علی گل‌زاده، متولد کرمان و مدیرعامل شرکت داتا، مسیر حرفه‌ای خود را از یک استارتاپ خانوادگی در کرمان آغاز کرد و با تجربه‌های متنوع در شرکت‌های نرم‌افزاری، امروز به مدیری تبدیل شده که تغییر فرهنگ داده و هوش مصنوعی در بانک‌ها را به مأموریت خود تبدیل کرده است. در گفت‌وگویی مفصل با گل‌زاده، درباره چشم‌انداز شرکت داتا، پروژه‌های کلان و مسئله‌محور آن، و رویکردش به نوآوری در اکوسیستم بانکی صحبت کردیم. طبق صحبت‌های او، داتا از ابتدا با هدف حل واقعی مشکلات بانک تجارت شکل گرفت و پروژه‌هایی مانند زیرساخت کلان‌داده بانک، مدل‌های اعتبارسنجی مبتنی بر هوش مصنوعی، سامانه هوشمند وصول مطالبات و اجرایی‌کردن حاکمیت داده نمونه‌هایی از تعهد این شرکت به راهکارهای عملی و مسئله‌محور هستند.

گل‌زاده معتقد است هر پروژه هوش مصنوعی باید پاسخی دقیق به یک نیاز واقعی باشد، نه صرفاً ابزاری پرزرق‌وبرق. همین باور باعث شده داتا همیشه مسئله‌محور عمل کند و در مواجهه با چالش‌های جدید، راه‌حل‌هایی خلاقانه و مبتنی بر نیاز واقعی ارائه دهد. در این مصاحبه، گل‌زاده درباره تغییر زبان داده در بانک تجارت، ایجاد اکوسیستم هوش مصنوعی، تدوین سند استراتژیک هوش مصنوعی بانک و چشم‌انداز داتا برای تبدیل‌شدن به یکی از سه شرکت برتر در توسعه اقتصاد داده کشور نیز صحبت می‌کند. او بر اهمیت مسئله‌محوری، تجمیع داده‌های پراکنده و توسعه راهکارهایی که به تصمیم‌گیری و نوآوری واقعی کمک می‌کنند، تأکید ویژه دارد و معتقد است این رویکرد، کلید موفقیت داتا در آینده است. در ادامه گزارشی از این گفت‌وگو را می‌خوانید.

از کرمان تا تهران

علی گل‌زاده، متولد سال ۱۳۶۴ و اهل کرمان است؛ فردی که به دلیل علاقه زیاد به کامپیوتر، در دانشگاه شهید باهنر کرمان وارد رشته مهندسی کامپیوتر شد. او درباره شروع مسیر حرفه‌ای خود این‌طور می‌گوید: «در اوایل دوره لیسانس، در سال ۱۳۸۲ یک شرکت خانوادگی در حوزه فناوری اطلاعات تأسیس کردیم که بیشتر در زمینه آموزش و مشاوره فعالیت می‌کرد. آن زمان در کرمان هیچ شرکت تخصصی در حوزه فناوری اطلاعات وجود نداشت و همین خلأ باعث شد شرکت ما خیلی زود شناخته شود. من هم‌زمان مدیر فنی، عضو هیئت‌مدیره و مدرس شرکت بودم؛ اما از کارهایی که چالش نداشته باشد زود خسته می‌شوم. درنتیجه پس از پایان دوره کارشناسی در سال ۱۳۸۷ به تهران آمدم و در شرکت تولید نرم‌افزارهای مخابراتی شروع به کار کردم. برای اینکه از سربازی معاف شوم، به طور هم‌زمان دوره ارشد نرم‌افزار دانشگاه تهران را نیز آغاز کردم.»

گل‌زاده تعریف می‌کند که در آن زمان قانونی وجود داشت که اگر سه برادر به سربازی بروند، برادر چهارم معاف می‌شود. او باتکیه‌بر همین قانون برای ادامه تحصیل در خارج از کشور برنامه‌ریزی کرده بود، اما با حذف این قانون مجبور به گذراندن سربازی شد: «به طور هم‌زمان دوره‌های زبان می‌گذراندم و پروژه‌های پاره‌وقت انجام می‌دادم. یک پروژه در وزارت امور خارجه تعریف شد که در آن همکاری داشتم و در همان‌جا توانستم امریه بگیرم. من اولین سربازی بودم که وزارت امور خارجه در حوزه فناوری اطلاعات به کار گرفت. دو سال به‌عنوان سرباز امریه روی پروژه‌ای مهم کار کردم، اما آن پروژه به دلیل تغییرات مدیریتی ناتمام ماند.»

پس از پایان سربازی، گل‌زاده به همکاری در وزارت خارجه دعوت می‌شود، اما روحیه چالشی‌اش با کارهای اداری سازگار نبود؛ بنابراین از آنجا بیرون آمد و به شرکت نرم‌افزاری رایورز رفت که به گفته او دومین شرکت بزرگ کشور در حوزه نرم‌افزارهای اداری بود: «در تیمی نرم‌افزاری به‌عنوان برنامه‌نویس مشغول کار شدم و طی شش ماه به جایگاه مدیر فنی ارتقا پیدا کردم؛ اتفاقی که معمولاً پنج تا شش سال طول می‌کشید.»

ورود به شرکت‌های نرم‌افزاری و شکل‌گیری ایده داتا

بعد از مدتی، ارتقا به جایگاه مدیر اتوماسیون و سپس مشاور حوزه نرم‌افزار کل شرکت، تجربه‌های تازه‌ای برای گل‌زاده به همراه داشت. همکاری او با رایورز حدود پنج سال طول کشید تا در نهایت احساس کرد دیگر چالشی برایش باقی نمانده است: «پس از خروج، در شرکت تکنوتجارت مدیر استارتاپ استودیو شدم. آن زمان تازه استارتاپ استودیو را راه‌اندازی کرده بودیم و هر ایده‌ای که از سمت بانک تجارت می‌آمد، تیم‌هایی تشکیل می‌دادیم تا محصول مرتبط را توسعه دهیم. در آنجا سه چهار محصول متناسب با نیاز بانک تجارت ساختیم.»

پس از دو سال مدیریت استارتاپ استودیو، گل‌زاده به‌عنوان معاون نوآوری تکنوتجارت منصوب شد و در اواخر سال ۱۴۰۱، پیشنهاد تشکیل شرکتی جدید با تمرکز بر داده در این بانک مطرح شد:

«باتوجه‌به نیازها و چالش‌های بانک تجارت، تصمیم گرفته شد شرکتی تخصصی در حوزه داده شکل گیرد. گزارش‌های مدیریتی بانک نمی‌توانستند اطلاعات دقیقی برای تصمیم‌گیری ارائه دهند و داده‌ها پراکنده و ناسازگار بودند. به همین دلیل مقدمات تأسیس شرکت داتا در سال ۱۴۰۱ آغاز و از خرداد ۱۴۰۲ فعالیت رسمی‌اش شروع شد. ابتدا در فضایی ۱۵۰ متری شروع کردیم و به‌تدریج تیم را شکل دادیم و اکنون به مجموعه‌ای ۸۰نفره رسیده‌ایم.»

گل‌زاده درباره روحیه چالش‌جوی خود و تنوع فعالیت‌های داتا می‌گوید: «چالش‌های داتا از جنس‌های گوناگونی است؛ از دشواری‌های فنی گرفته تا مدیریت منابع انسانی و ارائه خدمت به اکوسیستم بانکی. همین تنوع و پیچیدگی باعث شده کار در این شرکت برایم جذاب باشد.»

تلاش برای تثبیت جایگاه داتا

شرکت داتا فعالیت خود را به‌عنوان بازوی داده و هوش مصنوعی بانک تجارت با هدف ایجاد زیرساخت‌های تجمیع و تحلیل داده در سال ۱۴۰۲ آغاز کرد. به گفته گل‌زاده، داده‌های بانک تجارت مانند همه سازمان‌های بزرگ در ابتدا پراکندگی زیادی داشت: «وقتی شروع کردیم، شرکت‌هایی به طور جداگانه روی داده‌ها کار می‌کردند؛ بنابراین باید ابتدا خودمان را به بانک ثابت می‌کردیم تا مأموریت‌های رسمی به ما سپرده شود. در کنار آن، جذب نیرو از میان افرادی که سال‌ها در شرکت‌های زیرمجموعه بانک فعالیت کرده بودند، کار دشواری بود؛ چون نسبت به آینده این شرکت اطمینان نداشتند. تا سال ۱۴۰۳ این چالش ادامه داشت، اما از سال ۱۴۰۴ به بعد توانستیم اعتماد بانک را جلب کنیم و امروز هر فعالیتی در حوزه داده و هوش مصنوعی در بانک تجارت، تحت مسئولیت داتا انجام می‌شود.»

ورود جدی بانک تجارت به عرصه هوش مصنوعی

تا اواخر سال ۱۴۰۳، استفاده از هوش مصنوعی در پردازش داده‌های بانکی در کشور چندان رایج نبود؛ اما با تب‌وتابی که در این حوزه شکل‌گرفته و حمایتی که بانک تجارت از آن به عمل آورد، از اوایل سال ۱۴۰۴ به‌کارگیری فناوری هوش مصنوعی در این بانک اهمیت ویژه‌ای پیدا کرده است. گل‌زاده با اشاره به این روند می‌گوید: «ترجیح ما این است که هرجا یک محصول یا خدمت در اکوسیستم بانکی کشور وجود دارد، آن را شناسایی کرده و در اختیار بانک قرار دهیم. اما هرجا چنین محصول یا خدمتی پیدا نشود، تیم‌هایی برای توسعه آن می‌سازیم.»

عبور از چالش‌های اولیه و اثبات توانمندی

تا انتهای سال ۱۴۰۳، بزرگ‌ترین چالش داتا اثبات توانمندی خود برای رفع دغدغه‌های یک بانک خوش‌سابقه و در‌عین‌حال تجمیع کل داده‌های بانک در یک شرکت بود. مدیرعامل داتا با بیان این موضوع، درباره مهم‌ترین چالش‌هایی که پشت سر گذاشته‌اند، می‌گوید:

«در دو سال اول، زمان و انرژی زیادی بابت این قضیه گذاشتیم؛ ولی به دلیل حمایت بانک تجارت توانستیم از چالش‌ها به‌سلامت بگذریم. در تمام سال‌های اخیر، شرکت‌های فناور با چالش منابع انسانی نیز دست‌وپنجه نرم می‌کنند. نیروی متخصص و باتجربه در حوزه‌ی داده و هوش مصنوعی خیلی کم‌پیدا می‌شود. امروز اکثر فارغ‌التحصیلان دانشگاه آشنایی اولیه باهوش مصنوعی دارند. عده‌ای برای پایان‌نامه لیسانس، ارشد یا دکترای خودشان باهوش مصنوعی آشنا می‌شوند؛ ولی موقع جذب و به‌کارگیری آن افراد متوجه می‌شویم که دانش آنها عمیق نیست؛ شاید ظاهر الگوریتم و مدل‌های هوش مصنوعی را بشناسند، ولی زیرساخت‌های داده‌ای بزرگ و استاندارد کیفیت و تجمیع آن را نمی‌شناسند. در کل، بازار کار این حوزه داغ است؛ ولی کسانی که کسب‌وکار و داده‌های بانکی را بفهمند، کم هستند و اغلب فارغ‌التحصیلان در این زمینه عمیق نیستند.»

داتا برای نیروهایی که تازه به این شرکت می‌آیند، دوره‌های آموزشی زیربنایی برگزار می‌کند. گل‌زاده می‌گوید: «موقعی که من کار برنامه‌نویسی می‌کردم، بخش عمده‌ای از کار من «کارِ گل» بود؛ ظاهر و رابط کاربری برنامه کار گل به‌حساب می‌آمد؛ اکنون شرایط برعکس شده است. نسل جدید به‌سختی می‌نشیند که کارِ گل را یاد بگیرد و انجام دهد. متخصصان هوش مصنوعی لایه‌های بالای کار را خوب بلد هستند؛ ولی دغدغه‌ی شرکت‌هایی مثل ما را به‌سختی می‌توانند حل کنند. پس مجبوریم افراد قدیمی و باتجربه‌ی این حوزه را جذب کنیم یا آنها را در کنار تازه‌واردهایی بگذاریم که آموزش تخصصی لازم دارند.»

او در ادامه می‌افزاید: «باتوجه‌به جدید بودن حوزه‌ی هوش مصنوعی در ایران و در دنیا و با درنظرگرفتن شرایط اقتصادی و سیاسی کشور، نگهداشت نیروی انسانی متخصص در شرکت‌های فناور به‌سختی انجام می‌شود.»

حرکت مسئله‌محور در مسیر هوش مصنوعی

شرکت داتا به‌صورت هم‌زمان در دو حوزه داده و هوش مصنوعی فعالیت می‌کند؛ اما به گفته گل‌زاده، استراتژی این شرکت در حوزه هوش مصنوعی بر پایه حل مسئله استوار است، نه ساخت خدمات پرزرق‌وبرق بدون ارزش کاربردی. او می‌گوید: «هدف ما این نیست که صرفاً ابزارهای جذاب اما بی‌اثر بسازیم؛ می‌خواهیم محصولات و راهکارهایی خلق کنیم که واقعاً مسئله‌ای از بانک را حل کنند و کارآمدی واقعی به همراه داشته باشند.»

باتوجه‌به این موضوع، شرکت داتا بیشترین تمرکز خود را در حال حاضر بر نیازهای بانک تجارت در حوزه «علوم داده و هوش مصنوعی» گذاشته و درعین‌حال تعامل با نهادهای بیرونی را نیز دنبال می‌کند. مدیرعامل داتا در این باره توضیح می‌دهد: «برای مثال، مجموعه‌ای از دستیارهای هوش مصنوعی را برای بانک تجارت طراحی کرده‌ایم. به‌زودی نیز نخستین دستیار هوش مصنوعی بانک تجارت رونمایی خواهد شد.»

به‌مرور، ایده ایجاد دستیارهای مدیریتی که پاسخگوی نیاز مدیران بانک تجارت باشند و نیز دستیارهایی که توانایی تحلیل قوانین و مقررات بانکی را دارند، موردتوجه مدیران بانک تجارت قرار گرفت. گل‌زاده دراین‌خصوص می‌گوید: «برای تحقق این هدف باید از داده‌های اختصاصی بانک استفاده می‌کردیم که امکان خروج آنها از سیستم وجود نداشت؛ به همین دلیل طی شش ماه گذشته تیم‌های ویژه‌ای برای رفع این نیاز تشکیل داده‌ایم. تلاش ما این است که در برابر هر نیاز جدید، واکنشی چابک و سریع داشته باشیم.»

حاکمیت داده؛ پروژه‌ای بی‌سابقه در ایران

تأسیس شرکت داتا درواقع زمینه‌ساز پروژه‌ی حاکمیت داده در بانک تجارت شده است. گل‌زاده می‌گوید: «ما شروع به سیاست‌گذاری و استخراج فرایندها و قوانین مبتنی بر داده در داخل بانک کرده‌ایم. از لحظه تولید داده در سیستم‌های عملیاتی تا قرارگیری آن در ابزارهای کسب‌وکار، استانداردهای امنیت و کیفیت باید رعایت شود. این کار در بانک تجارت که سامانه‌های زیادی دارد، بسیار پیچیده است. حاکمیت داده در سازمان‌های بزرگ نیازمند ابزارهایی است که در ایران به‌سختی تأمین می‌شوند. مشغول بررسی ابزارهای اوپن سورس هستیم و در صورت عدم موفقیت، به سراغ خرید خارجی خواهیم رفت. اجرای بخشی از استانداردهای کیفی حاکمیت داده تا پایان سال، یکی از تجارب موفق ما خواهد بود که می‌تواند الگویی برای صنایع دیگر نیز باشد.»

ایجاد زیرساخت کلان‌داده برای بانک تجارت

ایجاد زیرساخت کلان‌داده برای بانک تجارت یکی از مهم‌ترین پروژه‌های جاری داتا به شمار می‌رود که هدف آن، دستیابی به دیتای متمرکز و یکپارچه است. گل‌زاده توضیح می‌دهد که در این پروژه، آنها به دنبال تجمیع داده‌های کلیدی از سیستم‌ها و سامانه‌های مختلف بانک تجارت هستند تا زیرساختی قدرتمند برای تحلیل داده‌ها و استفاده از هوش مصنوعی فراهم کنند. این زیرساخت باید بتواند داده‌های حجیم و پیچیده را با سرعت بالا پردازش کرده و پاسخ‌های دقیق ارائه دهد. او می‌گوید: «ما این پروژه را در بانک تجارت شروع کرده‌ایم. از اوایل تأسیس داتا همین موضوع مطرح شد و فرایند کار در داخل بانک آغاز شد. مهم‌ترین فاز پروژه‌ی زیرساخت کلان‌داده بانک تجارت قرار است تا انتهای سال ۱۴۰۴ به ثمر برسد. برای مدیریت کلان‌داده، تأمین زیرساخت سخت‌افزاری مناسب اهمیت زیادی دارد. تأمین سخت‌افزار همیشه سخت بوده و اخیراً خیلی سخت‌تر شده است. تمام سازمان‌هایی که با کلان‌داده و هوش مصنوعی سروکار دارند، همین دغدغه‌ها را پیش روی خود می‌بینند. امیدواریم تا آخر سال تجهیزات سخت‌افزاری مناسبی را تأمین کنیم و برنامه‌هایمان سرعت بیشتری بگیرد.»

توسعه مدل اعتبارسنجی مبتنی بر داده‌های بانک تجارت

در کنار پروژه‌ی کلان‌داده بانک تجارت که تا انتهای سال جاری قرار است به اجرا درآید، پروژه‌ی اعتبارسنجی نیز از سال گذشته با کمک هوش مصنوعی در شرکت داتا آغاز شده است. گل‌زاده در توضیح این پروژه می‌گوید: «یکی از دغدغه‌های بانک تجارت مربوط به اعتبارسنجی تسهیلات آنلاین است. بسیاری از افرادی که تسهیلات می‌گیرند، هیچ رفتار مالی پیشینی در شبکه‌ی بانکی نداشته‌اند و از این بابت رتبه‌ی اعتباری آنها پایین می‌آید. ما نوعی مدل اعتبارسنجی متکی به داده‌های بانک تجارت و رفتار شخص را شکل دادیم. امروز هر فرد از بانک تجارت درخواست تسهیلات و اعتبار کند، امتیاز او باتوجه‌به دیتای بانک محاسبه و احتمال نکول پیش‌بینی می‌شود. حتی نحوه‌ی بازپرداخت اقساط، مبلغ، نوع و شیوه‌ی بازپرداخت را نیز می‌توانیم به او پیشنهاد دهیم.»

شرکت‌هایی که در ایران اعتبارسنجی می‌کنند فقط به دیتای داخلی سازمان خود دسترسی دارند و هیچ مجوز فراتری برای دسترسی به داده‌های غیربانکی یا سازمان‌های دیگر ندارند. مدیرعامل داتا با بیان این موضوع می‌گوید: «از چندین ماه قبل، وزارت اقتصاد دستورالعمل تازه‌ای برای دریافت مجوز تبادل دیتا ارائه کرده است. داتا هم به دنبال اخذ مجوز رفته ولی اجرای این دستورالعمل بلاتکلیف مانده است. اکنون دستورالعمل را داریم ولی آیین‌نامه‌ی اجرایی آن شکل نگرفته است.

اگر این آیین‌نامه بیرون بیاید، یک اتفاق خوب برای تجمیع داده‌های کل کشور در یک سازمان متولی خواهد بود. بدین ترتیب، بخش عمده‌ی داده‌های هر فرد حقیقی می‌تواند در یک جا تجمیع شود. تجمیع دیتای ایرانیان در یک مرجع مشخص، تحولی بزرگ در تحلیل‌های اعتبارسنجی و پیش‌بینی رفتار مشتری خواهد بود. شرکتی مثل داتا هم برای اعتبارسنجی و هم رتبه‌بندی افراد می‌تواند به این دیتا متکی باشد. حاکمیت نیز می‌تواند بر اساس دیتا تصمیم‌های مهمی بگیرد و سیاست‌هایی را بچیند.»

به گفته گل‌زاده، مدل اعتبارسنجی داخلی داتا بر اساس داده‌های بانکی فعال شده است، اما توسعه‌ی آن مستلزم دریافت مجوز اعتبارسنجی دیگری خواهد بود.

هوشمندسازی سامانه وصول مطالبات بانک تجارت

وصول مطالبات در یک بانک بزرگ فرایندی زمان‌بر و پیچیده دارد. گل‌زاده درباره پروژه بزرگی که در این خصوص در بانک تجارت در دستور کار دارند، این‌طور توضیح می‌دهد: «کلیت ماجرا این است که یک نفر تسهیلات می‌گیرد و بازپرداخت نمی‌کند. پیگیری بازپرداخت از شعبه آغاز می‌شود، سپس به منطقه و ستاد بانک می‌رود و در نهایت اگر نتیجه‌ای حاصل نشود، شرکت‌های بیرونی وارد می‌شوند. کل این چرخه تا پیش از ورود داتا، دارای سیستم‌های پراکنده بود که جدا از هم عمل می‌کردند. اولین اقدام ما تجمیع تمام سیستم‌های وصول مطالبات در یک بستر یکپارچه بود. تمام داده‌های تسهیلات بانک که به افراد مختلف داده می‌شود، پشتوانه‌ی سامانه خواهد بود. سامانه‌های داتا داده‌محور هستند؛ یعنی ما سامانه‌های عملیاتی پیاده‌سازی نمی‌کنیم و سامانه‌هایی را توسعه می‌دهیم که ماهیت داده‌محور داشته باشند.»

به گفته‌ی گل‌زاده، برای سامانه‌ی وصول مطالبات، مدل ایرانی موفقی وجود نداشت و نمونه‌های خارجی به دلیل تحریم‌ها قابل‌استفاده نبودند، بنابراین تصمیم گرفتند سیستم بومی طراحی کنند. امروز کل داده‌های تسهیلات بانک تجارت که در چندین سیستم و اپلیکیشن مختلف تولید می‌شود یکپارچه شده و سامانه‌ای منسجم برای آن ساخته شده است: «گام بعدی، هوشمندسازی ارائه تسهیلات و وصول مطالبات است تا افراد با ریسک بالا از روز اول تسهیلات دریافت نکنند و فرایند وصول مطالبات به شکل سیستماتیک و هوشمند انجام شود.»

مسیر سه‌ساله تا تحول در اکوسیستم بانکی

به گفته گل‌زاده، شرکت داتا هم‌اکنون در سال اول اجرای سند راهبردی خود قرار دارد و پیش‌بینی کرده‌اند که تا سال سوم دغدغه‌های بانک تجارت را پاسخگو باشند و درعین‌حال هر محصولی که توسعه می‌یابد، قابل‌ارائه به سایر بخش‌های اکوسیستم مالی و بانکی کشور نیز باشد. او دراین‌خصوص می‌گوید:

«در سال سوم قرار است ۳۰درصد درآمد ما از سایر بخش‌های اکوسیستم بانکی کشور به دست آید. این رقم تا سال پنجم باید بین ۵۰ تا ۶۰درصد باشد. به‌مرورزمان، صنعت مالی و بانکی کشور را بهتر می‌شناسیم و آن دسته محصولات داخلی را توسعه می‌دهیم که هم اکنون در بازار وجود ندارند یا نمی‌توانند دغدغه‌ی بانک‌های بزرگ را برآورده سازند. تیم‌های خود را به نحوی شکل می‌دهیم که تا سال پنجم، حرفی برای گفتن در این اکوسیستم داشته باشیم.»

تغییر زبان داده در بانک تجارت؛ از ارائه محصول تا تحول فرهنگی

در حال حاضر، داتا به‌عنوان بازوی تخصصی داده و هوش مصنوعی بانک تجارت شناخته می‌شود، اما گل‌زاده می‌گوید این جایگاه نه آنها را راضی می‌کند و نه مدیران ارشد بانک را. به گفته‌ی او، صرف ارائه‌ی چند محصول یا خدمت، هدف نهایی داتا نیست؛ بلکه آنها می‌خواهند اتفاقی بزرگ‌تر را رقم بزنند و زبان و ادبیات حاکمیت داده را در بانک تجارت تغییر دهند.

او در توضیح این موضوع می‌گوید: هرگاه بخواهیم فرهنگ‌سازی حوزه‌ی داده و هوش مصنوعی را در بانک جلو ببریم، اولین راهکاری که به ذهنمان می‌رسید، برگزاری دوره‌های آموزشی تخصصی است که همین حالا نیز آغاز شده است. دومین راهکار مهم این بود که بدنه‌ی بانک را با روش‌های رفع نیاز خودشان و دغدغه‌های خودمان همراه کنیم. در این راستا، به کمک هلدینگ فناوری و نوآوری بانک تجارت یعنی تفتا، رویدادی به نام «چالشگران هوش مصنوعی» تعریف کردیم که هدف آن احصای دغدغه‌ها و چالش‌ها از درون بدنه‌ی بانک بود. به‌این‌ترتیب می‌توانستیم همراهی کارکنان بانک را جلب کنیم و دغدغه‌هایی را که پیش‌تر درکی نسبت به آن نداشتیم، برطرف سازیم.

در ابتدا انتظار نداشتیم چنین استقبالی از چالشگران هوش مصنوعی صورت گیرد، اما ایده‌های بسیار خوبی از شعب بانک تجارت و شهرهای مختلف دریافت کردیم. در یک فرایند پنج تا شش‌ماهه، از جذب ایده تا بوت‌کمپ و مراسم اختتامیه، بیش از ۵۵۰ طرح را داوری کردیم و در نهایت به ۱۰ طرح برتر رسیدیم که تا آخر سال اجرایی می‌شوند.»

دستاوردهای رویداد «چالشگران هوش مصنوعی»

رویداد «چالشگران هوش مصنوعی»، نخستین رویدادی بود که نه در دانشگاه‌ها و محافل آکادمیک، بلکه در دل بانک و با مشارکت مستقیم کارمندانش برگزار شد. هدف اصلی‌اش نیز فرهنگ‌سازی، توانمندسازی و مهم‌تر از همه تبدیل دغدغه‌های واقعی بانک به پروژه‌های اجرایی مبتنی بر هوش مصنوعی بود. به گفته گل‌زاده چشم‌انداز چالشگران هوش مصنوعی محدود به بانک تجارت نیست و خروجی این تجربه می‌تواند به محصولاتی تبدیل شود که در سایر بانک‌ها و صنایع دیگر مالی و غیرمالی نیز قابل‌پیاده‌سازی باشد.

او درباره‌ی خروجی این رویداد می‌گوید: «برای هر یک از ۱۰ ایده‌ی برتر، راهنما و منتور تعیین کردیم و در یک بوت‌کمپ دو روزه، سه ایده‌ی نهایی را انتخاب کردیم. این تجربه دستاوردهای زیادی برای ما داشت. این رویداد باعث شد ارتباط مؤثری با شعب و واحدهای مختلف برقرار کنیم و همه، شرکت داتا را بشناسند. ایده‌های خلاقانه‌ای به دستمان رسید که انتظار نداشتیم مطرح شوند. در نهایت، مجموعه‌ای از ایده‌های اجرایی برای پیاده‌سازی در بانک تجارت شکل گرفت. نکته مهم این است که چالشگران هوش مصنوعی نشان داد که تحول دیجیتال در یک سازمان سنتی الزاماً از بالابه‌پایین شکل نمی‌گیرد، بلکه می‌تواند از دل کارمندان آغاز شود.»

داتا تغییر زبان و ادبیات مدیریت داده در بانک تجارت را رسالت اصلی خود می‌داند. گل‌زاده با بیان این موضوع می‌گوید: «نقشه‌ی راهی که اوایل امسال برای بانک تجارت ترسیم کردیم، زمان‌بندی دوساله‌ای دارد. هدف ما این است که بانک تجارت در بهره‌گیری از خدمات هوش مصنوعی بانکی پیشتاز شود. البته هوشمندسازی کامل فرایندهای یک بانک بزرگ با محصولات و مشتریان زیاد و فرایندهای پیچیده در کوتاه‌مدت ممکن نیست، اما استفاده از خدمات هوش مصنوعی می‌تواند تجربه‌ی مشتری را بهبود بخشد و تنوع خدمات را افزایش دهد. از این منظر، بانک تجارت در مقایسه با هم‌رده‌های خود جایگاه برتری خواهد داشت. شاید بانک‌های کوچک‌تر از نظر فناوری جلوتر باشند، اما تا پایان سال ۱۴۰۵ ان‌شاءالله بانک تجارت به الگویی در میان بانک‌های بزرگ کشور تبدیل خواهد شد.»

شکل‌گیری و تقویت «سفیران هوش مصنوعی» در بانک تجارت

در بانک تجارت، در یک سال گذشته جامعه‌ای کوچک به نام سفیران هوش مصنوعی شکل‌گرفته که پس از رویداد «چالشگران هوش مصنوعی» قرار است توسعه یابد و افراد علاقه‌مند تحت آموزش تخصصی قرار گیرند تا سفیران توانمندسازی حوزه هوش مصنوعی در بخش‌های مختلف بانک باشند. به باور گل‌زاده، چالشگران هوش مصنوعی فقط یک رویداد نیست و از لحظه‌ی انتشار فراخوان تا پایان رویداد، آموزش و فرهنگ‌سازی در آن استمرار دارد.

او می‌گوید: «چالشگران هوش مصنوعی تنها یک رویداد ایده‌پردازی نبود؛ بلکه اثری عمیق بر فرهنگ‌سازمانی بانک گذاشت. حالا هر کدام از ۵۵۰ شرکت‌کننده‌ی این رویداد می‌توانند سفیر این حوزه در یک بانک بزرگ باشند. بدین ترتیب، جاری‌سازی خدمات هوش مصنوعی در بانک تجارت تسهیل می‌شود. بدون حضور این افراد، مسیر پیش رو دشوار خواهد بود. وقتی یک شرکت بیرونی بخواهد کاری برای بانک انجام دهد، سخت‌تر پذیرفته می‌شود نسبت به افرادی که در بدنه‌ی بانک و معاونت‌ها و بخش‌های مختلف مشغول فعالیت هستند؛ بنابراین مسیر را طوری جلو می‌بریم که هم آورده‌ای برای سفیران داشته باشد و هم خواسته‌های موردانتظار خودمان تحقق یابد.»

سفیران هوش مصنوعی می‌توانند در فرایند آموزش، پیاده‌سازی ابزارهای هوش مصنوعی، ایده‌پردازی و توسعه‌ی ابزارها نیز مشارکت داشته باشند و اجرای سیاست‌های داتا را از پایین‌به‌بالا دنبال کنند. مدیرعامل داتا دراین‌خصوص می‌گوید: «ما در تصمیم‌گیری‌های بالابه‌پایین دغدغه‌ی چندانی نداریم. هرچقدر مدیران کلان از سیاست‌های خود حمایت و پشتیبانی کنند، سریع‌تر به بدنه منتقل می‌شود. همراهی بدنه از پایین‌به‌بالا باعث می‌شود درگیری‌های روزمره، تحولات نوین را به حاشیه نفرستد. این روش می‌تواند الگویی موفق برای سازمان‌هایی باشد که در نهادینه‌سازی نوآوری سازمانی موفق نبوده‌اند.»

تدوین سند استراتژیک هوش مصنوعی بانک تجارت

شرکت داتا مسئول تدوین نقشه راه هوش مصنوعی بانک تجارت است و به همین خاطر در ابتدای سال ۱۴۰۴، نقشه راه آغازین هوش مصنوعی را ارائه داد تا ادبیات خود را با بانک تجارت همسو کند. گل‌زاده می‌گوید که بر اساس آن سند، چند پروژه تعریف و آغاز شده است. برای ایجاد انسجام بیشتر و تبدیل برنامه‌ی دوساله به یک برنامه‌ی پنج‌ساله، آنها تدوین سند استراتژیک هوش مصنوعی را آغاز کرده‌اند؛ سندی که استراتژی‌های کلان بانک را در کنار نقشه راه زیربنایی و روشنی قرار می‌دهد. او در توضیح این سند می‌گوید: «امیدواریم این نقشه طی دو ماه آینده به بانک ارائه شود. در هیچ بانک دیگری هم نشنیده‌ایم که سند استراتژی کلان هوش مصنوعی تهیه شود. این تجربه در ایران جدید است. ما برای تدوین سند، هم مشاورانی از درون بانک و هم تعدادی از بیرون را به همکاری دعوت کرده‌ایم.»

هوشمندسازی واحدهای داتا با ابزارهای هوش مصنوعی

سیاست دیگری که از ابتدای سال جاری در داتا دنبال شده، مجهز کردن تمام واحدهای شرکت به ابزارهای هوش مصنوعی است؛ حتی واحدهایی مانند منابع انسانی و روابط‌عمومی که ارتباط مستقیمی با هوش مصنوعی ندارند. گل‌زاده درباره لزوم این اقدام می‌گوید: «اگر بخواهیم به هوشمند شدن دیگر شرکت‌ها کمک کنیم، باید ابتدا خودمان مجهز به خدمات هوش مصنوعی باشیم. در برنامه شش‌ماهه دوم ۱۴۰۴، پیش‌بینی کرده‌ایم که درصدی از کارهای هر تیم از طریق هوش مصنوعی انجام شود. هنگام تدوین بودجه‌ی سال آینده نیز باید مشخص شود چه درصدی از نیازهای نیروی انسانی هر بخش از طریق هوش مصنوعی حل می‌شود. هر کاری که هوش مصنوعی قادر به انجام آن باشد، استخدام نیروی انسانی برای آن تأیید نمی‌شود.

در ایران، تاکنون در حوزه‌های کسب‌وکار مانند منابع انسانی، پشتیبانی و امور مالی، توسعه ابزارهای هوش مصنوعی جدی دنبال نشده است؛ بنابراین در ابتدای کار، هوش مصنوعی در حد R&D و آموزش در شرکت استفاده می‌شود. امیدواریم تا پایان سال ۱۴۰۴، درصدی از فعالیت هر واحد بر بستر هوش مصنوعی انجام شود تا آثار فناوری هوش مصنوعی در کل شرکت دیده شود و تجربه سازمانی خوبی به دست آید. معتقدم وقتی می‌خواهیم تغییر در یک بانک بزرگ ایجاد کنیم، باید تغییر از شرکت خودمان آغاز شود.»

گل‌زاده همچنین به رشد نیروی انسانی داتا اشاره می‌کند: «تعداد نیروهای داتا از اسفند ۱۴۰۳ تا مهر ۱۴۰۴ دوبرابر شده است. هوش مصنوعی باعث کاهش تعداد نیروها نمی‌شود اما سرعت استخدام را کاهش می‌دهد. به‌ویژه در بخش‌های ستادی، سعی داریم با حداقل منابع انسانی موردنیاز و حداکثر بازدهی فعالیت کنیم.»

بومی‌سازی هوش مصنوعی؛ واقعیت یا شعار؟

بسیاری از بانک‌ها به دنبال بومی‌سازی مدل‌های هوش مصنوعی هستند؛ ولی آیا ایران به مرحله‌ای رسیده که حرف از مدل‌های بومی هوش مصنوعی بزند؟ گل‌زاده در پاسخ به این پرسش توضیح می‌دهد: «هر جا اسم هوش مصنوعی بیاید، همه به فکر چت‌بات و LLM می‌افتند، درحالی‌که اقتضای صنعت، غیر از این است. بر اساس آمار دانشگاه MIT، از میان کل پروژه‌هایی که در دنیا در حوزه‌ی هوش مصنوعی تعریف شده، ۹۵درصد در حد پایلوت مانده و هرگز به اجرا درنیامده‌اند. علت اجرایی‌نشدن پروژه‌های هوش مصنوعی در دنیا نه موانع قانون‌گذاری است و نه کمبود زیرساخت‌های فنی، بلکه ضعف در تشخیص نیاز صنعت و انطباق با آن است. البته عدم دسترسی به کلان‌داده نیز مزید بر علت می‌شود.

هرجا که مسئله‌محور کار نکنند، به موفقیت نمی‌رسند. در ایران نیز همه‌جا باب شده که یک سری چت‌بات بالا بیاورند و اسمش را هوش مصنوعی بگذارند. البته در صنعت بانکی نیاز زیادی به چت‌بات داریم، اما در سایر صنایع، بیشترین دغدغه مربوط به تأمین «داده» است. به نظر من، آن اندازه که در فناوری‌های مختلف از دنیا عقب‌مانده‌ایم، در حوزه‌ی هوش مصنوعی عقب‌ماندگی کمتری داریم؛ چراکه در دنیا هم این‌طور نیست که کارهای خیلی عجیبی در حوزه‌ی هوش مصنوعی اتفاق افتاده باشد، ولی فاصله‌ی ما نسبت به دنیا هر روز بیشتر می‌شود.»

بسیاری از صنایع جهان هنوز به‌طورجدی به سمت بهره‌گیری از هوش مصنوعی نرفته‌اند. هرجا صحبت از نوآوری می‌شود، شرکت‌ها ناگزیر باید هزینه‌ای برای آزمون‌وخطا بپردازند. گل‌زاده دراین‌باره می‌گوید: «این‌که ۹۵ درصد پروژه‌های هوش مصنوعی در دنیا هرگز به مرحله‌ی اجرا نرسیده‌اند، درواقع فرصتی برای ایران است؛ چراکه هنوز فضای رشد و تجربه در این حوزه بسیار باز است. باید حوزه‌ی داده و هوش مصنوعی را یک اقیانوس آبی دانست که ظرفیت کار برای همه وجود دارد. با‌این‌حال، مشکل اصلی این است که دسترسی به داده در بیشتر سازمان‌ها محدود است و هر اقدام مؤثری باید در درون همان سازمان انجام شود. اگر سیاستی کلان و منسجم در این زمینه تدوین شود، شرکت‌های فعال در حوزه‌ی داده و هوش مصنوعی که امروز پروژه‌های کوچکی در بیرون از سازمان‌ها دارند، می‌توانند با سرعت بیشتری رشد کنند و به بازیگران بزرگ این عرصه تبدیل شوند.»

به باور او، بانک‌ها ازآنجاکه همواره پیشتاز حوزه‌ی فناوری بوده‌اند، در زمینه‌ی بهره‌گیری از هوش مصنوعی نیز پیشگام خواهند بود: «با ظهور هوش مصنوعی به مفهوم جدیدی که در دو سه سال اخیر شناخته‌ایم، همه به تکاپو افتاده‌اند که داده و زیرساخت موردنیاز هوش مصنوعی را تأمین کنند. این را باید یک اتفاق خوب دانست. به نظر من، نه فقط مشکلات اقتصاد دیجیتال، بلکه اگر بخواهیم مشکلات کلان اقتصاد کشور را حل کنیم، یکی از موانع جدی سر راه ما کمبود «داده» است. این موضوع، نه متولی مشخصی در کشور دارد، نه هیچ سیاست روشن و شفافی! در حوزه‌ی هوش مصنوعی هم معاونت علمی به دنبال ایجاد یک سری دستیار رفته و آن را کار تحقیقاتی تلقی کرده و به چند دانشگاه سپرده که به نظرم خروجی ملموسی نخواهد داشت.»

«داده»، رکن مغفول اقتصاد دیجیتال

به باور گل‌زاده، «داده» رکن اصلی اقتصاد دیجیتال است که همواره در ایران مغفول مانده است. او دراین‌خصوص می‌گوید: «همه‌جا از اقتصاد دیجیتال حرف می‌زنیم، اما در حوزه‌ی داده، نه در سازمان‌ها، نه در شرکت‌های خصوصی و نه در سطح سیاست‌گذاری کلان، توجه جدی نشان نمی‌دهیم. اگر شرکت‌های فناوری‌محوری مثل دیجی‌کالا و اسنپ را نادیده بگیریم، شرکت‌های سنتی هیچ رویکرد و سیاست‌گذاری مشخصی در زمینه‌ی داده ندارند. تا وقتی که در حوزه‌ی هوش مصنوعی فقط کارهای نمایشی انجام دهیم، هیچ اتفاق مهمی نمی‌افتد و صرفاً به اقدامات ظاهری بسنده می‌کنیم. «اقتصاد داده» ذیل «اقتصاد دیجیتال» تعریف می‌شود، اما در عمل هیچ جا به آن پرداخته نمی‌شود. این یکی از ارکان مهم تحول است که اگر برایش چاره‌ای اندیشیده نشود، هیچ کار جدی در عرصه‌ی اقتصاد دیجیتال یا هوش مصنوعی پیش نخواهد رفت.»

طبق توضیحات مدیرعامل داتا، اقتصاد داده شامل چهار بخش می‌شود: زیرساخت داده، تحلیل داده، محصولات داده‌ای و خدمات داده‌ای. به گفته‌ی او، داتا باید به یکی از بازیگران مهم اقتصاد داده در ایران تبدیل شود که بر پایه‌ی همین چهار محور فعالیت کند: «طی پنج سال آینده، اگر بخواهیم اتفاق مهمی بیفتد، باید هر چهار بخش را در شرکت داتا توسعه دهیم. در حال حاضر نیز روی هر چهار حوزه کار می‌کنیم؛ اما با موانعی مواجهیم؛ مثلاً نیاز به زیرساخت سخت‌افزاری داریم، داده‌ی کافی موجود نیست و حمایت و سیاست‌گذاری بالادستی نیز اهمیت زیادی دارد. در داتا تلاش می‌کنیم در هر چهار حوزه از بازیگران اصلی باشیم. اگر این حمایت‌ها تداوم یابد، خودمان را در پنج سال آینده یکی از سه شرکت اصلی در عرصه‌ی اقتصاد داده می‌دانیم.»

برگ برنده در تحلیل داده نهفته است

تا پیش از تحولات چند سال اخیر در حوزه‌ی هوش مصنوعی، هر جا صحبت از داده به میان می‌آمد، آن را موضوعی جانبی در صنایع بزرگ کشور از جمله بانکداری و امور مالی می‌دانستند. اما در سال‌های اخیر، بسیاری از سازمان‌ها به سمت برنامه‌ریزی و تصمیم‌گیری داده‌محور حرکت کرده‌اند.

به گفته‌ی گل‌زاده، باوجود این پیشرفت، دو نکته‌ی اساسی همچنان مغفول مانده است: «اول این‌که داده‌ی خام به‌تنهایی ارزش چندانی ندارد و برگ برنده در تحلیل داده نهفته است؛ دوم این‌که اهمیت تحلیل‌ها صرفاً در تصمیم‌گیری نیست، بلکه در نوآوری و خلق محصولات و کسب‌وکارهای جدید نیز نقشی کلیدی دارد. تنها در این صورت می‌توان گفت سازمان‌ها واقعاً داده‌محور شده‌اند. تصمیم‌گیری مبتنی بر داده فقط یکی از چهار کاربرد اصلی هوش مصنوعی است. در دنیا شرکت‌های فناوری‌محور از داده برای تعریف کسب‌وکارهای جدید استفاده می‌کنند و شرکت‌های بزرگ ایرانی نیز در همین مسیر قرار گرفته‌اند؛ هرچند صنعت بانکی ما هنوز تا نقطه‌ی ایدئال فاصله دارد.»

تجمیع و مدیریت داده‌های سه میلیارد رکورد روزانه

داتا در حال حاضر دیتای سه میلیارد رکورد روزانه بانک تجارت را جمع‌آوری می‌کند و هر شش ساعت گزارش‌های کامل را در داشبورد مدیران بانک قرار می‌دهد. مدیرعامل داتا درباره مهم‌ترین برنامه‌های سال جاری این شرکت می‌گوید: «اخیراً کُر بانک تجارت تغییر کرده و تعداد تراکنش‌ها روبه‌افزایش است. تا پایان سال ۱۴۰۴ با تأمین زیرساخت موردنظر باید تمام داده‌های فعالیت‌ها در یک زیرساخت منسجم تجمیع شود. پروژه‌ی کلان‌داده، یکی از مهم‌ترین پروژه‌های ماست که تا پایان سال ۱۴۰۴ راه می‌افتد. داتا همچنین قصد دارد اشتراک‌گذاری امتیاز اعتباری بین بانک تجارت و چند سازمان بزرگ کشور را آغاز کند و سامانه هوشمند وصول مطالبات کشور را به مرحله‌ی نهایی برساند.»

داتا تا پایان سال جاری، توسعه‌ی دو دستیار هوش مصنوعی را نیز به‌صورت مسئله‌محور دنبال می‌کند. گل‌زاده در‌این‌باره می‌گوید: «یکی از دستیارها برای تحلیل قوانین و دستورالعمل‌ها طراحی شده است. هر روز دستورالعمل‌های تازه‌ای از وزارت اقتصاد یا بانک مرکزی به بانک می‌رسد و گاهی خودِ بانک دستورالعمل جدید ارائه می‌دهد. کارشناسان ستاد و صف باید این دستورالعمل‌ها را بررسی کنند و به ذهن بسپارند، اما نکات جزئی گاهی از دستشان درمی‌رود. ما تمام قوانین را در یک جا یکپارچه کرده‌ایم تا کاربران بتوانند به‌صورت صوتی یا متنی سؤال کنند و پاسخ دریافت کنند.»

دستیار دوم مربوط به حوزه‌ی هوش تجاری (BI) است. گل‌زاده توضیح می‌دهد: «ابزارهای BI وقتی به سطح کلان مدیریت می‌رسند، مدیران فرصت خواندن تمام جزئیات را ندارند و حتی اگر بخوانند، ممکن است کاملاً متوجه نشوند. بنابراین دستیار هوش مصنوعی BI، این امکان را فراهم می‌کند که مدیران هر گزارشی را به‌صورت سؤال مطرح کنند، دستیار query مربوطه را ایجاد کرده و روی دیتابیس اجرا کند و نتیجه را ارائه دهد. این فرایند پیچیده است و حتی در سطح جهانی تازگی دارد؛ امیدواریم تا پایان سال نسخه‌ی اول آن آماده شود. تأکید می‌کنم که دستیار هوش مصنوعی باید مسئله‌محور باشد تا دغدغه‌های واقعی را پاسخ دهد.»

این گفت‌وگو در مجله شماره 98 عصر تراکنش منتشر شده است.

در دهه گذشته، صنعت بانکداری با موجی از فناوری‌های نوظهور روبه‌رو شده که به شکلی عمیق، نظم این صنعت را تغییر داده‌اند؛ از مدل‌های تحلیل ریسک تا نحوه تعامل با مشتری و حتی عملیات روزمره بانکی. میان این تغییرات، هوش مصنوعی جایگاهی متفاوت دارد؛ همین شرایط باعث شد گروهی از رؤسای ادارات بانک تجارت در یک برنامه دو روزه کنار هم جمع شوند تا این تحولات را نه از سطح اخبار، بلکه از زاویه عمل، راهبرد و تجربه بررسی کنند.

در روز نخست، دکتر ویسی با تشریح مفاهیم بنیادین یادگیری ماشین، گونه‌های مختلف AI و جریان‌های جدید مانند هوش مصنوعی زاینده، تصویری جامع و به‌روز از نقش این فناوری در صنعت مالی ارائه کرد. او اصول مدیریت پروژه‌های هوش مصنوعی، شاخص‌های سنجش اثربخشی، و چالش‌های استقرار مدل‌ها در سازمان‌های بزرگ را توضیح داد؛ موضوعی که برای مدیرانی که با پروژه‌های دیجیتال درگیرند کاملاً ملموس بود.

سپس آقای دکتر قادری با مرور تجربه چند بانک داخلی و خارجی، نمونه‌هایی از پیاده‌سازی موفق هوش مصنوعی را تحلیل کرد و نشان داد چه عواملی باعث شده برخی از این پروژه‌ها به نتایج پایدار برسند. وی اثرات اقتصادی هوش مصنوعی بر صنعت بانکداری را از زاویه بهره‌وری، هزینه و مدل‌های کسب‌وکار بررسی کرد و در ادامه چارچوب تدوین استراتژی و نقشه راه AI را تشریح کرد.

اما در روز دوم محور اصلی به Agentic AI اختصاص داشت. این رویکرد که به سرعت در حال تبدیل‌شدن به نسل بعدی سیستم‌های تصمیم‌گیر است، توسط آقای اکباتانی به شکلی کاربردی و موضوعی ارائه شد. او تفاوت عامل‌های هوشمند با سیستم‌های کلاسیک را توضیح داد و کاربردهای آنها را در حوزه‌های کلیدی نشان داد.

این دو روز نشان داد که ورود به حوزه هوش مصنوعی تنها به آشنایی با ابزارها محدود نمی‌شود؛ بلکه نیازمند نوعی بازنگری مدیریتی است. مدیران حاضر در دوره، از طریق بحث‌ها و تمرین‌ها به این جمع‌بندی رسیدند که آینده بانکداری نه صرفاً محصول فناوری، بلکه نتیجه توان سازمان در تعریف مسئله، یادگیری سریع و ساختن نظام تصمیم‌گیری هوشمند است.

این دوره در آبان ماه 1404 به همت داتا برگزار شد و هدف آن این بود که مدیران را به بینشی عمیق‌تر نسبت به ظرفیت‌های هوش مصنوعی در بانک مجهز کند.