بیشتر سال‌های کاری من، نوسازی کور بانکینگ (Core Banking Modernization) یعنی یک پرسش دشوار: کی سامانه مرجع حساب‌ها را عوض کنیم؟ در مهر ۱۴۰۵ این پرسش تغییر کرد. میان ۲۱ تا ۲۹ مهر، یک همکاری تجاری پیشنهاد داد ایجنت‌های هوش مصنوعی را روی همان کورهایی اجرا کند که بانک‌ها امروز دارند، یک بانک آمریکایی کوری بومیِ هوش مصنوعی را جایگزین سامانه قدیمی‌اش کرد، یک تأمین‌کننده کور بانکی هوش مصنوعی مولد را درون پلتفرم خودش آورد و بانک اسپانیایی BBVA اعلام کرد معماری تازه‌ای را برای کنترل ایجنت‌ها در حین اجرا بررسی می‌کند. کنار هم که بگذاریمشان، پیامشان این است که تصمیم اصلی دیگر فقط «پوشش بدهیم یا جایگزین کنیم» نیست؛ این است که وقتی نرم‌افزارهای عامل کار را به دست می‌گیرند، اختیار پول و داده باید کجا بماند.
چرا سامانه‌های کور بانکی قدیمی هنوز گلوگاه‌اند
سامانه کور بانکی همان پلتفرم پشتیبانی است که تراکنش‌های روزانه را پردازش می‌کند و حساب‌ها و سوابق را نگه می‌دارد. گزارش پژوهشی بانک فدرال رزرو کانزاس‌سیتی در اسفند ۱۴۰۲ (فوریه ۲۰۲۴) هنوز یکی از روشن‌ترین جمع‌بندی‌های این مسئله است. این گزارش می‌گوید بسیاری از مؤسسه‌های سپرده‌پذیر هنوز سامانه‌های کور قدیمی تا ۴۰ ساله دارند که روی سخت‌افزار مین‌فریم و با زبان‌های برنامه‌نویسی منسوخ اجرا می‌شوند، و بیشترشان به تأمین‌کنندگان کور وابسته‌اند؛ پس هر نوسازی‌ای به هماهنگی نزدیک با همین تأمین‌کنندگان نیاز دارد.
گزارش سه گزینه را شرح می‌دهد:
- جایگزینی کامل؛ پرریسک‌ترین و گران‌ترین مسیر که ممکن است چند سال طول بکشد و میلیون‌ها و حتی صدها میلیون دلار هزینه داشته باشد. کارشناسان آن را به «جراحی قلب باز» تشبیه کرده‌اند.
- جایگزینی مؤلفه‌به‌مؤلفه؛ هر بار یک بخش. گزارش به بانک Zions اشاره می‌کند که اول بخش وام و بعد سپرده را ارتقا داد، سامانه قدیم و جدید را هم‌زمان اجرا کرد و شعبه‌ها را یکی‌یکی منتقل کرد.
- پوشش یا تقویت (Wrapping) کور قدیمی با لایه‌ای نسل جدید که از راه API به آن وصل می‌شود؛ داده‌ها و فرایندهای قدیمی دست‌نخورده می‌مانند و ریسک معمولاً کمتر است، اما هزینه نگهداری چند سامانه هم‌زمان اضافه می‌شود.
این گزارش پیش از ایجنت‌ها نوشته شده و حرفی از آن‌ها نمی‌زند. اما هر کدام از خبرهای مهر دقیقاً روی یکی از همین سه گزینه می‌نشیند و برای یک مدیر، همین عینک مفیدترین عینک است.
مسیر اول: ایجنت‌های هوش مصنوعی روی کور موجود
در ۲۸ مهر ۱۴۰۵ (۲۰ اکتبر ۲۰۲۶)، Sutherland و FlowX.AI همکاری تجاری‌ای را اعلام کردند که در آن Sutherland ایجنت‌های هوش مصنوعی را روی پلتفرم FlowX.AI برای بانکداری، بیمه و دیگر صنایع تحت نظارت در آمریکای شمالی و اروپا طراحی، مستقر و اداره می‌کند؛ آن هم «بدون جایگزینی سامانه‌های کور». FlowX.AI کتابخانه‌ای از بیش از ۲۲۰ ایجنت آماده سازمانی می‌آورد و Sutherland آن‌ها را به برنامه‌ها، داده‌ها و سامانه‌های کور موجود مشتری وصل می‌کند و سپس با قیمت‌گذاری مبتنی بر نتیجه، آن‌ها را بر اساس نتایج تجاری توافق‌شده اجرا و پایش می‌کند. در بانکداری، نخستین راهکارهای مشترک روی جذب مشتری، افتتاح حساب، وام‌دهی، ارزیابی وام مسکن، احراز هویت مشتری (KYC) و بررسی‌های مبارزه با پول‌شویی، ارزیابی ریسک جرائم مالی و حفظ مشتری متمرکزند.
FlowX.AI می‌گوید در استقرارهای عملیاتی پیشین، یک وام‌دهنده تجاری اروپایی ۸۰ درصد دست‌به‌دست شدن‌های دستی را در فرایند اعتباری حذف کرد و مؤسسه‌ای با بیش از چهار میلیون مشتری هزینه عملیاتی وام‌دهی را ۴۰ درصد کاهش داد. نام هیچ‌کدام اعلام نشده؛ برای همین من این‌ها را ادعای فروشنده می‌دانم، نه معیار سنجش.
در همین اطلاعیه جمله‌ای هست که ارزش دارد در هر سند نیازمندی کپی شود: ایجنت‌ها برای کار قابل‌اتکا در مقیاس بزرگ «باید به‌شکل امن به سامانه‌های موجود دسترسی داشته باشند، از قواعد کسب‌وکار پیروی کنند، اقدام‌هایشان را توضیح دهند، استثناها را مدیریت کنند و هر جا قضاوت یا تأیید لازم است، انسان را درگیر کنند.»
همین الگو جای دیگری هم دیده می‌شود. PYMNTS گزارش داد Kastle، پلتفرم ایجنت برای وام‌دهندگان مصرفی، ایجنت‌ها را «لایه اقدام» روی کورهای قدیمی توصیف می‌کند: بانک‌ها آن‌ها را با وظایف محدود شروع می‌کنند و دسترسی را به اندازه عملکردشان گسترش می‌دهند؛ مثلاً ایجنت وصول مطالبات می‌تواند پرداختی را ثبت کند اما نمی‌تواند آن را برگرداند. PYMNTS همچنین نوشت ایجنت‌ها می‌توانند از راه API، اتصال‌های Model Context Protocol (MCP) یا کار مستقیم با صفحه‌ها (Computer Use) به کور برسند، و تأمین‌کننده کور Mambu اتصال MCPای ارائه می‌کند که ایجنت‌ها از طریق آن بیش از ۳۰۰ عملیات API را جست‌وجو و اجرا می‌کنند و بانک تعیین می‌کند هر ایجنت مجاز به کدام عملیات است.
به زبان گزارش فدرال رزرو کانزاس‌سیتی، این همان «پوشش» است. سریع‌ترین مسیر به ارزش است و هر چه زیر آن باشد را هم به ارث می‌برد: پنجره‌های پردازش دسته‌ای، کیفیت داده و وابستگی به تأمین‌کننده کور.
مسیر دوم: جایگزینی کور با پلتفرمی بومیِ هوش مصنوعی
Emprise Bank در ویچیتای کانزاس راه مقابل را انتخاب کرد. این بانک در ۲۳ مهر ۱۴۰۵ (۱۵ اکتبر ۲۰۲۶) همکاری طراحی با Maximum، شرکت زیرساخت بانکی بومیِ هوش مصنوعی، را برای تحول سامانه کور بانکی‌اش اعلام کرد. استدلال Emprise این است که افزودن هوش مصنوعی به زیرساختی که برای دوره‌ای دیگر ساخته شده کافی نیست و می‌گوید این سرمایه‌گذاری باید امکان ده‌برابر کردن تعداد مشتریان را در ۲۴ ماه آینده همراه با بهبود حاشیه کارایی فراهم کند. به گزارش FinTech Futures، این بانک در دهه گذشته از کور FIS استفاده می‌کرد.
دو انتخاب طراحی برجسته است. اول، «کارکردهای کور بانکی قطعی، امن و کاملاً قابل ممیزی می‌مانند»، در حالی که عملیات پیرامون آن‌ها هوشمندتر و خودکارتر می‌شود و ایجنت‌های هوش مصنوعی در چارچوب مجوزها و حاکمیت مشخص کار می‌کنند. دوم، مهاجرت مرحله‌ای است: Emprise انتظار دارد نخستین ترافیک را تا پایان ۲۰۲۶ به پلتفرم جدید ببرد و سامانه‌های فعلی در تمام دوره گذار کنار پلتفرم جدید کار کنند. دارایی‌های Emprise بیش از ۲٫۸ میلیارد دلار است و حدود ۴۵۰ کارمند دارد؛ Maximum هم یک دور سرمایه‌گذاری اولیه ۳۰ میلیون دلاری را بسته است.
یعنی حتی در مسیر «جایگزینی» هم هوش مصنوعی مستقیم به دفتر کل دست نمی‌زند. هوش مصنوعی دور یک کور قطعی قرار می‌گیرد و مهاجرت با همان انضباط اجرای موازی پیش می‌رود که گزارش کانزاس‌سیتی درباره Zions شرح داده بود. جایگزینی‌های متعارف هم ادامه دارد: جمع‌بندی ماهانه FinTech Futures در مهر شامل قرارداد MyState Bank برای یکپارچه‌سازی روی TCS Bancs پس از ادغام با Auswide و تکمیل مهاجرت Chorley Building Society به TCS Bancs بود.
مسیر سوم: هوش مصنوعی درون پلتفرم تأمین‌کننده کور
گزینه سوم این است که خود تأمین‌کننده کور هوش مصنوعی را بیاورد. SBS در ۲۱ مهر ۱۴۰۵ (۱۳ اکتبر ۲۰۲۶) پلتفرم SBS AI Foundation را معرفی کرد و آن را نخستین پلتفرم هوش مصنوعی حاکمیتی (Sovereign AI) برای هوش مصنوعی مولد و عاملی در کور بانکینگ نامید. این پلتفرم روی زیرساخت انویدیا اجرا می‌شود؛ ریزسرویس‌های NIM لایه هوش مصنوعی را می‌سازند و NeMo Guardrails پاسخ‌ها را در محدوده الزامات نظارتی بانک نگه می‌دارد. بانک می‌تواند آن را روی ابر خصوصی، ابر مدیریت‌شده یا کاملاً درون‌سازمانی مستقر کند، بی‌آنکه داده از محیط خودش خارج شود. SBS می‌گوید این پلتفرم در Scottish Building Society روی AWS در حال بهره‌برداری است، زمان پاسخ را حدود ۳۰ تا ۴۰ درصد سریع‌تر کرده و گردش کارهای عاملی «در آینده نزدیک» اضافه می‌شوند.
SBS به آماری از Gartner استناد می‌کند که کل این بحث را خلاصه می‌کند: ۸۴ درصد سازمان‌های مالی هوش مصنوعی را پیاده کرده‌اند یا قصد دارند پیاده کنند، اما فقط ۷ درصد اثر زیاد یا بسیار زیاد گزارش می‌دهند. برای بانک‌هایی که زیر قواعد سخت‌گیرانه محل نگهداری داده هستند، استقرار حاکمیتیِ تعبیه‌شده در پلتفرم تأمین‌کننده می‌تواند سریع‌ترین راه عبور از این شکاف باشد، به بهای وابستگی بیشتر به نقشه راه یک تأمین‌کننده. راه دیگر، یعنی ساختن همین توان در خانه، و هزینه‌های واقعی‌اش را در مقاله راه‌اندازی LLM روی سرور شخصی بررسی کرده‌ام.
لایه گم‌شده: امنیت زمان اجرای ایجنت
هر سه مسیر یک شکاف مشترک دارند. ایجنتی که به سامانه‌های کور وصل است، بازیگری درون بانک است. کنترل‌های زمان طراحی لازم‌اند، اما برای نرم‌افزاری که خودش ترتیب اقدام‌هایش را انتخاب می‌کند کافی نیستند؛ این‌جاست که حاکمیت ایجنت هوش مصنوعی از سند سیاست به زیرساخت تبدیل می‌شود.
معماری مرجع OpenShell انویدیا که ۲۹ مهر ۱۴۰۵ (۲۱ اکتبر ۲۰۲۶) در GTC برلین معرفی شد، برای همین مسئله طراحی شده است. این معماری بر پایه نرم‌افزار متن‌باز OpenShell ساخته شده که مرزی امن برای اجرای ایجنت‌های خودمختار فراهم می‌کند، و پردازنده‌های BlueField-4 را اضافه می‌کند که چارچوب امنیتی NVIDIA Sentry را برای پایش پیوسته و خارج از مسیر رفتار ایجنت و اعمال سیاست در سطح سخت‌افزار اجرا می‌کنند. انویدیا می‌گوید اگر ایجنتی بخواهد از مرز نرم‌افزاری‌اش بیرون برود، Sentry ظرف چند میلی‌ثانیه آن را قرنطینه و متوقف می‌کند و لایه AI Passport شرکت ServiceNow می‌تواند دسترسی یک ایجنت را در نرم‌افزار و سخت‌افزار ظرف چند ثانیه لغو کند. این‌ها ادعاهای یک معرفی محصول‌اند؛ در اطلاعیه، BBVA و Santander از بانک‌هایی نام برده شده‌اند که با انویدیا این معماری را بررسی می‌کنند.
مستندات OpenShell درباره مرز نرم‌افزاری مشخص‌تر است. هر ایجنت در یک سندباکس ایزوله اجرا می‌شود؛ کنترل‌های سطح کرنل دسترسی به فایل و فراخوانی‌های سیستمی را محدود می‌کنند؛ هر اتصال شبکه پیش از خروج از سندباکس از بررسی سیاست می‌گذرد؛ و ایجنت هیچ‌وقت اعتبارنامه واقعی را نمی‌بیند، چون اعتبارنامه فقط به درخواست‌هایی افزوده می‌شود که به مقصدهای مجاز می‌روند. یک «اثبات‌گر سیاست» (Policy Prover) هم با درستی‌سنجی صوری، دسترسی‌های پرریسک تازه، مثل رسیدن به میزبانی جدید با اعتبارنامه یا فراخوانی یک متد API جدید، را علامت می‌زند تا این تغییرها منتظر بازبینی انسانی بمانند.
اطلاعیه خود BBVA که آن هم ۲۹ مهر منتشر شد، محتاطانه است: بانک قصد دارد با انویدیا این معماری را «بررسی» کند، در چارچوب راهبردش برای صنعتی کردن توسعه و استقرار ایجنت‌ها در کل سازمان. اما اصل ماجرا را روشن می‌گوید: چون ایجنت‌ها زنجیره‌ای از اقدام‌ها را انجام می‌دهند، امنیتشان «به چیزی بیش از کنترل‌های زمان طراحی نیاز دارد و به توانایی پایش تصمیم‌ها و اقدام‌هایشان در حین اجرا هم وابسته است.» به گفته Valentín Sánchez، مدیر ارشد امنیت BBVA: «هرچه این سامانه‌ها خودمختارتر می‌شوند، باید سازوکارهایی را که به ما امکان پایش فعالیتشان و حفظ کنترل را می‌دهند تقویت کنیم.»
هنوز هیچ بانکی نتایج عملیاتی استفاده از این لایه را منتشر نکرده و همان‌طور که FinTech Edition اشاره کرده، هیچ سندی پیشنهاد Sutherland و FlowX.AI را به OpenShell ربط نمی‌دهد. بانکی که یک سرویس ایجنت برای کورش و یک مرز زمان اجرا دور آن می‌خرد، این لایه‌ها را از تأمین‌کنندگان جداگانه کنار هم می‌گذارد و درزهای میان آن‌ها مسئولیت خود بانک است. با این حال جهت حرکت روشن است: مرزی که دور ایجنت کشیده می‌شود دارد به زیرساخت تبدیل می‌شود، نه یک پرامپت.
دیدگاه من: پرسش اصلی این است که اختیار کجا می‌ماند
پس از سال‌ها کار نزدیک به سامانه‌های بانکی مین‌فریم، من این خبرها را کمتر مسابقه فناوری و بیشتر بازطراحی اختیار می‌بینم. دفتر کل اعتمادش را از قطعی بودن به دست آورده است: ورودی یکسان، همیشه همان ثبت حسابداری را با ردپای ممیزی تولید می‌کند. ارزش ایجنت‌های هوش مصنوعی دقیقاً در این است که قطعی نیستند. معماری‌ای که جواب می‌دهد این دو ویژگی را از هم جدا نگه می‌دارد: ایجنت پیشنهاد می‌دهد، کور تصمیم را اجرا می‌کند.
چه بانک کورش را بپوشاند، چه جایگزین کند و چه هوش مصنوعی را از تأمین‌کننده کور بخرد، همین پرسش‌ها تعیین می‌کنند ایجنت هوش مصنوعی در بانکداری در مقیاس بزرگ امن است یا نه:
۱. مجوزها را به تراکنش‌های کور گره بزنید، نه به سامانه‌ها. برای هر ایجنت مکتوب کنید کدام عملیات کور را می‌تواند فراخوانی کند و کدام را هرگز. فهرست عملیات به‌ازای هر ایجنت در Mambu و قاعده «ثبت بله، برگشت نه» در Kastle همان سطح جزئیات درست است.
۲. جابه‌جایی پول را قطعی نگه دارید. ایجنت می‌تواند پرونده وام، تصمیم KYC یا دستور پرداخت را آماده کند؛ اما ثبت نهایی باید از همان مسیرهای تراکنشی اعتبارسنجی‌شده و تکرارناپذیر (Idempotent) بگذرد که انسان از آن استفاده می‌کند، با همان سقف‌ها. این روی دیگر همان مسئله مجوزدهی است که در مقاله پرداخت با ایجنت هوش مصنوعی در ۲۰۲۶ شرح داده‌ام.
۳. مرز را بیرون از ایجنت بگذارید. اعتبارنامه‌ها، خروجی شبکه و تغییر سیاست‌ها باید در اختیار لایه‌ای باشد که ایجنت نمی‌تواند تغییرش دهد؛ چیزی شبیه ناظر (Supervisor) و اثبات‌گر سیاست در OpenShell.
۴. روشن کنید دکمه توقف دست کیست. اگر یک اپراتور ایجنت‌های شما را با قیمت‌گذاری مبتنی بر نتیجه اداره می‌کند، قرارداد باید بگوید بانک، اپراتور یا تأمین‌کننده پلتفرم کدام‌یک می‌تواند ایجنت را متوقف کند، با چه سرعتی و تکلیف تراکنشِ در جریان چیست.
۵. پیش از امضای قیمت‌گذاری مبتنی بر نتیجه، خط مبنا بسازید. بدون اعداد پیش از ایجنت برای زمان چرخه، دست‌به‌دست شدن‌ها و نرخ خطا، تعهد به نتیجه معیاری برای مقایسه ندارد.
۶. ایجنت‌ها را روی کور خودتان بیازمایید. ارقام فروشنده از مؤسسه‌های بی‌نام، شاهدی برای محیط شما نیست. همان ایجنت‌ها، ابزارها و یکپارچگی‌هایی را که اجرا خواهید کرد ارزیابی کنید؛ همان‌طور که در مقاله بنچمارک ایجنت هوش مصنوعی در ۲۰۲۶ توضیح داده‌ام.
۷. موازی و مؤلفه‌به‌مؤلفه مهاجرت کنید. رویکرد Zions و Emprise به یک سو اشاره دارد: قدیم و جدید را کنار هم اجرا کنید و دامنه را فقط وقتی جابه‌جا کنید که اعداد پایدار بمانند.
۸. برای حاکمیت داده و خروج برنامه داشته باشید. بدانید پرامپت‌ها، داده‌های بازیابی‌شده و لاگ‌ها کجا پردازش می‌شوند و مطمئن شوید مالکیت و قابلیت انتقال داده در قراردادهای کور و هوش مصنوعی صریح نوشته شده است.
سخن پایانی
مهر ۱۴۰۵ بحث «پوشش یا جایگزینی» را تمام نکرد؛ اهمیتش را کم کرد. بانک‌ها هر دو را ادامه می‌دهند و اغلب هم‌زمان. آنچه پیشروها را جدا می‌کند این است که ایجنت‌هایشان درون مجوزهای مکتوب و روشن کار کنند، این مجوزها را لایه‌ای اعمال کند که ایجنت نمی‌تواند تغییرش دهد، و همه این‌ها روی دفتر کلی بنشیند که قطعی و قابل ممیزی می‌ماند. اگر لازم است کور را نوسازی کنید، اما اول اختیار را نوسازی کنید.
منابع
- Core Banking Systems and Options for Modernization، Julian Alcazar، Sam Baird، Emma Cronenweth، Fumiko Hayashi و Ken Isaacson، بانک فدرال رزرو کانزاس‌سیتی، ۹ اسفند ۱۴۰۲
- Sutherland and FlowX.AI Partner to Deliver Enterprise-Grade AI Solutions for Complex, Regulated Industries، Sutherland و FlowX.AI از طریق GlobeNewswire، ۲۸ مهر ۱۴۰۵
- Banks Add AI Agents, Keep Their 40-Year-Old Cores، PYMNTS، ۳۰ مهر ۱۴۰۵
- Emprise Bank Selects Maximum to Power Its Next Generation of Banking Infrastructure، Emprise Bank، ۲۳ مهر ۱۴۰۵
- October 2026: Top five banking technology stories of the month، Tyler Pathe، FinTech Futures، ۸ آبان ۱۴۰۵
- SBS Launches Banking's First Sovereign AI Platform، SBS، ۲۱ مهر ۱۴۰۵
- NVIDIA Launches OpenShell Reference Architecture for Safe AI Agents، اتاق خبر NVIDIA، ۲۹ مهر ۱۴۰۵
- OpenShell Architecture، مستندات NVIDIA OpenShell
- BBVA explores new approaches to AI agent security with NVIDIA، BBVA، ۲۹ مهر ۱۴۰۵
- Bank AI Agents Are Being Sold on Old Cores, With Boundaries Set at Runtime، Faizan Kalemundase، FinTech Edition، ۱ آبان ۱۴۰۵