این رویداد با هدف تقویت تعامل میان مسئولان، نخبگان علم و فناوری، شرکتهای دانشبنیان و استارتاپهای فعال در حوزه رگتک، به همت دانشگاه صنعتی شریف و با حضور جمعی از پیشگامان این عرصه برگزار شد.
در افتتاحیه این همایش، دکتر محمدرضا رزوان، معاون پژوهشی و روابط بینالملل دانشگاه صنعتی شریف به اهمیت پژوهش در حوزه تنظیمگری و نظام پرداخت ایران پرداخت.
وی با اشاره به پیشرفتهای منحصر به فرد نظام پرداخت ایران در سطح بینالمللی، تاکید کرد که این حوزه نیازمند رویکردهای نوآورانه و پژوهشهای جدی است.
تنظیمگری صرفاً به کارگیری فناوری برای اعمال مقررات نیست
در ادامه این رویداد، دکتر سیدرضا میرنظامی رئیس پژوهشکده سیاستگذاری دانشگاه صنعتی شریف در سخنرانی خود به نقش دانشگاه در حمایت از صنعت و تنظیمگری پرداخت.
وی بیان کرد که دانشگاه میتواند در سه حوزه اصلی شامل پژوهش و تحقیقات، تربیت نیروی انسانی و ایفای نقش مرجع در نظام تصمیمگیری، به پیشرفت صنعت کمک کند.
دکتر میرنظامی اظهار داشت: تنظیمگری صرفاً به کارگیری فناوری برای اعمال مقررات نیست، بلکه باید مقررات را به تصمیمهای شفاف، قابل دفاع و قابل اجرا تبدیل کنیم. تجربه نشان داده است که نبود زبان مشترک میان مقررات، دادهها و سامانهها، به شکست بسیاری از فناوریها منجر شده است.
نظارت سنتی دیگر پاسخگو نیست
در این رویداد، نوشآفرین مومنواقفی، معاون فناوریهای بانک مرکزی، در سخنرانی خود به تحول در مفاهیم نظارتی و اهمیت فناوریهای نوین در تنظیمگری پرداخت. وی با اشاره به تغییر پارادایم نظارت سنتی به نظارت هوشمند و دادهمحور گفت: “تحولات نظارتی از دو مسیر اصلی شکل گرفتهاند: اول، پیچیدگی و شدت قوانین و هزینههای انطباق که پس از بحرانهای مالی ۲۰۰۸ به وجود آمدند و دوم، فناوریهای نوینی که به تحول دیجیتال و مدلهای جدید کسبوکار منجر شدهاند. در این شرایط، نظارت سنتی دیگر پاسخگو نیست و تنظیمگر نیز چارهای ندارد جز تغییر رویکرد به نظارت هوشمند و دادهمحور.”
مؤمنواقفی، هوش مصنوعی و الگوریتمهای یادگیری ماشین را از مهمترین ابزارهای پیشران در تحول نظارت دانست؛ ابزارهایی که به گفته او در مسیر یک تغییر جدی قرار دارند. او همچنین تأکید کرد نباید از زیرساختهایی که در سالهای اخیر جایگزین زیرساختهای سنتی میشوند غافل شد و در این زمینه به بلاکچین اشاره کرد.
او در همین چارچوب توضیح داد که بخش قابلتوجهی از رگتکهای دنیا ماهیت «انطباقی» دارند و برای بانکها و شرکتهای پرداخت کاربرد مستقیم ایجاد میکنند. از نگاه او، اگر حوزههای دانشگاهی وارد این مسیر شوند، بانک مرکزی از آن استقبال میکند و این اطمینان را داد که شرکتهای پرداخت میتوانند بهرهبردار محصولات دانشگاهی در این حوزه باشند.
به گفته او اکوسیستم «رگ تک» در فینتک دیگر محدود به بانکها و شرکتهای فناوری نیست؛ پلتفرمهای رمزدارایی، لندتک، اینشورتک، طلای دیجیتال و… نیز در آن حضور دارند. در چنین فضایی، مدل نظارت هم ناچار است تغییر کند: کنترل دادهمحور ریسکها پیش از تبدیلشدن به بحران.
در بخش دیگری از این نشست، مومن واقفی گفت: برای مهار ریسکهای سیستمی، چارهای جز نگاه همزمان به همه حوزهها و اتخاذ رویکردهای ترکیبی یعنی حمایت، تشویق، سرمایهگذاری و حتی مشارکت وجود ندارد. او در پایان، از فعالان دعوت کرد طرحها و ایدههایشان را ارائه کنند تا در سندباکس بانک مرکزی مورد آزمایش قرار گیرد.
اهمیت سند ملی ارزیابی ریسک کشور
محمدحسین محمودی، معاون فناوری اطلاعات بانک ملت، با اشاره به فاصله میان مقررات و اجرای واقعی آنها گفت: جرایم مالی پیچیدهتر شدهاند و رویکردهای مبتنی بر چکلیست دیگر پاسخگو نیستند. او نمونههایی عینی از پولشویی، معاملات صوری، حسابهای اجارهای و سوءاستفاده از وکالتها را تشریح کرد که با ظاهر قانونی انجام میشوند اما ماهیت پرریسک دارند.
محمودی با اشاره به ابلاغ «سند ملی ارزیابی ریسک کشور» در خرداد ۱۴۰۳، این سند را فرصتی مهم برای شبکه بانکی دانست و توضیح داد که بانک ملت استراتژی خود را بر شناسایی پویا و سیستمی ریسک مشتری، خدمت و کانال ارائه خدمت بنا کرده است؛ بهگونهای که سطح ریسک، نوع تعامل بانک با مشتری را در لحظه تعیین میکند.
او همچنین از همکاری با شرکتهای فناور و استارتاپها در حوزه تجمیع تحریمها، شناسایی حسابهای اجارهای و ایجاد هشدارهای هوشمند خبر داد و تأکید کرد که بانک ملت آمادگی شنیدن و بهکارگیری پیشنهادهای نوآورانه را دارد.
شناسایی مدلهایی برای شناسایی تقلب با همکاری مرکز اطلاعات مالی
امیرحسین شبیری، مدیرعامل شاپرک، در ادامه این رویداد با اشاره به تجربههای این شرکت در کشف تقلب هوشمند گفت: با حجم بالای تراکنشها، تنظیمگری سنتی عملاً غیرممکن است. او کشف پایانههای خارج از کشور، دستگاههای کلونشده و الگوهای پیچیده تخلف را نمونههایی از چالشهای جدی شبکه پرداخت دانست.
به گفته شبیری، شاپرک با اتکا به تحلیل دادههای میدانی، رفتارشناسی پذیرندگان، گراف روابط تراکنشی و همکاری با نهادهایی مانند مرکز اطلاعات مالی، پلیس فتا و شرکتهای پرداخت، توانسته مدلهایی برای شناسایی و مسدودسازی تقلب ایجاد کند. او تأکید کرد این فرآیندها نیازمند پردازش سنگین داده و نگاه ۳۶۰ درجه به اکوسیستم پرداخت است.
شبیری نتیجه اقدامات شاپرک را اینگونه شرح داد: بر اساس اقدامات شاپرک 57 همت پیشگیری خروج ارز اتفاق افتاد و 3200 ابزار پذیرش با 82 درصد دقت شناسایی شدند.
امکان حرکت از نظارت واکنشی به نظارت پیشگیرانه
احسان ترکمن، مدیرعامل سپ نیز در نخستین رویداد سالانه رگتک ایران «رگمیت» با تأکید بر ضرورت همزمانی نوآوری و تنظیمگری گفت: مطالبه همیشگی صنعت از رگولاتور این بوده که اجازه داده شود نوآوری مسیر طبیعی خود را طی کند. به گفته او، توسعه نوآوری بهطور طبیعی با برخی عدمانطباقها همراه است، اما این موارد را میتوان پس از عبور محصول از مرحله آزمایشی و در یک بازه زمانی مشخص، متناسب با پیچیدگیها، اصلاح و با الزامات رگولاتوری منطبق کرد.
ترکمن با بیان اینکه سختگیری از ابتدای مسیر توسعه محصول، زمان ورود به بازار را افزایش میدهد، افزود: اگر قرار باشد از همان ابتدا تمام ایرادها و الزامات اعمال شود، تایمتومارکت از دست میرود و این موضوع فضای فعالیت را برای شرکتهای نوآور ناامیدکننده میکند. در حالی که میتوان با تعریف دورههای گذار ۶، ۱۲ یا ۱۸ ماهه، محصول را تکمیل و همزمان الزامات رگولاتوری را اعمال کرد تا پس از عرضه نهایی، نیازی به اصلاحات پرهزینه و زمانبر نباشد.
مدیرعامل سپ با اشاره به پیچیدگیهای فنی محصولات پرداخت تأکید کرد: بازگشت به عقب و اعمال اصلاحات پس از نهایی شدن محصول، گاهی خود به چند ماه زمان نیاز دارد و عملاً توسعه را متوقف میکند. او افزود: در مدلهای سنتی، نظارتها اغلب پسرویدادی و واکنشی هستند؛ یعنی بعد از وقوع تخلف وارد عمل میشوند. این رویکرد شکننده است، نرخ بالای هشدارهای مثبت کاذب ایجاد میکند و در نهایت نارضایتی مشتریان را به دنبال دارد.
ترکمن با اشاره به نقش هوش مصنوعی در تغییر این وضعیت گفت: استفاده از هوش مصنوعی و یادگیری ماشین، امکان حرکت از نظارت واکنشی به نظارت پیشگیرانه را فراهم میکند و این موضوع دیگر یک انتخاب نیست. به گفته او، بر اساس استانداردها و برآوردهای جهانی، تا سال ۲۰۲۸ اندازه این بازار به حدود ۵۷۵ میلیارد دلار میرسد و پیشبینی میشود ریسک پولشویی و تقلب تا ۱۰ برابر افزایش یابد؛ در حالی که تجربه بانکهای پیشرو نشان داده بیش از ۹۰ درصد تقلبها با ابزارهای هوش مصنوعی قابل شناسایی بوده، هشدارهای مثبت کاذب ۶۶ درصد کاهش یافته و هزینههای عملیاتی مقرراتی نیز تا ۴۰ درصد کمتر شده است.
او با تشریح الزامات فنی این رویکرد توضیح داد: در شبکههای پیچیده پولشویی که تراکنشها بهصورت عنکبوتی از چندین کارت به یک حساب و سپس به یک مقصد مشخص منتقل میشوند، سیستمهای هوشمند باید بتوانند در کمتر از ۱۰۰ میلیثانیه تصمیم بگیرند که یک تراکنش تأیید، رد یا برای بررسی بیشتر برچسبگذاری شود. این فرآیند شامل ورود تراکنش، پردازش جریان داده و تصمیمگیری بلادرنگ در سامانههای مبارزه با پولشویی و کشف تقلب است.
ترکمن در عین حال به چالشهای این مسیر نیز اشاره کرد و گفت: کمبود نیروی انسانی متخصص در تقاطع قوانین، داده و هوش مصنوعی، نگرانیهای جدی درباره حریم خصوصی و امنیت دادههای حساس، و محدودیتهای بومی و ناشی از تحریمها از جمله موانع توسعه این حوزه هستند. به گفته او، توسعه بومی دانش و سرمایهگذاری در آموزش نیروی انسانی، پیشنیاز عبور از این چالشهاست.
مدیرعامل سپ با اشاره به حجم بالای تراکنشها در شبکه پرداخت کشور اظهار کرد: امروز ماهانه حدود ۴ میلیارد و ۸۶۰ میلیون تراکنش به ارزش نزدیک به ۲۰ همت در شبکه شاپرک پردازش میشود؛ حجمی که با مدلهای سنتی نظارت و انطباق قابل مدیریت نیست. او تأکید کرد: کشف تقلب، مبارزه با پولشویی و مدیریت ریسک دیگر یک انتخاب لوکس نیست، بلکه شرط بقا، اعتمادسازی و رقابتپذیری در اکوسیستم پرداخت محسوب میشود.
ترکمن با تأکید بر ضرورت همکاری میان بازیگران صنعت گفت: بانکها، شرکتهای پرداخت، رگولاتور، استارتاپها و سرمایهگذاران باید در کنار یکدیگر حرکت کنند. بازار منتظر قانونگذاری نمیماند و اگر تنظیمگری همپای نوآوری پیش نرود، کاربران مسیر خود را پیدا میکنند. به گفته او، تنها با تکیه بر داده، هوش مصنوعی و رویکردهای نوین میتوان هم پاسخگوی الزامات رگولاتوری بود و هم سرعت نوآوری را حفظ کرد.
کلمات کلیدی :
مرکز اطلاعات مالیتقلبهای پرداخترگتکدانشگاه صنعتی شریفسند ملی ارزیابی ریسکمدلهای شناسایی تقلب