Journal of Intelligent Marketing Management

Journal of Intelligent Marketing Management

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

Document Type : Excerpt from doctoral thesis

Authors
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.
JABM.3.2.15564.3514545.2594721
Abstract
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.
Keywords
Value creation
banking industry
data-driven theory
artificial intelligence

Subjects

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.  
Journal of Intelligent Marketing Management
Volume 6, Issue 4 - Serial Number 30
Winter 2026
Pages 237-257

  • Receive Date 13 August 2025
  • Revise Date 23 September 2025
  • Accept Date 05 October 2025