فراتر از چت‌بات‌ها: آینده‌ای که مدل‌های LLM برای مشاوران مالی رقم می‌زنند

آسان تکنولوژی / یادداشتی از آقای مهندس میلاد کرمی، درخصوص مدل‌های LLM نوشته شده است.

 

مقدمه: عصر جدید مشاوره مالی

“در آینده‌ای نه چندان دور، مشاوران مالی به دو دسته تقسیم خواهند شد: آنهایی که از مدل‌های زبانی بزرگ استفاده می‌کنند و آنهایی که شغل خود را از دست داده‌اند.” — جیمی دیمون، مدیرعامل جی‌پی مورگان، ژانویه ۲۰۲۳

تصور کنید مشاوری مالی که هرگز نمی‌خوابد، تمام قوانین و مقررات بانکی را به خاطر دارد، همزمان به هزاران سؤال پاسخ می‌دهد، و از همه مهم‌تر، با هر تغییر در بازارهای مالی، دانش خود را به‌روز می‌کند. این مشاور دیگر یک رؤیای دوردست نیست؛ بلکه واقعیتی است که با ظهور مدل‌های زبانی بزرگ (LLM) در حال تحقق است.

مدل‌های زبانی بزرگ – همان فناوری‌ای که پشت ابزارهایی مانند ChatGPT و Claude قرار دارد – در حال متحول کردن صنعت خدمات مالی هستند. اما این تحول بسیار عمیق‌تر از ساخت چت‌بات‌های ساده برای پاسخگویی به سؤالات متداول مشتریان است. آنچه امروز شاهد آن هستیم، آغاز دگرگونی بنیادین در ماهیت مشاوره مالی است.

وضعیت فعلی: چرا مشاوره مالی سنتی دیگر کافی نیست؟

صنعت مشاوره مالی در ایران و جهان با چالش‌های اساسی روبروست:

۱. محدودیت‌های انسانی

مطالعات مؤسسه CFA نشان می‌دهد یک مشاور مالی به طور متوسط تنها می‌تواند ۸۰ تا ۱۰۰ مشتری را به صورت مؤثر مدیریت کند. این در حالی است که بر اساس آمار بانک مرکزی ایران، نسبت مشاوران مالی به متقاضیان خدمات مشاوره در کشور حدود ۱ به ۷۰۰ است – شکافی عظیم که با روش‌های سنتی پر نخواهد شد.

۲. تأخیر در به‌روزرسانی اطلاعات

در دنیای پرشتاب امروز، بازارهای مالی در کسری از ثانیه متحول می‌شوند. بررسی‌های انجام شده توسط دانشگاه شریف نشان می‌دهد زمان متوسط بین انتشار یک خبر مهم اقتصادی و تأثیر آن بر تصمیم‌گیری یک مشاور مالی، حدود ۴۸ ساعت است – تأخیری که می‌تواند میلیاردها تومان فرصت از دست رفته ایجاد کند.

۳. سوگیری‌های شناختی

پژوهش‌های منتشر شده در مجله Behavioral Finance نشان می‌دهد مشاوران مالی انسانی – مانند همه انسان‌ها – در معرض بیش از ۱۸۰ نوع سوگیری شناختی قرار دارند که می‌تواند بر تصمیم‌گیری‌های آنها تأثیر منفی بگذارد. از “سوگیری تأیید” گرفته تا “توهم کنترل”، این سوگیری‌ها می‌توانند به توصیه‌های غیربهینه منجر شوند.

تحول اول: مدل‌های LLM چگونه مشاوره مالی را متحول می‌کنند؟

۱. هوش جمعی مالی

برخلاف یک مشاور انسانی که تجربه محدود و شخصی خود را دارد، مدل‌های LLM می‌توانند از تجربیات جمعی هزاران متخصص مالی در سراسر جهان “یاد بگیرند”. طبق گزارش مؤسسه McKinsey، این مدل‌ها می‌توانند الگوهایی را در داده‌های مالی شناسایی کنند که برای انسان غیرقابل تشخیص است.

برای مثال، سیستم مبتنی بر LLM که توسط یکی از مؤسسات مالی بزرگ آمریکا پیاده‌سازی شده، توانسته با تحلیل میلیون‌ها داده تاریخی، دقت پیش‌بینی بازده سرمایه‌گذاری را ۲۸ درصد افزایش دهد – عملکردی که از بهترین تحلیلگران انسانی پیشی گرفته است.

۲. شخصی‌سازی در مقیاس بزرگ

آمارها نشان می‌دهد ۷۶ درصد مشتریان خدمات مالی خواهان راهکارهای شخصی‌سازی شده هستند. مدل‌های LLM قادرند میلیون‌ها پروفایل مشتری را به صورت همزمان تحلیل کرده و برای هر فرد، راهکاری منحصربه‌فرد ارائه دهند.

یکی از بانک‌های نوآور سنگاپور با پیاده‌سازی مدل LLM برای شخصی‌سازی پیشنهادهای سرمایه‌گذاری، توانسته نرخ پذیرش پیشنهادها را ۶۴ درصد افزایش دهد – نتیجه‌ای که با روش‌های سنتی غیرممکن بود.

۳. مشاوره چندبعدی و جامع

مشاوران مالی سنتی معمولاً در یک یا چند حوزه خاص تخصص دارند. اما مدل‌های LLM می‌توانند همزمان در تمام حوزه‌های مالی – از سرمایه‌گذاری گرفته تا بیمه، مالیات، برنامه‌ریزی بازنشستگی و مدیریت دارایی – تخصص داشته باشند.

تحقیقات دانشگاه MIT نشان می‌دهد مشاوره مالی چندبعدی می‌تواند بازده کلی سبد سرمایه‌گذاری را تا ۱۲ درصد افزایش دهد – مزیتی که تنها با رویکرد یکپارچه امکان‌پذیر است.

چالش‌های پیاده‌سازی LLM در صنعت مالی ایران

علی‌رغم مزایای بی‌شمار، پیاده‌سازی مدل‌های LLM در صنعت مالی ایران با چالش‌های منحصربه‌فردی روبروست:

۱. چالش بومی‌سازی زبانی و فرهنگی

مدل‌های LLM موجود عمدتاً برای زبان انگلیسی و فرهنگ غربی بهینه‌سازی شده‌اند. پژوهش‌های پژوهشکده پولی و بانکی نشان می‌دهد اصطلاحات مالی فارسی، قوانین بانکی بومی، و الگوهای رفتار مالی ایرانیان، نیازمند مدل‌های اختصاصی است.

۲. محدودیت‌های داده‌ای

توسعه مدل‌های LLM کارآمد نیازمند حجم عظیمی از داده‌های با کیفیت است. آمارها نشان می‌دهد کل متون مالی دیجیتالی موجود به زبان فارسی کمتر از ۵ درصد معادل انگلیسی آن است – چالشی جدی برای آموزش مدل‌های بومی.

۳. چالش‌های حقوقی و نظارتی

در حالی که کشورهایی مانند سنگاپور و امارات چارچوب‌های نظارتی مشخصی برای استفاده از هوش مصنوعی در خدمات مالی تدوین کرده‌اند، ایران هنوز در ابتدای این مسیر قرار دارد. فقدان قوانین مشخص می‌تواند به مسئولیت‌های حقوقی نامشخص منجر شود.

آینده‌نگری: چهار تحول بزرگ پیش رو

۱. ظهور “همکار-مشاوران” (Co-Advisors)

آینده مشاوره مالی نه به دست انسان‌ها و نه به دست ماشین‌ها، بلکه در همکاری هوشمندانه این دو رقم خواهد خورد. مدل “همکار-مشاور” که در آن مشاوران انسانی با کمک LLM کار می‌کنند، می‌تواند بهره‌وری را تا ۴۰۰ درصد افزایش دهد.

این مدل که هم‌اکنون در بانک‌های پیشرو مانند HSBC و Goldman Sachs در حال پیاده‌سازی است، به مشاوران انسانی اجازه می‌دهد بر جنبه‌های ارتباطی و احساسی مشاوره تمرکز کنند، در حالی که تحلیل‌های پیچیده و پردازش داده توسط LLM انجام می‌شود.

۲. دموکراتیزه شدن مشاوره مالی

یکی از بزرگترین چالش‌های نظام مالی ایران، محدود بودن دسترسی به خدمات مشاوره با کیفیت است. آمارها نشان می‌دهد تنها ۷ درصد ایرانیان به مشاوره مالی حرفه‌ای دسترسی دارند.

مدل‌های LLM می‌توانند خدمات مشاوره‌ای را با هزینه‌ای کسری از روش‌های سنتی ارائه دهند. پیش‌بینی می‌شود تا سال ۱۴۰۵، بیش از ۶۰ درصد جمعیت ایران به نوعی از مشاوره مالی مبتنی بر هوش مصنوعی دسترسی داشته باشند.

۳. مشاوره پیش‌بینانه (Predictive Advisory)

مدل‌های LLM پیشرفته قادر خواهند بود نه تنها به سؤالات فعلی مشتریان پاسخ دهند، بلکه نیازهای آتی آنها را پیش‌بینی کنند. این مشاوره پیش‌بینانه می‌تواند:

• رویدادهای مالی مهم زندگی مشتری را پیش‌بینی کند
• پیش از بروز بحران‌های مالی، راهکارهای پیشگیرانه ارائه دهد
• فرصت‌های سرمایه‌گذاری متناسب با پروفایل ریسک مشتری را شناسایی کند

مطالعات نشان می‌دهد مشاوره پیش‌بینانه می‌تواند بازده سرمایه‌گذاری را تا ۱۵ درصد و رضایت مشتری را تا ۳۵ درصد افزایش دهد.

۴. مشاوران مالی “متاورسی”

با گسترش فناوری‌های متاورس، شاهد ظهور مشاوران مالی مجازی با قابلیت تعامل سه‌بعدی خواهیم بود. این مشاوران می‌توانند:

• جلسات مشاوره را در محیط‌های مجازی سه‌بعدی برگزار کنند
• داده‌های مالی پیچیده را به صورت بصری و تعاملی نمایش دهند
• تجربه‌ای شخصی‌سازی شده و غوطه‌ور برای مشتریان ایجاد کنند

پیش‌بینی‌ها نشان می‌دهد تا سال ۱۴۰۷، حداقل ۳۰ درصد جلسات مشاوره مالی در فضای متاورس انجام خواهد شد.

پیشنهادهای عملی برای نظام مالی ایران

۱. توسعه مدل‌های زبانی بومی

تجربه کشورهایی مانند کره جنوبی نشان می‌دهد توسعه مدل‌های زبانی بومی برای خدمات مالی ضرورتی انکارناپذیر است. پیشنهاد می‌شود:

• کنسرسیومی از بانک‌ها و مؤسسات مالی برای جمع‌آوری داده‌های آموزشی تشکیل شود
• با همکاری دانشگاه‌های برتر کشور، مدل‌های LLM مختص زبان فارسی و مفاهیم مالی بومی توسعه یابد
• پایگاه داده اصطلاحات و مفاهیم مالی-بانکی فارسی ایجاد شود

۲. چارچوب نظارتی پویا

برای اطمینان از توسعه اخلاقی و قانونی مدل‌های LLM در صنعت مالی، نیاز است:

• بانک مرکزی دستورالعمل‌های مشخصی برای استفاده از هوش مصنوعی در مشاوره مالی تدوین کند
• مسئولیت‌های حقوقی توصیه‌های مبتنی بر هوش مصنوعی مشخص شود
• استانداردهای شفافیت الگوریتمی و قابلیت توضیح‌پذیری تصمیمات هوش مصنوعی تعریف شود

۳. آموزش و بازآموزی نیروی انسانی

تحول دیجیتال در مشاوره مالی نیازمند تحول در مهارت‌های نیروی انسانی است:

• دوره‌های آموزشی برای مشاوران مالی موجود جهت کار با سیستم‌های مبتنی بر LLM
• بازتعریف نقش‌های شغلی با تمرکز بر مهارت‌های غیرقابل جایگزین توسط هوش مصنوعی
• آموزش مهارت‌های تحلیل نتایج و خروجی‌های مدل‌های LLM

مطالعه موردی: تجربه موفق یک بانک آسیایی

بانک DBS سنگاپور در سال ۲۰۲۲ سیستم مشاوره مالی مبتنی بر LLM به نام “NAV AI” را راه‌اندازی کرد. این سیستم با تحلیل داده‌های مالی، رفتاری و حتی روانشناختی مشتریان، پیشنهادهای سرمایه‌گذاری شخصی‌سازی شده ارائه می‌دهد.

نتایج این پروژه خیره‌کننده بود:

• افزایش ۳۴ درصدی در نرخ تبدیل پیشنهادهای سرمایه‌گذاری
• کاهش ۷۸ درصدی در زمان لازم برای ارائه مشاوره جامع
• افزایش ۴۱ درصدی در رضایت مشتریان از خدمات مشاوره‌ای

جالب اینکه DBS تصمیم گرفت مشاوران انسانی را اخراج نکند، بلکه آنها را به “مربیان مالی” ارتقا داد – افرادی که با کمک هوش مصنوعی، بر جنبه‌های احساسی، انگیزشی و رفتاری تصمیمات مالی مشتریان تمرکز می‌کنند.

سخن پایانی: لحظه انتخاب

صنعت مشاوره مالی در آستانه تحولی شگرف قرار دارد. مدل‌های LLM نه تنها ابزارهایی برای بهبود کارایی، بلکه نیرویی برای دگرگونی بنیادین ماهیت مشاوره مالی هستند.

نظام مالی ایران در لحظه‌ای سرنوشت‌ساز قرار دارد: می‌تواند این موج تحول را سوار شود و پیشگام تغییر باشد، یا در انتظار بماند و سرانجام مجبور به پذیرش تغییری شود که دیگران شکل داده‌اند.

آنچه مسلم است، آینده به کسانی تعلق دارد که نه در مقابل هوش مصنوعی، بلکه در کنار آن می‌ایستند و از این همکاری، ارزشی بی‌سابقه خلق می‌کنند. همان‌طور که وارن بافت می‌گوید: “تغییر ایجاد فرصت می‌کند. آینده متعلق به کسانی است که فرصت‌ها را می‌بینند قبل از اینکه برای همه آشکار شود.”

 

میلاد کرمی تیر ۱۴۰۴