9 دقیقه
بانکهای اروپایی خود را برای کاهش گسترده نیروی کار آماده میکنند، زیرا هوش مصنوعی بهسرعت شیوههای روزمره بانکداری را متحول میکند. تحلیلها و پیشبینیهای جدید نشان میدهد که در دهه آینده دهها هزار شغل بانکی ممکن است حذف شود، زیرا مؤسسات مالی با خودکارسازی فرآیندهای پشتصحنه، کنترلهای ریسک و فرایندهای مشتریمحور به دنبال افزایش بهرهوری و کاهش هزینهها هستند.
چه مشاغلی در معرض خطر قرار دارند و چرا
گزارش تحلیلی مورگان استنلی که فایننشال تایمز آن را منعکس کرد، برآورد میکند بیش از 200,000 شغل در بخش بانکداری اروپا تا سال 2030 ممکن است حذف شود. این رقم معادل تقریباً 10 درصد از نیروی کار در 35 بانک بزرگ است و بیشترین تأثیر را در بخشهایی خواهد داشت که کمتر در معرض دید هستند اما عملکردی ضروری دارند: عملیات داخلی، مدیریت ریسک و بخش مطابقت (compliance). در این نقشها الگوریتمها و یادگیری ماشینی قادرند صفحات گسترده را پردازش کنند، ناهنجاریها را تشخیص دهند و گزارشهای منظمی تولید کنند که قبلاً نیازمند تیمهای انسانی وسیع بود.
بانکها امیدوارند که افزایش بهرهوری حاصل از خودکارسازی، بخشی از هزینههای نیروی انسانی را جبران کند. همان مطالعات نشان میدهد که در برخی عملکردها میتوان انتظار افزایش بهرهوری حدود 30 درصد را داشت؛ عددی که توضیح میدهد چرا مؤسسات با وجود پیامدهای اجتماعی و سازمانی، برنامههای اتوماسیون را پیش میبرند.
وظایف پشتیبانی و عملیات
وظایف مرتبط با عملیات روزمره مانند پردازش تراکنشها، تطبیق حسابها، و مدیریت اسناد معمولاً تکراری و ساختاریافتهاند؛ بنابراین برای خودکارسازی مناسبترند. رباتهای نرمافزاری (RPA)، ابزارهای پردازش زبان طبیعی (NLP) و سیستمهای شناسایی الگو میتوانند گردش کار را تسریع کنند و خطاهای انسانی را کاهش دهند. این امر بهویژه در مراکز خدمات پشتیبان که حجم زیادی از کار اداری دارند، صادق است.
مدیریت ریسک و بخش مطابقت (Compliance)
بخش مدیریت ریسک و مطابقت یکی دیگر از حوزههایی است که در آن الگوریتمها برتر عمل میکنند. سیستمهای مبتنی بر هوش مصنوعی میتوانند الگوهای تراکنشی مشکوک را شناسایی، شاخصهای ریسک را محاسبه و گزارشهای مقرراتی را با سرعت بیشتری تولید کنند. اما در عین حال پیچیدگی فنی مدلها و نیاز به توضیحپذیری (explainability) باعث میشود که نقشهای نظارتی و کنترل داخلی همچنان حیاتی باقی بمانند؛ بهخصوص زمانی که تصمیمات خودکار تأثیر حقوقی یا اعتباری بر مشتریان میگذارد.
برخی از وظایف بهصورت کامل میتوانند خودکار شوند، اما بسیاری از فرایندها به ترکیبی از هوش مصنوعی و تصمیم انسانی نیاز خواهند داشت. این «همکاری انسان و ماشین» تعیین میکند چه تعداد شغل حذف و چه تعداد بازتعریف یا تبدیل میشوند.
روند پیشروی خودکارسازی هماکنون قابل مشاهده است. گلدمن ساکس به کارکنان خود در ایالات متحده هشدار داده است که اقدامات توقف استخدام و تعدیل نیرو مرتبط با برنامه OneGS 3.0 مبتنی بر هوش مصنوعی ممکن است تا سال 2025 ادامه یابد و بر فرآیندهای ورود مشتری (onboarding) و گزارشدهی نظارتی تأثیر بگذارد. در اروپا، بانک هلندی ABN Amro برنامه دارد تا حدود یکپنجم نیروی کار خود را تا سال 2028 کاهش دهد و رهبری سوسیته جنرال (Société Générale) نیز اعلام کرده است که هیچ نقشی بهطور خودکار مصون نیست، زیرا بانکها در حال بازبینی ساختار هزینه و جریانهای کاری خود هستند.
در عین حال لازم است به تفاوت میان انواع نقشها توجه شود: برخی پستهای اداری قدیمیتر بهراحتی قابل خودکارسازیاند، اما نقشهایی که نیاز به قضاوت انسانی، مذاکره، روابط پیچیده با مشتری یا تفسیر قضاوتهای اخلاقی دارند، کمتر در معرض حذف کامل قرار میگیرند و احتمال دارد تبدیل شوند یا نیازمند مهارتهای جدید شوند.
تردیدها و نگرانیهای رهبری بانکها
همه مدیران اجرایی دیدگاه یکسانی ندارند. برخی رهبران صنعت هشدار میدهند که حذف بیش از حد قضاوت انسانی و یا غفلت از آموزش بانکداران جوان در اصول پایه میتواند در بلندمدت به بخش بانکداری آسیب برساند. اگر بانکها به جای آموزش حضوری و انتقال تجربه، بیش از حد به سیستمهای خودکار متکی شوند، احتمال کاهش تواناییهای تحلیلی و تصمیمگیری انسانی وجود دارد؛ که این امر میتواند در شرایط بحرانی یا هنگام مواجهه با موقعیتهای جدید و پیچیده خطرساز شود.
این تنش میان اتوماسیون و حفظ تخصصهای هستهای بانکداری تعیین خواهد کرد که شغلها با چه سرعتی حذف میشوند و چه تعداد بهصورت تحولی یا ترکیبی باقی میمانند. سازمانهایی که تعادل بهتری میان فناوری، مدیریت ریسک و آموزش کارکنان ایجاد کنند، احتمالاً مزیت رقابتی بیشتری بهدست خواهند آورد.
این تغییرات برای بازار گستردهتر چه معنایی دارد
اخراجهای مرتبط با هوش مصنوعی در بانکداری بخشی از بحث گستردهتری درباره فناوری و کار هستند. کارشناسان مدتها هشدار دادهاند که هوش مصنوعی میتواند موجب جابجایی گسترده در صنایع مختلف شود و اکنون بخش بانکداری نیز بهوضوح در محدوده این تغییرات قرار گرفته است. برای کارکنان، چالش فوری بازآموزی (reskilling) و همآموزی (upskilling) بهسوی نقشهایی است که نظارت بر مدلها، حاکمیت مدل (model governance)، علم داده و نقشهای مشتریمحور که سختتر خودکار میشوند را شامل میشود.
بازآموزی و فرصتهای شغلی جدید
در کنار حذف برخی مشاغل، ظهور هوش مصنوعی فرصتهایی برای ایجاد نقشهای جدید فراهم میآورد: تحلیلگران داده، مهندسان داده، متخصصان اعتبارسنجی مدل، افسران حاکمیت داده و کارشناسان اخلاق و شفافیت در مدلهای تصمیمگیر اتوماتیک. آموزش مهارتهای فنی همچون یادگیری ماشینی، تحلیل آماری، دانش پایگاههای داده و همچنین مهارتهای نرم مانند تحلیل مسئله، مدیریت تغییر و ارتباط با مشتری از اهمیت بالایی برخوردار خواهد بود.
برای مؤسسات مالی که برنامههای بازآموزی کارکنان را سرمایهگذاری میکنند، مزیت چندجانبه وجود دارد: نه تنها هزینههای تعدیل کاهش مییابد، بلکه بانکها میتوانند نیروی کاری با مهارتهای متناسب با فناوریهای نوین داشته باشند که به مدیریت ریسک مدلها و بهینهسازی فرآیندهای خودکار کمک میکند.
پیامدها برای مشتریان و ناظران
برای مشتریان و نهادهای ناظر، این تغییر پرسشهای جدیدی درباره تابآوری عملیاتی، شفافیت و آینده شعب فیزیکی مطرح میکند. با بسته شدن تدریجی شعب و اتکا بیشتر به سیستمهای خودکار، نیاز به مکانیزمهای نظارتی قویتر و سازوکارهای گزارشدهی شفافتر افزایش مییابد. ناظران باید بر طراحی، تست و پیادهسازی مدلهای مبتنی بر هوش مصنوعی نظارت کنند و تضمین نمایند که این سیستمها تبعیضآمیز نیستند، اشتباهی را ترویج نمیدهند و در شرایط غیرمنتظره قابل کنترل باقی میمانند.
موضوعاتی مانند «قابلیت توضیح (explainability)»، «آثار جانبی مدلها بر حقوق مشتریان»، «دورههای بازبینی مدل» و «آمادگی در برابر اختلالات فناوری» باید در دستورکار مقرراتی و هیئتهای داخلی بانکها قرار گیرند. از سوی دیگر، مشتریان نیاز دارند بدانند که وقتی تصمیمات اعتباری یا مشاورهای توسط سیستمهای خودکار اتخاذ میشود، چه مکانیزمهای تجدیدنظر و اعتراض در دسترس است.
تابآوری عملیاتی و امنیت سایبری
با افزایش اتکا به زیرساختهای دیجیتال و مدلهای ماشینی، تابآوری عملیاتی و امنیت سایبری اهمیت بسیار بیشتری مییابد. حملات سایبری یا خطاهای نرمافزاری میتوانند موجب اختلال در فرایندهای خودکار شوند و پیامدهای مالی و اعتباری گستردهای برای بانک و مشتریان ایجاد کنند. بنابراین سرمایهگذاری در پشتیبانی فنی، تستهای نفوذ (penetration testing)، بازیابی از فاجعه و سازوکارهای پایش مداوم، بخشی از هزینههای عملیاتی ضروری خواهند بود.
در این شرایط، نقشهای مرتبط با امنیت سایبری، مهندسی زیرساخت و پایش سیستمهای خودکار بهعنوان مشاغل کلیدی جدید در بانکها مطرح میشوند، و باز هم نیاز به بازآموزی و جذب تخصص در این حوزهها احساس میشود.
توازن میان کارایی و قضاوت انسانی
در نهایت، رشد هوش مصنوعی در بانکداری صرفاً یک داستان کاهش نیرو نیست؛ بلکه تبدیلی ساختاری است که شرح وظایف را بازنویسی میکند، مهارتهای فنی جدید را پاداش میدهد و مؤسسات را ملزم میسازد بین منافع بهرهوری و قضاوت انسانی که پایه اعتماد مالی است، تعادل برقرار کنند. این تعادل شامل طراحیهای سازمانی جدید، سیاستهای استخدام و آموزش، چارچوبهای حاکمیتی برای مدلها و مکانیزمهای شفافیت برای مشتریان و سهامداران خواهد شد.
بانکهایی که موفق به ایجاد فرهنگ یادگیری مادامالعمر، ساختارهای حاکمیت داده قوی و فرآیندهای کنترل مدل میشوند، شانس بیشتری برای حفظ مزیت رقابتی در بازار خواهند داشت. در مقابل، سازمانهایی که تنها بر کاهش هزینهها تمرکز کنند بدون تقویت حاکمیت و آموزش، ممکن است در معرض ریسکهای عملیاتی و reputational قرار گیرند.
در نتیجه، مهم است که سیاستگذاران، ناظران، مدیران منابع انسانی و رهبران فناوری در بانکها با هم همراستا شوند تا مسیر گذار بهصورت منصفانه، شفاف و قابلاعتماد مدیریت شود. این شامل بستههای حمایتی برای بازآموزی کارکنان، مشوقهای مالی برای سرمایهگذاری در مهارتها و چارچوبهای مقرراتی است که نوآوری را تشویق و در عین حال مصرفکنندگان را محافظت میکند.
هوش مصنوعی فرصتها و ریسکهای مهمی برای بانکداری بههمراه دارد؛ اما اینکه این فناوری چه تأثیری بر بازار کار بانکی خواهد گذاشت، بستگی به تصمیمات مدیریتی، برنامههای بازآموزی، و سیاستهای نظارتی دارد. آیندهای که در آن ماشینها عملیات روزمره را بر عهده میگیرند و انسانها روی کارهای راهبردی، حاکمیت و تعاملات مشتری تمرکز میکنند، ممکن است قابل تصور باشد؛ اما تحقق آن نیازمند مدیریت هوشمند، سرمایهگذاری در مهارتها و توجه به جنبههای اخلاقی و قانونی فناوری است.
منبع: smarti
ارسال نظر