شینهان فاینانسیال شعبه اول خود، شینهانAI را بسته می‌کند
بعد از پنج سال فعالیت، شینهان فاینانسیال اعلام کرده است که دخیل شعبه مربوط به هوش مصنوعی‌اش به نام شینهانAI را تصمیم به حل کرده است. این تصمیم به معنی ضرورت تغییر استراتژی مدیریت است، که ترجیح بر تجمیع عملیات هوش مصنوعی در سطح بخش‌ها نسبت به حفظ یک شرکت مستقل است.
شینهانAI به عنوان اولین شرکت مربوط به هوش مصنوعی در بخش مالی کره جنوبی تأسیس شد و هدفش ادغام تخصص‌های مالی با فناوری‌های پیشرفته هوش مصنوعی بود. با وجود آرزوی انقلاب در زمینه مالی از طریق خدمات توانده از هوش مصنوعی مانند پیش‌بینی بازار، مشاوره‌های سرمایه‌گذاری و نظارت بر تطابق، شعبه نمی‌توانست عملیات پرسود را حفظ کند که به بسته شدن آن انجامید.
تلاش‌های آینده مرتبط با هوش مصنوعی در سازمان‌های شینهان ادغام خواهد شد
شرکت مادر اعلام کرد که خدمات مربوط به هوش مصنوعی و دیجیتالی که پیش‌از این توسط شینهانAI انجام می‌شد، به بخش هوش مصنوعی بانک شینهان و بخش پلتفرم دیجیتالی شینهان واریز می‌شوند. علاوه بر این، کارمندان شینهانAI قرار است حرفه خود را در بخش‌های مربوطه از بانک شینهان و شرکت مشاوره‌ای شینهان ادامه دهند.
چالش‌های تنظیماتی برای شعبه‌های مربوط به هوش مصنوعی در بخش مالی
افراد داخل حوزه، مقررات دقیق خود را یعنی الزامات جدایی شبکه فیزیکی را به عنوان یک موانع فناوری هوش مصنوعی در حوزه بانکداری اعلام کرده‌اند. این مقررات تقریباً امکان عملکرد پلتفرم‌های هوش گفتاری مانند چت‌جی‌پی‌تی یا ایجاد ارزش از طریق هوش مصنوعی را به حد اقیانوس نزدیک می‌کند، زیرا جدایی از استفاده موثر از داده‌های خارجی از جمله نرم‌افزارهای منبع‌باز و راه‌حل‌های مبتنی بر ابر را ترجیح می‌دهد.
با این چالش‌ها، نهاد مالی ماه گذشته تیمی را با نگاه به بهبود استانداردهای تنظیمی جهت تسهیل یک ارتباط بهتر از فناوری‌های جدید اطلاعاتی، مانند هوش مصنوعی، در مدل‌های تجاری دیجیتالی حوزه مالی تشکیل داد. این حرکت انقلابی نشان می‌دهد که حوزه مالی به زودی ممکن است با محیطی ملایمتر برای توسعه و کاربرد فناوری‌های پیشرفته هوش مصنوعی روبرو شود.
چالش‌ها و اختلافات کلیدی
یکی از چالش‌های اصلی که با بستن شینهانAI می‌توان ارتباط برقرار کرد، تعادل بین نوآوری و سودآوری است. در حالی که منابع زیادی برای توسعه توانمندی‌های پیشرفته‌ی هوش‌مصنوعی صرف می‌گردد، برآوردن پولی کردن این نوآوری‌ها در حوزه قوانین دقیق مالی ممکن است دشوار باشد. بنابراین وقتی که شرکت‌ها مجبور به رعایت قوانین دقیقی که ممکن است حدود و موثری از کاربرد‌های هوش‌مصنوعی نیز اعمال کند، این موضوع بخصوص مواجهی دارد.
دیگر چالش، نیاز به تناسب بین فرآیندهای توسعه‌های هوش‌مصنوعی و اکو‌سیستم مالی فعال است. مؤسسات و ارگان‌های مالی از جمله بانک‌ها به طور سنتی ترس از ریسک را دارند و ممکن است با ادغام راه‌حل‌های برش‌زننده هوش‌مصنوعی در سیستم‌های وارونه خود دشوار جهت گرفتن داشته باشند.
به علاوه، با یکسان کردن هوش مصنوعی با مالیات، نگرانی‌هایی درخصوص حریم خصوصی داده و امنیت پدید آمده است. سیستم‌های هوشی نیاز به مقادیری انبوهی از داده برای عملکرد موثر دارند و مدیریت این داده را زیر قوانین سخت حفظ خصوصیت مالی نمی‌تواند در پیش ساخت.
مزایا و معایب هوش مصنوعی در بخش مالی
مزایا:
– کارایی: هوش مصنوعی می‌تواند داده‌ها را با سرعتی بسیار بالاتر از انسان‌ها پردازش و تجزیه‌تحلیل کند که برای معامله، شناسایی تقلب و مدیریت ریسک مفید است.
– شخصی‌سازی: هوش مصنوعی امکان ارائه خدمات مالی شخصی‌سازی شده را فراهم می‌کند و مشاوره‌های سفارشی و خدمات مشتری بهتر ارائه می‌دهد.
– کاهش هزینه: در طول زمان، هوش مصنوعی می‌تواند به تقلیل هزینه‌های عملیاتی کمک کند با اتوماسیون وظایف روتین و بهبود کارایی فرآیند.
معایب:
– هزینه پیاده سازی: هزینه‌های اولیه ممکن است بالا باشد، زیرا برقراری سیستم‌های هوش مصنوعی قابل اعتماد و موثر نیازمند سرمایه گذاری قابل توجهی است.
– پایبندی به قوانین تنظیماتی: حوزه مالی تحت نظارت و مقررات زیادی قرار دارد و ممکن است چالش‌هایی در اطمینان از این که سیستم‌های هوش مصنوعی به طور کامل با تمامی قوانین و مقررات هماهنگی دارند وجود داشته باشد.
– جابه‌جایی شغلی: هوش مصنوعی ممکن است شغل‌های بخش مالی را جایگزین کند و برای افراد در نقش‌های سنتی تحت تأثیر اتوماسیون، نگرانی‌های شغلی ایجاد دهد.
برای اطلاعات بیشتر در مورد شینهان فاینانسیال، می‌توانید به وب‌سایت رسمی آن به این لینک مراجعه کنید: گروه شینهان فاینانسیال. لطفاً توجه داشته باشید که من نمی‌توانم پس از تاریخ قطع دانش‌امکان سازمان‌دهی یا تأیید URLها را برعهده بگیرم.
[ویدیو]https://www.youtube.com/embed/oYRaAeSLUAw[/ویدیو]