کاربرد هوش مصنوعی بر مدیریت ریسک اعتباری بانک ها

در سال های اخیر، با افزایش حجم داده های مالی و پیشرفت الگوریتم های یادگیری ماشین، کاربرد هوش مصنوعی در مدیریت ریسک اعتباری به عنوان راهکاری کلیدی جهت بهبود دقت پیش بینی نکول و کاهش زیان های اعتباری مطرح شده است. این پژوهش از نوع توصیفی-تحلیلی است و با تحلیل نظام مند مقالات ایرانی و بین المللی منتشرشده در بازه زمانی ۱۴۰۲ تا ۱۴۰۴ (مارس ۲۰۲۳ تا اوت ۲۰۲۵)، به بررسی چارچوب های فناورانه، مزایا، موانع اجرایی و آثار اقتصادی استفاده از مدل های هوشمند در بانک ها می پردازد. روش تحقیق شامل مرور سیستماتیک ادبیات، تحلیل نمونه های موردی از بانک های داخلی و بین المللی و طراحی مدل مفهومی برای ادغام XAI (تبیین پذیری) در فرایندهای اعتباری) است. یافته ها نشان می دهد که پیاده سازی مدل های AI همراه با ابزارهای تبیین پذیر می تواند کیفیت امتیازدهی اعتباری را افزایش و زمان بررسی پرونده ها را کاهش دهد؛ برخی مطالعات گزارش داده اند که ترکیب داده های ساخت یافته و غیرساخت یافته با مدل های پیشرفته می تواند زیان های اعتباری را تا حدود ۲۰–۲۵٪ کاهش دهد. این تحقیق پیشنهادهایی در زمینه زیرساخت داده، حاکمیت داده، و آموزش نیروی انسانی ارائه می دهد تا بانک های ایرانی بتوانند به صورت مرحله ای به سمت سیستم های هوشمند حرکت کنند.

کلیدواژه ها:

هوش مصنوعی ، مدیریت ریسک اعتباری ، اعتبارسنجی ، یادگیری ماشین ، تبیین پذیری (XAI)