سبع حالات استخدام للذكاء الاصطناعي لمساعدة مديري الأصول على تعزيز الكفاءة والإنتاجية في مواجهة الرياح المعاكسة للسوق

ستيوارت غرانت هو رئيس أسواق رأس المال، وإدارة الأصول والثروات في SAP.

اكتشف أبرز أخبار التكنولوجيا المالية والفعاليات!

اشترك في نشرة FinTech Weekly

يقرأها مسؤولون تنفيذيون لدى JP Morgan وCoinbase وBlackrock وKlarna وغيرهم

من ضغط الرسوم إلى التحولات غير المواتية في الظروف الاقتصادية الكلية، إلى تزايد استثمارات التكنولوجيا التي لم تؤدِّ بعد العائد المتوقع كما كان يُفترض؛ تواجه منظمات إدارة الأصول رياحًا معاكسة كبيرة مع انتقال التقويم إلى 2026.

في تحليل أجراه McKinsey & Company في 2025 حول صناعة إدارة الأصول العالمية، تبين، على سبيل المثال، أن هوامش مديري الأصول انخفضت بمقدار ثلاث نقاط مئوية في North America وخمس نقاط مئوية في Europe خلال السنوات الخمس الماضية، وذلك نتيجة لعوامل مثل هذه.

لكن توجد مهلة لتخفيف الضغط في صورة نشرات مستهدفة ومتموضعة جيدًا للذكاء الاصطناعي. فالذكاء الاصطناعي بأشكاله المختلفة — التوليدي وagentic AI، وما إلى ذلك — بدأ يُظهر قيمة في مجموعة من حالات الاستخدام داخل المجالات الأمامية والوسطى والخلفية، مانحًا مديري الأصول الوسائل لالتقاط مكاسب جديدة في الإنتاجية والكفاءة، وتحديد واستغلال فرص أعمال جديدة مربحة قبل المنافسة. ووفقًا لتحليلها، الذي يعتمد على استطلاع لمديري مستوى C من شركات إدارة الأصول في جميع أنحاء North America وEurope، خلصت McKinsey إلى أن التأثير المحتمل للذكاء الاصطناعي وgen AI وagentic AI على مدير أصول متوسط «قد يكون تحويليًا، بما يعادل 25 إلى 40 في المئة من قاعدة تكلفته».

وعليه، يتمثل التحدي أمام منظمات إدارة الأصول في تحديد أين داخل مؤسساتها يمكن للذكاء الاصطناعي أن يوفر أكبر قيمة.

توظيف الذكاء الاصطناعي لتحقيق أقصى تأثير

تستخدم الشركات عبر مشهد إدارة الأصول الذكاء الاصطناعي في مجموعة متنوعة من الجبهات. يحدث جزء كبير من هذا النشاط داخل المؤسسات الأكبر التي تمتلك الموارد العميقة لتطوير قدراتها الخاصة حول نماذج اللغة الكبيرة، ووكلاء ذكاء اصطناعي مستهدفين وما شابه. لكن الوجه الآخر للعملة هو أن الذكاء الاصطناعي يمكنه أيضًا مساعدة مديري الأصول خارج أضخم مؤسسات Tier One على المنافسة على قدم أكثر تكافؤًا مع هذه الشركات الأكبر.

إضافة إلى ذلك، بينما تركز العديد من المؤسسات استثماراتها على حالات استخدام ذكاء اصطناعي موجهة للعملاء، فمن المهم ألا يغفل المرء الفرص المتاحة لإنشاء قيمة عبر تطبيقات ذكاء اصطناعي أخرى قابلة للتوسع في المجالات الأمامية والوسطى والخلفية. بدلًا من البحث عن حلول نقطية قد لا تتكامل جيدًا مع بعضها، قد يكون النهج الأكثر حكمة لتوليد القيمة من الذكاء الاصطناعي هو توجيه الاستثمارات التي تزيل «الجدران الافتراضية» بين طبقات المكاتب الثلاث لإنشاء كفاءات وتعزيز الإنتاجية وتبسيط العمليات، مع تحسين توعية التخطيط والاستراتيجية.

بعبارة مختصرة، ابحث عن حالات استخدام للذكاء الاصطناعي تشجع — ويمكنها أن تستفيد من — الحركة الأوسع للبيانات داخل المؤسسة. إليك مجموعة من حالات يبدو أنها واعدة بشكل خاص:

1. أتمتة وتسريع الإغلاق المالي ووظائف التمويل الأخرى. لطالما كانت التمويل تاريخيًا مجالًا مليئًا بعمليات يدوية. وبمساعدة وكلاء الذكاء الاصطناعي، تملك منظمات إدارة الأصول فرصة لأتمتة العديد من العمليات المرتبطة بوظيفة التمويل، بما في ذلك الإغلاق المالي وكذلك AR وAP وتسوية الفواتير وما شابه. في هذه السيناريوهات، يمكن للذكاء الاصطناعي دعم تحسين أتمتة حركة البيانات. كما يمكنه تزويد مستخدمي الأعمال في التمويل بإشعارات استباقية — وسيناريوهات قابلة للتنفيذ — بشأن مشكلات محتملة لم تُرصد بعد، مثل فائض/عجز رأس المال، وتعديلات الميزانية العمومية، وما شابه.

2. تحسين إدارة المخاطر عبر مواءمة حقيقية مع التمويل. يمكن أن تكون البيانات من المكتب الخلفي ذات قيمة هائلة لفِرق إدارة المخاطر في المكتب الأوسط. ويمكن لهذه الفرق استخدام بيانات حول ممتلكات المستثمرين، والتدفقات النقدية، وسيولة السوق، والهامش/الضمان، إلخ، إلى جانب بيانات ملف العميل والبيانات المتعلقة بالتواصل لتحديد الإشارات المبكرة لإرجاعات العملاء/عمليات الاسترداد المرتبطة بها، ومخاطر السيولة.

3. تحديد فرص هياكل الرسوم ونماذج الأعمال الجديدة والتحرك بسرعة بشأنها. يمكن للمؤسسات أن تطلب من أدوات الذكاء الاصطناعي لديها إجراء بحث ونمذجة لتأثير التغييرات المحتملة في الرسوم وكذلك نماذج الأعمال الجديدة. ماذا تشير البيانات التاريخية حول كيفية تأثير تغيير الرسوم على الذمم المدينة؟ هل توجد فرص لتقسيم منطقة قائمة في الأعمال (مثل فئة أصول محددة أو صناديق جغرافية محددة) إلى جزأين أو أكثر، أو لتجميع العملاء بشكل مختلف، وإذا كان الأمر كذلك، فما مدى قوة المقترح التجاري لمثل هذه التحركات؟

4. إبلاغ القرارات بشأن التوسع في منتجات أو جغرافيات جديدة. تفكر مؤسستك في الانتقال إلى سوق جغرافية واعدة ولكنها نسبياً عالية المخاطر. كيف انتهت التحركات السابقة من هذا النوع من حيث التكاليف المتوقعة والتكاليف الفعلية؟ ما الآثار التنظيمية والآثار المتعلقة بالموارد البشرية المرجحة لهذا الانتقال؟ يمكن لمحاورة مع مساعد رقمي للذكاء الاصطناعي التوليدي أن توفر إجابات قيمة عن أسئلة مثل هذه، بما يؤدي إلى قرارات استراتيجية أكثر استنارة.

5. نمذجة سيناريوهات «ماذا لو» بشأن الأثر المحتمل لإعادة موازنة المحفظة على الأرباح المستقبلية، وكذلك على أولويات استثمار العملاء ورغباتهم في المخاطرة. يمكن لأدوات الذكاء الاصطناعي أن توفر رؤى حول الأثر المحتمل لهذه التحولات، مع تقديم توصيات أيضًا بشأن التوقيت الأمثل في ضوء التزامات حسابات الدائنين وعوامل أخرى. ومن خلال ربط هذا النوع من الاتصالات بالبيانات، يساعد الذكاء الاصطناعي على معالجة فجوات المعلومات بين وظيفة التمويل وإدارة محفظة المكتب الأمامي، بما يدعم تخطيطًا استراتيجيًا وميزانيات أدق وأكثر استهدافًا.

في حالة إحدى الشركات التي أعمل معها، على سبيل المثال، فإنها تسعى إلى دمج بيانات نسب/نسبة إسناد المحفظة المتعلقة بأداء العناصر الفردية في محفظتها مع بيانات حول رغبة العملاء في المخاطرة وهيكليات الرسوم. الهدف هو فهم الأثر المالي لإعادة موازنة المحفظة مقارنةً بتوقعات العملاء والأرباح المستقبلية.

6. تعزيز الإنتاجية. يقول بعض المسؤولين التنفيذيين في إدارة الأصول الذين تحدثت معهم مؤخرًا إن مؤسساتهم تتطلع إلى مضاعفة الأصول تحت الإدارة دون زيادات مادية في عدد الموظفين، وذلك ببساطة عبر الاستفادة من الذكاء الاصطناعي ووكلاء الذكاء الاصطناعي على نطاق أوسع عبر مؤسساتهم. إنهم يقومون بإنشاء وكلاء ذكاء اصطناعي ووضعهم إلى جانب الموظفين — كتوسعات رقمية لأولئك الموظفين، بشكل أساسي. وفي النهاية، فإن مكاسب الإنتاجية التي توفرها هذه الوكلاء تمكّن الشركات الصغيرة والمتوسطة من «مجاراة وزنها» بما يتيح لها المنافسة على قدم أكثر تكافؤًا مع الشركات الأكبر.

7. تحسين اكتشاف الاحتيال أثناء استقبال/تجهيز العملاء الجدد. يجيد الذكاء الاصطناعي فحص مستندات استقبال العملاء الجدد والتحقق من أصالتها بسرعة، وتحديد حتى أكثر الحالات الشاذة بساطة (في حجم الخط، وتنسيق المستند، إلخ) والتي يمكن أن تشير إلى أن العميل ليس الشخص الذي يبدو عليه، وبالتالي يتطلب ذلك مزيدًا من التدقيق.

على الرغم من أن حالات الاستخدام مثل هذه قد تكون مؤثرة داخل مؤسسة لإدارة الأصول، فإن تعظيم قيمتها يعتمد بدرجة كبيرة على جودة وإتاحة البيانات التي تغذيها. أولًا وقبل كل شيء، يجب أن تكون البيانات مفهومة للإنسان وللآلة على أساس الخدمة الذاتية. غالبًا ما تقوم الشركات باستخراج البيانات من تطبيقات المصدر ثم نقلها إلى data lake. ومع ذلك، فإن القيام بذلك يُزيل الدلالات والسياقات المهمة للغاية المرتبطة ببيئة التطبيق. وبدون بيانات التعريف الوصفية هذه (metadata)، قد تكون مخرجات الذكاء الاصطناعي — والأثر الإجمالي — دون المستوى الأمثل. لذلك، في كثير من الحالات، تكون المؤسسات أفضل حالًا عند ترك هذه البيانات في بيئة التطبيق الطبيعية لديها، جنبًا إلى جنب مع بيانات التعريف الوصفية المصاحبة. تخيل البيانات في هذه التطبيقات بوصفها «البطاريات» التي تشغّل generative AI وagentic AI والتحليلات الذكية داخل المؤسسة. كلما كانت البطاريات أقوى، كانت مؤسسة إدارة الأصول في وضع أفضل للاستفادة من استثماراتها في الذكاء الاصطناعي للنفاذ عبر رياحها المعاكسة.

عن المؤلف

ستيوارت غرانت هو رئيس أسواق رأس المال، وإدارة الأصول والثروات في SAP. خلال 20+ عامًا، عمل مع البيانات في صناعة أسواق رأس المال في وظائف شملت إدارة المنتجات، وتطوير الأعمال، وإدارة الأعمال.