بانک M&T پس از سال‌ها تحول بنیادین فناوری، هوش مصنوعی سازمانی را توسعه می‌دهد

بانک M&T دستیارهای هوش مصنوعی (Copilot) را در اختیار بیش از ۱۵ هزار نفر از کارکنان خود قرار داده است؛ اقدامی که نشان‌دهنده به‌کارگیری گسترده هوش مصنوعی توسط این بانک منطقه‌ای آمریکایی در حوزه‌های عملیات داخلی، خدمات مشتریان، توسعه نرم‌افزار و مدیریت ریسک است. به گزارش فست کمپانی (Fast Company)، این بانک از هوش مصنوعی برای تحلیل مکالمات مرکز تماس، تدوین پیش‌نویس گزارش‌ها، تولید کد، شناسایی نیازهای مشتریان و هشدار درباره ریسک‌های سبد دارایی بهره می‌گیرد. همچنین M&T در حال بررسی کاربردهای هوش مصنوعی عامل‌محور (Agentic AI) در امنیت سایبری و کشف تقلب است.

نشریه امریکن بنکر (American Banker) در سپتامبر ۲۰۲۵ گزارش داد که ۱۶ هزار نفر از مجموع حدود ۲۲ هزار کارمند M&T پیش از این از مایکروسافت کوپایلوت (Microsoft Copilot) برای اموری نظیر نگارش ایمیل‌ها و گزارش‌ها و خلاصه کردن مکالمات مرکز تماس استفاده می‌کردند.

پیش از این پیاده‌سازی سراسری، M&T در ابتدا دسترسی کارکنان به مدل‌های زبانی بزرگ عمومی را محدود کرده بود. اندرو فاستر (Andrew Foster)، مدیر ارشد داده این بانک، به امریکن بنکر گفت که این ابزارها به این دلیل مسدود شده بودند که احتمال داشت کارکنان اطلاعات حساس سازمان را وارد سامانه‌های عمومی و آنلاین کنند.

سپس M&T ارائه‌دهندگان سازمانی را ارزیابی و در نهایت مایکروسافت کوپایلوت را انتخاب کرد؛ طرحی که ابتدا با یک دوره آزمایشی شامل حدود ۸۰۰ کارمند آغاز شد و پس از آن به کل سازمان گسترش یافت.

فاستر اشاره کرد که بهره‌گیری از هوش مصنوعی زاینده برای خلاصه‌سازی مکالمات مرکز تماس، در هر تماس حدود شش دقیقه صرفه‌جویی زمانی ایجاد می‌کند. علاوه بر این، توسعه‌دهندگان نرم‌افزار در بانک از ابزارهای گیت‌لب (GitLab) برای تولید کد بهره می‌برند، در حالی که مسئولیت بررسی و بازبینی خروجی‌های حاصل از هوش مصنوعی همچنان بر عهده خود کارکنان است.

الزام به بازبینی توسط نیروی انسانی در آیین‌نامه اخلاق و رفتار حرفه‌ای سال ۲۰۲۶ این بانک نیز منعکس شده است. بر اساس این خط‌مشی، کارکنان ملزم به استفاده از ابزارهای هوش مصنوعی تأییدشده هستند و ورود اطلاعات محرمانه، اختصاصی، مرتبط با مشتریان، کارکنان یا داده‌های تحت نظارت قانونی به سامانه‌های تأییدنشده ممنوع است. در هر صورت، کارکنان شخصا مسئول صحت و دقت کارهای انجام‌شده به کمک هوش مصنوعی شناخته می‌شوند.

پایه‌ریزی زیرساخت‌های فناوری و داده

استقرار هوش مصنوعی در M&T در امتداد برنامه نوسازی گسترده فناوری صورت می‌گیرد که از سال ۲۰۱۸ آغاز شده بود. به گفته این بانک، در آن زمان بیش از نیمی از متخصصان فناوری بانک از پیمانکاران خارجی بودند، در حالی که امروز ۸۰ درصد از نیروی کار حوزه فناوری را نیروهای داخلی سازمان تشکیل می‌دهند.

در حال حاضر بانک M&T حدود ۲ هزار متخصص فناوری دارد که در قالب بیش از ۳۰۰ تیم چابک (Agile) فعالیت می‌کنند و این بانک در طول اجرای این برنامه بیش از ۱۰۰۰ متخصص فناوری را جذب کرده است.

بانک همچنین ده‌ها پلتفرم قدیمی خود را بازنشسته و جایگزین کرده است. طبق اعلام M&T، از سال ۲۰۱۸ تاکنون قطعی‌ها و اختلالات فنی سامانه‌ها بیش از ۸۰ درصد کاهش یافته، در حالی که شمار ارتقاهای سیستمی سالانه تا ۳۰۰ درصد رشد داشته است.

هزینه‌های فناوری این بانک در سال ۲۰۲۵ از مرز ۱.۲ میلیارد دلار گذشت که تقریبا سه برابر سطح سال ۲۰۱۷ است. مایکل ویسلر (Michael Wisler) در اوت ۲۰۲۶ به نشریه فوربز (Forbes) اعلام کرد که انتشارهای سالانه سامانه‌های نرم‌افزاری (Technology Releases) از حدود ۱۵ هزار مورد در سال ۲۰۱۸ به ۶۵ هزار مورد در سال ۲۰۲۵ افزایش یافته است.

ویسلر در سال ۲۰۱۸ به عنوان مدیر ارشد اطلاعات (CIO) به M&T پیوست و سپس در سال ۲۰۲۵ به سمت معاونت ارشد اجرایی فناوری و عملیات ارتقا یافت. حوزه مسئولیت فعلی او هر دو بخش وظایف فنی و عملیاتی بانک را در بر می‌گیرد.

برنامه مدیریت داده M&T همگام با نوسازی همه‌جانبه فناوری توسعه یافت. فاستر که در سال ۲۰۲۳ به این بانک پیوست، راه‌اندازی برنامه تبارشناسی داده‌ها (Data-lineage) را کلید زد تا مبدأ و منشأ اطلاعات، نحوه استفاده از آن‌ها و مسیر گردش داده‌ها میان سامانه‌های مختلف به‌دقت رهگیری شود.

فاستر به امریکن بنکر گفت که پروژه تبارشناسی داده‌ها صرفا در واکنش به ظهور هوش مصنوعی زاینده ایجاد نشده، بلکه آن را قابلیتی بنیادین برای شناخت دارایی‌ها و پیکره داده‌های M&T می‌داند.

این بانک همچنین یک «آکادمی داده» با تمرکز بر حاکمیت داده و مهارت‌های داده‌محور راه‌اندازی کرد که حدود ۲ هزار کارمند در آن آموزش دیده‌اند.

علاوه بر این، M&T یک مخزن داخلی به نام ادیسون (Edison) ایجاد کرده است که اسناد مرجع و اطلاعات مربوط به سیاست‌های بانک را در بر می‌گیرد. بانک همچنین از نرم‌افزارهای تبارشناسی داده سالیداتوس (Solidatus) و مونت‌کارلو (Monte Carlo) بهره می‌برد تا عبور جریان اطلاعات از پایگاه‌های داده، اپلیکیشن‌ها و سامانه‌های هوش تجاری را رصد کند.

به گفته فاستر، فرایند تبارشناسی به M&T امکان می‌دهد به منبع، معنا، کیفیت و حاکمیت تک‌تک عناصر داده اشراف کامل داشته باشد. او یکی از کاربردهای مستقیم این داده‌های تحت حاکمیت را استفاده بانک از دستیار کوپایلوت معرفی کرد.

امریکن بنکر همچنین گزارش داد که M&T از معماری تولید با بازیابی افزوده (RAG) همراه با داده‌های داخلی و قانونمند خود استفاده می‌کند.

مقیاس‌پذیری هوش مصنوعی در عملیات روزمره بانکداری

ویسلر در گفتگو با فوربز اعلام کرد که M&T استفاده از هوش مصنوعی زاینده را از سه مسیر پیش می‌برد: استفاده عمومی کارکنان، قابلیت‌های هوش مصنوعی گنجانده‌شده در نرم‌افزارهای موجود، و سامانه‌های اختصاصی توسعه‌یافته بر پایه داده‌ها و فرایندهای ویژه خود بانک.

بانک M&T بیش از ۱۸۰۰ نرم‌افزار کاربردی را مدیریت می‌کند که بخش عمده‌ای از آن‌ها توسط شرکت‌های طرف قرارداد خارجی ارائه می‌شوند. ویسلر توضیح داد که یکی از رویکردهای بانک، شناسایی قابلیت‌های کاربردی هوش مصنوعی است که از قبل درون این اپلیکیشن‌ها تعبیه شده‌اند.

مسیر سوم M&T شامل توسعه ابزارهای هوش مصنوعی بومی پیرامون داده‌ها و فرایندهای اختصاصی بانک است. فوربز گزارش داد که کاربردهای اولیه این حوزه شامل وظایف تکراری عملیاتی، توسعه نرم‌افزار، پیشگیری از کلاهبرداری و پدافند سایبری است.

گزارش ماه سپتامبر فست کمپانی نیز نشان داد که M&T ارزیابی همزمان سامانه‌های داخلی هوش مصنوعی و ابزارهای خارجی—شامل نرم‌افزارهای سازمانی عمومی و فناوری‌های اختصاصی صنعت بانکداری—را ادامه می‌دهد.

اگرچه موارد استفاده اولیه بر پیش‌نویس‌نویسی، خلاصه‌سازی، امور مرکز تماس و توسعه نرم‌افزار متمرکز بود، فست کمپانی گزارش داد که کاربردهای جدیدتر مواردی نظیر درک نیازهای مشتریان و اخطار درباره ریسک‌های سبد دارایی را نیز پوشش می‌دهد.

همزمان دیگر بانک‌های بزرگ ایالات متحده نیز به‌کارگیری هوش مصنوعی زاینده را در فرایندهای کاری کارکنان خود گسترش داده‌اند.

جی‌پی‌مورگان چیس (JPMorganChase) در سال ۲۰۲۴ پلتفرم داخلی LLM Suite خود را برای بیش از ۲۰۰ هزار کارمند در دسترس قرار داد. تا سال ۲۰۲۵، بیش از ۶۵ هزار کارمند در بخش بانکداری شرکتی و سرمایه‌گذاری این بانک از این پلتفرم استفاده می‌کردند و بیش از ۹۰ درصد مهندسان نرم‌افزار آن از دستیارهای کدنویسی هوش مصنوعی بهره می‌بردند.

این بانک همچنین اعلام کرد که غربالگری تراکنش‌ها با هوش مصنوعی امکان بررسی بیش از دو برابر حجم تراکنش‌های قبلی را فراهم کرده و همزمان بازبینی‌های دستی کارشناسان را به نصف رسانده است.

بنک آو آمریکا (Bank of America) نیز سامانه مجهز به هوش مصنوعی زاینده خود موسوم به EricaAssist را در اختیار بیش از ۱۸ هزار کارمند بخش خدمات مشتریان قرار داده است. این ابزار علت تماس مشتری را خلاصه می‌کند، اطلاعات مرتبط را استخراج می‌نماید و اقدامات بعدی ممکن را پیشنهاد می‌دهد، در حالی که مسئولیت نهایی تعامل با مشتری بر عهده کارمند باقی می‌ماند.

بنک آو آمریکا در ژوئیه ۲۰۲۶ گزارش داد که EricaAssist می‌تواند راهنمایی‌های مبتنی بر بافت تماس را در کمتر از سه ثانیه ارائه دهد و میانگین مدت‌زمان هر تماس را تا حدود یک دقیقه کاهش داده است. این بانک قصد دارد تا اواخر سال ۲۰۲۶ این سیستم را به سایر سناریوهای خدماتی و خطوط تجاری خود گسترش دهد.