كيف تبني WealthAPI مسارات ذكاء مالي جاهزة للذكاء الاصطناعي باستخدام IBM watsonx.data وGoogle Cloud BigQuery

WealthAPI شركة تكنولوجيا مالية مقرها ألمانيا، تطوّر خدمات خلفية لتحليلات مالية في الوقت الفعلي ومدعومة بالذكاء الاصطناعي، تشمل تحليل المحافظ، ورؤى التدفق النقدي، وتتبع توزيعات الأرباح والامتثال. ويُقدَّم هذا الحل إلى شركاء المؤسسات المالية من خلال نموذج B2B2C. وتدعم المنصة رحلات مالية سريعة ومخصصة تبدأ من بيانات الحسابات والمعاملات الخام، وتمتد إلى فهم الحيازات، ومقارنة الأداء، وتقديم التوصيات.

وتُعد القابلية للتوسع والاستقرار عنصرين أساسيين في حالة الاستخدام هذه، إذ يجب أن تكون البنية التحتية مهيأة للتعامل مع أحمال التشغيل المستقرة وارتفاعات الطلب المفاجئة. لجأت WealthAPI إلى ®IBM watsonx.data لمعالجة أحمال كبيرة من البيانات المنظمة، بما في ذلك تخزين المتجهات والبحث فيها، وهي أحمال تتطلب أداءً عاليًا في القراءة والكتابة على نطاق واسع. وكانت النتيجة خفض أزمنة الاستجابة بنسبة تصل إلى 80%.

في مسار العمل الاستشاري التقليدي، تُجمع البيانات ببطء، وتُسوّى يدويًا، وتُراجع في اجتماعات دورية. لكن WealthAPI تستهدف تجربة مختلفة: تكوين صورة متماسكة عن صافي الثروة والمراكز والأداء في غضون ثوانٍ، مع إتاحة مقارنات أكثر ثراءً عبر فئات الأصول والمنتجات.

ويفرض هذا التحول ثلاثة قيود هندسية عملية:

• استيعاب البيانات على نطاق واسع من مصادر غير متسقة: إذ ترد بيانات البنوك والوساطة بقدر محدود من التوحيد القياسي وبدرجة عالية من التباين، مع مزيج من التدفقات في الوقت الفعلي، والمعاملات التاريخية، والبيانات المرجعية مثل البيانات الرئيسية للمنتجات وعروض الأسعار.
• جودة بيانات يجب أن تصمد من دون تنقيح بشري: فتنظيف البيانات بأسلوب "مكاتب إدارة شؤون الأسر الثرية" القائم على تدخل بشري مكثف لا يتوافق مع هوامش الربحية على مستوى المستهلك. ومع ذلك، لا يزال المستخدمون يتوقعون مستوى الدقة نفسه في المراكز والسجلات والتحليلات الذي قد يحصلون عليه من نهج يدوي.
• القدرة المرنة لاستيعاب موجات النمو: قد يصل الطلب على شكل موجات متتالية، لذا يجب أن يستوعب النظام عشرات الآلاف من المستخدمين وأن يتوسع ليخدم الملايين دون الحاجة إلى تغييرات في البنية.

وتتجلى القيمة القابلة للقياس في تجربة المستخدم النهائي: وقت أقصر للوصول إلى الرؤى، وأخطاء أقل في الحيازات والمعاملات، وتوافر موثوق خلال فترات الذروة التي قد تنعكس سلبًا على الثقة في المنتج المالي.

إليك كيف استوفت WealthAPI هذه المتطلبات الهندسية.

تُقسّم بنية WealthAPI أحمال التشغيل وفق نمط الوصول وزمن الانتقال والهيكل:

تتدفق البيانات الواردة عبر طبقة قائمة انتظار الرسائل لفصل المنتجين عن الخدمات النهائية. يوفر Google Publish/Subscribe تخزينًا مؤقتًا مرنًا وتوزيعًا للأحداث، مما يتيح لعدة خدمات استهلاك مجرى الأحداث ذاته دون اقتران محكم.

يُعد BigQuery مخزن WealthAPI الأساسي للبيانات التشغيلية الضخمة وغير المُنظَّمة في الغالب، بما فيها سجلات الاستخدام وتتبع الأخطاء والجودة والاستجابات المصرفية. يدعم هذا الإعداد الاستعلامات التحليلية العشوائية عبر مجموعات السجلات الكبيرة، حيث يُشكّل صرامة المخطط عبئًا لا ميزة.

أما البيانات المُنظَّمة التي تستلزم أداءً عاليًا في القراءة والكتابة، فتعتمد WealthAPI على watsonx.data. وتُصاغ معايير الاختيار وفق قاعدة توجيه عملية:

• إذا كانت البيانات متوافقة مع SQL، فيُفضّل الإبقاء عليها في SQL للاستعلام المرن، إذ يعتمد WealthAPI عادةً على MySQL وPostgres.
• إذا كانت البيانات غير مُنظَّمة وبحجم يبلغ تيرابايتات متعددة ولا تستلزم أداءً عاليًا في القراءة، فإن BigQuery يؤدي الغرض.
• إذا كانت البيانات مُنظَّمة وتستلزم أداءً متميزًا في القراءة والكتابة على نطاق واسع، فإن watsonx.data هو خيار WealthAPI.

أحد العوامل التمييزية الجوهرية في هذه البنية هو دمج آليتَي التوليد والاسترجاع:

• تصل البيانات عبر مجرى الأحداث.
• يُنشئ النموذج تمثيلات متجهية بناءً على حالة الاستخدام.
• تُخزَّن التمثيلات المتجهية في watsonx.data إلى جانب بيانات النطاق.
• تُجري المنصة بحثًا عن التشابه لمقارنة المنتجات وتحديد البدائل القريبة ودعم الإثراء والتنظيم بمساعدة الذكاء الاصطناعي.

حجم التمثيلات المتجهية وتكلفتها واقع تشغيلي لا يمكن تجاهله؛ إذ تستهلك المتجهات مساحة التخزين بسرعة، مما يجعل الكفاءة وأداء البحث أولوية قصوى تتصدى لها watsonx.data بفاعلية. تتمثل إحدى حالات الاستخدام الرئيسية للذكاء الاصطناعي في WealthAPI في القدرة على توحيد مقارنة طيف واسع من الأصول الاستثمارية عبر مصادر متعددة، تشمل عروض أسعار الأسهم والبيانات المرجعية وصناديق الاستثمار المتداولة. تبرز قوة التمثيلات المتجهية في هذا السياق، إذ تُتيح عمليات بحث متجهية عالية الأداء.

في أحمال تشغيل القطاع المالي، تُعد الموثوقية والأمان ركيزتَين أساسيتَين في تجربة المستخدم؛ فالمستخدمون لا يكترثون باختيار قاعدة البيانات إلا حين تنخفض مستويات التوافر أو تتسرب بياناتهم الحساسة.

وثمة ضوابط حماية محورية للحفاظ على الموثوقية والأمان:

• الامتثال لقانون المرونة التشغيلية الرقمية (DORA). يُطبّق BaFin قانون DORA الذي يُعالج مخاطر تكنولوجيا المعلومات والاتصالات (ICT)، من متطلبات الإبلاغ عن الحوادث إلى إجراءات اختبار المرونة التشغيلية. الإقامة الإقليمية للبيانات متطلب عملي لا غنى عنه، لا سيما للشركاء الذين يشترطون إبقاء البيانات داخل الاتحاد الأوروبي وكثيرًا ما يُحددون نطاقًا قضائيًا بعينه.
• منع انكشاف البيانات الحساسة في السجلات، حتى تتمكن فرق الهندسة والدعم من تشخيص المشكلات دون الاطلاع على البيانات المصرفية المقيّدة.
• تحديد حدود آمنة للتمثيلات المتجهية واستخدام النماذج، لضمان ألا تتحول الإشارات المستخرجة من المعاملات إلى بيانات تدريب، وألا تتجاوز مسارات الاسترجاع حدود المستأجرين.

ترتبط هذه الضوابط ارتباطًا مباشرًا بإجمالي تكلفة الملكية (TCO)؛ إذ يُسهم الحد من الحوادث وتقليص المراجعة اليدوية وتوضيح الفصل بين المهام في خفض العبء التشغيلي الذي كثيرًا ما ينمو بوتيرة تتجاوز الإيرادات في شركات التكنولوجيا المالية الموجهة للمستهلك.

تعد النمطية سمة متكررة في WealthAPI. فدورات الابتكار تتقاصر، وقدرات الذكاء الاصطناعي تتطور بسرعة. ولذلك، يجب أن يكون النظام قادرًا على استيعاب خدمات جديدة من دون إعادة العمل على بنيته الأساسية.

وتتمثل ميزة IBM في هذا النهج في بنية تحتية للبيانات جاهزة للذكاء الاصطناعي، تدعم الاسترجاع في بيئات الإنتاج والحوكمة مع توسّع البُنى. ويضيف مستودع watsonx.data إمكانات المتجهات إلى منظومة ®watsonx، بما يساعد الفرق على تهيئة البيانات غير المُنظَّمة ومتعددة الوسائط للاستخدام التشغيلي في أحمال تشغيل الذكاء الاصطناعي.

وتزداد أهمية ذلك لأن كلفة «البدء من جديد» ترتفع سريعًا في البيئات الخاضعة للتنظيم. وتحتاج الفرق التي تطوّر منصات مالية إلى نهج متين لتخزين البيانات التشغيلية والتمثيلات الجاهزة للذكاء الاصطناعي واسترجاعها وحوكمتها، مع الحفاظ في الوقت نفسه على أداء يمكن التنبؤ به عند الارتفاعات المفاجئة في الطلب.

كما أن السرعة عامل حاسم أيضًا. وقد وجدت WealthAPI أن مستودع watsonx.data أسهم في تحسين أزمنة الاستجابة بنسبة 80%، إلى جانب تقليص أزمنة الكتابة وتحسين معالجة التعارضات. ويتيح هذا التقدم كله للمستخدمين الحصول على رؤى مالية شبه فورية.

وصُممت بنية WealthAPI لتفي بوعد بسيط للمستخدمين النهائيين: تقديم رؤى مالية سريعة ومتماسكة تظل موثوقة حتى في ظل طفرات النمو المفاجئة. وتفصل المنصة بين استيعاب البيانات القائم على الأحداث، وتحليلات البيانات غير المُنظَّمة، واسترجاع المتجهات عالي الأداء، مع التعامل مع جودة البيانات وأمنها بوصفهما متطلبين تصميميين مستمرين، لا اعتبارات تُضاف لاحقًا.

ومن خلال البناء على بنية IBM التحتية للبيانات الجاهزة للذكاء الاصطناعي، بما في ذلك الإمكانات التي تدعم أحمال التشغيل ذات معدل النقل المرتفع والبحث الفعّال في المتجهات، يمكن للفرق الحفاظ على استقرار البنية الأساسية. وبذلك يمكنها التوسع نحو نماذج جديدة، وعمليات تكامل جديدة مع الشركاء، وميزات جديدة موجّهة إلى المستخدمين، من دون إعادة بناء طبقة البيانات في كل مرة.

اقرأ المزيد عن IBM watsonx.data