ما المقصود باستخدام الذكاء الاصطناعي في القطاع المالي؟

على عكس البرمجيات التقليدية، تُحاكي أنظمة الذكاء الاصطناعي الذكاء والتفكير البشري، ويمكنها التعلم بمرور الوقت وتحسين أدائها باستمرار أثناء معالجتها للمعلومات الجديدة. تُتيح التطورات الناتجة عن التكنولوجيا المالية للمؤسسات المالية تحسين الكفاءة، وتقليل المخاطر، وتقديم خدمات أكثر تخصيصًا. وهو يدعم تطبيقات مثل تقييم الجدارة الائتمانية، والكشف عن الغش، والتداول الخوارزمي، وإدارة المحافظ، والامتثال التنظيمي، وخدمة العملاء.

من خلال التعرُّف على الأنماط وتقديم التنبؤات في الوقت الفعلي، يساعد الذكاء الاصطناعي المؤسسات على تبسيط العمليات والاستجابة بشكل أكثر فاعلية لمتطلبات السوق والعملاء.

تعتمد الصناعات المالية على العمليات كثيفة البيانات وصناعة القرار في الوقت الفعلي. يمكن لأدوات الذكاء الاصطناعي معالجة كميات كبيرة من البيانات بسرعة ودقة، ما يُتيح إمكانية مواجهة التحديات. تشمل المجالات الرئيسية التي يمكن أن يساعد فيها الذكاء الاصطناعي ما يلي:

الكفاءة التشغيلية: تعمل الأتمتة المدعومة بالذكاء الاصطناعي على تقليل أعباء العمل اليدوية وتبسيط العمليات وتقليل الأخطاء.

إدارة المخاطر: تساعد نماذج الذكاء الاصطناعي على تقييم المخاطر المحتملة بدقة أكبر والكشف عن الأنشطة الاحتيالية في الوقت الفعلي.

تجربة العملاء: يعمل الذكاء الاصطناعي على تمكين التفاعلات الشخصية، مثل تقديم المشورة المالية المخصصة وخدمة العملاء سريعة الاستجابة من خلال روبوتات المحادثة والمساعدين الافتراضيين.

الامتثال التنظيمي: يعمل الذكاء الاصطناعي على تبسيط الامتثال من خلال أتمتة عمليات المراقبة وإعداد التقارير، ما يساعد المؤسسات على التعامل مع اللوائح التنظيمية المعقدة.

الميزة التنافسية: يمكن للمؤسسات التي تستخدم الذكاء الاصطناعي تحسين التكاليف والابتكار بشكل أسرع وتقديم خدمات محسَّنة، ما قد يمنحها مكانة أفضل في الأسواق التنافسية.

مع تطوُّر التقنيات، أصبح الذكاء الاصطناعي المحرك الرئيسي للابتكار والنمو في القطاع المالي. تُتيح هذه التطورات في الذكاء الاصطناعي حلولًا أكثر ذكاءً وسرعة وقابلية للتوسع، فهي تُعيد صياغة النماذج التقليدية في العمل المصرفي والاستثمار.

يتم تطبيق الذكاء الاصطناعي في العديد من مجالات المنظومة المالية. فيما يلي بعض حالات الاستخدام الأكثر شيوعًا للذكاء الاصطناعي في القطاع المالي:

تُعَد الخوارزميات المستندة إلى الذكاء الاصطناعي جزءًا من الأسواق المالية الحالية، حيث تُتيح التداول عالي التردد (HFT) والاستراتيجيات الاستثمارية المعقدة. يمكن لهذه الأنظمة إجراء تحليلات بيانات أكثر تعقيدًا وتحليل مجموعات بيانات كبيرة، بما في ذلك بيانات السوق التاريخية ومؤشرات الرأي العام في الأخبار وتحركات الأسعار في الوقت الفعلي، لتنفيذ الصفقات بسرعات ومقاييس تتجاوز القدرات البشرية.

• مثال: تستخدم منصات التداول التعلم المعزز لمحاكاة سيناريوهات السوق والتكيُّف ديناميكيًا مع الظروف المتغيرة.
• الأثر: قد يعزز التداول الخوارزمي الربحية ويساعد على إدارة المخاطر للمتداولين والمؤسسات.

بدءًا من أتمتة إدارة النفقات ووصولًا إلى تبسيط مراقبة الامتثال، تُتيح الأدوات المدعومة بالذكاء الاصطناعي للمؤسسات التعامل مع حجم المعاملات المتزايد مع الحفاظ على الدقة والثبات. تعمل هذه التطورات على تحسين الإنتاجية ودعم قابلية توسُّع العمليات المالية. 

• مثال: يعمل IBM watsonx Orchestrate على أتمتة إدخالات اليومية، ما يساعد على تقليل أوقات الدورة بأكثر من 90% ويوفر 600,000 دولار سنويًا.
• الأثر: قد تؤدي أتمتة سير العمل إلى خفض التكاليف التشغيلية وتحرير الموظفين للتركيز على أنشطة ذات قيمة أعلى.

تعتمد أساليب تصنيف الائتمان التقليدية غالبًا على مجموعات بيانات محدودة، مثل الدخل والسجل الائتماني. يوسِّع الذكاء الاصطناعي نطاق قرارات الائتمان من خلال دمج مصادر بيانات بديلة مثل فواتير الخدمات، ونشاط وسائل التواصل الاجتماعي، وأنماط الموقع الجغرافي. يمكن أن يحسِّن هذا النهج إمكانية الحصول على الائتمان للأفراد الذين يفتقرون إلى سجلات ائتمانية تقليدية.

• مثال: أفادت تقارير بأن اتحادات الائتمان التي اعتمدت نموذجًا واحدًا من الذكاء الاصطناعي شهدت زيادة بنسبة 40% في الموافقات الائتمانية للنساء والأشخاص ذوي البشرة الملوّنة.¹
• الأثر: قد تتمكن نماذج تصنيف الائتمان المدعومة بالذكاء الاصطناعي من تقليل التحيُّز، وزيادة معدلات الموافقة على القروض، وخفض مخاطر التعثّر.

تعمل روبوتات المحادثة المدعومة بالذكاء الاصطناعي والمساعدون الافتراضيون على التعامل مع استفسارات العملاء الروتينية، وتوفير استجابات فورية وتمكين الوكلاء البشريين من التركيز على قضايا أكثر تعقيدًا. تُتيح معالجة اللغة الطبيعية (NLP) لأنظمة الذكاء الاصطناعي الحواري فهم احتياجات العملاء والاستجابة لها بشكل فعَّال.

• مثال: في إحدى دراسات الحالة، تعامل روبوت المحادثة Erica التابع لبنك Bank of America مع أكثر من مليارَي تفاعل مع العملاء، وساعد على مهام مثل الاستفسار عن الرصيد ودفع الفواتير.²
• الأثر: قد يجعل روبوت المحادثة من السهل تقديم الدعم على مدار الساعة طوال أيام الأسبوع وتقديم ردود أسرع على الاستفسارات الروتينية.

تستخدم جهود الكشف عن الاحتيال المدعومة بالذكاء الاصطناعي خوارزميات التعلم العميق والتحليلات التنبؤية لتتبُّع أنماط المعاملات في الوقت الفعلي لتحديد الحالات الشاذة التي قد تُشير إلى نشاط مشكوك فيه. يمكن لنماذج التعلم الآلي التكيُّف مع أساليب الاحتيال الجديدة، ما يساعد على تحسين دقة الكشف وتقليل إيجابيات الكشف الزائفة.

• مثال: قد تستخدم شركة بطاقات الائتمان الذكاء الاصطناعي لاكتشاف سلوك الإنفاق غير المعتاد، مثل الشراء المفاجئ بقيمة كبيرة في دولة أجنبية، وتتخذ إجراءات لمنع المعاملات غير المصرح بها.
• الأثر: 90% من المؤسسات المالية تستخدم الذكاء الاصطناعي لتسريع التحقيقات في حالات الاحتيال وكشف الأساليب الجديدة في الوقت الفعلي.³

يعمل الذكاء الاصطناعي على تحويل عمليات التأمين من خلال أتمتة سير عمل الاكتتاب والمطالبات باستخدام أدوات مثل معالجة اللغة الطبيعية والتعرُّف على الصور لتحليل المستندات والصور والبيانات غير المنظمة. يُتيح هذا تقييمًا أسرع للمخاطر، وتسعيرًا مخصصًا للوثائق، وتسوية أسرع للمطالبات.

• مثال: تستطيع الأنظمة المدعومة بالذكاء الاصطناعي معالجة صور الأضرار ونماذج المطالبات النصية في ثوانٍ، ما يُسرِّع الموافقات على المشكلات الشائعة مثل إصلاح الزجاج الأمامي.
• الأثر: تشهد شركات التأمين تحسينات في الكفاءة، وتسويات أسرع، وكشفًا أقوى لحالات الاحتيال بفضل الأتمتة المدعومة بالذكاء الاصطناعي. 

تُستخدم أدوات الذكاء الاصطناعي لتحليل البيانات المتقدم، ما يُتيح تحديد توجهات السوق وتحسين المحافظ المالية والاستثمارية. يمكن لهذه الأنظمة توفير رؤى قابلة للتنفيذ لكلٍّ من المستثمرين الأفراد ومديري الأصول المؤسسية.

• مثال: اعتبارًا من عام 2025، يستخدم 91% من مديري الأصول أو يخططون لاستخدام الذكاء الاصطناعي في بناء المحافظ وإجراء الأبحاث، ارتفاعًا كبيرًا بعد أن كان 55% فقط في عام 2023.⁴
• الأثر: يوسِّع الذكاء الاصطناعي نطاق الوصول إلى الاستراتيجيات الاستثمارية المتقدمة، ويجعلها متاحة لشريحة أوسع من المستثمرين.

تستخدم التحليلات التنبؤية نماذج الذكاء الاصطناعي لتحديد الأنماط في البيانات السابقة والتنبؤ بالنتائج المستقبلية. وتُعَد هذه القدرة ذات قيمة للمؤسسات المالية التي تسعى إلى توقُّع المخاطر واكتشاف الفرص الجديدة. كما أنه يدعم مهام مثل إدارة التدفق النقدي، حيث يتوقع الذكاء الاصطناعي احتياجات السيولة.

• مثال: تحلِّل أنظمة الذكاء الاصطناعي المؤشرات الاقتصادية العالمية لتوقُّع توجهات السوق، ما يُتيح للشركات اتخاذ قرارات استباقية بشأن الاستثمارات أو تخصيص الموارد.
• الأثر: يمكن أن تحسِّن المؤسسات المالية، التي تستخدم نماذج التنبؤ، التخطيط الاستراتيجي والكفاءة التشغيلية من خلال الاستفادة من الرؤى المتعمقة حول توجهات التدفقات النقدية وتحركات الأسعار وديناميكيات السوق.

يعمل قطاع الخدمات المالية بموجب متطلبات تنظيمية صارمة. وتساعد أنظمة الذكاء الاصطناعي على الامتثال من خلال أتمتة مراقبة المعاملات واكتشاف الأنشطة المشبوهة. كما أنها تساعد المؤسسات في البقاء على اطلاع دائم على اللوائح المتطورة.

• مثال: تعمل أدوات الذكاء الاصطناعي على مراجعة النصوص القانونية وتعديل السياسات الداخلية لضمان الامتثال للوائح الجديدة.
• الأثر: قد تتمكن المؤسسات المالية التي تستخدم الذكاء الاصطناعي في جهود مكافحة غسيل الأموال من الاستجابة بشكل أسرع للقضايا وتحسين دقة أنظمة المراقبة الخاصة بها بمرور الوقت.

يوفر الذكاء الاصطناعي العديد من المزايا للمؤسسات المالية، بما في ذلك:

تحسين إدارة المخاطر: تقدِّم أنظمة الذكاء الاصطناعي رؤى أعمق حول مخاطر الائتمان والكشف عن الغش وتقلبات السوق.

الكفاءة المحسَّنة: تعمل الأتمتة على تقليل الجهد اليدوي وتبسيط سير العمل.

التجارب المخصصة: يُتيح الذكاء الاصطناعي للمؤسسات المالية تخصيص المنتجات والخدمات وفقًا لاحتياجات العملاء الفردية.

قابلية التوسُّع: يمكن لأنظمة الذكاء الاصطناعي التعامل مع تزايد حجم المعاملات دون التأثير في السرعة أو الدقة.

توسيع الشمول المالي: يُتيح الذكاء الاصطناعي تقييم الجدارة الائتمانية باستخدام مصادر بيانات غير تقليدية، ما يعزز الوصول إلى الخدمات المالية ويجعل قرارات الائتمان أكثر عدالة.

على الرغم من أن الذكاء الاصطناعي يتمتع بإمكانات كبيرة، إلا أنه يطرح أيضًا تحديات يجب على المؤسسات المالية معالجتها. وتشمل هذه التحديات ما يلي:

• التحيُّز في الخوارزميات: يمكن أن تتضمن نماذج الذكاء الاصطناعي المدربة على بيانات متحيّزة تحيُّزًا خوارزميًا قد يؤدي إلى نتائج تمييزية، لا سيما في مجالات مثل تقييم الجدارة الائتمانية.
• عدم قابلية التفسير: غالبًا ما تعمل أنظمة الذكاء الاصطناعي المعقدة كـ "صناديق سوداء"، ما يجعل من الصعب شرح قراراتها للجهات التنظيمية والأطراف المعنية.
• مخاطر الأمن الإلكتروني: أنظمة الذكاء الاصطناعي معرضة للهجمات الإلكترونية، بما في ذلك الهجمات المعادية واحتراقات أمن البيانات.
• مخاوف بشأن خصوصية البيانات: تُثير إدارة البيانات المالية الحساسة تساؤلات حول الأمن والامتثال.
• عدم اليقين التنظيمي: يؤدي غياب لوائح تنظيمية عالمية موحَّدة إلى تعقيد تنفيذ أنظمة الذكاء الاصطناعي.

وللحد من هذه المخاطر، تعتمد المؤسسات أطر عمل للحوكمة، وتعطي أولوية للممارسات الأخلاقية في الذكاء الاصطناعي، وتحرص على الشفافية في العمليات المدعومة بالذكاء الاصطناعي.

تشارك مجموعة متنوعة من الأطراف المعنية في تنفيذ تقنيات الذكاء الاصطناعي في القطاع المالي وتشغيلها وتنظيمها واستخدامها. ومن بين هؤلاء المشاركين:

المؤسسات المالية: البنوك وشركات التأمين وشركات الاستثمار التي تعتمد الذكاء الاصطناعي لتعزيز العمليات وتجربة العملاء.

القيادة التكنولوجية: يتخذ مديرو المعلومات (CIO) ومديرو التكنولوجيا (CTO) قرارات محورية تتعلق بتطبيق الذكاء الاصطناعي واستخدامه وأمنه.

القيادة التنفيذية: يتخذ كبار المديرين التنفيذيين ومجلس الإدارة القرارات الاستراتيجية المتعلقة بتنفيذ مبادرات الذكاء الاصطناعي واستخدامها وإدارتها بشكل سليم.

مزوِّدو خدمات التكنولوجيا: الشركات التي تعمل على تطوير أدوات الذكاء الاصطناعي والمنصات والبنية التحتية.

الجهات التنظيمية: سلطات تضمن امتثال أنظمة الذكاء الاصطناعي للقوانين وعدم تشكيلها لمخاطر نظامية.

العملاء: المستخدمون النهائيون الذين يستفيدون من الخدمات المخصصة وسهولة الوصول المحسَّنة.

يتطلب استخدام الذكاء الاصطناعي في القطاع المالي المراقبة لضمان الاستخدام السليم وتقليل المخاطر المحتملة. تُسهم الحوكمة الاستباقية في تعزيز استخدام الذكاء الاصطناعي بشكل مسؤول وأخلاقي وشفاف، خاصةً في ظل إدارة المؤسسات المالية لكميات ضخمة من البيانات الحساسة. تتضمن العناصر الرئيسية للحوكمة الفعَّالة للذكاء الاصطناعي ما يلي:

المبادئ التوجيهية الأخلاقية: وضع مبادئ للإنصاف والشفافية والمساءلة.

أطر العمل التنظيمية: تعمل الحكومات والمؤسسات مثل الاتحاد الأوروبي ومنظمة التعاون الاقتصادي والتنمية على وضع معايير لإطار عمل الذكاء الاصطناعي.

إدارة المخاطر: يجب على المؤسسات المالية تطبيق ضوابط صارمة للتخفيف من المخاطر المرتبطة بتبنّي الذكاء الاصطناعي.

الذكاء الاصطناعي القابل للتفسير (XAI): ضمان أن تكون أنظمة الذكاء الاصطناعي مفهومة ويمكن تبرير قراراتها.

العديد من تطبيقات الذكاء الاصطناعي أصبحت راسخة بالفعل في مجال الخدمات المالية. ومع ذلك، فإن التقدُّم والتقنيات الناشئة على وشك أن تُعيد تشكيل مستقبل التمويل والتحوُّل الرقمي في القطاع المالي بطرق جديدة.

حاز الذكاء الاصطناعي التوليدي على اهتمام واسع بفضل قدرته على إنتاج محتوى واقعي. في المستقبل، قد تشمل تطبيقاته المحتملة في القطاع المالي حالات استخدام أكثر تقدمًا، مثل نمذجة السيناريوهات لإدارة المخاطر، وتوليد بيانات اصطناعية لتدريب نماذج التعلم الآلي، ومحاكاة متقدمة للاحتيال. يمكن لقدرات الذكاء الاصطناعي التوليدي أن تعزز عملية اتخاذ القرار من خلال تزويد المؤسسات المالية برؤى أعمق حول التحديات والفرص المحتملة.

تُعَد النماذج اللغوية الكبيرة (LLMs) مفيدة في مهام مثل خدمة العملاء وتحليل المستندات، لكن الجيل التالي من أنظمة الذكاء الاصطناعي -نماذج الاستدلال الكبيرة (LRMs) قد توسِّع هذه الإمكانية بشكل أكبر. تم تصميم نماذج الاستدلال الكبيرة (LRMs) لتنفيذ استدلال تحليلي معقد، ما يساعدها على محاكاة سيناريوهات مالية دقيقة، وتحسين المحافظ، وتقييم مخاطر الائتمان بدقة كبرى. وقد تُسهم في مساعدة المؤسسات المالية على التعامل مع التحديات التي تتطلب فهمًا سياقيًا أعمق وتخطيطًا استراتيجيًا.

من المتوقع أن يصبح وكلاء الذكاء الاصطناعي القادرون على إدارة سير العمل بالكامل بشكل ذاتي أكثر تطورًا. يمكن لهؤلاء الوكلاء التعامل مع العمليات المعقدة مثل إدارة النفقات، ومراقبة الامتثال، وتوقع التدفقات النقدية دون الحاجة إلى تدخل بشري. من خلال دمج معالجة اللغة الطبيعية وخوارزميات اتخاذ القرار والإدراك السياقي، يمكن لوكلاء الذكاء الاصطناعي المستقلين تقليل العوائق التشغيلية بشكل كبير وتحسين الكفاءة في المؤسسات المالية.

في ظل المخاوف المتعلقة بخصوصية البيانات والأمن الإلكتروني، قد تُشكِّل أنظمة الذكاء الاصطناعي اللامركزية حلًا محتملًا. تعالج هذه الأنظمة البيانات محليًا بدلًا من الاعتماد على الخوادم المركزية، ما يقلل من مخاطر الاختراقات ويضمن الامتثال للوائح حماية البيانات الأكثر صرامة. في المستقبل، يمكن للذكاء الاصطناعي اللامركزي تمكين المؤسسات المالية من تنفيذ حلول آمنة تحافظ على الخصوصية لمهام مثل الكشف عن الغش والتحقق من الهوية.

رغم أن الكشف عن الغش في الوقت الفعلي يُعَد بالفعل من التطبيقات الحيوية للذكاء الاصطناعي، فإن الجهود المستقبلية ستركِّز على توسيع نطاق هذه الأنظمة لمواكبة بيئات المعاملات المتزايدة تعقيدًا وحجمًا.

يمكن أن يُتيح نمو بنى الذكاء الاصطناعي الموزعة والحوسبة الطرفية لأنظمة كشف الاحتيال معالجة البيانات بالقرب من مصدرها، ما يقلل زمن الانتقال ويحسِّن سرعة الرد. كما أن هذه الأنظمة من المرجح أن تدمج مصادر بيانات أكثر تنوعًا، مثل المصادقة البيومترية وتحليل السلوك، من أجل تعزيز الدقة.

يشهد التمويل المدمج -وهو دمج الخدمات المالية في منصات غير مالية- انتشارًا متزايدًا. من المتوقع أن يؤدي الذكاء الاصطناعي دورًا في جعل هذه التجربة أكثر تخصيصًا. قد تستفيد أنظمة الذكاء الاصطناعي المستقبلية من بيانات المستخدمين في الوقت الفعلي لتقديم منتجات مالية مخصصة، مثل خيارات الإقراض المخصصة أو توصيات الاستثمار، مباشرةً داخل منصات التجارة الإلكترونية أو تطبيقات وسائل التواصل الاجتماعي أو المنظومات الرقمية الأخرى. وقد يؤثِّر هذا التوجه في طريقة تفاعل المستهلكين مع الخدمات المالية.

مع نضوج الحوسبة الكمية والتقنيات الكمية، قد تحدث ثورة في مجالات مثل تحسين المحافظ، ونمذجة المخاطر، وأمن التشفير. قد تستخدم المؤسسات المالية، على سبيل المثال، خوارزميات الكم لحل مشكلات التحسين المستحيلة من الناحية الحسابية حاليًا، ما يؤدي إلى تخصيص الموارد بشكل أكثر كفاءة وتحسين دقة التنبؤات.

أصبحت هياكل السحابة الهجينة ضرورية لتوسيع نطاق حلول الذكاء الاصطناعي. ومن خلال دمج الأنظمة المحلية والقائمة على السحابة، يمكن للمؤسسات المالية تحقيق قدر أكبر من المرونة وقابلية التوسع. في المستقبل، قد تدعم بيئات السحابة الهجينة نشر نماذج الذكاء الاصطناعي عبر وظائف الأعمال المتنوعة، بدءًا من الامتثال وحتى خدمة العملاء.

تزداد أهمية اعتبارات الممارسات البيئية والاجتماعية وحوكمة الشركات(ESG) في قطاع التمويل، ومن المتوقع أن يؤدي الذكاء الاصطناعي دورًا أكبر في دعم مبادرات الاستدامة. قد توفِّر أنظمة الذكاء الاصطناعي المستقبلية تحليلات أكثر دقة لمقاييس الممارسات البيئية والاجتماعية وحوكمة الشركات، ما يساعد المؤسسات على مواءمة استثماراتها مع الأهداف البيئية. كما يمكن أن تساعد الذكاء الاصطناعي على تتبُّع البصمة الكربونية وتقييم المخاطر المتعلقة بالمناخ وتحديد فرص التمويل المستدام.

يتم استخدام الذكاء الاصطناعي بالفعل لتوسيع نطاق الوصول إلى الخدمات المالية في الأسواق التي تعاني من نقص الخدمات. في المستقبل، قد تتوسع المنصات المدعومة بالذكاء الاصطناعي لتشمل مصادر بيانات بديلة -مثل أنماط استخدام الهاتف المحمول أو إنتاجية المحاصيل- لبناء ملفات مالية للفئات غير المشمولة بالخدمات المصرفية. قد يمكِّن ذلك عددًا أكبر من الأشخاص من الوصول إلى الائتمان، وحسابات التوفير، ومنتجات التأمين، ما يُسهم في تعزيز الشمول الاقتصادي على مستوى العالم.