علی گل‌زاده، مدیرعامل داتا، معتقد است بخش عمده داده‌هایی که بانک‌ها طی چند دهه گردآوری کرده‌اند، با هدف گزارش‌دهی شکل گرفته‌اند و استفاده از آن‌ها در هوش مصنوعی، به آماده‌سازی متفاوتی نیاز دارد. او با اشاره به تجربه داتا در بانک تجارت، دسترسی به سوابق داده، یکپارچه‌سازی اطلاعات و ظرفیت پردازشی مناسب را از الزامات هوشمندسازی فرایندهای بانکی دانست.

گل‌زاده این دیدگاه را در پنل «هوش مصنوعی در بانک‌ها؛ تحول واقعی یا موج تبلیغاتی؟» مطرح کرد. این نشست روز پنجشنبه ۱۲ شهریور ۱۴۰۵، در قالب برنامه اقتصاد مدرن در الکامپ ۲۹ و در نمایشگاه بین‌المللی تهران برگزار شد. هادی سپانلو، عضو هیئت‌مدیره بانک ملت، امیر وصالی، عضو هیئت‌مدیره شرکت الگوریتم بانک صادرات، و محمد مظاهری، مدیرعامل توسن‌تکنو، نیز در این پنل حضور داشتند و علی رحیمی‌پور دبیری آن را بر عهده داشت. مدیرعامل داتا در این گفت‌وگو، با تکیه بر تجربه فعالیت در بانک تجارت، آماده‌سازی زیرساخت داده را از الزامات به‌کارگیری هوش مصنوعی در فرایندهای بانکی دانست.

داده‌های بانکی و نیازهای هوش مصنوعی

گل‌زاده با اشاره به سابقه ۳۰ تا ۴۰ ساله گردآوری داده در بانک‌ها توضیح داد که درخواست‌های مدیران، واحدهای داخلی و نهادهای ناظر، در شکل‌گیری رویکرد گزارش‌گیری نقش داشته‌اند. در این رویکرد، داده‌ها متناسب با گزارش موردنیاز انتخاب و آماده می‌شوند. به گفته او، کاربردهای هوش مصنوعی ممکن است به سوابق طولانی‌تر و مجموعه گسترده‌تری از داده‌های کسب‌وکار نیاز داشته باشند.

از نگاه مدیرعامل داتا، پاسخ‌گویی به این نیاز، مستلزم زیرساختی است که بتواند داده‌های سامانه‌های مختلف را کنار یکدیگر قرار دهد و ظرفیت پردازش آن‌ها را فراهم کند. کیفیت و دسترسی به داده نیز باید متناسب با کاربرد موردنظر بررسی شوند.

تجربه داتا در یکپارچه‌سازی داده‌های بانک تجارت

گل‌زاده در تشریح تجربه داتا گفت مأموریت این شرکت، هر دو حوزه داده و هوش مصنوعی را دربر می‌گیرد. داتا طی سه سال فعالیت خود، روی شکل‌دهی پلتفرمی برای تجمیع داده و بهبود کیفیت آن کار کرده است. او همچنین از تلاش برای توسعه دیتاهاب (Data Hub) گفت؛ بستری که قرار است داده‌های یکپارچه و باکیفیت را برای استفاده در خدمات هوش مصنوعی فراهم کند.

به گفته او، بانک مالک داده‌هاست و فعالیت داتا در چارچوب سیاست‌ها و سطوح دسترسی تعیین‌شده بانک پیش می‌رود. پراکندگی اطلاعات میان سامانه‌های مختلف نیز تجمیع داده‌ها را زمان‌بر و پرهزینه می‌کند.

یکی دیگر از چالش‌هایی که گل‌زاده مطرح کرد، تأخیر در دریافت داده بود. او توضیح داد که بخشی از داده‌های مورد استفاده با فاصله زمانی دریافت می‌شوند و این وضعیت، ارائه خدمات حساس به زمان را دشوار می‌کند. بررسی این مسئله به کل مسیر تولید، ذخیره‌سازی و انتقال داده مربوط است. سامانه بانکداری متمرکز، شیوه نگهداری اطلاعات و بستر انتقال داده، هرکدام در این مسیر نقش دارند.

گل‌زاده از کشف تقلب به‌عنوان نمونه‌ای از کاربردهای حساس به زمان یاد کرد. زمانی که هدف، جلوگیری از انجام یک تراکنش مشکوک است، دریافت و پردازش بی‌درنگ داده اهمیت پیدا می‌کند. او تحقق این قابلیت را وابسته به آمادگی سامانه‌های عملیاتی و زیرساخت فنی دانست و توضیح داد که ورود جدی به این بخش، همچنان به کار بیشتری نیاز دارد.

ایجاد ارزش، معیار عبور از موج تبلیغاتی

مدیرعامل داتا در بخش دیگری از صحبت‌های خود، موج تبلیغاتی ابتدای ورود فناوری‌های نو را بخشی طبیعی از مسیر پذیرش آن‌ها توصیف کرد. به باور او، تجربه‌هایی مانند توسعه دستیارها و چت‌بات‌ها را می‌توان در همین فرایند گذار ارزیابی کرد. بااین‌حال، تداوم این مسیر باید به ایجاد ارزش در کسب‌وکار برسد.

گل‌زاده همچنین بر تفاوت استقرار هوش مصنوعی با تجربه رایج پیاده‌سازی محصولات فناوری اطلاعات تأکید کرد. به گفته او، به‌کارگیری این فناوری به شناخت فرایندها و نیازهای بانک و تجربه استفاده از آن در کسب‌وکار وابسته است.

در نگاه او، پرسش اصلی این است که خدمات هوش مصنوعی در کدام بخش از فعالیت بانک می‌توانند بهره‌وری یا ارزش افزوده ایجاد کنند. پاسخ به این پرسش، همراه با آماده‌سازی داده و زیرساخت موردنیاز، مسیر استفاده عملی از هوش مصنوعی در صنعت بانکی را روشن می‌کند.

بیشتر بخوانید: داتا زیرساخت ورود هوش مصنوعی به فرایندهای عملیاتی بانک را توسعه می‌دهد