شرح مسئله و اهداف شرکت برای تعریف پروژه

در نظام مالی ایران، اعتبارسنجی مشتریان و بنگاه‌ها عمدتاً بر پایه داده‌های بانکی و سوابق محدود تسهیلاتی انجام می‌شود. این مدل سنتی، به‌دلیل وابستگی به اطلاعات ناقص و غیر به‌روز، توانایی شناسایی دقیق رفتار مالی مشتریان را ندارد و منجر به عدم دسترسی بخش بزرگی از جامعه به تسهیلات و خدمات مالی می‌شود.

از سوی دیگر، ظهور فناوری‌های نوین مانند بلاک‌چین (Blockchain) و هوش مصنوعی (Artificial Intelligence) فرصت ایجاد نسل جدیدی از مدل‌های اعتبارسنجی را فراهم کرده است که مبتنی بر داده‌های توزیع‌شده، شفاف و غیرقابل‌دستکاری هستند. با استفاده از این فناوری‌ها، می‌توان داده‌های غیرمالی مانند تراکنش‌های کیف پول دیجیتال، رفتار خرید در سوپر‌اپلیکیشن‌ها، داده‌های اپراتوری، و حتی تعاملات تجاری در شبکه‌های مالی را به شاخص‌های قابل اندازه‌گیری برای اعتبارسنجی تبدیل کرد.

هدف از تعریف این پروژه، طراحی و توسعه پلتفرم اعتبارسنجی بومی مبتنی بر بلاک‌چین و هوش مصنوعی است که بتواند با جمع‌آوری، تجمیع و تحلیل داده‌های چندمنبعی، مدل‌های اعتبارسنجی هوشمند، شفاف و مقاوم در برابر جعل داده ایجاد کند.

اهداف کلان پروژه عبارت‌اند از:

• طراحی مدل‌های یادگیری ماشین برای تحلیل الگوهای رفتاری و مالی کاربران
  
  
• استفاده از بلاک‌چین برای ثبت و به‌اشتراک‌گذاری امن داده‌های اعتبارسنجی میان نهادهای مالی
  
  
• ایجاد زیرساخت داده‌ای قابل‌اعتماد و غیرقابل‌دستکاری برای امتیازدهی اعتباری
  
  
• توسعه مدل‌های ترکیبی اعتبارسنجی شامل داده‌های مالی، تراکنشی و غیربانکی
  
  
• افزایش شمول مالی از طریق فراهم‌سازی امکان اعتباردهی به افراد بدون سابقه بانکی
  
  

چالش‌های فنی و تخصصی پروژه

1. تجمیع و همگام‌سازی داده‌های چندمنبعی: داده‌های مالی، مخابراتی، تجاری و اجتماعی در سامانه‌های متفاوت ذخیره شده‌اند. ایجاد ساختار استاندارد و قابل‌اعتماد برای تبادل این داده‌ها از طریق بلاک‌چین، یک چالش فنی و نهادی جدی است.
   
   
2. طراحی مدل داده بلاک‌چینی برای اعتبارسنجی: باید مشخص شود چه نوع داده‌هایی بر روی زنجیره ذخیره شوند (on-chain) و چه داده‌هایی خارج از زنجیره (off-chain) نگهداری شوند تا هم امنیت و هم کارایی تضمین شود.
   
   
3. آموزش مدل‌های هوش مصنوعی بر داده‌های رمزنگاری‌شده: با توجه به الزامات حفظ حریم خصوصی، استفاده از روش‌هایی مانند Federated Learning یا Privacy-preserving AI برای آموزش مدل‌ها بر داده‌های غیرمتمرکز ضروری است.
   
   
4. ارزیابی صحت و اصالت داده‌ها: در معماری بلاک‌چینی، هر داده باید از نظر منبع و اعتبار تأیید شود. این نیازمند توسعه قراردادهای هوشمند برای تأیید و مهر زمانی (Timestamping) داده‌ها است.
   
   
5. طراحی شاخص‌های بومی اعتبارسنجی: برخلاف مدل‌های غربی که عمدتاً بر رفتار کارت اعتباری تکیه دارند، در ایران باید شاخص‌هایی مبتنی بر پرداخت‌های موبایلی، رفتار خرید دیجیتال، اشتراک‌گذاری داده در پلتفرم‌های فین‌تک و تعامل با خدمات اپراتوری طراحی شوند.
   
   
6. چالش توازن میان شفافیت و حریم خصوصی: در سیستم‌های بلاک‌چینی، داده‌ها شفاف و دائمی هستند؛ اما باید از رمزنگاری پیشرفته و سطوح دسترسی تفکیک‌شده استفاده شود تا اطلاعات شخصی کاربران فاش نشود.
   
   

فازهای عملیاتی پیشنهادی:

• فاز ۱: تحقیق در مدل‌های جهانی اعتبارسنجی مبتنی بر داده‌های غیرسنتی و طراحی معماری مفهومی
  
  
• فاز ۲: طراحی شبکه بلاک‌چین خصوصی برای ذخیره و تبادل داده‌های اعتبارسنجی
  
  
• فاز ۳: توسعه الگوریتم‌های یادگیری ماشین و مدل‌های هوش مصنوعی برای امتیازدهی
  
  
• فاز ۴: طراحی API برای اتصال نهادهای مالی و فین‌تک‌ها به شبکه اعتبارسنجی
  
  
• فاز ۵: ارزیابی عملکرد، تست امنیت داده و توسعه نسخه قابل‌استقرار در سطح ملی
  
  

نوآوری محصول نسبت به محصولات مشابه در کشور/شرکت

1. اولین مدل ترکیبی اعتبارسنجی مبتنی بر بلاک‌چین و هوش مصنوعی در ایران: پروژه با تلفیق دو فناوری کلیدی، مدلی از اعتبارسنجی غیرمتمرکز و قابل اعتماد ارائه می‌دهد که داده‌ها در زنجیره ثبت و تحلیل می‌شوند.
   
   
2. اعتبارسنجی رفتاری بر پایه داده‌های غیربانکی: برخلاف سامانه‌های موجود مانند شرکت مشاوره رتبه‌بندی اعتباری ایران که صرفاً داده بانکی را تحلیل می‌کنند، این پلتفرم از داده‌های اپراتوری، پرداخت موبایلی، و تعاملات دیجیتال نیز استفاده می‌کند.
   
   
3. شفافیت و قابلیت ردیابی داده‌ها: ثبت تاریخچه داده‌های اعتبارسنجی در بلاک‌چین باعث جلوگیری از دستکاری، تکرار یا حذف سوابق اعتباری می‌شود.
   
   
4. استفاده از هوش مصنوعی تطبیقی: مدل‌های یادگیری ماشین به‌صورت مستمر از داده‌های جدید یاد می‌گیرند و در بازه‌های زمانی مشخص به‌روزرسانی می‌شوند تا دقت امتیازدهی افزایش یابد.
   
   
5. مدل نظارت هوشمند (RegTech): سیستم قابلیت ارائه گزارش‌های تحلیلی بلادرنگ به بانک مرکزی و نهادهای نظارتی را دارد تا روند ریسک اعتباری به‌صورت پویا ارزیابی شود.
   
   
6. قابلیت همکاری با سایر پلتفرم‌های مالی: این زیرساخت می‌تواند به‌عنوان پایه‌ای برای خدماتی مانند وام‌دهی دیجیتال (Digital Lending)، بیمه هوشمند (InsurTech) و پرداخت اعتباری (Buy Now Pay Later) مورد استفاده قرار گیرد.
   
   

مقیاس پروژه

مقیاس فنی: در فاز اول، پروژه می‌تواند در مقیاس محدود بین چند نهاد مالی، اپراتور و پلتفرم فین‌تک اجرا شود و پس از ارزیابی عملکرد، در مقیاس ملی توسعه یابد. ساختار ماژولار آن امکان اتصال سایر ذی‌نفعان (بانک‌ها، بیمه‌ها، نهادهای اعتبارسنجی) را در آینده فراهم می‌کند.

مقیاس اقتصادی: اجرای این پروژه باعث افزایش دقت در تخصیص منابع اعتباری، کاهش نکول تسهیلات، و گسترش دسترسی به اعتبار برای اقشار بدون سابقه بانکی می‌شود. در بلندمدت، می‌تواند به بهبود شاخص شمول مالی (Financial Inclusion) کشور منجر شود.

کاربران نهایی:

• بانک‌ها و مؤسسات اعتباری برای ارزیابی ریسک مشتریان
  
  
• شرکت‌های فین‌تک و BNPL برای تصمیم‌گیری در اعطای اعتبار
  
  
• نهادهای ناظر برای تحلیل وضعیت اعتباری بازار
  
  

تأثیر کلان:

• افزایش شفافیت در نظام مالی و جلوگیری از جعل سوابق اعتباری
  
  
• گسترش دسترسی به تسهیلات خرد و کاهش تبعیض اطلاعاتی
  
  
• توسعه بازار اعتبار مبتنی بر داده و هوش مصنوعی
  
  
• تقویت زیرساخت بومی اعتماد دیجیتال در نظام اقتصادی کشور
  
  

جمع‌بندی فازبندی پیشنهادی پروژه

فاز	عنوان فاز	خروجی کلیدی	نوع فعالیت
۱	مطالعه تطبیقی مدل‌های جهانی اعتبارسنجی هوشمند	گزارش تحلیلی و مدل مفهومی بومی	Research
۲	طراحی شبکه بلاک‌چین خصوصی برای داده‌های اعتبارسنجی	معماری شبکه، نودها و پروتکل امنیتی	Design
۳	توسعه الگوریتم‌های یادگیری ماشین و امتیازدهی هوشمند	مدل‌های AI و ماژول تحلیل داده	Development
۴	طراحی API و لایه اتصال نهادهای مالی	پلتفرم اشتراک داده و خدمات اعتبارسنجی	Integration
۵	ارزیابی عملکرد، تست امنیت و استقرار ملی	گزارش نهایی عملکرد و مدل تجاری	Validation

ملاحظات چارچوب پروپوزال ارسالی:

نگاه ماژولار و فازبندی:

به توجه به نوع تامین مالی پروژه که مبتنی بر اعتبار مالیاتی بانک مرکزی که عطف به تفاهم نامه بانک مرکزی و معاونت علمی ریاست جمهوری است، پروپوزال تهیه شده باید ساختار فازبندی شده و ماژولار داشته باشد و برای بازه زمانی یک ساله طراحی شده باشد و از سوی دیگر خروجی های هر فاز یا ماژول قابل اندازه گیری و بررسی باشد. از این رو ساختار فازبندی پیشنهادی در RFP موجود ارائه شده است با توجه به دانش و تجربه شرکت ارسال کننده پروپوزال، قابلیت بهبود و اصلاح دارد.

نگاه مالی مبتنی بر تحقیق و توسعه:

باتوجه به ماهیت R&D این پروژه و اهمیت سهم تحقیق برای نوآوری نسبت به راهکارهای موجود در بازار یا نمونه های بین المللی، باید بیش از 40 درصد ارزش پروژه باید برای مصارف مربوط به تحقیقات مورد نیاز برای توسعه محصول باشد. میزان سطح نوآوری و بخشی از محصول / پروژه که نسبت به راهکارهای حال حاضر نوآورانه است، تصریح و شفاف شود.

سرفصل هزینه کرد موردپذیرش:

باتوجه به نوع تامین مالی پروژه، باید محل مصرف منابع تامین شده عطف به آیین نامه های معاونت علمی و فناوری ریاست جمهوری برای پروژه های R&D در موضوعات ذیل باشد:

• تهیه و اجاره فضای کار اختصاصی تحقیق و توسعه: هزینه اجاره فضای تحقیق و توسعه با اولویت استقرار در زیست بوم نوآوری متناسب با پروژه تحقیق و توسعه

• ماشین آلات و تجهیزات: معادل استهلاک سالیانه ماشین آلات و تجهیزات در صورتی که نصب و راه اندازی شده باشد.

• نیروی انسانی : معادل حقوق و مزایای مندرج در لیست بیمه تامین اجتماعی برای نیروی انسانی مستقیم در پروژه های تحقیق و توسعه تا سقف حداکثر دستمزد مشمول کسر حق بیمه 

• مواد اولیه و قطعات مصرفی : مواد اجزاء و قطعات به میزان متناسب برای تولید آزمایشی به تعداد محدود برای ساخت نمونه اولیه و به میزان به کار رفته برای ساخت واحد آزمایشی

• تاییدیه ها و استانداردها: 

• هزینه آزمون ها و تست ها برای تحقیق و توسعه 

• استانداردهای ویژه و اختصاصی بر روی محصولات و خدمات مرتبط با پروژه مورد نظر 

• هزینه ثبت پتنت بین المللی  

• همکاری فناورانه: هزینه کرد قرارداد با شرکت های دانش بنیان و فناور دانشگاه ها و مراکز پژوهشی با تایید دبیرخانه و در چارچوب سرفصل های مورد تایید هزینه کرد در پروژه های تحقیق و توسعه

در پروپوزال ارسالی، پیشنهاد کلی نسبت به ساختار هزینه اعلام گردد.

 

تدقیق فازهای عملیاتی و ساختار هزینه کرد پس از ارزیابی شرکت های درخواست دهنده، با مشارکت ذینفعان بانک مرکزی و ناظران پروژه در همکاری با شرکت انجام خواهد شد.