عبده‌تبریزی هشدار داد؛ هوش مصنوعی به‌سراغ مشاغل بازار سرمایه می‌آید

به گزارش اقتصادنگار، حسین عبده‌تبریزی، با اشاره به سابقه استفاده از یادگیری ماشین و شبکه‌های عصبی در اعتبارسنجی، کشف تقلب، مبارزه با پول‌شویی و ارزیابی ریسک، معتقد است توسعه عامل‌های هوشمند مرحله تازه‌ای از تحول فناوری در بازار سرمایه را رقم می‌زند. به گفته او، این روند در ابتدا فعالیت‌های تکرارشونده و داده‌محور را متحول می‌کند، اما در ادامه می‌تواند به تحلیل بنیادی، مشاوره سرمایه‌گذاری و حتی مدیریت صندوق‌ها نیز گسترش یابد؛ هرچند قرار نیست تمام تصمیم‌های مهم مالی در کوتاه‌مدت به ماشین واگذار شود.
هوش مصنوعی در بازار سرمایه دیگر صرفاً ابزاری برای تحلیل داده‌ها یا پاسخ‌گویی به پرسش‌های کاربران نیست؛ این فناوری به‌تدریج در حال ورود به فرایندهای عملیاتی شرکت‌های مالی است و می‌تواند مرز میان وظایف انسانی و فعالیت‌های قابل‌خودکارسازی را تغییر دهد.

 حسین عبده‌تبریزی، پیشکسوت بازار سرمایه و رئیس اسبق سازمان بورس و اوراق بهادار، با اشاره به همین روند، معتقد است عامل‌های هوشمند در آینده نزدیک سهم بیشتری از فعالیت‌های روزمره شرکت‌های مالی را بر عهده خواهند گرفت.
از نگاه او، این تحول بیش از آنکه به ورود ربات‌های فیزیکی وابسته باشد، در بستر نرم‌افزارها، سامانه‌های سازمانی و پایگاه‌های داده اتفاق خواهد افتاد؛ جایی که عامل‌های هوشمند می‌توانند اطلاعات را پردازش کنند، وظایف مشخص را به انجام برسانند و بخشی از گردش کار شرکت‌ها را مدیریت کنند.
مشاغل داده‌محور در خط مقدم خودکارسازی
عبده‌تبریزی با ترسیم تصویری از آینده مشاغل بازار سرمایه، فعالیت‌هایی را که از قواعد مشخص و خروجی‌های استاندارد برخوردارند، در معرض تغییر سریع‌تری می‌داند. پردازش داده‌های مالی، تطبیق معاملات، عملیات پس از معامله، تهیه گزارش‌های استاندارد و محاسبه ارزش خالص دارایی صندوق‌ها از جمله حوزه‌هایی هستند که به گفته او، ظرفیت بالایی برای واگذاری به ابزارهای هوشمند دارند.
وی پیش‌بینی کرد استفاده از این ابزارها در چنین فعالیت‌هایی طی یک سال آینده گسترش بیشتری پیدا کند و بخش قابل‌توجهی از شرکت‌های مالی به سمت به‌کارگیری گسترده‌تر آنها بروند.
در ادامه این مسیر، پشتیبانی مشتریان در شرکت‌های کارگزاری، اجرای سفارش‌ها، پایش معاملات و کشف تقلب نیز می‌توانند از جمله حوزه‌های متأثر از توسعه هوش مصنوعی باشند. این فهرست نشان می‌دهد که اثرگذاری فناوری صرفاً به مشاغل اداری محدود نخواهد ماند و بخش‌هایی از عملیات معاملاتی و نظارتی بازار سرمایه را نیز دربر خواهد گرفت.
تحلیلگران هم از موج جدید فناوری در امان نیستند
به باور عبده‌تبریزی، دامنه تغییرات در مراحل بعدی می‌تواند به فعالیت‌های تحلیلی و تخصصی‌تر برسد. تحلیل تکنیکال، تحلیل بنیادی و ارزش‌گذاری اوراق بهادار از جمله حوزه‌هایی هستند که هوش مصنوعی می‌تواند شیوه انجام کار در آنها را دگرگون کند.
پس از این مراحل، فعالیت‌های مرتبط با سنجش و پایش ریسک و مشاوره سرمایه‌گذاری به سرمایه‌گذاران خرد نیز در معرض تغییر قرار می‌گیرند. همچنین مدیریت سبدهای استاندارد، صندوق‌های شاخصی و طراحی ابزارهای مالی از دیگر حوزه‌هایی هستند که می‌توانند از توسعه عامل‌های هوشمند تأثیر بپذیرند.
این روند در افق گسترده‌تر حتی به بخش‌هایی از مدیریت صندوق‌های فعال، سرمایه‌گذاری‌های پیچیده و مشاوره ادغام و تملیک نیز می‌رسد. با این حال، ترتیب و سرعت تحقق این تحولات قطعی نیست و به سطح بلوغ فناوری، کیفیت داده‌ها، الزامات نظارتی و میزان اعتماد شرکت‌ها به تصمیم‌های خودکار وابسته خواهد بود.
چرا بازار سرمایه برای هوش مصنوعی آماده‌تر است؟
یکی از دلایل اهمیت صنعت مالی در این تحول، ماهیت داده‌محور فعالیت‌های آن است. عبده‌تبریزی تأکید می‌کند که بازار سرمایه از سال‌ها قبل از مدل‌های کمّی، یادگیری ماشین و شبکه‌های عصبی در حوزه‌هایی مانند اعتبارسنجی، تشخیص تقلب، طبقه‌بندی اطلاعات و شناسایی الگوهای مشکوک مرتبط با پول‌شویی استفاده کرده است.
به گفته وی، حجم بالای اطلاعات ساختاریافته، دیجیتال‌بودن بخش مهمی از فرایندها و امکان سنجش نتایج اقتصادی، شرایط مناسبی برای توسعه هوش مصنوعی در صنعت مالی فراهم می‌کند.

کاهش خطاهای عملیاتی، کوتاه‌شدن زمان رسیدگی، کاهش هزینه‌ها و محدودکردن زیان‌های ناشی از تقلب از جمله نتایجی هستند که می‌توانند مبنای ارزیابی اثربخشی این فناوری قرار گیرند.
از این منظر، شرکت‌های مالی برای بهره‌گیری از هوش مصنوعی از نقطه صفر آغاز نمی‌کنند؛ زیرساخت داده‌ای و تجربه استفاده از مدل‌های تحلیلی، زمینه توسعه کاربردهای پیشرفته‌تر را فراهم کرده است.
مدل‌های کلاسیک حذف نمی‌شوند
گسترش مدل‌های زبانی و عامل‌های هوشمند، به معنای پایان کار روش‌های کلاسیک تحلیل و مدل‌سازی نیست. عبده‌تبریزی با اشاره به سابقه استفاده از مدل‌های سری زمانی و شبکه‌های عصبی در صنعت مالی، معتقد است روش‌های مختلف در کنار یکدیگر به کار گرفته خواهند شد و نمی‌توان انتظار داشت یک فناوری جدید تمام ابزارهای قبلی را کنار بزند.
در واقع، انتخاب میان مدل‌های کلاسیک و روش‌های مبتنی بر هوش مصنوعی به نوع مسئله، کیفیت داده‌ها و هدف موردنظر بستگی دارد. در برخی کاربردها، مدل‌های متعارف همچنان کارآمد خواهند بود و در برخی دیگر، روش‌های جدید می‌توانند سرعت، دقت یا مقیاس‌پذیری بیشتری فراهم کنند.
واگذاری تصمیم‌های بزرگ به ماشین هنوز محدود است
با وجود گسترش کاربرد هوش مصنوعی، عبده‌تبریزی میان استفاده از این فناوری برای انجام فعالیت‌های عملیاتی و واگذاری اختیار تصمیم‌گیری‌های بزرگ مالی تفاوت قائل است. به گفته او، تصمیم‌هایی مانند انجام پرداخت‌های کلان یا تخصیص منابع قابل‌توجه، در کوتاه‌مدت به‌طور کامل به ماشین سپرده نخواهند شد.
با این حال، انتظار می‌رود عامل‌های هوشمند در سال‌های پیش‌رو نقش بیشتری در فرایندهای اعتبارسنجی، کشف تقلب، سرمایه‌گذاری، مدیریت صندوق‌های بازنشستگی و مدیریت مالی شرکت‌ها بر عهده بگیرند. در چنین شرایطی، ممکن است بخش بزرگی از جمع‌آوری و تحلیل اطلاعات و اجرای فرایندها خودکار شود، اما نظارت انسانی و مسئولیت تصمیم نهایی همچنان اهمیت داشته باشد.
 مسئله اصلی شرکت‌های مالی؛ سازگاری با تغییرات
مجموع دیدگاه‌های عبده‌تبریزی نشان می‌دهد که هوش مصنوعی می‌تواند ساختار نیروی انسانی و تقسیم وظایف در بازار سرمایه را به‌تدریج تغییر دهد. فعالیت‌های تکراری و استاندارد احتمالاً زودتر دگرگون می‌شوند و در مراحل بعد، بخش‌هایی از وظایف تحلیلی و مدیریتی نیز تحت تأثیر قرار می‌گیرند.
برای شرکت‌های مالی، بنابراین، مسئله تنها خرید ابزارهای جدید نیست؛ آنها باید مشخص کنند کدام فرایندها قابلیت خودکارسازی دارند، چگونه می‌توانند کیفیت و امنیت داده‌ها را تضمین کنند و چه سازوکاری برای کنترل خطا و نظارت بر عملکرد عامل‌های هوشمند لازم است.
در نهایت، آینده بازار سرمایه نه لزوماً به حذف نیروی انسانی، بلکه به بازتعریف نقش آن وابسته خواهد بود؛ تغییری که در آن، توانایی کار با ابزارهای هوشمند، ارزیابی خروجی‌های آنها و اتخاذ تصمیم در شرایط پیچیده می‌تواند به یکی از مهارت‌های تعیین‌کننده در صنعت مالی تبدیل شود.