محمدمهدی علیزاده، مدیر محصول هوش مصنوعی / طی دو دهه اخیر گسترده نفوذ هوش مصنوعی در صنایع مختلف چشم‌گیر بوده و درک اهمیت بهره‌گیری از راهکارهای مبتنی بر هوش مصنوعی روزبه‌روز بیشتر می‌شود. بر اساس مطالعه‌ای، اندازه بازار هوش مصنوعی جهان در سال ۲۰۲۰ میلادی به ۵۱ میلیارد دلار رسیده و طبق پیش‌بینی‌ها تا سال ۲۰۲۸ این رقم به ۶۴۱ میلیارد دلار می‌رسد.
باوجود موفقیت شرکت‌های پیشرو در بهره‌برداری از قابلیت‌های هوش مصنوعی، چالشی که همواره وجود داشته این است که راهکارهای مبتنی بر هوش مصنوعی آن‌چنان شفاف، قابل‌درک و توصیف نیستند به همین خاطر از آنها با استعاره «جعبه سیاه» یاد می‌شود، زیرا فهم و توجیهشان برای بخش‌های مختلف سازمان‌ها و کاربران آنها امکان‌پذیر نیست. همچنین اغلب پروژه‌های هوش مصنوعی زمان‌بر و پرهزینه هستند و فرایند توسعه آنها با پیچیدگی‌های گسترده‌ای همراه است. این پیچیدگی باعث شده که فرایند توسعه آنها در چارچوب‌های متداول مدیریت پروژه نرم‌افزار مانند اسکرام نیز امکان‌پذیر نباشد. در این میان برخی کسب‌وکارها قابلیت‌های این تکنولوژی را درک کرده و آگاهانه از آن بهره می‌برند؛ اما گاهی این حجم از استقبال نسبت به محصولات و راه‌حل‌های هوش مصنوعی صرفاً به دلیل پر سروصدا بودن این تکنولوژی بوده و عملاً برخی از سازمان‌ها در سطح بین‌الملل، درک کافی از اینکه هوش مصنوعی به طور دقیق چه کمکی می‌تواند به کسب‌وکار آنها کند ندارند.
آنها صرفاً تلاش می‌کنند که از این موج عقب نمانده و همراه با آن پیش بروند. راب پالاسـيوس معاون اجرايی و سـرپرسـت آزمايشـگاه‌های كپيتال بانك تگزاس (TCB)، در نشـسـتی با محوریت اسـتفاده از هوش مصـنوعی براي ايجاد ارزش در سازمان‌های مالی و چگونگی بهره‌مندی حداكثری از اين تكنولوژی این‌طور گفته که امکان دارد مردم علاقه مضـاعفی به هوش مصـنوعی نشـان دهند و آن را كليد طلايی تمامی مشـكلات خود بدانند. ازاين‌رو، مهم اســـت انتظاراتي كه از پروژه‌های هوش مصـــنوعی وجود دارد به شـــكلي دقيق تعيين شود. بانک‌ها بايد بدانند كه هوش مصـنوعی كليد طلايی تمامی مشـكلات نيسـت، ولی در گام‌های اوليه حل مشـكلات، كارآمدی بالايي دارد. او بر این نکته تأکید دارد که به‌جای تمركز بر هوش مصـنوعی، به تغييری كه شـركت سـعی دارد در تجربه مشـتری ايجاد كند، توجه شود و برای رسیدن به نتیجه مطلوب نیاز است که از عوامل دیگری نظیر تفکر طراحی و علوم داده نیز استفاده شوند.
تفکر طراحی به‌عنوان یک رویکرد نوآورانه از یک فرایند تکرارشونده در حل مسائل سخت و پیچیده استفاده می‌شود و به طور گسترده‌ای در صنایع مختلف در توسعه محصول به کار گرفته شده و تأثیر قابل‌توجهی بر نوآوری این صنایع داشته است. در تعریفی، تفكر طراحی رويكردی جهت افزايش درك نيازهای مشـــتری با درنظرگرفتن ابعاد فنی و اقتصـــادی اســـت كه هدف آن رسـيدن به راهكاری است كه هر سـه محور اقتضـائات فنی، نيازهای كاربران و استراتژی‌های کسب‌وکار در تعـادل بـاشـــنـد. این تفکر سال‌هاست که جایگاه خود را در صـنعت بانكداری نيز تثبیت کرده و بانک‌هایی نظير Bank of America Citibank، BBVA و Capital One از پيشـتازان این حوزه هسـتند.
طبق گزارش شـركت Capgemini كه به برسی روندهای محبوب در حوزه بانكداری خرد پرداخته اسـت، تفكر طراحی به‌عنوان يك فرايند تکرارپذیر جهت درك بهتر نيازهای مشـتری معرفی شده كه با به چالش كشـيدن فرضـيات و تعريف مجدد مسـئله به كاهش اثرات سـوگيری شـناختی از نيازهای كاربران می‌پردازد. يكی از دسـتاوردهای كاربست اين تفكر مديريت ريسك پروژه‌های حوزه خدمات مالی گزارش شده و دليل آن تست سريع، ارزان و پرتكرار ایده‌ها است. كريس اسكينر نیز در كتاب بـانـك ديجيتـال، بـانـك‌هـا را موظف بـه ورود خلاقـانـه بـه مبحـث طراحی می‌دانـد و بـه همين دليـل بر به‌کارگیری تفكر طراحی در بـانـك‌هـا تأکید كرده است.
در صنعت بانکداری جهان مثال‌های متعددی از به‌کارگیری تفکر طراحی در توسعه راهکارهای مبتنی بر هوش مصنوعی وجود دارد، برای مثال چت‌بات Elica از bank of America که جهت ارائه راهنمایی‌های مالی به مشتريان توسعه پیدا کرده و برای درك بهتر نيازها و ترجيحات كاربران و خلق تجربه بهتر از رويكرد تفكر طراحی در توسعه آن استفاده شده است. همچنين چت‌بات Eno از Capital One نيز در فرایند توسعه خود از اين رويكرد بهره‌مند شده است. در ایران نیز شرکت‌های پیشرو در حوزه خدمات مالی از کاربست موفق این تفکر در توسعه مواردی از راهکارهای بانکی خبر داده‌اند.
برای مثال در موردکاوی که توسط نویسنده در بانک ملی ایران و گروه داده‌ورزی سداد انجام شد، از کارگاه اسپرینت طراحی گوگل به‌عنوان ابزار پیاده‌سازی تفکر طراحی، در توسعه ویژگی جدید اپلیکیشن بام که مبتنی بر تکنولوژی یادگیری عمیق است استفاده شده. این کارگاه با ایجاد درک مناسب از نیازهای واقعی کاربران بالقوه برای اعضای تیم توسعه و مدیران، باعث ارائه سریع محصول اولیه قابل تست توسط کاربر و دریافت بازخورد آنها شد. همچنین نیازهای کلان سازمان در سطح استراتژی گروه سداد و بانک ملی و امکان‌سنجی پیاده‌سازی طرح از نظر فنی موردتوجه قرار گرفت.
در مجموع این‌طور می‌توان گفت که باتوجه‌به آغاز مسیر صنعت خدمات مالی کشور در استفاده مؤثر از قابلیت‌های هوش مصنوعی، بانک‌ها نیازمند آن هستند که در رویکرد خود در توسعه راهکارهای مبتنی بر هوش مصنوعی چابک باقی‌مانده و اطمینان حاصل کنند که راه‌حل‌هایی ارائه می‌شود که نه‌تنها نیازهای در حال تکامل مشتریان و ذی‌نفعان خود را برآورده کرده، بلکه از آنها فراتر هم می‌روند.
راه پرداخت – رسانه فناوری‌های مالی ایران
ثبت دیدگاه