ما المقصود بالنمذجة المالية المدعومة بالذكاء الاصطناعي؟

لطالما كانت النمذجة المالية أسلوبًا قياسيًا لتوقع الأداء المستقبلي، بما في ذلك الإيرادات والنفقات والتدفقات النقدية. فهي جزء من عملية مكونة من ثلاث خطوات، التخطيط وتحديد الميزانية والتوقع، تهدف إلى تحديد وتخطيط الأهداف المالية قصيرة وطويلة الأجل للمؤسسة. تعتمد النماذج التقليدية على التحديثات اليدوية لجداول البيانات والصيغ الثابتة.

تعمل الأنظمة المدعومة بالذكاء الاصطناعي على أتمتة عملية معالجة البيانات، والتعلم من الإدخالات الجديدة، وتحسين التوقعات المالية باستمرار. على سبيل المثال، يمكن للنموذج المستند إلى الذكاء الاصطناعي تقييم تحركات السوق أو التقارير المالية المؤسسية أو المؤشرات الاقتصادية بسرعة ودقة، ومن ثَم تحديث التوقعات لتعكس أحدث المعارف.

تُعد السرعة ميزة رئيسية من مزايا الذكاء الاصطناعي في مجال النمذجة المالية. يقلل الذكاء الاصطناعي من الوقت المستغرق في جمع البيانات والتحقق من صحتها. ويمكنه معالجة مجموعات البيانات الكبيرة في الوقت الفعلي والكشف عن الأنماط غير الواضحة للمحللين الماليين البشريين. تعزز هذه الإمكانات التحليل المالي وتقلل من التأخر الموجود غالبًا في طرق النمذجة التقليدية. كما أنه يحرر المحللين من العمل الروتيني الذي يستغرق وقتًا طويلاً، ما يسمح لهم بالتركيز على الإستراتيجيات وتحليل البيانات الأكثر قيمة وتفسيرها.

كما توفر تقنية الذكاء الاصطناعي معارف أكثر عمقًا. فهي تدعم حالات الاستخدام مثل تحليل السيناريوهات ومدى الحساسية، وتخصيص رأس المال، والتخطيط للاستثمار، وتقييم عمليات الدمج والاستحواذ (M&A)، وإعداد التقارير التنظيمية. تعمل نماذج الذكاء الاصطناعي على إجراء عمليات محاكاة "ماذا لو" في الوقت الفعلي والتي تختبر مدى تأثير التحولات في الطلب أو التسعير أو الصدمات الخارجية في النتائج، ما يوفر رؤية أوسع للاحتمالات المستقبلية.

ومن المزايا أيضًا إمكانات الذكاء الاصطناعي في الكشف عن المخاطر. يتوقع 58% من الرؤساء التنفيذيين أن يكون للذكاء الاصطناعي تأثير تحويلي في تعزيز الأمن وإدارة المخاطر¹ يمكن للذكاء الاصطناعي في المجال المالي أن يبحث عن الحالات الشاذة في البيانات المالية أو أنماط التداول غير الاعتيادية التي قد تشير إلى الاحتيال أو عدم الاستقرار. وبفضل اكتشاف العلامات التحذيرية عن طريق تقييم المخاطر في وقت مبكر، يمكن للمؤسسات اتخاذ تدابير وقائية. وهذا النهج الاستباقي يصعب تحقيقه باستخدام النماذج الثابتة.

تعزز الابتكارات الحديثة مثل الذكاء الاصطناعي الوكيل والذكاء الاصطناعي القابل للتفسير (XAI) هذا التحول. يرتقي الذكاء الاصطناعي الوكيل بالأتمتة المالية من خلال إدارة مهام سير العمل بشكل شامل. ويمكنه التخطيط للتوقعات وتنفيذها وتعديلها مع ترك مجال للرقابة البشرية. ويعمل الذكاء الاصطناعي القابل للتفسير على جعل النماذج المعقدة أكثر شفافية من خلال إظهار المتغيرات التي تؤدي إلى تحقيق النتائج، وهي ميزة مهمة في المجال الخاضع للوائح صارمة.

ومع ذلك، لا يمكن أن يحل الذكاء الاصطناعي محل الخبرة البشرية. فالنماذج يمكن أن ترث التحيزات من البيانات التي تتدرب عليها ويمكن أن تنتج مخرجات خاطئة عند عدم مراقبتها بشكل جيد. وتظل بعضها صعبة التفسير، خاصةً عندما تكون مطورة باستخدام خوارزميات التعلم الآلي المتقدمة التي تقوم بدور الصناديق السوداء. ومن ثَم، لا تزال هناك حاجة إلى مصممي النماذج المهرة لتوفير الحس التجاري والسياق بطرق لا يمكن للذكاء الاصطناعي تكرارها، خاصةً عند ترجمة مخرجات النماذج إلى قرارات واقعية.

يؤدي استخدام النمذجة المالية المدعومة بالذكاء الاصطناعي إلى جعل الفرق أكثر تطلعًا إلى المستقبل. عند أتمتة المهام الروتينية، يمكن للمحللين تقديم معارف وتوجيهات مالية أكثر وضوحًا وتحويل دورهم من إعداد التقارير عن البيانات القديمة إلى وضع إستراتيجيات للمستقبل.

لقد جلب الذكاء الاصطناعي في المجال المالي والنمذجة المالية مستويات جديدة من السرعة والدقة في عملية صناعة القرار، ما أدى إلى تغيير طريقة تنافس الشركات وكيفية عمل المحللين. وقد أدى ذلك إلى حدوث تحول هيكلي في الأسواق، حيث يمكن للمؤسسات التي تتبنى نماذج مستندة إلى الذكاء الاصطناعي أن تتقدم بشكل أسرع وبدقة أكبر في التوقعات.

يؤدي هذا التغيير إلى زعزعة مهام سير العمل التقليدية. فالعديد من المهام الروتينية التي كان يؤديها المحللون المبتدئون أصبحت الآن مؤتمتة، مثل تنظيم البيانات أو تشغيل النماذج القياسية. وأصبح الموظفون الماليون يركزون الآن على التفسير ووضع الإستراتيجيات والرقابة بدلاً من التنفيذ اليدوي. بالنسبة إلى الشركات، يمكن أن يعني هذا الانتقال فرقًا أصغر ولكنه يعني، في الوقت نفسه، توقعات أعلى للحس التحليلي ومعارف الأعمال.

يعمل الذكاء الاصطناعي أيضًا على تغيير قواعد المنافسة. تكتسب المؤسسات المالية، التي تتمتع بإمكانات ذكاء اصطناعي أقوى، إمكانية الوصول إلى المعارف بسرعة أكبر ويمكنها التصرف بناءً عليها قبل منافسيها. ومع دمج الشركات الكبيرة مثل JPMorgan وGoldman Sachs وMorgan Stanley للذكاء الاصطناعي في مجال النمذجة ومجالات أخرى،² تواجه الشركات الصغيرة والشركات الناشئة ضغوطًا للتكيف مع الوضع الجديد أو المخاطرة بالتخلف عن مواكبة التطورات.

تولي كليات إدارة الأعمال والبرامج التدريبية الكثير من الأهمية لعلم البيانات والتعلم الآلي والذكاء الاصطناعي التوليدي، وذلك لتأهيل المحللين المستقبليين للعمل جنبًا إلى جنب مع الأنظمة المتقدمة.³ وأصبح التثقيف المالي يشمل المهارة التقنية وحوكمة النماذج.

يتيح الذكاء الاصطناعي فرصًا وكذلك مخاطر. يمكن لنماذج الذكاء الاصطناعي المتقدمة تبسيط العمليات وتحسين إدارة المخاطر، ولكنها قد تؤدي أيضًا إلى إنشاء اعتمادات على خوارزميات معقدة لا تتسم بالشفافية دائمًا. يذكر مجلس الاستقرار المالي أنه على الرغم من أن الذكاء الاصطناعي يوفر مزايا مثل تحسين الكفاءة التشغيلية والامتثال التنظيمي والمنتجات المالية المخصصة وتحليلات البيانات المتقدمة، فإنه من المحتمل أيضًا أن يؤدي إلى زيادة بعض الثغرات الأمنية في القطاع المالي.⁴ وهذا يجعل الشفافية وقابلية التدقيق والحوكمة عناصر أساسية في الدور الذي يؤديه الذكاء الاصطناعي في المجال المالي.

ترتبط أهمية الذكاء الاصطناعي في النمذجة المالية بمدى قدرته على إحداث تغيير. فهو يساعد على إنتاج توقعات أفضل، كما أنه يساعد على تحويل الأدوار وسير العمل، ما يدفع إلى وضع لوائح جديدة. يعمل الذكاء الاصطناعي على إعادة تشكيل النمذجة المالية ولكنه يغير أيضًا كيفية عمل القطاع المالي على كل المستويات.

تعتمد النمذجة المالية التقليدية على القواعد. يُنشئ المحللون النماذج باستخدام Excel أو أدوات مشابهة، ويدخلون الافتراضات، ويحسبون المخرجات مثل التوقعات أو التقييمات أو تحليلات السيناريوهات. هذه النماذج شفافة ولكنها ثابتة. وهي جيدة بقدر جودة الافتراضات المدخلة إليها، كما أنها تواجه صعوبة في التعامل مع التعقيد أو التغيير السريع.

النمذجة المالية المدعومة بالذكاء الاصطناعي قائمة على البيانات وتتكيف مع التغيرات. فهي تستخدم أدوات وتقنيات الذكاء الاصطناعي للكشف عن العلاقات التي قد لا تكون واضحة. تتحسن هذه النماذج باستمرار مع إدخال البيانات الجديدة، ما يسمح لها بالتكيف بشكل طبيعي مع تحولات السوق والتغيرات في الأداء المالي.

تتضمن التقنيات التي تدعم النمذجة المالية المدعومة بالذكاء الاصطناعي ما يلي:

الذكاء الاصطناعي الوكيل: صُممت هذه الأنظمة لتعمل مثل "الوكلاء" المستقلين الذين يمكنهم التخطيط والتصرف والتكيف سعيًا لتحقيق هدف محدد بدلاً من مجرد إنتاج مخرجات لمرة واحدة فقط. تتوقع مؤسسة Gartner أنه بحلول عام 2028، ستتضمن 33% من تطبيقات البرامج المؤسسية الذكاء الاصطناعي الوكيل، مقارنة بأقل من 1% في عام 2024.⁵

في النمذجة المالية، لا يقتصر دور الوكلاء على التنبؤ فحسب، بل يشمل معالجة مهام سير العمل بشكل شامل. على سبيل المثال، قد يجمع الوكيل المسؤول عن توقع حجم الإيرادات أحدث بيانات المبيعات والتسويق تلقائيًا، وينفذ تحليلات السيناريوهات في ظل مختلف الظروف الاقتصادية، ويُحدّث لوحة المعلومات التي يستند إليها صانعو القرار. فبدلاً من إخراج نتيجة واحدة، فإنه يقدم معارف وتوصيات متطورة.

ودور الذكاء الاصطناعي الوكيل هنا هو دور تعاوني، وليس بديلاً. فالمحللون لا يزالون يوفرون المنطق المالي ويفسرون النتائج ويتخذون القرارات بشأن الإستراتيجيات. يتولى الوكلاء مسؤولية تنفيذ المهام الروتينية مثل جمع البيانات والعمليات الحسابية والمراقبة.

أدوات الأتمتة: تعمل RPA (أتمتة العمليات الآلية) و مسارات البيانات المستندة إلى الذكاء الاصطناعي على تغذية النماذج المالية بالتحديثات في الوقت الفعلي، ما يقلل الوقت المستغرق في العمليات اليدوية لجمع البيانات والتحقق من صحتها.

الذكاء الاصطناعي القابل للتفسير (XAI): يشير الذكاء الاصطناعي القابل للتفسير إلى التقنيات التي تجعل نماذج الذكاء الاصطناعي المعقدة أكثر شفافية وقابلية للفهم. فبدلاً من إنتاج توقعات كمخرجات الصندوق الأسود، يُظهر الذكاء الاصطناعي القابل للتفسير المتغيرات التي أثرت في عملية التنبؤ ومدى تأثيرها. وهذا الوضوح أمر بالغ الأهمية في المجال المالي، حيث يحتاج المنظمون والمديرون التنفيذيون والأطراف المعنية إلى الثقة بالمنطق الكامن وراء التوقعات والتدقيق فيه.

الذكاء الاصطناعي التوليدي: يمكن لهذه النماذج إنشاء محتوى جديد من البيانات المتوفرة. في النمذجة المالية، يمكن للذكاء الاصطناعي التوليدي الذي يركز على المجال المالي صياغة تقارير الإدارة أو تلخيص نتائج التوقعات أو إنشاء سرديات السيناريوهات التي تشرح نتائج "ماذا لو" بلغة بسيطة. وهذا يساعد على سد الفجوة بين المخرجات التقنية وصناعة المديرين التنفيذيين للقرارات. في استطلاع للمديرين الماليين، تبين أن إجراء التحليل المالي وإنشاء التوقعات هو المجال الذي لمسوا فيه أكبر تأثير للذكاء الاصطناعي التوليدي.⁶

التعلم الآلي (ML): تُستخدم الخوارزميات، مثل نماذج الانحدار وأشجار القرارات والغابات العشوائية وتعزيز الاشتقاق والتعلم العميق، للتنبؤ بحجم الإيرادات والتكاليف وتقلبات السوق. وعلى عكس الصيغ الثابتة، يُعيد التعلم الآلي المعايرة باستمرار بناءً على المدخلات الجديدة، ما يجعله ذا قيمة للتخطيط والتوقعات المالية في ظل فترات انعدام الاستقرار.

معالجة اللغة الطبيعية (NLP): يسمح هذا النهج للذكاء الاصطناعي باستخراج المعارف من مصادر البيانات غير المنظمة مثل نصوص مكالمات الأرباح وملفات الأوراق المالية والتقارير الإخبارية. فهي تساعد النماذج على اكتشاف المشاعر أو المخاطر الخفية بما يتجاوز البيانات الرقمية.

التحليلات التنبئية: تجمع هذه العملية بين التقنيات الإحصائية والتعلم الآلي والبيانات التاريخية لتوقع النتائج المحتملة. في النمذجة المالية، تعمل التحليلات التنبئية على تعزيز التخطيط من خلال توقع المبيعات أو التكاليف أو المخاطر قبل أن تتحقق.

نماذج التوقع بالتسلسل الزمني: يمكن لأساليب مثل التحليل بالتراجع وبالمتوسط المتحرك المتكامل (ARIMA) والشبكات العصبية ذات الذاكرة قصيرة المدى المطولة (LSTM) معالجة البيانات المالية المتسلسلة لتوقع اتجاهات السوق المستقبلية مع مراعاة الموسمية والتقلبات.

تتجلى قيمة الذكاء الاصطناعي في عملية النمذجة المالية أكثر عندما تفهم كيفية عمله. إليك مثالاً تفصيليًا لتوقعات الإيرادات يوضح كيفية تدفق البيانات من خلال نموذج الذكاء الاصطناعي مقارنةً بنموذج تقليدي:

في النماذج التقليدية، يحمل المحللون البيانات المالية وبيانات السوق والمؤشرات الاقتصادية، ثم يكتبونها أو ينسخونها في جداول بيانات. وبفضل الذكاء الاصطناعي، أصبحت هذه الخطوة مؤتمتة. تجمع مسارات البيانات المعلومات المنظمة مثل المبيعات والتسعير وبنود الميزانية العمومية إلى جانب المصادر غير المنظمة مثل البيانات الصحفية أو الأخبار أو حتى تقييمات العملاء. تحافظ واجهات برمجة التطبيقات وأدوات الأتمتة على تحديث البيانات في الوقت الفعلي، ما يساعد على ضمان بقاء التوقعات محدثة.

غالبًا ما يخصص المحللون البشريون ساعات للتحقق من الأخطاء ومعالجة الثغرات وتنسيق جداول البيانات. يعمل الذكاء الاصطناعي على تسريع هذه العملية من خلال تنظيم البيانات وتوحيدها تلقائيًا. بالنسبة إلى البيانات النصية، يمكن أن تحول معالجة اللغة الطبيعية اللغة إلى مزايا ملموسة، مثل درجات المشاعر، والتي تؤثر في اتجاهات الإيرادات.

تعتمد النماذج التقليدية على تقدير المحلل حول الأمور المهمة—مثل نمو المبيعات المرتبط بالاستثمار التسويقي. أما الذكاء الاصطناعي يطبق رؤية أوسع. تختبر الخوارزميات العديد من المتغيرات المحتملة لتحديد المتغيرات التي تحقق الإيرادات. قد تبين، على سبيل المثال، أن حركة المرور على موقع الويب أو نشاط دعم العملاء لا يقل أهمية عن الإنفاق على الإعلانات.

بدلاً من إدخال الأرقام في صيغ ثابتة، يستخدم الذكاء الاصطناعي التعلم الآلي. تتدرب طرق مثل الانحدار أو تعزيز الاشتقاق أو حتى الشبكات العصبية العميقة على بيانات الإيرادات التاريخية. يمكن أن ترصد نماذج التسلسل الزمني، مثل الشبكات العصبية ذات الذاكرة قصيرة المدى المطولة، الأنماط المتكررة مثل الارتفاعات المفاجئة في موسم العطلات. وفي الوقت نفسه، قد تضيف معالجة اللغة الطبيعية معارف من مكالمات الأرباح أو أخبار السوق.

يُجرى التحقق من النماذج التقليدية من خلال السؤال عما إذا كانت الافتراضات تبدو منطقية. أما نماذج الذكاء الاصطناعي تُختبر إحصائيًا، باستخدام مقاييس مثل متوسط الخطأ المطلق لقياس مدى قرب تنبؤاتها من النتائج الفعلية. وفي حال لم ينجح النموذج في تحقيق الهدف، يُجرى تعديله وإعادة تدريبه.

عادة ما تنتج النماذج التقليدية رقمًا واحدًا بناءً على الافتراضات، على سبيل المثال، "من المتوقع أن تزيد الإيرادات بنسبة 10% هذا العام". تنتج نماذج الذكاء الاصطناعي نتائج مجدية أكثر. ويمكنهم إنشاء سيناريوهات متعددة وكذلك احتمالات، على سبيل المثال: "يوجد احتمال بنسبة 65% أن تتراوح الإيرادات بين 92 مليون دولار أمريكي و100 مليون دولار أمريكي".

يجب تحديث جداول البيانات التقليدية يدويًا كلما وردت بيانات جديدة. يُجرى تحديث نماذج الذكاء الاصطناعي تلقائيًا. في حال حدوث تحول مفاجئ، مثل حدوث اضطراب في سلسلة التوريد أو تغيير في طلبات المستهلكين، يتكيف النموذج مع التغيرات ويُحدّث التوقعات بشكل فوري تقريبًا.

تقدم النمذجة المالية المدعومة بالذكاء الاصطناعي أكثر من مجرد معالجة أسرع للأرقام. ومن خلال تغيير كيفية جمع البيانات وتحليلها واستخدامها، فإنها تتيح فرصًا جديدة لفرق القطاع المالي ووظائف التخطيط والتحليل المالي (FP&A) لتقديم معارف وتوقع المخاطر وتوجيه الإستراتيجيات. تشمل هذه المزايا ما يلي:

توفير معارف أعمق من البيانات غير المنظمة: تتيح معالجة اللغة الطبيعية للذكاء الاصطناعي إمكانية استخدام نصوص مكالمات الأرباح وأخبار السوق ومشاعر العملاء. تتجاهل النماذج التقليدية هذه المعلومات إلى حد كبير. يوفر هذا النهج سياقًا مجديًا أكثر للتوقعات.

تعزيز دعم القرارات الإستراتيجية: بفضل تحويل العمل الروتيني إلى الذكاء الاصطناعي، تصبح فرق الشؤون المالية شركاء عمل بارزين. يمكنهم تخصيص المزيد من الوقت لتفسير النتائج وتقديم المشورة للقيادة بدلاً من تحديث جداول البيانات. يساعد هذا التحول الشركات على تحسين مواردها والمواءمة بين الشؤون المالية والإستراتيجيات الأوسع نطاقًا.

تسريع العمليات وتعزيز الكفاءة: يقلل الذكاء الاصطناعي من الوقت المستغرق في المهام اليدوية مثل إدخال البيانات والتحقق من صحتها وعمليات تحديث جداول البيانات. يمكن للمحللين التركيز على وضع الإستراتيجيات بينما يعمل الذكاء الاصطناعي على أتمتة العمليات الروتينية.

تعزيز قابلية التوسع: يمكن للنمذجة المالية المدعومة بالذكاء الاصطناعي معالجة مجموعات بيانات أكبر بكثير من الأدوات التقليدية. وهذه الميزة تجعلها مناسبة للمؤسسات العالمية المتطورة التي تحتاج إلى توقعات مالية في الوقت الفعلي على مستوى المؤسسة.

تحسين الدقة: النماذج التقليدية مقيدة بالافتراضات الثابتة، لكن نماذج الذكاء الاصطناعي تتحسن مع تدربها على البيانات الجديدة. يمكنها رصد ظروف العمل أو السوق المتغيرة، ما يؤدي إلى إنشاء توقعات أكثر دقة وأهمية.

تحسين التخطيط للسيناريوهات: يمكن للذكاء الاصطناعي تنفيذ الآلاف من سيناريوهات "ماذا لو" بسرعة، ما يوضح مدى تغير النتائج في ظل الافتراضات المختلفة. تُمكّن هذه الميزة الشركات من الاستعداد للظروف غير المستقرة بطرق تعجز عنها النماذج الثابتة، ما يمكن القادة من اتخاذ قرارات أكثر استنارة.

تعزيز الكشف عن المخاطر: من خلال فحص البيانات المنظمة والبيانات غير المنظمة، يمكن الذكاء الاصطناعي تحديد الحالات الشاذة أو علامات الاحتيال أو العلامات المبكرة للضائقة المالية. هذه الميزة هي ميزة أساسية من مزايا الاستقرار والامتثال التنظيمي.

تبني الذكاء الاصطناعي في النمذجة المالية لا يخلو من العقبات. يقول 60% من المديرين التنفيذيين للبنوك إنهم مضطرون إلى تقبل مخاطر كبيرة للاستفادة من مزايا الأتمتة وتعزيز القدرة التنافسية.⁷ ويُعد فهم هذه التحديات أمرًا ضروريًا لتحقيق التوازن بين الابتكار والمسؤولية والاستقرار على المدى الطويل.

التحيز والنزاهة: إذا كانت البيانات التاريخية ينتج عنها تحيزات، فإن نماذج الذكاء الاصطناعي تميل إلى تكرارها بل وزيادتها. ويُعد اكتشاف التحيز في وقت مبكر أمرًا أساسيًا في إستراتيجيات التخفيف من المخاطر الفعالة.

التكلفة وإمكانية الوصول: يتطلب إنشاء نماذج الذكاء الاصطناعي وصيانتها الاستثمار في البنية التحتية والبيانات والمواهب. يمكن للشركات الكبيرة إدارة ذلك بسهولة كبيرة، ما يضع الشركات الصغيرة في موقف حرج.

الأمن الإلكتروني وخصوصية البيانات: تعتمد نماذج الذكاء الاصطناعي على البيانات المالية وبيانات العملاء الحساسة. وتشكل حماية هذه المعلومات من الاختراقات أو إساءة الاستخدام مصدر قلق دائمًا.

جودة البيانات وتوافرها: نماذج الذكاء الاصطناعي لا تكون جيدة إلا بقدر جودة البيانات التي تتدرب عليها. يمكن أن تؤدي مجموعات البيانات غير المكتملة أو غير المتسقة أو المتحيزة إلى إنتاج توقعات مضللة.

التكامل مع الأنظمة القديمة: غالبًا ما تعتمد الفرق المالية على قوالب تخطيط موارد المؤسسات والمحاسبة وإعداد التقارير المتوفرة بالفعل. وقد يكون دمج الذكاء الاصطناعي في هذه الأنظمة القديمة مكلفًا ويشكل تحديًا تقنيًا.

شفافية النماذج: تقوم العديد من تقنيات التعلم الآلي بدور "الصناديق السوداء"، ما يصعب على المحللين أو المديرين التنفيذيين أو المنظمين معرفة كيفية إنشاء التنبؤات. ويؤدي انعدام الشفافية هذا إلى تحديات متعلقة بالثقة والامتثال.

الاعتماد المفرط على الأتمتة: في حين أن الأتمتة تعزز الكفاءة، إلا أنها يمكن أن تقود الفرق إلى قبول المخرجات من دون تفكير. وفي ظل غياب الرقابة البشرية المناسبة، يزيد هذا من خطر عدم اكتشاف الأخطاء.

الامتثال التنظيمي: يجب أن تفي المؤسسات المالية بالمعايير الصارمة لقابلية التفسير والتدقيق. غالبًا ما تكون نماذج الذكاء الاصطناعي المعقدة غير كافية لتلبية هذه المتطلبات، ما يثير مشكلات في الحوكمة.

نقص المهارات: العديد من موظفي الشؤون المالية غير مدربين على التعلم الآلي أو علم البيانات. ويتطلب سد هذه الفجوة تعليمًا جديدًا وإستراتيجيات توظيف وتكيفًا ثقافيًا داخل الفرق المالية.