایبری، مشکلات حریم خصوصی، کلاهبرداری و تغییرات بازار کار مقابله کنند.

به همین دلیل، مسئله اصلی دیگر این نیست که آیا بانک‌ها باید از هوش مصنوعی استفاده کنند یا نه؛ بلکه این است که چگونه می‌توانند بدون ایجاد وابستگی خطرناک، از مزایای آن بهره ببرند.

نتیجه‌گیری

هشدار مودیز نشان می‌دهد که انقلاب هوش مصنوعی در صنعت مالی تنها یک داستان درباره افزایش بهره‌وری و کاهش هزینه‌ها نیست. هرچه بانک‌ها بیشتر از مدل‌های هوش مصنوعی و زیرساخت‌های ابری استفاده کنند، پیوند آنها با تعداد محدودی از شرکت‌های فناوری نیز عمیق‌تر خواهد شد؛ موضوعی که می‌تواند ریسک‌های جدیدی برای کل نظام مالی ایجاد کند.

در عین حال، بانک‌هایی مانند لویدز نشان داده‌اند که صنعت مالی قصد ندارد به دلیل این نگرانی‌ها از سرمایه‌گذاری در هوش مصنوعی عقب‌نشینی کند. برنامه ۱۳ میلیارد پوندی لویدز و هدف آن برای کاهش ۲ میلیارد پوند از هزینه‌ها، نمونه‌ای روشن از ابعادی است که این تحول می‌تواند پیدا کند؛ تحولی که همزمان بر هزینه‌ها، اشتغال، رقابت و رابطه بانک‌ها با مشتریان اثر خواهد گذاشت.

در نهایت، موفقیت بانک‌ها در عصر هوش مصنوعی فقط به میزان سرمایه‌گذاری آنها بستگی نخواهد داشت. بانک‌هایی موفق‌تر خواهند بود که بتوانند میان نوآوری و مدیریت ریسک تعادل ایجاد کنند، وابستگی خود به چند ارائه‌دهنده فناوری را کاهش دهند، امنیت و حریم خصوصی داده‌ها را جدی بگیرند و برای تغییر مهارت‌های نیروی انسانی آماده باشند.

هوش مصنوعی می‌تواند صنعت مالی را کارآمدتر کند؛ اما اگر وابستگی به زیرساخت‌های آن کنترل نشود، همان فناوری که قرار است بانک‌ها را قدرتمندتر کند، ممکن است بخشی از کنترل آنها را به دست شرکت‌های فناوری منتقل کند. این همان تناقضی است که به نظر می‌رسد در سال‌های آینده یکی از مهم‌ترین چالش‌های صنعت مالی خواهد بود.