طنین هوش مصنوعی در صنعت مالی
اثر ظهور ChatGPT در نوامبر ۲۰۲۲ در حوزه مالی و سایر بخش‌های اقتصاد مشاهده می‌شود. این اپلیکیشن به‌سرعت از مرز ۱۰۰میلیون کاربر عبور کرد تا به سریع‌ترین برنامه در حال رشد در تاریخ اینترنت تبدیل شود. پولی که از سوی شرکت‌های مالی و سایر شرکت‌ها به هوش مصنوعی سرازیر می‌شود، اولویت‌های جدید را تعیین می‌کند. طبق آمارها فروش نرم‌افزار، سخت‌افزار و خدمات سیستم‌های هوش مصنوعی امسال با ۲۹درصد افزایش به ۱۶۶میلیارد دلار رسید و به بیشتر از ۴۰۰میلیارد دلار در سال ۲۰۲۷ خواهد رسید. هزینه‌های صنعت مالی برای هوش مصنوعی در سال ۲۰۲۷ به ۹۷میلیارد دلار خواهد رسید که سریع‌ترین رشد را بین پنج صنعت اصلی خواهد داشت.
صندوق‌های سرمایه‌گذاری که مدت‌ها پیشگامان استفاده از تکنولوژی‌های پیشرفته بوده‌اند، از هوش مصنوعی مولد استقبال می‌کنند. بر اساس مشاهدات، از صندوق‌هایی با مجموع دارایی ۲۵۰میلیارد دلاری، نیمی از آنها به طور حرفه‌ای از ChatGPT استفاده می‌کنند و بیش از دو‌سوم آنها برای بازاریابی یا خلاصه‌کردن گزارش‌ها یا اسناد از آن استفاده می‌کنند. کسب‌وکارهای مرتبط با سرمایه‌گذاری در حال بررسی و استفاده از قابلیت‌های هوش مصنوعی در زمینه‌های تجاری مختلف هستند. آموندی که بزرگ‌ترین شرکت سرمایه‌گذاری اروپایی است در حال ایجاد زیرساخت‌های هوش مصنوعی خود برای تحقیقات در زمینه اقتصاد کلان و بازارها و همچنین برای کاربردهایی مانند ابزارهای مشاوره برای مشتریان خود است.
این شرکت با ۲تریلیون یورو دارایی تحت مدیریت، از ابزارهای مبتنی بر هوش مصنوعی به منظور اختصاصی کردن پورتفولیو برای برخی از ۱۰۰میلیون مشتری خود با در نظر گرفتن ترجیحات آنها در مورد ریسک، استفاده می‌کند. مونیکا دیفند، استراتژیست ارشد این موسسه، معتقد است که این الگوریتم‌ها به آنها امکان مشاهده رفتار مشتریان را می‌دهند و به صورت تجمعی امکان مشاهده تغییرات رفتاری را در اختیار آنها قرار می‌دهند. دیفند با بیان این موضوع که هوش مصنوعی نمی‌تواند جایگزین ذهن انسان شود، به خطرات یک فرآیند کاملا مبتنی بر هوش مصنوعی اشاره می‌کند و تفسیر، درک و بررسی آنچه را که الگوریتم‌های هوش مصنوعی ارائه می‌دهند به همان اندازه مهم می‌داند.
جی‌پی‌مورگان، بزرگ‌ترین اعتباردهنده ایالات متحده، از یک‌پنجم از حدود ۳۰۰هزار کارمند خود برای توسعه تکنولوژی استفاده می‌کند و بیش از ۱۵میلیارد دلار در سال برای این موضوع هزینه می‌کند.
در این میان کار برای سیاستگذارانی که باید از اقتصاد مراقبت کنند بسیار دشوارتر است. بانک‌های مرکزی که عمدتا کند و ریسک‌گریز هستند، در حال یادگیری استفاده از هوش مصنوعی در زمینه‌های متفاوتی هستند و ریسک‌های بالقوه آن را ارزیابی می‌کنند. هوش مصنوعی در طیف وسیعی از وظایف بانک مرکزی مانند نظارت کاربرد دارد. بانک مرکزی برزیل نمونه اولیه هوش مصنوعی‌ای را ساخته است که شکایات مشتریان موسسات مالی را دریافت و آنها را از طریق یادگیری ماشینی دسته‌بندی می‌کند. بانک مرکزی هند نیز امسال دو شرکت مشاور در زمینه هوش مصنوعی را برای کمک به نحوه استقرار هوش مصنوعی و تجزیه و تحلیل‌های مرتبط با وظایف نظارتی خود، استخدام کرده است.
کمیته نظارت بانکی بازل که به عنوان یکی از برترین تعیین‌کنندگان استانداردهای تنظیم‌گری عمل می‌کند، دریافته است که هوش مصنوعی می‌تواند اعتبارسنجی‌ها برای وام‌دهی را کارآتر کند و در جلوگیری از پول‌شویی موفق عمل کند. نیل اشو، دبیر کل این کمیته، سال گذشته گفت: «بدون شک فرآیندهای نظارتی برای تصمیم‌گیری در مورد اینکه چه چیزی سالم است و توانایی تمییز بین نوآوری‌های معتبر و غیرمعتبر بهبود خواهد یافت و در حال حاضر راه زیادی در پیش داریم.»
بانک کانادا یک ابزار یادگیری ماشین برای تشخیص خطاها و ناهنجاری‌ها در مدارک ارسالی به سازمان‌های نظارتی ساخته است. مریم حقیقی، مدیر علوم داده بانک کانادا، گفت: «اجرای این مدل خطاهایی را می‌یابد که افراد نمی‌توانند آنها را بیابند و کارکنان می‌توانند آزادانه به تجزیه و تحلیل بپردازند. این نمونه‌ای از کارهایی است که هوش مصنوعی در آنها می‌تواند برای بانک‌های مرکزی بسیار مفید باشد و شما می‌توانید هوش مصنوعی را به گونه‌ای آموزش دهید که آن را بهتر و سریع‌تر از انسان انجام دهد.»
بانک مرکزی اروپا از هوش مصنوعی برای کاربردهایی مانند طبقه‌بندی خودکار داده‌ها از ۱۰میلیون نهاد تجاری و دولتی و جمع‌آوری داده از وب‌سایت‌ها برای پایش قیمت کالاها استفاده می‌کند. بانک مرکزی اروپا همچنین در حال بررسی مدل‌های هوش مصنوعی زبانی برای کمک به نوشتن کد، تست نرم‌افزار و حتی کمک به درک آسان‌تر ارتباطات برای مردم است.
جان دانیلسون، پژوهشگر مدرسه اقتصاد لندن که در مطالعات خود به تاثیر هوش مصنوعی بر سیستم‌های مالی می‌پردازد، معتقد است توانایی‌های این تکنولوژی به صورت پیوسته از مراحل ابتدایی تا پیشرفته قرار می‌گیرد. به عنوان مثال در بازی شطرنج که همه از وجود مهره‌های روی تخته و قوانین آگاه هستند هوش مصنوعی به‌راحتی انسان را شکست می‌دهد. هوش مصنوعی در حال حاضر تصمیمات مالی مهمی مانند رسیدگی به کارت‌های اعتباری را بر عهده گرفته است و به‌سرعت در بخش‌های دولتی و خصوصی نفوذ می‌کند. اما هنگامی که شرایط پیچیده شود، مزیت آن کاهش می‌یابد. انسان‌ها در موقعیت‌های غیرمنتظره می‌توانند تصمیمات آگاهانه‌تری بگیرند؛ از اقتصاد و تاریخ گرفته تا اخلاق و فلسفه. او معتقد است که در این زمینه‌ها، انسان فعلا می‌تواند هوش مصنوعی را شکست دهد.
گری جنسلر، رئیس کمیسیون بورس و اوراق بهادار ایالات‌متحده، معتقد است که هوش مصنوعی می‌تواند جرقه‌ای برای یک بحران مالی بزند. هوش مصنوعی می‌تواند با تقویت رفتارهای جمعی که در آن افراد تصمیمات مشابهی را بر پایه مدل و داده‌های یکسان می‌گیرند، باعث شکنندگی مالی شود.
به گفته آنسلم کوسترز، مدیر بخش دیجیتالی‌سازی و فناوری‌های جدید در اندیشکده مرکز سیاست اروپا، خطر دیگر این است که ابزارهای هوش مصنوعی روی داده‌های گذشته آموزش دیده‌اند و ممکن است در شرایط بحرانی نتوانند عمل درست را انجام دهند که این امر ممکن است به تشدید بحران منجر شود. کوسترز برای این موضوع از اصطلاح چند‌بحرانی را که به بدتر بودن اثر شوک‌های همزمان نسبت به مجموع هر یک از آنها به صورت جداگانه اشاره می‌کند، استفاده می‌کند. کوسترز از پارلمان اروپا خواسته است تا روی ریسک‌های پیش‌بینی الگوریتم‌های هوش مصنوعی در زمان بحران‌ها تمرکز کند. با آشکارتر شدن مزایا و تهدیدها، بانک‌های مرکزی و سایر سیاستگذاران در سال‌های آینده با چنین سوالاتی که توسط این تکنولوژی در حال تحول مطرح می‌شود، مواجه خواهند شد.
