فناوری می‌تواند زبان خبرگزاری‌های سنتی را برای سیستم‌های مالی ترجمه کند

افزایش حجم اطلاعات و سرعت تولید داده در حوزه مالی، پردازش دستی خبر و تبدیل آن به خروجی قابل استفاده برای سامانه‌های تحلیلی را به چالشی جدی تبدیل کرده است. آرین آبسالان، بنیان‌گذار و مدیرعامل یک شرکت فناوری، در گفت‌و‌گو با نذیر کرمانتک درباره مسیری توضیح داد که از نیاز به کاهش بار نیروی انسانی آغاز شد و در ادامه به طراحی سامانه‌هایی برای جمع‌آوری، بازسازی و تولید خروجی‌های ساختاریافته از داده‌ها و اخبار مالی رسید.

ایده اولیه این فناوری از کجا شکل گرفت؟

ایده اولیه از یک نیاز شخصی در یکی از پروژه‌هایی که روی آن کار می‌کردم شکل گرفت. در آن پروژه با حجم بالایی از اطلاعات و اخبار از منابع مختلف روبه‌رو بودیم و نیاز داشتیم این داده‌ها سریع‌تر جمع‌آوری و پردازش شوند و در نهایت به خروجی قابل استفاده و قابل اتکایی برای سیستم‌ها تبدیل شوند.

در ابتدا هدف ما این بود که بخشی از بار نیروی انسانی را کم کنیم. مخصوصاً در حوزه مالی، حجم و سرعت تولید اطلاعات به اندازه‌ای است که نیروی انسانی نمی‌تواند به‌صورت ۲۴ ساعته و هفت روز هفته همه داده‌ها را جمع‌آوری، پردازش و به شکل مورد نیاز سیستم‌های مختلف آماده کند. به همین دلیل نیاز داشتیم سامانه‌هایی طراحی کنیم که بتوانند بخشی از این فرایند را به شکل خودکار انجام دهند.

تمرکز اصلی ما روی اخبار و داده‌های مالی است؛ حوزه‌ای که در آن تأخیر در دریافت، پردازش و آماده‌سازی اطلاعات می‌تواند باعث شود خروجی مورد نیاز یک سامانه یا کسب‌وکار با سرعت کافی در اختیارش قرار نگیرد.

این فناوری در ابتدا چه نقشی داشت و امروز به چه مرحله‌ای رسیده است؟

شروع کار بیشتر شبیه یک دستیار برای نیرو‌های انسانی بود؛ یعنی سامانه بخشی از فرایند جمع‌آوری و آماده‌سازی خبر و داده را انجام می‌داد تا کار برای کسانی که با اطلاعات مالی سروکار دارند ساده‌تر شود.

در ادامه و با توسعه پژوهش‌ها متوجه شدیم ظرفیت این فناوری می‌تواند فراتر از یک ابزار کمکی باشد. منظور من از دستیار در اینجا الزاماً هوش مصنوعی یا ایجنت‌های هوشمند نیست، بلکه سامانه‌ای است که بخشی از فرایند را برای نیروی انسانی ساده‌تر کند.

به‌تدریج به سمت طراحی سیستم‌های خودگردان حرکت کردیم؛ سیستم‌هایی که بتوانند بخش بیشتری از فرایند را بدون وابستگی مستقیم به نیروی انسانی انجام دهند. امروز این مسیر به جایی رسیده که دو اتاق خبر داریم و این اتاق‌های خبر کار بازسازی اطلاعات، بازسازی خبری و تولید خروجی از متن‌های ساده و داده‌های ازهم‌گسیخته را انجام می‌دهند تا نتیجه قابل استفاده‌ای برای کسب‌وکارها، سازمان‌های مالی و بخش فین‌تک فراهم شود.

وقتی از «اتاق خبر» صحبت می‌کنید، منظورتان رقیب خبرگزاری‌های سنتی است؟

خیر. وقتی از اتاق خبر صحبت می‌کنیم، بعضی خبرگزاری‌ها یا مجموعه‌ها تصور می‌کنند این فناوری قرار است رقیب خبرگزاری‌های سنتی باشد، اما چنین هدفی نداریم. اتفاقاً این فناوری را مکمل و تسهیل‌گر مسیری می‌دانیم که خبرگزاری‌های سنتی طی می‌کنند.

خبرگزاری سنتی کار خودش را ادامه می‌دهد، خبر تولید می‌کند و از شبکه منابع و گره‌های محلی خودش برای کسب اطلاعات استفاده می‌کند. مسئله از جایی شروع می‌شود که سیستم‌های مالی جدید یا سامانه‌های مبتنی بر داده قرار است این اخبار را مصرف کنند.

بسیاری از این سیستم‌ها نمی‌توانند متن ساده یک خبرگزاری را مستقیماً بفهمند یا در همه شرایط آن را بخزند و اطلاعات مورد نیاز خود را استخراج کنند. اینجا همان نقطه‌ای است که فناوری ما وارد عمل می‌شود و میان متن تولیدشده توسط رسانه و سامانه‌ای که قرار است آن را مصرف کند، یک لایه واسط ایجاد می‌کند.

این تبدیل خبر به زبان سیستم‌ها دقیقاً چگونه انجام می‌شود؟

در مدل کاری ما، خبرگزاری همچنان خبر را تولید می‌کند و فناوری در مرحله بعد متن خام یا همان متن ساده را دریافت و به خروجی‌ای تبدیل می‌کند که سیستم‌های مصرف‌کننده بتوانند به‌راحتی از آن استفاده کنند.

این سیستم مصرف‌کننده ممکن است یک کسب‌وکار مالی، داشبورد تحلیلی، سامانه انتشار یا هر سازمانی باشد که به داده و خبر مالی نیاز دارد. مسئله اصلی این است که خروجی خبر باید به شکلی ارائه شود که سیستم مقصد بتواند بفهمد چه اطلاعاتی در متن وجود دارد و باید چه کاری با آن انجام دهد.

توسعه‌دهندگان چنین سامانه‌هایی باید درک کنند که یک خبر چگونه باید به سیستم داده شود. در نتیجه، رسانه خبر را تولید می‌کند و فناوری ما آن را جمع‌آوری، بازسازی و به زبان قابل فهم برای سامانه‌ها ترجمه می‌کند.

چه نوع داده‌هایی از این فرایند تولید می‌شود؟

بخش مهمی از کار ما تبدیل متن‌های پراکنده و داده‌های غیرساختاریافته به خروجی‌هایی است که قابلیت استفاده مستقیم در سامانه‌های دیگر را داشته باشند. یک متن خبری ممکن است برای خواننده انسانی کاملاً روشن باشد، اما برای یک سیستم نرم‌افزاری الزاماً چنین نیست.

سامانه باید بتواند اطلاعات موجود در خبر را به شکلی بازسازی کند که اجزای مختلف آن برای سیستم مقصد قابل تشخیص باشد. هدف این است که داده و خبر از شکل صرفاً متنی خارج شود و به خروجی‌ای برسد که در فرایند‌های تحلیلی، مالی یا انتشار ماشینی قابل استفاده باشد.

همین موضوع باعث می‌شود رابطه میان خبر و سیستم‌های مالی از حالت دستی خارج شود و سرعت انتقال اطلاعات نیز افزایش پیدا کند؛ بدون اینکه نقش اصلی رسانه در تولید و صحت‌سنجی خبر کنار گذاشته شود.

آینده این حوزه را چگونه می‌بینید؟

به نظرم این فناوری هنوز مسیر زیادی برای توسعه دارد و شرکت‌های دیگری نیز روی موضوعات مشابه پژوهش و توسعه انجام می‌دهند. هر مجموعه‌ای که بتواند برای اکوسیستم داده‌های مالی ارزش ایجاد کند، می‌تواند بخشی از این مسیر باشد.

تصور ما این است که در آینده بخش بیشتری از ارتباطات میان سامانه‌ها به‌صورت مستقیم انجام می‌شود و سیستم‌ها بیش از گذشته با یکدیگر صحبت می‌کنند. در چنین فضایی، نیاز به فناوری‌هایی وجود دارد که بتوانند زبان یک سیستم را بفهمند و اطلاعاتی را که در قالب‌های سنتی تولید شده، به زبان قابل استفاده برای سامانه‌های مبتنی بر فناوری تبدیل کنند.

در نهایت هدف ما حذف یا جایگزینی رسانه‌های سنتی نیست، بلکه ایجاد پلی میان خبر تولیدشده توسط رسانه و سیستم‌هایی است که در اقتصاد و خدمات مالی امروز به داده‌های ساختاریافته، سریع و قابل پردازش نیاز دارند.