ایجنت هوش مصنوعی در بانک و فین‌تک؛ از پاسخ‌گویی تا تصمیم‌سازی

بانک‌ها و شرکت‌های پرداخت هر روز با حجم عظیمی از تراکنش، درخواست مشتری، پرونده اعتباری و هشدار امنیتی روبه‌رو هستند. بخش بزرگی از این کارها تکراری، زمان‌بر و وابسته به جست‌وجو در چند سامانه مختلف است؛ دقیقاً همان نوع کاری که ایجنت هوش مصنوعی برای آن ساخته شده است. ایجنت برخلاف چت‌بات‌های ساده فقط جواب نمی‌دهد؛ می‌تواند اطلاعات را از سامانه‌های مختلف جمع کند، یک فرایند چندمرحله‌ای را پیش ببرد، تصمیم پیشنهادی بدهد و در نقاط حساس، کار را برای تأیید به انسان بسپارد.

طراحی ایجنت هوش مصنوعی برای بانک و شرکت‌های پرداخت

اگر هنوز با مفهوم ایجنت آشنا نیستید، پیشنهاد می‌کنیم ابتدا مقاله ایجنت هوش مصنوعی چیست را بخوانید. در این مقاله تمرکز ما روی یک صنعت مشخص است: بانکداری، پرداخت و فین‌تک. بررسی می‌کنیم ایجنت‌ها دقیقاً در کدام بخش‌های یک بانک یا شرکت پرداخت به کار می‌آیند، معماری یک ایجنت امن بانکی چگونه است، چه الزاماتی برای امنیت و حریم داده در ایران باید رعایت شود و یک سازمان مالی چطور می‌تواند گام‌به‌گام اولین ایجنت خود را طراحی و راه‌اندازی کند.

چرا بانک‌ها و شرکت‌های پرداخت به ایجنت هوش مصنوعی نیاز دارند؟

صنعت مالی از نخستین صنایعی بود که به سراغ اتوماسیون رفت؛ از دستگاه‌های خودپرداز تا بانکداری اینترنتی و موبایلی. اما بخش بزرگی از کارهای پشت صحنه هنوز به نیروی انسانی وابسته است: پاسخ به سؤال‌های تکراری، بررسی اعتراض‌ها، تطبیق مدارک، تحلیل هشدارها و تهیه گزارش. ایجنت‌های هوش مصنوعی نسل بعدی این اتوماسیون هستند؛ اتوماسیونی که به‌جای اجرای قوانین ثابت، می‌تواند زبان طبیعی را بفهمد، با داده‌های نامنظم کار کند و در موقعیت‌های جدید هم تصمیم معقول بگیرد. برای آشنایی با زمینه کلی این صنعت، مقاله فین‌تک چیست نقطه شروع خوبی است.

حجم بالای تراکنش و درخواست مشتری

هر بانک یا شرکت پرداخت بزرگ روزانه با تعداد زیادی تماس، پیام و تیکت روبه‌رو است که بخش قابل‌توجهی از آن‌ها تکراری‌اند: «پولم کسر شده ولی خرید انجام نشده»، «چرا کارتم مسدود شده؟»، «وضعیت درخواست تسهیلاتم چیست؟». پاسخ به هر کدام از این سؤال‌ها معمولاً نیازمند جست‌وجو در چند سامانه است. وقتی حجم درخواست‌ها بالا می‌رود، صف‌ها طولانی می‌شوند، رضایت مشتری کاهش می‌یابد و هزینه مرکز تماس به‌سرعت رشد می‌کند. ایجنت می‌تواند بخش بزرگی از این درخواست‌ها را به‌طور کامل و بدون دخالت انسان حل کند.

فشار رقابتی فین‌تک‌ها و انتظارات مشتری دیجیتال

مشتری امروز با اپلیکیشن‌هایی کار می‌کند که پاسخ را در چند ثانیه می‌دهند. وقتی یک فین‌تک کوچک بتواند در چند دقیقه حساب باز کند یا وام خرد بدهد، بانکی که برای همین کار چند روز زمان می‌خواهد مشتری را از دست می‌دهد. انواع مختلف فین‌تک که در مقاله انواع فین‌تک و کاربردهای آن بررسی کرده‌ایم، همگی بر سرعت و تجربه کاربری تکیه دارند و ایجنت‌های هوش مصنوعی یکی از ابزارهای اصلی برای رسیدن به این سرعت هستند؛ هم برای فین‌تک‌هایی که می‌خواهند بزرگ شوند و هم برای بانک‌هایی که نمی‌خواهند عقب بمانند.

تفاوت ایجنت با چت‌بات‌های قدیمی بانکی

بسیاری از بانک‌ها تجربه چت‌بات‌های مبتنی بر سناریو را دارند؛ ربات‌هایی که فقط چند سؤال ازپیش‌تعریف‌شده را می‌شناسند و در اولین سؤال خارج از سناریو، کاربر را به «تماس با پشتیبانی» ارجاع می‌دهند. ایجنت هوش مصنوعی سه تفاوت اساسی دارد: اول اینکه منظور کاربر را حتی اگر به زبان محاوره و با غلط املایی نوشته شده باشد درک می‌کند؛ دوم اینکه به ابزار دسترسی دارد و می‌تواند وضعیت واقعی یک تراکنش یا پرونده را استعلام کند؛ و سوم اینکه می‌تواند یک کار چندمرحله‌ای، مثل ثبت اعتراض و پیگیری آن، را از ابتدا تا انتها انجام دهد.

ویژگی چت‌بات سناریومحور ایجنت هوش مصنوعی
درک زبان کلمات کلیدی ازپیش‌تعریف‌شده درک زبان طبیعی و محاوره
دسترسی به داده محدود یا بدون دسترسی استعلام از سامانه‌های بانک از طریق API
انجام کار فقط پاسخ متنی اجرای فرایند چندمرحله‌ای
مواجهه با موقعیت جدید ارجاع به اپراتور استدلال و پیشنهاد راه‌حل، با ارجاع هوشمند در صورت نیاز

ایجنت هوش مصنوعی در خدمات مشتریان بانک

خدمات مشتریان پرکاربردترین و کم‌ریسک‌ترین نقطه شروع برای ایجنت در بانک است. در این حوزه، ایجنت می‌تواند روی اپلیکیشن موبایل، وب‌سایت، پیام‌رسان‌ها و حتی مرکز تماس تلفنی (با تبدیل گفتار به متن) فعال باشد. نکته مهم این است که ایجنت خدمات مشتری باید در همان کانالی کار کند که مشتری از آن استفاده می‌کند؛ برای همین طراحی آن معمولاً همراه با طراحی اپلیکیشن پرداخت یا اپلیکیشن بانکی دیده می‌شود.

یک سناریوی ساده را تصور کنید: ساعت یازده شب، مشتری در اپلیکیشن بانک می‌نویسد «از کارتم پول کم شده ولی شارژ نخریدم». ایجنت پس از تأیید هویت، تراکنش‌های چند ساعت اخیر کارت را بررسی می‌کند، تراکنش ناموفق را پیدا می‌کند، توضیح می‌دهد که مبلغ در وضعیت برگشت خودکار قرار دارد و زمان تقریبی بازگشت آن را اعلام می‌کند. اگر مهلت برگشت خودکار گذشته باشد، همان لحظه اعتراض را ثبت می‌کند و شماره پیگیری می‌دهد. همه این کارها بدون اینکه مشتری منتظر صبح و باز شدن مرکز تماس بماند انجام می‌شود و کارشناس فقط زمانی وارد ماجرا می‌شود که واقعاً به تصمیم انسانی نیاز باشد.

پاسخ‌گویی ۲۴ ساعته و پیگیری تراکنش

رایج‌ترین سؤال مشتریان بانک درباره وضعیت تراکنش‌هاست. ایجنت پس از احراز هویت کاربر، می‌تواند شماره پیگیری یا زمان تقریبی تراکنش را بگیرد، وضعیت آن را از سامانه‌های داخلی استعلام کند و به زبان ساده توضیح دهد چه اتفاقی افتاده است؛ مثلاً اینکه مبلغ کسرشده ظرف چه بازه‌ای به‌طور خودکار بازمی‌گردد یا اینکه تراکنش موفق بوده و رسید آن چیست. همین یک قابلیت می‌تواند بخش قابل‌توجهی از بار مرکز تماس را کاهش دهد و مشتری را از انتظار پشت خط نجات دهد.

رسیدگی به اعتراض و مغایرت تراکنش

وقتی تراکنش واقعاً مشکل دارد، ایجنت می‌تواند فرایند ثبت اعتراض را هم پیش ببرد: اطلاعات لازم را از مشتری بپرسد، مدارک (مثل تصویر رسید) را دریافت کند، پرونده را با جزئیات کامل در سامانه ثبت کند و شماره پیگیری بدهد. در مرحله بعد، ایجنت داخلی دیگری می‌تواند پرونده را با داده‌های سوئیچ و تسویه تطبیق دهد و پیش‌نویس نتیجه بررسی را برای کارشناس آماده کند. نتیجه، کوتاه‌شدن چشمگیر زمان رسیدگی و کاهش خطای انسانی در ثبت پرونده است.

هدایت هوشمند به کارشناس انسانی

ایجنت خوب می‌داند کجا نباید خودش تصمیم بگیرد. اگر مشتری عصبانی است، اگر موضوع به مبلغ بالا یا شکایت حقوقی مربوط است یا اگر ایجنت به پاسخ خود اطمینان کافی ندارد، باید گفت‌وگو را به کارشناس انسانی بسپارد؛ آن هم همراه با خلاصه کامل گفت‌وگو و اطلاعاتی که تا آن لحظه جمع شده تا مشتری مجبور نباشد همه چیز را از اول توضیح دهد. این «تحویل هوشمند» یکی از مهم‌ترین عوامل رضایت مشتری از سیستم‌های مبتنی بر هوش مصنوعی است. ثبت این تعامل‌ها در سیستم CRM هم باعث می‌شود تاریخچه کامل ارتباط با هر مشتری در یک جا باقی بماند.

ایجنت در کشف تقلب و مدیریت ریسک

کشف تقلب سال‌هاست با مدل‌های یادگیری ماشین انجام می‌شود، اما ایجنت‌ها نقش جدیدی به این حوزه اضافه کرده‌اند: آن‌ها فقط امتیاز ریسک تولید نمی‌کنند، بلکه پرونده را بررسی می‌کنند، شواهد را کنار هم می‌گذارند و اقدام بعدی را پیشنهاد می‌دهند. این تفاوت برای تیم‌های امنیت و ریسک که هر روز با تعداد زیادی هشدار روبه‌رو هستند بسیار مهم است.

پایش تراکنش‌ها و شناسایی الگوهای مشکوک

مدل‌های تحلیلی تراکنش‌ها را به‌طور پیوسته پایش می‌کنند و الگوهای غیرعادی را علامت می‌زنند: خریدهای پیاپی از پذیرندگان ناآشنا، تراکنش از دستگاه یا مکان جدید، یا تغییر ناگهانی در رفتار یک حساب. مشکل این است که بسیاری از این هشدارها مثبت کاذب هستند و تیم انسانی فرصت بررسی همه آن‌ها را ندارد. ایجنت می‌تواند به‌عنوان «تحلیلگر سطح اول» عمل کند و هر هشدار را پیش از رسیدن به دست انسان غربال کند.

بررسی پرونده‌های مشکوک و پیشنهاد اقدام

وقتی یک هشدار ایجاد می‌شود، ایجنت تاریخچه حساب، تراکنش‌های مرتبط، اطلاعات دستگاه و سوابق قبلی مشتری را جمع‌آوری می‌کند، یک خلاصه قابل‌فهم از پرونده می‌نویسد و اقدام مناسب را پیشنهاد می‌دهد: بستن پرونده به‌عنوان مثبت کاذب، تماس تأییدی با مشتری یا مسدودسازی موقت. تصمیم نهایی درباره اقدامات حساس همچنان با کارشناس است، اما زمانی که کارشناس برای هر پرونده صرف می‌کند به‌شدت کاهش می‌یابد و تمرکز تیم روی پرونده‌های واقعاً پرخطر قرار می‌گیرد.

مبارزه با پول‌شویی و شناخت مشتری (KYC)

فرایندهای شناخت مشتری و مبارزه با پول‌شویی پر از کار اسنادی است: بررسی مدارک هویتی، تطبیق اطلاعات با فهرست‌ها، تحلیل منشأ وجوه و تهیه گزارش‌های نظارتی. ایجنت می‌تواند مدارک را بخواند، ناسازگاری‌ها را مشخص کند، اطلاعات ناقص را از مشتری درخواست کند و پیش‌نویس گزارش را برای واحد تطبیق آماده کند. در این حوزه، ثبت کامل استدلال ایجنت برای هر تصمیم اهمیت ویژه‌ای دارد؛ زیرا بانک باید بتواند در برابر ناظر توضیح دهد چرا یک پرونده را مشکوک یا عادی تشخیص داده است.

ایجنت در اعتبارسنجی و اعطای تسهیلات

فرایند اعطای تسهیلات یکی از کندترین و پرهزینه‌ترین فرایندهای بانکی است. از دریافت درخواست تا بررسی مدارک، اعتبارسنجی، تعیین سقف و پیگیری اقساط، کارشناسان زیادی درگیر می‌شوند. ایجنت‌ها می‌توانند در هر مرحله این زنجیره نقش داشته باشند و زمان رسیدن از درخواست تا تصمیم را به‌طور محسوسی کوتاه کنند؛ موضوعی که برای محصولات اعتباری خرد و کارت‌های اعتباری اهمیت حیاتی دارد.

جمع‌آوری و تحلیل مدارک متقاضی

ایجنت می‌تواند در یک گفت‌وگوی ساده، اطلاعات لازم را از متقاضی بگیرد، مدارک بارگذاری‌شده مثل فیش حقوقی، صورت‌حساب یا مجوز کسب‌وکار را بخواند، اطلاعات کلیدی را استخراج کند و نقص‌ها را همان لحظه به متقاضی اعلام کند. این کار جلوی رفت‌وبرگشت‌های طولانی میان شعبه و مشتری را می‌گیرد و پرونده‌ای کامل و استاندارد به دست کارشناس اعتباری می‌رساند.

پیشنهاد سقف اعتبار و محصول مناسب

با کنار هم گذاشتن داده‌های رفتار تراکنشی، سوابق بازپرداخت و نتیجه اعتبارسنجی، ایجنت می‌تواند پیشنهاد اولیه‌ای برای سقف اعتبار، نوع محصول و شرایط بازپرداخت ارائه دهد. این پیشنهاد باید بر اساس سیاست‌های اعتباری تعریف‌شده بانک باشد و قابل توضیح باشد؛ یعنی ایجنت بگوید بر چه اساسی این سقف را پیشنهاد کرده است. تصمیم نهایی در پرونده‌های بزرگ‌تر همچنان با کمیته اعتباری است، اما در محصولات خرد می‌توان بخش بزرگی از فرایند را در چارچوب قوانین مشخص خودکار کرد. تجربه کارزان در طراحی سامانه کارت اعتباری آرامیس نشان می‌دهد طراحی درست قوانین اعتباری پیش از اتوماسیون، شرط اصلی موفقیت است.

پیگیری اقساط و وصول مطالبات

پس از اعطای تسهیلات، ایجنت می‌تواند یادآوری اقساط را به‌صورت شخصی‌سازی‌شده ارسال کند، به سؤال‌های مشتری درباره مانده بدهی پاسخ دهد و برای مشتریانی که در پرداخت دچار مشکل شده‌اند، گزینه‌های مجاز مثل تقسیط مجدد را در چارچوب سیاست بانک مطرح کند. لحن و زمان‌بندی این ارتباط‌ها بسیار مهم است؛ ایجنت باید محترمانه، دقیق و متناسب با وضعیت هر مشتری عمل کند و پرونده‌های حساس را به کارشناس وصول بسپارد.

ایجنت در شرکت‌های پرداخت و پرداخت‌یاری (PSP)

شرکت‌های ارائه‌دهنده خدمات پرداخت و پرداخت‌یارها با دو گروه مشتری سروکار دارند: پذیرندگان (فروشگاه‌ها و کسب‌وکارها) و دارندگان کارت. علاوه بر این، باید زیرساخت فنی پیچیده‌ای را به‌طور پیوسته پایش کنند. ایجنت‌های هوش مصنوعی در هر سه حوزه کاربرد دارند. برای آشنایی بیشتر با این بخش از صنعت، مقاله انواع فین‌تک و مزایای آن را هم ببینید.

تفاوت مهم شرکت‌های پرداخت با بانک‌ها این است که بخش بزرگی از مشتریانشان خود کسب‌وکار هستند و هر اختلال، مستقیماً به فروش آن‌ها آسیب می‌زند. به همین دلیل ایجنت‌ها در این شرکت‌ها هم باید سریع باشند و هم دانش فنی دقیقی از پایانه‌ها، درگاه‌ها و فرایند تسویه داشته باشند. در عمل، بهترین نتیجه زمانی به دست می‌آید که ایجنت‌ها روی همان داده‌ها و APIهایی ساخته شوند که تیم عملیات روزانه با آن‌ها کار می‌کند.

پشتیبانی هوشمند پذیرندگان

پذیرندگان سؤال‌های تکراری زیادی دارند: «تسویه امروز کی واریز می‌شود؟»، «چرا دستگاهم تراکنش را رد می‌کند؟»، «چطور درگاه پرداخت را به سایتم وصل کنم؟». ایجنت پشتیبانی پذیرندگان می‌تواند با دسترسی به اطلاعات تسویه، وضعیت پایانه و مستندات فنی، بیشتر این سؤال‌ها را فوراً پاسخ دهد، مراحل عیب‌یابی را قدم‌به‌قدم با پذیرنده پیش ببرد و فقط در صورت نیاز تیکت فنی ثبت کند. برای کسب‌وکارهای کوچک که هر دقیقه قطعی پرداخت برایشان به معنای از دست دادن فروش است، این سرعت پاسخ‌گویی ارزش زیادی دارد.

پایش سلامت شبکه و هدایت تراکنش

در زیرساخت پرداخت، کیفیت مسیرهای ارتباطی با بانک‌ها و شبکه‌ها دائماً تغییر می‌کند. سامانه‌های هدایت تراکنش مثل پروژه‌ای که کارزان برای فن‌آپ اجرا کرده، بر اساس قوانین و شاخص‌های عملکرد، هر تراکنش را به بهترین مسیر می‌فرستند. ایجنت می‌تواند لایه‌ای بالاتر از این سامانه‌ها باشد: شاخص‌های نرخ موفقیت و زمان پاسخ را پایش کند، افت کیفیت یک مسیر را زودتر از انسان تشخیص دهد، علت احتمالی را از روی لاگ‌ها تحلیل کند و تغییر قوانین مسیریابی را به تیم عملیات پیشنهاد دهد. در این حوزه، ایجنت معمولاً پیشنهاد می‌دهد و تغییر نهایی با تأیید انسان اعمال می‌شود.

تسویه و مغایرت‌گیری

مغایرت‌گیری میان تراکنش‌های ثبت‌شده در سامانه پرداخت، گزارش‌های بانک و فایل‌های تسویه یکی از کارهای وقت‌گیر واحدهای مالی است. ایجنت می‌تواند فایل‌ها را تطبیق دهد، مغایرت‌ها را دسته‌بندی کند، علت محتمل هر مغایرت را تشخیص دهد و برای موارد قابل‌اصلاح، پیش‌نویس سند اصلاحی آماده کند. این کار هم سرعت بستن حساب‌ها را بالا می‌برد و هم احتمال خطای انسانی در محاسبات تکراری را کاهش می‌دهد.

ایجنت در باشگاه مشتریان و سیستم‌های وفاداری

سیستم‌های وفاداری و باشگاه مشتریان حجم زیادی داده رفتاری تولید می‌کنند که معمولاً کمتر از ظرفیتش استفاده می‌شود. ایجنت‌ها می‌توانند این داده‌ها را به اقدام تبدیل کنند؛ هم برای مشتری نهایی و هم برای تیم بازاریابی. کارزان در طراحی سوئیچ تخفیفی و لویالتی پارسه با چالش‌های همین حوزه از نزدیک آشنا شده است.

پیشنهادهای شخصی‌سازی‌شده به مشتری

ایجنت می‌تواند بر اساس سابقه خرید و امتیازهای هر مشتری، پیشنهادهای مرتبط ارائه دهد، به سؤال‌های او درباره امتیاز و جوایز پاسخ دهد و حتی در لحظه خرید، بهترین روش استفاده از امتیاز را پیشنهاد کند. تفاوت این رویکرد با پیامک‌های انبوه تبلیغاتی این است که پیشنهاد در زمان و کانال مناسب و متناسب با نیاز واقعی مشتری ارائه می‌شود و به همین دلیل احتمال اثرگذاری آن بسیار بیشتر است.

طراحی و پایش کمپین برای تیم بازاریابی

برای تیم بازاریابی، ایجنت نقش یک تحلیلگر همیشه در دسترس را دارد: کارشناس می‌تواند به زبان ساده بپرسد «مشتریانی که در سه ماه گذشته خریدشان کم شده چه ویژگی‌هایی دارند؟» یا «نتیجه کمپین هفته گذشته در شهرهای مختلف چطور بوده؟» و ایجنت با اجرای پرس‌وجو روی داده‌ها، پاسخ را همراه با جدول و تحلیل ارائه دهد. ایجنت همچنین می‌تواند پیش‌نویس کمپین بعدی، شامل بخش‌بندی مخاطب و متن پیام، را برای بررسی تیم آماده کند.

ایجنت‌های داخلی برای کارکنان بانک

بخش مهمی از ارزش ایجنت‌ها در بانک، به مشتری نمی‌رسد بلکه در داخل سازمان ایجاد می‌شود. کارکنان شعب، مرکز تماس و واحدهای ستادی هر روز وقت زیادی را صرف پیدا کردن اطلاعات و انجام کارهای اداری تکراری می‌کنند. ایجنت‌های داخلی معمولاً ریسک کمتری از ایجنت‌های مشتری‌محور دارند و برای شروع گزینه بسیار خوبی هستند. این ایجنت‌ها معمولاً در پورتال سازمانی بانک در دسترس کارکنان قرار می‌گیرند.

دستیار دانش رویه‌ها و بخشنامه‌ها

بانک‌ها حجم زیادی دستورالعمل، بخشنامه و آیین‌نامه دارند که مدام به‌روز می‌شوند. کارمند شعبه برای پاسخ به یک سؤال ساده مثل «مدارک لازم برای افتتاح حساب شرکتی چیست؟» گاهی باید چند سند را جست‌وجو کند یا با واحد ستادی تماس بگیرد. دستیار دانش با تکیه بر مجموعه به‌روز اسناد داخلی، پاسخ دقیق را همراه با ارجاع به بند و سند مربوط ارائه می‌دهد. ارجاع به منبع در این ایجنت‌ها حیاتی است؛ کارمند باید بتواند صحت پاسخ را سریع بررسی کند.

آموزش و توانمندسازی کارکنان شعب

هر بار که محصول جدیدی عرضه می‌شود یا مقرراتی تغییر می‌کند، کارکنان شبکه گسترده شعب باید به‌سرعت آموزش ببینند. ایجنت‌های آموزشی می‌توانند محتوای کوتاه و متناسب با نقش هر کارمند ارائه دهند، به سؤال‌های او پاسخ دهند و میزان آمادگی شعب را بسنجند. این همان کاری است که یک پلتفرم تجربه یادگیری (LXP) با کمک هوش مصنوعی انجام می‌دهد؛ برای آشنایی بیشتر، مقاله‌های LXP چیست و هوش مصنوعی در آموزش سازمانی را بخوانید.

معماری یک ایجنت بانکی امن

طراحی ایجنت برای بانک با طراحی یک چت‌بات عمومی تفاوت اساسی دارد. در بانک، یک پاسخ اشتباه یا یک اقدام بدون مجوز می‌تواند پیامد مالی و حقوقی داشته باشد. به همین دلیل، معماری ایجنت بانکی باید از ابتدا بر پایه کنترل، شفافیت و حداقل دسترسی طراحی شود. یک ایجنت بانکی استاندارد از چهار لایه اصلی تشکیل می‌شود.

مدل زبانی و لایه دانش (RAG)

مدل زبانی مغز ایجنت است و وظیفه فهم درخواست، استدلال و تولید پاسخ را بر عهده دارد. اما مدل زبانی به‌تنهایی از قوانین، محصولات و رویه‌های بانک شما خبر ندارد و ممکن است پاسخ نادرست بسازد. راه‌حل، معماری «تولید تقویت‌شده با بازیابی» یا RAG است: پیش از پاسخ، ایجنت اسناد مرتبط را از پایگاه دانش داخلی بانک بازیابی می‌کند و پاسخ را فقط بر اساس همان اسناد می‌سازد. به‌روز نگه داشتن این پایگاه دانش و تعیین مالک برای هر دسته از اسناد، بخش مهمی از کار پروژه است.

ابزارها و اتصال به کربنکینگ و سوئیچ

قدرت واقعی ایجنت از ابزارهایش می‌آید؛ یعنی APIهایی که به آن اجازه می‌دهند وضعیت تراکنش را استعلام کند، تیکت ثبت کند یا اطلاعات مشتری را بخواند. در بانک، این ابزارها باید از طریق یک لایه میانی امن به کربنکینگ، سوئیچ، سامانه کارت، CRM و سایر سامانه‌ها متصل شوند؛ نه از طریق دسترسی مستقیم به پایگاه داده. اصول یکپارچه‌سازی که در مقاله یکپارچه‌سازی ERP توضیح داده‌ایم، اینجا هم صدق می‌کند: هر ابزار باید دقیقاً یک کار مشخص انجام دهد، ورودی‌هایش اعتبارسنجی شود و خروجی‌اش استاندارد باشد.

حفاظ‌ها، سطح دسترسی و تأیید انسانی

هر ایجنت بانکی باید با «حداقل دسترسی لازم» کار کند. ایجنت خدمات مشتری فقط باید اطلاعات همان مشتری احرازهویت‌شده را ببیند و ایجنت گزارش‌گیری نباید امکان تغییر داده داشته باشد. علاوه بر این، حفاظ‌هایی (Guardrails) لازم است که جلوی پاسخ‌های خارج از محدوده، افشای اطلاعات حساس و اجرای دستورهای مخرب پنهان در ورودی کاربر را بگیرد. برای هر اقدام حساس، مثل مسدودسازی کارت، بازگشت وجه یا تغییر اطلاعات حساب، باید مرحله تأیید صریح مشتری یا کارشناس در فرایند تعریف شود.

لاگ، ممیزی و قابلیت توضیح

در صنعت مالی، «چرا» به اندازه «چه» اهمیت دارد. هر گفت‌وگو، هر ابزاری که ایجنت فراخوانده و هر تصمیمی که گرفته باید به‌طور کامل ثبت شود تا واحدهای حسابرسی، تطبیق و امنیت بتوانند در هر زمان آن را بازبینی کنند. ایجنت باید بتواند برای پیشنهادهایش دلیل قابل‌فهم ارائه دهد؛ این قابلیت هم برای اعتماد کارکنان ضروری است و هم برای پاسخ‌گویی به نهادهای نظارتی.

برخی سازمان‌های مالی برای اطمینان از تغییرناپذیری این لاگ‌ها، از ساختارهای ثبت غیرقابل‌تغییر یا حتی فناوری دفتر کل توزیع‌شده استفاده می‌کنند؛ موضوعی که در مقاله بلاکچین در کسب‌وکار به کاربردها و محدودیت‌های آن پرداخته‌ایم. حتی بدون بلاکچین، نگهداری لاگ‌ها در محیطی جدا از سامانه عملیاتی و با دسترسی محدود، حداقل الزام است.

الزامات امنیتی و حریم داده در بانک‌های ایرانی

سازمان‌های مالی ایرانی هنگام استفاده از هوش مصنوعی با شرایط خاصی روبه‌رو هستند: محدودیت دسترسی به برخی سرویس‌های خارجی، حساسیت بالای داده‌های مالی و الزامات نهادهای ناظر. این شرایط باید از روز اول در طراحی لحاظ شود، نه اینکه پس از ساخت ایجنت به آن اضافه شود. اصول عمومی امنیت که در مقاله راهکارهای افزایش امنیت سایت و جلوگیری از هک شدن مطرح کرده‌ایم، پایه این کار است، اما ایجنت‌ها ملاحظات تازه‌ای هم دارند.

استقرار داخلی و نگهداری داده

برای بیشتر بانک‌ها و شرکت‌های پرداخت، ارسال داده‌های مشتری به سرویس‌های ابری خارجی قابل‌قبول نیست. راه‌حل، استفاده از مدل‌های زبانی قابل استقرار روی سرورهای داخلی سازمان یا معماری‌هایی است که داده‌های حساس را پیش از هر پردازش بیرونی ناشناس می‌کنند. انتخاب میان این گزینه‌ها به سطح حساسیت هر مورد کاربرد بستگی دارد؛ ایجنت دانش داخلی که فقط با اسناد عمومی بانک کار می‌کند الزامات متفاوتی با ایجنت کشف تقلب دارد که با داده‌های تراکنشی سروکار دارد.

انطباق با مقررات و نظارت

هر ایجنتی که در فرایندهای مالی نقش دارد باید با مقررات بانک مرکزی، الزامات شبکه پرداخت و سیاست‌های داخلی بانک سازگار باشد. پیشنهاد ما این است که واحد تطبیق و حقوقی از ابتدای پروژه در طراحی سناریوها، تعیین مرز اختیارات ایجنت و نحوه نگهداری لاگ‌ها مشارکت داشته باشد. این مشارکت زودهنگام، جلوی بازطراحی‌های پرهزینه در مراحل پایانی پروژه را می‌گیرد.

نقشه راه طراحی و پیاده‌سازی ایجنت در سازمان مالی

بزرگ‌ترین اشتباه در پروژه‌های هوش مصنوعی بانکی، شروع با بلندپروازانه‌ترین سناریوست. مسیر موفق معمولاً از یک مورد کاربرد مشخص، کم‌ریسک و پرتکرار شروع می‌شود و پس از اثبات ارزش، به‌تدریج گسترش می‌یابد.

انتخاب اولین مورد کاربرد

برای انتخاب اولین ایجنت، سه معیار را در نظر بگیرید: حجم (کاری که زیاد تکرار می‌شود)، ریسک (اشتباه در آن پیامد مالی جدی ندارد) و دسترسی به داده (اطلاعات لازم در سامانه‌ها موجود و قابل اتصال است). بر اساس این معیارها، دستیار دانش داخلی کارکنان، پاسخ‌گویی به سؤال‌های پرتکرار درباره وضعیت تراکنش و پشتیبانی پذیرندگان معمولاً بهترین نقاط شروع هستند. ایجنت‌های تصمیم‌ساز در حوزه اعتبار و ریسک بهتر است در فاز دوم و پس از کسب تجربه سراغشان رفت.

یک تمرین مفید برای این مرحله، برگزاری کارگاه کوتاهی با حضور نمایندگان مرکز تماس، شعب، عملیات، فناوری اطلاعات و تطبیق است. در این کارگاه، فهرستی از کارهای تکراری هر واحد تهیه می‌شود، برای هر کار سه معیار حجم، ریسک و دسترسی به داده امتیازدهی می‌شود و دو یا سه مورد با بالاترین امتیاز برای پایلوت انتخاب می‌شوند. خروجی این کارگاه، هم نقشه راه پروژه را شفاف می‌کند و هم از همان ابتدا حمایت واحدهای کلیدی را جلب می‌کند.

پایلوت، سنجش و گسترش

ایجنت را ابتدا برای گروه کوچکی از کاربران یا کارکنان راه‌اندازی کنید. در این مرحله همه پاسخ‌ها را بازبینی کنید، موارد خطا را دسته‌بندی کنید و پایگاه دانش و حفاظ‌ها را اصلاح کنید. وقتی کیفیت به سطح قابل‌قبول رسید، دامنه کاربران را افزایش دهید و ابزارهای جدید را به ایجنت اضافه کنید. تجربه نشان می‌دهد ایجنت‌هایی که با این رویکرد تدریجی ساخته می‌شوند، هم اعتماد کارکنان را زودتر جلب می‌کنند و هم با ریسک کمتری به مرحله بهره‌برداری کامل می‌رسند. اگر ایجنت قرار است در اپلیکیشن موبایل بانک در دسترس باشد، ملاحظات مقاله طراحی اپلیکیشن موبایل سازمانی و طراحی UI/UX سازمانی را هم در طراحی تجربه گفت‌وگو لحاظ کنید.

شاخص‌های سنجش موفقیت ایجنت بانکی

برای ارزیابی ایجنت، شاخص‌ها را پیش از راه‌اندازی تعریف و وضعیت فعلی را ثبت کنید. شاخص‌های پیشنهادی عبارت‌اند از:

  • نرخ حل در اولین تماس: سهم درخواست‌هایی که ایجنت بدون ارجاع به انسان به‌طور کامل حل کرده است.
  • زمان رسیدگی: میانگین زمان از ثبت درخواست یا هشدار تا بسته شدن آن، پیش و پس از ایجنت.
  • دقت و کیفیت پاسخ: درصد پاسخ‌های صحیح در نمونه‌گیری‌های منظم توسط کارشناسان.
  • رضایت مشتری: امتیازی که مشتری پس از گفت‌وگو با ایجنت ثبت می‌کند.
  • بار کاری کارشناسان: تغییر در تعداد پرونده‌هایی که به بررسی انسانی نیاز دارند و تمرکز تیم روی پرونده‌های پیچیده.
  • شاخص‌های ریسک: در ایجنت‌های تقلب و تطبیق، کاهش مثبت‌های کاذب و افزایش سرعت شناسایی موارد واقعی.

اشتباهات رایج در پروژه‌های ایجنت بانکی

  • دسترسی بیش از حد: دادن دسترسی گسترده به ایجنت «برای راحتی کار» بزرگ‌ترین ریسک امنیتی این پروژه‌هاست.
  • پایگاه دانش قدیمی: ایجنتی که بر اساس بخشنامه‌های منسوخ پاسخ دهد، از نبودنش بدتر است.
  • حذف کامل انسان: در فرایندهای حساس مالی، تأیید انسانی باید بخشی از طراحی باشد، نه یک استثنا.
  • نادیده گرفتن واحد تطبیق: ورود دیرهنگام واحدهای حقوقی و تطبیق معمولاً به توقف یا بازطراحی پروژه منجر می‌شود.
  • نبود لاگ و قابلیت ممیزی: بدون ثبت کامل تصمیم‌ها، پاسخ‌گویی به ناظر و رفع خطا تقریباً ناممکن است.
  • تمرکز صرف روی فناوری: موفقیت ایجنت به همان اندازه به بازطراحی فرایند و آموزش کارکنان وابسته است که به مدل زبانی.

چرا کارزان برای طراحی ایجنت‌های بانکی و پرداخت؟

کارزان سال‌هاست در حوزه نرم‌افزارهای پرداخت و فین‌تک فعالیت می‌کند و تیم ما با زیرساخت‌هایی مثل سوئیچ پرداخت، هدایت تراکنش، پرداخت‌یاری، سیستم‌های اعتباری و باشگاه مشتریان از نزدیک کار کرده است؛ از جمله در پروژه‌هایی مثل پرداخت‌یاری پارسه. همین تجربه باعث می‌شود ایجنت‌هایی که طراحی می‌کنیم به‌جای یک لایه نمایشی، واقعاً به سامانه‌های عملیاتی متصل باشند و با منطق کسب‌وکار پرداخت هماهنگ کار کنند. در کنار این تجربه، تیم هوش مصنوعی کارزان ایجنت‌ها را با رویکرد امنیت‌محور، قابلیت استقرار داخلی و پشتیبانی کامل از زبان فارسی طراحی می‌کند.

خدمات ما در این حوزه شامل تحلیل فرایندها و انتخاب موارد کاربرد، طراحی معماری و حفاظ‌ها، اتصال ایجنت به سامانه‌های بانک یا شرکت پرداخت، اجرای پایلوت و پشتیبانی پس از راه‌اندازی است. برای دیدن نمونه‌کارهای ما به صفحه پروژه‌ها و برای آشنایی با سایر خدمات به صفحه خدمات کارزان سر بزنید.

جمع‌بندی

ایجنت‌های هوش مصنوعی در حال تبدیل شدن به بخشی جدانشدنی از زیرساخت بانک‌ها و شرکت‌های پرداخت هستند؛ از پاسخ‌گویی به مشتری و پشتیبانی پذیرندگان گرفته تا کشف تقلب، اعتبارسنجی، مغایرت‌گیری و توانمندسازی کارکنان. اما در صنعت مالی، موفقیت فقط به هوشمندی مدل وابسته نیست؛ معماری امن، دسترسی حداقلی، تأیید انسانی در نقاط حساس، ثبت کامل تصمیم‌ها و انطباق با مقررات همان قدر اهمیت دارند. سازمانی که با یک مورد کاربرد مشخص شروع کند، ارزش را بسنجد و به‌تدریج گسترش دهد، می‌تواند از این فناوری بیشترین بهره را با کمترین ریسک ببرد.

اگر بانک، شرکت پرداخت یا فین‌تک شما به دنبال طراحی ایجنت هوش مصنوعی است، کارشناسان کارزان آماده‌اند فرایندهای شما را بررسی کنند و بهترین نقطه شروع را پیشنهاد دهند. برای مشاوره رایگان از طریق صفحه تماس با کارزان با ما در ارتباط باشید.