تفسیر برنشتاین: عامل‌های مصرفی به یک روند تبدیل شده‌اند، کدام بخش از صنعت مالی در خطر است؟

خلاصه: بیمه و بانک‌ها تحت فشار قرار می‌گیرند، در حالی که شبکه‌های پرداخت بهره‌مند می‌شوند

TL;DR:

· عامل‌های هوش مصنوعی (AI Agent) ابتدا به محصولات مالی آسیب نمی‌زنند، بلکه به "تنبلی مصرف‌کننده" که صنعت مالی به آن وابسته است، ضربه می‌زنند. برنشتاین معتقد است که تمدید بیمه، سپرده‌های با نرخ بهره پایین، نقدینگی بلااستفاده کارگزاری‌ها و کارت‌های اعتباری ممکن است به دلیل بهینه‌سازی و مقایسه خودکار تحت فشار قرار گیرند.

· گلوگاه واقعی برنشتاین نه تکنولوژی، بلکه مجوز، اعتماد و مسئولیت است. بانک‌ها، کارگزاری‌ها و شرکت‌های بیمه هنوز کنترل حساب‌ها و داده‌ها را در دست دارند و مصرف‌کنندگان نیز بیشتر تمایل دارند که AI "در تصمیم‌گیری کمک کند"، نه اینکه کاملاً خودمختار عمل کند.

· تأثیر برنشتاین به طور یکنواخت اتفاق نخواهد افتاد. فشار بیشتری بر کسب‌وکارهایی که به وفاداری کاربران و هزینه‌های جابجایی وابسته‌اند وجود دارد، اما شبکه‌های پرداخت مانند ویزا و مسترکارت ممکن است به دلیل افزایش نیاز به تأیید هویت، توکنیزاسیون، کنترل ریسک و پردازش اختلافات بهره‌مند شوند.

· مهم‌ترین نکته در آینده برنشتاین این است که آیا عامل‌ها واقعاً "حق اجرا" را به دست می‌آورند یا خیر. این شامل میزان مجوز مصرف‌کننده، اینکه آیا مؤسسات مالی داده‌ها را به صورت باز ارائه می‌دهند و اینکه آیا معیارهای عملیاتی مانند نرخ تمدید بیمه، وفاداری سپرده‌ها و جمع‌آوری نقدینگی شروع به تغییر می‌کنند یا خیر.

یادداشت سردبیر: عامل‌های هوش مصنوعی مصرفی در حال حرکت از "کمک به کاربران در پاسخ به سوالات" به "انجام وظایف به جای کاربران" هستند. برنشتاین در گزارش اخیر خود اشاره کرده است که پس از راه‌اندازی Muse، این برنامه به سرعت به صدر فهرست اپ استور آمریکا رسید و تعداد دانلودها به حدود ۲.۸ میلیون رسید. کاربران شروع به استفاده از آن برای رزرو خدمات، لغو اشتراک، مقایسه بیمه، پر کردن فرم‌ها و تماس با خدمات مشتری کرده‌اند. در همین حال، تعدادی از سهام مالی که به وفاداری مصرف‌کننده و اصطکاک عملیاتی وابسته بودند، کاهش قابل توجهی را تجربه کرده‌اند.

نگرانی‌های بازار به وضوح این است که آیا عامل‌های هوش مصنوعی می‌توانند به طور مستقیم از بانک‌ها، شرکت‌های بیمه، کارگزاری‌ها و کارت‌های اعتباری عبور کنند. اما آنچه برنشتاین واقعاً مورد بحث قرار می‌دهد، نه تنها "جایگزینی تکنولوژی" است، بلکه یک سوال بنیادی‌تر است: اگر AI بتواند به طور مداوم برای مصرف‌کنندگان مقایسه قیمت، جابجایی محصولات و انتقال وجوه انجام دهد، آیا سودهایی که صنعت مالی در گذشته بر اساس تنبلی مصرف‌کننده، اصطکاک اطلاعات و هزینه‌های جابجایی ایجاد کرده است، شروع به فشرده شدن خواهد کرد؟

گزارش معتقد است که تمدید بیمه، سپرده‌های بانکی، نقدینگی بلااستفاده کارگزاری‌ها و وضعیت "کارت اعتباری اولویت‌دار" ممکن است تحت تأثیر قرار گیرند. اما این به این معنا نیست که عامل‌ها به زودی می‌توانند تصمیم‌گیری مالی را به طور کامل به عهده بگیرند. مؤسسات مالی هنوز کنترل حساب‌ها، داده‌ها و مجوزهای معاملاتی را در دست دارند و مصرف‌کنندگان نیز ممکن است تمایل نداشته باشند که پول خود را به طور کامل به AI بسپارند و چارچوب‌های مسئولیت و نظارت نیز به سرعت با پیشرفت تکنولوژی همگام نشده‌اند.

بنابراین، تأثیر این دور از عامل‌ها بر صنعت مالی ممکن است به طور کامل تخریبی نباشد، بلکه به بازتوزیع ارزش منجر شود: هرچه بیشتر به بخش‌هایی که به "عدم اقدام" مصرف‌کننده وابسته‌اند، فشار بیشتری وارد می‌شود؛ و هرچه زیرساخت‌هایی که تأیید هویت، امنیت پرداخت، کنترل ریسک و رابط‌های داده را ارائه می‌دهند، بیشتر باشد، احتمالاً مهم‌تر خواهند شد.

پس از راه‌اندازی Muse، بازار مالی به سرعت شروع به معامله در مورد یک سوال جدید کرد: اگر مصرف‌کنندگان یک عامل هوش مصنوعی داشته باشند که می‌تواند به طور مداوم برای آنها مقایسه قیمت، جابجایی محصولات، لغو اشتراک و حتی انتقال وجوه انجام دهد، مؤسسات مالی سنتی چگونه می‌توانند مشتریان خود را حفظ کنند؟

برنشتاین آمار نشان می‌دهد که از زمان راه‌اندازی Muse، بیمه، بانک‌های بزرگ و صادرکنندگان کارت‌های اعتباری، بانک‌های منطقه‌ای، کارگزاری‌ها و مؤسسات وام مسکن به طور متفاوتی کاهش یافته‌اند، که در این میان، شرکت‌های مرتبط با وام مسکن بیشترین کاهش را داشته‌اند؛ در حالی که تأثیر بر بخش پرداخت نسبتاً محدود بوده است.

منطق پشت این واکنش بازار چندان پیچیده نیست.

بخشی از سود صنعت مالی به این دلیل نیست که مصرف‌کنندگان همیشه تصمیمات اشتباهی می‌گیرند، بلکه به این دلیل است که مصرف‌کنندگان اساساً هرگز انتخاب‌های خود را بهینه نمی‌کنند.

و عامل‌های هوش مصنوعی احتمالاً دقیقاً همین را تغییر خواهند داد.

عامل‌های هوش مصنوعی ابتدا به "تنبلی مصرف‌کننده" در صنعت مالی ضربه می‌زنند

بیمه نمونه‌ای بارز است.

بسیاری از کاربران پس از پایان اعتبار بیمه‌نامه به طور مستقیم آن را تمدید می‌کنند، نه اینکه هر سال قیمت‌ها، دامنه پوشش و محصولات شرکت‌های مختلف را مقایسه کنند. تا زمانی که این عادت تمدید وجود داشته باشد، شرکت‌های بیمه فضای قیمتی معینی خواهند داشت.

بانک‌ها و کارگزاری‌ها نیز منطق مشابهی دارند.

مصرف‌کنندگان هر روز نرخ‌های سپرده مختلف بانک‌ها را مقایسه نمی‌کنند و همچنین به طور مداوم نقدینگی بلااستفاده در حساب‌های کارگزاری را مدیریت نمی‌کنند. بنابراین، سپرده‌های با بازده پایین می‌توانند به مدت طولانی در بانک باقی بمانند و کارگزاری‌ها نیز می‌توانند از خدمات جمع‌آوری نقدینگی (cash sweep) درآمد کسب کنند.

صنعت کارت‌های اعتباری نیز به عادت دیگری وابسته است.

مصرف‌کنندگان معمولاً از یک کارت اعتباری به مدت طولانی استفاده می‌کنند و این وضعیت "اولویت استفاده از یک کارت خاص" معمولاً به عنوان top-of-wallet شناخته می‌شود. بانک‌ها با استفاده از امتیازها، بازپرداخت‌ها و عادت‌های استفاده طولانی‌مدت، یک کارت را به انتخاب پیش‌فرض مصرف‌کننده در زمان پرداخت تبدیل می‌کنند.

عامل‌های هوش مصنوعی ممکن است به طور همزمان این مزایا را تضعیف کنند.

اگر عامل‌ها بتوانند به طور خودکار قیمت‌های بیمه را مقایسه کنند، به دنبال نرخ‌های بالاتر سپرده باشند، نقدینگی بلااستفاده کارگزاری‌ها را به محصولات با بازده بالاتر منتقل کنند، یا قبل از هر خرید، بازپرداخت‌ها، امتیازها و نرخ‌های مختلف کارت‌های اعتباری را مقایسه کنند، فرآیند "جستجو---مقایسه---جابجایی" که قبلاً نیاز به اقدام فعال مصرف‌کننده داشت، به طور قابل توجهی کاهش خواهد یافت.

بنابراین برنشتاین معتقد است که مدیریت خودکار نقدینگی ممکن است جابجایی سپرده‌ها را آسان‌تر کند و در نتیجه هزینه‌های تأمین مالی بانک‌ها را افزایش دهد و حاشیه سود خالص را فشرده کند؛ درآمد جمع‌آوری نقدینگی کارگزاری‌ها ممکن است تحت فشار قرار گیرد؛ و صادرکنندگان کارت‌های اعتباری ممکن است بخشی از مزایای top-of-wallet و عادت‌های استفاده طولانی‌مدت را از دست بدهند.

آنچه واقعاً در حال تغییر است، لزوماً خود محصولات مالی نیستند. بلکه هزینه‌های بهینه‌سازی محصولات مالی توسط مصرف‌کنندگان در حال کاهش است.

در گذشته، برای تغییر بیمه، مقایسه نرخ‌های پنج بانک، یا تحقیق در مورد اینکه کدام کارت اعتباری بیشترین بازپرداخت را دارد، مصرف‌کنندگان نیاز به صرف زمان و انرژی داشتند؛ اگر این کارها بتوانند توسط عامل‌ها به طور مداوم در پس‌زمینه انجام شوند، ارزش اقتصادی "تنبلی کاربران" ممکن است کاهش یابد.

اما آنچه عامل‌ها می‌توانند انجام دهند، به این معنا نیست که مجوز انجام آن را دارند

اگر این منطق را ادامه دهیم، به راحتی می‌توان به یک نتیجه افراطی رسید: عامل‌های هوش مصنوعی در نهایت از بانک‌ها، شرکت‌های بیمه و کارگزاری‌ها عبور کرده و به طور مستقیم تمام تصمیمات مالی را برای مصرف‌کنندگان انجام می‌دهند.

برنشتاین معتقد است که اوضاع به این سادگی نیست.

عامل‌های شخص ثالث با یک تناقض اساسی مواجه هستند: اگر بدون همکاری با بازرگانان و مؤسسات مالی، نمی‌توانند معاملات پیچیده را به درستی انجام دهند؛ اما اگر دسترسی آزاد به داده‌ها به معنای از دست دادن روابط مشتری، ورودی‌های معاملاتی یا بخشی از درآمد باشد، مؤسسات مالی دلیلی برای همکاری بدون قید و شرط ندارند.

بانک‌ها، کارگزاری‌ها و شرکت‌های بیمه هنوز چندین نقطه کنترل کلیدی را در دست دارند: ورود به حساب، تأیید هویت، مجوز داده‌ها، قیمت‌گذاری رسمی و اینکه آیا کاربر واجد شرایط استفاده از یک محصول خاص است یا خیر.

به همین دلیل است که برخی از پلتفرم‌ها شروع به محدود کردن دسترسی عامل‌ها کرده‌اند.

برنشتاین اشاره می‌کند که آمازون تصمیم به مسدود کردن Muse گرفته است، زیرا بین طرفین در مورد شناسایی هویت عامل و استفاده از اعتبار ورود کاربران اختلاف نظر وجود دارد؛ همچنین پلتفرم مقایسه بیمه Insurify نیز دسترسی Muse به قیمت‌ها را محدود کرده است، به این دلیل که بیمه تنها یک مقایسه ساده قیمت نیست---علاوه بر حق بیمه، اطلاعات زیادی از جمله مبلغ پوشش، فرانشیز، شرایط تخفیف، واجد شرایط بودن برای بیمه و افشای نظارتی وجود دارد. اگر عامل‌ها تنها یک "حداقل قیمت" را ارائه دهند، ممکن است مصرف‌کنندگان محصولی واقعی و قابل مقایسه دریافت نکنند.

این به این معناست که گلوگاه اصلی عامل‌های مالی در حال انتقال از "آیا مدل می‌تواند این کار را انجام دهد" به "چه کسی اجازه می‌دهد این کار انجام شود" است.

داده‌ها یکی از مهم‌ترین موانع است. مؤسسات مالی کنترل تأیید حساب، داده‌های حساب و مجوز اشتراک داده‌ها را در دست دارند، بنابراین برنشتاین احتمال دیگری را مطرح می‌کند که با "پلتفرم‌های هوش مصنوعی از بانک‌ها هزینه می‌گیرند" در تضاد است: آیا بانک‌ها در آینده به عامل‌ها هزینه دسترسی به داده‌ها خواهند پرداخت؟

گزارش به این نکته اشاره می‌کند که پیش‌تر در ایالات متحده، قوانین بانکداری باز تحت بخش ۱۰۳۳ به دنبال این بود که بانک‌ها از طریق API ایمن به صورت رایگان داده‌های حساب را به مصرف‌کنندگان و طرف‌های ثالث مجاز ارائه دهند؛ این قوانین بعدها با موانع مواجه شد و JPMorgan از آن زمان شروع به دریافت هزینه از تجمیع‌کنندگان داده برای دسترسی به داده‌های مشتری کرده است. برنشتاین معتقد است که در آینده، دسترسی به داده‌ها در اطراف عامل‌ها ممکن است با محدودیت‌ها، توافق‌های پرداخت و کنترل فعال مؤسسات مالی بر اینکه چه اطلاعاتی به عامل‌ها نمایش داده می‌شود، همراه باشد.

حتی اگر تکنولوژی و رابط‌های داده موجود باشند، خود مصرف‌کنندگان نیز محدودیت دیگری هستند.

یک نظرسنجی از TD Bank در سال ۲۰۲۶ که بر روی بیش از ۲۵۰۰ مصرف‌کننده آمریکایی انجام شد، نشان داد که ۵۵٪ از آنها از AI برای مدیریت مالی شخصی استفاده کرده‌اند، اما تنها ۱۸٪ مایلند که AI به طور مستقل تصمیمات مالی مهمی بگیرد. مصرف‌کنندگان به وضوح بیشتر به مدل "AI پیشنهاد می‌دهد، انسان حق تصمیم‌گیری نهایی را دارد" تمایل دارند.

نظرسنجی‌های دیگر نیز نتایج مشابهی را نشان می‌دهند. نظرسنجی ACI Worldwide و YouGov نشان می‌دهد که تنها ۷٪ از مصرف‌کنندگان آمریکایی و بریتانیایی مایلند که دستیار هوش مصنوعی بدون تأیید مستقیم خرید کند؛ نظرسنجی Accenture نیز نشان می‌دهد که ۳۲٪ مایلند که عامل در محدوده تعیین‌شده تصمیمات خرید را انجام دهد، اما در مرحله پرداخت واقعی، تنها ۱۲٪ مایلند که عامل به طور کامل تصمیم‌گیری کند.

بنابراین، شکل اولیه‌ای که عامل‌های مالی به طور گسترده به کار گرفته می‌شوند، ممکن است کاملاً خودمختار نباشد، بلکه: AI جستجو، مقایسه، فیلتر و آماده‌سازی اجرا را انجام می‌دهد و انسان در تصمیم‌گیری‌های مالی کلیدی و مراحل پرداخت حق تأیید را حفظ می‌کند.

مشکل پیچیده‌تر این است که به محض اینکه عامل‌ها واقعاً شروع به انجام معاملات کنند، مسائل مسئولیت نیز به وجود خواهد آمد.

آیا درخواست وام که عامل ارائه می‌دهد می‌تواند نمایانگر مجوز مؤثر مصرف‌کننده باشد؟ اگر عامل از داده‌های منقضی استفاده کند و محصولی را انتخاب کند که از نظر فنی واجد شرایط است، اما برای او مناسب نیست، خسارت در نهایت بر عهده کدام طرف خواهد بود: شرکت مدل، مؤسسه مالی یا مصرف‌کننده؟ اگر عامل شروع به مقایسه و توصیه بیمه یا محصولات سرمایه‌گذاری کند، در چه شرایطی ممکن است به عنوان مشاوره مالی تحت نظارت تلقی شود؟

برنشتاین این مسائل حل‌نشده را به چندین جنبه از جمله مجوز، شناسایی هویت، مشاوره مالی، مجوز، دسترسی به داده‌ها و مسئولیت تقسیم‌بندی کرده است.

بنابراین، بزرگ‌ترین تفاوت بین خدمات مالی و تجارت الکترونیک معمولی ممکن است این باشد: اینکه اجازه دهید عامل برای کاربران یک وعده غذایی سفارش دهد بسیار آسان است، اما اجازه دادن به آن برای تخصیص دارایی‌ها، درخواست وام یا خرید بیمه، نیاز به حل یک مجموعه کامل از مکانیزم‌های مجوز، اعتماد و مسئولیت دارد.

تأثیرات به طور یکنواخت اتفاق نخواهد افتاد: ویزا و مسترکارت ممکن است بهره‌مند شوند

به همین دلیل، تأثیر عامل‌های هوش مصنوعی بر صنعت مالی به طور یکنواخت توزیع نخواهد شد. اگر یک شرکت عمدتاً به تنبلی مصرف‌کننده، هزینه‌های جابجایی محصولات یا عادت‌های استفاده طولانی‌مدت وابسته باشد، ظهور عامل‌ها ممکن است برخی از مزایای آن را تضعیف کند.

اما برای شرکت‌های زیرساختی که مسئول حل مسائل تأیید هویت، امنیت پرداخت و مسئولیت معاملات هستند، منطق ممکن است کاملاً برعکس باشد.

ویزای و مسترکارت یکی از مثال‌های مورد علاقه برنشتاین هستند.

به طور شهودی، اگر عامل‌های هوش مصنوعی بتوانند به طور مستقل پرداخت کنند، سازمان‌های کارت ممکن است نادیده گرفته شوند. اما برنشتاین معتقد است که تجارت عامل‌محور (Agentic Commerce) به ویزا و مسترکارت به عنوان یک عامل مثبت عمل می‌کند.

دلیل این است که وقتی پرداخت از "عملیات دستی" به "عملیات ماشینی به نمایندگی از انسان" تبدیل می‌شود، مشکلات اعتماد که کل سیستم پرداخت باید حل کند، بیشتر می‌شود: چه کسی معامله را آغاز می‌کند؟ او نماینده چه کسی است؟ آیا مجوز دارد؟ چه مقدار اجازه پرداخت دارد؟ اگر تقلب یا اختلافی پیش بیاید، چگونه باید رسیدگی شود؟

اینها نیاز به تأیید هویت، کنترل ریسک، توکنیزاسیون و مکانیزم‌های پردازش اختلافات پیچیده‌تری دارند.

توکنیزاسیون (Tokenization) در اینجا به معنای استفاده از گواهی‌های دیجیتال خاص برای جایگزینی شماره واقعی کارت‌های بانکی به منظور انجام پرداخت است. در سناریوی عامل، این نوع توکن‌ها می‌توانند اطلاعات بیشتری در مورد طرف معامله، سناریو استفاده و محدوده مجوز حمل کنند.

ویزای Intelligent Commerce و مسترکارت Agent Pay را راه‌اندازی کرده‌اند. برنشتاین معتقد است که با افزایش معاملات عامل‌محور، این نوع توکن‌های عامل‌محور و توانایی‌های مدیریت هویت و ریسک آنها ممکن است اهمیت بیشتری پیدا کند.

این همچنین توضیح می‌دهد که چرا تأثیرات بر روی بانک‌های صادرکننده و سازمان‌های کارت ممکن است یکسان نباشد.

مزیت top-of-wallet که بانک‌های صادرکننده قبلاً داشتند، ممکن است به دلیل اینکه عامل‌ها هر بار جوایز و نرخ‌ها را دوباره مقایسه می‌کنند، تضعیف شود؛ اما شبکه‌های معاملاتی، تأیید هویت، کنترل ریسک و پردازش اختلافات که ویزا و مسترکارت ارائه می‌دهند، ممکن است به دلیل افزایش معاملات ماشینی اهمیت بیشتری پیدا کند.

منطق مشابهی برای PSPها، یعنی ارائه‌دهندگان خدمات پرداخت (Payment Service Providers) مانند Adyen و Stripe نیز صدق می‌کند.

هرچه تعداد عامل‌ها بیشتر باشد، پلتفرم‌ها، پروتکل‌ها و رابط‌های پرداختی که بازرگانان باید با آنها سازگار شوند، پیچیده‌تر می‌شود. برنشتاین معتقد است که PSPهای مدرن می‌توانند به بازرگانان کمک کنند تا به طور یکپارچه با کانال‌های مختلف عامل‌ها کار کنند و این ممکن است فضای تمایز جدیدی ایجاد کند. Adyen قبلاً Adyen Agentic را راه‌اندازی کرده است تا به شرکت‌ها اجازه دهد بدون نیاز به ساخت سیستم تجاری کامل برای هر پلتفرم هوش مصنوعی، کار کنند.

موقعیت PayPal نیز پیچیده‌تر است.

اگر عامل‌ها قبلاً پرداخت را برای کاربران انجام داده باشند، ارزش کیف پول دیجیتال که برای کاهش اصطکاک Guest Checkout استفاده می‌شود، ممکن است کاهش یابد؛ اما از سوی دیگر، کیف پول دیجیتال همچنین می‌تواند نقش خود را به اعتماد، حفاظت در برابر تقلب، پردازش اختلافات، کشف تخفیف‌ها و بهینه‌سازی روش‌های پرداخت گسترش دهد.

بنابراین، عامل‌ها لزوماً میانجی‌های پرداخت را از بین نمی‌برند. بلکه ممکن است دلایل وجود میانجی‌های مختلف را تغییر دهند.

نکته‌ای که واقعاً باید به آن توجه کرد: چه کسی "حق اجرا" عامل‌ها را در دست دارد

رشد سریع Muse نشان داده است که عامل‌های مصرفی می‌توانند در مدت زمان کوتاهی تعداد زیادی کاربر جذب کنند. اما برای صنعت مالی، ممکن است هوش مدل به خودی خود مهم‌ترین متغیر در مرحله بعدی نباشد.

واقعاً باید به سه سوال توجه کرد.

اول، آیا مصرف‌کنندگان از "اجازه دادن به AI برای ارائه پیشنهادات" به "اجازه دادن به AI برای انجام مستقیم" حرکت خواهند کرد؟

دوم، بانک‌ها، کارگزاری‌ها و شرکت‌های بیمه چگونه به درخواست‌های دسترسی به داده‌ها و حساب‌های عامل‌ها پاسخ خواهند داد---آیا محدودیت، هزینه، همکاری یا راه‌اندازی عامل‌های خود را انتخاب خواهند کرد؟

سوم، و این مهم‌ترین نکته است، آیا نرخ تمدید بیمه، وفاداری سپرده‌های بانکی، موجودی نقدینگی کارگزاری‌ها و وضعیت top-of-wallet کارت‌های اعتباری به دلیل گسترش عامل‌ها شروع به تغییر مداوم خواهند کرد؟

تنها زمانی که این معیارها واقعاً تغییر کنند، تأثیر عامل‌های هوش مصنوعی بر مدل‌های تجاری مالی از انتظارات بازار به سطوح عملیاتی منتقل خواهد شد.

بنابراین، سوال واقعی که این گزارش برنشتاین مطرح می‌کند، این نیست که "آیا AI صنعت مالی را مختل خواهد کرد؟" بلکه این است که وقتی مصرف‌کنندگان برای اولین بار یک نماینده دارند که می‌تواند به طور ۲۴ ساعته به دنبال قیمت‌های پایین‌تر، بازده‌های بالاتر و شرایط بهتر باشد، کدام سودها در صنعت مالی اساساً بر اساس تنبلی گذشته مصرف‌کنندگان بنا شده‌اند؟

در عین حال، کدام شرکت‌ها واقعاً کنترل هویت، داده‌ها، پرداخت و سیستم‌های مسئولیت را در دست دارند، نیز به طور فزاینده‌ای مهم خواهد شد. این ممکن است جایی باشد که صنعت مالی در عصر عامل‌ها واقعاً نیاز به بازنگری قیمت‌گذاری داشته باشد.