اینترنت اشیاء هوشمند و نقش آن در صنعت بانکداری




 

 

تصور کنید که به ساختمان محل کار خود نزدیک می‌شوید و بدون نیاز به استفاده از کارت شناسایی یا اثر انگشت برای بازکردن در ورودی، در به صورت خودکار برای شما باز می‌شود. یک پیام صوتی به شما خوش‌آمد می‌گوید و چراغ‌ها در مسیر حرکت شما به سمت میز کار شما روشن می‌شوند و به محض رسیدن به میز، سیستم تهویه برای گرم یا سرد کردن هوای اطراف میز شما شروع به کار می‌کند.

دفترهای کار هوشمند از فن‌آوری اینترنت اشیا هوشمند بهره می‌گیرند تا چنین امکاناتی را در اختیار ساکنان قرار دهند. اما این فن‌آوری دقیقا به چه شکلی عمل می‌کند و چه نقشی در صنایع مالی و بانکداری دارد؟

 

چگونگی کارکرد فن‌آوری

ترکیب فن‌آوری‌های هوش مصنوعی و اینترنت اشیاء به پدید آمدن این گونه‌ی جدید منجر شده است. شاید بتوان گفت در حالی که اینترنت اشیاء دستگاه‌های غیرهوشمند را به هم متصل می‌نماید، این فن‌آوری ترکیبی، اشیاء هوشمند را با هم مرتبط می‌سازد.

در یک تعریف عمومی، هوش مصنوعی با یادگیری رفتار استفاده‌کنندگان و تولید الگوریتمی برای آن، این الگوریتم را در موارد بعدی تعمیم داده و تصمیمات هوشمندی می‌گیرد. سپس این تصمیمات گرفته شده در سطح دستگاه‌ها از طریق یک شبکه‌ی ارتباطی که بر بستر اینترنت پایه‌گذاری شده است به دیگر دستگاه‌ها انتقال پیدا می‌کند.

به عنوان نمونه، در یک اتومبیل هوشمند، بر اساس شرایط آب و هوایی بارانی و سرد، اتومبیل تصمیم می‌گیرد سیستم گرمایش و برف پاک‌کن شیشه‌ی اتومبیل را به کار بیندازد. نمونه‌ی دیگر فروشگاه‌هایی هستند که با استفاده از دوربین‌های مداربسته، حرکت مشتریان در بخش‌های مختلف فروشگاه را ضبط و بررسی می‌نمایند تا جاگذاری کالاها، میزان نیروهای لازم در نقاط مختلف فروشگاه، روش‌های عرضه‌ی بهینه‌ی اطلاعات به مشتریان و دیگر موضوعات کسب و کاری را تشخیص داده و برنامه‌ریزی نمایند.

 

آینده‌ی اینترنت اشیاء هوشمند در صنایع مالی

این فن‌آوری در صنایع مالی با هدف افزایش بهره‌وری، امکان فراهم آوردن تجارب کاربری مطلوب و افزایش مزیت رقابتی به کار گرفته می‌شود.

با هدف کشف تقلب و با استفاده از این فن‌آوری، داده‌های جمع‌آوری شده تنها به تراکنش‌های حساب‌های بانکی محدود نخواهند شد بلکه استفاده از کارت‌های بانکی بر روی سخت‌افزارهای مختلف، استفاده از خودپردازها یا دیگر ابزارهای پرداخت موبایلی نیز به این مجموعه اطلاعاتِ گردآوری شده، افزوده خواهد شد. به این ترتیب حجم و ابعاد داده‌های گردآوری شده افزایش خواهد یافت و رفتارهای مالی که بر اساس برآیند این اطلاعات مشکوک به نظر می‌رسند مورد بررسی بیشتر قرار خواهند گرفت.

دستگاه‌های خودپرداز با استفاده از این فن‌آوری می‌توانند کاربردهای بیشتری یافته و به بهینه‌سازی بخش عملیات در سازمان‌های مالی بینجامند. تصور کنید دستگاه‌های خودپرداز که امروزه امکانات متنوعی را در اختیار کاربران قرار می‌دهند با «هوشمندی» و به عنوان یک عضو از یک شبکه‌ی کاملا متصل عمل کنند. در این صورت تیم‌های تعمیر و نگهداری، تامین اسکناس یا بخش بازاریابی که همواره به دنبال بهترین محل مناسب برای نصب دستگاه‌های خودپرداز است عملکرد بسیار بهتری خواهند داشت. همچنین الگوریتم‌های پیاده شده بر روی این دستگاه‌های خودپرداز می‌توانند زمان و دلیل بیشترین زمان انتظار مشتریان را تحلیل نمایند و این اطلاعات را در اختیار تیم‌های عملیاتی قرار دهند.

از آنجا که سخت‌افزارها و سیستم‌های مورد استفاده‌ی مشتریان در صف مقدم برخورد با مشتری قرار دارند، تجهیز آنها به«هوشمندی» و «اتصال» این امکان را در اختیار موسسات مالی قرار می‌دهد که داده‌های لازم را جمع‌آوری کرده و به کمک سیستم‌های هوشمند درون‌سازمانی آنها را تحلیل نمایند. ترکیب و همکاری تنگاتنگ این دو بخش، به بهبود کیفیت عرضه‌ی خدمت به مشتریان و تجارب کاربران می‌انجامد.

 

 

منبع:

https://www.globalbankingandfinance.com/artificial-intelligence-of-things-aiot-the-role-it-plays-in-banking/

 


هوش مصنوعی، بهبود آینده‌ی تحول دیجیتال




 

 

تحول دیجیتال دیگر یک تاکتیک داخلی سازمان‌ها برای تغییر فرآیندهای عملیاتی نیست بلکه به خواسته‌ای اساسی از طرف مدیران فن‌آوری انفورماتیک و مدیران ارشد اطلاعات سازمانی تبدیل شده است. فرآیندهای اخیر در توسعه باعث شده است تا سازمان‌ها از دیجیتالی شدن استقبال کنند و انقلاب چهارم صنعتی فن‌آوری‌هایی مانند هوش مصنوعی را همه‌گیر نموده است.

با وجود این واقعیت که بر اساس تحقیقات موسسه‌ی گارتنر، تنها 53 درصد پروژه‌های هوش مصنوعی به پایان می‌رسند، سازمان‌ها و شرکت‌ها نمی‌توانند مزایای چنین پروژه‌هایی را ندیده بگیرند. کاربردهای پیشرفته‌ای از فن‌آوری هوش مصنوعی مانند هوش مصنوعی اشیا (AIoT)، هوش مصنوعی محاوره‌ای و یادگیری ماشین، آینده‌ی روشنی برای تحولات دیجیتال ترسیم می‌نمایند و راه حل‌های بیشتری برای مسائلی ارائه می‌دهند که کسب وکارها با آنها درگیر هستند.

 

هوش مصنوعی: زیرساختی که امکان مقیاس‌پذیری تمام فرآیند تحول دیجیتال را در اختیار شما قرار می‌دهد.

امروزه، فن‌آوری هوش مصنوعی می‌تواند به صورتی سفارشی‌سازی شود که تطابق کامل با نیازهای خاص یک سازمان داشته باشد. اما آیا سازمان‌ها هوش مصنوعی را در زمینه‌هایی که بهترین نتایج عمومی را به نمایش می‌گذارد استفاده می‌نمایند؟

پنج جهت بکاربندی هوش مصنوعی که در ادامه آمده است می‌تواند راهگشای سازمان‌های مختلف باشد:

 

یک) هوش مصنوعی اشیا

این فن‌آوری که تلفیقی از دو گونه‌ی اینترنت اشیا و هوش مصنوعی است نگاهی جدید به استفاده از یادگیری ماشین در انجام فعالیت‌های کسب و کاری است. هر یک از این فن‌آوری‌ها ارزش خاص خود را خلق می‌نماید و پیاده‌سازی محصول مشترک آنها نیاز به دانش کافی در هر دو زمینه خواهد داشت. پیاده‌سازی این فن‌آوری مشترک نیازمند هماهنگی فرآیندهای فیزیکی (که در آن اینترنت اشیا اطلاعات را تولید می‌نماید) و دیجیتالی (که در آن هوش مصنوعی اطلاعات را خلق می‌کند) خواهد بود. داده‌های سامانه‌هایی چون سامانه‌ی منابع سازمانی (ERP) از یک سو و سامانه‌های کنترل و پردازش فرآیند تولید از سوی دیگر در این فن‌آوری مشترک دخیل خواهند بود. نمونه‌هایی از استفاده از این فن‌آوری مشترک می‌تواند زنجیره های تامین خودبهینه‌ساز یا سامانه‌های کنترل کیفیت که در آنها پهپادها به همراه سامانه‌های کنترلی نصب شده بر روی تجهیزات همکاری می‌نمایند، هستند.

 

دو) هوش مصنوعی مکالمه‌ای

سامانه‌های پاسخگویی خودکار صوتی (IVR) به دلیل دسترسی به داده‌های حجیم مکالمات مشتریان با سازمان‌ها منبعی مناسب برای استفاده از هوش مصنوعی هستند. در چنین سامانه‌هایی داده‌های مکالمات مشتریان با سازمان‌ها برای یادگیری مدل‌های هوش مصنوعی در پاسخگویی به پرسش‌های متداول مخاطبین به کار گرفته می‌شود تا با به کارگیری فن‌آوری پردازش زبان طبیعی، بسیاری از مکالمات صوتی یا متنی با مخاطبین را خودکارسازی نماید. به کمک این فن‌آوری، بسیاری از سازمان‌ها ربات‌های گفتگو را به عنوان اولین نقطه‌ی تماس با مشتریان خود انتخاب نموده‌اند تا نیروهای پشتیبان خود را برای مقاصدی که به سادگی قابل خودکارسازی نیستند به کار گیرند.

 

سه) هوش مصنوعی بدون برنامه‌نویسی (No Code AI)

با هدف تسهیل استفاده از فن‌آوری هوش مصنوعی توسط غیرمتخصصین، فن‌آوری یادگیری خودکار ماشین (Auto ML) به سازمان‌ها اجازه می‌دهد بدون نیاز به برنامه‌نویسی، اقدام به طراحی، ساخت و پیاده‌سازی مدل‌های یادگیری ماشین نمایند. این فن‌آوری با خودکارسازی بخش زیادی از فرآیند و ترکیب الگوریتم‌های مختلف یادگیری ماشین، به استفاده‌کنندگان اجازه می‌دهد داده های خود و صورت مسئله‌ای که به دنبال حل آن هستند را در اختیار این فن‌آوری قرار دهند تا در فرآیندی خودکار به نتایج مورد نظر دست یابند.

 

چهار) یادگیری ماشین و فوق خودکارسازی

فوق خودکارسازی در هماهنگی با یادگیری ماشین از خودکارسازی دیجیتالی فرآیند (Digital Process Automation) بهره می‌گیرد تا میزان خودکارسازی فرآیندها را به صورت چشمگیری افزایش دهد. در حقیقت این فن‌آوری، ترکیبی از خودکارسازی فرآیندها و یادگیری ماشینی از تغییرات بوجود آمده در فرآیندها است که با تغییر محیط و شرایط پیرامونی فرآیندها، تغییرات لازم را در خودکارسازی اعمال می‌نماید تا به نوعی «فوق خودکارسازی» در فرآیندها را تامین نماید.

 

پنج) هوش مصنوعی پیاده شده بر روی رایانش ابری

ترکیب این دو فن‌آوری به سازمان‌ها اجازه می‌دهد هرگونه داده‌ی تولیدی در سازمان خود را بر روی محیط رایانش ابری ذخیره نمایند و با استفاده از انعطاف موجود در منابع ذخیره‌سازی  و پردازش اطلاعات، بستر مناسب‌تری برای استفاده از هوش مصنوعی ایجاد نمایند. طراحی مدل‌های یادگیری ماشینی و پیاده‌سازی آنها هریک به منابع متفاوتی برای پردازش و ذخیره‌سازی نیاز دارند و محیطهای رایانش ابری این امکان را در اختیار سازمان ها قرار می‌دهند.

 

آینده‌ای روشن

در پیاده‌سازی هوش مصنوعی، سازمان‌ها عموما با موضوعات نگهداری، مقیاس‌پذیری و نظارتی دچار چالش هستند. به همین دلیل، به جای پیاده‌سازی جزیره‌ای این فن‌آوری در بخش‌های مختلف، اتخاذ یک سیاست مرکزی در تعیین اهداف بکارگیری این فن‌آوری، می‌تواند آینده‌ی روشنی را برای سازمان ترسیم نماید.

 

 

منبع:

https://business-reporter.co.uk/2021/05/27/ai-enhancing-the-future-of-digital-transformation/