مهنوش صالحی- ارزیاب اقتصادی با درج یادداشتی در اقتصاددان نوشت : در اینجا به بررسی تحولات ایجادشده توسط هوش مصنوعی (به ویژه هوش مصنوعی مولد) در واسطهگری مالی، بانکداری مرکزی و چالشهای نظارتی نوظهور میپردازد. درحالیکه هوش مصنوعی پتانسیل بهبود کارایی، شمول و تابآوری را دارد، آسیبپذیریهای جدیدی از نابرابری در دسترسی تا ریسکهای سیستمی ایجاد میکند که نیازمند پاسخهای نظارتی تطبیقی است.
هوش مصنوعی (AI)، به ویژه هوش مصنوعی مولد (GenAI)، به سرعت در حال تغییر شکل واسطهگری مالی، مدیریت دارایی، پرداختها و بیمه است. از دهه ۲۰۱۰، یادگیری ماشین (ML) تأثیر عمیقی بر زمینههای مختلف، از جمله تحلیل ریسک اعتباری، معاملات الگوریتمی و انطباق با قوانین مبارزه با پولشویی (AML) داشته است. امروزه، مؤسسات مالی به طور فزایندهای از هوش مصنوعی برای سادهسازی عملیات پشت صحنه، افزایش پشتیبانی از مشتری از طریق چتباتها و بهبود مدیریت ریسک از طریق تجزیه و تحلیل پیشبینیکننده استفاده میکنند.
کاربرد هوش مصنوعی در واسطهگری مالی منجر به پیشرفتهای قابل توجهی در غربالگری، نظارت و تخصیص اعتبار شده است. مدلهای یادگیری ماشینی، به ویژه در محیطهای بیثبات یا با تغییرات سریع، از امتیازدهی اعتباری سنتی بهتر عمل میکنند. آنها در استفاده از مجموعه دادههای بزرگ و بدون ساختار – سوابق تراکنشها، ردپاهای دیجیتال، نشانههای رفتاری – برتری دارند و در نتیجه امکان ارزیابی بهتر ریسک وامگیرنده را فراهم میکنند. شواهد تجربی از پلتفرمهای فینتک در چین و ایالات متحده نشان میدهد که مدلهای بهبود یافته با هوش مصنوعی نه تنها میتوانند تأیید وام را تسریع کنند، بلکه دسترسی به اعتبار را نیز، به ویژه در میان وامگیرندگان کمحجم، گسترش میدهند. علاوه بر این، با کاهش وابستگی به وثیقه، هوش مصنوعی میتواند به هدایت سرمایه به سمت استارتآپهای با بهرهوری بالا که در غیر این صورت ممکن است محدود باشند، کمک کند.
با این حال، این افزایش بهرهوری نه به طور یکنواخت توزیع شده و نه تضمینی برای افزایش رفاه وجود دارد. وامدهندگان فینتک اغلب نرخ بهره بالاتری نسبت به بانکهای سنتی، با وجود قابلیتهای غربالگری برتر، دریافت میکنند. این حق بیمه ممکن است نشاندهنده ریسک بالاتر، هزینههای فناوری یا رقابت ضعیف در بخشهای خاصی از وامگیرندگان باشد. در برخی موارد، این میتواند ناشی از استفاده استراتژیک از هوش مصنوعی برای تبعیض قیمت بر اساس تمایل به پرداخت استنباط شده باشد، در نتیجه رانتهای اطلاعاتی را از مصرفکنندگان به وامدهندگان منتقل میکند. پیامد این امر این است که اگرچه هوش مصنوعی کارایی تخصیصی را بهبود میبخشد، اما لزوماً هزینههای واسطهگری مالی را برای کاربران نهایی کاهش نمیدهد.
افزایش رواج مدلهای وامدهی مبتنی بر هوش مصنوعی همچنین ممکن است کانالهای سنتی انتقال پولی را تضعیف کند. جدا شدن وامدهی از ارزشهای وثیقهای و کاهش نقش وامدهی رابطهای ممکن است حساسیت جریانهای اعتباری به تغییرات نرخ بهره را کاهش دهد. این امر پیامدهایی هم برای اثربخشی سیاستهای کلان اقتصادی و هم برای ریسک سیستمی دارد. علاوه بر این، ابهام و غیرخطی بودن بسیاری از مدلهای هوش مصنوعی، نظارت و نظارتی را پیچیده میکند، بهویژه زمانی که منطق اساسی آنها را نمیتوان به راحتی تفسیر یا حسابرسی کرد.
بانکهای مرکزی در حال بهکارگیری هوش مصنوعی در عملکردهای اصلی خود هستند. ابزارهای یادگیری ماشین برای دنبال کردن فعالیتهای اقتصادی، تشخیص ناهنجاریها در سیستمهای پرداخت و پردازش حجم وسیعی از متون نظارتی استفاده میشوند. این ابزارها سرعت و دامنه عمل بیشتری را ارائه میدهند و به ناظران اجازه میدهند علائم هشدار اولیه را شناسایی کرده و نظارت احتیاطی کلان را افزایش دهند. با این حال، آنها همچنین نوع جدیدی از ریسک را معرفی میکنند: همگرایی مدل و همگنی تفسیری. از آنجایی که بانکهای مرکزی و فعالان بازار به طور فزایندهای سیستمهای هوش مصنوعی مشابهی را به کار میگیرند، خطر نقاط کور مشترک و تشدید موافق چرخهای، به ویژه در دوره تنش بازار، افزایش مییابد.
در مجموع، پیکربندی مجدد واسطهگری از طریق هوش مصنوعی، ظرفیت پیشبینی و کارایی عملیاتی را افزایش میدهد، اما سیاست پولی را پیچیده میکند، پویایی رقابتی را با نقش غالب بالقوه شرکتهای بزرگ فناوری در زنجیره ارزش تغییر میدهد و منابع جدیدی از ریسک مدل را معرفی میکند. چالش، تقویت نوآوری مبتنی بر هوش مصنوعی و در عین حال کاهش خطرات مربوط به بیثباتی مالی، رفتار انحصارطلبانه و نقض حریم خصوصی است. پرداختن به این مسائل ممکن است نیاز به بازنگری در چارچوبهای نظارتی، احتمالاً شامل پروتکلهای قابلیت حسابرسی مدل و شیوههای گستردهتر آزمون تنش داشته باشد.
در آینده در مورد دومین حوزه تحول هوش مصنوعی در بازار سرمایه صحبت خواهیم کرد.
مخاطب گرامی، ارسال نظر پیشنهاد و انتقاد نسبت به خبر فوق در بخش ثبت دیدگاه، موجب امتنان است.
ع
