چهار محور اساسی شکست و موفقیت هوش مصنوعی در صنعت بانکداری

هیجان بازار تضمین‌کننده موفقیت نیست

امینیان با اشاره به تجربه‌های یک دهه گذشته در حوزه بانکداری و مدیریت پروژه، بیان کرد که بازار هوش مصنوعی در حال حاضر با هیجان و رقابت گسترده‌ای مواجه است و بسیاری از سازمان‌ها با سرعت به‌دنبال توسعه محصولات مبتنی بر این فناوری هستند.

وی هشدار داد: «توجه صرف به سرمایه‌گذاری‌های کلان یا تعداد کاربران، تضمینی برای موفقیت پروژه‌ها نیست. بسیاری از پروژه‌های هوش مصنوعی در بانک‌ها و سازمان‌ها به دلایلی چون ناسازگاری فرهنگی، زیرساخت‌های ناکافی و داده‌های ناقص، نتایج مطلوبی ارائه نمی‌دهند.»

وی با ذکر نمونه‌ای واقعی اشاره کرد که محصول طراحی‌شده در یک بانک، کیفیت فنی بالایی داشت، اما به‌دلیل عدم علاقه مشتریان عمده به استفاده از آن، نتیجه پروژه مطابق اهداف تعریف‌شده محقق نشد.

اهمیت زیرساخت و داده‌های تمیز

مشاور ارشد راهکارهای هوش مصنوعی بر اهمیت زیرساخت‌های فنی و داده‌ای در موفقیت پروژه‌های هوش مصنوعی تأکید کرد و گفت:

تأمین سخت‌افزار و ساختار مناسب داده، پیش‌نیاز اصلی موفقیت پروژه‌های هوش مصنوعی است. داده تمیز، ساختاریافته و قابل استفاده، نقش حیاتی در عملکرد درست این سیستم‌ها دارد.

وی افزود که بسیاری از شکست‌ها ناشی از کمبود تجربه عملی تیم‌ها و نگاه صرفاً تئوری به موضوع است. دلیل اصلی موفقیت پروژه‌ها، انتخاب درست حوزه کاربرد، تعیین اهداف شفاف و برآورد دقیق بازگشت سرمایه است.

امینیان خاطرنشان کرد که ترکیب هوش مصنوعی با زیرساخت مناسب و دانش مالی، سیستم‌هایی را پدید آورده که بیش از ۱۰ میلیون کاربر فعال دارند، اما هوش مصنوعی به‌تنهایی تضمین‌کننده موفقیت نیست.

آمار جهانی و محدودیت‌های هوش مصنوعی

بر اساس آمارهای جهانی، حدود ۴۶ درصد از موسسات مالی به صورت منظم از هوش مصنوعی استفاده می‌کنند و ۵۲ درصد آنها این فناوری را به عنوان یک اولویت استراتژیک مطرح کرده‌اند. استفاده صحیح از این فناوری می‌تواند بهره‌وری نیروی انسانی را افزایش داده و پاسخگویی سریع‌تر و دقیق‌تری به مشتریان ارائه دهد.

وی درباره محدودیت‌های این فناوری نیز تأکید کرد: سیستم‌های خودکار و ایجنت‌های هوشمند هنوز قادر به تصمیم‌گیری کامل مستقل نیستند و در برخی مواقع، به دلیل نقص داده یا مدل، پاسخ‌هایی همراه با خطا و «توهم» ارائه می‌دهند.

چهار محور اساسی برای موفقیت

امینیان چهار محور اساسی را برای موفقیت پروژه‌های هوش مصنوعی در سازمان‌ها معرفی کرد:

• بلوغ فرهنگی و پذیرش سازمانی: آمادگی مجموعه برای پذیرش و استفاده از فناوری جدید.
• زیرساخت داده و فناوری مناسب: تأمین سخت‌افزار و داده‌های ساختاریافته.
• تیم فنی متخصص و آگاه: داشتن نیروی انسانی با تجربه عملی.
• هدف‌گذاری شفاف و معیار بازگشت سرمایه: تعریف دقیق اهداف و سنجش سودآوری پروژه.

وی در پایان پیشنهاد داد که سازمان‌ها پروژه‌های هوش مصنوعی را ابتدا در مقیاس کوچک آزمایش کنند، داده‌های خود را آماده و تمیز نمایند، تیم‌های داخلی آموزش‌دیده داشته باشند و به صورت مستمر فرآیند یادگیری و بهبود را دنبال کنند.

او تأکید کرد: «موفقیت در هوش مصنوعی با خرید ابزار به دست نمی‌آید، بلکه با فهم درست، یادگیری مستمر و اجرای آگاهانه پروژه حاصل می‌شود.»