همهی بانکها در حال دگردیسی به سوی یک شرکت نرمافزاری هستند. بکارگیری نرمافزارهای سازمانی به معنی نیاز به کارآمدی هرچه بیشتر واحدهای انفورماتیک در بانکهاست تا نرمافزاری بدون نقص ارائه کنند. با این وجود، نرمافزارهای بانکی و محیطهای ترکیبی (Hybrid) که این نرمافزارها در داخل آنها اجرا میشوند، بسیار پویا و پیچیده هستند و این به معنی هرچه دشوارتر شدن مدیریت کیفیت عملکرد با استفاده از روشهای سنتی بانکها در گذشته است.
موضوعی که واحدهای انفورماتیک بانکها باید به آن بپردازند، ذخیرهی حجم زیادی از اطلاعات خام نیست بلکه هوش و دانش استخراج شده از آنهاست که میتوان براساس آنها اقدامی انجام داد. آنها باید بتوانند ریشهی اصلی مشکلات را یافته و حل کنند نه این که تعداد زیادی اعلان و هشدار در اختیار مخاطبین خود قرار دهند. این رویه به بانکها اجازه میدهد به محض بروز مشکلات و پیش از آسیب دیدن بانک و مشتریان آن، راهنماییهای لازم برای اقدامات ضروری را در اختیار مسئولین قرار دهند. همهی این پیشنهادات در تئوری ساده و جذاب به نظر میرسند اما در عمل چطور باید چنین طرحهایی را پیادهسازی کرد؟
راهی هوشمندتر برای مدیریت پیچیدگی
رایانش ابری سازمانها، بیش از پیش پیچیده شده است. مجموعهای به همتنیده از هزاران سختافزار، میلیونها خط نرمافزار توسعهداده شده و تریلیاردها وابستگی بین اجزای مختلف. برای مقابله با پیچیدگیهایی این چنینی و با هدف دستیافتن به بینش بهتری از فضای نرمافزارهای خود، عموم بانکها مجموعهای متنوع از ابزارهای نظارتی یا مانیتورینگ را بکار گرفتهاند. این مجموعه از ابزارها، تعداد بسیار زیادی اعلان و هشدار تولید مینمایند اما عموماً هشدارهای آنها، راهنمایی درستی در خصوص این که چه کسی در چه واحدی باید به این موضوع رسیدگی نماید ارائه نمیکنند یا دلیل ریشهای مشکل را تشخیص نمیدهند.
تنها راه دستیابی به اطلاعات و دانشی که بتوان بر اساس آنها عمل کرد، تنها از طریق بهکارگیری هوش مصنوعی و خودکارسازی فرآیندها قابل دستیابی خواهد بود. هوش مصنوعی تنها ابزاری است که میتواند به صورت بلادرنگ دادههای منتشرشده از محیطهای پویای نرمافزاری را دریافت کرده و در لحظه آنها را پردازش نماید و خروجی آن را به صورت اقدامات لازم در اختیار مسئولین قرار دهد. این رویه باعث میشود ریشهی اصلی مشکلات به سرعت به نیروهای بانک اطلاع رسانی شده و مشکلات در زمانی بسیار کوتاه مرتفع شوند. این روش مدیریت میزان بهرهوری نرم افزارها ممکن است به نظر آیندهنگرانه باشد اما این دید هماکنون نیز از راههای مختلف ساختار انفورماتیک بانکها را تحتتاثیر قرار داده است.
یک – خلق تجربیات هموار دیجیتال
تحول دیجیتال باعث رشد اقتصاد «همواره در حال کار» شده است. اقتصادی که در آن بانکها باید سرویسی شبانهروزی ارائه کنند و به صورت مدام با مشتریان خود در تماس باشند. این موضوع باعث اهمیت بیشتر تجربهی دیجیتال ممتد شده است؛ زیرا امروزه، ابراز و انتشار نظرات در فضای شبکههای اجتماعی به سادگی و به سرعت اتفاق میافتد و میتواند اعتبار یک بانک را برای همیشه زیر سوال ببرد.
هوشمندی نرمافزاری به بانکها کمک میکند این انتظارات را برآورده کنند. این کار از طریق تأمین دید درست به کمک رایانش ابری اتفاق میافتد. هوش مصنوعی میتواند تیمهای انفورماتیک و کسب و کارهای دیجیتال را قادر سازد تا ریشهی مشکلات را به سرعت یافته و آنها را در زمانی محدود مرتفع نمایند.
دو – فعالسازی نرمافزارهای خود درمانگر (Self-Healing)
در یک گام فراتر از این، هوش مصنوعی میتواند به تیمهای انفورماتیک کمک کند مشکلات نرمافزاری را پیش از آن مرتفع کنند که «هیچ» تاثیری بر روی مشتری و کسب و کار داشته باشند. از طریق تجمیع سیستمهای مانیتورینگ که به هوش مصنوعی تجهیز شدهاند با دیگر بخشهای انفورماتیک بانک، سیستمهای نظارتی به تمامی رخدادهایی دسترسی دارند که در سراسر سیستم انفورماتیکی بانک حادث میشوند. به این روش میتوان یک مدل دادهای مرکزی ساخت که به صورت بلادرنگ تحلیل شده و با در نظر گرفتن شرایط محیط رخداد، اقدامات عملی لازم برای حل مشکل را تشخیص دهد.
اما چرا به همین میزان بسنده کنیم؟ وقتی این ابزارها بینش لازم برای یافتن مشکل و راه حل آن را در اختیار ما گذاشتند، میتوان این اطلاعات را مجددا به عنوان ورودی در اختیار سیستم انفورماتیک بانک قرار داد تا روالهای کاری اتوماتیک لازم برای حل این مشکلات شروع به کار کنند بدون این که نیازی به دخالت نیروهای انسانی داشته باشیم. به عنوان نمونه، وقتی نرمافزارهای هوشمند کاهش سرعت یک بخش از یک نرمافزار بانکی را تشخیص میدهند، میتوان در یک روال کاری خودکار، سرویس موردنظر از نرمافزار را به یک میزبان (Host) دیگر انتقال داد تا کاهش سرعت جبران شود. این تغییر میتواند در ادامه به بانک اطلاعاتی پیکربندی (CMDB) ارسال شده و به صورت خودکار یک Ticket برای سیستم مدیریت خدمات انفورماتیکی یا ISTM ایجاد نماید.
سه – کمک به افزایش سرعت نوآوری تیمهای توسعه/عملیات (DevOps)
توسعهی چابک یک سنگ بنای اصلی نوآوری سریع و تجارب نرمافزاری موفق است. اما این تنها ابزارها نیستند که اهمیت دارند. توسعهی یک فرهنگ همکاری مشترک در توسعه/عملیات نیز حیاتی خواهد بود تا تیمهای توسعه و تیمهای عملیات بتوانند برای دستیابی به نرمافزارهای بهتر یا خدمات دیجیتال با کیفیتتر با هم همکاری کنند. هوش نرمافزاری میتواند دید بسیار دقیقی از این که یک تغییر در نرم افزار چه تاثیری در اجرای عملیات خواهد داشت در اختیار تیمها قرار دهد. این ابزار همچنین اطمینان بیشتری به تیمها خواهد داد تا بتوانند سرعت نوآوری خود را افزایش دهند. هوش مصنوعی خواهد توانست پیش از تاثیر گذاشتن یک تغییر بر روی سرویس ارائه شده به مشتریان، آن را به تیمها اطلاع دهد تا در صورت نیاز آن تغییر را از دستور کار خارج نمایند. این باعث خواهد شد تیمهای توسعه/عملیات بیشتر وقت خود را صرف توسعه و نوآوری نموده و منابع زیادی را برای مدیریت ریسک تاثیرات نامطلوب احتمالی در نظر نگیرند.
رسیدن به آرمانشهر نرمافزاری
وقتی صحبت از نرمافزار به میان میآید، بانکها دو هدف اصلی دارند که به نوعی پرداختن به یکی مانع دیگری میشود. اولین هدف آنها طراحی و توسعهی نرمافزارهای با کیفیتی است که تجربهی کاربری بهتری خلق کرده و باعث توسعهی کسب و کار آنها میشود. هدف دوم اما، توسعهی هرچه سریعتر نرمافزارها و سرعت بالای ارائهی سرویسهای جدید به مشتریان است تا گوی رقابت از دیگر موسسات مالی را بربایند.
هوش نرمافزاری، کلید رسیدن به هر دو هدف است. استفاده از هوش مصنوعی و خودکارسازی دید بلادرنگ دقیقی از بهرهوری تمامی سیستمهای نرمافزاری در اختیار بانک قرار میدهد تا در زمان بروز مشکلات، پاسخ و فرآیند رفع مشکل را – مستقل از این که این مسئله ناشی از خود نرمافزار، سیستم رایانش ابری، خدمات به هم متصل یا عوامل دیگر است- به دقت در اختیار داشته باشند. همچنین، هوش مصنوعی امکان نوآوریهای سریعتر برای تولید نرمافزارهای باکیفیت را در اختیار تیمهای توسعه/عملیات قرار میدهد. همه و همهی این دستاوردها، به بانکها اجازه میدهد که با سرعت بیشتری به سازمانهای نرمافزاری مطلوب تبدیل شوند.
منبع:
https://www.globalbankingandfinance.com/three-ways-software-intelligence-is-transforming-the-future-of-banking-it-operations/
