موسسات مالی و بانک‌ها سال‌ها است که درگیر چالش نوسازی زیرساخت‌های نرم‌افزاری و هسته‌های پردازشی قدیمی (Legacy Cores) خود هستند؛ پروژه‌هایی سنگین و پرهزینه که اغلب با ریسک‌های عملیاتی بالایی همراه است. با این حال، شرکت فین‌تک Kastle که ارائه‌دهنده پلتفرم نیروی کار هوش مصنوعی برای بانک‌ها و موسسات اعتباری است، راهکار متفاوتی را مطرح کرده است. ریشی چودری (Rishi Choudhary)، هم‌بنیان‌گذار و مدیرعامل Kastle، پس از جذب سرمایه ۲۴ میلیون دلاری در جلب سرمایه سری A این شرکت در ماه جاری، اعلام کرد که بانک‌ها می‌توانند بدون دست زدن به سیستم‌های بنیادی خود، لایه‌ای از «کارکنان دیجیتال» هوش مصنوعی را روی این زیرساخت‌ها مستقر کنند.
لایه‌ای از عامل‌های هوش مصنوعی روی هسته‌های قدیمی
چودری در گفت‌وگو با کارن وبستر (Karen Webster)، مدیرعامل PYMNTS، توضیح داد که الگوی جدیدی در نوسازی بانکداری در حال شکل‌گیری است. به گفته او، بانک‌ها می‌توانند زیرساخت‌های موجود را حفظ کرده و عامل‌های هوش مصنوعی (AI Agents) را وارد عمل کنند تا وظایف پیچیده را به‌تدریج از نیروی انسانی به کارکنان دیجیتال منتقل سازند.
مدیرعامل Kastle تاکید کرد که این عامل‌های هوش مصنوعی بلافاصله جایگزین پلتفرم‌های اصلی بانکداری نخواهند شد. سیستم‌های بنیادی موجود همچنان مسئولیت نگهداری داده‌های موسسه و منطق اصلی کسب‌وکار را بر عهده خواهند داشت، در حالی که عامل‌های هوش مصنوعی وظایف اجرایی پیرامون آن‌ها را انجام می‌دهند. چودری در این باره گفت:
«ما این عامل‌ها را به‌عنوان لایه اجرایی در بالای هسته‌های قدیمی تصور می‌کنیم.»این ساختار باعث می‌شود که هوش مصنوعی بیشتر شبیه به یک همکار انسانی عمل کند تا یک زیرساخت نرم‌افزاری یا برنامه کاربردی ساده. یک عامل هوش مصنوعی ماموریتی مانند تماس مشتری، پرونده اعتباری یا هشدار انطباق با قوانین را دریافت کرده، کار مجاز را اجرا می‌کند و سیستم‌های بانک را به‌روزرسانی می‌نماید.
تفاوت میان اتوماسیون و خودمختاری در محیط‌های مقررات‌گذاری‌شده
کارن وبستر در این مصاحبه به تمایز کلیدی میان اتوماسیون و خودمختاری اشاره کرد و پرسید: «این همکار هوش مصنوعی اجازه دارد چه چیزهایی را تغییر دهد و در چه نقاطی هنوز حضور انسان در چرخه تصمیم‌گیری الزامی است؟»
چودری پاسخ داد که این موضوع به سیاست‌های عملیاتی هر بانک بستگی دارد. موسسات مالی می‌توانند این دسترسی‌ها را در پلتفرم Kastle پیکربندی کرده، دستورالعمل‌های جدید را بارگذاری نمایند و عملکرد عامل‌ها را زیر نظر بگیرند. برای نمونه، یک عامل هوش مصنوعی در بخش وصول مطالبات می‌تواند پرداخت مشتری را پردازش کند، اما اجازه ندارد به صورت مستقل آن را لغو نماید؛ چنین درخواستی باید به یک عامل دارای اختیارات بالاتر یا یک کارمند انسانی ارجاع داده شود.
مدیرعامل Kastle خاطرنشان کرد: «شکاف بسیار بزرگی میان آنچه مدل‌های هوش مصنوعی در محیط‌های آزمایشی انجام می‌دهند و استقرار آن‌ها در یک محیط عملیاتی تحت مقررات وجود دارد.» خروجی این مدل‌ها نه تنها باید دقیق باشد، بلکه باید قابل حسابرسی بوده و کاملاً در جریان‌های کاری موجود یکپارچه شود. همچنین کارمندان باید تمایل و توانایی لازم برای ادغام این ابزارها در عملیات روزمره را داشته باشند.
ارتقای درجه هوش مصنوعی؛ از دستیار تا مسئول پرونده
به‌جای پیاده‌سازی سیستم‌های عمومی با اختیارات گسترده، بانک‌ها می‌توانند در ابتدا وظایف تکراری و محدود را به عامل‌های هوش مصنوعی بسپارند و با اثبات شایستگی، سطح دسترسی آن‌ها را افزایش دهند. برای مثال، یک دستیار هوش مصنوعی در بخش تسهیلات ممکن است کار خود را با ارزیابی اولیه لیدهای ورودی آغاز کند. پس از اثبات قابلیت اطمینان، این عامل می‌تواند به بخش پیش‌تایید اعتباری ارتقا یافته و در نهایت کل فرآیند ثبت درخواست وام را مدیریت کند.
وبستر اشاره کرد که این رویکرد شباهت زیادی به فرآیندهای مدیریتی آشنا در سازمان‌ها دارد. به گفته او، ارزیابی و ورود یک عامل هوش مصنوعی دقیقاً مانند جذب یک نیروی انسانی است؛ چرا که بانک‌ها از قبل ابزارهای سازمانی لازم برای نظارت بر کارکنان—شامل شرح وظایف، کنترل‌های دسترسی، آموزش‌های انطباق با قوانین، ارزیابی عملکرد و فرآیندهای ارجاع—را در اختیار دارند و چودری معتقد است می‌توان از این چارچوب‌ها برای مدیریت نیروهای کار دیجیتال استفاده کرد.
فرصت اقتصادی برای بانک‌های محلی و رفع ریشه‌ای مشکلات
این مدل جدید به‌ویژه برای بانک‌های محلی (Community Banks) جذابیت اقتصادی بالایی دارد. در این بانک‌ها، ارائه خدمات شخصی‌سازی‌شده مزیت رقابتی اصلی محسوب می‌شود اما ظرفیت عملیاتی محدود است. هدف اصلی برای این بانک‌ها، واگذاری کارهای اداری و تکراری به عامل‌های هوش مصنوعی و حفظ تمرکز نیروهای انسانی بر ارتباطات مشتریان و نیازهای پیچیده آنان است. چودری اظهار داشت: «شما می‌توانید از این عامل‌ها بر اساس همان شاخص‌هایی انتظار داشته باشید که کارمندان انسانی خود را با آن‌ها می‌سنجید.»
در بخش دیگری از مصاحبه، وبستر سوالی بنیادین درباره حجم بالای تماس‌های ورودی به مراکز پشتیبانی بانک‌ها مطرح کرد و گفت: «چرا این همه مردم تماس می‌گیرند؟ چه چیزی خراب است؟» وی اشاره کرد که ارزش واقعی هوش مصنوعی ممکن است تنها در پاسخگویی به تماس‌های بیشتر نباشد، بلکه در اصطکاک‌زدایی از فرآیندهای عملیاتی نهفته باشد که خود عامل ایجاد این تماس‌ها هستند.