هشدار فدرال رزرو درباره تهدید هوش مصنوعی برای ثبات بازارهای مالی
اقتصاد ایران: گسترش هوش مصنوعی میتواند با همجهتکردن معاملات، دستکاری بازار و افزایش حملات سایبری، ثبات مالی را تهدید کند.
به گزارش خبرگزاری تسنیم، مایکل بار، عضو هیئتمدیره فدرال رزرو آمریکا با هشدار درباره پیامدهای گسترش هوش مصنوعی در نظام مالی اعلام کرد: استفاده گسترده از مدلهای مشابه هوش مصنوعی در معاملات میتواند به شکلگیری رفتارهای هماهنگ میان معاملهگران، تشدید نوسانات و حتی بروز اختلالات سیستمی در بازارهای مالی منجر شود.
به گزارش وبسایت رسمی فدرال رزرو آمریکا، مایکل بار این اظهارات را در هفتمین کنفرانس سالانه انجمن ماشینهای محاسباتی (ACM) درباره هوش مصنوعی در امور مالی، در شهر میلان ایتالیا مطرح کرد.
وی در سخنرانی خود با عنوان «برخی پیامدهای بالقوه هوش مصنوعی برای ثبات مالی» مجموعهای از فرصتها و تهدیدهای ناشی از ورود این فناوری به بازارهای مالی را تشریح کرد.
بار در ابتدای سخنان خود تاکید کرد: نسبت به ظرفیت بلندمدت هوش مصنوعی برای افزایش بهرهوری، کاهش هزینهها، بهبود دسترسی افراد به خدمات مالی و ارتقای عملکرد موسسات اقتصادی خوشبین است؛ اما تحقق این مزایا مستلزم آن است که مخاطرات جدید این فناوری بهدرستی شناسایی و مدیریت شوند.
هوش مصنوعی؛ مهمترین نگرانی فعالان نظام مالی
هشدار مقام فدرال رزرو در شرایطی مطرح میشود که گزارش جدید ثبات مالی این بانک مرکزی، از افزایش قابل توجه نگرانی فعالان نظام مالی درباره مخاطرات هوش مصنوعی حکایت دارد.
بر اساس گزارش ثبات مالی فدرال رزرو که در 13 نوامبر 2026 منتشر شد، 87 درصد از فعالان و پاسخدهندگان مورد بررسی، ریسکهای مرتبط با هوش مصنوعی را یکی از نگرانیهای مهم نظام مالی معرفی کردهاند. این رقم در گزارش ماه مه سال جاری 50 درصد بود.
در این گزارش، علاوه بر مخاطرات سایبری و پیچیدگی ساختارهای تامین مالی سرمایهگذاریهای هوش مصنوعی، احتمال کاهش سودآوری شرکتهای فعال در این حوزه و در پی آن افت گسترده قیمت سهام نیز مورد توجه قرار گرفته است.
رویترز گزارش داده است پس از ریسکهای هوش مصنوعی، اصلاح قیمت داراییهای پرریسک با 52 درصد و افزایش نرخهای بهره بلندمدت با 48 درصد از دیگر نگرانیهای مهم پاسخدهندگان بودهاند.
نگرانی از شکلگیری رفتار گلهای در معاملات الگوریتمی
همچنین یکی از مهمترین محورهای این سخنرانی، تاثیر استفاده گسترده از هوش مصنوعی بر معاملات اوراق بهادار بود.
به گفته مایکل بار، عضو هیئتمدیره فدرال رزرو آمریکا، هوش مصنوعی مولد قادر است حجم گستردهتری از دادهها و اطلاعات را پردازش کند و در مقایسه با الگوریتمهای معاملاتی سنتی، از منطق پیچیدهتری برای تحلیل و تصمیمگیری استفاده کند. این قابلیت میتواند دسترسی طیف گستردهتری از فعالان بازار به ابزارهای پیشرفته معاملاتی را فراهم کند و حتی به بهبود نظارت بر بازار کمک کند.
با این حال، بار نسبت به پیامدهای استفاده معاملهگران از مدلهای مشابه هشدار داد.
وی توضیح داد: اگر معاملهگران به تعداد محدودی از مدلهای هوش مصنوعی مشابه متکی باشند که با دادههای مشابه آموزش دیدهاند، احتمال شکلگیری رفتار گلهای افزایش مییابد. در چنین شرایطی، راهبردهای معاملاتی ممکن است به یکدیگر شباهت پیدا کنند و واکنش معاملهگران به اخبار و اطلاعات بازار بهصورت همزمان و هماهنگ انجام شود.
این وضعیت میتواند در شرایط عادی نیز بر کارایی بازار اثر بگذارد، اما در زمان انتشار اخبار منفی یا وقوع شوکهای اقتصادی، خطرناکتر خواهد بود؛ زیرا تعداد زیادی از سیستمهای معاملاتی ممکن است بهطور همزمان اقدام مشابهی انجام دهند. برای مثال، اگر تعداد زیادی از الگوریتمها بر اساس یک مدل مشترک به این نتیجه برسند که باید یک دارایی مشخص را بفروشند، تصمیمهای مشابه آنها میتواند فشار فروش را تشدید کند و نوسانات بازار را افزایش دهد.
بار همچنین هشدار داد: وجود نقص مشترک در مدلهای هوش مصنوعی مورد استفاده تعداد زیادی از معاملهگران میتواند پیامدهایی فراتر از اختلال در یک موسسه داشته باشد و به تهدیدی برای کل نظام مالی تبدیل شود.
احتمال تبانی الگوریتمی و دستکاری بازار
موضوع دیگری که در این سخنرانی مورد توجه قرار گرفت، احتمال استفاده از الگوریتمهای یادگیرنده برای تبانی یا دستکاری بازار بود.
وی با اشاره به پژوهشهای اقتصادی و مالی گفت: برخی الگوریتمهای یادگیری تقویتی، حتی بدون آنکه بهصورت صریح برای تبانی برنامهریزی شده باشند، ممکن است بهطور مستقل رفتارهای هماهنگ و مشابه تبانی را یاد بگیرند.
برخی از این الگوریتمها همچنین میتوانند راهبردهایی برای دستکاری بازار توسعه دهند. یکی از نمونههای مورد اشاره، پدیده «اسپوفینگ» (Spoofing) است؛ روشی که در آن سفارشهای خرید یا فروش با هدف ایجاد تصور نادرست از میزان عرضه و تقاضای یک دارایی ثبت میشوند، بدون آنکه سفارشدهنده قصد واقعی اجرای آنها را داشته باشد.
چنین رفتاری میتواند سایر معاملهگران و سامانههای معاملاتی را درباره وضعیت واقعی بازار گمراه کند.
به اعتقاد وی، بازیگران مخرب حتی ممکن است با دستکاری اخبار، قیمتهای پیشنهادی یا اطلاعات مورد استفاده مدلهای هوش مصنوعی، چندین سامانه معاملاتی را بهصورت همزمان تحت تاثیر قرار دهند و اختلالات بازار را تشدید کنند.
وی در عین حال اشاره کرد: برخی بورسها و بازارهای معاملاتی برای شناسایی و مقابله با چنین رفتارهایی، از ابزارهای پیشرفته یادگیری ماشین و هوش مصنوعی در سیستمهای نظارتی خود استفاده میکنند.
خطرات سرمایهگذاری سنگین در زیرساختهای هوش مصنوعی
بخش دیگری از سخنرانی عضو هیئتمدیره فدرال رزرو به رشد سرمایهگذاری در مراکز داده و زیرساختهای محاسباتی هوش مصنوعی اختصاص داشت.
وی گفت: افزایش سرمایهگذاری در این حوزه بهتدریج با رشد استفاده از بدهی همراه شده و این مسئله میتواند در صورت تغییر انتظارات سرمایهگذاران، مخاطرات مالی جدیدی ایجاد کند.
به گفته این مقام مسئول، بدهی ثبتشده در ترازنامه هفت شرکت بزرگ فعال در حوزه هوش مصنوعی در سال 2026 بهسرعت افزایش یافته و پیشبینی میشود تا پایان سال از 800 میلیارد دلار فراتر رود.
او این روند را با چرخه سرمایهگذاری و بدهی در صنعت مخابرات در اواخر دهه 1990 و اوایل دهه 2000 مقایسه کرد.
وی همچنین به تعهدات خارج از ترازنامه شرکتهای بزرگ فناوری اشاره کرد: تعهداتی مانند قراردادهای بلندمدت اجاره مراکز داده، تضمین ارزش باقیمانده تجهیزات و قراردادهای تأمین انرژی که ارزش اسمی بالقوه آنها، بر اساس برآورد گزارش ثبات مالی فدرال رزرو، از 3 تریلیون دلار فراتر رفته است.
این تعهدات ممکن است در نگاه نخست بهعنوان بدهی مستقیم شرکتها شناخته نشوند، اما در صورت بروز بحران مالی میتوانند تعهدات و زیانهای قابل توجهی برای شرکتهای پشتیبان ایجاد کنند.
بر اساس گزارش ثبات مالی فدرال رزرو، انتشار بدهی برای تأمین مالی مراکز داده و زیرساختهای محاسباتی پیشرفته تا اکتبر 2026 به حدود 680 میلیارد دلار رسیده است؛ رقمی که تقریباً معادل یکسوم انتشار بدهی شرکتهای غیرمالی دارای رتبه اعتباری سرمایهگذاری در این دوره است.
وی همچنین درباره پدیده تأمین مالی چرخشی هشدار داد: وضعیتی که در آن شرکتهای بزرگ زیرساختی و تولیدکنندگان پردازندههای گرافیکی در شرکتهای کوچکتر هوش مصنوعی سرمایهگذاری میکنند و این شرکتها نیز منابع مالی دریافتی را برای خرید یا اجاره خدمات محاسباتی از همان سرمایهگذاران هزینه میکنند.
از نگاه وی، پایداری اقتصادی چنین ساختاری به توانایی شرکتهای کوچکتر برای جایگزینکردن این منابع مالی با درآمد واقعی حاصل از مشتریان وابسته است.
افزایش تهدیدهای سایبری با توسعه هوش مصنوعی
امنیت سایبری از دیگر محورهای اصلی هشدار این مقام فدرال رزرو بود. بار اعلام کرد تجربههای اخیر نشان دادهاند برخی مدلهای هوش مصنوعی در اجرای مأموریتهای خود ممکن است محدودیتهای امنیتی را بهعنوان موانعی برای عبور تلقی کنند، نه الزاماتی که باید رعایت شوند.
وی افزود: مهاجمان سایبری میتوانند با استفاده از تواناییهای هوش مصنوعی، آسیبپذیریهایی را شناسایی و از آنها بهرهبرداری کنند که پیش از این شناسایی یا رفع آنها بسیار دشوار تلقی میشد. از سوی دیگر، هوش مصنوعی میتواند با تولید محتوای جعلی و فناوری دیپفیک، زمینه حملات پیچیدهتر علیه مؤسسات مالی را فراهم کند.
این مقام فدرال رزرو تاکید کرد: مؤسسات مالی و مدافعان امنیت سایبری نیز از هوش مصنوعی برای شناسایی سریعتر آسیبپذیریها و مقابله با حملات استفاده میکنند؛ اما مسئله این است که مهاجم تنها به یک موفقیت نیاز دارد، در حالی که مدافعان باید در تمام مراحل دفاعی موفق عمل کنند.
هشدار درباره تصمیمهای اعتباری و مشاوره سرمایهگذاری هوشمند
عضو هیئتمدیره فدرال رزرو در ادامه به گسترش استفاده از هوش مصنوعی در خدمات مالی مصرفکنندگان پرداخت.
به گفته وی، بانکها و مؤسسات مالی بهطور فزایندهای از این فناوری برای ارائه مشاوره مالی، ارزیابی اعتبار مشتریان و پیشنهاد محصولات سرمایهگذاری استفاده میکنند. با این حال، سیستمهای هوشمند ممکن است توصیههایی ارائه دهند که بیش از آنکه بر اساس منافع مشتریان باشند، در راستای منافع تجاری مؤسسات مالی طراحی شدهاند. برای مثال، یک سامانه هوش مصنوعی ممکن است محصول اختصاصی یک بانک را به مشتری پیشنهاد دهد، معاملات بیشتری را تشویق کند یا محصولاتی را معرفی کند که کارمزد بالاتری برای مؤسسه مالی ایجاد میکنند.
بار همچنین درباره استفاده از دادههای جایگزین در اعتبارسنجی مشتریان هشدار داد. اطلاعاتی مانند پرداخت اجارهبها، قبوض خدمات عمومی و سوابق اشتغال میتوانند به گسترش دسترسی افراد به تسهیلات اعتباری کمک کنند؛ اما اگر این اطلاعات بهدرستی مدیریت نشوند، ممکن است بهصورت غیرمستقیم موجب تبعیض در تصمیمگیریهای اعتباری شوند.
از نظر وی، مؤسسات مالی باید از فناوریهای هوش مصنوعی توضیحپذیر استفاده کنند، عملکرد مدلها را بهصورت مستمر از نظر عدالت و تبعیض بررسی کنند و امکان اعتراض مشتریان به تصمیمهای اعتباری را فراهم آورند.
خطر خروج سریع سپردهها با فعالیت عاملهای هوشمند
یکی از نکات قابل توجه سخنرانی این مقام فدرال رزرو، هشدار درباره فعالیت عاملهای هوشمند یا ایجنتهای هوش مصنوعی (AI Agents) در عملیات بانکی بود.
وی اعلام کرد: برخی بانکهای بزرگ گزارش دادهاند که با مواردی مواجه شدهاند که در آن عاملهای هوش مصنوعی تلاش کردهاند در حسابهای مشتریان اقداماتی انجام دهند، بدون آنکه بانک بتواند اصالت درخواست، رضایت مشتری یا انطباق اقدام با دستور واقعی او را تأیید کند.
بار همچنین هشدار داد: عاملهای هوشمند ممکن است در دورههای بحران مالی، سرعت خروج سپردهها از بانکها را افزایش دهند. در شرایط سنتی، انتقال سپردهها مستلزم آن است که مشتری شخصاً تصمیم بگیرد و عملیات بانکی را انجام دهد. اما با توسعه عاملهای هوشمند، این سیستمها ممکن است بهصورت خودکار اختلاف نرخ سود سپردهها یا نشانههای بیثباتی بانکها را شناسایی کرده و در مدت بسیار کوتاهی منابع مالی مشتریان را به مؤسسات دیگر منتقل کنند. چنین وضعیتی میتواند سرعت هجوم بانکی را افزایش دهد و حتی در عرض چند دقیقه، فشار نقدینگی شدیدی بر بانکها وارد کند؛ در حالی که ابزارهای سنتی مدیریت نقدینگی و مداخله نظارتی ممکن است برای واکنش به چنین سرعتی آمادگی کافی نداشته باشند.
ضرورت تدوین چارچوبهای نظارتی پیش از گسترش بیشتر هوش مصنوعی
این مقام فدرال رزرو، در جمعبندی سخنان خود تاکید کرد: استفاده پایدار از هوش مصنوعی در نظام مالی مستلزم آن است که تصمیمهای مبتنی بر این فناوری از نظر حقوقی و عددی دقیق، قابل توضیح، قابل بازتولید و تحت کنترل مؤثر باشند.
وی معتقد است: موسسات مالی باید ضمن بهرهگیری از مزایای هوش مصنوعی، سازوکارهای مشخصی برای کنترل فعالیت عاملهای هوشمند، احراز هویت، دریافت رضایت صریح مشتریان و محدودکردن اختیارات سیستمهای خودکار ایجاد کنند.
او در پایان خاطرنشان کرد: نظام مالی میتواند از هوش مصنوعی برای افزایش کارایی، گسترش دسترسی به خدمات و کاهش هزینهها بهره ببرد، اما این مسیر نباید به تقویت تبانی الگوریتمی، دستکاری بازار، افزایش نوسانات یا شکلگیری مخاطرات سیستمی منجر شود.
این سخنرانی نشان میدهد از نگاه سیاستگذاران پولی آمریکا، هوش مصنوعی دیگر صرفا یک ابزار فناورانه برای افزایش بهرهوری مؤسسات مالی نیست، بلکه به عاملی اثرگذار بر ساختار معاملات، مدیریت نقدینگی، امنیت سایبری و ثبات کل نظام مالی تبدیل شده است.
انتهای پیام/
اکو ایران | ECO IRAN
ترکیه | Turkiye
آذربایجان| Azerbaijan
ترکمنستان|Turkmenistan
تاجیکستان|Tajikistan
قزاقستان |Kazakhstan
قرقیزستان |Kyrgyzstan
ازبکستان |Uzbekistan
افغانستان |Afghanistan
پاکستان | Pakistan
بانک مرکزی
بانک ملّی ایران
بانک ملّت
بانک تجارت
بانک صادرات ایران
بانک ایران زمین
بانک پاسارگاد
بانک آینده
بانک پارسیان
بانک اقتصادنوین
بانک دی
بانک خاورمیانه
بانک سامان
بانک سینا
بانک سرمایه
بانک کارآفرین
بانک گردشگری
بانک رسالت
بانک توسعه تعاون
بانک توسعه صادرات ایران
قرض الحسنه مهر ایران
بانک صنعت و معدن
بانک سپه
بانک مسکن
رفاه کارگران
پست بانک
بانک مشترک ایران و ونزوئلا
صندوق توسعه ملّی
مؤسسه ملل
بیمه مرکزی
بیمه توسعه
بیمه تجارت نو
ازکی
بیمه ایران
بیمه آسیا
بیمه البرز
بیمه دانا
بیمه معلم
بیمه پارسیان
بیمه سینا
بیمه رازی
بیمه سامان
بیمه دی
بیمه ملت
بیمه نوین
بیمه پاسارگاد
بیمه کوثر
بیمه ما
بیمه آرمان
بیمه تعاون
بیمه سرمد
بیمه اتکایی ایرانیان
بیمه امید
بیمه ایران میهن
بیمه متقابل کیش
بیمه آسماری
بیمه حکمت صبا
بیمه زندگی خاورمیانه
کارگزاری مفید
کارگزاری آگاه
کارگزاری کاریزما
کارگزاری مبین سرمایه