به گزارش روابط عمومی‌‌‌شرکت کاشف، دکتر قرایی در مراسم آغازین چهاردهمین کنفرانس بین‌المللی فناوری اطلاعات و دانش که به میزبانی دانشگاه آزاد اسلامی‌‌‌اصفهان برگزار شد، با اشاره به تغییرات بانکداری در نسل‌‌‌های مختلف، اظهار کرد: در یک دسته‌‌‌بندی کلی می‌توان چهار دوره برای بانکداری در دنیا در نظر گرفت؛ از قرن ۱۴ میلادی تا اواخر قرن بیستم و سه نسل بعدی که با دوره‌‌‌های کوتاه‌‌‌تر از نسل دوم تا چهارم را شامل می‌‌‌شوند.

مدیرعامل کاشف که به عنوان سخنران اصلی این مراسم سخن می‌‌‌گفت تصریح کرد: بر اساس زمان‌بندی مطرح، نسل چهارم بانکداری از سال ۲۰۱۷ میلادی شروع شده و همچنان ادامه دارد که ویژگی‌‌‌های اصلی این نسل از بانکداری را می‌توان چندکاناله بودن، ماژولار بودن، بانکداری در بستر بلاک‌چین، بانکداری شبکه‌‌‌های اجتماعی، رواج بانکداری باز و استفاده گسترده از ابزارهای هوشمند در بانکداری دانست.

قرایی با بیان اینکه بانکداری هوشمند به عنوان بارزترین ترم بانکداری در نسل چهارم در واقع به معنای ادغام فناوری‌های هوشمند و راه‌‌‌حل‌های نوآورانه برای ارتقای تجربه‌ کلی بانکی مطرح است، افزود: همان‌طور که از این شاخص قابل فهم است بانکداری هوشمند فراتر از کانال‌‌‌های دیجیتالی پایه بوده و عناصر هوش مصنوعی، تجزیه و تحلیل داده‌‌‌ها و سایر فناوری‌‌‌های هوشمند را در خود جای می‌‌‌دهد. تحلیل داده‌‌‌ها در بانکداری هوشمند، پا را از سطح توصیف و تشخیص فراتر گذاشته و عرصه‌‌‌های پیشگویی و تجویز مبتنی بر داده با به‌‌‌کارگیری ماشین‌‌‌های هوشمند، در محوریت کسب و کار قرار گرفته است.

دانشیار پژوهشگاه ارتباطات و فناوری اطلاعات با تاکید بر ارتباط موضوع امنیت، هوش مصنوعی و چالش‌های پیش‌رو در بانکداری هوشمند، ادامه داد: هوش مصنوعی همانگونه که منجر به ایجاد تحولات گسترده در صنایع مختلف شده، امنیت سایبری را نیز تحت‌تاثیر قرار داده است. به عبارت دیگر در مقابل مزایای بهره‌‌‌برداری از هوش مصنوعی در امنیت سایبری، تهدیدها و زمینه‌‌‌های سوء‌‌‌استفاده‌های گسترده‌ای نیز فراهم شده است.

مدیرعامل کاشف تصریح کرد: یکی از تهدیدهای رایج و خطرناک در حوزه بانکی، تقلب است. تقلب‌‌‌های بانکی، شرکتی و بیمه‌‌‌ای متداول‌‌‌ترین تقلب‌‌‌های مالی هستند. بانک‌‌‌ها و سایر شرکت‌هایی که تعداد قابل‌توجهی تراکنش‌‌‌های مالی دریافت می‌‌‌کنند، در معرض ریسک تقلب مالی قرار دارند.

قرایی با مروری بر استراتژی‌‌‌های تضمین امنیت هوش‌‌‌مصنوعی در بانکداری هوشمند، افزود: برای مقابله با تقلب سه دسته اقدام متصور است: پیشگیری از تقلب اولین خط دفاعی در کاهش ریسک تقلب است. هدف، ساخت یک سیستم سالم در راستای کاهش انگیزه، محدودسازی فرصت‌‌‌ها و منطقی‌‌‌سازی اعمال متقلبانه است. شناسایی، اقدامات پیشگیرانه جهت جلوگیری از کلاهبرداری کافی نیست. تشخیص سریع تقلب برای کاهش آسیب، به عنوان یک عامل بازدارنده برای کلاهبرداران عمل می‌‌‌کند. رسیدگی، راهبردهای رسیدگی به تقلب برای به حداقل رساندن خسارات ناشی از تقلب ضروری هستند و در نهایت اصلاح استراتژی کنترل تقلب در جایی که نقاط ضعف شناسایی شده است، ممکن است برای جلوگیری از رفتار مشابه ضروری باشد.

وی امنیت هوش مصنوعی، ملاحظات اخلاقی، اعتماد و پذیرش مشتری، نبود داده‌‌‌‌های با کیفیت، چالش‌‌‌های فنی و هزینه‌های اجرایی زیاد را چالش‌‌‌های به‌‌‌کارگیری هوش‌‌‌مصنوعی در بانکداری هوشمند برشمرده و تصریح کرد: موارد استفاده از هوش مصنوعی در کشف تقلب بسیار گسترده و موثر است، اما درعین حال به‌‌‌کارگیری هوش مصنوعی در حوزه امنیت بانکی چالش‌‌‌هایی نیز به دنبال دارد.

مدیرعامل کاشف در پایان افزود: مانند هر فناوری دیگری، هوش مصنوعی می‌تواند برای اهداف خوب یا مخرب استفاده شود. عوامل تهدید می‌توانند از برخی از ابزارهای هوش مصنوعی برای ارتکاب کلاهبرداری و سایر جرائم سایبری استفاده کنند. تولید محتوای جعلی نظیر ویدئوهای جعلی می‌توانند برای فریب دادن یا دستکاری مورد استفاده قرار گیرند. علاوه بر این احتمال به‌‌‌کارگیری نادرست و سوء‌‌‌استفاده، ایجاد بدافزار، بات‌نت‌های هوشمند، فیشینگ هدفدار، شناسایی خودکار اهداف و دیپ‌فیک از جمله تهدیدهایی است که هوش مصنوعی در بانکداری به دنبال دارد و دقیقا اینجاست که شکل‌گیری و اثرگذاری نهادهای رگولاتوری در این حوزه می‌تواند در ارتقای امنیت این بخش نقش موثری ایفا کند.