فرصت طلایی اقتصاد دیجیتال در رشد تولید ناخالص داخلی

سهم اقتصاد دیجیتال از تولید ناخالص داخلی در ایران بین ۷ تا ۸ درصد و به عبارتی نیمی از رقم میانگین جهانی است.

کد خبر : ۱۶۵۷۳۰

به گزارش ایبنا؛ علیرضا ماهیا؛ مدیر عامل شرکت ملی انفورماتیک در یادداشتی نوشت: در حالی که سهم اقتصاد دیجیتال از تولید ناخالص داخلی (GDP) در ایران بین هفت تا هشت درصد و به عبارتی نیمی از رقم میانگین جهانی است، با توسعه استفاده از ابزار‌های هوش مصنوعی در صنعت مالی، می‌توان این سهم را به میزان قابل توجهی بهبود بخشید.

سهم اقتصاد دیجیتال از تولید ناخالص داخلی در جهان به طور متوسط ۱۵ درصد است. این رقم در کشور‌های توسعه یافته به مراتب عدد بالاتری را نشان می­دهد. به عنوان مثال سهم اقتصاد دیجیتال از تولید ناخالص داخلی چین به عنوان دومین قدرت اقتصادی دنیا، ۴۱ درصد است. مرور آمار و اطلاعات کمّی کشور‌ها در این حوزه، بیانگر ظرفیت بزرگ پیش روی کشور ایران در استفاده از اقتصاد دیجیتالی به عنوان یک فرصت تاریخی برای جهش اقتصادی است.

 

در یک بیان کلی، اقتصاد دیجیتال به معنای ارزش‌آفرینی اقتصادی با بهره‌گیری از فناوری‌های نوین است به گونه­ای که در هسته آن تولید نرم‌افزار و سخت‌افزار، در لایه دوم، سکو‌ها و خدمات دیجیتال و در لایه آخر نیز، اقتصاد دیجیتالی‌شده و تجارت الکترونیکی قرار دارد. در حال حاضر قانون برنامه هفتم توسعه، راهنمای مسیر اقتصاد دیجیتالی در کشور است و بین پنج تا هفت درصد از قوانین آن به طور مستقیم و غیرمستقیم به توسعه سهم اقتصاد دیجیتالی از تولید ناخالص داخلی مرتبط است.

 

هوش مصنوعی، رایانش ابری، امنیت سایبری، تحلیل کلان داده‌ها، واقعیت افزوده و اینترنت اشیا فناوری‌های کلیدی تشکیل دهنده زیست بوم اقتصاد دیجیتال هستند. بدون تردید هوش مصنوعی و الگوریتم‌های مرتبط با آن، مهم‌ترین نقش را در بین فناوری‌های نوظهور در زیست‌بوم اقتصاد دیجیتال کشور دارند و توسعه بکارگیری فناوری­های هوش مصنوعی، کاربردپذیری فناوری‌های نوظهور دیگری را -مانند متاورس در پی خواهد داشت.

 

هوش مصنوعی از طریق افزایش کارائی، کاهش هزینه‌ها و بهبود تصمیم‌گیری‌ها می‌تواند باعث افزایش تولید ناخالص داخلی و رشد اقتصادی شود. براساس اعلام مرکز تحقیقات بانک گلدمن ساکس، استفاده از هوش مصنوعی مولد در حوزه مالی، باعث ارتقای ۷ درصدی تولید ناخالص داخلی به واسطه رشد ۱.۵ درصدی در شاخص بهره‌وری خواهد شد. این فناوری در یک دهه گذشته، نه تنها ابعاد مختلف زندگی فردی را تغییر داده بلکه توسعه و تکامل آن با سرعت بسیار زیاد درحوزه‌های مختلف؛ از سیاست گرفته تا اقتصاد، تاثیرات شگرفی را برجای گذاشته است. هوش مصنوعی را می‌توان به عنوان محرک اصلی فناوری‌های نوظهور مانند رباتیک و اینترنت اشیا دانست که در آینده نزدیک برروی بیشتر مشاغل تاثیر می‌گذارد. نظام بانکی هم از این قائده مستثنی نیست. بر اساس تحقیقات مؤسسه بروکینگر درباره هوش مصنوعی مولد، این فناوری نحوه پردازش اطلاعات، بررسی داده‌ها و اطلاعاتی که به اصلاح تصمیمات ما در حوزه‌های مختلف منجر می‌شود را دگرگون خواهد کرد. کلان‌داده‌ها و اهمیت تجزیه و تحلیل آن‌ها با استفاده از الگوریتم‌های هوش مصنوعی به کسب‌وکار‌ها این امکان را می‌دهد که حجم وسیعی از داده‌ها را به بینش‌های عملی و استراتژی‌های رقابتی تبدیل کنند. از طریق قدرت ابزار‌های تحلیلی پیشرفته، کسب‌وکار‌ها می‌توانند روند‌های فعلی و آینده بازار را پیش‌بینی و عملیات خود را بهینه کنند و تجربیات شخصی‌سازی شده بهتری را به مشتریان ارائه دهند.

 

در یک نگاه کلان، کسب‌وکار‌ها و مؤسسات با استفاده از هوش مصنوعی مولد در سه حوزه مشخص به توانمندی­های ویژه دست خواهند یافت که می‌توانند از آن‌ها به منظور کسب مزیت استراتژیک استفاده کنند. این مزایای «برخط کردن مکالمات تعاملی» مانند خودکارسازی خدمات مشتری؛ «امکان دسترسی مستقیم به داده‌های پیچیده» مانند جستجوی سازمانی یا خودکارسازی فرآیند‌های تجاری و «تولید محتوا با یک کلیک» مانند تولید سند و محتوای خلاقانه هستند.

 

با این حال شرکت تحقیقاتی و مشاوره گارتنر (Gartner)، تاثیر هوش مصنوعی بر جامعه را با ظهور پدیده­هایی مانند اینترنت، صنعت چاپ و برق مقایسه می‌کند. فرضیه‌های برنامه‌ریزی استراتژیک گارتنر برای استفاده کسب‌وکار‌ها از هوش مصنوعی بدین صورت تدوین شده که تا سال ۲۰۲۶، سازمان‌هایی که شفافیت، اعتماد و امنیت هوش مصنوعی را عملیاتی می‌کنند، بهبود ۵۰ درصدی مدل‌های هوش مصنوعی خود در زمینه پذیرش، اهداف تجاری و پذیرش کاربران را شاهد خواهند بود. همچنین شرکت‌هایی که تا سال ۲۰۲۶ از شیوه‌های مهندسی هوش مصنوعی برای ساخت و مدیریت سیستم‌های مبتنی بر هوش مصنوعی تطبیقی ​​استفاده کرده‌اند، از همتایان خود در شاخص­های «تعداد و زمانی که برای عملیاتی کردن مدل‌های هوش مصنوعی» نیاز دارند، به میزان دست‌کم ۲۵ درصد پیش خواهند گرفت.

 

در حال حاضر ۶۷ درصد از مؤسسات بانکی دنیا از هوش‌مصنوعی در عملیات خود استفاده می‌کنند و گزارش بررسی بانکداری جهانی نیز نشان می‌دهد که دیجیتالی شدن خدمات مالی و پذیرش فناوری‌های نوظهور، تاثیرگذارترین روند‌های صنعت بانکداری در دهه آینده است. از جمله کاربرد‌های هوش مصنوعی در صنعت بانکداری و تامین مالی می‌توان به پیش‌بینی ریسک اعتباری، خودکارسازی پذیرش درخواست‌های وام، تجزیه و تحلیل روند‌های بازار و نظارت در زمان واقعی اشاره کرد.

 

بهبود تجربه مشتری؛ مهمترین هدف تحول دیجیتال بانک‌­ها

طبق گزارش مؤسسه McKinsey، استفاده از هوش مصنوعی می‌تواند هزینه‌های عملیاتی بانک‌ها را تا ۲۰ الی ۲۵ درصد کاهش دهد و رضایت مشتریان را تا ۱۰ الی ۱۵ درصد افزایش دهد. با استفاده از الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها، بانک‌ها می‌توانند رفتار مشتریان خود را بهتر درک کرده و خدمات شخصی‌سازی‌شده‌تری ارائه دهند. برای مثال، ربات‌های گفتگوگر (چت‌بات‌ها) که از تکنولوژی پردازش زبان طبیعی بهره می‌برند، می‌توانند به صورت ۲۴ ساعته به سوالات مشتریان پاسخ دهند و نیاز‌های آن‌ها را در کوتاه‌ترین زمان ممکن برطرف کنند. این چت‌بات‌ها با استفاده از کلان داده‌ها و تحلیل الگو‌های رفتاری مشتریان، می‌توانند پاسخ‌های دقیقی ارائه دهند که این خود به افزایش رضایت مشتریان منجر می‌شود.

امنیت مالی نیز یکی دیگر از حوزه‌هایی است که هوش مصنوعی می‌تواند تحول عظیمی در آن ایجاد کند. سیستم‌های تشخیص تقلب مبتنی بر هوش مصنوعی قادرند تراکنش‌های مشکوک را در لحظه شناسایی کرده و از وقوع کلاهبرداری‌ها جلوگیری کنند. این سیستم‌ها با تحلیل الگو‌های رفتاری و تراکنش‌های گذشته، قادر به تشخیص ناهنجاری‌ها و رفتار‌های غیرمعمول هستند. بر اساس گزارش Juniper Research، استفاده از هوش مصنوعی می‌تواند تا سال ۲۰۲۳ به کاهش تقلب‌های مالی به میزان ۲.۷ میلیارد دلار کمک کند. این سیستم‌ها با بهره‌گیری از تکنیک‌های یادگیری عمیق و شبکه‌های عصبی مصنوعی، قادر به تحلیل مقادیر عظیم داده و شناسایی الگو‌های پیچیده‌ای هستند که به راحتی توسط روش‌های سنتی قابل شناسایی نیستند.

هوش مصنوعی همچنین می‌تواند در بهبود فرآیند‌های داخلی بانک‌های کشور مؤثر باشد. به عنوان مثال، پردازش و تحلیل خودکار مستندات مالی می‌تواند سرعت و دقت را به میزان قابل توجهی افزایش دهد و از بروز خطا‌های انسانی جلوگیری کند. بر اساس مطالعه Deloitte، اتوماسیون فرآیند‌ها با استفاده از هوش مصنوعی می‌تواند تا ۳۰ درصد بهره‌وری را افزایش دهد و هزینه‌ها را تا ۲۵ درصد کاهش دهد. بانک‌ها می‌توانند با استفاده از ربات‌های نرم‌افزاری برای اتوماسیون فرآیند‌های تکراری و زمان‌بر، نظیر پردازش درخواست‌های وام یا مدیریت مستندات، بهره‌وری خود را بهبود بخشند. این ربات‌ها قادرند با سرعت و دقت بالایی وظایف محوله را انجام دهند، که این خود منجر به کاهش هزینه‌ها و افزایش کارایی می‌شود.

با این حال، بهره‌گیری از هوش مصنوعی در نظام بانکی کشور چالش‌هایی نیز به همراه دارد. یکی از مهم‌ترین این چالش‌ها، مسئله حفظ حریم خصوصی و امنیت داده‌هاست. بانک‌ها باید اطمینان حاصل کنند که استفاده از هوش مصنوعی به هیچ عنوان به نقض حریم خصوصی مشتریان منجر نخواهد شد. علاوه بر این، نیاز به توسعه زیرساخت‌های مناسب و آموزش نیروی انسانی متخصص نیز از دیگر چالش‌های پیش روست. بانک‌ها باید سرمایه‌گذاری‌های قابل توجهی در زمینه زیرساخت‌های فناوری و آموزش کارکنان و فرهنگسازی در میان مشتریان خود انجام دهند تا بتوانند به طور مؤثر از هوش مصنوعی بهره‌برداری کنند. در نهایت، می‌توان گفت که هوش مصنوعی پتانسیل عظیمی برای تحول نظام بانکی کشور دارد. با برنامه‌ریزی مناسب و استفاده بهینه از این فناوری، می‌توان بهبود چشمگیری در کیفیت خدمات بانکی و افزایش رضایت مشتریان شاهد بود. اکنون زمان آن رسیده است که بانک‌ها با درک اهمیت این تحول، گام‌های جدی‌تری در مسیر دیجیتالی شدن بردارند و از فرصت‌های بی‌نظیر هوش مصنوعی بهره‌برداری کنند. ضرورت بهره‌گیری از هوش مصنوعی در بانک‌های کشور و استفاده از فرصت‌های ناشی از این فناوری برای بهبود خدمات و افزایش بهره‌وری ضروری است و در شرایطی که کشور‌های توسعه یافته بدنبال افزایش سهم اقتصاد دیجیتال در GDP خود هستند، نباید به فناوری‌های نوظهور به چشم تهدید نگاه کرد بلکه باید تلاش داشت تا همزمان با تحولات دنیا، کسب‌وکار‌های کشور خود را با این فناوری‌ها به ویژه هوش مصنوعی تطبیق دهند و از مزایای تجاری آن در تولید و سودآوری بهره‌مند شوند.

منبع خبر

نظر و دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

زنجیره تامین نیازها