یک شرکت دانش بنیان با بهره گیری از هوش مصنوعی موفق به بومی سازی نرم افزار تشخیص هوشمند ناهنجاری در تراکنش‌های موسسات مالی شد.

علی حاجی زاده مقدم، مدیرعامل شرکت دانش بنیان مستقر در پارک علم و فناوری دانشگاه تهران گفت: امروزه تقریبا تمام داده‌های مرتبط با تراکنش‌های مالی بانکی به شکل دیجیتالی در سامانه‌های متمرکز و پایگاه‌های داده ذخیره می‌شوند. کشف الگو‌های پنهان در این داده‌های کلان می‌تواند ارزش افزوده و مزیت رقابتی بسیار تعیین کننده‌ای برای مدیران باشد. از سوی دیگر با گسترش بانکداری دیجیتال، چالش تهدید‌های امنیتی و تقلب‌های سازماندهی شده نیز بیشتر شده که حتی می‌توان از بحران تقلب و فیشینگ صحبت کرد.

به گفته او گمانیک با استفاده از آخرین فناوری‌های پردازش کلان داده‌ها و روش‌های آماری و هوش مصنوعی، به موسسات مالی کمک می‌کند الگو‌های ناهنجاری را از دل داده‌ها بیرون بکشند. مهمترین کاربرد این فناوری تشخیص تقلب‌های مالی است، ولی ممکن است از آن برای مقاصد دیگری مانند شناخت مشتریان ارزنده و ویژه و حفظ آن‌ها استفاده کرد.

حاجی زاده مقدم گفت: طراحی و تولید سامانه گمانیک از ابتدا بر اساس طرز فکر و متدولوژی چابک آغاز شد. بر این اساس، نخستین نسخه‌ سامانه در زمانی کمتر از دو ماه تولید شد و پس از آن در چرخه‌های منظم و با دریافت بازخورد از کاربران سامانه و برنامه ریزی و بازبینی مداوم و کوتاه مدت، قابلیت‌های جدید به آن اضافه شد.

مدیرعامل شرکت گفت: بومی بودن محصول، توان انطباق سامانه با نیاز‌های خاص سازمان، چابکی در توسعه‌ی محصول در عین بهره بردن از آخرین فناوری‌های این حوزه، فرصت بهره‌وری بهتری برای مشتریان ایجاد می‌کند. به کارگیری چنین محصولی نیازمند برنامه ریزی گام به گام و طراحی یک مدل بلوغ در رسیدن به هوشمندی مبتنی بر داده است؛ بنابراین داشتن انعطاف در برنامه ریزی و ارتباط نزدیک با تیم توسعه محصول می‌تواند به تطابق بهتر محصول با قامت سازمان کمک کند.

به گفته این مقام گمانیک در حال حاضر در یک بانک بزرگ کشور عملیاتی است و در نظر دارد که حوزه عمل خود را به پنج بانک و سه شرکت بیمه ظرف دو سال گسترش دهد.

 

اخبار پیشنهادی
تبادل نظر
آدرس ایمیل خود را با فرمت مناسب وارد نمایید.