۳ تریلیون وون امتیاز کارت در آستانه سوختن؛ چرا بخش مالی برای سودهای ازدست‌رفته به صدا درآمده است؟
با نزدیک شدن به دورانی که دستیارهای هوش مصنوعی محصولات مالی را برای مشتریان مقایسه می‌کنند و به نمایندگی از آن‌ها پول جابه‌جا می‌کنند، بخش مالی کره جنوبی در وضعیت آماده‌باش قرار گرفته است. نگرانی اصلی این است که سود سالانه صدها میلیارد وونی شرکت‌های مالی از دارایی‌هایی که مشتریان برای دریافت آن‌ها مراجعه نمی‌کنند، در آستانه از بین رفتن باشد.
به گزارش منابع فعال در بخش مالی در ۲۲ اکتبر، ظهور دستیارهای هوش مصنوعی که وظایف مختلف را به نمایندگی از مصرف‌کنندگان انجام می‌دهند، از جمله «Muse» متعلق به متا و «Dots» متعلق به OpenAI، می‌تواند زندگی مالی افراد را به‌طور گسترده تغییر دهد.
در حالی که سامانه‌های هوش مصنوعی نسل‌های پیشین عمدتاً محصولات مالی را مقایسه می‌کردند یا اطلاعات در اختیار کاربران می‌گذاشتند، دستیارهای جدید با تأیید کاربران می‌توانند کارهای عملی مانند افتتاح یا خرید محصولات مالی، لغو آن‌ها و انجام پرداخت‌ها را نیز بر عهده بگیرند. اگر امکان اتصال این دستیارها به حساب‌های مالی در آینده گسترش یابد، آن‌ها خواهند توانست سپرده‌های راکد، مطالبات بیمه‌ای و امتیازهای کارت بانکی در آستانه انقضا را پیدا کنند و وجوه را به محصولات مالی سودآورتری انتقال دهند.
بر اساس اطلاعات نهادهای ناظر مالی، ارزش دارایی‌های مالی پنهان و مطالبه‌نشده تا پایان ژوئن سال گذشته به ۱۸٫۴۴۸۲ تریلیون وون رسید. سپرده‌ها و حساب‌های پس‌انداز اقساطی با ۷٫۵۲ تریلیون وون بیشترین سهم را داشتند. پس از آن‌ها، مطالبات بیمه‌ای با ۵٫۸۵ تریلیون وون، امتیازهای کارت با ۲٫۹۰۶ تریلیون وون، دارایی‌های اوراق بهادار با ۲٫۶۸۶ تریلیون وون و دارایی‌های امانی با ۱۰۲٫۱ میلیارد وون قرار گرفتند. این دارایی‌ها متعلق به مصرف‌کنندگانی هستند که یا وجود حساب‌ها و مطالبات بیمه‌ای خود را فراموش کرده‌اند یا به دلیل دشواری فرایند مطالبه، برای دریافت آن‌ها اقدام نکرده‌اند.
برآورد می‌شود شرکت‌های مالی از محل نگهداری و بهره‌برداری از این دارایی‌ها سالانه صدها میلیارد وون منفعت اقتصادی کسب کنند. اگر فرض کنیم ۱۵٫۵ تریلیون وون از مجموع دارایی‌های مطالبه‌نشده، بدون احتساب امتیازهای کارت، با نرخ سالانه ۳ درصد به کار گرفته شود، درآمد حاصل از آن به حدود ۴۶۶ میلیارد وون در سال می‌رسد. با افزودن ۷۱٫۷ میلیارد وون امتیاز کارت که در سال ۲۰۲۴ منقضی شده است، مجموع مبالغ مرتبط به حدود ۵۳۸ میلیارد وون می‌رسد.
دلیل سودآوری پول‌های راکد برای مؤسسات مالی، پایین بودن هزینه تأمین منابع است. بانک‌ها می‌توانند از این وجوه برای اعطای وام یا سرمایه‌گذاری در اوراق بهادار استفاده کنند، در حالی که بابت سپرده‌هایی که مشتریان برای دریافت آن‌ها مراجعه نکرده‌اند، سود نسبتاً اندکی می‌پردازند.
شرکت‌های بیمه نیز دارایی‌های متناظر با خسارت‌ها و مطالبات بیمه‌ای پرداخت‌نشده را سرمایه‌گذاری می‌کنند و سود تعیین‌شده در شرایط قرارداد را می‌پردازند. در برخی موارد، پس از گذشت مدت مشخصی از سررسید، دیگر سودی به این مبالغ تعلق نمی‌گیرد. هرچه مشتریان مدت بیشتری برای دریافت پول خود اقدام نکنند، فرصت بیشتری برای استفاده شرکت‌های مالی از منابع کم‌هزینه فراهم می‌شود.
در کارزار شناسایی دارایی‌های مالی مطالبه‌نشده که سال گذشته با مشارکت نهادهای ناظر مالی برگزار شد، در مجموع ۱٫۶۳۲۹ تریلیون وون به مصرف‌کنندگان بازگردانده شد. اگر هوش مصنوعی بتواند چنین جست‌وجوهایی را به‌طور مستمر انجام دهد، ممکن است حجم دارایی‌های مطالبه‌نشده‌ای که در اختیار مؤسسات مالی باقی می‌مانند کاهش یابد.
سپرده‌هایی که نرخ سود سالانه آن‌ها فقط ۰٫۰۱ درصد است نیز ممکن است با کاهش روبه‌رو شوند. مانده سپرده‌های دیداری در بانک‌های سپرده‌پذیر کره جنوبی در پایان ژوئیه به ۶۸۱ تریلیون وون رسید. اگر مصرف‌کنندگانی که به دلیل راحتی یا بی‌توجهی، پول خود را با سود ناچیز در این حساب‌ها نگه داشته‌اند، به کمک هوش مصنوعی بتوانند به‌صورت لحظه‌ای محصولات دارای سود بالاتر را پیدا کنند و وجوه خود را به آن‌ها انتقال دهند، هزینه تأمین منابع برای بانک‌ها افزایش خواهد یافت.
بخش مالی در دیگر کشورها نیز پیامدهای احتمالی گسترش دستیارهای هوش مصنوعی را زیر نظر دارد. شرکت مشاوره جهانی مک‌کنزی در تحلیلی اعلام کرده است که از مجموع ۷۰ تریلیون دلار سپرده مصرف‌کنندگان در سراسر جهان، ۲۳ تریلیون دلار در حساب‌های جاری و برداشت نگهداری می‌شود که سود اندکی دارند. به پیش‌بینی این شرکت، اگر تنها ۵ تا ۱۰ درصد از این وجوه به محصولات دارای سود بالاتر منتقل شود، درآمد بانک‌ها از محل سپرده‌ها ممکن است بیش از ۲۰ درصد کاهش یابد. این برآورد نشان می‌دهد که الگوی درآمدزایی موجود، که تا حدی بر بی‌توجهی مشتریان و دشواری تغییر محصولات مالی متکی است، با تهدید روبه‌رو شده است.
انتظار می‌رود مصرف‌کنندگان در اختلافات مالی نیز بتوانند با قدرت بیشتری از حقوق خود دفاع کنند. هوش مصنوعی می‌تواند با بررسی شرایط بیمه‌نامه‌ها، قراردادهای وام، جزئیات تراکنش‌ها و سوابق مشاوره، مبانی حقوقی و قراردادی به نفع مشتریان را شناسایی کند و حتی درخواست‌های رسمی برای طرح شکایت یا حل‌وفصل اختلاف را بنویسد. بر اساس آمار سازمان نظارت مالی کره جنوبی، سال گذشته ۱۲۸٬۴۱۹ شکایت مالی ثبت شد که ۱۰٫۴ درصد بیشتر از سال قبل بود. اگر هوش مصنوعی عدم تقارن اطلاعاتی میان شرکت‌های مالی و مصرف‌کنندگان را کاهش دهد، ممکن است شمار مشتریانی که پیش‌تر از طرح اعتراض خودداری می‌کردند، افزایش یابد.
بخش مالی در واکنش به این تحولات، از یک سو توسعه هوش مصنوعی اختصاصی خود را سرعت بخشیده و از سوی دیگر نسبت به ورود دستیارهای هوش مصنوعی خارجی به بازار مالی محتاط شده است. بانک شین‌هان دستیارهای هوش مصنوعی مدیریت دارایی را در مراکز ارائه خدمات خود به کار گرفته است و بانک ووری نیز در حال پیشبرد برنامه‌ای برای ایجاد بیش از ۱۷۵ دستیار هوش مصنوعی است. در مقابل، برخی مؤسسات مالی آمریکا، از جمله جی‌پی مورگان چیس، با استناد به نگرانی‌های امنیتی در پی محدود کردن دسترسی دستیارهای هوش مصنوعی خارجی به حساب‌های مشتریان هستند.