بانک‌ها روش سنتی را به فین‌تک ترجیح می‌دهند
بانک‌های سنتی هزینه‌های بسیاری هم صرف استخدام متخصصین داده کرده‌اند که گاهی اوقات رقم این هزینه‌ها حتی از بانک‌های چالشگر هم به مراتب بیشتر و بالاتر است.
به گزارش الفباخبر به نقل از بانک اول، خبرهایی مانند جذب سرمایه ۵۳ میلیون دلاری استارت‌آپ سلینا فایننس (Selina Finance) و جذب سرمایه ۶۴.۷ میلیون دلاری یک استارت‌آپ فعال دیگر در حوزه بانکی، جرقه‌ای بود برای مطرح شدن بحث حماقت بانک‌ها و اینکه آیا به کمک نیاز دارند یا رقابت؟
در این بحث شکایتی که نسبت به بانک‌ها وجود دارد این است که این نهادها به اندازه کافی برای پذیرش ایده‌های هوشمندانه فین‌تکی، سریع و چابک نیستند و به نظر نمی‌رسد در جریان باشند که چه اتفاقاتی در این صنعت درحال وقوع است. برخی از تکنولوژیست‌ها از اینکه مدام محصولاتشان را به بانک‌ها معرفی و بازاریابی کنند خسته شدند و درعوض تصمیم گرفتند خودشان دست به کار شوند و بانک‌های چالشگر خودشان را راه بیندازند.
بانک‌ها به دو دلیل باهوش‌تر هستند
البته نمی‌توان منکر اشتباهات وحشتناک بانک‌ها شد. انتقادهای بسیاری نسبت به بانک‌ها وجود دارد: هزینه‌های میلیاردی برای تبدیل شدن به شرکت‌های نرم‌افزاری، ایجاد کسب‌وکارهای مربوط به فناوری اطلاعات که با هزینه‌های افراطی و چالش‌های بلندمدت همراه است و همچنین سرمایه‌گذاری روی نوآوری‌های ناکارآمد و تلاش‌های کارآفرینی بیهوده. اما با تمام اینها، بانک‌ها خیلی بهتر از بازارهای کارآفرینی که می‌خواهند آنها را تحت تاثیر قرار دهند، کسب‌وکار و بازار خودشان را می‌شناسند.
دلیل اول: بانک‌ها چیزی دارند که اکثر تکنولوژیست‌ها ندارند و آن تخصص دامنه است. هرچند که تکنولوژیست‌ها سعی دارند ارزش دانش مربوط به دامنه را پایین بیاورند اما این کار اشتباه محض است. فناوری‌های انتزاعی بدون بحث‌های انتقادی، تنظیم مدیریت محصول و صحبت درباره سودمندی کسب‌وکار درنهایت از آن ارزشی که به دنبال ایجادش هستند، دور شود.
دلیل دوم: عدم تمایل بانک‌ها به خرید فین‌تک به خاطر این نیست که ارزشی برای هوش مصنوعی سازمانی یا فین‌تک قائل نیستند، اتفاقا بانک‌ها ارزش اینها را به‌خوبی می‌دانند. بانک‌ها می‌دانند که هوش مصنوعی سازمانی به آنها مزیت رقابتی می‌دهد پس به این فکر می‌کنند که چرا باید چنین چیزی را درست از همان پلتفرم و دریاچه داده‌ای دریافت کنند که خیلی‌های دیگر هم به آن متصل‌اند؟
رقابت‌پذیری، تمایز، سلطه‌گری، شفافیت ریسک و بهره‌وری از جمله صفاتی هستند که ارتباط مستقیمی با چگونگی استفاده از ابزارهای شناختی با کارایی بالا و کارآمد در آینده نزدیک دارد. ترکیبی از فناوری‌های پردازش زبان طبیعی، یادگیری ماشین، هوش مصنوعی و ابر باعث افزایش ایده‌های رقابتی و مرتبه بزرگی می‌شود؛ اما سوال اینجاست که به چه طریقی این عناصر رقابت‌پذیری را در اختیار دارید؟ پاسخ به این سوال برای بسیاری از سازمان‌ها کار سختی است.
بانک‌ها اگر کار درست را انجام دهند می‌توانند ارزش واقعی تخصص دامنه‌ای که دارند را به دست آوردند و حاشیه تمایزشان را توسعه دهند و نیازی نباشد که با دیگر بانک‌ها روی پلتفرم کسی دیگر قرار بگیرند. بانک‌ها می‌توانند خودشان آینده صنعتشان را تعریف کرده و ارزششان را حفظ کنند. هوش مصنوعی حکم افزاینده دانش و خلاقیت در کسب‌وکار را دارد. اگر شما شناخت خوبی از کسب‌وکارتان نداشته باشید، پولتان را هدر می‌دهید. چنین اتفاقی برای کارآفرینان هم صدق می‌کند. اگر شما به‌عنوان یک کارآفرین نتوانید پورتفولیوی خودتان را کاملا با کسب‌وکارتان متناسب کنید، درنهایت به یک مشاوره کسب‌وکاری تبدیل می‌شوید که سعی دارد خودش را به‌عنوان یک مبتکر محصول معرفی کند.
کدام‌یک از دیگری می‌ترسد؟
آیا می‌توان در بهترین حالت بانک‌ها را هشیار و در بدترین حالت آنها را هراسان معرفی کرد؟ بانک‌ها نمی‌خواهند صرفا از روی هیجان روی نوآوری‌های بزرگ بعدی سرمایه‌گذاری کنند. آنها نمی‌توانند در فضای فین‌تک واقعیت را از هیجانات موجود در بازار، تشخیص دهند و این موضوع قابل درک است. به هر حال آنها هزینه‌های زیادی صرف هوش مصنوعی کرده‌اند، مگر نه؟
چیزی که به نظر می‌رسد این است که بانک‌ها هزینه زیادی صرف چیزی به نام هوش مصنوعی کرده‌اند؛ پروژه‌های داخلی که تقریبا هیچ شانسی ندارند بخواهند با حجم و مطالبات همزمان بانک تنظیم شوند. یا از طرف دیگر خودشان را درگیر پروژه‌های مشاوره‌ای کرده‌اند و چنان روی اهداف بزرگی دست گذاشته‌اند که همه احساس می‌کنند که رسیدن به آن اهداف شدنی نیست.
چنین اوضاعی ممکن است برای بانک‌ها خوب باشد یا نباشد اما چیزی که مسلم است این است که این وضعیت می‌تواند به رشد و تقویت بانک‌های چالشگر کمک بزرگی کند. بانک‌های چالشگر با استقبال خوبی مواجه شدند و بانک‌های سنتی به قدری در گذشته مانده‌اند که نمی‌توانند یا نمی‌خواهند ایده‌های جدید این‌چنینی را بپذیرند. سرمایه‌گذاران هم نظرات مثبت و موافقی به این بانک‌های جدید دارند. در هفته‌های اخیر بانک چالشگر آمریکایی چایم (Chime) از یک کارت اعتباری رونمایی کرد. بانک چالشگر جدید آمریکایی به نام پوینت (Point) راه‌اندازی شد و بانک چالشگر آلمانی ویوید (Vivid) هم با کمک شرکت فین‌تکی سولاریس بانک شروع به کار کرد.
پشت پرده چه خبر است؟
بانک‌های سنتی هزینه‌های بسیاری هم صرف استخدام متخصصین داده کرده‌اند که گاهی اوقات رقم این هزینه‌ها حتی از بانک‌های چالشگر هم به مراتب بیشتر و بالاتر است. بانکداران قدیمی ترجیح می‌دهند برای حل یک مسئله یا چالش به جای اینکه به یک فین‌تک بیرونی پول بیشتری بدهند، به دانشمندان داده خودشان رجوع کنند.
شاید چنین کاری واقعا هوشمندانه هم باشد. بانکداران سنتی از خودشان می‌پرسند که چرا باید به سرویس‌های فین‌تکی که نمی‌توانند به‌طور تمام و کمال تصاحبشان کنند، پول بپردازند یا اینکه چطور می‌توانند فین‌تک مناسب را خریداری و فضای رقابتی‌شان را حفظ کنند؟ آنها به هیچ وجه نمی‌خواهند که حاشیه رقابتی‌شان در هر دریاچه داده‌ای قرار بگیرد.
از نظر بانک‌ها، بهتر است فین‌تک درونی و داخل خود بانک ایجاد شود اما مشکل اینجا است که طراحی بانک برای برانگیختن خلاقیت مناسب نیست. هرچند که باید گفت پروژه «کوین» بانک جی پی مورگان چیس، نمونه نادر و پروژه خارق‌العاده‌ای از آب درآمد. این پروژه نمونه‌ای از همبستگی عالی میان یک فین‌تک خلاق و بانک به منظور برطرف کردن یک مشکل کسب‌وکاری است.
باتوجه به اینکه بانک‌ها این سرویس‌های جدید را وارد ساختارشان می‌کنند و شرکت‌های جدید می‌خرند، خیلی‌ها معتقدند که باید استانداردهای جدیدی وضع کرد. درنهایت به دلیل گسترش گزینه‌های جدید در بانکداری، بانک‌ها و فین‌تک‌ها به کمک یکدیگر استانداردهای جدیدی را وضع خواهند کرد.
بدهی‌های فنی زیادی را متحمل نشوید
خطری که وجود دارد این است که زمان زیادی را صرف یادگیری انجام کاری کنید و از طرف دیگر از قافله‌ای که در حال گذر است، جا بمانید. مهندسین به شما خواهند گفت مدیریتی که با دانش همراه نباشد سرانجامی نخواهد داشت. نتیجه‌اش می‌شود انباشتی از بدهی‌های فنی و آوردن فشار بیشتر روی دانشمندان داده و مهندسانتان منجر به افزایش بیشتر این بدهی‌ها می‌شود. درنهایت آن اشکال یا ناکارآمدی موجود بر سر جایش باقی می‌ماند و ویژگی‌ها و قابلیت‌های جدید به‌عنوان یک راهکار جایگزین، ایجاد می‌شوند.
این یکی از دلایلی است که باعث مقیاس‌پذیر نبودن نرم‌افزارهای دورن سازمانی شده است. مشابه همین مشکل در نرم‌افزارهای مشاوره‌ای هم وجود دارد؛ مشکلات قدیمی زیر مشکلات جدید مدفون شده‌اند و درنهایت همه اینها خودشان را در برنامه‌های جدیدی که روی کدهای بی‌کیفیت ساخته شده، نشان می‌دهد.
چطور می‌شود این مشکل را برطرف کرد؟ مدل درست چیست؟
شاید این پاسخ چندان جذاب نباشد و به نظر تکراری و خسته‌کننده برسد اما موفقیت ناشی از فروتنی است. باید به این درک رسید که مشکلات بزرگ و اساسی را می‌توان با کمک تیم‌های خلاق برطرف کرد. باید درک کرد که هر یک از این تیم‌های خلاق چه ثمره‌ای برای ما دارند و به هرکدام به یک اندازه احترام گذاشت و به‌گونه‌ای آنها را مدیریت کرد که در شفافیت کامل روی مشکلی که باید برطرف شود، تمرکز کنند.
می‌توانید با بهره‌گیری از یک سری مدیریت پروژه‌های استالینی احتمال موفقیتتان را افزایش دهید. موفقیت‌های آینده باعث می‌شود تا بانک‌ها شرکای فین‌تکی محدودتر اما مورداعتمادتری داشته باشند که به طور مشترک از ارزش معنوی چیزی که ایجاد کرده‌اند، استفاده می‌کنند. درنهایت باید این واقعیت را پذیرفت که هیچ‌کدام بدون دیگری نمی‌توانست موفق شود
انتهای پیام
عناوین مهم :
