حيث يُحدث الذكاء الاصطناعي فرقًا فعليًا في التمويل الآن

التكنولوجيا المالية تتطور بسرعة. الأخبار في كل مكان، والوضوح ليس كذلك.

تقدم النشرة الأسبوعية للتكنولوجيا المالية أهم القصص والأحداث في مكان واحد.

انقر هنا للاشتراك في النشرة الإخبارية للتكنولوجيا المالية الأسبوعية

يقرأها التنفيذيون في جي بي مورغان، كوين بيس، بلاك روك، كلارنا وغيرهم.

لسنوات، كانت المحادثة حول الذكاء الاصطناعي في التمويل غير واضحة بشكل محبط. كانت معظم فرق التمويل تواصل العمل بنفس الطريقة، حتى مع حديث التنفيذيين عن disruption وتقديم المستشارين عروض شرائح مليئة بالوعود. لكن شيئًا ما تغير خلال الـ 18 شهرًا الماضية تقريبًا. تحسنت الأدوات، أصبحت حالات الاستخدام أكثر وضوحًا، وبدأت الأقسام التي كانت متشككة سابقًا في رؤية نتائج حقيقية في المجالات التي تهم.

لم يتأثر الجميع بنفس الطريقة أو في نفس الوقت. بعض مجالات التمويل تبنت الذكاء الاصطناعي بشكل أسرع من غيرها، والأسباب تستحق الانتباه. كانت فرق التخطيط والتحليل المالي (FP&A) من أوائل من تحرك، بشكل كبير بسبب الألم الواضح. كان الجميع يعلم أن قضاء أسبوعين في جمع البيانات من أنظمة غير متصلة لبناء توقعات ربع سنوية ليس مستدامًا. عندما ظهرت منصات يمكنها أتمتة جمع البيانات وكشف الاتجاهات خلال ساعات بدلاً من أيام، زادت معدلات الاعتماد بسرعة.

ما جعل هذه الموجة ثابتة هو أنها حلت مشاكل كان الناس قد تعبوا من التعامل معها بالفعل. الذكاء الاصطناعي في التمويل تجاوز مرحلة التجربة بشكل كبير. تستخدم الفرقه لإغلاق الدفاتر بسرعة، وتوليد توقعات مستمرة دون إرهاق محلليها، وتشغيل نماذج سيناريو كانت ستستغرق أسابيع لتجميعها يدويًا. لم يعد القيمة مجرد مفهوم مجرد، بل تظهر في دورات تقارير أقصر وقليل من الليالي المتأخرة قبل اجتماعات المجلس.

تقدمت فرق FP&A أولاً، لكن الأمر لم يتوقف هناك

نظرًا لطبيعة العمل اليدوي والمتكرر، كانت التوقعات والميزانيات هي المكان المنطقي للبدء. ولكن بمجرد أن رأت الفرق ما هو ممكن، بدأ الانتشار في الوظائف المجاورة. تحليل الانحرافات مثال جيد. لتحديد سبب عدم تطابق الأرقام الفعلية مع الخطة، كان المحلل يقضي عادة ساعات في مراجعة البنود. يمكن لأدوات الذكاء الاصطناعي تحديد تلك الاختلافات خلال دقائق، والأهم من ذلك، الإشارة إلى الأسباب الجذرية.

من المجالات التي تكتسب زخمًا أيضًا هو الاعتراف بالإيرادات. كانت جداول البيانات والمعرفة المؤسسية الواسعة سابقًا هي القاعدة للشركات التي تتعامل مع هياكل عقود معقدة أو ترتيبات متعددة العناصر. يمكن أتمتة أجزاء من تلك العمليات لتقليل المخاطر وتوفير الوقت لاتخاذ القرارات التي تتطلب ذكاء بشريًا حقًا. في كل مكان كانت فرق التمويل تقضي وقتًا كثيرًا على الأعمال الروتينية والقواعدية، يتدخل الذكاء الاصطناعي ويقوم بها بشكل أسرع.

إدارة المخاطر هي القصة الأكبر

إذا كانت FP&A هي نقطة الدخول، فقد تكون إدارة المخاطر المكان الذي يحدث فيه الذكاء الاصطناعي التأثير الأكثر ديمومة. الامتثال التنظيمي، كشف الاحتيال، ونمذجة مخاطر الائتمان تتطلب جميعها التعرف على أنماط معقدة وبيانات ضخمة. هذه هي الظروف التي يتفوق فيها التعلم الآلي على التحليل اليدوي.

كانت شركات التأمين والبنوك أول من أدرك ذلك. لكن الجديد هو اعتماد الشركات المتوسطة التي لم تكن لديها فرق تحليل مخاطر مخصصة. منصات السحابة جعلت من الممكن لشركة صغيرة بعدد موظفين قليلين إجراء تقييمات مخاطر كانت تتطلب سابقًا فريقًا من المحللين الكميين. تتولى هذه الأدوات المراقبة، تكتشف الشذوذات عند حدوثها، وتعد تقارير جاهزة للمراجعة بشكل مستقل. هذا خطوة حقيقية للأمام في إدارة العمليات المالية اليومية.

حاليًا، قد يكون الامتثال هو الجزء الأكثر إقناعًا في هذا التحول. البيئات التنظيمية تتغير باستمرار، وبينما تتغير القواعد في مختلف الولايات القضائية، فإن البقاء ملتزمًا هو وظيفة بحد ذاته. على الرغم من أن الذكاء الاصطناعي لا يمكن أن يحل محل مسؤول الامتثال، إلا أنه يمكنه مسح التحديثات التنظيمية، مقارنتها بالسياسات الحالية، وتحديد الثغرات قبل أن تصبح مشكلات. في الماضي، كانت المؤسسات الكبرى فقط هي التي تستطيع تحمل تكاليف هذا النوع من المراقبة الاستباقية.

ما الذي يمنع بعض الفرق من التقدم

ليس كل أقسام التمويل تعمل بنفس الوتيرة، وأسباب التردد الرئيسية عادة ما تكون المواهب والثقة. الثقة لأن المهنيين الماليين يحتاجون إلى فهم كيف تصل النماذج إلى استنتاجاتها قبل أن يضعوا سمعتهم على النتائج. المواهب لأن تنفيذ هذه الأدوات بشكل جيد يتطلب أشخاصًا يفهمون كل من التقنية والسياق المالي، وهذا المزيج لا يزال نادرًا.

العقبة الأخرى التي لا تحظى بالاهتمام الكافي هي جودة البيانات. بما أن الذكاء الاصطناعي يعتمد على جودة البيانات التي يغذيها، فإن العديد من الشركات لا تزال تعمل على أنظمة غير منظمة ومفككة، حيث قد يُعرف نفس المقياس بثلاث طرق مختلفة حسب القسم. على الرغم من أن تنظيف ذلك ليس مهمة براقه، إلا أنه ضروري لتحقيق أقصى استفادة من أي تطبيق للذكاء الاصطناعي.

المسار واضح إلى حد كبير

فرق التمويل التي اتخذت الخطوة بالفعل توسع من حالات الاستخدام، وليس تتراجع. الانتصارات المبكرة في FP&A بنت ثقة داخلية كافية لدفعها نحو المخاطر، والامتثال، وعمليات الخزانة. الجامعات بدأت تدمج مهارات البيانات في مناهجها المالية، مما سيساعد على تقليل فجوة المواهب مع مرور الوقت. في الوقت نفسه، يواصل البائعون طرح أدوات أكثر تخصصًا.

كل ربع سنة، تصبح الحسابات أصعب للفرق التي لم تبدأ بعد. الفجوة التنافسية بين الأقسام المالية المدعومة بالذكاء الاصطناعي والأقسام التقليدية تتسع، وتضييق تلك الفجوة لاحقًا دائمًا ما يكلف أكثر من مواكبتها الآن. التقنية ليست مثالية، ولا أحد يجب أن يتظاهر بخلاف ذلك. لكن الانتظار حتى الوصول للكمال هو نوع من المخاطرة بحد ذاته، وهو ما لا تستطيع العديد من المؤسسات تحمله.