به گزارش گروه اقتصادی خبرگزاری دانشجو؛ محمد امینیان، طراح و مشاور ارشد راهکارهای هوش مصنوعی، در نشست تخصصی نقش هوش مصنوعی در صنعت بانکداری که در دوازدهمین نمایشگاه بین المللی بوری، بانک، بیمه، خصوصی‌سازی و معرفی فرصت‌های سرمایه‌گذاری کشور(کیش اینوکس) برگزار شد با محوریت «مدل واقع‌گرایانه بلوغ هوش مصنوعی در نهادهای مالی» به بررسی چالش‌ها و فرصت‌های استفاده از هوش مصنوعی در سازمان‌ها و نهادهای مالی پرداخت و تأکید کرد: استفاده نامناسب یا بدون برنامه‌ریزی این فناوری، می‌تواند به شکست پروژه‌ها منجر شود.
وی با اشاره به تجربه‌های حدود ۱۰ سال گذشته در حوزه بانکداری و مدیریت پروژه، بیان کرد: بازار هوش مصنوعی در حال حاضر با هیجان و رقابت گسترده‌ای مواجه است و بسیاری از سازمان‌ها به سرعت در تلاشند محصولات خود را مبتنی بر هوش مصنوعی توسعه دهند.
وی هشدار داد: توجه صرف به سرمایه‌گذاری‌های کلان یا تعداد کاربران، تضمینی برای موفقیت پروژه‌ها نیست.
امینیان با ذکر نمونه‌های واقعی توضیح داد: بسیاری از پروژه‌های هوش مصنوعی در بانک‌ها و سازمان‌ها به دلیل ناسازگاری فرهنگی، زیرساخت‌های ناکافی و داده‌های ناقص، نتایج مطلوبی ارائه نمی‌دهند. وی به تجربه یکی از بانک‌ها اشاره کرد که محصول طراحی‌شده، کیفیت بالایی داشت اما مشتریان عمده بانک علاقه‌ای به استفاده از آن نداشتند و نتیجه پروژه مطابق اهداف تعریف‌شده نبود.
وی همچنین به اهمیت زیرساخت‌های فنی و داده‌ای اشاره 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.»
امینیان افزود: بسیاری از شکست‌ها ناشی از کمبود تجربه عملی تیم‌ها و نگاه تئوری صرف است.
وی به نمونه‌ای از یک استارتاپ اشاره کرد که مدل تشخیص تقلب برای تراکنش‌های بانکی طراحی کرده بود، اما به دلیل عدم رعایت چهار عامل اساسی، پروژه با مشکلات جدی مواجه شد.
از نگاه وی، دلیل اصلی موفقیت پروژه‌ها، انتخاب درست حوزه کاربرد، تعیین اهداف شفاف و برآورد دقیق بازگشت سرمایه است.
وی با بیان مثال‌هایی از دستیارهای مالی موفق، خاطرنشان کرد: ترکیب هوش مصنوعی با زیرساخت مناسب و دانش مالی باعث شده برخی سیستم‌ها بیش از ۱۰ میلیون کاربر فعال داشته باشند، اما هوش مصنوعی به تنهایی تضمین‌کننده موفقیت نیست.
وی با اشاره به تجربه جهانی و آمارهای مکنزی، گفت: حدود ۴۶ درصد موسسات مالی از هوش مصنوعی به صورت منظم استفاده می‌کنند و ۵۲ درصد آنها آن را به عنوان اولویت استراتژیک مطرح کرده‌اند. استفاده درست از این فناوری می‌تواند بهره‌وری نیروهای انسانی را آزاد کند و پاسخگویی سریعتر و دقیق‌تری به مشتریان ارائه دهد.
امینیان درباره محدودیت‌های هوش مصنوعی 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.
وی چهار محور اساسی برای موفقیت پروژه‌های هوش مصنوعی در سازمان‌ها را شامل بلوغ فرهنگی و پذیرش سازمانی ، زیرساخت داده و فناوری مناسب، تیم فنی متخصص و آگاه و هدف‌گذاری شفاف و معیار بازگشت سرمایه عنوان کرد.
امینیان در پایان پیشنهاد داد: سازمان‌ها پروژه‌های هوش مصنوعی را ابتدا در مقیاس کوچک آزمایش کنند، داده‌های خود را آماده و تمیز کنند، تیم‌های داخلی آموزش دیده داشته باشند و به صورت مستمر فرآیند یادگیری و بهبود را دنبال کنند.
وی تأکید کرد: موفقیت در هوش مصنوعی با خرید ابزار به دست نمی‌آید، بلکه با فهم درست، یادگیری مستمر و اجرای آگاهانه پروژه حاصل می‌شود.