نوع مقاله : مقاله پژوهشی

نویسندگان

• آرش قشمی ¹
• محمود البرزی ²
• فرزاد موحدی سبحانی ³
• رضا رادفر ⁴

¹ داﻧﺸﺠﻮی دکتری رﺷﺘﻪ ﻣﺪﯾﺮﯾﺖ ﻓﻨﺎوری اﻃﻠﺎﻋﺎت،گروه ﻣﺪﯾﺮﯾﺖ ﻓﻨﺎوری اﻃﻠﺎﻋﺎت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی،

² داﻧﺸـﯿﺎرگروه ﻣﺪﯾﺮﯾﺖ ﻓﻨﺎوری اﻃﻠﺎﻋﺎت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

³ استادیار، گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

⁴ استاد گروه مدیریت تکنولوژی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

چکیده

موفقیت استقرار هوش مصنوعی در هر سازمان، وابسته به میزان موفقیت سامانه‌های هوشمندی کسب و کار در آن سازمان است. هدف این پژوهش، شناسایی سناربوهای اصلی پیش‌روی توسعه بانکداری مبتنی بر هوش مصنوعی در بانک‌های کشور، بر اساس میزان موفقیت بانک‌ها در استقرار سامانه‌های هوشمندی کسب و کار است. شکاف کاربردی پژوهشی موجود، از آنجاست که دانش نظری موجود نمی‌تواند عدم موفقیت پروژه‌های هوش مصنوعی در بانک‌ها را توضیح دهد. برای تدوین سناریوها، از مطالعات کتابخانه‌ای، 32 پیشران از ابعاد بلوغ هوشمندی کسب و کار استخراج شدند که تاثیرات مثبت آنان بر توسعه موفق کاربردهای هوش مصنوعی، در مطالعات پیشین اثبات شده بود. پراولویت‌ترین این پیشران‌ها توسط خبرگان در 12 بانکی بررسی شد که تجربه استقرار سامانه‌های هوشمندی کسب و کار را در کنار برنامه‌های توسعه بانکداری مبتنی بر هوش مصنوعی داشتند. این کار به روش پرسشنامه و تکنیک دلفی فازی انجام شد و در مرحله اول تعداد 10 پیشران انتخاب موزون و نرمال‌سازی به روش کپراس شده و 2 پیشران از بین آنها انتخاب شدند. کیفیت داده‌ها و میزان یکپارچه‌سازی داده‌ها و سیستم‌ها. با این دو پیشران، 4 سناریو آینده مدون شد و به منظور شناسایی محتمل‌ترین سناریو از تکنیک ماباک استفاده گردید و خبرگان با توجه به امتیازات بلوغ هوشمندی کسب‌وکار بانک‌های متبوع و با تکنیک فاصله از مرز شباهت، محتمل بودن سناریوها را پیش‌بینی کردند‌. یافته اصلی تحقیق این است که بانک‌ها در حوزه توسعه کاربردهای هوش مصنوعی در معرض هزینه‌های بی حاصل و بدون بازگشت بانکی قراردارند.

کلیدواژه‌ها

• هوش مصنوعی
• بلوغ هوشمندی کسب و کار
• آینده‌پژوهی
• سناریونگاری

موضوعات

• علم داده، هوشمندی و تحلیل‌های آینده ‌نگر

عنوان مقاله [English]

Foresight of Artificial Intelligence Applications in Banks Based on Business Intelligence Maturity: A Scenario Planning Approach

نویسندگان [English]

• Arash Ghashami ¹
• Mahmood Alborzi ²
• Farzad Movahedi Sobhani ³
• Reza Radfar ⁴

¹ Ph.D. Candidate in Information Technology Management, Department of Information Technology Management, Science and Research Branch, Islamic Azad University, Tehran, Iran

² Associate Professor, Department of Information Technology Management, Science and Research Branch, Islamic Azad University, Tehran, Iran

³ Assistant Professor, Department of Industrial Engineering, Science and Research Unit, Islamic Azad University, Tehran, Iran.

⁴ Professor, Department of Industrial Management and Accounting, Science and Research Branch, Islamic Azad University, Tehran, Iran

چکیده [English]

The success of artificial intelligence (AI) deployment in any organization depends on the success of its business intelligence (BI) systems. This research aims to identify the main scenarios for the development of AI-based banking in the country's banks, based on their success in implementing BI systems. The existing research gap arises because current theoretical knowledge cannot explain the failure of AI projects in banks. To formulate these scenarios, a literature review was conducted to extract 32 drivers from the dimensions of BI maturity, whose positive impacts on the successful development of AI applications had been proven in previous studies. The most prioritized of these drivers were then examined by experts from 12 banks that had experience with both BI system deployment and AI-based banking development programs. This was done using a questionnaire and the Fuzzy Delphi technique. In the first stage, 10 drivers were selected, weighted, and normalized using the COPRAS method, and two drivers were chosen from among them: data quality and the level of data and systems integration. Using these two drivers, four future scenarios were formulated. To identify the most probable scenario, the MABAC technique was employed, and experts predicted the likelihood of each scenario based on the BI maturity scores of their respective banks, using the distance from similarity boundary technique. The main finding of the research is that banks are at risk of Costly and Irretrievable Intelligence in the development of AI applications

کلیدواژه‌ها [English]

• Artificial Intelligence
• Business Intelligence Maturity
• Foresight
• Scenario Planning