*جلد دوم | فصل ۵*
Embedded Finance سه خطر دارد:
**نامرئی بودن به نفع پلتفرم:** وقتی BNPL نامرئی است، مشتری بیشتر خرج میکند. آیا این خرج در توانش بود؟
**داده قدرت است و میتواند علیه صاحبش به کار برود:** قیمتگذاری متفاوت یا فروش اطلاعات به بیمهای که میخواهد او را رد کند.
**وابستگی به پلتفرم:** اگر همهی تاریخچهی مالی فاطمه در یک پلتفرم باشد، او نمیتواند بدون از دست دادن اعتبارش برود.
سه شرط برای اینکه این فناوری آزادی بدهد، نه قفس: **داده مال کاربر باشد، شفافیت وجود داشته باشد، و رقابت میان پلتفرمها زنده بماند.**
**تحلیل:** در این بحث، «طراحی» همه چیز است. همان معماری که فاطمه را آزاد میکند، میتواند او را در قفسی شیکتر از قبل نگه دارد. تفاوت در این است که چه کسی قواعد را مینویسد و چه کسی میتواند آنها را ببیند.
**جملهی کلیدی:** Embedded Finance میتواند آزادی بدهد، یا یک قفس نامرئی بسازد.
**سؤال برای شما:** اگر بخواهید یک «حق» برای کاربران خدمات مالی نامرئی بنویسید، آن حق چیست؟
—
*جلد دوم | فصل ۶*
نیویورک ۱۹۸۲. رابرت مشاور مالی است و مشتریهایش ثروتمندان شهرند. مشتری جدیدی میآید، رابرت میپرسد چقدر دارایی دارد و اگر عدد کافی نباشد، با لبخندی مؤدبانه میگوید: «متأسفانه الان ظرفیت نداریم.» این ظلم رابرت نبود؛ منطق اقتصادی بود. وقت یک مشاور خوب محدود است و باید به کسی برسد که بیشترین بازده را دارد.
تهران ۲۰۲۲. مریم نه ثروت کافی برای جذب یک رابرت دارد نه مشاور. اما یک دستیار هوش مصنوعی باز میکند و میپرسد: «آیا ماه بعد میتوانم سفر بروم؟» چند ثانیه بعد جواب دقیق میگیرد، بر اساس حساب، اقساط و الگوی هزینهاش.
**تحلیل:** مشاورهی مالی خوب تا چند دهه پیش یک کالای کمیاب بود، محفوظ برای کسانی که از قبل ثروتمند بودند. هوش مصنوعی میتواند اولین بار آن را به همه برساند. این یکی از معدود جاهایی است که یک فناوری جدید، بهطور مستقیم، یک امتیاز طبقاتی قدیمی را میشکند.
**جملهی کلیدی:** مشاورهی مالی خوب، یک کالای کمیاب بود، محفوظ برای کسانی که از قبل ثروتمند بودند.
**سؤال برای شما:** اگر یک مشاور مالی شخصی داشتید که همه چیز شما را میدانست، اولین سؤالتان چه بود؟
—
