مدیریت هوشمند ریسک شهرت در بانکداری دیجیتال: سنتز تحلیل های پیش بینانه و مربیگری دیجیتال در مهار ویروس های رفتاری

در زیست بوم بانکداری دیجیتال، اعتبار برند نه بر پایه ی ترازنامه های مالی، بلکه بر اساس تعاملات لایه ی ویترینی با مشتریان استوار است. پژوهش حاضر با هدف طراحی مدلی پیش بینانه برای مدیریت ریسک شهرت از طریق شناسایی ویروس های رفتاری کارکنان انجام شده است. روش تحقیق از نوع کیفی و مبتنی بر سنتز پژوهشی ۲۱ منبع پیشرو (۲۰۲۲-۲۰۲۵) است که با استفاده از شاخص شدت راهبردی (Strategic Intensity Index - SII) و ترسیم نقشه حرارتی دانش واکاوی شده اند. یافته ها نشان می دهد که ادغام مدل های زبانی ادغام شده (Fused LLMs) و الگوریتم های یادگیری ماشین، سرعت شناسایی ناهنجاری ها را تا ۵۳۷ برابر افزایش می دهد. هوش مصنوعی با استفاده از تحلیل های توضیح پذیر (SHAP)، نشان می دهد که چگونه نویزهای رفتاری ناشی از اولویت ترحم بر شایستگی، باعث انحراف در پیش بینی های راهبردی و به مخاطره افتادن پایداری برند می شود. در نهایت، این پژوهش مدلی هوشمند را پیشنهاد می دهد که در آن، هوش مصنوعی مولد با ایفای نقش کاتالیزور نهادی، ضمن کاهش بار شناختی مربیگری، نرخ بقای اعتبار سازمان را پیش بینی کرده و مسیر حرکت از مرحله بقاء به سمت شکوفایی سازمانی را هموار می سازد.

کلیدواژه ها:

بانکداری دیجیتال ، ریسک شهرت ، ویروس های رفتاری ، تحلیل های پیش بینانه ، مدل های زبانی ادغام شده