غیرمتمرکزسازی در سیستم بانکداری و موسسات مالی چگونه اتفاق می‌افتد؟

بانکداری غیرمتمرکز مفهومی است که در پی ظهور ارزهای دیجیتال پدید آمد. دلیل این موضوع این است که ارزهای دیجیتال اولین دارایی‌های هوشمندی هستند که می‌توانند چنین ابزاری را پدید آورند. بسیاری از افراد، از بانکداری‌ غیرمتمرکز به‌عنوان بانکداری کریپتو (crypto banking) ‏یاد می‌کنند.‏ بانک‌های ارز دیجیتال (Cryptobanks) پلتفرم‌های غیرمتمرکزی هستند که خدمات رایج بانک‌های متمرکز‏‎، مانند اعطای وام و امتیازدهی اعتباری را ‏ارائه می‌دهند اما تمام واسطه‌هایی که یک بانک متمرکز از آن استفاده می‌کند را حذف می‌کنند. در واقع، اشخاصی که بانک به آن‌ها برای تائید وام و ساختار داده‌های مالی نیاز دارد، با قراردادهای هوشمند و سرویس‌های همتا به همتا در اکوسیستم بانکداری ارز دیجیتال جایگزین می‌شوند.‏ این نوع بانک به‌صورت یک رابط کامپیوتری روی دسکتاپ یا تلفن همراه شکل گرفته و ارزهای ‏مورد مبادله در این اکوسیستم، اکثرا ارزهای دیجیتال هستند.‏

تفاوت این نوع بانک‌ها با صرافی‌های غیرمتمرکز چیست؟

صرافی‌های غیرمتمرکز (DEX)، ارزها را مبادله کرده درحالی که، بانکداری‌ غیرمتمرکز، اعتبار یا اعتماد را ‏مبادله می‌کنند. صرافی‌‌ غیرمتمرکز که مفهوم جدیدی است، تراکنش‌های همتا به همتا بین دو کاربری که قصد مبادله‌ی ارز دارند را تسهیل می‌کند.‏ به عنوان مثال اگر محمد بخواهد ۶ اتر خود را در ازای ۵ بیت‌کوین بفروشد و علی بخواهد ۵ بیت کوین خود را در ازای ۶ اتر بفروشد، صرافی غیرمتمرکز بدون هیچ واسطه‌ای این معامله را برای آن‌ها ‏انجام می‌دهد.‏ در بانکداری کریپتو هم معاملات همتا به همتای غیرمتمرکز به روش مشابهی انجام می‌شوند اما هدف از این کار، اعطای وام است. ممکن است فرایند اعطای وام پیچیده‌تر به نظر برسد، اما اساساً هدف این است که فرایند تا حد ممکن به‌طور خودکار انجام شده و سرعت تراکنش‌ها به‌اندازه تراکنش‌های صرافی‌های غیرمتمرکز سریع باشد.

بانک‌های غیرمتمرکز از چه فناوری‌هایی استفاده می‌کنند؟

بانک‌های کریپتو از شبکه‌های همتا به همتا، بلاک چین، ارزهای دیجیتال، یادگیری ماشین، کلان داده و قراردادهای هوشمند استفاده می‌کنند. در ادامه به بررسی هر یک خواهیم پرداخت:

شبکه‌های همتا به همتا

در شبکه‌های همتا به همتا، شرکت‌کنندگان، کاربران خصوصی هستند نه نهادهای بانکداری. بانک کریپتو، یک وام‌گیرنده‌ واجد شرایط را به یک وام‌دهنده متصل می‌کند. رویکرد همتا به همتا بسیاری از فرایندهای وقت‌گیر اداری که بانک‌های متمرکز طی اعطای وام مجبور به انجام آن هستند را حذف می‌کند.

بلاک چین‌

تمام تراکنش‌ها روی بلاک چین ثبت می‌شوند. یک دفتر کل شفاف و غیرقابل تغییر داده‌ مورد نیاز کاربران را فراهم کرده و همچنین، الگوریتم‌های هوش مصنوعی ترکیب‌های مناسبی از وام دهندگان و وام گیرندگان را پیدا می‌کنند.

یادگیری ماشین و کلان داده

این فناوری‌ها به خودکاری‌سازی فرایند اعطای وام کمک کرده و فرایندهای اداری را حذف می‌کند. الگوریتم‌های هوش مصنوعی قادرند ۲۴ ساعته در هفت روز هفته کار کرده و وام دهنده‌گان و وام گیرندگان را به یکدیگر متصل کنند.

ارزهای دیجیتال

با اینکه‌ می‌توان از ارزهای رایج (فیات) در بانکداری غیرمتمرکز استفاده کرد، اما ارزهای دیجیتال بسیار کاراتر عمل خواهند کرد و آینده‌ی بانکداری غیرمتمرکز در گرو این ارزها خواهد بود. این ارزهای غیرمتمرکز مبتنی بر بلاک چین هستند و به‌خوبی تراکنش‌های دارایی‌ها را پیگیری می‌کنند.

قراردادهای هوشمند

قراردادهای هوشمند در بانکداری ارز دیجیتال کاربردهای مختلفی از جمله تبدیل ارزها، انعقاد قرارداد بین دو طرف و خودکارسازی انتقال سرمایه‌ها میان متقاضیان وام و وام ‌دهندگان‌ را دارند.

آیا بانک‌های غیرمتمرکز ارز اختصاصی خودشان را دارند؟

بله. ارزهای دیجیتال اختصاصی به جهانی‌شدن بانک کمک می‌کند. به عنوان مثال، دیتاریوس (Datarius)، اولین بانک کریپتوی همتا به همتای اجتماعی، از توکن اختصاصی خود به نام DTRC برای همه‌ی تراکنش‌ها استفاده می‌کند. این به ایجاد یک استاندارد برای سیستم پرداخت جهانی با قابلیت اعطای وام همتا به همتا کمک می‌کند. توکن ها به راحتی قابل تبدیل به دیگر ارزهای دیجیتال و همچنین ارزهای فیات هستند. ارز دیجیتال اختصاصی بر روی بلاک چین اختصاصی تعریف شده و بهای آن به مرور زمان افزایش می‌یابد. توکن به این ترتیب کاربرد عینی پیدا می‌کند که بسیار اهمیت دارد.

اعطای وام‌دهی همتابه‌همتا چقدر امن است؟

آیا یادگیری ماشین واقعا می‌تواند وام‌گیرنده‌ مناسب را بر اساس معیارهای وام‌دهنده پیدا کند؟ با وجود اینکه این فرایند خودکار است اما توابع متغیر بسیاری هستند که به وام‌گیرنده‌ها و وام‌دهنده‌ها اجازه می‌دهند خودشان طرف مقابل را انتخاب کنند. طبق مدل شرکت دیتاریوس، وام‌گیرندگان بر حسب تراکنش‌های تایید شده‌ی آنها از کم‌اعتبارترین وام گیرنده به سه دسته طبقه‌بندی می‌شوند. دسته‌ی اول وام‌گیرندگانی هستند که از کم‌ترین اعتبار برخوردارند و دسته‌ی آخر نیز آن‌هایی هستند که طبق بررسی‌های مدیریت ریسک کاملاً شفاف عمل می‌کنند. اشخاص کم اعتبار می‌توانند با نرخ بهره‌ی بالاتری وام گرفته و اعتبار کسب کنند و از طرف دیگر، آن‌هایی که از اعتبار بالایی برخوردارند می‌توانند با نرخ بهره‌ی کمتری وام بگیرند. این تصیم کاملا به خود وام‌دهنده بستگی دارد و این رویکرد همتا به همتا را شگفت‌انگیز می‌کند. در آینده، شاهد نرخ‌های بهره‌ی جدیدی بر اساس تعاملات انجام شده بین مردم در بانکداری غیرمتمرکز خواهیم بود.

اعطای وام اجتماعی به چه معناست؟

اعطای وام اجتماعی، برای تعیین امتیاز وام‌گیرنده جوانب زیادی را در نظر می‌گیرد. به لطف کلان داده و هوش مصنوعی، بانک‌های غیرمتمرکز برای تعیین مورد اعتماد بودن وام‌گیرنده، معیارهایی فراتر از امتیاز اعتباری آن‌ها را در نظر می‌گیرند. این معیارها شامل حد اعتماد، مدیریت اعتماد و رتبه‌های کاربران بوده که به هوش مصنوعی در تصمیم‌گیری راجع به صلاحیت وام‌گیرنده از یک وام‌دهنده‌ی خاص کمک می‌کند. به عنوان مثال، معیار حد اعتماد (Trust limit) این امکان را فراهم می‌کند تا بر اساس نیازمندی‌ها، گفته‌ها، رتبه‌های کاربران و گروه‌های کاربری به صورت خودکار وجه مورد نظر از کیف پول شما برداشت شود. این روش فرآیند اعطای وام‌های کوچک را خودکار می‌کند بر این اساس، کارت‌های اعتباری‌ای به وجود خواهند آمد که زمانی که موجودی حسابتان کافی نباشد، به صورت اتوماتیک از حد اعتماد شما کسر می‌گردد. این موضوع یکی از اصلی‌ترین نکات در فرآیند اجتماعی شدن محسوب شده و شما می‌توانید به هر کاربر در این سیستم اعتماد کنید.

یادگیری ماشین چه کمک‌های دیگری می‌کند ؟

هوش مصنوعی در بسیاری از مسائل سیستم بانکداری غیرمتمرکز مانند کلاهبرداری، پیش‌بینی، امتیازدهی و حسابداری می‌تواند مفید واقع شود. در ادامه هر یک را به صورت جداگانه بررسی خواهیم کرد.

مبارزه با کلاه‌برداری

فرآیند رهگیری تراکنش‌های مشکوک و افزایش‌ امتیاز ساختگی است. در این فرآیند، سیستم‌های خودکاری برای شناسایی کاربران غیر قابل اعتماد با احتمال کلاه‌برداری بالا وجود دارد. بانک کریپتو دیتاریوس (Daritus) نیز با استفاده از همین روش به سیستم امتیازدهی خود جنبه‌ی اجتماعی بخشیده است. هوش مصنوعی به حذف کلاه‌برداران کمک می‌کند و به کاربران امکان می‌دهد تا بر حسب امتیازاتی که تاکنون دریافت کرده‌اند و سابقه‌شان، نه صرفا موجودی حسابشان مورد قضاوت قرار گیرند.

پیش‌بینی

این گزینه به اعطاکنندگان وام اجازه می‌دهد تا متوجه‌ میزان خطر پذیرش وام‌گیرنده‌‌گان باشند. با استفاده از هوش مصنوعی حتی می‌توان زمان احتمالی اعطای وام به وام‌گیرنده را بر اساس اطلاعات فرد متقاضی پیش‌بینی کرد.

امتیازدهی

در هنگام اعطای وام میزان ریسک سنجیده می‌شود. این سنجش را می‌توان بر اساس طیف گسترده‌ای از کلان‌داده‌‌های مربوط به وام‌گیرنده انجام داد.

آیا دسترس‌پذیری این نوع سیستم از بانک‌های متمرکز بیشتر است؟

بانکداری غیرمتمرکز جهانی است. مزیت استفاده از ارزهای دیجیتال جهانی، اتوماسیون هوش مصنوعی و دسترسی آسان به تلفن همراه، همگی به این معنا هستند که کاربران از همه جای دنیا می‌توانند به بانک‌های غیرمتمرکز دسترسی داشته باشند. این نوع بانکداری همچنین موجب شکل‌گیری بازار گسترده‌ای برای وام‌های کوچک خواهد شد. سرویس اعطای وام‌های کوچک در میان استارت‌آپ‌های کشورهای درحال‌توسعه به افرادی که هیچ اعتباری در حساب خود ندارند اما افراد قابل‌اعتمادی در جامعه محسوب می‌شوند، رایج شده است. بانک‌های ارز دیجیتال قادرند یک بازار جهانی اعطای وام بزرگ بسازند که بانک‌های سنتی هرگز قادر نیستند به آن دست یابند. بانک‌های متمرکز محدودیت مکانی داشته و درگیر تشریفات اداری، بروکراسی و افرادی برای انجام امور پرداخت هستند در حالی که بانک‌های غیرمتمرکز این محدودیت‌ها را نداشته و در سطح جهانی مقیاس‌پذیر هستند. یک اقتصاد جهانی از طریق بانکداری جهانی شبیه‌سازی خواهد شد.

مزایای سیستم بانکداری غیرمتمرکز کدامند؟

در دنیای امروز ۲.۵ میلیارد نفر به بانک‌ها دسترسی ندارند؛ درحالی که تنها یک میلیارد نفر به تلفن همراه دسترسی ندارند. بانکداری غیرمتمرکز زیرساخت سیاری دارد که به افرادی محروم شانس داشتن حداقل یک بانک غیرمتمرکز را می‌دهد. کیف پول‌های ساده‌ی تلفن‌های همراه برای ذخیره‌ی ارزهای دیجیتال استفاده خواهند شد و برنامه‌های غیرمتمرکز به افراد زیادی فرصت دریافت وام و انجام کارهای بزرگ را می‌دهد. این بانک‌ها به جایگاهی خواهند رسید که بانک‌های متمرکز سنتی هرگز نمی‌توانند به آن دست پیدا کنند. حقیقت امر این است که با توجه به حضور بلاک چین و کاهش واسطه‌ها، بانکداری متمرکز سنتی رفته‌رفته از رده خارج خواهد شد.