تحول مدیریت ریسک در صنعت بانکداری

به کمک هوش مصنوعی در حال انجام است

در افق همواره در حال تغییر صنعت بانکداری، مدیریت ریسک را باید یکی از ستون‌های اصلی به حساب آورد که از بانکها و موسسات مالی در برابر تهدیدهای بالقوه محافظت کرده و ثبات عملکردی بلندمدت آنان را تضمین می‌کند. در گذشته، اقدامات مرتبط با بحث مدیریت ریسک، عموما وابستگی زیادی به روش‌های سنتی و عملکرد متخصصان انسانی داشتند. در این میان گستردگی طیف اطلاعات مورد بررسی و تغییرات مداوم و سریع شرایط بازار، کار را برای نهادهای مربوطه بسیار دشوار کرده بود.

با این وجود، ظهور هوش مصنوعی موجب شکل‌گیری عصر جدیدی در بحث مدیریت ریسک شد و رویکرد بانکها نسبت به چگونگی کنترل و حذف ریسک‌ها به کلی تغییر داد. فناوری هوش مصنوعی با فراهم کردن زمینه برای بهره‌گیری از قدرت الگوریتم‌های پیشرفته، یادگیری ماشین و تحلیل‌های پیشگویانه، حالا دیگر نقش خود را به عنوان متحد غیرقابل‌انکار بخش‌های مختلف بانکی برای محافظت از آنها در برابر انواع ریسک‌ها تثبیت کرده است. در حقیقت توانمندی این فناوری در پردازش و تحلیل مقادیر عظیم داده،کشف الگوهای مرکب و پیچیده و همچنین کمک به اتخاذ تصمیمات داده‌محور، مبحث مدیریت ریسک را به سطوح جدیدی از موفقیت رسانده و باعث شده بانکها با قدرت و آگاهی بیشتری تصمیم‌گیری و اقدام کنند و عملکرد بی‌سابقه‌ای از خود به جای بگذارند.

نکته قابل تامل در خصوص چنین پارادایم شیفتی، صرفا نقش‌افرینی در حذف ریسک‌ها نیست؛ بلکه با شرایط حاضر فرصت‌های بی‌بدیلی برای رشد و نوآوری در صنعت بانکداری ایجاد شده است. حالا بانکها قادر شده‌اند به کمک قابلیت‌های هوش مصنوعی در پیش‌بینی رخدادها، با اعتماد بیشتری دست به سرمایه‌گذاری‌های جسورانه در حوزه‌های جدید بزنند و ضمن گسترش دامنه مشتریان خود، پا به عرصه ارائه محصولات و خدمات جدید و نوآورانه بگذارند.

در این مقاله به بررسی روشهایی که هوش مصنوعی از طریق آنها در حال متحول کردن بحث مدیریت ریسک در صنعت بانکداری است، می‌پردازیم و با ذکر مثالهایی واقعی و کاربردی، نقش قابل‌توجه این فناوری‌های جدید در ایجاد تحولی انقلابی در مدیریت نهادهای مالی را مورد تاکید قرار می‌دهیم. در ادامه نیز به چالش‌های احتمالی و ملاحظاتی پرداخته می‌شود که باید برای رعایت حدود مسئولیت و اصول اخلاقی مورد توجه قرار بگیرند.

در شرایطی که صنعت بانکداری هر روزه با پیچیدگی‌های جهان درحال‌تغییر امروزی دست به گریبان است، به‌کارگیری فناوری هوش مصنوعی برای مدیریت ریسک، زمین بازی را تغییر داده است و با تقویت انعطاف‌پذیری بخش‌های مختلف این صنعت، آنها را در مسیر دستیابی به موفقیت بلندمدت هدایت می‌کند.

به‌کارگیری هوش مصنوعی در اعتبارسنجی

به طور معمول اعتبارسنجی مشتریان از طریق تعریف شاخص‌هایی که می‌تواند شامل سابقه اعتباری، درآمد و وضعیت استخدامی باشد، انجام می‌‌شود. با این وجود هوش مصنوعی با فراهم کردن امکان تجمیع مجموعه داده‌های پیچیده‌تر (شامل متغیرهای غیرسنتی مانند پرداخت‌ها، سوابق وام و اجاره و حتی رفتارهای افراد در شبکه‌های اجتماعی) فرآیند کلی این امر را تغییر داده است. تجمیع چنین طیف گسترده‌ای از داده‌ها امکان مدیریت دقیق‌تر انواع ریسک را فراهم می‌کند و به بانکها کمک می‌کند تا بتواند افرادی که از اعتبار کافی برخوردارند اما ممکن است از دید سیستم‌های معمول پنهان مانده باشند را شناسایی کنند.

موسسه آمریکایی جی‌پی‌مورگان در مدت اخیر مدل‌های اعتبارسنجی مبتنی بر هوش مصنوعی را پیاده‌سازی کرده‌ که پا را از روش‌های سنتی فراتر گذاشته و در بررسی‌های خود مقادیر زیادی داده را مورد تحلیل و بررسی قرار داده است. با به‌کارگیری چنین منابع داده جایگزینی، آنها توانسته‌اند کاهش قابل‌توجهی در نرخ‌های ریسک ایجاد کنند و دامنه مشتریان خود را به افراد جدیدی گسترش دهند که پیش از این از چنین خدماتی بهره‌مند نشده بودند.

سیستم‌های خودکار مدیریت ریسک

فناوری‌های مرتبط با هوش مصنوعی، فرآیند مدیریت ریسک را خودکارسازی کرده و با کاهش بار کارهای دستی، خطاهای انسانی را به حداقل رسانده‌اند. این سیستم‌ها می‌توانند به سرعت طیف گسترده‌ای از داده‌ها را پردازش و تحلیل کرده و ریسک‌های بالقوه‌ای را شناسایی آنها از روش‌های سنتی عموما زمان زیادی می‌برند را با سرعت بیشتری شناسایی کنند. چنین قابلیتی ارزش ویژه‌ای در کشف ناهنجاری‌های موجود در الگوهای پرداخت دارد که ممکن است ناشی از فعالیت‌های متقلبانه و یا بی‌ثباتی‌های مالی باشند.

انطباقات رگولاتوری

انطباق با قوانین و مقررات بانکی که مدام در حال تغییرند، یکی از چالش‌های مهم بانکها به شمار می‌آید. در همین راستا، هوش مصنوعی توانسته نقش بسزایی در برآورده این خواسته و رصد آنی و دقیق الزامات رگولاتوری ایفا کند و به صورت خودکار سیستم‌ها را با قوانین و مقررات جدید سازگار کنند. مثلا سیستم‌های هوش مصنوعی می‌توانند تراکنش‌ها را با هدف کشف موارد پولشویی و مطابقت آنها با قوانین وضع شده چک کنند و مواردی که نیاز به بررسی و اقدام بیشتر دارند را علامت‌گذاری کنند.

آزمون تنش

هوش مصنوعی توانمندی بانکهای برای اجرای موثر و کاراتر آزمون‌های تنش ارتقا داده است. هوش مصنوعی با شبیه‌سازی انواع سناریوهای اقتصادی نامطلوب به بانکها در درک شرایط موجود بر وضعیت حسابهایشان کمک می‌کند و چنین اقدامی آنها را قادر می‌سازد تا بتوانند استراتژی‌هایشان برای مدیریت ریسک را با شرایط موجود سازگارتر کنند. این کارکرد هوش مصنوعی متضمن آن است که بانکها بتوانند حتی در بازارهای بی‌ثبات و پرتنش، از بحران‌های آتی مصون بمانند.

ارزیابی ریسک در زمان اعطای وام

هوش مصنوعی با فراهم کردن امکان ارزیابی دقیق‌تر میزان ریسک در زمان اعطای وام، توانمندی بانکها در این بخش را بهبود می‌بخشد. در حقیقت هوش مصنوعی با تکیه بر تحلیل‌های پیش‌گویانه، می‌تواند رفتار مالی آتی متقاضیان وام را با بررسی پارامترهای متعدد و با دقت و سرعتی فرای توانایی انسانی، پیش‌بینی کند.

چالش‌ها و ملاحظات

اگرچه ظرفیت‌های هوش مصنوعی برای متحول ساختن اقدامات مدیریت ریسک در صنعت بانکداری انکارناپذیر است، لازم است تا نیم‌نگاهی نیز به چالش‌ها و ملاحظاتی داشته باشیم که در زمینه سازگاری با این فناوری‌ها وجود دارد.

کیفیت داده: دقت و اطمینان به مدل‌های هوش مصنوعی، شدیدا به کیفیت و کامل بودن داده‌هایی بستگی دارد که قرار است برای آموزش مدل‌ها به کار برده بشوند. سوگیری‌ها و یا غیردقیق‌بودن چنین داد‌هایی می‌تواند به نتایج نادرست و غیرقابل‌اتکایی منجر شود که در نهایت از تاثیرگذاری راهکارهای مبتنی بر هوش مصنوعی برای مدیریت ریسک بکاهند.  بانکها باید از اجرای دقیق سیاست‌های حاکمیت داده در سازمان خود اطمینان حاصل کنند و به صورت مداوم، ضمن رصد وضعیت داده‌ها، برای بهبود کیفیت آنها تلاش کنند.

ملاحظات اخلاقی: استفاده از منابع داده جایگزینی مانند داده‌های شبکه‌های اجتماعی برای آموزش مدلهای اعتبارسنجی و سنجش ریسک، می‌تواند غیرمنصفانه تلقی شود و ضمن افزایش نگرانی‌های اخلاقی، حریم خصوصی کاربران را در معرض آسیب قرار دهد. بانکها باید به دقت جوانب اخلاقی مختلف چنین اقدامات و مفاهیمی را مورد بررسی قرار دهند و ضمن دقت در انتخاب منابع داده‌ای برای پیشبرد فرایندهای تصمیم‌گیری در سیستم‌های مبتنی بر هوش مصنوعی، درباره اقدامات انجام شده شفافسازی کنند و مسئولیت‌پذیر باشند.  

چارچوب‌های رگولاتوری: همزمان با تکامل برنامه‌های مبتنی بر هوش مصنوعی بانکها، باید تلاش شود تا تمامی اقدامات در چارچوب‌های تعیین شده از سوی تنظیم‌گر حوزه باقی بمانند و نظارت و حاکمیت درستی بر تمامی این تلاش‌ها انجام شود. همزمان نیاز است تا رگولاتورها نیز دستورالعمل و استانداردهای لازم برای پرداختن به موضوعاتی مانند حریم خصوصی، تفسیرپذیری مدل و حاکمیت کلی به کار رفته برای سیستم‌های مبتنی هوش مصنوعی درون نهادهای مالی را تدوین کنند.

نظارت انسانی: همزمان با آنکه هوش مصنوعی می‌تواند بسیاری از فرآیندهای مدیریت ریسک را خودکار کرده و بهبود دهد، ضروری است تا همگام ماندن نیروی انسانی و نظارت بر چنین سیستم‌هایی تداوم داشته باشد. طراحی سیستم‌های مبتنی بر هوش مصنوعی باید به گونه‌ای انجام شود در این سیستم‌ها از تصمیم‌گیری انسانی حمایت و انجام آن تقویت شود؛ نه اینکه بنا باشد سیستم‌ها به کلی جایگزین انسان‌ها شوند.

تاب‌آوری و امنیت سایبری: به‌کارگیری هوش مصنوعی در سیستمهای مدیریت ریسک، باعث ایجاد ریسک‌های جدیدی در بحث امنیت سایبری شده است. مثلا چنین سیستم‌هایی در برابر حملات بیرونی و یا دستکاری‌های اطلاعاتی آسیب‌پذیر هستند. در نتیجه لازم است تا بانکها اقدامات مناسبی تعبیه کنند تا تاب‌آوری سیستم‌های هوش مصنوعی آنها در برابر چنین تهدیداتی تقویت شود.

اساسا به‌کارگیری سیستم‌های هوش مصنوعی در ابزارهای مدیریت ریسک، تلاش پیچیده‌ای است که نیازمند در نظر گرفتن این ملاحظات برای کنار آمدن با چالش‌ها و محدودیت‌هاست. بانکها باید در برنامه‌ریزی و اجرای برنامه‌های مرتبط با هوش مصنوعی، با استراتژی کل‌نگری به مساله نگاه کنند که همزمان تمام الزامات این مساله مانند کیفیت داده، ملاحظات اخلاقی، سازگاری با مقررات و خواسته‌های رگولاتور، بحث نظارت انسانی و اقدامات امنیت سایبری را مورد توجه قرار دهد. در این میان همکاری میان نهادهای مالی، سرویس‌دهندگان بخش فناوری، رگولاتور و متخصصان موضوعات اخلاقی، برای رسیدگی همزمان به این پیچیدگی‌ها و بهره‌برداری از تمام ظرفیت‌های هوش مصنوعی برای متحول ساختن اقدامات مدیریت ریسک ضروری است تا بتوان همزمان هم بر ریسک‌های بالقوه و هم عواقب ناخواسته آن غلبه کرد.  

نتیجه‌گیری

همزمان با پیشرفت صنعت بانکداری، هوش مصنوعی بهبود قابل‌توجهی در توانمندی بانکها برای مدیریت ریسک، بهبود دقت، کارایی و اثربخشی امور در چنین دوران پرچالشی ایجاد کرده است. حالا به لطف هوش مصنوعی مزیت‌های متعددی – از فراهم شدن امکان ارزیابی دقیق‌تر انواع ریسک‌ها تا برآوردن دقیق انواع الزامات رگولاتوری و ایجاد سیستم‌های کارآمدی برای رصد ریسک- ایجاد کرده است. چنین پیشرفتهایی صرفا محدود به حذف و کنترل ریسک‌ها نیست؛ بلکه بانکها را قادر ساخته که با مسئولیت‌پذیری و اعتماد بیشتری به سراغ فرصتهای موجود بروند.

به‌کارگیری هوش مصنوعی در بحث مدیریت ریسک نه تنها متضمن سلامت نهادهای مالی خواهد بود، بلکه متضمن تاب‌آوری بیشتر مشتریان و سهامداران بانک و در پیش‌ گرفتن رویکرد «تفکر رو به‌جلو» خواهد بود. در شرایطی که بانکها در مسیر حل چالش‌های چشم‌انداز مالی امروزی قدم برمی‌دارند، هوش مصنوعی در تقویت مدیریت ریسک‌های موجود و کنترل ریسک‌های آتی نقشی اساسی ایفا می‌کند و نباید از چنین تاثیر چشمگیری غافل شد.