تحول دیجیتال : رایانش شناختی در صنعت بانکداری

در مطالب گذشته به مبانی و کاربردهای رایانش شناختی پرداخته شد. در این مطلب خواهیم دید این فناوری چه کمکی به صنعت بانکداری کرده است.

فناوری، در حال تغییر صنعت بانکداری است. در بانک‌های سنتی، تراکنش‌های پایه‌ای در حال مهاجرت از کانال‌های فیزیکی به دیجیتالی هستند. این امر، با کوچک کردن شبکه شعب بانک‌ها، منجر به تغییرات اساسی در ترکیب توزیع می‌شود. امروزه صنعت بانکداری از روی اجبار شاهد تولدی دوباره است. در عصر تحول دیجیتال، موفقیت وابسته به تحول عظیمی است که یکپارچه‌سازی تحلیل پیشرفته، هوش مصنوعی، یادگیری ماشینی، رباتیک، زنجیره بلوک (بلاکچین) غیره را ممکن می‌سازد.

در دنیای امروز، مدل‌های کسب‌وکار سنتی خدمات مالی، زیر میکروسکوپ هستند. برای بیشتر سازمان‌های مالی، سودآوری پایدار به چالشی در محیط با نرخ سود پایین امروزه تبدیل شده است. رقابت ایجاد شده از سوی تازه‌واردان به بازار، سطوح جدیدی از تحول را ایجاد می‌کند و سرعت تغییر تجربه و تعامل با مشتری کمتر از انتظارات بزرگ‌تر دنیای در حال تغییر دیجیتال است.

نوع جدیدی از بانک‌ها تحت عنوان «بانک شناختی» در حال ظهور است. این نوع جدید از بانک، می‌تواند از قابلیت‌های رایانش شناختی استفاده کند تا بینش‌هایی را که قبلاً از حیطه توانایی‌های کامپیوترهای برنامه‌نویسی شده خارج بود، کشف کرده و از این بینش‌ها به منظور ایجاد مدل‌های جدید کسب‌وکار استفاده کند. یک بانک شناختی، قدرت رایانش شناختی را به منظور گسترش و ارتقاء تخصص انسانی، به‌کارگیری داده‌های پیچیده برای بینش‌های جدید و اخذ تصمیم‌های دقیق‌تر و به‌موقع‌تر به کار می‌گیرد.

با وجود برخی استثنائات منطقه‌ای، بسیاری از سازمان‌های مالی تا امروز با کاهش تعداد کارکنان و کاهش تاکتیکی هزینه‌ها، به این تغییرات پاسخ داده‌اند. با این حال، عملکرد پایدار نیازمند چیزی متفاوت‌تر و مجهز به فناوری‌های نوین است. گزارش آی‌بی‌ام با نام «بانکداری تحول‌آفرین» پتانسیل بانکداری شناختی برای ایجاد تحول در خدمات مالی را بررسی کرده و ۸۸ درصد از مدیران آشنا با توانایی‌های شناختی اعلام داشتند که تمایل به سرمایه‌گذاری در آن را دارند.

برای موفقیت در عصر دیجیتال، بانک‌ها باید از گنجی پنهان به نام «داده» که در اختیار دارند، استفاده نمایند. سیستم‌های شناختی، راه‌هایی برای ایجاد تغییر فراتر از کارکردهای بانکداری سنتی، با استفاده از یادگیری ماشینی و به‌کارگیری تحلیل در مورد داده‌ها به منظور درک بیشتر سازمان، مشتریان و رقبا ارائه می‌دهد. آنها به طور مداوم در حال ایجاد دانش و یادگیری، درک زبان طبیعی و توجیه و تعامل طبیعی‌تر با انسان‌ها نسبت به سیستم‌های سنتی قابل برنامه‌ریزی هستند.

شرکت آی‌بی‌ام همچنین به منظور درک بهتر پتانسیل صنعت برای بهره‌گیری از فناوری‌های شناختی، ۲۰۰۰ مدیر در سراسر دنیا را در نظرسنجی بانک شناختی خود شرکت داد. تحلیل نتایج آن تأیید می‌کند که کالایی شدن، مشتریان آگاه و رقبای تحول‌آفرین، مهم‌ترین چالش‌های صنعت هستند که نیازمند پاسخ‌های فوری می‌باشند. این گزارش، مؤسسات مالی را بر اساس رشد درآمدی و بهره‌وری عملکردی در طی سه سال قبل از آن دسته‌بندی کرده تا مقایسه‌ای از سرآمدان با سایرین در صنعت ارائه دهد.

با وجود آن که بسیاری از سازمان‌ها هنوز راه درازی در پیش دارند، سرآمدان در حال برداشتن گام‌های بلندی برای تبدیل شدن به بانک‌های کاملا شناختی هستند.

با این حال تنها ۱۱ درصد از پاسخ‌دهندگان به مطالعه اعلام کردند که فناوری‌های شناختی را به کار گرفته‌اند. ۵۸ درصد از آنها، از بهبود بهره‌وری عملیاتی به عنوان مهم‌ترین اولویت استراتژیک خود نام برده و بهره‌وری عملیاتی، اولین پاسخ (۴۹ درصد) به عنوان مزایای مورد انتظار از رایانش شناختی بود. در این گزارش، راه‌های رمزگشایی داده‌ها توسط بانکداران و استفاده از بینش‌های حاصل از تحلیل‌ها به منظور دستیابی به اهداف استراتژیک خود بررسی شده است.

“عامل شناختی یادگیرنده” شرکت آی‌پی‌سافت به نام آملیا، موردی است که می‌تواند در آینده‌ای نزدیک به طور گسترده‌ای به دستیار مجازی بانکداری تبدیل شود. این نرم‌افزار می‌تواند مقادیر زیاد دانش را جذب کرده، مفاهیم را فهمیده، احساسات را اندازه‌گیری کرده، به طور مستقل یاد گرفته و به مشتریان در طیف گسترده‌ای از خدمات شامل افتتاح حساب، یاری رساند. مدیر ارشد شناختی این شرکت فناور، ادوین فن بومل، اظهار داشته که آملیا می‌تواند مسائل را ۵۰% سریع‌تر از یک انسان در همان موقعیت خدمت‌رسانی برطرف سازد.

به گزارش آی‌بی‌ام، برای صنعت بانکداری، تغییر تدریجی دیگر کافی نیست. صنعت به راه‌های جدیدی نیاز دارد تا به سطح عملکرد مورد نظری دست یابد که نه تنها به تولید نتایج مورد انتظار وابسته است، بلکه با اثرات تحول در صنعت هم روبرو می‌شود.

رایانش شناختی با به‌کارگیری الگوریتم‌های یادگیری ماشینی و پردازش زبان طبیعی، تجزیه و تحلیل را به سطح بالاتری برده تا از میزان گسترده داده‌های غیرساخت‌یافته، معنی استخراج کند و اکتشافات و تصمیم‌گیری‌های مبتنی بر داده را بهبود دهد. با وجود آن‌که مؤسسات مالی هنوز می‌توانند از راهکارهای تحلیلی برای کسب ارزش استفاده کنند، اضافه شدن قابلیت‌های شناختی می‌تواند آنها را به سطوح جدیدی از ارزش برساند.

به عنوان یک تکامل قدرتمند در بانکداری دیجیتال، رایانش شناختی درها را برای این سازمان‌ها باز می‌کند تا از ثروت داده‌ای خود به نحوی استفاده کنند که تازه‌واردین به بازار مانند فین‌تک‌ها نمی‌توانند به آن دست یابند. قابلیت‌های شناختی به بانک‌ها کمک می‌کنند تا الگوهای بامعنی از داده‌ها در مورد بازارها، مشتریان، شرکا و کارکنان استخراج کرده و از این اطلاعات به منظور پیش‌بینی بهتر تغییرات و یا حتی شکل‌دهی به آینده استفاده کنند.

رایانش شناختی بانک‌ها را قادر کرده است به اولویت‌های استراتژیک خود، از راه‌هایی که قبلا قابل تصور نبود دست یابند و به بانک‌ها در سه بعد منفعت می‌رساند: ارتباطات موضوعی عمیق‌تر، بینش‌های تحلیلی جدید و تحول سازمانی.

ارتباطات موضوعی عمیق‌تر

در راستای ارتباط بامعنی‌تر با مشتریان، یک بانک شناختی با بینش و یادگیری که مستمرا عمیق‌تر می‌شود، شخصی‌سازی را ممکن می‌سازد. ارتباط خویش‌خدمت، امکان ایجاد تجارب نفر به نفر را ایجاد می‌کند؛ مانند زمانی که عامل مجازی شناختی، مکالمات کاملا شخصی‌سازی شده در تعامل با مشتریان دارد. این عاملین مجازی شناختی که مستقیماً با مصرف‌کننده در ارتباط هستند، می‌توانند به مشتریان از طریق وب و موبایل خدمت‌رسانی کرده و آنها را راهنمایی کنند. این تعاملات با مشتری، امکان ایجاد تجارب غنی‌تر در آینده را مهیا می‌نماید.

بینش‌های تحلیلی جدید

اضافه کردن قابلیت‌های شناختی به اپلیکیشن‌های در تماس با کارکنان، خدمت در سراسر چرخه حیات مشتری را ارتقا داده و تصمیم‌گیری بهتر را ممکن می‌سازد. با استفاده از دانش عمیق‌تر از مشتریان، یک راهنمای هوشمند شناختی می‌تواند مدیران رابطه را قادر سازد به مشتریان راهنمایی دقیق‌تری از گذشته ارائه کرده، فروش را افزایش داده و در زمان نیاز، دسترسی به تخصص را سرعت بخشد.

تحول سازمانی

بانک شناختی می‌تواند بهبودهایی ایجاد نماید که دید بهتری نسبت به چالش‌های خاص کسب‌وکار به دست داده و از تصمیمات فعالانه در سراسر سازمان پشتیبانی کند. یک مثال آن، همراستاسازی سیاست‌ها، روال‌ها، کنترل‌ها و استانداردها در سطح سازمان به منظور پاسخگویی به نیازمندی‌های قانونی است؛ مانند برنامه‌های کاربردی مخصوص کارکنان که عملیات مدیریت ثروت را ارتقا می‌دهند.

پایش ریسک و تطبیق با قابلیت‌های شناختی، اطمینانی در سطح فرآیندهای کسب‌وکاری ایجاد می‌نماید؛ مانند سیستمی که اطلاعات تمامی مشتریان در جهان را به طور مجزا درک کرده و دانشی جامع از قوانین بانکی موجود و پیشنهاد شده در قاره‌ها، کشورها، ایالات و استان‌ها دارد.