هوش مصنوعی، صنعت بانکداری را متحول می‌کند - بخش ۲: بهینه‌سازی عملیات و مدیریت

هوش مصنوعی (AI) دیگر محدود به ارتباط با مشتری نیست، بلکه عمیقاً در سیستم‌های عملیاتی، سازمانی و کنترل داخلی بانک‌های ویتنامی ادغام شده است. در رقابت دیجیتال، هوش مصنوعی به زیرساخت اصلی کمک می‌کند تا مؤسسات مالی به طور جامع متحول شوند.

Tạp chí Doanh Nghiệp•21/06/2025

اتوماسیون عملیاتی، تجدید ساختار سازمانی

هوش مصنوعی نه تنها یک ابزار پشتیبانی است، بلکه توسط بسیاری از بانک‌های ویتنامی به عنوان یک «بنیاد عملیاتی جدید» به کار گرفته می‌شود و مدل سازمانی را از فرآیند تأیید اعتبار و پردازش داده‌ها گرفته تا برنامه‌ریزی و مدیریت داخلی، به طور جامع بازسازی می‌کند.

عنوان عکس — هوش مصنوعی توسط بانک‌ها به عنوان «یک بنیان عملیاتی جدید» مورد استفاده قرار می‌گیرد. عکس تصویری

تک‌کام‌بانک یکی از بانک‌های پیشگام در ادغام هوش مصنوعی در استراتژی عملیاتی خود است. به گفته آقای فان تان سان، معاون مدیر کل تک‌کام‌بانک، این بانک برای بهبود عملکرد سازمانی، بر روی یک پلتفرم کلان‌داده و یادگیری ماشینی فعالیت می‌کند: «هوش مصنوعی نه تنها از شخصی‌سازی خدمات پشتیبانی می‌کند، بلکه در تخصیص منابع و کنترل نقاط تماس در زنجیره عملیاتی نیز مشارکت دارد.»

BIDV همچنین از هوش مصنوعی برای خودکارسازی فرآیند ارزیابی اعتبار استفاده می‌کند. سیستم ارزیابی مبتنی بر داده‌های مالی تاریخی، رفتار هزینه‌ای و تقسیم‌بندی مشتری است و در نتیجه به کوتاه شدن زمان پردازش درخواست از چند روز به تنها چند ساعت کمک می‌کند.

به طور مشابه، TPBank هوش مصنوعی را در سیستم OCR ادغام می‌کند تا به طور خودکار داده‌ها را در درخواست‌های وام بخواند و پردازش کند، که باعث صرفه‌جویی بیش از 60٪ در زمان ورود داده‌ها و افزایش دقت می‌شود. در عین حال، هوش مصنوعی در ابزارهای تحلیل پروفایل ریسک اعمال می‌شود و بدون افزایش کارکنان، به تصمیم‌گیری‌های اعتباری در مقیاس بزرگ کمک می‌کند.

در همین حال، ACB نزدیک به ۴۰۰ فرآیند RPA را مستقر کرد و به طور خودکار بیش از ۶۰ میلیون وظیفه در سال را پردازش کرد که منجر به بهره‌وری عملیاتی قابل توجه و کاهش قابل توجه خطاهای عملیاتی شد.

برای بانک ویتنام، هوش مصنوعی نقش محوری در تحول دیجیتال ایفا می‌کند. این بانک اولین واحد در گروه بانک‌های تجاری دولتی است که یک بلوک داده و هوش مصنوعی ایجاد کرده و ۳۶ پروژه تحول دیجیتال و ۱۳ پروژه هوش مصنوعی را در دست اجرا دارد.

تران مین بین، رئیس هیئت مدیره، گفت: «ما دو تا سه سال پیش به طور فعال استخدام برای موقعیت‌هایی که می‌توانستند توسط هوش مصنوعی جایگزین شوند را متوقف کردیم و به استخدام پرسنل باکیفیت برای زمینه‌های جدیدی مانند علوم داده، مدل‌سازی هوش مصنوعی و ... روی آوردیم.»

به گفته آقای بین، استفاده از هوش مصنوعی به بانک ویتنام کمک کرده است تا زمان لازم برای ایجاد یک برنامه جامع سیستمی را از چند ماه به تنها ۲ تا ۳ هفته کاهش دهد. به طور خاص، همه کارکنان بانک باید در زمینه هوش مصنوعی آموزش دیده و گواهینامه بگیرند تا با الزامات مهارتی جدید در سازمان‌های مدرن سازگار شوند.

تشخیص کلاهبرداری و پیشگیری از ریسک در لحظه

علاوه بر عملیات، هوش مصنوعی توسط بانک‌ها برای کنترل ریسک‌ها و جلوگیری از کلاهبرداری به صورت پیشگیرانه و مؤثرتر مورد استفاده قرار می‌گیرد.

در VietinBank، ابزار Genie - یک دستیار هوش مصنوعی داخلی - با بیش از ۲۰۰۰ سند تجاری آموزش دیده است. در ۲ ماه اول پیاده‌سازی، بیش از ۳۵۰،۰۰۰ درخواست از کارمندان را پردازش کرده است که به صرفه‌جویی تا ۹۵٪ در زمان جستجو و کاهش خطاها در عملیات کمک می‌کند.

پلتفرم eFAST بانک VietinBank همچنین از هوش مصنوعی برای پشتیبانی از مشتریان شرکتی در امضای الکترونیکی و پرداخت آنلاین با بیش از ۸۷۰۰۰ تراکنش، با ارزش کل بیش از ۲۷۰۰۰۰ میلیارد دونگ ویتنامی، استفاده می‌کند که نشان می‌دهد نقش هوش مصنوعی نه تنها در شناسایی ریسک، بلکه در کمک به کنترل ایمن و شفاف کل فرآیند تراکنش نیز می‌باشد.

این بانک با VPBank از یک سیستم هوش مصنوعی برای نظارت بر میلیون‌ها تراکنش در روز استفاده می‌کند و رفتارهای غیرمعمول مانند انتقال‌های تکراری، خرج‌های ناگهانی، استفاده از دستگاه‌های عجیب و غریب و... را به سرعت تشخیص می‌دهد تا از همان مرحله ورودی، کلاهبرداری را محدود کند. در عین حال، TPBank از هوش مصنوعی برای امتیازدهی خودکار اعتبار در لحظه، کاهش خطاها در ارزیابی اسناد و بهبود انصاف بین بخش‌های مشتری استفاده می‌کند.

طبق آمار بانک ایالتی، تا اوایل سال ۲۰۲۵، بیش از ۸۵ درصد از بانک‌های تجاری داخلی یک استراتژی کاربردی هوش مصنوعی داشتند و بیش از ۵۹ درصد از کارمندان به طور منظم در محل کار از هوش مصنوعی استفاده می‌کردند. بانک‌های بزرگ مجموعه‌ای از فناوری‌ها مانند موارد زیر را به کار گرفته‌اند: یادگیری ماشینی برای تشخیص تقلب و تجزیه و تحلیل پروفایل‌های ریسک؛ RPA: خودکارسازی فرآیندهای تجاری؛ هوش مصنوعی داخلی: برنامه‌ریزی، تجزیه و تحلیل داده‌های عملیاتی؛ تجزیه و تحلیل پیش‌بینی‌کننده: جهت‌گیری سرمایه‌گذاری، کنترل هزینه.

با این حال، پیاده‌سازی هوش مصنوعی چالش‌های بزرگی را نیز به همراه دارد. آقای لونگ نگوک بین، مشاور هوش مصنوعی در FPT IS، اظهار داشت: «کیفیت داده‌ها، ظرفیت داخلی و یک استراتژی پیاده‌سازی سیستماتیک سه عامل تعیین‌کننده هستند. اگر بانک‌ها فقط به هوش مصنوعی به عنوان یک ابزار نگاه کنند، دستیابی به کارایی پایدار دشوار خواهد بود.»

تران مین بین، رئیس هیئت مدیره ویتین‌بانک، نیز رک و پوست‌کنده گفت: «بزرگترین چالش نه در فناوری، بلکه در افراد است. ویتین‌بانک برنامه‌ای برای آموزش مجدد کارکنانی که تحت تأثیر تجدید ساختار قرار گرفته‌اند، و در عین حال طراحی یک نقشه راه منابع انسانی مناسب برای آینده اتوماسیون دارد.»

به گفته بانک‌ها، هوش مصنوعی نه تنها کاتالیزوری برای تحول دیجیتال است، بلکه در حال تبدیل شدن به «سیستم عامل جدید» صنعت بانکداری نیز می‌باشد. هوش مصنوعی با قابلیت خودکارسازی، تجزیه و تحلیل، پیش‌بینی و کنترل هوشمندانه، به بانک‌های ویتنامی کمک می‌کند تا کارایی را بهبود بخشند، ریسک‌ها را کاهش دهند و عملیات خود را به طور پایدار و انعطاف‌پذیر گسترش دهند.

منبع: https://doanhnghiepvn.vn/chuyen-doi-so/ai-tai-cau-truc-nganh-ngan-hang-bai-2-toi-uu-van-hanh-va-quan-tri/20250620080110893

نظر (0)