هوش مصنوعی از نمایش به جریان اصلی فعالیت سازمان‌ها وارد شود

 سید محمد سعید طباطبایی، مدیرعامل شرکت خدمات انفورماتیک، با تأکید بر ضرورت تبدیل هوش مصنوعی از یک فناوری نمایشی به قابلیتی سازمانی، گفت: استفاده موفق از هوش مصنوعی در شرکت‌های بزرگ مستلزم بازتعریف فرایندها، توجه به حاکمیت داده، مدیریت ریسک، حفظ حریم خصوصی و ارزیابی دقیق خروجی مدل‌هاست.

به گزارش روابط عمومی شرکت خدمات انفورماتیک، سید محمد سعید طباطبائی در مراسم افتتاح نمایشگاه کاربرد هوش مصنوعی در صنایع و کسب‌وکار، با اشاره به گسترش استفاده از این فناوری در شرکت‌های بزرگ اظهار داشت: هوش مصنوعی دیگر یک فناوری حاشیه‌ای در کنار سایر فعالیت‌ها نیست، بلکه به جریان اصلی فعالیت‌های اقتصادی، کسب‌وکارها و فرایندهای سازمانی وارد شده است.

وی بیان آماری از بررسی‌های مؤسسه مک‌کنزی افزود: بر اساس آماری که در این زمینه ارائه شده است، ۷۸ درصد از شرکت‌های بررسی‌شده، دست‌کم در یکی از فرایندهای خود از هوش مصنوعی استفاده می‌کنند و بیش از ۷۰ درصد شرکت‌ها نیز به‌صورت منظم این فناوری را در فعالیت‌های خود به کار گرفته‌اند.

طباطبایی با بیان اینکه موفقیت در به‌کارگیری هوش مصنوعی مستلزم عبور از اقدامات نمایشی است، تصریح کرد: زمان انجام کارهای صرفاً نمایشی در حوزه هوش مصنوعی گذشته است. شرکت‌ها باید به‌جای اکتفا به نمایش قابلیت‌های این فناوری، فرایندهای سازمانی خود را بازتعریف کنند و ظرفیت‌های هوش مصنوعی را به قابلیت‌های واقعی و پایدار سازمانی تبدیل کنند.

مدیرعامل شرکت خدمات انفورماتیک با اشاره به تجربه این شرکت در حوزه بانکداری الکترونیک، به تشریح چالش‌های سازمان‌های بزرگ در مسیر استفاده از هوش مصنوعی پرداخت و گفت: شرکت خدمات انفورماتیک در حوزه بانکداری فعالیت می‌کند و بخش قابل‌توجهی از خدمات بانکداری الکترونیک کشور از طریق این مجموعه ارائه می‌شود. به همین دلیل، با حجم بسیار گسترده‌ای از داده‌ها و تراکنش‌های روزانه مواجه هستیم.

وی ادامه داد: روزانه میلیاردها تراکنش در نظام بانکی کشور انجام می‌شود و در برخی روزها بیش از ۹۰ درصد و حتی بیش از ۹۵ درصد تراکنش‌ها به‌صورت آنلاین انجام می‌شود. این حجم از فعالیت، اهمیت پایداری خدمات، پردازش داده‌ها و استفاده مؤثر از فناوری‌های نوین را دوچندان می‌کند.

طباطبایی با اشاره به وابستگی زندگی روزمره مردم به خدمات بانکی و الکترونیکی خاطرنشان کرد: هرگونه اختلال در ارائه خدمات بانکی می‌تواند مستقیماً زندگی مردم را تحت تأثیر قرار دهد. از سوی دیگر، حملات سایبری به بانک‌ها نیز می‌تواند موجب اختلال در ارائه خدمات شود؛ بنابراین، سازمان‌هایی که در این حوزه فعالیت می‌کنند، باید هم‌زمان با توسعه فناوری، برای مدیریت تهدیدات و حفظ پایداری خدمات نیز برنامه‌ریزی کنند.

وی سرعت بالای تغییرات محیطی را از دیگر چالش‌های شرکت‌های بزرگ دانست و گفت: پارامترها، فرایندها و تهدیداتی که سازمان‌ها با آن مواجه هستند، به‌سرعت تغییر می‌کنند. در کنار این موضوع، انتظارات ذی‌نفعان نیز افزایش یافته است و شرکت‌ها باید بتوانند خدمات خود را با کیفیت و پایداری بیشتری ارائه دهند.

مدیرعامل شرکت خدمات انفورماتیک افزایش هزینه‌ها را از دیگر مسائل مهم سازمان‌ها برشمرد و افزود: افزایش هزینه‌ها برای همه ما ملموس است و با آن مواجه هستیم. هوش مصنوعی نیز فناوری پرهزینه‌ای است و استفاده از آن، به‌ویژه در حوزه زیرساخت‌های سخت‌افزاری و نیروی انسانی، هزینه‌های قابل‌توجهی به سازمان‌ها تحمیل می‌کند. ازاین‌رو، باید بررسی شود که سرمایه‌گذاری در این حوزه تا چه اندازه توجیه‌پذیر است و چه ارزش افزوده‌ای برای سازمان ایجاد می‌کند.

وی همچنین پیچیده‌تر شدن تصمیم‌گیری‌های مدیریتی را از پیامدهای گسترش استفاده از هوش مصنوعی عنوان کرد و گفت: هرچه میزان تعامل هوش مصنوعی با سازمان‌ها افزایش پیدا می‌کند، تصمیم‌گیری‌های مدیریتی نیز پیچیده‌تر می‌شود. تصمیماتی که شاید در گذشته به‌سادگی اتخاذ می‌شدند، اکنون نیازمند بررسی ابعاد و جوانب بیشتری هستند.

طباطبایی با تأکید بر لزوم انتخاب هدفمند فرایندها برای استفاده از هوش مصنوعی اظهار کرد: در سازمان‌های بزرگ با صدها فرایند مختلف مواجه هستیم که بسیاری از آن‌ها ممکن است چندین دهه قدمت داشته باشند. پرسش اساسی این است که کدام‌یک از این فرایندها قابلیت هوشمندسازی دارند و اساساً در کدام بخش‌ها باید به سمت استفاده از هوش مصنوعی حرکت کنیم.

وی افزود: نمی‌توان بدون بررسی دقیق، همه فرایندهای سازمانی را بازتعریف کرد یا هوش مصنوعی را در تمامی بخش‌ها به کار گرفت. هزینه‌های پیاده‌سازی، زیرساخت‌های موردنیاز، منابع انسانی و ارزش حاصل از اجرای پروژه‌ها باید به‌صورت جدی ارزیابی شوند.‌

کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی ایران؛ از آزمایش‌های پراکنده تا تحول هوشمند

نشست تخصصی «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی در ایران – AI 2026» با حضور جمعی از مدیران، متخصصان و صاحب‌نظران حوزه بانکداری، فناوری و هوش مصنوعی برگزار شد. در این نشست، ابعاد مختلف فرصت‌ها، چالش‌ها و الزامات به‌کارگیری هوش مصنوعی در صنعت مالی کشور مورد بررسی قرار گرفت.

در این نشست،  محمد جعفر عبدی، به‌عنوان یکی از اعضای پنل تخصصی، با تمرکز بر تجربه و الزامات سازمانی استفاده از هوش مصنوعی در صنعت بانکداری، بر این موضوع تأکید کرد که آینده بانکداری صرفاً به استفاده از ابزارهای مبتنی بر هوش مصنوعی محدود نمی‌شود؛ بلکه بانک‌ها باید به‌تدریج زیرساخت‌ها، فرایندها، نیروی انسانی و مدل‌های تصمیم‌گیری خود را برای فعالیت در یک محیط AI-Native آماده کنند.

از نگاه وی، یکی از مهم‌ترین چالش‌های امروز صنعت بانکداری، عبور از مرحله «استفاده آزمایشی از هوش مصنوعی» و حرکت به سمت «خلق ارزش واقعی و پایدار» است. بسیاری از پروژه‌های هوش مصنوعی در سازمان‌ها در قالب نمونه‌های اولیه و پروژه‌های مستقل آغاز می‌شوند؛ اما برای تبدیل‌شدن به یک قابلیت سازمانی، به زیرساخت مشترک، حاکمیت داده و هوش مصنوعی، امنیت، ارزیابی مستمر، نظارت، مدیریت هزینه و یکپارچگی با فرایندهای اصلی کسب‌وکار نیاز دارند.

در این مسیر، هوش مصنوعی باید از یک ابزار جانبی به یک قابلیت سازمانی تبدیل شود؛ قابلیتی که بتواند در حوزه‌هایی مانند خدمات مشتری، توسعه نرم‌افزار، مدیریت دانش، کشف تقلب، اعتبارسنجی و ارزیابی ریسک، عملیات بانکی، امنیت سایبری، تحلیل داده و پشتیبانی از تصمیم‌گیری مدیران، ارزش ملموس ایجاد کند.

یکی دیگر از محورهای مهم این نشست، موضوع «اعتمادپذیری و کنترل‌پذیری» در استفاده از هوش مصنوعی در صنعت مالی بود. در صنعت بانکداری، صرفاً هوشمند بودن یک سامانه کافی نیست؛ خروجی‌های AI باید قابل ارزیابی، قابل ردیابی و امن باشند و با الزامات حاکمیتی و مقرراتی انطباق داشته باشند. ازاین‌رو، در کنار مفاهیمی مانند Prompt Engineering و مدل‌های زبانی، موضوعاتی همچون Context Engineering و Harness Engineering، ارزیابی مدل‌ها، کنترل دسترسی، پایش، ثبت رخدادها، حفاظت از داده‌ها و مدیریت چرخه عمر Agentها نیز اهمیت ویژه‌ای پیدا می‌کنند.

همچنین در این نشست بر ضرورت شکل‌گیری یک نگاه ملی و صنعت‌محور به هوش مصنوعی در خدمات مالی تأکید شد؛ نگاهی که در آن بانک‌ها، شرکت‌های فناوری، نهادهای تنظیم‌گر، دانشگاه‌ها و زیست‌بوم نوآوری بتوانند در کنار یکدیگر، زیرساخت‌ها و استانداردهای لازم برای توسعه امن و بومی راهکارهای هوش مصنوعی را فراهم کنند.

جعفر عبدی اینگونه سخنان خود را جمع بندی  کرد که هدف، صرفاً استفاده سریع‌تر از AI نیست؛ بلکه ساختن سازمانی است که بتواند از هوش مصنوعی به‌صورت سریع، قابل‌کنترل، امن و قابل‌اعتماد استفاده کند. موفقیت بانک‌ها در عصر هوش مصنوعی، بیش از آنکه صرفاً به انتخاب یک مدل قدرتمند وابسته باشد، به توانایی آنها در بازطراحی سازمان، فرایندها، زیرساخت و فرهنگ کاری متناسب با این فناوری نیز وابسته خواهد بود.‌

هوش مصنوعی در نظارت بانکی؛ از مسئله تا تجربه اجرا

شرکت خدمات انفورماتیک در رویداد «ایران AI»، میزبان نشست تخصصی «کاربرد هوش مصنوعی در نظارت بانکی؛ از تحلیل ریسک و آزمون تنش تا هوش مصنوعی مولد و عامل‌های هوشمند» بود. 
در این نشست، با محوریت «دستیار هوشمند تحلیل داده‌های نظارتی» و «سامانه آزمون تنش»، تجربه‌های اجرایی شرکت در حوزه نظارت بانکی، مسیر توسعه محصولات و چالش‌های بهره‌برداری از هوش مصنوعی بررسی  شد.

در گروه ماژول‌های «سین» که در مدیریت توسعه راهکارهای نظارت توسعه یافته است، استفاده از هوش مصنوعی با نیازهای واقعی نظارت بانکی پیوند خورده است؛ از یک سو، برای انجام دقیق‌تر و باکیفیت‌تر تعهدات شرکت در قبال بانک مرکزی و از سوی دیگر، برای فراهم‌کردن ابزارهایی که بررسی اطلاعات و تحلیل‌های نظارتی را برای کارشناسان و مدیران تسهیل کنند. در این مسیر، ابزارهایی مانند «دستیار هوشمند تحلیل داده‌های نظارتی»، «سامانه آزمون تنش» و «مدیریت هوشمند اسناد»، محورهای اصلی توسعه نظارت هوشمند هستند؛ ابزارهایی که برای شناخت وضعیت مالی بانک‌ها و بررسی آسیب‌پذیری آن‌ها در شرایط مختلف اقتصادی به کار گرفته می‌شوند.

بر اساس نقشه راه تعریف‌شده، توسعه «سین» در قالب یک چرخه هوشمند نظارت دنبال می‌شود که سه مرحله به‌هم‌پیوسته را پوشش می‌دهد. در مرحله «کشف»، داده‌های مالی، شاخص‌های نظارتی، گزارش‌ها و اسناد برای شناسایی نشانه‌های ریسک، ناهنجاری‌ها و اولویت‌های نظارتی تحلیل می‌شوند. در مرحله «بازرسی»، شواهد مرتبط گردآوری و با مقررات، حدود نظارتی و سوابق موجود تطبیق داده می‌شوند تا علت و ابعاد ریسک روشن شود. در مرحله «مداخله» نیز اقدام اصلاحی متناسب پیشنهاد، ثبت و تا حصول نتیجه پایش می‌شود. بازخورد حاصل از اجرای اقدامات نیز دوباره به مرحله کشف بازمی‌گردد تا سامانه از یک ابزار گزارش‌گیری و تحلیل داده، به بستری برای نظارت هوشمند، مستمر و مبتنی بر ریسک ارتقا یابد.

«دستیار هوشمند تحلیل داده‌های نظارتی» با هدف تسهیل دسترسی به اطلاعات مالی و کمک به تحلیل آن‌ها توسعه یافته است. این دستیار امکان طرح پرسش به زبان طبیعی و دریافت پاسخ از داده‌های سازمانی را فراهم می‌کند تا مدیران و کارشناسان بتوانند در کنار گزارش‌ها و داشبوردهای موجود، سریع‌تر به اطلاعات موردنیاز خود دسترسی پیدا کنند. ارزش این ابزار در کوتاه‌کردن مسیر میان پرسش مدیران و بررسی داده‌ها مرتبط است؛ مسیری که در تحلیل داده‌های نظارتی، به جست‌وجو، مقایسه و تفسیر اطلاعات نیاز دارد.

«سامانه آزمون تنش» نیز به ارزیابی آثار احتمالی سناریوهای اقتصادی بر وضعیت و شاخص‌های بانکی می‌پردازد. این سامانه کمک می‌کند پیامدهای شرایط نامساعد و میزان آسیب‌پذیری بانک‌ها بررسی شود و مبنای تحلیلی روشن‌تری برای ارزیابی ریسک فراهم آید. در این نشست، ضمن مرور تجربه توسعه این دو راهکار، درباره مسیر حرکت به سوی نظارت مبتنی بر ریسک و نقش آن‌ها در پشتیبانی از این رویکرد گفت‌وگو شد.

در این نشست همچنین گفته شد که بخش دیگری از فعالیت‌های شرکت در این عرصه به پردازش اسناد و مقررات بانکی اختصاص دارد. در حوزه مقررات، طبقه‌بندی مقررات بانکی و شناسایی ارتباط میان آن‌ها، از جمله روابط ناسخ و منسوخ، دنبال شده است. این قابلیت به کارشناسان کمک می‌کند جایگاه هر سند را در ارتباط با سایر مقررات بررسی کنند و تصویر روشن‌تری از وضعیت اعتبار و تغییرات آن داشته باشند. در پروژه «ذی‌نفع واحد» نیز مدل‌های زبانی برای دسته‌بندی وکالت‌نامه‌ها و شناسایی موارد نیازمند بررسی بیشتر به کار گرفته شده‌اند تا بررسی‌های کارشناسی هدفمندتر انجام شوند.

همچنین اعلام شد: رویکرد  به هوش مصنوعی در نظارت، محدود به مدل‌های زبانی بزرگ نیست. متناسب با ماهیت هر مسئله، از مدل‌های ساده‌تر آماری و یادگیری ماشین تا مدل‌های زبانی بزرگ و رویکردهای عامل‌محور (Agentic AI) استفاده شده است. 
انتخاب روش در هر پروژه به نوع داده، دقت موردنیاز، محدودیت‌های زیرساختی و شرایط بهره‌برداری وابسته است و معیار این است که روش انتخاب‌شده تا چه اندازه بتواند نیاز مشخص پروژه را با کیفیتی قابل‌ارزیابی پاسخ دهد.
این نشست با حضور حامد میرشک، مدیر توسعه راهکارهای نظارت و میرزایی و پاشازاده، از کارشناسان ارشد این مجموعه برگزار شد.

از PoC تا Production؛ تجربه عملیاتی‌سازی هوش مصنوعی در سازمان‌های حساس

شرکت خدمات انفورماتیک در کارگاه «از PoC تا Production؛ تجربه عملیاتی‌سازی هوش مصنوعی در سازمان‌های حساس» در رویداد IRAN AI، تجربه گروه توسعه راهکارهای نظارت  را در توسعه دستیار هوشمند تحلیل صورت‌های مالی، پردازش مقررات بانکی و تحلیل اسناد پروژه «ذی‌نفع واحد» تشریح کرد و به بررسی تصمیم‌های فنی و چالش‌های استفاده از ابزارهای هوش مصنوعی و عامل‌های کدنویسی پرداخت.

به گزارش روابط عمومی شرکت خدمات انفورماتیک، این کارگاه روز ۳۰ شهریورماه در سالن جابر بن‌حیان دانشگاه صنعتی شریف و با حضور جمعی از مدیران و متخصصان این حوزه برگزار شد. 
در این کارگاه، تجربه گروه توسعه راهکارهای نظارت در مسیر توسعه و عملیاتی‌سازی راهکارهای مبتنی بر هوش مصنوعی، مبنای گفت‌وگو و تبادل نظر قرار گرفت.

در این نشست بیان شد: ابزارهای هوش مصنوعی و عامل‌های کدنویسی، مسیر ساخت نمونه‌های اولیه را کوتاه‌تر کرده‌اند. اکنون بسیاری از ایده‌ها را می‌توان در مدت‌زمانی محدود به نمونه اولیه تبدیل کرد و به درکی مشترک میان تیم فنی، مدیران و کارفرما رسید. بااین‌حال، میان عملکرد موفق یک نمونه آزمایشی و ارائه یک خدمت قابل‌اتکا در محیط واقعی سازمان، فاصله‌ای وجود دارد که در مواجهه با داده‌ها، محدودیت‌های زیرساختی و الزامات بهره‌برداری آشکار می‌شود.

در این کارگاه، توسعه چت‌بات‌های تخصصی مبتنی بر RAG و عامل‌های هوشمند (Agent) از محورهای اصلی بود؛ موضوعی که طیف گسترده‌ای از مباحث، از آماده‌سازی داده، انتخاب مدل و معماری و بازیابی اطلاعات مرتبط تا اتصال عامل‌ها به ابزارها، کنترل دسترسی و اجرای وظایف را دربرمی‌گیرد.

همچنین ارزیابی کیفیت و پایداری خروجی‌ها، امنیت و حفاظت از داده‌ها، استقرار داخلی مدل‌های متن‌باز، محدودیت‌های زیرساختی و GPU، آزمون بار، مدیریت درخواست‌های هم‌زمان و پایش و کنترل کیفیت پس از استقرار، از دیگر موضوعات مطرح‌شده در این کارگاه بود.

این کارگاه با حضور حامد میرشک، مدیر توسعه راهکارهای نظارت و آقایان میرزایی و مهدی پاشازاده، کارشناسان ارشد این مجموعه برگزار شد.