در سال‌های اخیر، هوش مصنوعی به‌عنوان یکی از فناوری‌های کلیدی در تحول دیجیتال بخش مالی مطرح شده است. شرکت‌های لیزینگ، به‌عنوان نهادهای میانجی مالی فعال در تأمین سرمایه‌گذاری‌های بلندمدت، با چالش‌های متعددی در زمینه‌های ارزیابی اعتبار، پیش‌بینی ریسک‌های مالی و بهینه‌سازی عملیات روبه‌رو هستند. این پژوهش با رویکرد ترکیبی (کیفی-کمی) و با استفاده از داده‌های شبیه‌سازی‌شده مبتنی بر روش مونت‌کارلو (۱۰,۰۰۰ تکرار)، نقش هوش مصنوعی در ارتقای عملکرد عملیاتی و مدیریت ریسک در شرکت‌های لیزینگ را بررسی کرد. یافته‌های کیفی حاصل از مصاحبه با ۱۰ خبره، سه تم اصلی را آشکار ساخت: چالش‌های ساختاری در عملکرد، نیاز به سیستم‌های هوشمند مدیریت ریسک، و بارزگری فناوری هوش مصنوعی. بر این اساس، داده‌های کمّی شبیه‌سازی‌شده نشان داد که استقرار هوش مصنوعی، زمان تصمیم‌گیری را ۶۴٪ (از ۱۴ روز به ۵ روز)، هزینه‌های عملیاتی را ۱۸٪ کاهش و دقت پیش‌بینی نکول را از ۷۲٪ به ۸۹٪ افزایش می‌دهد. همچنین، ریسک تقلب ۶۶٪ کاهش یافت. آزمون‌های آماری صورت گرفته تأیید کرد که تمام تفاوت‌ها از نظر آماری بسیار معنادار هستند. تحلیل رگرسیون نیز نشان داد که «هماهنگی در زمان واقعی» و «یکپارچه‌سازی داده» به‌ترتیب قوی‌ترین پیش‌بین‌های عملکرد عملیاتی و مدیریت ریسک هستند.