هوش مصنوعی در بانکداری ایران؛ فرصتها و چالشهای نوین در مسیر مبارزه با پولشویی
در پنلی تخصصی که اخیراً برگزار شد، کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی به طور جامع مورد بررسی قرار گرفت. این بحثها به طور مستقیم با حوزه فعالیت شرکت تجرات پارسیم مرتبط بود و بر موضوعاتی کلیدی مانند حاکمیت داده، شیوههای نگهداری و پردازش اطلاعات، و استفاده بهینه از آنها برای شناسایی تقلب و مبارزه با پولشویی متمرکز شد. شرکتکنندگان به تبادل نظر در مورد ابعاد مختلف این فناوری در اکوسیستم مالی کشور پرداختند و تأکید بر ضرورت بهرهبرداری هوشمندانه از دادهها را برجسته کردند.
از چالشهای اصلی مطرح شده در این نشست میتوان به مسائل زیرساختی و سختافزاری اشاره کرد. همچنین، مباحث اخلاقمداری در جمعآوری و نگهداری دادهها، از جمله تعیین مرزهایی برای آنچه قابلیت نگهداری دارد یا ندارد، مورد تأکید قرار گرفت. هشدارهایی نیز در خصوص پرهیز از ولع در نگهداری بیش از حد دادهها مطرح شد تا از انباشت بیرویه اطلاعات و خطرات احتمالی آن جلوگیری شود. این موارد به عنوان عناصر کلیدی در مسیر توسعه هوش مصنوعی در بانکداری و اطمینان از پیادهسازی مسئولانه آن شناخته شدند.
با مرور اتفاقات گذشته در تاریخ مالی کشور، از جمله در صرافیها و برخی صندوقها، مشخص است که مسیر پیش رو برای فعالان این حوزه مسیری دشوار اما با آیندهای روشن است. ضرورت درس گرفتن از تجربیات گذشته و حرکت به سوی آینده، مستلزم تأکید بیشتر بر توسعه زیرساختهاست. در حال حاضر، بسیاری از فعالان، هزینههای بالای زیرساختی را یکی از دغدغههای اصلی شرکتها میدانند که بخش قابل توجهی از آن مربوط به نیاز به فراخوانی APIها از منابع خارجی و توسعه آنهاست و ممکن است بخشی از این چالشها فنی باشد.
مبارزه با پولشویی: از ساختارهای سنتی تا انقلاب هوش مصنوعی
مبارزه با پولشویی در ایران نقطه عطف مهمی را در سال 1396 تجربه کرد. پس از مصوبهای در مجلس، قوانین اصلاحیهای در این حوزه وضع شد که میتوان آن را به نوعی بومیسازی قوانین FATF دانست. این اقدام، الزام به وجود ساختارهای مبارزه با پولشویی و تأمین مالی تروریسم را در شرکتها و ارگانهای مختلف ایجاد کرد. این گام، تلاشی جدی برای همراستا شدن با استانداردهای بینالمللی و تقویت شفافیت و سلامت مالی کشور بود.
در ابتدا، فعالیتهای مبارزه با پولشویی با استفاده از همان ساختارهای قدیمی و مدلهای سنتی، شامل تحلیلهای مبتنی بر کوئری و گزارشهای معمولی، انجام میشد. اما به تدریج ضعفهای این رویکردها آشکار شد؛ به ویژه در سرعت عمل و دقت شناسایی فعالیتهای مشکوک. گاهی اوقات، پولشویی سالها ادامه مییافت و تنها پس از مدتها شناسایی میشد، زمانی که افراد سودجو به اهداف خود رسیده بودند. این وضعیت، نیاز به تحول جدی در رویکردها و ابزارها را برجسته ساخت.
نیاز مبرم به افزایش سرعت عمل در شناسایی، ضرورت ایجاد تغییرات در ساختارهای سنتی را اجتنابناپذیر کرد. این تغییرات با ورود و استفاده از هوش مصنوعی در این حوزه کلید خورد. از آنجایی که ایران در زمینه هوش مصنوعی بیشتر به عنوان بهرهبردار از الگوریتمها و متدهای موجود عمل میکند، وابستگی به زیرساختها و ساختارهای فنی یک واقعیت انکارناپذیر است. این وابستگی، چالشها و فرصتهای جدیدی را پیش روی صنعت مالی کشور قرار داده است.
اعتماد و یکپارچگی؛ محرک توسعه زیرساختهای مشترک
یکی از راهحلهای کلیدی برای تقویت مبارزه با پولشویی، ایجاد قوانین و مقرراتی است که شرکتها را ملزم به اشتراکگذاری دادهها با یکدیگر کند. این رگولاتوری میتواند بستری را فراهم آورد تا شرکتها بتوانند از زیرساختهای ابری مشترک و دادههای یکدیگر بهرهبرداری کنند. چنین رویکردی نه تنها به افزایش کارایی و سرعت شناسایی کمک میکند، بلکه میتواند به توسعه راهحلهای جامعتر و قدرتمندتری منجر شود که از تجمیع دانش و دادههای مختلف سود میبرد و در نهایت به نفع امنیت مالی کشور است.
در وضعیت کنونی ایران، شرکتها به صورت جداگانه و خودمختار به این فعالیتها میپردازند. دلیل اصلی این پراکندگی، عدم وجود اعتماد کافی برای افشای اطلاعات و تضمین محرمانگی دادهها بین آنهاست؛ همچنین بیم از سوءاستفاده احتمالی از اطلاعات، مانع از همکاری میشود. این فقدان اعتماد، یک چالش بزرگ در مسیر ایجاد همافزایی و بهرهبرداری بهینه از فناوریها محسوب میگردد و نیاز به یک راهحل ریشهای و ایجاد یک اکوسیستم مبتنی بر اعتماد دارد.
این چالش، حتی بر پذیرش و استفاده از خدمات شرکتهای فعال در حوزه ابری مانند “حرفناک” تأثیر گذاشته است. به دلیل عدم ایجاد اعتماد لازم، ارجاع و استفاده از این خدمات در سطحی که پتانسیل آن وجود دارد، صورت نمیگیرد. اگر این اعتمادسازی محقق شود، شرکتها میتوانند به طور مشترک از ابزارهای یکدیگر بهرهمند شوند و از تکرار مکررات و توسعههای موازی جلوگیری کنند، که این امر به نوبه خود به کاهش هزینهها و افزایش کارایی منجر خواهد شد.
موازیکاری در کشف تقلب؛ لزوم رویکردی منظم
در حال حاضر، ممکن است بیش از پانزده شرکت در کشور سامانههای کشف تقلب را توسعه داده باشند. اما هر یک از این شرکتها با مدلها و روشهای متفاوت و به صورت کاملاً جداگانه فعالیت میکنند. این وضعیت به این معناست که در صورت نیاز به استفاده از یک سامانه متفاوت، فرآیند توسعه و پایهریزی عملاً باید از ابتدا آغاز شود و دوباره انجام گیرد. این موازیکاری، نه تنها هزینهها را افزایش میدهد، بلکه مانع از ایجاد یک استاندارد ملی و به اشتراکگذاری دانش میشود.
اگر یک رویکرد منظم و سازمانیافته با ورود جدی نهادهای رگولاتوری وجود داشت، میتوانستیم شاهد استفاده به مراتب بهتری از منابع و فناوریها باشیم. چنین چهارچوبی میتوانست به یکپارچگی سیستمها، کاهش هزینهها و افزایش کارایی در کل صنعت منجر شود. این امر همچنین پتانسیل ایجاد نوآوریهای مشترک و پاسخگویی سریعتر به تهدیدات مالی را در پی داشت و به بهرهوری بیشتر از سرمایهگذاریها کمک میکرد.
هوش مصنوعی به عنوان ابزاری قدرتمند، میتواند این چالشها را به طور چشمگیری کاهش دهد. اما بهرهبرداری کامل از آن مستلزم حل مسائل زیرساختی، اخلاقی و ایجاد بستر اعتماد بین فعالان است. بدون این پیشنیازها، پتانسیل هوش مصنوعی در افزایش دقت و سرعت شناسایی جرایم مالی به طور کامل محقق نخواهد شد و صنعت همچنان با کاستیهایی در مقابله با تهدیدات مواجه خواهد بود.
برای مشاهده ویدئوهای بیشتر اینجاکلیک کنید.
آیندهای با هوش مصنوعی و همکاریهای مشترک
نگاهی به گذشته و درس گرفتن از اتفاقات روی داده، اهمیت برنامهریزی برای آیندهای مبتنی بر هوش مصنوعی را دوچندان میکند. توسعه زیرساختها، توجه به ملاحظات اخلاقی در نگهداری دادهها و تدوین قوانین حمایتی برای اشتراکگذاری امن اطلاعات، از ستونهای اصلی این مسیر هستند. این اقدامات، نه تنها به شرکتها کمک میکند تا با اطمینان خاطر بیشتری همکاری کنند، بلکه مسیر را برای ایجاد یک اکوسیستم مالی پویا، شفاف و امن هموار میسازد و به حرکت به سمت آیندهای بهتر کمک میکند.
نظر شما در مورد این مطلب چیه؟