مدیریت بازاریابی هوشمند

مدیریت بازاریابی هوشمند

ارائه الگوی ارزش آفرینی در صنعت بانکداری با تاکید بر هوش مصنوعی

نوع مقاله : استخراج از رساله دکتری

نویسندگان
قاسم شیری 1
سید محمود هاشمی 2
صدیقه طوطیان اصفهانی 3
1 گروه تحصیلات تکمیلی مدیریت بازرگانی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.
2 گروه مدیریت بازرگانی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.
3 گروه مدیریت دولتی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.
JABM.3.2.15564.3514545.2594721
چکیده
هدف: این پژوهش با هدف ارائه الگوی ارزش‌آفرینی در صنعت بانکداری با تأکید بر هوش مصنوعی انجام شده است.
روش‌شناسی: تحقیق حاضر از نظر هدف، کاربردی و از نظر ماهیت، کیفی است. رویکرد پژوهش، گراندد تئوری بوده و داده‌ها از طریق مصاحبه عمیق با خبرگان گردآوری شد. جامعه آماری شامل اساتید دانشگاه و مدیران ارشد بانکی آشنا با موضوع بود. نمونه‌گیری به‌صورت نظری و هدفمند با استفاده از روش گلوله‌برفی صورت گرفت. پس از انجام ۱۸ مصاحبه، به دلیل تکرار مفاهیم و مقوله‌ها و عدم ظهور داده جدید، «اشباع نظری» محقق شد. برای سنجش روایی از روش صوری استفاده گردید؛ به این ترتیب که پرسش‌ها و کدگذاری‌ها توسط استادان راهنما، مشاور و خبرگان تأیید شد. همچنین پایایی داده‌ها از طریق توافق درون‌موضوعی بررسی شد و ضریب ۸۸/۹۷ درصد به دست آمد که نشان‌دهنده قابلیت اعتماد نتایج است.
یافته‌ها: تحلیل داده‌ها نشان داد تحقق ارزش‌آفرینی مبتنی بر هوش مصنوعی در بانکداری نیازمند مجموعه‌ای از شرایط علّی، زمینه‌ای و مداخله‌گر است. توسعه زیرساخت‌های فناورانه و داده‌محور، توانمندسازی منابع انسانی، تأمین مالی پایدار، الزامات قانونی و ارتقای امنیت داده‌ها از جمله شرایط علّی کلیدی بودند. علاوه بر این، ادغام تدریجی بانکداری سنتی با الگوهای نوین مبتنی بر هوش مصنوعی به عنوان یک ضرورت حیاتی شناخته شد. شرایط زمینه‌ای به محدودیت‌های ساختاری و کیفیت داده‌ها مربوط بود و شرایط مداخله‌گر شامل نقش نهادهای حاکمیتی، فشارهای بین‌المللی، فرهنگ سازمانی و روندهای جهانی فناوری بود.
نتیجه‌گیری: بر مبنای یافته‌ها، راهبرد کلان «پیاده‌سازی جامع‌نگر، ایمن، شفاف، منعطف و مبتنی بر یادگیری سازمانی در بانکداری هوشمند» تدوین شد. اجرای این راهبرد می‌تواند پیامدهایی نظیر اعتبارسنجی هوشمند مشتریان، بهبود تجربه کاربری، ارتقای امنیت داده‌ها، کاهش هزینه‌های عملیاتی و افزایش اعتماد عمومی را به دنبال داشته باشد. در نهایت، حرکت نظام بانکی ایران به سوی ارزش‌آفرینی با بهره‌گیری از هوش مصنوعی نه تنها موجب ارتقای بهره‌وری و کاهش ریسک‌ها می‌شود، بلکه بستر لازم برای ایجاد مزیت رقابتی پایدار و تقویت جایگاه بانک‌ها در سطح ملی و بین‌المللی را فراهم می‌آورد.
کلیدواژه‌ها
ارزش آفرینی
صنعت بانکداری
نظریه داده بنیاد
هوش مصنوعی

موضوعات

عنوان مقاله English

Proposing a Value Creation Model for the Banking Industry with an Emphasis on Artificial Intelligence

نویسندگان English

Ghasem Shiri 1
Seyyed Mahmoud Hashemi 2
Sedeghe Tootian Esfahani 3
1 Graduate Department of Business Administration, North Tehran Branch, Islamic Azad University, Tehran, Iran.
2 Department of Business Administration, North Tehran Branch, Islamic Azad University, Tehran, Iran.
3 Department of Public Administration, West Tehran Branch, Islamic Azad University, Tehran, Iran.
چکیده English

Objective: The purpose of this research is to present a value creation model in the banking industry with an emphasis on artificial intelligence.
Methodology: The present research is applied in terms of purpose and qualitative in method. A grounded theory approach was adopted through interviews with experts, followed by open, axial, and selective coding. The statistical population consisted of experts familiar with the research topic (university professors and senior banking managers). Sampling was theoretical and purposive using the snowball method. A total of 18 interviews were conducted until “theoretical saturation” was achieved, meaning no new qualitative data appeared. To assess validity, interview questions and coding were reviewed and approved by supervisors, consultants, and other experts. Reliability was calculated using the intra-subject agreement method. Since the coefficient was 88.97 (above 60%), the reliability of the interviews was confirmed.
Findings: The results showed that realizing AI-based value creation in the banking industry requires diverse and interrelated conditions. Among causal conditions, the most important were technological and data-driven infrastructure, continuous training of human resources, sustainable financing, legal support, and enhanced data security. The gradual integration of traditional banking with AI-based models was also identified as a critical prerequisite. Contextual conditions were mainly related to challenges in the traditional banking system and data quality limitations, while intervening conditions included the role of governance institutions, international requirements, organizational culture, and global technology trends.
Conclusion: Based on these findings, the macro strategy of the research was formulated as “comprehensive, secure, transparent, flexible, step-by-step, and organizational learning-based implementation of AI in banking.” Implementation of this strategy can result in valuable outcomes such as intelligent customer validation, improved user experience, enhanced data security, reduced operational costs, and increased public trust. The results indicate that the move of the Iranian banking system toward AI-based value creation not only improves productivity and reduces risks but also provides a foundation for sustainable competitive advantage and stronger positioning in national and international contexts.

کلیدواژه‌ها English

Value creation
banking industry
data-driven theory
artificial intelligence
احمدی، س.؛ رضایی، م.؛ محمدی، ع. (1401). ارزش‌آفرینی در سازمان‌های دیجیتال: تحلیل رویکردی. فصلنامه مدیریت نوآوری، 12(4)، 112-135.
آقا اشرفی، م. (1403). اثربخشی چت‌بات‌های هوش مصنوعی. مجله نوآوری‌های مالی، 11(2)، 89-110.
ابراهیمی، م. (1399). تأثیر پاندمی کرونا بر صنعت بانکداری ایران. فصلنامه اقتصاد مالی، 7(2)، 101-120.
اکبرالسادات، س.؛ اسماعیل‌پور، ح. (1401). کشف تقلب در بانکداری آنلاین. فصلنامه نوآوری‌های مالی، 7(2)، 89-110.
جعفری، ف.؛ حسینی، س.؛ کریمی، ح. (1400). پذیرش هوش مصنوعی در خدمات مالی: مطالعه‌ای مبتنی بر TAM. فصلنامه فناوری اطلاعات، 10(3)، 89–110.
حسن، س. و همکاران (1403). کاربردهای هوش مصنوعی در بانکداری: فرصت‌ها و چالش‌ها. فصلنامه نوآوری‌های مالی، 10(2)، 123-145.
رضایی، م.؛ احمدی، س. (1400). مدل‌های ارزش‌آفرینی در اقتصاد دیجیتال. تهران: انتشارات دانشگاه تهران.
رمضانی، ف. (1401). توانمندسازهای هوش مصنوعی در بانکداری. مجله مدیریت فناوری اطلاعات، 8(3)، 45-67.
سیدجوادین، س. ر. (1383). مبانی مدیریت منابع انسانی. تهران: انتشارات دانشگاه تهران.
سهیلی‌نیا، ع. (1403). کاربرد هوش تجاری در بانکداری الکترونیک. فصلنامه مدیریت فناوری اطلاعات، 12(1)، 45-67
ساستری، پ. (1400). تحول دیجیتال در بانکداری: نقش هوش مصنوعی. مجله فناوری‌های مالی، 8(1)، 33-47.
شوندی، م.؛ جاویدی، م. ج.؛ خواجه، س. (1403). روندهای استفاده از هوش مصنوعی در موسسات مالی و بانکداری هوشمند. گزارش سیاستی، دفتر توسعه فناوری‌های نوین و تحول دیجیتال وزارت ارتباطات و فناوری اطلاعات.
عبداللهی‌کیا، م. ر.؛ شایان، ع. (1403). تأثیر رویکردهای نوین در استفاده از هوش مصنوعی در صنعت بانکداری ایران: با تمرکز بر بانک ملی ایران. نشریه رویکردهای نوین در علوم مدیریت، 5(2)، 10-27 .
کاظمی، ن. (1400). کاربرد هوش مصنوعی در بانکداری نوین. فصلنامه اقتصاد دیجیتال، 6(4)، 123–145.
کریمی، ا.؛ محمدی، ع. (1400). تحول دیجیتال در بانکداری: فرصت‌ها و چالش‌ها. فصلنامه مدیریت مالی، 9(2)، 45–67.
کریمخانی، م.؛ مکرمی، ع. (1402). تأثیر هوش مصنوعی بر خدمات بانکی. مجله اقتصاد مالی، 8(1)، 101–123.
منجزی، ح. (1402). مدل پذیرش چت‌بات‌های بازاریابی. فصلنامه فناوری اطلاعات، 10(2)، 45-67.
مالکی، س. (1402). نقش هوش مصنوعی در تقویت برند. فصلنامه بازاریابی، 10(3)، 123–145
محمدی، س.؛ حسینی، م. (1402). هوش مصنوعی و کاربردهای آن در صنعت مالی. فصلنامه علوم داده، 5(1)، 23–45.
مرادیان، ف.؛ بهور، ش. (1403). بازدارنده‌های پذیرش هوش مصنوعی در خدمات بانکی (مطالعه موردی ایران). نشریه پژوهش‌های مدیریت فناوری اطلاعات، 12(2)، 75–98
هدایت، م. و ادریس، ف. (1403). ارزش‌آفرینی در بانکداری: نقش فناوری‌های نوین. مجله مدیریت کسب‌وکار، 12(4)، 89-102.
Adanjubi, T., & Odijide, F. (2024). AI frameworks for credit risk. International Journal of Banking, 15(2), 34–50.
Aldasoro, I., Gambacorta, L., Korinek, A., Shreeti, V., & Stein, M. (2024). Intelligent financial system: How AI is transforming finance (BIS Working Paper No. 1194). Bank for International Settlements.
Aldoseri, M., Al-Khalifa, A., & Al-Masri, H. (2024). AI and cybersecurity in Qatar’s banking. Journal of Financial Security, 12(3), 56–78.
Al-Zoubi,Haitham M. Et al.(2024), Utilizing Artificial Intelligence (AI) in enhancing customer-supplier relationship: An exploratory study in the banking industry,Growing Science, Volume 12 Issue 4 Pp. 2661-2672.
Akyazi, T., Goti, A., Oyarbide, A., Alberdi, E., & Bayon, F. (2020). A guide for the food industry to meet the future skills requirements emerging with Industry 4.0. Foods (Basel, Switzerland), 9(4), 492–504.
Atadoga, P., Okonkwo, C., & Eze, J. (2024). AI transformation in US banking. Journal of Banking Innovation, 9(2), 56–78.
Bhattacharya, S., & Sinha, R. (2022). AI-integrated banking. Journal of Banking Technology, 8(3), 45–67.
Boobier, T. (2020). AI and the future of banking. John Wiley & Sons Ltd.
Cordella, A., & Iannacci, F. (2010). Information systems in the public sector: The e-Government enactment framework. Journal of Strategic Information Systems, 19(4), 52–66.
Davis, F. D. (2015). Technology acceptance model: A framework for user adoption. Journal of Information Systems, 25(2), 34–56.
Douglas, R. (2024). AI implementation models in banking. Journal of Financial Technology, 10(1), 23–45.
Gandour, A. (2021). AI applications in banking. FinTech Review, 7(2), 23–45.
Gyau, E. B., Appiah, M., & Ampong, B. (2024). Transforming banking: Examining the role of AI technology innovation in boosting banks’ financial performance. International Review of Financial Analysis, 96, 103294. https://doi.org/10.1016/j.irfa.2024.103294
Innocent Naoma, C., Okafor, E., & Adebayo, A. (2024). AI in risk management: US vs. Nigeria. Global Finance Review, 14(2), 45–67.
King, B. (2018). Bank 4.0: Banking everywhere, never at a bank. London: Wiley.
Maske, S. (2024). AI and customer satisfaction. Journal of Consumer Research, 11(3), 78–90.
Mehta, Piyush & Jha, Ashok Kumar(2024), The Future Of Finance: Exploring The Role Of AI And Automation In Revolutionizing Indian Banking Processes, Educational Administration: Theory and Practice, 30(2),Pp. 492-499.
McKinsey & Company. (2024). Extracting value from AI in banking: Rewiring the enterprise. McKinsey Global Institute.
McKinsey Global Institute. (2023). The state of AI in 2023: Generative AI’s breakout year. McKinsey.
Moharrak, M., & Mogaji, E. (2025). Generative AI in banking: Empirical insights on integration, challenges, and opportunities in a regulated industry. Journal of Financial Technology & Innovation, 7(1), 34–57. https://doi.org/10.1016/j.jfti.2025.01.004
Mossavar Rahmani, Farhang and Zohuri,Bahman(2023), The Transformative Impact of AI on Financial Institutions, with a Focus on Banking, Journal of Engineering and Applied Sciences Technology, Volume 5(6),Pp. 1-6.
Omoge, A. P., Gala, P., & Horky, A. (2022). Disruptive technology and AI in the banking industry of an emerging market. International Journal of Bank Marketing, 40(6), 1217–1247.
Payne, E. H. M., Peltier, J., & Barger, V. A. (2021). Enhancing the value co-creation process: Artificial intelligence and mobile banking service platforms. Journal of Research in Interactive Marketing, 15(1), 68–85.
Porter, M. E., & Kramer, M. R. (2011). Creating shared value. Harvard Business Review, 89(1/2), 62–77.
Ryzhkova, M., Soboleva, E., & Sberbank Team. (2020). AI’s impact on banking in Russia. Journal of Financial Services, 5(3), 45–67.
Singh, S., & Pathak, R. (2020). AI-driven digital payments in India. Journal of Financial Innovation, 6(4), 34–56.
Smith, J., & Lee, P. (2021). Digital transformation in banking: AI-driven value creation. London: Routledge.
Umamaheswari, K., Rajesh, P., & Kumar, S. (2023). AI for banking efficiency. International Journal of Finance, 16(4), 23–45.
Velarde, J., Lopez, M., & Garcia, R. (2024). AI algorithms in banking. Financial Analytics Journal, 13(1), 34–56.
World Economic Forum. (2025). Artificial intelligence in financial services. WEF Insight Report.
Yalamati,Sreedhar(2023),Revolutionizing Digital Banking: Unleashing the Power of artificial Intelligence for Enhanced Customer Acquisition, Retention, and Engagement,International Journal of Management Education for Sustainable Developement,Vol.6,No.6,Pp. 351-370.  

  • تاریخ دریافت 22 مرداد 1404
  • تاریخ بازنگری 01 مهر 1404
  • تاریخ پذیرش 13 مهر 1404