لیلا پناهی منفرد

گسترش سریع فناوری های مالی، پیچیده تر شدن محیط های مقرراتی و افزایش حجم الزامات انطباق، چالش های مهمی را برای سازمان های مالی و بانکی ایجاد کرده است. روش های سنتی انطباق مقررات که عمدتاً مبتنی بر بررسی انسانی، سیستم های قاعده محور و فرآیندهای دستی هستند، دیگر توان پاسخگویی به حجم گسترده و پویای قوانین مالی را ندارند. در این میان، رگ تک به عنوان راهکاری نوین مبتنی بر فناوری های دیجیتال برای بهبود و خودکارسازی فرآیندهای نظارتی مطرح شده است. پژوهش حاضر با هدف توسعه یک چارچوب رگ تک هوشمند مبتنی بر پردازش زبان طبیعی برای انطباق خودکار مقررات مالی انجام شده است. این چارچوب با بهره گیری از تحلیل معنایی متون حقوقی، طبقه بندی اسناد مقرراتی و تطبیق سیاست های داخلی سازمان با الزامات قانونی، امکان شناسایی شکاف های انطباقی را فراهم می سازد. در این مدل از روش های پیشرفته یادگیری زبان و معماری های مبتنی بر ترنسفورمر برای پردازش متون پیچیده مقرراتی استفاده شده است. یافته های پژوهش نشان می دهد که چارچوب پیشنهادی مبتنی بر پردازش زبان طبیعی قادر است دقت و سرعت تحلیل مقررات را به طور قابل توجهی افزایش دهد. همچنین استفاده از این رویکرد موجب کاهش خطای انسانی، کاهش هزینه های انطباق و افزایش شفافیت در فرآیندهای نظارتی می شود. نتایج نشان می دهد که رگ تک هوشمند می تواند نقش مؤثری در بهبود حکمرانی مالی و کاهش ریسک های مقرراتی ایفا کند.