فراسو خبر پایگاه خبری تحلیلی فراسو خبر
این تحلیل بر پایه دادههای نظری، مطالعات موردی داخلی و خارجی، و مفاهیم مرتبط با تغییر سازمانی و روانشناسی کارکنان استوار است. امید است این مطالعه بتواند بستری برای تصمیمگیریهای مبتنی بر شواهد در حوزه تحول دیجیتال در صنعت بانکداری فراهم آورد.
تحلیل تأثیرات فردی کاربردهای هوش مصنوعی بر کارکنان بانکها
ورود فناوریهای هوشمند به سازمانها، بهویژه در صنایع حساس و دادهمحور همچون بانکداری، نهتنها ساختارهای سازمانی را تحت تأثیر قرار داده، بلکه پیامدهای عمیقی بر رفتار، نگرش و مهارتهای فردی کارکنان نیز بر جای گذاشته است. در این بخش، به تحلیل این پیامدها در چهار محور اصلی پرداخته میشود: تغییر در رفتار کاری، تحول در سطح مهارتها، نگرش به فناوری و تجربه روانشناختی.
۱. تغییر در رفتار کاری و تعاملات شغلی
یکی از نخستین تأثیرات ورود هوش مصنوعی بر کارکنان، تغییر در نحوه انجام وظایف روزانه و تعامل با فرآیندهای سازمانی است. کارکنان بانکی که پیشتر با عملیات دستی و حضور فیزیکی مداوم سر و کار داشتند، اکنون در بسیاری از موارد با سیستمهای خودکار، نرمافزارهای تحلیلی و ابزارهای مبتنی بر یادگیری ماشین تعامل دارند. این دگرگونی موجب کاهش وابستگی به فرآیندهای سنتی و افزایش تمرکز بر فعالیتهای تحلیلی و تصمیمگیرانه شده است (Jarrahi, 2018).
از سوی دیگر، کاهش تماس مستقیم با مشتریان در نتیجه بهکارگیری چتباتها یا اتوماسیون پاسخگویی، ممکن است احساس دوری از نقش انسانی و ارتباطات اجتماعی را در برخی کارکنان تقویت کند. این موضوع بهویژه در فرهنگ سازمانی سنتی بانکهای دولتی ایران میتواند نوعی گسست روانی ایجاد کند.
۲. تحول در سطح مهارتها و نیاز به بازآموزی
یکی از مهمترین پیامدهای فردی AI، ضرورت بازآموزی و ارتقای مهارتهای دیجیتال است. بسیاری از کارکنان بانکهای دولتی که سالها در قالب مهارتهای عملیاتی یا اداری آموزش دیدهاند، اکنون در مواجهه با ابزارهای نوین نیازمند یادگیری مهارتهای جدیدی چون تحلیل داده، کار با پلتفرمهای هوشمند و تعامل با سیستمهای پیشنهادی هستند (Brynjolfsson & McAfee, 2017). این تغییر میتواند برای برخی کارکنان فرصتی برای رشد و برای برخی دیگر منبعی از اضطراب یا مقاومت باشد.
مفهوم “شوک مهارتی” (Skill Shock) به خوبی این وضعیت را توصیف میکند؛ زمانیکه کارکنان درمییابند مهارتهای پیشین آنها دیگر کارایی ندارد و نیاز به تحول اساسی در دانش فنی دارند. عدم آمادگی سازمان در ارائه برنامههای بازآموزی ساختاریافته، میتواند این شکاف را تشدید کند.
۳. نگرش به فناوری و میزان پذیرش آن
مطالعات متعددی نشان دادهاند که پذیرش فناوری در محیطهای کاری تابع عوامل متعددی نظیر سن، سابقه کاری، سواد دیجیتال، نوع آموزش، و حمایت سازمانی است (Davis, 1989). در بانکها، کارکنان جوانتر معمولاً تمایل بیشتری به تعامل با فناوریهای جدید دارند، در حالیکه کارکنان با سابقه یا ردههای بالاتر ممکن است نوعی تهدید شغلی را در نتیجه ورود AI احساس کنند.
۴. تجربه روانشناختی: اضطراب، تهدید شغلی و دوگانگی تکنولوژیک
پدیدهای که در ادبیات منابع انسانی با عنوان اضطراب فناوری (Technostress) شناخته میشود، در مواجهه با AI شدت بیشتری مییابد. کارکنانی که توان یا میل به تطابق با فناوری ندارند، ممکن است احساس ناتوانی، کاهش اعتمادبهنفس، و حتی بیمعنایی شغلی کنند. این احساسات بهویژه زمانی تشدید میشود که کاربردهای هوش مصنوعی با هدف کاهش نیروی انسانی یا افزایش بهرهوری غیرانسانمحور پیادهسازی شود (Tarafdar et al., 2015).
۵. هویت حرفهای و رضایت شغلی
هویت شغلی یکی از عناصر کلیدی رضایت و تعهد کارکنان است. وقتی شغل کارکنان دچار تغییرات اساسی در ماهیت، اهداف و ابزارها میشود، ممکن است نوعی گسست در هویت حرفهای آنان شکل گیرد. برای مثال، کارمند بانکی که سالها در جایگاه کارشناس اعتبارسنجی فعالیت میکرده، اکنون ممکن است نقش مشاوری داشته باشد که تنها نظارت بر تحلیلهای الگوریتمی انجام میدهد. این تغییر اگر بدون آمادگی روانی و حرفهای صورت گیرد، منجر به نارضایتی شغلی، فرسودگی و افت عملکرد میشود.
تحلیل تأثیرات سازمانی کاربردهای هوش مصنوعی در بانکهای دولتی
ورود هوش مصنوعی به ساختارهای سازمانی، بهویژه در نهادهای دولتی نهتنها بر عملکرد و فرآیندهای فنی تأثیر گذاشته، بلکه دگرگونیهای عمیقی در شیوه حکمرانی سازمانی، فرهنگ کاری، و تعاملات بین کارکنان و مدیران ایجاد کرده است. در این بخش، تأثیرات سازمانی هوش مصنوعی در سه سطح کلان بررسی میشود: بهرهوری و عملکرد سازمانی، تحول در تعاملات کاری و ساختار قدرت، و بازتعریف تصمیمگیری و فرایندهای سازمانی.
۱. افزایش بهرهوری و بازمهندسی فرآیندها
یکی از برجستهترین پیامدهای سازمانی AI، افزایش بهرهوری عملیاتی و بهینهسازی منابع است. با جایگزینی برخی وظایف تکراری و زمانبر توسط رباتها و الگوریتمهای یادگیری ماشین، فرآیندهایی نظیر پردازش وام، بررسی اسناد، شناسایی تقلب و خدمات مشتری به شکل چشمگیری سرعت یافتهاند (Chui et al., 2016).
در بانکهای دولتی، که معمولاً با بوروکراسی سنگین و فرآیندهای کند مواجهاند، AI توانسته گلوگاههای سنتی را کاهش داده و ظرفیت پاسخگویی سازمان را افزایش دهد. برای مثال، استفاده از ابزارهای تحلیل پیشبینیکننده در اعتبارسنجی مشتریان نهتنها دقت تصمیمگیری را افزایش داده، بلکه زمان بررسی را نیز کاهش داده است.
۲. تغییر در ساختارهای سلسلهمراتبی و نقشهای شغلی
یکی از مهمترین پیامدهای هوش مصنوعی، بازتعریف سلسلهمراتب و نقشهای شغلی در سازمان است. در ساختارهای سنتی بانکهای دولتی، بسیاری از وظایف نظارتی، کنترلی یا پردازشی توسط سطوح مختلف مدیریتی انجام میگرفت. اما با ورود AI، بخشی از این وظایف به سیستمهای هوشمند واگذار شده و نقش مدیران به سمت راهبری استراتژیک و تحلیل نتایج دادهمحور سوق یافته است (Brock & von Wangenheim, 2019).
۳. تحول در تعاملات کاری و سبک رهبری
تعاملات کاری در سازمانهای بانکی تحتتأثیر AI بهصورت جدی تغییر یافتهاند. تیمهای کاری اکنون بیش از پیش به ابزارهای دیجیتال متصلاند و از داشبوردهای هوشمند برای مدیریت امور استفاده میکنند. این تحول، سبک رهبری در بانکها را نیز از حالت دستوری و متمرکز بهسمت سبکهای مشارکتی و دادهمحور سوق داده است (Zuboff, 2019).
۴. بازتعریف تصمیمگیری سازمانی
هوش مصنوعی ابزارهایی فراهم آورده که فرآیند تصمیمگیری را از سطح ذهنی و شهودی، به سطح تحلیلی و دادهمحور ارتقاء میدهد. سیستمهای تحلیل پیشبینیکننده، الگوریتمهای رتبهبندی مشتری، و داشبوردهای مدیریتی به مدیران کمک میکنند تا با اطلاعات دقیقتری تصمیمگیری کنند. این موضوع در بانکهای دولتی که پیشتر تصمیمگیری در آنها بهشکل سلسلهمراتبی و اغلب بدون ارزیابی تحلیلی صورت میگرفت، تحولی چشمگیر محسوب میشود.
۵. بازتاب فرهنگی و مقاومت سازمانی
هوش مصنوعی صرفاً یک فناوری نیست، بلکه حامل فرهنگی جدید در شیوه تفکر، عملکرد و مدیریت است. در بانکهای دولتی ایران که فرهنگ سازمانی مبتنی بر ثبات، اقتدارگرایی و سلسلهمراتب سنتی است، پیادهسازی AI بدون تغییرات فرهنگی ممکن نیست. مقاومت سازمانی، یکی از موانع اصلی تحول دیجیتال محسوب میشود و شامل مقاومت آشکار یا پنهان کارکنان، مدیران میانی و حتی نهادهای نظارتی است. برای عبور از این مقاومت، سازمانها باید از مدلهای مدیریت تغییر بهره گیرند و سیاستهایی نظیر آموزش، مشارکتدهی، شفافسازی پیامدهای AI و تأکید بر امنیت شغلی را در پیش گیرند (Kotter, 1996).
مروری بر تجربهها و مطالعات موردی مشابه درباره تأثیر هوش مصنوعی بر رفتار فردی و سازمانی کارکنان بانکها
در این بخش، به بررسی تجربیات واقعی و مطالعات موردی از بانکهای داخلی و بینالمللی میپردازیم که بهکارگیری هوش مصنوعی در آنها تأثیرات قابلتوجهی بر رفتار کارکنان و ساختارهای سازمانی داشته است. این تحلیل با هدف استخراج درسآموختهها و ارائه پیشنهاداتی برای بانکهای دولتی ایران انجام میشود.
۱. مطالعات موردی بینالمللی
۱.۱. بانک گلدمن ساکس (Goldman Sachs)
بانک گلدمن ساکس با معرفی دستیار هوش مصنوعی خود به نام “GS AI Assistant”، توانسته است بهرهوری کارکنان را بهطور چشمگیری افزایش دهد. این ابزار، که بر پایه مدلهای زبانی بزرگ مانند ChatGPT و Gemini توسعه یافته، به کارکنان در تهیه پیشنویسها، ترجمه اسناد، و تحلیل دادهها کمک میکند. بهعنوان مثال، یکی از مدیران ارشد این بانک گزارش داده است که با استفاده از این دستیار، زمان لازم برای تهیه یک گزارش استراتژیک از چند ساعت به کمتر از ۳۰ دقیقه کاهش یافته است .
۱.۲. بانک BNY Mellon
بانک BNY Mellon با همکاری شرکت Evisort ، فرآیند تهیه و بررسی قراردادهای نگهداری را با استفاده از هوش مصنوعی خودکارسازی کرده است. این سیستم قادر است زبان غیرمعمول در قراردادها را شناسایی کرده و بهصورت خودکار هشدار دهد، که منجر به افزایش دقت و کاهش زمان در مدیریت اسناد شده است .
۱.۳. بانک Commonwealth استرالیا
بانک Commonwealth با بهرهگیری از فناوری Document AI شرکت H2O.ai، توانسته است میلیونها سند را بهصورت روزانه پردازش کند. این سیستم با استخراج اطلاعات کلیدی از اسناد، فرآیندهای ورود مشتریان جدید را تسریع کرده و دقت در تطابق با مقررات را افزایش داده است .
تحلیل ریسکها و چالشهای اخلاقی کاربرد هوش مصنوعی در بانکها
با گسترش روزافزون فناوریهای هوش مصنوعی (AI) در صنعت بانکداری، فرصتهای بیسابقهای برای بهبود کارایی، کاهش هزینهها و ارتقاء تجربه مشتری فراهم شده است. با این حال، استفاده از AI در بانکها با چالشهای اخلاقی و ریسکهای متعددی همراه است که میتواند اعتماد عمومی را تحتتأثیر قرار دهد و پایداری سیستمهای مالی را به خطر اندازد. در این بخش، به بررسی مهمترین ریسکها و چالشهای اخلاقی مرتبط با کاربرد AI در بانکها میپردازیم.
۱. شفافیت و قابلیت توضیحپذیری (Explainability)
یکی از چالشهای اصلی در استفاده از AI در بانکها، عدم شفافیت در فرآیند تصمیمگیری الگوریتمها است. بسیاری از مدلهای AI بهعنوان “جعبه سیاه” شناخته میشوند که تصمیمات آنها برای کاربران و حتی توسعهدهندگان قابل درک نیست .این مسئله میتواند منجر به کاهش اعتماد مشتریان و مشکلات قانونی شود، بهویژه زمانی که تصمیمات AI بر زندگی مالی افراد تأثیر میگذارد.
راهکار پیشنهادی:
- استفاده از مدلهای AI قابل توضیح (XAI) که امکان درک فرآیند تصمیمگیری را فراهم میکنند.
- توسعه چارچوبهای نظارتی برای اطمینان از شفافیت الگوریتمها.
۲. تبعیض و سوگیری الگوریتمی (Algorithmic Bias)
AI بر اساس دادههای تاریخی آموزش میبیند، و اگر این دادهها دارای سوگیری باشند، الگوریتمها نیز ممکن است تصمیمات تبعیضآمیز بگیرند. برای مثال، در فرآیند اعطای وام، اگر دادههای گذشته نشاندهنده رد درخواستهای وام از سوی گروههای خاصی باشد، AI ممکن است.
۳. حریم خصوصی و امنیت دادهها
AI برای عملکرد مؤثر نیاز به دسترسی به حجم زیادی از دادههای حساس دارد . این موضوع نگرانیهایی را در مورد حریم خصوصی و امنیت دادهها ایجاد میکند. نقض حریم خصوصی میتواند منجر به از دست رفتن اعتماد مشتریان و جریمههای قانونی شود.
۴. مسئولیتپذیری و پاسخگویی
در صورت بروز خطا یا خسارت ناشی از تصمیمات AI، تعیین مسئولیت میتواند چالشبرانگیز باشد. عدم وجود چارچوبهای قانونی مشخص برای پاسخگویی در این موارد میتواند منجر به مشکلات حقوقی و اخلاقی شود.
۵. وابستگی بیشازحد به AI
وابستگی کامل به AI میتواند منجر به کاهش مهارتهای انسانی و نادیده گرفتن قضاوت انسانی شود. در شرایط بحرانی، این وابستگی ممکن است منجر به تصمیمات نادرست و افزایش ریسکهای سیستماتیک شود.
راهکار پیشنهادی:
- حفظ تعادل بین استفاده از AI و قضاوت انسانی در فرآیندهای تصمیمگیری.
- آموزش مداوم کارکنان برای حفظ و ارتقاء مهارتهای انسانی.
۶. چالشهای نظارتی و قانونی
با پیشرفت سریع فناوری AI، قوانین و مقررات موجود ممکن است نتوانند بهطور کامل با این تغییرات هماهنگ شوند. این موضوع میتواند منجر به خلأهای قانونی و مشکلات در انطباق با مقررات شود.
جمعبندی و نتیجهگیری کاربردی
پژوهش حاضر با هدف بررسی میزان تأثیر کاربردهای هوش مصنوعی بر رفتار فردی و سازمانی کارکنان بانکهای دولتی انجام شد. همانطور که تحلیل شد، هوش مصنوعی در صنعت بانکداری نهتنها یک ابزار فناورانه، بلکه عامل دگرگونی گسترده در ساختارهای ذهنی، شغلی و سازمانی است. در ادامه، به مهمترین یافتهها و پیشنهادات کاربردی پژوهش اشاره میشود.
۱.. جمعبندی یافتهها
در بُعد فردی، هوش مصنوعی تأثیرات متنوعی بر رفتار کارکنان داشته است. برخی از این تأثیرات مثبت، شامل افزایش کارایی، یادگیری مهارتهای دیجیتال و ارتقاء تجربه کاری بوده، در حالیکه تأثیرات منفی مانند اضطراب فناورانه، نگرانی درباره امنیت شغلی و مقاومت در برابر تغییر نیز مشاهده شده است. میزان پذیرش فناوری، به شدت تحت تأثیر عوامل روانشناختی، سواد دیجیتال و حمایت سازمانی قرار دارد.
۲. نتیجهگیری کاربردی و پیشنهادات راهبردی
بر اساس یافتههای این پژوهش، برای تحقق مزایای هوش مصنوعی و کاهش آثار منفی آن در بانکهای دولتی ایران، اقدامات زیر پیشنهاد میشود:
- سرمایهگذاری در آموزش و بازآموزی: توسعه مهارتهای دیجیتال و سواد فناورانه در میان کارکنان از طریق دورههای آموزشی پیوسته و ساختارمند.
- بازطراحی ساختارهای شغلی و نقشها: بهروزرسانی شرح وظایف کارکنان بر مبنای تعامل انسان–ماشین و ترویج انعطافپذیری شغلی.
- پشتیبانی روانی و مدیریتی از کارکنان: ایجاد ساختارهایی برای کاهش اضطراب فناورانه، حمایت از امنیت شغلی، و گفتوگو درباره آینده نقشهای انسانی.
- حمایت قوی از سوی رهبری سازمانی: مدیران ارشد باید پذیرای فناوری باشند و الگوهای مشارکتی برای پیادهسازی AI طراحی کنند.
- ایجاد سیستم ارزیابی مستمر از تأثیرات AI: طراحی مکانیزمهایی برای رصد مداوم پیامدهای فردی و سازمانی استفاده از فناوری.
۳. مسیرهای پژوهشی آینده
در پژوهشهای آتی میتوان بهصورت تجربی و میدانی به ارزیابی مدلهای مشخص پیادهسازی AI در بانکهای ایرانی پرداخت. همچنین ترکیب روشهای کیفی و کمی، بهویژه تحلیلهای آماری، میتواند دید بهتری از اثربخشی یا چالشهای AI در محیطهای مالی فراهم سازد.
منابع
·Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute.
·Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
·Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118-144.
·Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.
·Accenture. (2021). AI in Banking: From Bot to Bankable. Retrieved from https://www.accenture.com
·Bolton, R. J., & Hand, D. J. (2002). Statistical fraud detection: A review. Statistical Science
نگارش: دکتر محمد صمدزاده زارع، مدیریت شعب بانک مسکن گیلان