مقاله نقش هوش مصنوعي در مديريت امور مالي (ضرورت ، کاربرد ها و چالش ها)

توضیحات

مقاله نقش هوش مصنوعي در مديريت امور مالي (ضرورت ، کاربرد ها و چالش ها)
چکيده
بکارگيري هوش مصنوعي در مديريت مالي ، يک فرصت بزرگ براي بهبود عملکرد و افزايش سودآوري است . هوش مصنوعي قادر است به صورت خودکار و سريع داده هاي مالي را تحليل کند و به تصميم گيران در انتخاب بهترين راهبردها کمک کند.
هدف پژوهش حاضر، توجه به اهميت بکارگيري هوش مصنوعي در مديريت امور مالي، تحول در مديريت مالي، بررسي روش هاي هوش مصنوعي در پيش بيني رفتار بازارهاي مالي ، تحليل داده هاي مالي و تصميم گيري هوشمند در سرمايه گذاري و مديريت ريسک است. نتايج اين تحقيق نشان مي دهد که استفاده از ترکيب هوش مصنوعي و دانش انساني مي تواند بهترين نتايج را در مديريت مالي فراهم آورد. نکته حائز اهميت آنکه اگر بکارگيري هوش مصنوعي در امور مالي، به دقت کنترل نشوند، استراتژي هاي معاملاتي مبتني بر هوش مصنوعي مي توانند انواع بازارها را دستکاري کنند. بنابراين براي مقابله با چالش هاي بکارگيري هوش مصنوعي در امور مالي، تعيين و اجراي قوانين و مقررات دقيق و جامع ، ضروري به نظر مي رسد.
واژگان کليدي: مديريت مالي، هوش مصنوعي، امور مالي، فناوري
١- مقدمه
استفاده از هوش مصنوعي در امور مالي سابقه اي طولاني دارد، اولين سيستم هاي معاملاتي مبتني بر هوش مصنوعي در دهه
١٩٨٠ ايجاد شدند. در دهه ١٩٩٠، برنامه هاي يادگيري ماشين مانند تشخيص تقلب و امتيازدهي اعتباري شروع به استفاده از شبکه هاي عصبي و ساير تکنيک هاي يادگيري ماشين کردند. با اين حال ، استفاده گسترده تر از هوش مصنوعي در صنعت مالي با کاربردهايي مانند معاملات الگوريتمي و مديريت ريسک به بعد از سال ٢٠٠٠ ميلادي برمي گردد.
بنابراين ، با توجه به اين تغييرات عميق در عرصه مديريت مالي با حضور هوش مصنوعي، انجام تحقيقات جامع و نظام مند در اين حوزه اهميت فزاينده اي پيدا کرده است . تحليل و بررسي در منابعي که تأثير هوش مصنوعي بر مديريت مالي را پوشش ميدهند، نه تنها تصويري جامع ارائه ميکند، بلکه حوزه هاي کليدي نيازمند توجه بيشتر را نيز شناسايي ميکند. تحقيق حاضر، به درک پيچيدگي و پتانسيل هوش مصنوعي در شکل دهي به آينده مديريت مالي کارآمد و پاسخگو به تحولات پوياي بازار، کمک خواهد کرد.
- اهميت حضور هوش مصنوعي در مديريت امور مالي
بسياري از موسسات مالي همچنان براي تبادل اطلاعات بين شعب از مراکز داده با درايوهاي مشترک و شبکه هاي رايانه اي استفاده ميکنند. اين رويکرد با ظهور سيستم هاي جديد و قدرتمند، در حال منسوخ شدن است . سيستم هاي پيشرفته ميتوانند تراکنش ها را مستقلاً انجام دهند و نيازي به برقراري ارتباط دائمي با ساير شعب ندارند (Kaur et al, 2020). با اين حال ، پياده سازي اين سيستم هاي نوآورانه ، نيازمند سرمايه گذاري کلان است و اين امر براي مؤسسات مالي کوچک تر ميتواند يک مانع تلقي شود. براي مقابله با اين چالش ، بازيگران کوچک تر دو گزينه دارند: ادغام شدن با مؤسسات بزرگ تر را مد نظر قرار دهند يا به دنبال راه حل هاي ارزان تر و مبتني هوش مصنوعي (AI) باشند که قابليت هاي مشابهي را ارائه ميدهند. با افزايش درآمد، آنها ميتوانند در سيستم هاي پيچيده تر سرمايه گذاري کنند (Lui & Lamb, 2018).
بلکه گامي در جهت انطباق هوشمندانه با انقلاب مالي ديجيتال است . با تحليل و خلاصه سازي يافته هاي تحقيقات گذشته ، مي توان استراتژي ها و سياست هايي را تدوين کرد که نقش روزافزون هوش مصنوعي در مديريت مالي را در نظر بگيرند و آن را ارتقاء دهند.
٣- تحول در مديريت مالي با حضور هوش مصنوعي
دهه ٦٠ و ٧٠ ميلادي :ظهور مدل هاي مالي مبتني بر کامپيوتر و پيشرفت در تکنولوژي محاسبات ، به توسعه مدل هاي مالي پيچيده مثل مدل بلک -شولز براي اختيار معامله منجر شد.
دهه ٨٠ و ٩٠ ميلادي : معاملات الکترونيکي : ظهور معاملات الکترونيکي در اين دهه باعث سرعت و کارايي بيشتر تراکنش ها در بازارهاي مالي شد.
همچنين افزايش سودآوري و حذف بسياري از هزينه ها و ريسک ها خواهد شد.
٤- کاربرد هاي هوش مصنوعي در امور مالي
فناوري هاي مالي (فين تک ) مجموعه اي از مدل هاي نوآورانه تجاري هستند که پتانسيل انقلابي کردن کامل صنعت خدمات مالي را دارند (٢٠١٨ ,.Mamoshina et al). مدل هاي کسب و کار فين تک با استفاده گسترده از اينترنت ، طيف وسيعي از محصولات يا خدمات مالي را به صورت خودکار ارائه مي دهند (٢٠١٩ ,Paul). اين فناوري ها کاربردهاي متنوعي دارند، از جمله استفاده از بلاکچين براي ايجاد هويت هاي ديجيتال امن و شفاف و استفاده از هوش مصنوعي (AI) براي تجزيه و تحليل داده ها جهت شناسايي افراد واجد شرايط براي دريافت اعتبار.
- تحليل احساسات بازار: هوش مصنوعي با جمع آوري و تجزيه و تحليل داده ها از منابع مختلف ، از جمله رسانه هاي اجتماعي ، اخبار و گزارش هاي صنعتي ، مي تواند احساسات بازار را رصد و تحليل کند. اين امر به شرکت ها کمک مي کند تا درک بهتري از نگرش هاي بازار داشته باشند و تصميمات بهتري بگيرند.
- پيش بيني عملکرد مالي شرکت : الگوريتم هاي يادگيري ماشين مي توانند با تکيه بر داده هاي تاريخي و عوامل خارجي ، عملکرد مالي شرکت را پيش بيني کنند. اين امر به شرکت ها در برنامه ريزي استراتژيک و تصميم گيري بلندمدت کمک مي کند.
- خودکارسازي فرايندهاي مالي روتين : استفاده از RPA (اتوماسيون رباتيک فرايند) مبتني بر هوش مصنوعي مي تواند به خودکارسازي کارهاي مالي روتين مانند پردازش صورت حساب ها، ثبت تراکنش ها و تهيه گزارش هاي مالي کمک کند. اين امر منجر به افزايش کارايي و کاهش خطاهاي انساني مي شود.
- درک مشتري و شخصي سازي خدمات : هوش مصنوعي مي تواند با تحليل داده هاي مشتري ، نيازها و رفتار مصرف کنندگان را درک کند. هوش مصنوعي اين امکان را براي شرکت هاي مالي فراهم مي کند تا پيشنهادات ، محصولات و خدماتي ارائه دهند که شخصي سازي شده تر بوده و با ترجيحات فردي مطابقت بيشتري داشته باشند.
اين کاربردها نشان مي دهند که هوش مصنوعي چگونه به يک ابزار با ارزش براي بهينه سازي فرايندها و تصميم گيري در مديريت مالي تبديل شده است و با تجزيه و تحليل پيچيده تر داده ها و راه حل هاي تطبيق پذيرتر، ارزش افزوده ايجاد مي کند.
٥- هوش مصنوعي و پيش بيني هاي مالي
هوش مصنوعي پتانسيل بهبود قابل توجه پيش بيني هاي مالي را دارد. هوش مصنوعي با توانايي پردازش سريع و دقيق حجم عظيمي از داده ها، مي تواند روندهاي بازار را با استفاده از الگوريتم هاي يادگيري ماشين تجزيه و تحليل کند. اين الگوريتم ها مي توانند از داده هاي گذشته بياموزند و از آن دانش براي پيش بيني روندهاي آينده استفاده کنند. اين قابليت مي تواند به ويژه در پيش بيني قيمت سهام يا روندهاي بازار مفيد باشد.
از جمله عدم شفافيت و قابليت تفسير برخي مدل ها، سوگيري بالقوه و خطر وابستگي بيش از حد به فناوري . اين مقاله در پايان نتيجه مي گيرد که در حالي که مدل هاي هوش مصنوعي مي توانند ارزشمند باشند، بايد همراه با روش هاي قبلي، بررسي دقيق و همچنين قضاوت هاي انساني ، مورد استفاده قرار گيرند.
٦- چالش هاي هوش مصنوعي در امور مالي
هوش مصنوعي به عنوان ابزاري قدرتمند، به سرعت در حال نفوذ به موسسات مالي است و مزاياي قابل توجهي را به ارمغان ميآورد. با اين حال ، استفاده از اين فناوري بدون چالش نيست (٢٠١٧ ,Donepudi) . برخي از مهمترين چالش هاي پيش
روي هوش مصنوعي در امور مالي عبارتند از :
- امنيت و شفافيت داده : حجم بالاي داده هاي حساس و محرمانه در سيستم هاي هوش مصنوعي، نگرانيهايي را در مورد امنيت و شفافيت اطلاعات به وجود ميآورد. براي رفع اين چالش ، ضروري است که موسسات مالي از مطابقت شرکت هاي ارائه دهنده ي اين خدمات با قوانين و مقررات مربوط به امنيت داده ها، مانندSOC٢ ،HIPAA ،GDPR و CCPA
اطمينان حاصل کنند (٢٠١٨ ,Sehgal &Vicira ).
کاهش چالش ها کمک نمود.
٧- نتيجه گيري و بحث
استفاده از هوش مصنوعي در امور مالي، مزاياي قابل توجهي مانند ارائه خدمات سريع تر و دقيق تر به مشتريان ، کاهش هزينه ها و افزايش امنيت را به ارمغان ميآورد. هوش مصنوعي وظايف را خودکار مي کند و مجموعه داده هاي عظيم را تجزيه و تحليل مي کند و منجر به فرايندهاي مالي سريعتر و مقرون به صرفه تر مي شود. هوش مصنوعي همچنين مي تواند الگوهاي پنهان و ريسک هاي بالقوه را در حجم عظيمي از داده ها شناسايي کند و به بانک ها و موسسات اجازه دهد ارزيابي ريسک آگاهانه تري داشته باشند. الگوريتم هاي هوش مصنوعي مي توانند اطلاعات مالي پيچيده را تجزيه و تحليل کنند تا از تصميم گيري بهتر در زمينه هايي مانند سرمايه گذاري و تاييد وام پشتيباني کنند. در مقابل ، سيستم هاي هوش مصنوعي مي توانند سوگيري هاي موجود در داده هايي که روي آنها آموزش ديده اند را به اشتباه تفسير کنند و در نهايت منجر به نتايج ناعادلانه
مي رسد.
٨- فرصت هاي تحقيقاتي آتي
- توسعه سيستم هاي هوش مصنوعي منصفانه ، بي طرف و شفاف براي تصميم گيري هاي مالي .
- تدوين چارچوب هاي نظارتي دقيق براي مديريت استفاده مسئولانه از هوش مصنوعي در بازارهاي مالي .
- بررسي پيامدهاي بلندمدت اجتماعي و اقتصادي بالقوه هوش مصنوعي در امور مالي .
- توسعه الگوريتم هاي مبتني بر هوش مصنوعي در جهت ارتقاء سرعت ، کاهش ريسک و افزايش بهره وري در امور مالي.
٩- منابع و مآخذ:
Al Ameri, M., & Nobanee, H. (2021). Artificial Intelligence and Financial Management.
kaabi, Hamda, and Nobanee, Haitham, A Study on Financial Management in Promoting Sustainable Business Al
Practices & Development (2019). Available at SSRN: https://ssrn.com/abstract=3472415
Aziz, S. & Dowling, M. (2019). Machine learning and AI for risk management. Disrupting Finance: FinTech and