تحول پرداخت های بانکی از سال آینده با AI؛ وقتی نیاز به موبایل بانک و همراه بانک نخواهید داشت

پرداخت‌های بانکی در اروپا و به‌تبع آن در کل اکوسیستم مالی جهان، در آستانه تغییری قرار دارند که فقط به بهبود سرعت یا ظاهر خدمات محدود نمی‌شود، بلکه ساختار پشت‌صحنه تراکنش‌ها را دگرگون می‌کند. از سال ۲۰۲۶، هم‌زمان با اجرای مقررات جدید اروپایی و گسترش استفاده از هوش مصنوعی، پرداخت دیجیتال از یک ابزار اجرایی ساده به بخشی تعیین‌کننده در معماری مالی و نظارتی بانک‌ها تبدیل خواهد شد. اما وضعیت ایران چطور خواهد شد؟

۲۰۲۶؛ نقطه عطف مقرراتی برای پرداخت‌های دیجیتال

بنابر گزارشی که توسط کمیسیون اروپا، از سال ۲۰۲۶، نسخه بازنگری‌شده «دستورالعمل خدمات پرداخت» (PSD3) در کنار «مقررات خدمات پرداخت» (PSR) در اتحادیه اروپا اجرایی می‌شود. تفاوت مهم این نسل جدید با مقررات قبلی در این است که PSR به‌صورت مستقیم و بدون تفسیرهای ملی اجرا می‌شود و بانک‌ها را ملزم می‌کند استانداردهای یکسانی در امنیت، شفافیت و مدیریت داده‌های پرداخت رعایت کنند.

در عمل، این یعنی بانک‌ها دیگر نمی‌توانند فقط نتیجه یک تراکنش را ذخیره کنند؛ بلکه باید مسیر کامل آن را ثبت کنند. برای مثال، اگر یک پرداخت بین‌المللی انجام شود، سامانه بانکی باید بتواند دقیقاً نشان دهد این تراکنش از چه کانالی، با چه مجوزی، در چه زمانی و با چه تغییری در داده‌ها پردازش شده است. چنین سطحی از ردیابی، بدون بازطراحی سیستم‌های هسته بانکی عملاً ممکن نیست.

زیرساخت‌های قدیمی در برابر مقررات جدید

چالش اصلی اینجاست که بسیاری از بانک‌ها و شرکت‌های مالی، به‌ویژه در آلمان، همچنان از سامانه‌هایی استفاده می‌کنند که طی سال‌ها به‌صورت وصله‌ای توسعه یافته‌اند. به گفته یوناس سویکربویک، بنیان‌گذار و مدیرعامل فین‌تک Billogram، واحدهای مالی مدت‌هاست با فشار نوسازی روبه‌رو هستند، اما کمبود بودجه، نبود نیروی متخصص و پیچیدگی سامانه‌های قدیمی باعث شده این نوسازی به تعویق بیفتد.

در چنین شرایطی، اجرای PSD3 و PSR برای بسیاری از مدیران مالی به این معناست که باید فرآیندهایی را اصلاح کنند که اساساً برای دنیای پرداخت شفاف و بلادرنگ طراحی نشده‌اند. برای نمونه، سیستمی که هنوز بخشی از تطبیق پرداخت‌ها را به‌صورت دستی انجام می‌دهد، به‌سختی می‌تواند با الزامات جدید هماهنگ شود.

نقش هوش مصنوعی در معماری جدید پرداخت‌های بانکی

اینجاست که هوش مصنوعی به‌عنوان یک ابزار لوکس مطرح نمی‌شود، بلکه به یک ضرورت عملی تبدیل می‌شود. بر اساس داده‌های موجود، حدود ۶۳ درصد از مدیران مالی ارشد اعلام کرده‌اند که هوش مصنوعی را وارد فرآیندهای مالی خود کرده‌اند. این استفاده‌ها معمولاً شامل خودکارسازی کارهای تکراری، تحلیل لحظه‌ای جریان نقدی و پیش‌بینی رفتار پرداخت مشتریان است.

برای مثال، به‌جای آنکه یک کارمند مالی هر روز پرداخت‌های ورودی را با فاکتورها تطبیق دهد، الگوریتم‌های هوشمند می‌توانند این کار را به‌صورت خودکار انجام دهند و فقط موارد مشکوک یا ناقص را برای بررسی انسانی ارسال کنند. این رویکرد هم خطا را کاهش می‌دهد و هم زمان پردازش را به‌شدت کم می‌کند.

هوش مصنوعی دقیقاً چه تغییری ایجاد می‌کند؟

به‌طور خلاصه، هوش مصنوعی باعث می‌شود سیستم‌های پرداخت از حالت واکنشی خارج شوند. به‌جای اینکه بانک پس از بروز مشکل وارد عمل شود، می‌تواند آن را پیش‌بینی کند. برای نمونه، اگر الگوی پرداخت یک مشتری نشان دهد که احتمال تأخیر در پرداخت وجود دارد، سیستم می‌تواند پیش از سررسید هشدار دهد یا پیشنهاد روش پرداخت جایگزین ارائه کند.

این قابلیت‌ها به بانک‌ها کمک می‌کند هم با مقررات PSD3 و PSR سازگار شوند و هم تجربه کاربری بهتری ارائه دهند.

ایجنت‌های هوشمند، مدیریت پرداخت‌ها را بر عهده می‌گیرند

سویکربویک معتقد است مهم‌ترین تحول پیش‌رو، جایگزینی فرآیندهای واکنشی با مدل‌های پیش‌بینی‌محور است. الگوریتم‌های یادگیری ماشین با بررسی تاریخچه پرداخت‌ها می‌توانند احتمال تأخیر یا عدم پرداخت را محاسبه کرده و حتی پیشنهاد دهند چه زمانی و از چه کانالی باید پیگیری انجام شود.

در افق ۲۰۲۶، این روند با گسترش «هوش مصنوعی عاملی» یا Agentic AI شتاب می‌گیرد. این سامانه‌ها می‌توانند وظایفی مانند زمان‌بندی پرداخت‌ها، ارسال یادآوری‌ها یا حتی پیشنهاد تسویه زودهنگام را به‌صورت مستقل انجام دهند. البته استفاده از این فناوری در فرآیندهای حساس مالی هنوز با احتیاط همراه است، زیرا مسائل حقوقی و نظارتی، به‌ویژه در حسابداری، همچنان مطرح هستند.

چت‌بات‌ها؛ اولین تماس هوشمند با پرداخت‌های دیجیتال

در حال حاضر، ملموس‌ترین کاربرد هوش مصنوعی برای کاربران، چت‌بات‌های حوزه صورتحساب دیجیتال است. این سامانه‌ها می‌توانند به‌طور خودکار به سؤالاتی مانند «مبلغ فاکتور چقدر است؟»، «آخرین مهلت پرداخت چه زمانی است؟» یا «چه روش‌هایی برای پرداخت وجود دارد؟» پاسخ دهند.

نسل جدید هوش مصنوعی مولد حتی می‌تواند مفهوم سؤال را درک کند و پاسخ متناسب با شرایط کاربر ارائه دهد، بدون آنکه نیاز به دخالت اپراتور انسانی باشد.

شرط استفاده ایمن از AI در پرداخت‌ها

با این حال، استفاده گسترده از هوش مصنوعی بدون چارچوب مشخص می‌تواند خطرساز باشد. از نگاه مدیرعامل Billogram، سامانه‌های هوشمند باید در چارچوب قوانین شفاف سازمانی فعالیت کنند، اجازه انجام اقدامات حیاتی بدون نظارت انسانی نداشته باشند و تمام تصمیمات آن‌ها به‌صورت قابل ممیزی ثبت شود. تنها در این صورت است که بانک‌ها می‌توانند از مزایای هوش مصنوعی بدون افزایش ریسک‌های حقوقی و نظارتی بهره ببرند.

در بلندمدت، سیستم‌های پرداخت به‌سمت یکپارچگی کامل حرکت می‌کنند. اتصال سامانه‌های حسابداری، مدیریت ارتباط با مشتری و منابع داده خارجی از طریق رابط‌های برنامه‌نویسی باز و زیرساخت‌هایی مانند Model Context Protocol باعث می‌شود پرداخت‌ها انعطاف‌پذیرتر و ارتباط با مشتری شخصی‌سازی‌شده‌تر شود. در چنین مدلی، هوش مصنوعی دیگر یک ابزار کمکی نیست، بلکه به بخشی از ساختار اصلی سازمان مالی تبدیل می‌شود.

آیا هوش مصنوعی مراودات بانکی ایران را نیز تغییر می‌دهد؟

در حالی که در اروپا و بسیاری از اقتصادهای بزرگ، هوش مصنوعی به‌تدریج در حال تبدیل شدن به ستون اصلی معماری پرداخت‌های بانکی است، وضعیت در ایران تفاوت‌های بنیادینی دارد. واقعیت این است که مسیر تحول پرداخت‌های بانکی در ایران، بیش از آنکه به فناوری وابسته باشد، تحت تأثیر محدودیت‌های ساختاری، مقرراتی و تحریم‌های مالی قرار دارد؛ عواملی که دامنه اثرگذاری هوش مصنوعی را به‌شدت محدود می‌کنند.

وضعیت فعلی؛ تمرکز بر بقا، نه تحول ساختاری

در شرایط فعلی، بخش عمده مراودات بانکی در ایران به شبکه‌های داخلی محدود شده است. قطع ارتباط مؤثر با زیرساخت‌های بین‌المللی مانند سوئیفت، نبود دسترسی پایدار به شبکه‌های پرداخت جهانی و محدودیت شدید در تبادلات ارزی باعث شده بانکداری ایران عملاً در یک اکوسیستم بسته فعالیت کند. در چنین فضایی، اولویت بانک‌ها نه پیاده‌سازی معماری‌های نوین پرداخت، بلکه حفظ پایداری عملیات روزمره است.

اگرچه در سال‌های اخیر استفاده از هوش مصنوعی در ادبیات رسمی بانک‌ها پررنگ شده، اما در عمل این کاربردها اغلب به سطوح بسیار ابتدایی محدود هستند؛ مانند دسته‌بندی تراکنش‌ها، شناسایی الگوهای ساده تقلب یا پاسخ‌گویی خودکار به پرسش‌های متداول مشتریان. این کاربردها، هرچند مفیدند، اما فاصله زیادی با تحول ساختاری پرداخت‌های بانکی دارند.

شکاف عمیق با استانداردهای جهانی پرداخت

یکی از نکات کلیدی که معمولاً نادیده گرفته می‌شود، فقدان الزام‌های نظارتی هم‌سطح با PSD3 و PSR در ایران است. در نبود چنین چارچوب‌هایی، نه بانک‌ها انگیزه جدی برای سرمایه‌گذاری سنگین در زیرساخت‌های داده‌محور دارند و نه الزامی برای ثبت و تحلیل عمیق مسیر تراکنش‌ها احساس می‌شود.

برای مثال، در بسیاری از بانک‌های اروپایی، هر تراکنش باید به‌گونه‌ای ثبت شود که امکان ممیزی کامل و بازسازی مسیر تصمیم‌گیری وجود داشته باشد. در مقابل، در ایران تمرکز عمدتاً بر «درست انجام شدن تراکنش» است، نه «قابل توضیح و قابل تحلیل بودن آن». این تفاوت، عملاً استفاده پیشرفته از هوش مصنوعی را با مانع جدی مواجه می‌کند.

تحریم‌ها؛ محدودکننده واقعی نقش هوش مصنوعی

تحریم‌های مالی و بانکی را نمی‌توان صرفاً یک مانع خارجی دانست؛ این محدودیت‌ها مستقیماً شکل و جهت توسعه فناوری را تعیین می‌کنند. نبود امکان اتصال به شبکه‌های پرداخت بین‌المللی، محدودیت در تبادل داده‌های مالی فرامرزی و دشواری استفاده از نرم‌افزارها و سرویس‌های تخصصی جهانی باعث شده بسیاری از کاربردهای پیشرفته هوش مصنوعی در پرداخت‌ها اساساً موضوعیت نداشته باشند.

به بیان ساده، زمانی که بانک ایرانی امکان ارائه سرویس پرداخت برون‌مرزی واقعی ندارد، سرمایه‌گذاری در الگوریتم‌های پیشرفته پیش‌بینی رفتار پرداخت بین‌المللی یا تطبیق چندلایه تراکنش‌ها، توجیه عملی پیدا نمی‌کند.

آینده بانکداری با هوش مصنوعی در صورت تداوم تحریم‌ها

در صورت تداوم وضعیت فعلی، نقش هوش مصنوعی در مراودات بانکی ایران احتمالاً به بهینه‌سازی محدود فرآیندهای داخلی خلاصه خواهد شد. در این سناریو، بانک‌ها از هوش مصنوعی برای کاهش هزینه‌های عملیاتی، مدیریت ریسک داخلی، کنترل تقلب در شبکه‌های پرداخت ملی و افزایش بهره‌وری نیروی انسانی استفاده می‌کنند، بدون آنکه تغییری اساسی در مدل پرداخت ایجاد شود.

در چنین مسیری، هوش مصنوعی بیشتر نقش «ابزار کمکی» را دارد تا «عامل تحول‌آفرین». پرداخت‌ها سریع‌تر یا هوشمندتر می‌شوند، اما ساختار کلی نظام بانکی تفاوت محسوسی نخواهد کرد.

آینده بانکداری با هوش مصنوعی در صورت رفع تحریم‌ها

حتی در سناریوی کاهش یا رفع تحریم‌ها، نباید انتظار جهش سریع داشت. بانکداری ایران برای هم‌سطح شدن با استانداردهای جهانی پرداخت، نیازمند سرمایه‌گذاری سنگین، بازنگری مقررات، اصلاح ساختار داده و تربیت نیروی انسانی متخصص است؛ فرآیندی که سال‌ها زمان می‌برد.

در بهترین حالت، هوش مصنوعی می‌تواند ابتدا در حوزه‌هایی مانند اعتبارسنجی، مدیریت ریسک و نظارت بر تراکنش‌ها نقش پررنگ‌تری بگیرد، اما رسیدن به سطحی که در آن AI به ستون اصلی معماری پرداخت تبدیل شود، در کوتاه‌مدت واقع‌بینانه نیست.

جمع‌بندی

برخلاف روندی که در اروپا با اجرای PSD3 و PSR در حال شکل‌گیری است، هوش مصنوعی در ایران فعلاً قادر به تغییر بنیادین مراودات بانکی نیست. تحریم‌ها، محدودیت‌های زیرساختی و نبود چارچوب‌های نظارتی پیشرفته باعث شده نقش AI به بهینه‌سازی‌های محدود داخلی تقلیل پیدا کند.

در نتیجه، اگرچه هوش مصنوعی می‌تواند کارآمدی بانک‌ها را تا حدی افزایش دهد، اما تا زمانی که موانع ساختاری و بین‌المللی پابرجاست، نباید انتظار داشت پرداخت‌های بانکی ایران مسیری مشابه اروپا را طی کنند. این فاصله، حداقل در افق میان‌مدت، واقعیتی است که نمی‌توان از آن چشم‌پوشی کرد.