چالش انجام تعاملات مالی توسط شرکت های بزرگ فناوری

خبرگزاری فارس ـ گروه غرب از نگاه غرب: در سال 2009 در بحبوحه بحران مالی جهانی، پل والکر رئیس سابق فدرال رزرو در اظهار نظری معروف گفته بود که در 20 سال گذشته تنها نوآوری مالی که ثمرات زیادی برای جامعه داشته، ماشین خودپرداز بوده است. شاید فکر کنید که والکر درباره سونامی ابتکارات مالی دیجیتالیزه شده از پلتفرم های پرداخت موبایلی تا بانکداری اینترنتی و وام دهی همتا به همتا چه دارد بگوید.
باید به واکلر اطمینان خاطر داده می شد که بسیاری از این ابتکارات، مثل دستگاه های بی ادعای خودپرداز، مزایای ملموسی از نظر پایین آوردن هزینه های تعاملات مالی داشته اند. اما والکر به عنوان یک منتقد موسسات بزرگ مالی، ظاهرا نگران ورود برخی از شرکت های فناوری بسیار بزرگ به این بخش نیز بوده است. اسامی این شرکت ها به اندازه خدمات آنها معروف و همه جا حاضر است: تجارت الکترونیکی ابرشرکت آمازون در ایالات متحده، شرکت پیام رسان کاکائو در کره، پلتفرم حراج و تجارت آنلاین مرکادو لیبره در آمریکای لاتین و غول های فناوری چینی علی بابا و تنسنت.
این شرکت ها اکنون عملا تمام کارهای مربوط به امور مالی را انجام می دهند. آمازون برای پرداخت وام به کسب و کارهای کوچک و متوسط اعتبار می دهد و کاکائو طیف کاملی از خدمات بانکداری را عرضه می کند. انت فایننشال علی بابا و وی چت تنسنت  مجموعه ای از محصولات مالی را ارائه می کند و چنان سریع گسترش یافته که اخیرا دولت چین آنها را هدف تجزیه و تبدیل شدن به شرکت های کوچک تر قرار داده است.
چالش های پیش روی قانونگذاران روشن است. در جایی که یک شرکت واحد پرداخت های اکثریتی از جمعیت یک کشور را هدایت می کند - برای مثال کاری که «ام- پسا» در کنیا انجام می دهد- شکست آن می تواند کل اقتصاد را زمینگیر کند. از این رو قانونگذاران باید توجه دقیقی را معطوف ریسک های عملیاتی کنند. آنها باید نسبت به حفاظت از داده های مشتریان، نه داده های مالی بلکه داده های شخصی دیگری که شرکت های بزرگ فناوری از آنها باخبرند نگران باشند.
بعلاوه شرکت های بزرگ فناوری به دلیل توانایی خود برای گردآوری و تجزیه و تحلیل داده های مربوط به ترجیحات مشتریان، توانایی زیادی برای هدف قرار دادن سوگیری های رفتاری مشتریانشان دارند. اگر این سوگیری ها باعث شود که برخی وام گیرندگان ریسک زیادی را بپذیرند، شرکت های بزرگ فناوری دلیل اندکی خواهند داشت تا به این موضوع اهمیتی دهند که آیا صرفا باید فناوری و تجربیات را در اختیار یکی از بانک های شریک خود بگذارند یا چیزهای بیشتری به آنها بدهند. این خطر اخلاقی همان چیزی است که اکنون قانونگذاران چینی را واداشته تا شرکت های بزرگ فناوری این کشور را ملزم به استفاده از  ترازنامه های خودشان برای تامین بوجه 30 درصد از هر یک از وام هایی کنند که از طریق وام دهی مشترک تامین می شود.

دولت ها همچنین قوانین و مقرراتی را وضع کرده اند تا تامین کنندگان محصولات مالی را از تبعیض بر اساس سوگیری های نژادی، جنسیتی، قومی و مذهبی منع کنند. چالشی که در اینجا وجود دارد تمیز گذاشتن بین  تبعیض قیمت بر اساس مختصات گروهی و تبعیض قیمت بر اساس ریسک است.
قانونگذاران به طور سنتی ارائه دهندگان اعتبار را ملزم می کنند تا متغیرهایی را از سوگیری های موجود برای تصمیمات وام دهی فهرست کنند تا قانونگذاران بتوانند تعیین کنند که آیا این متغیرها شامل ویژگی های گروه محروم شده می شوند یا خیر. همچنین آنها وام دهندگان را ملزم می کنند تا  ارزش های مرتبط با متغیرها را مشخص کنند تا بتوانند تعیین کنند که وقتی این ارزش ها در شرایط دیگری قرار می گیرند، آیا تصمیمات وام دهی ارتباط متناظری با ویژگی های قومی یا نژادی  دارند یا نه. اما در حالی که الگوریتم های مبتنی بر هوش مصنوعی شرکت های بزرگ فناوری با متصدیان پرداخت وام جایگزین می شوند، متغیرها و ارزش ها با از راه رسیدن نقاط داده جدید مدام تغییر می کنند. روشن است این چیزی نیست که قانونگذاران بتوانند خود را با آن همپا کنند.
بعلاوه اینکه در روندهای الگوریتمی، منبع سوگیری می تواند متفاوت باشد. ممکن است در داده هایی که برای یادگیری الگوریتم مورد استفاده قرار می گیرند سوگیری وجود داشته باشد. در جای دیگر خود آموزش می تواند دارای سوگیری باشد یا «یادگیری» الگوریتم هوش مصنوعی برای استفاده از داده ها به شیوه هایی همراه با سوگیری استفاده کند. با توجه به ماهیت جعبه سیاه مانند روندهای الگوریتمی، به سختی می توان محل مشکل را پیدا کرد.
سرانجام اینکه ریسک هایی برای رقابت وجود دارد. بانک ها و شرکت های فناوری مالی بر سرویس های محاسبات ابری متکی هستند که شرکت های بزرگ فناوری آنها را اداره می کند و بسته به بزرگ ترین رقابت کنندگان آنها را عرضه می کنند. شرکت های بزرگ فناوری همچنین می توانند برای کسب و کارهای مالی خود یارانه های متقابلی را در نظر بگیرند که فقط شامل بخش کوچکی از کاری می شود که آنها انجام می دهند. آنها با تامین کردن طیفی از خدمات متقابل می توانند مشتریانشان را از رفتن به سراغ سایر ارائه دهندگان خدمات بازدارند.
قانونگذاران  با قوانین بانکداری باز که موسسات مالی را در صورت رضایت مشتریان ملزم به اشتراک گذاری داده های آنها با طرف های ثالث می کند به این مشکل واکنش نشان داده اند. آنها مجوز استفاده از واسطه های برنامه ریزی اپلیکیشن را داده اند که به ارائه دهنده خدمات شخص ثالث اجازه می دهد برای کسب داده های مشتریان مستقیما به وبسایت های مالی متصل شوند.

روشن نیست که این کارها کافی باشد. شرکت های بزرگ فناوری می توانند از پلتفرم های خود برای تولید مقادیر عظیمی از داده های مشتریان استفاده کنند و آنها را برای آموزش الگوریتم های هوش مصنوعی خود به کار بگیرند و وام های با کیفیت را به روشی کارآمدتر از رقبای خود که فاقد اطلاعاتی مشابه هستند شناسایی کنند. می توان کاری کرد که مشتریان بتوانند داده های مالی خود را به یک بانک یا شرکت فناوری مالی دیگر انتقال دهند، اما در مورد داده های غیرمالی آنها چه؟ درمورد الگوریتمی که  با استفاده از داده های آن فرد و سایر مشتریان آموزش داده شده چه؟ بدون این ها بانک های دیجیتال و شرکت های فناوری مالی قادر نخواهند بود به کارآمدی شرکت های بزرگ فناوری، خدمات خود را قیمت گذاری و هدف گذاری کنند. بر مشکلات  گرفتار کردن مشتری و سلطه بر بازار نمی توان چیره شد.
در یک تمثیل قدیمی درباره بانک ها و قانونگذاران، بانک ها به مثابه سگ های تازی تعقیب کننده هستند، یعنی خیلی تند می دوند. قانونگذاران نیز سگ های تازی ردگیر هستند، سرعت بالایی ندارند اما به شکلی قابل اعتمادی رد شکار را دنبال می کنند. در عصر اقتصاد پلتفرم ها، سگ های تازی ردگیر باید رد مسیر را دنبال کنند. با توجه به اینکه فقط گزارش های سه بانک مرکزی به دپارتمان های شرکت های فناوری مالی  اختصاص داشته اند، جای نگرانی زیادی وجود دارد که این سگ ها رد بو را گم کنند.
نویسنده: بری  آیشن گرین (Barry Eichengreen) استاد اقتصاد در دانشگاه کالیفرنیا، برکلی.
منبع: https://b2n.ir/q62837

انتهای پیام/