چرا پشتیبانی مشتریان مقصد هوش مصنوعی در فینتک است؟/ پرداختهای خودکار در انتظار تغییر مقررات بانک مرکزی
به گزارش خبرگزاری آنا، توسعه شتابان هوش مصنوعی مولد و حرکت این فناوری به سمت ابزارهای عاملمحور یا AI Agent، یکی از مهمترین تحولاتی است که میتواند آینده صنعت مالی و پرداخت را تحت تأثیر قرار دهد. اگر در مدل سنتی، کاربر مستقیماً وارد یک اپلیکیشن یا درگاه پرداخت میشود و دستور انجام یک تراکنش را صادر میکند، در مدل جدید این امکان وجود دارد که یک عامل هوشمند با دریافت مجوزهای لازم، بخشی از فرآیند خرید، انتخاب خدمت، مقایسه گزینهها و حتی انجام پرداخت را از طرف کاربر انجام دهد.
این تحول تنها به مرحله پرداخت محدود نخواهد بود و میتواند از نحوه طراحی محصولات فینتکی و توسعه نرمافزار تا پشتیبانی مشتریان، مدیریت مالی شخصی، احراز هویت، شناسایی تراکنشهای مشکوک و مقابله با کلاهبرداریهای پیچیده را تحت تأثیر قرار دهد.
مهدی فاطمیان، مدیرعامل یک شرکت فناور و کارشناس حوزه فینتک، در گفتوگو با خبرنگاراقتصادی آنا با اشاره به تغییرات ایجادشده در ساختار شرکتهای فناوری مالی اظهار کرد: در حال حاضر ابزارهای هوش مصنوعی در حوزه برنامهنویسی و توسعه نرمافزار به یکی از اجزای کسبوکار تبدیل شدهاند و این اتفاق را میتوان هم در شرکتهای فینتکی و هم تا حدودی در حوزه بانکی مشاهده کرد.
وی افزود: توسعه قابلیتهای جدید، ارائه خدمات تازه و حتی ایجاد خطوط جدید کسبوکار که قرار است در نهایت به بازار عرضه شوند، اکنون تا حد زیادی از ابزارهای هوش مصنوعی در فرآیند روزمره توسعه نرمافزار استفاده میکنند و این ابزارها عملاً به بخشی جداییناپذیر از فرآیند تولید محصول تبدیل شدهاند.
افزایش چندبرابری سرعت توسعه محصولات فینتکی
این کارشناس حوزه فینتک با بیان اینکه استفاده از هوش مصنوعی میتواند سرعت توسعه محصولات را به شکل قابلتوجهی افزایش دهد، ادامه داد: وقتی یک متخصص در کنار ابزارهای هوش مصنوعی قرار میگیرد، میتواند خروجیای تولید کند که در شرایط سنتی به چند نیروی انسانی نیاز داشت.
فاطمیان گفت: بنابراین یکی از نخستین آثار هوش مصنوعی در ساختار شرکتهای فینتکی، افزایش بهرهوری و کوتاه شدن زمان توسعه محصول است. این مسئله به شرکتها اجازه میدهد قابلیتهای جدید را سریعتر ایجاد کنند، آنها را آزمایش کرده و در زمان کوتاهتری به بازار عرضه کنند.
وی افزود: این موضوع به معنای حذف کامل نیروی انسانی نیست؛ بلکه نقش نیروی متخصص از انجام بخشی از فعالیتهای تکراری به سمت هدایت، کنترل، طراحی و استفاده حرفهای از ابزارهای هوش مصنوعی حرکت میکند.
هوش مصنوعی چگونه تجربه مشتریان فینتک را تغییر میدهد؟
مدیرعامل یک شرکت فناور در ادامه با اشاره به کاربردهای مستقیم هوش مصنوعی در محصولات فینتکی اظهار کرد: کسبوکارهای فینتکی حوزههای متنوعی از جمله پرداخت، وامدهی و بیمه را شامل میشوند و هر یک متناسب با نوع خدمات خود در حال استفاده از ابزارهای هوش مصنوعی هستند.
وی افزود: یکی از کاربردهایی که در حال حاضر بسیار رایج شده، استفاده از هوش مصنوعی برای پاسخگویی به تیکتها، پرسشها و درخواستهای کاربران است؛ بهویژه در کسبوکارهای B2B که روزانه حجم بالایی از تماسها و درخواستهای مشتریان را دریافت میکنند.
فاطمیان ادامه داد: در حال حاضر بخشی از این فرآیند در شرکتها به سمت هوش مصنوعی رفته و برخی مجموعهها نیز در حال پیادهسازی و توسعه این ابزارها هستند. مهمترین مزیت آن، افزایش سرعت پاسخگویی و تسهیل پشتیبانی از کاربر است.
وی تصریح کرد: استفاده از هوش مصنوعی باعث میشود ساختار کالسنترها و تیمهای امور مشتریان نیز به سمت تخصصیتر شدن حرکت کند؛ چراکه برای پاسخگویی به یک پرسش ساده و پرتکرار دیگر لزوماً نیازی به ارتباط مستقیم کاربر با یک کارشناس وجود ندارد.
این کارشناس حوزه فینتک گفت: یک ابزار هوش مصنوعی میتواند حتی در قالب پیام صوتی یا متنی، پاسخ کاربر را در کوتاهترین زمان ممکن و به صورت ۲۴ ساعته ارائه کند. از سوی دیگر، هزینه ارائه این خدمت برای شرکت نیز کاهش پیدا میکند و در نهایت تجربه متفاوت و سریعتری برای مشتری شکل میگیرد.
چرا پشتیبانی مشتریان نخستین مقصد هوش مصنوعی در فینتک است؟
فاطمیان با اشاره به بازگشت سریع سرمایهگذاری در این بخش گفت: پاسخگویی به تیکتهای فنی، درخواستهای امور مشتریان و تماسهای کالسنتر از جمله حوزههایی است که شرکتها در حال حاضر روی آن سرمایهگذاری میکنند و یکی از دلایل آن نیز این است که بازگشت سرمایه در این حوزه میتواند با سرعت اتفاق بیفتد.
وی افزود: شرکتها از یک سو میتوانند حجم قابلتوجهی از درخواستهای ساده و تکراری را به ابزارهای هوش مصنوعی منتقل کنند و از سوی دیگر کارشناسان انسانی را برای موارد پیچیدهتر و تخصصیتر به کار بگیرند.
پرداخت از یک ابزار تراکنشی به دستیار مالی تبدیل میشود
مدیرعامل یک شرکت فناور در ادامه درباره مرحله بعدی ورود هوش مصنوعی به صنعت پرداخت اظهار کرد: گام مهم بعدی، تلفیق محصولات موجود با ابزارهای هوش مصنوعی است.
وی گفت: امروز در صنعت پرداخت ابزارهایی مانند درگاههای پرداخت اینترنتی و کیف پول وجود دارد و در حوزه وامدهی نیز مدلهایی مانند خرید اعتباری یا BNPL در حال رایج شدن است. ترکیب این خدمات با هوش مصنوعی میتواند قابلیتهای جدیدی ایجاد کند.
فاطمیان توضیح داد: برای مثال، اگر یک فرد تعداد زیادی تراکنش انجام داده باشد، پلتفرم ارائهدهنده خدمات پرداخت میتواند با استفاده از اطلاعات موجود و ابزارهای هوش مصنوعی، هنگام انجام یک تراکنش پیشنهادها و توصیههای مالی ارائه کند.این پیشنهادها میتواند شامل توصیه درباره نحوه انجام تراکنش، انتخاب مسیر مناسبتر یا حتی ارائه پیشنهادهایی برای مدیریت بهتر منابع مالی باشد.
این کارشناس حوزه فینتک ادامه داد: چنین قابلیتهایی میتواند خدمات پرداخت را به سمت مدیریت مالی شخصی یا Personal Financial Management سوق دهد؛ یعنی ابزار پرداخت صرفاً وسیلهای برای انتقال پول نباشد و به بستری برای ارائه خدمات هوشمند مالی تبدیل شود.
کشف تقلب از روشهای سنتی عبور میکند
فاطمیان، تشخیص تخلف و کشف تقلب یا Fraud Detection را یکی دیگر از مهمترین کاربردهای هوش مصنوعی در صنعت پرداخت عنوان کرد و گفت: شرکتهای پرداخت تعداد زیادی مشتری، پذیرنده و تراکنش دارند و نظارت دستی بر تمام این تراکنشها و درگاهها عملاً امکانپذیر نیست.
وی افزود: اگر قرار باشد یک کارشناس به صورت دستی تکتک تراکنشها یا وبسایتهای کسبوکارهایی را که از خدمات پرداخت استفاده میکنند بررسی کند، علاوه بر اینکه این کار بسیار زمانبر است، احتمال خطا و اعمال سلیقه نیز افزایش پیدا میکند.
مدیرعامل یک شرکت فناور تصریح کرد: استفاده از هوش مصنوعی میتواند نظارت دقیقتر و حرفهایتری بر شبکه پرداخت ایجاد کند و صنعت را از مدلهایی که صرفاً بر اساس چند الگوریتم ثابت یا خطکش یکسان، تعداد زیادی از کسبوکارها را ارزیابی میکنند، دور کند.
وی ادامه داد: هوش مصنوعی میتواند الگوهای متفاوت تراکنشها را بررسی کند و احتمال شناسایی تراکنشهای مرتبط با کلاهبرداری، فیشینگ و سایر تخلفات مالی را افزایش دهد.
گزارشدهی سریعتر تخلفات به نهادهای نظارتی
فاطمیان با اشاره به آثار این تحول بر نظام نظارتی کشور اظهار کرد: استفاده از هوش مصنوعی در کشف تقلب فقط به نفع شرکتهای پرداخت نیست و نهادهای نظارتی نیز میتوانند از نتایج آن استفاده کنند.
وی گفت: برای مثال، دستگاههایی مانند پلیس فتا و قوه قضائیه میتوانند گزارشهای سریعتر و دقیقتری از سوی شرکتها درباره پذیرندگان مشکوک یا تراکنشهای مرتبط با تخلف دریافت کنند. هرچه فرآیند شناسایی و گزارش تخلفات سریعتر انجام شود، امکان واکنش بهموقع نیز افزایش خواهد یافت و این موضوع میتواند در کاهش خسارتهای ناشی از برخی جرائم مالی مؤثر باشد.
بانک مرکزی باید چارچوب پرداخت توسط ایجنتها را مشخص کند
فاطمیان گفت: در شرایط فعلی، یکی از موانع اصلی توسعه این مدل، نبود چارچوب مشخص برای اتصال ایجنتهای هوش مصنوعی به شبکه پرداخت است. اگر این چارچوب از سوی نهاد تنظیمگر ایجاد شود، شرکتهای پرداخت میتوانند زیرساختهای لازم را برای انجام تراکنش توسط ایجنتها فراهم کنند و در این صورت بخشی از مسیر ورود پرداختهای عاملمحور به کشور شکل خواهد گرفت.
این کارشناس حوزه فینتک البته تأکید کرد: در بخش داخلی نیز هنوز شرکت هوش مصنوعی قدرتمند، فراگیر و موفقی که بتواند در سطح جامعه سرویس گسترده ارائه کند، شکل نگرفته است.
وی ادامه داد: اگر چنین شرکتی در آینده ایجاد شود و سرویس آن در جامعه فراگیر شود، احتمالاً خود این شرکت نیز وارد مذاکره با شرکتهای پرداخت خواهد شد تا مسیر انجام تراکنش از طریق ایجنت هوش مصنوعی را فراهم کند.
فرهنگ استفاده از ایجنتها حلقه مفقوده پرداخت هوشمند
فاطمیان با بیان اینکه مقررات تنها مانع توسعه پرداختهای عاملمحور نیست، گفت: در کنار موضوع مقررات، بلوغ و پذیرش کاربران نیز اهمیت بسیار زیادی دارد. مردم باید به این مرحله برسند که انجام بخشی از امور روزمره خود را به ایجنتهای هوش مصنوعی واگذار کنند. برای مثال، بسیاری از فعالیتها حتی امروز نیز میتواند توسط دستیارهای هوشمند انجام شود؛ از تنظیم آلارم و برنامهریزی یک جلسه گرفته تا رزرو بلیت و انجام برخی امور پیش از مرحله پرداخت.
این کارشناس حوزه فینتک اظهار کرد: مسئله این است که باید دید آیا مردم واقعاً از این قابلیتها استفاده میکنند یا خیر. در شرایط فعلی، بخش عمده استفاده عمومی از ابزارهای هوش مصنوعی بیشتر جنبه دانشنامهای، دریافت مشورت، جستوجو یا تولید محتوا و تصویر دارد و هنوز استفاده از آن برای واگذاری امور روزمره به بلوغ نرسیده است.
وی گفت: بنابراین برای رسیدن به مرحلهای که یک ایجنت بتواند از طرف کاربر خرید را انجام دهد و پرداخت را نیز به صورت خودکار انجام دهد، هم باید زیرساخت و مقررات فراهم شود و هم کاربران آمادگی پذیرش چنین مدلی را پیدا کنند.
کلاهبرداریهای مالی نیز هوشمندتر میشوند
فاطمیان در بخش دیگری از این گفتوگو درباره احتمال استفاده مجرمان از هوش مصنوعی برای انجام کلاهبرداریهای پیچیدهتر اظهار کرد: همانطور که ابزارهای هوش مصنوعی در اختیار شرکتهای پرداخت قرار گرفتهاند، طبیعی است که طرف مقابل نیز تلاش کند از همین فناوریها استفاده کند. در حال حاضر، ورود هوش مصنوعی به حوزه پرداخت بیشتر از سمت لایه نظارت و حفاظت قابل مشاهده است. برای نمونه، شرکتهای فعال در حوزه احراز هویت بیومتریک از ابزارهای هوش مصنوعی برای تشخیص تقلب و بررسی واقعی بودن هویت افراد استفاده میکنند.
این کارشناس حوزه فینتک ادامه داد: برای تشخیص اینکه یک فرد واقعاً همان شخصی است که ادعا میکند، اینکه تصویر متعلق به یک فرد زنده است یا خیر و همچنین شناسایی برخی نشانههای تقلب، از ابزارهای هوش مصنوعی استفاده میشود.
وی تصریح کرد: مقابله با روشهای جدید کلاهبرداری، جعل هویت و سایر حملات هوشمند نیز باید با استفاده از ابزارهای هوش مصنوعی انجام شود؛ در واقع احتمالاً در آینده شاهد نوعی رقابت میان هوش مصنوعی مورد استفاده مهاجمان و هوش مصنوعی مورد استفاده شرکتهای ارائهدهنده خدمات مالی خواهیم بود.
انتهای پیام/
