لماذا لن تحقق نماذج اللغة الكبيرة وحدها عائد استثمار في الخدمات المالية

اكتشف أبرز أخبار وأحداث التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرأها مديرون تنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna وغيرها

تمت تسمية نماذج اللغات الكبيرة (LLMs) على أنها كهرباء عصرنا، وقد أدى ظهورها إلى موجة من التجارب في مجال التمويل. بدءًا من الأبحاث الآلية وحتى رؤى العملاء، فإن الإمكانات هائلة. لكن مع تزايد الاعتماد، تظهر حقيقة واضحة: لا تكفي نماذج LLMs وحدها دون طبقة تنفيذية (agentic) في الأعلى.

يمكن لـ LLMs توليد كلمات، لكن يلزمها وكلاء لضمان الحقيقة. يمكنها تلخيص البيانات، لكن بدون طبقة تنفيذية (agentic)، لا تستطيع تحديد ما هو الأهم بالنسبة لأعمالك. وفي قطاع لا مجال فيه للتنازل بشأن الثقة والامتثال والسرعة، فإن هذه الفجوة حاسمة. بينما تمنح نماذج LLMs قوةً للنظام، فإن الذكاء الاصطناعي التنفيذي (agentic AI) يعرف متى وكيف يشعل الأضواء.

نماذج LLMs وحدها ليست كافية

تُعد نماذج LLMs رائعة، لكنها تفاعلية. فهي تستجيب إلى التعليمات، وتولّد نصًا، وتلخص البيانات، لكنها لا تعمل ضمن سياق الأعمال. من تلقاء نفسها، تفتقر إلى التموضع (grounding) في التعريفات المؤسسية والقواعد والجدول الزمني. بدون طبقة تنفيذية (agentic layer) وفهرس سياقات، تكون هذه النماذج قوية لكنها ناقصة. يمكنها التواصل بسلاسة، لكنها لا تستطيع ضمان أن ما تقوله يتوافق مع كيفية تعريف الأعمال للحقيقة. تصبح هذه الفجوة حاسمة في البيئات المالية المعقدة التي يجب فيها الوثوق بالمعلومات وتنظيمها ومشاركتها باستمرار وبشكل موحّد.

يوفر الذكاء الاصطناعي التنفيذي (Agentic AI) مع فهرس السياقات العناصر الناقصة: سياق الأعمال لاتخاذ القرار، وتعلّم الإنسان ضمن الحلقة (human-in-the-loop) للتحسين المستمر. معًا، تضيف الاستقلالية والسياق والذاكرة. تعرف الوكلاء ما الذي يجب أن تبحث عنه، ويضمن فهرس السياقات أن تعكس المخرجات تعريفات موثوقة، وكلاهما يعمل ضمن حدود واضحة. عمليًا، يتيح ذلك للمؤسسات المالية:

*   المسح المستمر للأسواق والأخبار والملفات الرسمية بحثًا عن الحالات الشاذة قبل أن يلاحظها البشر
*   تتبع مشاعر العملاء بمرور الوقت وربط الرؤى بالمستشارين وفِرق المنتجات
*   أتمتة التقارير ومسارات عمل الامتثال بحيث تتحول الرؤى مباشرةً إلى قرارات

يجعل الوكلاء، إلى جانب طبقة البيانات الوصفية (metadata layer)، نماذج LLMs تتحول من أدوات تفاعلية إلى مشاركين نشطين في العمليات المالية، بينما يبقى البشر صانعي القرار الأساسيين. يحولون الإمكانات إلى أداء.

مع قيام المزيد من الشركات باعتماد أدوات الذكاء الاصطناعي، فإن المؤسسات التي تعامل الذكاء الاصطناعي كطبق جانبي فاخر لاستراتيجيتها لن ترى عائد الاستثمار الذي تبحث عنه. تكون استراتيجية الذكاء الاصطناعي الأكثر نجاحًا عندما تُنسج في نسيج المؤسسة، عندما تصبح جزءًا من المؤسسة نفسها.

بناء ذكاء فوق النموذج

يقدم تاريخ الكهرباء تشبيهًا مفيدًا. كان الوصول المبكر إلى الطاقة ميزة تنافسية. وبمجرد أن أصبحت الكهرباء متاحة على نطاق واسع، تحولت الميزة إلى من صمّموا الأنظمة التي استخدمت الكهرباء بكفاءة. أصبحت المصانع وخطوط التجميع وأنظمة الإضاءة عناصر تمييز.

توجد نماذج LLMs الآن في المرحلة نفسها. فهي متاحة على نطاق واسع. تأتي الميزة الحقيقية من الطريقة التي تستخدم بها المؤسسات هذه النماذج لإثراء مسارات العمل، وتنسيق القرارات، ودعم الحكم البشري. إن مجرد نشر نموذج على أنه “حل لكل شيء” ليس استراتيجية. إن استخدام الذكاء لحل هدف محدد أو لدعمه هو ما يدفع أثرًا يمكن قياسه.

فكر في ثلاثة أمثلة:

*   **أبحاث السوق**: يمكن لـ LLM تلخيص الأخبار أو الملفات الرسمية. يقوم الوكيل، المدعوم ببيانات وصفية لفهرس السياقات (context catalog metadata)، بتصفية ما يلزم وتحديد الأولويات وتسليط الضوء على ما هو ذي صلة بقرارات الاستثمار المصممة خصيصًا للمستثمر.
*   **تحليل مشاعر العملاء**: يقرأ LLM المنشورات الاجتماعية أو الاستبيانات. يقوم الوكلاء المتموضعون ضمن السياق الذي يوفّره الفهرس (catalog) بتجميع الرؤى وتتبع الاتجاهات وربط النتائج بمسؤولي العلاقات.
*   **الاحتيال والامتثال**: تُحلل نماذج LLM البيانات غير المهيكلة. يقوم الوكلاء بتنسيق كشف الحالات الشاذة باستخدام التعريفات من الفهرس، ثم يرسملون تلقائيًا التقارير ومهام المتابعة لمنع المخاطر التشغيلية.

في كل سيناريو، يوفر النموذج قابلية التوسع والقدرة على التفاعل بسلاسة، لكن الجمع بين الوكيل وفهرس السياقات يخلق الملاءمة والتركيز وقابلية التنفيذ.

دعم الحكم البشري

يعتقد البعض أن الوكلاء أو نماذج LLM ستستبدل البشر. في الخدمات المالية، هذا غير مرجح. يقدّم البشر الحكم والإشراف والتفكير الاستراتيجي الذي لا يمكن أتمتته. يعزز الوكلاء وفهرس السياقات قدرات البشر من خلال ضمان أن تكون المعلومات دقيقة ومؤطرة بالسياق ومهيأة لاتخاذ القرار. إنها تتعامل مع المهام المتكررة أو المستهلكة للوقت أو شديدة التوزيع.

عندما تجتمع معًا، فإن نماذج LLMs والوكلاء وفهرس السياقات يخلقون حلقة تغذية راجعة: يولّد النموذج رؤى؛ يقوم الوكيل بتحديد الأولويات وتنسيقها؛ ويؤطر الفهرس ما يقدمه في الحقيقة المؤسسية. أخيرًا، يتخذ البشر القرارات.

والنتيجة تكون مخرجات أسرع وأكثر ثقة ودقة أعلى. يقضي المحللون والقادة وقتًا أقل في جمع المعلومات ووقتًا أكثر في تنفيذ ما يتعلق بها.

الحتمية التنافسية

ما زالت المؤسسات المالية التي تعتمد على نماذج LLM وحدها تظل تفاعلية. أما تلك التي تدمج الوكلاء وفهرس السياقات فتكتسب استباقية وكفاءة ورؤى على نطاق واسع. تُعد نماذج LLM ضرورية لكنها غير مكتملة. يحول الوكلاء هذه النماذج إلى أنظمة تقدم قيمة حقيقية. يضمن الفهرس أن تعمل هذه الأنظمة وفق تعريفات موثوقة وبيانات قابلة للتحقق.

توجد صناعة الخدمات المالية على عتبة تحول. أصبحت نماذج LLM بمثابة منفعة أساسية (baseline utility). تأتي الميزة التنافسية الآن من تصميم أنظمة تنسق الذكاء وتوفر السياق وتتكامل عبر مسارات العمل. أولئك الذين يفهمون هذه الحقيقة سيحددون عصر الابتكار التالي في التكنولوجيا المالية.

توفر نماذج LLM القدرة. ويوجه الوكلاء وفهرس السياقات هذه القوة ويجعلونها مفيدة. معًا، تتيح لمؤسسات الخدمات المالية أن ترى بوضوح، وتتخذ قرارات بثقة، وتقرر بشكل أذكى.

نبذة عن المؤلف

ألكسندر والش (Alexander Walsh) هو المؤسس الشريك والرئيس التنفيذي لـ Oraion. بخلفية متنوعة في الاستراتيجية والتمويل والتوسع الدولي، أمضى ألكسندر أكثر من عقد من الزمن في دفع النمو للشركات العالمية الرائدة. قبل تأسيس Oraion، شغل منصب مدير التوسع الدولي في Via.work، حيث ساعد في توسيع نطاق العمليات العالمية للشركة، وقادها إلى خروج ناجح عبر الاستحواذ إلى JustWorks. تمتد خبرته عبر أدوار في Apple وN26 وSilicon Valley Bank، حيث تخصص في العمليات والامتثال واتخاذ القرار المبني على البيانات. تتمحور خبرة ألكسندر حول استراتيجية الأعمال والإدارة المالية والاستفادة من الأتمتة لدفع النمو وتحويل الشركات.