در سال ۲۰۲۳، بانکها بیش از ۲۰ میلیارد دلار در سیستمهای مبتنی بر هوش مصنوعی سرمایهگذاری کردند؛ چنین رقمی بیشترین سهم در میان تمامی صنایع بوده است. این یعنی ادغام هوش مصنوعی در صنعت بانکداری دیگر روندی آزمایشی نیست، بلکه به یکی از اولویتهای استراتژیک تبدیل شده و حالا این فناوری در حال بازتعریف تجربه مشتری، بهبود بهرهوری عملیاتی و تحول در مدیریت ریسک است.
در سالهای اخیر، بانکهای پیشرو در سراسر جهان با بهکارگیری نوآورانه هوش مصنوعی، مسیر تازهای برای کل صنعت ترسیم کردهاند.
در این گزارش، قصد داریم چندین مطالعه موردی از موفقترین نمونهها را بررسی کنیم؛ از جمله تجربههای موفقیت بانکهایی مانند NatWest، JPMorgan Chase، و DBS Bank که با استفاده از هوش مصنوعی توانستهاند نوآوری را پیادهسازی کنند و درعینحال با چالشهای اخلاقی و مقرراتی نیز بهخوبی کنار بیایند. از دستیاران مجازی مبتنی بر هوش مصنوعی مولد گرفته تا سیستمهای پیشبینی و شناسایی تقلب، این نمونهها تأثیر گسترده بر بانکداری مدرن را بهخوبی نشان میدهند.
NatWest: دستیار مجازی Cora در تعامل با مشتری
در سال ۲۰۲۳، بانک NatWest نسخه جدیدی از عامل مجازی خود به نام Cora را معرفی کرد که از هوش مصنوعی مولد بهره میبرد. در همکاری با IBM، این بانک توانست با استفاده از قابلیتهای پردازش زبان طبیعی Watsonx، دادههای بدون ساختار مانند دفترچه راهنمای محصولات، پایگاههای دانش امن و سوابق تراکنشها را تحلیل کند. برخلاف چتباتهای سنتی، Cora پاسخهایی متناسب با زمینه گفتگو، با لحن طبیعی، ارجاع به منابع و امکان مقایسه محصولات مالی تولید میکند.
پس از اجرای Cora، نرخ رضایت مشتریتا ۱۵۰٪ افزایش یافت و در سال ۲۰۲۳ حدود ۱۰.۸ میلیون تعامل مشتری با Cora رخ داده است. وندی ردشاو، مدیر ارشد فناوری دیجیتال بانک، اعلام کرد که این پروژه بخشی از استراتژی Digital X بانک برای ارائه خدمات ایمن و در دسترس بوده است. این مورد نشان میدهد که چگونه هوش مصنوعی مولد میتواند بانکداری دیجیتال را انسانیتر کند و درعینحال استانداردهای سختگیرانه انطباق را حفظ نماید.
JPMorgan Chase: تحول در تحلیل اسناد حقوقی
پلتفرم «هوش قرارداد» COiN (Contract Intelligence) جیپیمورگان که در سال ۲۰۲۳ راهاندازی شد، بررسی ۱۲۰۰۰ قرارداد اعتباری تجاری سالانه را خودکار کرد؛ وظیفهای که پیش از این به ۳۶۰ هزار ساعت کار انسانی نیاز داشت. COiN با استفاده از پردازش زبان طبیعی و یادگیری ماشین، بندها را استخراج، مغایرتها را شناسایی و ریسکهای نظارتی را با دقت ۹۹.۲٪ نشانهگذاری میکند. این نوآوری هزینههای عملیاتی حقوقی را سالانه ۱۲ میلیون دلار کاهش داد و زمان انجام قراردادها را ۹۰٪ تسریع کرد.
HSBC: تشخیص تقلب و انطباق مبتنی بر هوش مصنوعی
HSBC در سال ۲۰۲۴ مدلهای یادگیری ماشین را برای تجزیهوتحلیل ۹۰۰ میلیون تراکنش ماهانه ۴۰ میلیون کاربر را مستقر کرد. این سیستم هشدارهای «مثبت کاذب» در تشخیص تقلب را ۶۰٪ و زمان بررسی هر مورد را از چند هفته به چند روز کاهش داد. HSBC با ادغام بیومتریک رفتاری؛ ما