محاسبه‌گری هوش مصنوعی در بانکداری: 13 پیش‌بینی کارشناسان برای 2026

کارشناسان SAS پیشرفت‌ها، نقاط کور و نقاط شکست را پیش‌بینی می‌کنند که بانکداری را شکل خواهند داد – و آنچه را که مؤسسات برای آن آماده نیستند، آشکار می‌سازند

کری، کارولینای شمالی، 1404/09/26 /PRNewswire/ — آزمایش‌های هوش مصنوعی به پایان رسیده است. در سال 2026، بانکداری وارد فاز جدیدی می‌شود – فازی که در آن AI Agent ها درخواست‌های واقعی مشتریان را مدیریت می‌کنند، دارایی های مصنوعی مخازن اصلی را تهدید می‌کند و اعتماد به یک معیار عملکرد قابل اندازه‌گیری تبدیل می‌شود. سؤال دیگر این نیست که آیا هوش مصنوعی بانکداری را متحول خواهد کرد، بلکه این است که آیا مؤسسات برای پیامدهای تحول شتابان در حال انجام آماده هستند.

از اختلافات تجارت عاملی تا مدلسازی ریسک کوانتومی، کارشناسان SAS یک "دوجین بانکداران"، 13 پیش‌بینی تعیین‌کننده صنعت را ارائه می‌دهند که مؤسساتی که بانکداری هوشمند را تسلط یافته‌اند از کسانی که هنوز با اصول اولیه دست و پنجه نرم می‌کنند، جدا خواهد کرد. اینجاست آنچه در راه است – و آنچه بانک‌ها اکنون باید بدانند.

هوش تأیید شده به ارز جدید اعتماد تبدیل می‌شود
"هوش مصنوعی مؤسسات مالی را سریع‌تر، هوشمندتر و بی‌نهایت مطمئن‌تر کرده است – گاهی اوقات بیش از حد مطمئن. از امتیازدهی اعتباری تا تشخیص کلاهبرداری تا خدمات مشتری، ما سیستم‌های هوشمند را برای تصمیم‌گیری در میلی‌ثانیه آموزش داده‌ایم. اما آیا صنعت در این راه خطر از دست دادن انسانی‌ترین اصل خود را پذیرفته است؟ اعتماد باید به دست آید، نه فرض شود.

"در سال 2026، اعتماد از یک وعده به یک معیار عملکرد تبدیل خواهد شد، زیرا بانک‌ها از هوش مدل محور به هوش اثبات محور تغییر می‌کنند. درخواست شفافیت قابل تأیید در هر پیش‌بینی، تصمیم و تعامل به استاندارد جدید هوش تبدیل خواهد شد. به عبارت دیگر، به این پیش‌بینی اعتماد نکنید – تا زمانی که بتوانید آن را اثبات کنید."

– الکس کویاتکوفسکی، مدیر خدمات مالی جهانی، SAS

هوش مصنوعی عاملی از وعده به تولید فارغ‌التحصیل می‌شود
"سال 2026 سپیده‌دم هوش مصنوعی عاملی در بانکداری را نشان خواهد داد، زیرا سیستم‌های نیمه خودمختار شروع به انجام کار معنی‌دار در سراسر سازمان می‌کنند. آینده بانکداری هوشمند توسط AI Agent های مبتنی بر هوش مصنوعی شکل خواهد گرفت که درخواست‌های مشتریان را مدیریت می‌کنند، گردش کار را هماهنگ می‌کنند و تصمیمات قابل توضیح و حاکمیت‌شده را در مقیاس اتخاذ می‌کنند. این تغییر به طور اساسی نحوه طراحی عملیات و اندازه‌گیری ارزش هوش مصنوعی در بانک‌ها را تغییر خواهد داد.

"بر اساس گزارش IDC، شرکت‌های خدمات مالی تا سال 2028 بیش از 67 میلیارد دلار برای هوش مصنوعی هزینه خواهند کرد. استقرارهای تولیدی مرتبط با تصمیم‌گیری و عملیات آماده بزرگترین رشد هستند. صنعت فراتر از اثبات مفهوم بالغ شده است و بانک‌هایی که موفق می‌شوند، کسانی خواهند بود که هوش مصنوعی خود را صنعتی کنند تا پایلوت‌ها را به سود و حاکمیت را به مزیت رقابتی تبدیل کنند."

– دایانا روتفوس، مدیر استراتژی راه‌حل‌های جهانی برای راه‌حل‌های ریسک، کلاهبرداری و انطباق، SAS

"کمک! AI Agent من سرکش شد و یک توستر 900 دلاری خرید." بانک‌ها پیامدهای خرید رباتی را به ارث می‌برند.
"از مراکز تماس تا مدیریت عالی، مؤسسات مالی مجبور خواهند شد با تأثیرات اقتصاد تجارت عاملی در حال گسترش سریع روبرو شوند. بانک‌ها شاهد افزایش اختلافات ناشی از AI Agent های خودمختار خواهند بود که خریدهایی را انجام می‌دهند که مشتری هرگز تأیید نکرده است، و تیم‌های کلاهبرداری با خطرات جدیدی روبرو خواهند شد، زیرا مجرمان یاد می‌گیرند که عامل‌های قانونی را ربوده یا تقلید کنند.

"با رشد تجارت الکترونیک عاملی، بانک‌ها باید یاد بگیرند نه تنها افراد، بلکه AI Agent هایی را که به نام آن‌ها عمل می‌کنند نیز احراز هویت کنند و لایه جدیدی از پیچیدگی را به مبارزه سخت با جرایم مالی اضافه کنند. چارچوب‌هایی مانند توکن‌های عاملی، امضاهای رفتاری و امتیازدهی ریسک پویا نشان‌دهنده اولین موج کنترل‌هایی هستند که بانک‌ها برای حفاظت از مشتریان انسانی خود و درآمد خود نیاز خواهند داشت."

– آدام نایبرگ، مدیر ارشد بازاریابی بانکداری جهانی، SAS

بانک‌ها "خزانه‌های" خلوص داده را در میان آلودگی داده های مصنوعی می‌سازند
"بانک‌ها با نوع جدیدی از بحران یکپارچگی داده روبرو خواهند شد، زیرا هوش مصنوعی تولیدی و داده های مصنوعی به روش‌هایی که تشخیص آن‌ها دشوار است، به مخازن اصلی نفوذ می‌کنند. برخلاف مسائل ایزوله کیفیت داده در گذشته، GenAI می‌تواند خطاها را در مقیاس معرفی کند – و با سطحی از واقع‌گرایی که تشخیص داده های آلوده را بسیار سخت می‌کند.

"همانطور که مؤسسات مالی با داده های مصنوعی آزمایش می‌کنند تا توسعه مدل را تسریع بخشند، بسیاری ناخودآگاه تعصبات و تحریف‌های ظریف را به خطوط لوله تصمیم‌گیری اعتباری، کلاهبرداری و ریسک معرفی خواهند کرد. برای محافظت از گردش کار حیاتی، بانک‌ها شروع به ایمن‌سازی داده های منبع طلایی خود در خزانه‌های دیجیتال کنترل‌شده خواهند کرد و حاکمیت سخت‌گیرانه‌تری را بر نحوه تعامل ابزارهای GenAI با مجموعه داده های اصلی اعمال خواهند کرد."

– ایان هولمز، مدیر و رهبر جهانی راه‌حل‌های کلاهبرداری سازمانی، SAS

عامل‌های دانش GenAI پتانسیل داده های بدون ساختار را باز می‌کنند
"در سال 2026، هوش مصنوعی تولیدی برای داده های بدون ساختار آنچه آمار سنتی مدت‌هاست برای داده های ساختاریافته بوده، خواهد شد و به بانک‌ها این توانایی را می‌دهد که معنا و بینش را در مقیاس استخراج کنند. بیش از 80٪ از داده های سازمانی در قالب‌های بدون ساختار مانند متن و تصویر هستند و این حجم هر سال 50٪ تا 60٪ رشد می‌کند.

"بانک‌ها شروع به پذیرش عامل‌های دانش مبتنی بر هوش مصنوعی و فناوری تولید تقویت‌شده بازیابی خواهند کرد تا داده های بدون ساختار قبلاً کم‌استفاده را به پاسخ‌های سریع و قابل اجرا تبدیل کنند. آن‌ها از این بینش‌های جدید برای تسریع تصمیم‌گیری کسب‌وکار استراتژیک استفاده خواهند کرد و مدیریت ریسک را تحول خواهند داد تا به یک رشته فعال‌تر و مبتنی بر هوش تبدیل شود."

– تریسا رابرتز، مدیر جهانی مدل‌سازی ریسک، تصمیم‌گیری و حاکمیت، SAS

کلاهبرداری های عاشقانه ارتقای عاملی می‌گیرند
"شانس شما برای قرار ملاقات با یک مدل هرگز بالاتر نبوده است – یک مدل زبانی بزرگ، یعنی. در حالی که کلاهبرداری های عاشقانه مبتنی بر هوش مصنوعی از قبل وجود دارند، آن‌ها به سطوح رکوردی افزایش خواهند یافت، زیرا کلاهبرداران فریب احساسی را در مقیاس تسلیح می‌کنند. آنچه زمانی هفته‌ها یا ماه‌ها مشارکت دستی نیاز داشت، اکنون می‌تواند با حداقل تلاش خودکار و تسریع شود.

"همانطور که دستکاری با کمک ماشین پیشرفت می‌کند، خط بین ارتباط واقعی و اغوای مصنوعی بیشتر محو خواهد شد و نه تنها دفاع در برابر کلاهبرداری، بلکه شهود انسانی را نیز آزمایش خواهد کرد. مؤسسات مالی تحت فشار قرار خواهند گرفت تا به عنوان فایروال احساسی برای مشتریان خود عمل کنند و تحلیل احساسات رفتاری و نظارت مبتنی بر هوش مصنوعی را ترکیب کنند تا الگوهای سوءاستفاده را قبل از آسیب مالی تشخیص دهند." 

– استو بردلی، معاون ارشد راه‌حل‌های ریسک، کلاهبرداری و انطباق، SAS

فشارهای سرمایه‌گذاری هوش مصنوعی باعث تکانه در فناوری جرایم مالی می‌شود
"بازار انطباق ضد جرایم مالی در سال پیش رو دچار تکانه بزرگی خواهد شد، زیرا فروشندگان برای جاسازی هوش مصنوعی پیشرفته در پیشنهادهای خود تلاش می‌کنند. واگذاری‌های اخیر مقیاس سرمایه‌گذاری مجدد مورد نیاز برای مدرن‌سازی پلتفرم‌های قدیمی مبتنی بر قوانین را برجسته می‌کند و بسیاری از بانک‌ها را با ابزارهایی می‌گذارد که نمی‌توانند با تهدیدهای در حال تکامل کلاهبرداری و پولشویی همگام شوند. همانطور که دشواری‌های اتصال هوش مصنوعی به پلتفرم‌های قدیمی آشکار می‌شود، فناوری‌های جرایم مالی که به طور بومی بر پلتفرم‌های هوش مصنوعی ساخته شده‌اند، درخشان‌ترین خواهند بود.

"در سال 2026، مؤسسات مالی پذیرش راه‌حل‌های AML و کلاهبرداری بومی ابری و مبتنی بر هوش مصنوعی را تسریع خواهند کرد که می‌توانند الگوهای پیچیده را آشکار کنند. آخرین نظرسنجی ما از اعضای ACAMS نشان می‌دهد که اکثر مؤسسات از قبل هوش مصنوعی را برای مدرن‌سازی AML ضروری می‌دانند و بانک‌هایی که به سمت تحلیل‌های قابل توضیح و در زمان واقعی مهاجرت می‌کنند، مزایای قابل توجهی در انطباق و ریسک خواهند داشت."

– بت هرون، رهبر قاره آمریکا برای راه‌حل‌های انطباق بانکی، SAS

هوش مصنوعی و اعتبار کمی کارایی بازار اوراق قرضه را تسریع خواهد کرد
"رشد استراتژی‌های اعتباری کمی کشف قیمت در بازارهای اوراق قرضه شرکتی را تسریع خواهد کرد که توسط مدل‌های کمک‌شده با هوش مصنوعی که به سرعت اطلاعات جدید، منبع اطلاعات جایگزین و شاخص‌های اعتباری آینده‌نگر را ترکیب می‌کنند، تسریع می‌شود. تیم‌های درآمد ثابت فعال فراتر از گردش کار متمرکز بر رتبه‌بندی حرکت خواهند کرد و زیرساخت مدل‌سازی و تصمیم‌گیری انعطاف‌پذیر و مبتنی بر ML را اتخاذ خواهند کرد که سیگنال‌های متنوع را به تصمیمات معاملاتی ترجمه می‌کنند.

"حاکمیت قوی داده و مدیریت ریسک خودکار دقیق مدل مواد ضروری برای این فرآیند و تکامل فناوری خواهند بود. علاوه بر این، نوآوری در مدل‌سازی ریسک رتبه‌بندی اعتباری به سرمایه‌گذاران کمک خواهد کرد تا ضررها را کاهش دهند و فرصت‌ها را به دست آورند."

– استاس ملنیکوف، رئیس تحقیقات کمی و راه‌حل‌های داده ریسک، SAS

مدیریت ریسک خودکار آگاه به حباب باید در سال 2026 به رویه استاندارد تبدیل شود ... اما نخواهد شد
"در سال 2026، بانک‌های پیشرو و مدیران دارایی شروع به جاسازی مدل‌های آگاه به حباب در قیمت‌گذاری، ALM و تست استرس خواهند کرد. این مدل‌ها به طور صریح قیمت بازار دارایی‌ها را به محرک‌های اساسی آن‌ها تجزیه خواهند کرد، در حالی که حق بیمه ریسک و اجزای حباب گذرا را نیز بررسی خواهند کرد. مدل‌های آگاه به حباب به شرکت‌ها کمک می‌کنند عواملی را که باعث افزایش شدید و غیرقابل حفظ قیمت دارایی‌ها می‌شوند، تشخیص دهند. و در حالی که این مدل‌ها باید بخشی از رویه استاندارد همه بانک‌ها در سال 2026 شوند، می‌ترسم – و پیش‌بینی می‌کنم – که نخواهند شد."

– رابرت جارو، مشاور و مشاور صنعتی، تحقیقات کمی و راه‌حل‌های داده ریسک، SAS

استیبل کوین ها از تئوری به عمل حرکت می‌کنند
"یک کریدور شرکتی ایالات متحده-اتحادیه اروپا را تصور کنید که در عرض چند دقیقه به جای چند روز تسویه شود. ما هنوز آنجا نیستیم، اما سال پیش رو شاهد حرکت استیبل کوین های تنظیم‌شده به پایلوت‌های بانکی واقعی خواهد بود. با چارچوب‌های روشن‌تر در ایالات متحده و اتحادیه اروپا، بانک‌ها شروع به آزمایش استیبل کوین ها برای تسویه میان مرزی و خزانه‌داری برای مزایای ذاتی خود خواهند کرد: حرکت سریع‌تر وجوه، هزینه‌های کمتر و شفافیت بیشتر. برخی از بانک‌ها همچنین سپرده‌های توکنیزه شده یا مشارکت با صادرکنندگان دارای مجوز را برای انتقال پول در ریل‌های دیجیتال با حسابرسی و انطباق قوی‌تر بررسی خواهند کرد. این پایلوت‌های اولیه اولین گام معنادار به سمت مدرن‌سازی پرداخت‌های بین‌المللی را نشان می‌دهند."

– احمد دریسی، رهبر مبارزه با پولشویی (AML) برای آسیا و اقیانوسیه، SAS

بانک‌های خرده‌فروشی از آزمایش مدل‌های رسانه تجاری به مقیاس‌بندی آن‌ها تغییر می‌کنند
"تا پایان سال 2026، هر بانک خرده‌فروشی بزرگ یک استراتژی رسانه‌ای خواهد داشت، چه آن را این‌گونه بنامند یا نه. بانک‌هایی که بی‌سر و صدا این مدل را طی 12 تا 18 ماه گذشته آزمایش کرده‌اند، شروع به گزارش افزایش درآمد قابل اندازه‌گیری خواهند کرد، زیرا تبلیغ‌کنندگان و برندها قدرت داده های مالی تأیید‌شده را تشخیص می‌دهند. مؤسساتی که شبکه‌های رسانه‌ای مالی را عملیاتی می‌کنند، می‌توانند به طور واقعی شاهد افزایش 20٪ تا 30٪ در درآمد غیربهره‌ای در طی دو سال باشند."

– کورنلیا رایتینگر، رئیس توسعه کسب‌وکار تبلیغات، SAS

بانک‌ها تست استرس ریسک اقلیمی را می‌پذیرند
"همانطور که تأثیر طوفان‌ها، آتش‌سوزی‌ها و خشکسالی‌ها بر پرتفوی بانک‌ها در سراسر جهان تشدید می‌شود، بانک‌ها با فشار فزاینده‌ای از سوی مشتریان، رگولاتورها و سهامداران برای بهبود تلاش‌های مدیریت ریسک خودکار اقلیمی خود روبرو هستند. سال 2025 شاهد اولین جریمه برای عدم انطباق یک بانک با مقررات ریسک اقلیمی بود. بنابراین، پیش‌بینی می‌کنم بانک‌ها تست استرس ریسک اقلیمی خود را افزایش دهند تا شکاف‌ها را در مدل‌سازی، حاکمیت و زیرساخت پر کنند. ادغام نزدیک‌تر آن با چارچوب‌های مدیریت ریسک خودکار کسب‌وکار معمول اصلی بانک‌ها برای پاسخگویی مؤثر به فشارهای فزاینده ضروری خواهد بود.

"اتوماسیون و یکپارچه‌سازی مبتنی بر هوش مصنوعی فرآیندهای تست استرس عوامل مهمی نه تنها برای رسیدگی به الزامات ریسک اقلیمی، بلکه سایر موارد استفاده از تحلیل احساسات سناریوی در حال ظهور، مانند تست استرس معکوس ریسک ژئوپولیتیکی اخیراً اعلام شده توسط بانک مرکزی اروپا خواهند بود."

– پیتر پلوخان، مشاور اصلی مدیریت ریسک خودکار EMEA، SAS

بانکداری جهشی کوانتومی دارد
"این سال نشان‌دهنده اولین تأثیراتی خواهد بود که نشان می‌دهند چگونه هوش مصنوعی کوانتومی چشم‌انداز بانکداری را تغییر خواهد داد تا پایان دهه. رایانش ابری ترکیبی کوانتومی-کلاسیک از پایلوت‌ها به تولید حرکت خواهد کرد و پیشرفت‌هایی را در ریسک و کلاهبرداری ارائه خواهد داد – و مرز نحوه بهینه‌سازی، شبیه‌سازی و تصمیم‌گیری بانک‌ها را گسترش خواهد داد، به ویژه در مناطقی که مدل‌های کلاسیک تنزل می‌یابند. بانک‌هایی که تجربه اولیه ایجاد می‌کنند، دستاوردهای تحول‌آفرینی در دقت، چابکی و عملکرد خواهند دید که مزیتی بزرگ نسبت به رقابت ارائه می‌دهد."

– جولی ماکلروی، استراتژیست بانکداری جهانی، SAS

پیش‌بینی ها را کاوش کنید، راه‌حل‌ها را کشف کنید
تأثیر هوش مصنوعی بر بانکداری بسیار فراتر از این 13 پیش‌بینی قیمت است. روندهای فناوری 2026 را در صنایع مختلف کاوش کنید، یا کشف کنید که چگونه راه‌حل‌های بانکی SAS به مؤسسات مالی کمک می‌کنند تا هوش تأیید شده را به تصمیمات قابل اعتماد تبدیل کنند.

درباره SAS
SAS رهبر جهانی در داده و هوش مصنوعی است. با نرم‌افزار SAS و راه‌حل‌های خاص صنعت، سازمان‌ها داده ها را به تصمیمات قابل اعتماد تبدیل می‌کنند. SAS به شما قدرت دانستن^® را می‌دهد.

SAS و تمام نام‌های محصول یا خدمات دیگر SAS Institute Inc. علائم تجاری ثبت شده یا علائم تجاری SAS Institute Inc. در ایالات متحده و سایر کشورها هستند. ® نشان‌دهنده ثبت ایالات متحده است. نام‌های برند و محصول دیگر علائم تجاری شرکت‌های مربوطه خود هستند. حق نسخه‌برداری © 2025 SAS Institute Inc. تمامی حقوق محفوظ است.

محتوای اصلی را برای دانلود چندرسانه‌ای مشاهده کنید:https://www.prnewswire.com/news-releases/bankings-ai-reckoning-13-expert-predictions-for-2026-302643671.html

منبع SAS