"مسابقة الذكاء الاصطناعي" في تقارير البنوك المدرجة السنوية: بحلول عام 2025، ستتجاوز الاستثمارات في التكنولوجيا المالية للستة بنوك الكبرى 130B يوان، مع وجود تحديات في تطبيق السيناريوهات ومخاطرها

《每日经济新闻》记者｜刘嘉魁    《每日经济新闻》编辑｜魏文艺

随着2025年A股上市银行年报季收官，一组数字勾勒出金融业智能化转型的全新图景——工商银行全年金融科技投入达28.59B元，招商银行宣称其AI（人工智能）应用在一年内替代了超过15.56M人工小时，平安银行的大模型应用场景在一年内翻倍增长至近400个⋯⋯

《每日经济新闻》记者（以下简称“每经记者”）注意到，2025年，工商银行、农业银行、中国银行、建设银行、交通银行、邮储银行等六大国有银行在金融科技上的投入合计超过130B元，较2024年的125.46B元进一步增长。巨额投入背后，一个更深刻的转变正在发生：人工智能已从年报中展望未来的技术章节，转变为衡量银行核心竞争力的关键标尺。

与此同时，在大洋彼岸，摩根大通正描绘着另一幅AI图景——首席执行官杰米·戴蒙（Jamie Dimon）将人工智能定位为“堪比印刷机与蒸汽机的变革性技术”，并宣布每年投入超过2B美元，致力于打造“全AI协同企业”。这家华尔街金融巨头不满足于单点应用，而是试图将AI深度融入组织的每一根毛细血管。

一边是国内银行业体系化、规模化的AI投入与场景落地，另一边是国际金融巨头以生态系统思维推进的全方位智能化重构。这场横跨太平洋的金融智能化浪潮，正悄然改变着从信贷审批、风险定价到投资决策的每一个核心环节。

然而，这场火热的AI投入与愿景背后，数据治理的深水区、模型“幻觉”的现实风险以及算法“黑箱”带来的合规挑战，也考验着这场变革的深度与可持续性。金融业的AI征程，在展示出巨大潜力的同时，也步入了一个需要更多智慧与审慎的关键阶段。

ترقية استراتيجية: من “الرقمية” إلى “الرقمية الذكية” في سباق تنافسي

بعد قيام مراسلنا من 《每日经济新闻》 بتتبع تقارير أداء البنوك المدرجة لعام 2025، تبين أن “الذكاء الاصطناعي” انتقل من فصل التوقعات التقنية إلى كونه مؤشر أداء رئيسيًا لقياس القدرة التنافسية الأساسية في المستقبل. تتمحور هذه المنافسة حول الانتقال من “هل يتم تطبيق الذكاء الاصطناعي” إلى “إلى أي مدى يتم تطبيقه ومدى قوة المنظومة”، مع إظهار سمات واضحة للتموضع بشكل منظّم وبحجم كبير على أرض الواقع.

تستفيد البنوك المملوكة للدولة الكبرى من مواردها الضخمة وهي تبني “بنية تحتية ثقيلة” لانتقالها إلى الذكاء الاصطناعي. ففي تقريره السنوي، أوضح بنك الصناعة والتجارة أنه قام بالترقية الشاملة لاستراتيجية “إي-غونغغونج” الرقمية التي استمرت أربع سنوات (D-ICBC) إلى “إي-تسيغونغغونج” الذكية (AI-ICBC)، وأن النموذج الأساسي الرئيسي “Gongyin Zhiyong” تم تطبيقه في أكثر من 30 مجال أعمال، ليصل إلى أكثر من 500 سيناريو تطبيق. ووفقًا لما كشفه بنك الإنشاءات، فقد أمكن تمكين تقنيات الذكاء الاصطناعي على نطاق واسع عبر 398 سيناريو داخل المجموعة. أما بنك الصين، فقد بنى منصة قدرات نموذج كبير BOCAI، ونشر إجمالًا أكثر من 400 مساعد ذكي.

وتُظهر البنوك ذات الملكية المشتركة والبنوك التجارية بالمدن (城商行) مرونة أكبر في سرعة وامتداد تطبيق السيناريوهات على أرض الواقع. ففي مؤتمر إعلان الأداء، أفصح بنك التوسع (招商银行) أن عدد سيناريوهات تطبيق الذكاء الاصطناعي بلغ 856 سيناريو، وأن البنك استبدل عبر الذكاء الاصطناعي ما يزيد على 15.56 مليون ساعة عمل يدوية خلال العام، وهو ما يعادل تكوين كفاءة عمل بدوام كامل تتجاوز 8000 موظف. والأهم، أن الذكاء الاصطناعي يتحول من “مركز التكلفة” إلى “محرك العائد”: فقد ساعد المساعد الذكي الموجه لمسؤولي خدمة العملاء على دفع الزيادة في متوسط عدد الزيارات الفعالة لكل فرد بنسبة 14%، وارتفاع حجم المعاملات بمتوسط الفرد بنسبة 20%. وفي بنك بينغآن، قفز عدد سيناريوهات تطبيق النموذج الكبير خلال عام واحد من “أكثر من 200” إلى “أكثر من 390”، وبلغت نسبة كمية الشيفرة التي يولدها الذكاء الاصطناعي أكثر من 30%. كما بنى بنك سيتيك (CITIC) نموذج “نموذج كبير + نموذج صغير” للتعاون؛ وحتى نهاية 2025، تجاوزت سيناريوهات انتشار النموذج الكبير على أرض الواقع 120 سيناريو.

من “الأولوية للذكاء الاصطناعي” إلى “الذكاء الاصطناعي الأصلي”، تحاول البنوك الرائدة إدخال الذكاء بعمق في نسيج المنظمة، وبناء حواجز تنافسية جديدة.

حلل أحد الباحثين المخضرمين في أبحاث القطاع المصرفي لـ 《每日经济新闻》 أن إنجازات الذكاء الاصطناعي التي تم الإفصاح عنها بكثافة في تقارير عام 2025 تشير إلى أن التحول الرقمي في الصناعة المصرفية الصينية قد دخل “المناطق العميقة” التي يكون فيها صنع القرار الذكي وإعادة تشكيل العمليات هو جوهرها. وتكمن خلف ذلك ضرورة لا مفر منها: في ظل انكماش صافي هامش الفائدة بين صافي الإيراد بشكل مستمر، يتجه القطاع إلى طلب الكفاءة والنمو من التقنية. ولم يعد استثمار الذكاء الاصطناعي مجرد بند ميزانية لقسم التكنولوجيا، بل أصبح استثمارًا استراتيجيًا مرتبطًا مباشرة بمؤشرات تشغيلية جوهرية مثل خفض التكاليف وزيادة الكفاءة وضبط المخاطر وتحسين الإيرادات.

تعميق التطبيق: ثورة الكفاءة في إدارة المخاطر والتمويل الشامل والعمليات

بعد سنوات من الاستكشاف، تجاوز تطبيق الذكاء الاصطناعي في القطاع المصرفي بكثير مرحلة خدمة العملاء الذكية المبكرة والدفع عبر التعرف على الوجوه، ليدخل إلى عمق قلب الأعمال، حيث يُظهر قدرة مغيرة للعبة في جانبين: تحسين الكفاءة والسيطرة على المخاطر.

في “قلب” إدارة المخاطر—مجال الائتمان ومكافحة الاحتيال—يحقق الذكاء الاصطناعي تحولًا نوعيًا من “حكم قائم على القواعد” إلى “استشعار ذكي”. إذ تعتمد أنظمة إدارة المخاطر التقليدية على البيانات التاريخية وقواعد ثابتة، وهي غير قادرة على التعامل مع المخاطر الجديدة المعقدة والمتغيرة. أما نظام إدارة مخاطر ذكي يقوم على التعلم الآلي وحوسبة الرسوم (Graph Computing) فيستطيع معالجة كميات هائلة من البيانات غير المتجانسة في الوقت الفعلي. فعلى سبيل المثال، أنشأ بنك البريد والتوفير نموذجًا متكاملًا لمكافحة الاحتيال عبر سلسلة كاملة؛ وفي النصف الأول من 2025، ساعد في حماية أكثر من 100k حساب محتمل تعرض للضرر. وفي بنك التوسع، بلغ حجم الائتمان المؤسسي الذي تتم الموافقة عليه عبر منصة إدارة مخاطر عبر الإنترنت في 2025 قرابة 28.59B يوان صيني، بزيادة قدرها 44%؛ وبالنسبة لوقت الإنذار المبكر اللاحق للقرض المدعوم بالذكاء الاصطناعي، كان متوسطه قبل أنماط العمل اليدوية التقليدية بمقدار 42 يومًا.

وفي مجال التمويل الشامل، يعمل الذكاء الاصطناعي على تحليل بيانات بديلة، وهو ما يساعد في حل المشكلة الكلاسيكية المتمثلة في “صعوبة التمويل وارتفاع تكلفته” لدى المشاريع الصغيرة والمتناهية الصغر. تستخدم العديد من البنوك نماذج ذكاء اصطناعي لدمج بيانات الشركة من الضرائب والفواتير وسلسلة التوريد وصولًا إلى بيانات المياه والكهرباء، لتكوين “صورة ائتمانية” للمشاريع الصغيرة والمتناهية الصغر التي تفتقر إلى ضمانات تقليدية، ومن ثم تقديم ائتمان بسرعة.

تُعد العمليات الذكية وخدمة العملاء من أكثر مظاهر خفض التكاليف وزيادة الكفاءة وضوحًا. فقد أصبح المساعد الذكي في بنك التوسع، الموجه إلى أكثر من 10 آلاف من مديري عملاء “الكنز الذهبي” (金葵花)، شريكًا ذكيًا في العمل اليومي. وبالاعتماد على الذكاء الاصطناعي التوليدي (AIGC) يساعد بنك بينغآن في إنشاء محتوى تسويق، ووفّر في هذا الجانب وحده في 2025 ما يقرب من 60 مليون يوان من التكاليف. وفي الواجهة الخلفية للتشغيل، يقوم “الموظف الرقمي” الذي يديره الذكاء الاصطناعي بالتقاط مهام متكررة ضخمة. كما يدفع بنك سيتيك إلى التعامل المكثف في أعمال مثل فتح الحسابات للجهات (对公开户) وتعديل المعلومات وغيرها عبر الذكاء الاصطناعي، مما رفع الكفاءة التشغيلية للتعامل المكثف بما يزيد عن الضعف.

حلل الباحث المصرفي المذكور آنفًا أن “نجاح الذكاء الاصطناعي في هذه المجالات يرتكز على أنه يعالج كميات هائلة من البيانات التي يصعب على النماذج المالية التقليدية التعامل معها يدويًا، وأنماطًا معقدة لا يمكن للقواعد تغطيتها، فضلاً عن احتياجات الاستجابة الفورية في ظل ضغط المعاملات العالي.” وتُعد هذه التطبيقات الناضجة—حسب التحليل—تمثل “القاعدة الأساسية” لقدرات ذكاء البنك الاصطناعي، وتظهر قيمتها مباشرة في خفض التكاليف وتقليل المخاطر وتحسين تجربة المستخدم.

ويرى أن التطبيقات الحالية تركز أكثر على “تحسين العمليات القائمة”، أما المرحلة المقبلة من المنافسة فستتركز حول كيفية استخدام الذكاء الاصطناعي “لابتكار عمليات جديدة” بل وحتى “ابتكار أعمال جديدة”، أي الانتقال من “زيادة الكفاءة داخليًا” إلى “تحقيق إيرادات خارجيًا”.

الواقع في الخارج: اختراق من تحسين العمليات إلى خلق القيمة

عندما تركز الصناعة المصرفية المحلية على استخدام الذكاء الاصطناعي لتحسين العمليات الداخلية وخدمة العملاء، فإن عمالقة التمويل الدوليين، وعلى رأسهم بنك جي بي مورغان (摩根大通)، يوسعون نفوذ الذكاء الاصطناعي نحو مجالات أكثر تقويضًا: ألا وهي اتخاذ قرارات الاستثمار نفسها.

ففي مجالات رأس المال الاستثماري (VC) والأسهم الخاصة (PE)، يقوم الذكاء الاصطناعي بإعادة تشكيل المنطق الأساسي لاكتشاف المشاريع وإجراءات العناية الواجبة. إذ يتم تغيير النموذج التقليدي الذي يعتمد على شبكات العلاقات وأبحاث القطاع (مثل منصات Wind وBloomberg وغيرها). وعلى سبيل المثال، طوّرت شركة Sequoia Capital أدوات ذكاء اصطناعي داخلية في وقت مبكر؛ لأتمتة مسح بيانات الشركات الناشئة حول العالم والأوراق الأكاديمية وبراءات الاختراع والأخبار، بحيث تُرسل في أوقات ثابتة يوميًا إلى فريق الاستثمار ملخصات تحليل أولية للأصول المحتملة، ما يعزز نطاق وفورية التصفية للمشاريع.

وفي مجالات إدارة الثروات للعملاء والاستثمار المصرفي، ينتقل الذكاء الاصطناعي من الدعم في الخلفية إلى خدمة واجهة المستخدم الأمامية. ففي وقت مبكر من 2023، تقدم بنك جي بي مورغان بطلب علامة تجارية لمنتج يحمل اسم “IndexGPT”، وهو أداة استشارية للاستثمار في الأوراق المالية تستخدم تقنيات الذكاء الاصطناعي التوليدي لتحليل واختيار الأصول الاستثمارية تلقائيًا استنادًا إلى الموضوعات أو مجالات الاهتمام التي يحددها العميل في إدخالته. تم تدريب هذا النموذج على أساس نموذج كبير عام، باستخدام بيانات خاصة ضخمة يملكها بنك جي بي مورغان وحده مثل البيانات الاقتصادية الكلية والأبحاث الخاصة بالشركات، بهدف تقديم توصيات مخصصة لمحافظ استثمارية.

بالإضافة إلى ذلك، في أعمال الإقراض، يعد استخدام الذكاء الاصطناعي لتصنيف المخاطر وتسعيرها بشكل أدق على العملاء ممارسة ناضجة نسبيًا في الخارج.

يقدم الباحث المصرفي المذكور آنفًا تفسيرًا بأن ممارسات الذكاء الاصطناعي لدى المؤسسات المالية في الخارج تكشف عن اتجاهين رئيسيين: أولًا، ينتقل تطبيق الذكاء الاصطناعي من “تحسين العمليات الداخلية” إلى “خلق قيمة خارجية”، ويتدخل مباشرة في حلقات خلق القيمة الأساسية مثل تقديم نصائح الاستثمار وتصميم المنتجات. وثانيًا، تستفيد المؤسسات الرائدة من حواجز بياناتها الفريدة وعالية الجودة (مثل بيانات التداول والأبحاث المتعمقة) لتدريب نماذج كبيرة موجهة لمجالات محددة، وبناء ممرات تنافسية جديدة يصعب تقليدها. بالمقارنة، ما زالت المؤسسات المالية المحلية بحاجة إلى مساحة تطوير فيما يتعلق باستخدام الذكاء الاصطناعي بشكل مباشر لدفع قرارات الاستثمار وتقديم خدمات استشارات استثمارية ذكية بعمق؛ وربما تكون هذه المرتفعات المستقبلية التي يتعين اختراقها.

مَكامن خفية للمضي قدمًا: تحديات حوكمة البيانات و”هلاوس” الذكاء الاصطناعي ونقص المواهب

إلى جانب التطبيقات الناضجة مثل مكافحة الاحتيال وخدمة العملاء الذكية، يدفع القطاع المالي الذكاء الاصطناعي بحذر إلى مجالات أكثر تقدمًا وأكثر مركزية، في محاولة لإطلاق قيمة جديدة وجعل الذكاء الاصطناعي يؤدي دور “المحلل” بل وحتى “صاحب القرار المبدئي” في الأنشطة المالية الأكثر تعقيدًا.

علم مراسل 《每日经济新闻》 أنه في تحليل المشاعر الذكية وتحذير السوق، تقوم جهات بالفعل بتدريب الذكاء الاصطناعي للالتقاط الفوري وتحليل أخبار وتقارير الأبحاث والتقارير المصغرة ومواقع التواصل الاجتماعي وحتى صور الأقمار الصناعية وغيرها من كميات هائلة من البيانات غير المنظمة، بهدف التقاط “إشارات” للمخاطر قد تؤثر على السوق أو شركة بعينها. فعلى سبيل المثال، يمكن لمنصة “东方大脑” (دماغ الشرق) الخاصة بشركة Oriental Securities، معالجة ما يقرب من 70 ألف معلومة يوميًا عن مشاعر السوق وأخباره، والتعرف تلقائيًا على الجهات المصدرة للشركة وتصنيف المواقف السلبية.

وفي مجال إدارة ما بعد الإقراض والحفاظ على الأصول، يُستخدم الذكاء الاصطناعي لمراقبة المخاطر بشكل مستمر وأتمتة على محفظة القروض القائمة. ومن خلال تحليل بيانات تشغيل الشركات والمعلومات القضائية والتغيرات في المشاعر، يمكن للنموذج أن يقدم تحذيرًا مبكرًا للمخاطر المحتملة، وتحويل الاستجابة من وضع رد الفعل إلى إدارة استباقية. وقد حاولت بعض البنوك استخدام نماذج كبيرة للمساعدة في توليد تقارير مراجعة ما بعد الإقراض، بحيث يتم تقليص وقت الكتابة بشكل كبير.

وتحدث استكشافات أكثر تقويضًا في قلب مجالي التداول والاستثمار. وفي مجال الاستثمار الكمي، إلى جانب تحسين استراتيجيات التداول القائمة، تتمثل الاستكشافات الأكثر تقدمًا في تطوير “متداول افتراضي” قادر على التعلم الذاتي لبنية السوق المجهرية وتنفيذ جزء من أوامر التداول تلقائيًا. ووفقًا للتقارير، أطلق بنك جي بي مورغان منصة تداوله الكمي بالذكاء الاصطناعي، والتي تدعم التكامل الذكي بين التداول عالي التردد والاستراتيجيات متعددة العوامل. كما تتم دراسة استخدام الذكاء الاصطناعي في الإدارة بالنيابة (مثل تداول العملات الأجنبية والمشتقات المرتبطة بمعدلات الفائدة)، لتزويد المتداولين بأفضل تسعير لحظي واقتراحات لاستراتيجيات التحوط.

ومع ذلك، ورغم أن الآفاق واسعة، ما زالت تواجه التطبيقات العميقة للذكاء الاصطناعي في المجال المالي الأساسي قيودًا؛ فحوكمة البيانات و”هلاوس” النماذج ونقص المواهب المركبة هي “الأبواب الثلاثة” التي يتعين على المؤسسات المالية تجاوزها.

أولًا، تتمثل المشكلة في حوكمة البيانات. فالبيانات عالية الجودة والمُعيارية هي “وقود” الذكاء الاصطناعي. لكن بيانات التمويل تتعلق بخصوصية شخصية وحساسية تجارية عالية، وغالبًا ما تكون موزعة عبر إدارات أعمال مختلفة لتتشكل “جزر بيانات”. ويشير خبراء من KPMG إلى أن المؤسسات المالية تواجه عمومًا تحديات مثل صعوبة تنسيق البيانات غير المتجانسة من مصادر متعددة وصعوبة تبادل البيانات وتداولها داخل المؤسسة.

ثانيًا، “هلاوس” النماذج الكبيرة والمخاطر المتعلقة بالموثوقية. إن مشكلة “الهلاوس” الملازمة للنماذج اللغوية الكبيرة قد تكون قاتلة في قرارات مالية تتطلب صفر أخطاء. فقد قال الباحث في بنك البريد والتوفير الصيني (邮政储蓄银行) لوو فيبنگ (娄飞鹏): إذا ظهرت “الهلاوس” في مجال إدارة المخاطر، فقد تؤدي إلى أن البنك لا يستطيع فهم منطق المخاطر، وبالتالي لا يمكنه اتخاذ إجراءات استجابة فعالة.

ثالثًا، نقص المواهب المركبة وألم التغيير التنظيمي. فالمواهب المركبة النادرة للغاية هي التي تجمع بين فهم عميق لمنطق الأعمال المالية المعقدة وإتقان خوارزميات الذكاء الاصطناعي والهندسة. وفي الوقت نفسه، توجد حالة شدّ كبيرة بين الثقافة التنظيمية التقليدية للبنوك، التي تؤكد على الصرامة والنظام الهرمي، وبين أنماط التطوير الرشيق المطلوبة للذكاء الاصطناعي، مثل التكرار السريع وإتاحة هامش للخطأ والتجربة.

وخلص الباحث المصرفي المذكور آنفًا إلى أن المنافسة المستقبلية في القطاع المالي ستكون اختبارًا لمنظومة بيئية شاملة “تقنية—بيانات—حوكمة—مواهب”. ولن يكون هناك تفوق طويل الأمد إلا للمؤسسات التي تستطيع أولًا بناء أصول بيانات عالية الجودة، ثم إنشاء إطار حوكمة ذكاء اصطناعي يمكن الوثوق به، وأخيرًا دفع نجاح التحول في المنظمة والثقافة، بما يمكنها من الفوز في هذه الثورة العميقة للرقمية الذكية.

(المحرر: تشيان شياو روي)

الكلمات المفتاحية: