7 دقیقه
بانکهای اروپایی خود را برای کاهش گستردهٔ نیرو آماده میکنند، زیرا هوش مصنوعی روندهای روزمرهٔ بانکداری را بازتعریف میکند. تحلیلهای تازه نشان میدهد که دهها هزار موقعیت شغلی ممکن است طی دههٔ آتی از بین بروند، زیرا مؤسسات مالی کارهای پشتیبانی، کنترلهای ریسک و فرآیندهای مشتری را بهطور فزایندهای خودکار میکنند.
کدام مشاغل در معرض خطر هستند و چرا
تحلیلی از مورگان استنلی که گزارش آن در فایننشال تایمز منتشر شد، برآورد میکند که بیش از ۲۰۰٬۰۰۰ شغل بانکی در سراسر اروپا تا سال ۲۰۳۰ ممکن است حذف شود. این رقم تقریباً ده درصد نیروی کار در ۳۵ بانک بزرگ را نشان میدهد و بیشترین تأثیر را در حوزههای کمتر قابلرویت اما حیاتی خواهد داشت: عملیات (اپراتیون)، مدیریت ریسک و تطابق با قوانین (کامپلاینس). در این بخشها، الگوریتمها و یادگیری ماشینی میتوانند صفحات گسترده را سریعتر پردازش، ناهنجاریها را شناسایی و گزارشها را با سرعت و دقتی فراتر از تیمهای انسانی تولید کنند.
بانکها امیدوارند که افزایش بهرهوری، هزینههای ناشی از کاهش نیرو را توجیه کند. همان مطالعات نشان میدهد که در برخی عملکردها افزایش بهرهوری نزدیک به ۳۰ درصد قابلدستیابی است؛ رقمی که توضیح میدهد چرا مؤسسات علیرغم پیامدهای اجتماعی و سازمانی، برنامههای خودکارسازی را پیش میبرند.
مناطق شغلی آسیبپذیر
دامنهٔ مشاغل در معرض خطر شامل نقشهای تکراری و قواعدمحور است: پردازش معاملات، تطبیق دادهها، گزارشدهی نظارتی، ورود اطلاعات مشتری (KYC/onboarding)، و بخشی از خدمات مشتری که قابلسناریونویسی است. نقشهایی که بار تحلیلی سنگین اما ساختارمند دارند—مانند بررسی تطابق تراکنشها یا تهیهٔ گزارشهای ریسک—بیشتر در معرض جایگزینی با مدلهای یادگیری ماشینی و روباتیک فرآیندی (RPA) قرار میگیرند.
چرا خودکارسازی جذاب است
عوامل اقتصادی و فنی همزمان مؤسساتی را ترغیب میکند به سرمایهگذاری در سامانههای هوش مصنوعی: فشار بر حاشیه سود، نیاز به سرعت در گزارشدهی، افزایش حجم دادهها و امکان تحلیل لحظهای. اتوماسیون نهتنها میتواند هزینههای نیروی کار را کاهش دهد، بلکه خطاهای انسانی را کم کرده، سازگاری با مقررات را سریعتر کند و مقیاسپذیری عملیات را بالا ببرد—همچنین فرصتی برای بازتخصیص سرمایهٔ انسانی به کارهای با ارزش افزودهٔ بالاتر فراهم میآورد.
با این حال، تصمیمگیری روی اتوماسیون معمولاً بر پایهٔ سنجشهای هزینه-فایده است و باید خطرات عملیاتی، ریسک مدل و پیامدهای فرهنگی را نیز در نظر گرفت.
روند تغییرات هماکنون در حال شکلگیری است. گلدمن ساکس به کارکنان در ایالات متحده هشدار داده است که توقف استخدام و کاهش نیرو مرتبط با برنامهٔ هوش مصنوعی OneGS 3.0 ممکن است تا سال ۲۰۲۵ ادامه یابد و فرآیندهایی مانند ورود مشتری و گزارشدهی نظارتی را متأثر کند. در اروپا، بانک هلندی ABN Amro برنامه دارد تا حدود یکپنجم نیروی کار خود را تا ۲۰۲۸ کاهش دهد، و مدیران شرکت سوسیهته جنرال نیز اعلام کردهاند که هیچ نقشی از بازنگری در هزینهها و جریانهای کاری خارج نیست.
همه مدیران اجرایی دیدگاه واحدی ندارند. برخی از رهبران صنعت هشدار میدهند که حذف بیش از حد قضاوت انسانی، یا عدم آموزش کافی بانکداران جوان در اصول پایهای، میتواند بهطور بلندمدت به زیان بخش مالی تمام شود. این تنش میان خودکارسازی و حفظ تخصصهای بنیادین بانکی تعیین خواهد کرد که چهسرعتی و تا چه اندازه مشاغل از بین میروند یا دگرگون میشوند.
این برای بازار گستردهتر چه معنایی دارد
اخراجهای مبتنی بر هوش مصنوعی در بخش بانکداری بخشی از گفتوگویی بزرگتر دربارهٔ فناوری و کار است. کارشناسان مدتها هشدار داده بودند که هوش مصنوعی میتواند جابجایی گستردهای در صنایع مختلف ایجاد کند و اکنون بخش بانکداری نیز کاملاً درون این دامنه قرار گرفته است. برای کارمندان، چالش فوری بازآموزی به مهارتهایی است که نظارت، حاکمیت مدلها، علم داده و نقشهای مشتریمحور را شامل میشود—نقشهایی که دشوارتر بهصورت کامل خودکار میشوند.
از منظر مشتریان و ناظران، تغییرات سؤالات تازهای دربارهٔ تابآوری عملیاتی، شفافیت الگوریتمی و آیندهٔ شعب بانکها مطرح میسازد. با بستهشدن شعب فیزیکی و اتکای بیشتر به سامانههای خودکار، اهمیت نظارت انسانی، فرآیندهای ممیزی مدل و شفافیت در تصمیمات ماشینی بیش از پیش افزایش خواهد یافت.
فرصتها برای نیروی کار و مهارتهای مورد نیاز
در عین حذف برخی مشاغل، هوش مصنوعی فرصتهایی برای ایجاد نقشهای جدید پدید میآورد: مدیریت ریسک مدل (model risk management)، مهندسی داده، اخلاق و حاکمیت الگوریتمها، مهندسی MLOps، تحلیل کسبوکار پیشرفته و توسعه تجربهٔ دیجیتال مشتری. سازمانهایی که برنامههای بازآموزی و مهارتافزایی ساختاریافته ارائه دهند میتوانند از خروج استعدادها جلوگیری کرده و نیروی انسانی خود را برای کارهای استراتژیکتر آماده کنند.
برنامههای آموزشی مفید شامل آشنایی با مفاهیم یادگیری ماشینی، تحلیل داده، تفسیر مدلها، حاکمیت داده و مهارتهای نرم همچون حل مسئله و تصمیمگیری اخلاقی است. همکاری نزدیک میان واحدهای منابع انسانی، فناوری و واحدهای کسبوکار برای طراحی مسیرهای شغلی جدید و پشتیبانی از انتقال کارکنان ضروری است.
پیامدهای نظارتی و ریسکهای عملیاتی
ناظران بانکی اکنون توجه خود را به ریسکهای مرتبط با مدلها، دادهها و اتوماسیون معطوف کردهاند. پرسشهای اصلی شامل مدیریت خطاهای الگوریتمی، شفافیت تصمیمات خودکار، مسئولیتپذیری در هنگام ناهنجاریها و سازوکارهای بازیابی در مواقع بحران است. بانکها باید چارچوبهای حاکمیتی برای مدلهای هوش مصنوعی طراحی کنند که آزمونهای استرس، ممیزی داخلی و بررسی اثربخشی را در بر گیرد تا تابآوری عملیاتی حفظ شود.
بعلاوه، تغییرات ساختاری در نیروی کار میتواند پیامدهای وسیعتری در اقتصاد محلی داشته باشد: کاهش شعب و کارکنان میتواند بر اشتغال منطقهای تأثیر بگذارد و تقاضای خدمات جانبی را تغییر دهد. بنابراین، تصمیمات بانکها دربارهٔ اتوماسیون نهتنها فنی یا اقتصادی، بلکه اجتماعی و سیاسی نیز هست.
در نهایت، ظهور هوش مصنوعی در بانکداری تنها به کاهش نیرو محدود نمیشود. این یک تغییر ساختاری است که شرح وظایف را بازنویسی خواهد کرد، مهارتهای فنی جدید را پاداش میدهد و مؤسسات را مجبور میکند بین بهرهوری و قضاوت انسانی که پایهٔ اعتماد در نظام مالی است، توازن برقرار کنند.
برای سیاستگذاران و مدیران عامل، راهبردهای موفق ترکیبی از سرمایهگذاری در فناوری، برنامههای بازآموزی گسترده، و ایجاد چارچوبهای نظارتی شفاف خواهد بود. بانکهایی که بتوانند این سه ضلع را همزمان مدیریت کنند، نهتنها هزینهها را کاهش میدهند بلکه مهارتها و اعتماد را نیز حفظ خواهند کرد؛ چیزی که در نهایت برای پایداری بلندمدت نظام مالی ضروری است.
در سطح خرد، مشتریان نیز میتوانند از تغییرات سود ببرند—خدمات سریعتر و تحلیل دقیقتر دادهها میتواند تجربهٔ کاربری بهتری فراهم کند—اما این امر مستلزم شفافیت و تضمین کیفیت تصمیمات ماشینی است تا سوءتفاهمها و تبعیض الگوریتمی کاهش یابد.
بنابراین، سؤال کلیدی از این پس این است که چگونه میتوان میان کارایی، نوآوری و حفظ سرمایهٔ انسانی تعادل برقرار کرد تا تحول دیجیتال بانکها به نفع کل اکوسیستم مالی پیش رود.
منبع: smarti
نظرات
مهدی
حس میکنم مقاله جامعِ اما یه جاها خوشبینیه، بازآموزی که یه روزه نیست، نیاز به سرمایهگذاری بلندمدته، واقعاً پیچیدهس.
لابکور
تو بانک محل کارم هم داشتن نمونهای پیاده میکردن، اول کلی شور و بعد هم خیلیها رفتن آموزش، بعضیا هم ترک شغل کردن چون...
توربو
واقعاً؛ جایگزینی رباتها توی بخشهای حساس ریسک و کامپلاینس امنتر میکنه؟ یا فقط تا وقتی همه خوب کار کنه خوبه؟
رودکس
وااای، ۲۰۰ هزار شغل؟! یعنی یه طوفان تو بانکها داره میاد... نگرانم برای کارآموزا و تجربه دستِ آدم، کجا میره؟
ارسال نظر