رویکرد نیروی کار صنعت مالی به هوش مصنوعی: کنجکاوی به جای ترس از تعدیل

بررسی‌های جدید از وضعیت نیروی انسانی در سال ۱۴۰۵ نشان می‌دهد که برخلاف هراس‌های اولیه از تعدیل‌های گسترده، کنجکاوی حرفه‌ای و تمایل به هم‌افزایی جایگزین ترس از فناوری شده و رویکرد کارشناسان به توسعه هوش مصنوعی در صنعت مالی دستخوش تغییری ساختاری شده است. امروز فعالان بانکداری و فین‌تک به این پدیده نه به عنوان یک تهدید شغلی، بلکه به عنوان ابزاری برای افزایش کارایی و بهینه‌سازی تصمیم‌گیری‌های پیچیده می‌نگرند؛ روندی که تمرکز سازمان‌های پیشرو را از حذف موقعیت‌های کاری به سمت بازتعریف نقش‌ها و ارتقای مهارت‌های تخصصی نیروی کار هدایت کرده است.

در سال‌های اخیر، همواره بیم آن می‌رفت که توسعه پرشتاب هوش مصنوعی مولد به تعدیل گسترده نیروهای انسانی در بخش‌های کلیدی اقتصاد، به‌ویژه در بازارهای مالی، بانکداری و فین‌تک منجر شود. با این حال، در سال ۲۰۲۶ میلادی (۱۴۰۵ شمسی)، شواهد نشان می‌دهند که این سناریوی بدبینانه جای خود را به واقع‌گرایی و همزیستی سازنده داده است. متخصصان فعال در این حوزه‌ها نه تنها از فناوری جدید هراسی ندارند، بلکه به شکلی فعالانه در حال یادگیری و ادغام آن در فرآیندهای روزمره خود هستند.

گزارش جدید بلومبرگ از وضعیت پذیرش فناوری در میان متخصصان مالی لندن، تصویر متفاوتی را ترسیم می‌کند؛ تصویری که در آن کنجکاوی علمی و تلاش برای ارتقای شغلی، جایگزین ترس از بیکاری شده است. این تغییر نگرش، نشان‌دهنده بلوغ رفتاری نیروی کار در مواجهه با تحولات فناورانه است و مسیر جدیدی را برای توسعه مهارت‌ها در اکوسیستم مالی ترسیم می‌کند.

جزئیات گزارش بلومبرگ

بر اساس نظرسنجی اخیر بلومبرگ از ۵۰۰ متخصص فعال در بخش خدمات مالی لندن، پذیرش هوش مصنوعی در این مرکز مالی بزرگ جهان به شکلی گسترده و بی‌پروایانه در حال انجام است. آمارها نشان می‌دهند که ۸۸ درصد از متخصصان مالی به طور روزانه یا هفتگی از ابزارهای هوش مصنوعی در کارهای خود استفاده می‌کنند. نکته جالب توجه این است که حتی یک نفر از شرکت‌کنندگان در این نظرسنجی اعلام نکرده که یادگیری این ابزارها را نادیده گرفته یا معتقد است هیچ فرصتی در استفاده از آن‌ها وجود ندارد.

این گزارش نشان می‌دهد که حدود ۸۵ درصد از نیروی کار بر این باورند که مهارت‌های مرتبط با هوش مصنوعی به زودی در ارتقای شغلی بعدی آن‌ها نقشی حیاتی‌تر از مهارت‌های سنتی ایفا خواهد کرد. این نگرش باعث ایجاد فرهنگی شده که در آن همگام شدن با فناوری به یک ضرورت غیرقابل‌اجتناب تبدیل شده است. علاوه بر این، ۶۹ درصد از پاسخ‌دهندگان معتقدند همکارانی که در برابر توسعه مهارت‌های هوش مصنوعی مقاومت می‌کنند، جایگاهی در آینده شرکت‌های خود نخواهند داشت.

استفاده از هوش مصنوعی برای یادگیری هوش مصنوعی

یکی از یافته‌های کلیدی این گزارش، روش‌های خودآموزی کارکنان است. متخصصان مالی برای حفظ رقابت‌پذیری خود، به طور متوسط از سه روش مختلف برای یادگیری این ابزارها استفاده می‌کنند. جالب اینجاست که استفاده از خود ابزارهای هوش مصنوعی برای یادگیری هوش مصنوعی، با ۵۳ درصد محبوب‌ترین روش است. پس از آن، آزمایش و تمرین در زمان شخصی با ۵۰ درصد در رتبه دوم قرار دارد. این آمار نشان می‌دهد که بخش عمده‌ای از فرآیند یادگیری به صورت خودجوش و خارج از برنامه‌های آموزشی رسمی سازمان‌ها رخ می‌دهد.

چرا این موضوع برای صنعت فین‌تک و بانکداری مهم است؟

تغییر پارادایم از «ترس از دست دادن شغل» به «تلاش برای ارتقای شغلی با هوش مصنوعی» اهمیت زیادی برای آینده صنعت مالی دارد. این موضوع نشان می‌دهد که نیروی کار متخصص دریافته است که هوش مصنوعی قرار نیست جایگزین انسان شود، بلکه انسان‌های مجهز به هوش مصنوعی جایگزین کسانی خواهند شد که از این فناوری استفاده نمی‌کنند.

این تحول در حالی رخ می‌دهد که سرمایه‌گذاری روی توسعه زیرساخت‌های هوش مصنوعی در سراسر جهان به اوج خود رسیده است. بانک‌ها و موسسات مالی بزرگ برای کاهش هزینه‌های عملیاتی و افزایش سرعت خدمات خود، به شدت به این ابزارها وابسته‌اند. با این حال، همان‌طور که آماندا استنت، مدیر استراتژی هوش مصنوعی بلومبرگ اشاره می‌کند، تصمیم‌گیری‌های حساس و نهایی همچنان در اختیار انسان‌ها باقی می‌ماند و هوش مصنوعی بیشتر نقش یک شتاب‌دهنده بهره‌وری را ایفا می‌کند.

از سوی دیگر، فرآیند مدرن‌سازی سیستم‌های پرداخت بانکی و پلتفرم‌های فین‌تک بدون وجود نیروی کار مسلط به ابزارهای نوین تحلیل داده غیرممکن است. تسلط بر هوش مصنوعی به کارکنان اجازه می‌دهد تا وظایف تکراری مانند گزارش‌نویسی، تحلیل‌های اولیه بازار و بررسی‌های انطباق مقرراتی را به ماشین بسپارند و خود بر روی استراتژی‌های کلان و نوآوری تمرکز کنند.

اثر احتمالی بر بازیگران بازار و ساختار سازمانی

پذیرش گسترده هوش مصنوعی مدل‌های سنتی مدیریت منابع انسانی و ساختار سازمانی را در بانک‌ها و شرکت‌های فین‌تک تغییر می‌دهد:

• بانک‌ها و موسسات مالی بزرگ: این نهادها می‌توانند با اتکا به نیروی کار آموزش‌دیده، فرآیندهای تصمیم‌گیری اعتباری، مدیریت ریسک و خدمات مشتریان را با سرعت و دقت بیشتری انجام دهند.

• استارتاپ‌های فین‌تک: شرکت‌های کوچک‌تر و چابک‌تر فین‌تک با استفاده از ابزارهای هوش مصنوعی مولد می‌توانند با تیم‌های کوچک‌تر، محصولاتی در مقیاس بزرگ تولید کنند و هزینه‌های توسعه نرم‌افزار و بازاریابی را به شدت کاهش دهند.

• نیروی کار و متخصصان: افرادی که مهارت‌های ترکیبی (مالی + هوش مصنوعی) دارند، از قدرت چانه‌زنی بالاتری برای حقوق و مزایا برخوردار خواهند بود و فرصت‌های شغلی بین‌المللی بیشتری پیش رو خواهند داشت.

نسبت این موضوع با ایران: فرصت‌ها و چالش‌های نیروی کار فین‌تک ایران

در اکوسیستم فین‌تک و اقتصاد دیجیتال ایران نیز، موضوع هوش مصنوعی به یکی از محورهای اصلی گفتگوها تبدیل شده است. با توجه به محدودیت‌های دسترسی به برخی ابزارهای بین‌المللی و چالش‌های زیرساختی، متخصصان ایرانی همواره به خلاقیت و خودآموزی متکی بوده‌اند. روند جهانی نشان می‌دهد که تکیه بر آموزش‌های رسمی دانشگاهی دیگر برای بازار کار پویا کافی نیست و این دقیقاً همان نقطه‌ای است که نیروی کار فین‌تک ایران می‌تواند با اتکا به خودآموزی، فاصله خود را با بازارهای جهانی کاهش دهد.

فرصت بزرگ برای فین‌تک ایران، استفاده از هوش مصنوعی برای جبران کمبود نیروی انسانی متخصص ناشی از مهاجرت است. ابزارهای هوش مصنوعی می‌توانند بهره‌وری نیروهای موجود را به طور چشمگیری افزایش دهند. با این حال، چالش اصلی رگولاتوری و عدم وجود چارچوب‌های مشخص برای استفاده از هوش مصنوعی در تصمیم‌گیری‌های مالی و بانکی در داخل کشور است که نیاز به بازنگری جدی از سوی نهادهای سیاست‌گذار دارد.

جمع‌بندی

گزارش بلومبرگ تایید می‌کند که در سال ۲۰۲۶، هوش مصنوعی دیگر یک تهدید مبهم برای مشاغل مالی نیست، بلکه به یک ابزار کار روزمره و معیاری برای سنجش شایستگی حرفه‌ای تبدیل شده است. کارکنانی که کنجکاوی علمی نشان می‌دهند و به طور فعال برای یادگیری این ابزارها وقت می‌گذارند، برندگان اصلی این تحول خواهند بود. موسسات مالی نیز باید بسترهای لازم برای این خودآموزی را فراهم کنند تا از غافله رقابت عقب نمانند.

سوالات متداول (FAQ)

1. آیا هوش مصنوعی باعث تعدیل گسترده نیروها در بخش مالی شده است؟
   خیر، شواهد نشان می‌دهند که هوش مصنوعی بیشتر به عنوان ابزار افزایش بهره‌وری عمل می‌کند و تصمیم‌گیری‌های نهایی و حساس همچنان بر عهده انسان‌هاست.

2. چند درصد از متخصصان مالی به طور منظم از هوش مصنوعی استفاده می‌کنند؟
   بر اساس گزارش بلومبرگ، ۸۸ درصد از متخصصان مالی در لندن به صورت روزانه یا هفتگی از این ابزارها استفاده می‌کنند.

3. محبوب‌ترین روش یادگیری هوش مصنوعی در میان کارکنان چیست؟
   استفاده از خود ابزارهای هوش مصنوعی برای یادگیری (با ۵۳ درصد) و آزمایش در زمان شخصی (با ۵۰ درصد) محبوب‌ترین روش‌ها هستند.

4. چرا یادگیری هوش مصنوعی برای ارتقای شغلی اهمیت دارد؟
   حدود ۸۵ درصد از کارکنان معتقدند مهارت‌های هوش مصنوعی در ارتقای شغلی بعدی آن‌ها نقشی حیاتی‌تر از مهارت‌های سنتی ایفا خواهد کرد.

5. مقاومت در برابر یادگیری هوش مصنوعی چه پیامدی دارد؟
   ۶۹ درصد از متخصصان بر این باورند که همکارانی که در برابر یادگیری این ابزارها مقاومت می‌کنند، جایگاهی در آینده شرکت‌های خود نخواهند داشت.

برای مطالعه تحلیل‌های بیشتر و عمیق‌تر در حوزه فناوری‌های مالی، بانکداری نوین و اقتصاد دیجیتال، از بخش مقالات تحلیلی پی‌کار دیدن کنید.

برخلاف تصور عمومی مبنی بر هراس از تعدیل نیرو به واسطه توسعه فناوری، شواهد جدید نشان می‌دهد که نیروی کار شاغل در بخش مالی رویکردی سازنده و واقع‌گرایانه اتخاذ کرده است؛ بر اساس گزارش منتشرشده در فین‌تک مگزین، کارکنان صنعت مالی بیش از آنکه نگران جایگزینی خود توسط ماشین‌ها باشند، نسبت به پتانسیل‌های کاربردی هوش مصنوعی کنجکاو هستند، موضوعی که ابعاد و پیامدهای آن در مقالات تخصصی پی‌کار به طور مستمر مورد واکاوی قرار می‌گیرد.