محاسبات شناختی شکل جدیدی از محاسبات است به گونه ای که متشکل از سیستم‌های رایانه‌ای است که می توانند به دانش خود بیفزایند و این امر با یادگیری مستمر محقق می گردد و توصیه می‌شود موسسات مالی در مدیریت ثروت برای ارائه مشاوره‌های عمیق‌تر، ارزشمند‌تر و به صرفه‌تر از محاسبات شناختی بهره گیرند .

اشجعیبه گزارش نووانا، محمدمهدی اشجعی- محاسبات شناختی(cognitive computing) یک اصطلاح نسبتا جدید و به نوعی توسعه‌ی دامنه‌ی هوش مصنوعی است که با ترکیب عناصری مانند داده‌های بزرگ، تجزیه و تحلیل داده‌ها، آمار و با ترکیب پیچیده بین همه عناصر شکل جدیدی از تعامل بین انسان و ماشین‌ها را ایجاد کرده است. اکنون، سیستم‌های شناختی از نظر تجاری در دسترس هستند و می توانند لیست فزاینده‌ای از وظایفی را که قبلاً مختص انسان‌ها بوده است، مدیریت کنند.

محاسبات شناختی شکل جدیدی از محاسبات است به گونه ای که متشکل از سیستم‌های رایانه‌ای است که می توانند به دانش خود بیفزایند و این امر با یادگیری مستمر محقق می گردد. توصیه می‌شود موسسات مالی در مدیریت ثروت برای ارائه مشاوره‌های عمیق‌تر، ارزشمند‌تر و به صرفه‌تر از محاسبات شناختی بهره گیرند و جایگاه محاسبات شناختی را در بطن موسسات مالی دریابند، نه به جهت جایگزین کردن مشاور انسانی بلکه به جهت تقویت دانش و توانایی‌های مشاور انسانی و همچنین برای رفع محدودیت‌های شناختی مشاور انسانی.در صنعت خدمات مالی و به طور خاص مدیریت ثروت (Wealth management)، نقش‌های مختلفی برای مشاوره مالی تعریف شده است. این نقش‌ها تحت عناوین بی‌شماری از جمله برنامه ریز مالی، مشاوره سرمایه‌گذاری، مدیر سرمایه‌گذاری، مشاور ثروت و غیره شناخته می‌شوند. به طور کلی، مجموع این نقش‌ها در کنار هم “مشاور” (advisor) نامیده می‌شود.

نقش‌هایی که معمولاً تحت عنوان “مشاور” قرار می‌گیرند، مسئولیت ارائه مشاوره مالی برای مشتریان را بر عهده دارند. مشاوران برای مشاوره‌ای که ارائه می‌دهند، ممکن است توسط سازمان‌های مختلف نظارتی مجوز و گواهینامه بگیرند و گواهینامه‌ها و مجوزهای خود را از طریق آزمودن مداوم و اعتبارهای آموزشی ادامه دهند. از طریق این گواهینامه‌ها و یا مجوزها است که مشاوران، سطح پایه‌ای از دانش فنی را حفظ می کنند. اصطلاح “مشاوره” تعریف گسترده ای است که حداقل شامل توصیه‌های سرمایه گذاری است اما غالباً فراتر از سرمایه گذاری است که شامل بیمه، برنامه ریزی مالیاتی، برنامه ریزی املاک، برنامه ریزی بازنشستگی، برنامه‌ریزی گردش پول و بعضی اوقات برنامه‌ریزی بودجه است. مشاوره مالی همچنین ممکن است شامل کمک به مشتری در سازماندهی (مالی و غیر مالی) و تأکید بر کمک به مشتریان در دستیابی به اهداف خاص باشد، در حالی که ارائه مشاوره مالی بر اساس دانش وسیع و بررسی خصوصیات مشتری انجام می‌شود. مشاوران همچنین از فناوری‌های مختلفی برای تحلیل داده‌های مالی و تولید مؤلفه‌های مالی کمک می‌گیرند. در تجزیه و تحلیل سرمایه‌گذاری‌ها، اکثر این ابزارها از روش مونت کارلو که از ابزارهای اصلی سرمایه‌گذاری محسوب می‌شود برای تجزیه و تحلیل داده استفاده می‌کنند و سپس منابع مختلف نامعلومی را که ممکن است بر ارزش آنها در طول زمان تأثیر بگذارد، شبیه‌سازی می‌کنند.

سپس این شبیه سازی‌ها صدها بار اجرا می شوند و ابزارها تغییرات حاصل از طریق نتایج مختلف را نگاشت می کنند. علاوه بر این، این ابزارها به طور معمول ارزیابی ریسک مشتری یا تجزیه و تحلیل تحمل ریسک را نیز انجام می‌دهند. این ارزیابی، یک سری سوالات را در تلاش برای تشخیص تمایل ریسک مشتری مطرح می‌کند و نمره حاصل از این تستِ خودکار به سرمایه گذاری خاص با همان نمره نگاشت می‌شود. به عنوان نمونه، اگر مشتری نمره ای بسیار پایین (ریسک پایین ، بسیار محافظه کار) دریافت کند، آن نمره به کلاس‌های سرمایه‌گذاری که به همان اندازه کم خطر هستند، نگاشت می شود مانند درآمد ثابت (اوراق قرضه). اکثر ابزارهایی که در بازار وجود دارد از ترکیبی از این مدل‌ها برای کمک به ارائه مشاوره به مشتری استفاده می‌کنند. امروزه استفاده از محاسبات شناختی در ارائه مشاوره در مراحل اولیه پذیرش قرار دارد. تعداد کمی سیستم‌های شناختی وجود دارد که در حال استفاده از توانایی‌های تحت عنوان هوش مصنوعی و محاسبات شناختی هستند. متداول‌ترین اپلیکیشن‌ها در این حوزه شامل تجزیه و تحلیل احساسات، پیش بینی و پردازش زبان طبیعی است. با افزایش عمق و وسعت پذیرش قابلیت‌های شناختی، توانایی تأثیرگذاری بر همه طرف‌های ذیربط در زنجیره ارزش ارائه مشاوره مالی تسریع می شود و به طرز چشم‌گیری افزایش می یابد.

آینده محاسبات شناختی برای خدمت به مشتری به سرعت در حال پیشرفت است. پیشرفت های NLP همچنان از طریق چت‌بات‌ها به تعامل زبان طبیعی کمک می کند و از پاسخ های از پیش تعیین شده و پاسخ های متنی بر اساس ورودی مشتری فاصله می گیرند. در واقع این بات‌ها احساسات مشتری را درک و براساس آن پاسخگویی خواهند کرد و گویی مشتری با یک انسان با اطلاعات کامل در حال مذاکره می‌باشد. توانایی این سیستم‌ها برای یادگیری در مورد موقعیت‌های منحصر‌بفرد مشتری گسترش خواهد یافت و این دانش را با اطلاعاتی مستقل از مشتری مانند اقتصاد، بینش محصول یا شرایط بازار سرمایه‌گذاری ترکیب می کند. این ترکیب داده‌ها، به ویژه داده‌های بدون ساختار، نسل بعدی بات‌های مشاور را قادر می‌سازد مشاوره دیجیتالی بهتری ارائه دهند.

با رشد چند برابری محاسبات کوانتومی پیشنهاد می‌شود بانک‌ها و موسسات مالی خود را برای سطح بعدی اینترنت اشیاء کالیبره کنند. این دگردیسی دیجیتالی باعث ایجاد شیوه‌های جدید تجاری و حتی مدل‌های تجاری در صنعت بانکداری و خدمات مالی خواهد شد. اکنون بانک‌ها و موسسات مالی قادر به جمع‌آوری داده‌ها از گوشی‌های هوشمند، رسانه‌های اجتماعی، فعالیت‌های آنلاین و میلیاردها سنسور جدید برای ایجاد مشاغل جدید هستند.

نوبسنده: محمدمهدی اشجعی – کارشناس ارشد توسعه نرم‌افزارهای بانکی و عضو کمیسیون بانکداری دیجیتال نظام صنفی، عضو گروه جامعه آزاد کسب‌و‌کار هوشمند خاورمیانه و شمال آفریقا-منا (MSBC Group)