حيث يُحدث الذكاء الاصطناعي فرقًا فعليًا في التمويل حاليًا

تتحرك التكنولوجيا المالية 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. استمرت معظم فرق التمويل في القيام بالأشياء بنفس الطريقة، حتى مع حديث التنفيذيين عن الاضطراب وقيام المستشارين بإنتاج عروض تقديمية 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 بالتغير. تبنت بعض مجالات التمويل الذكاء الاصطناعي بشكل أسرع من غيرها، والأسباب تستحق الانتباه. كانت فرق التخطيط والتحليل المالي من بين أول من تحرك، إلى حد كبير بسبب الألم الواضح. كان الجميع يعلم أن قضاء أسبوعين في جمع البيانات من أنظمة غير متصلة لبناء توقع ربع سنوي لم يعد مستدامًا. عندما ظهرت منصات يمكنها أتمتة جمع البيانات وكشف الاتجاهات خلال ساعات بدلاً من أيام، زادت معدلات الاعتماد بسرعة.

ما جعل هذه الموجة تلتصق هو أنها حلت مشاكل كان الناس قد تعبوا من التعامل معها بالفعل. الذكاء الاصطناعي في التمويل تجاوز المرحلة التجريبية بكثير. تستخدم الفرقه لإغلاق الدفاتر بشكل أسرع، وتوليد توقعات مستمرة دون إرهاق محلليها، وتشغيل نماذج سيناريو كانت ستستغرق أسابيع لتجميعها يدويًا. لم تعد القيمة مجرد مفهوم مجرد. تظهر كدورات تقارير أقصر وليل أقل قبل اجتماعات المجلس.

تحليل التخطيط والتحليل المالي كان هناك أولاً، لكنه لم يتوقف عند ذلك

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

منطقة أخرى تكتسب زخمًا هي 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 بشري حقًا. أينما كانت فرق التمويل تقضي وقتًا كثيرًا على الأعمال الروتينية القائمة على القواعد، يتدخل الذكاء الاصطناعي ويقوم بها بشكل أسرع.

إدارة المخاطر هي القصة الأكبر

إذا كانت التحليل المالي والتحليل المالي هو نقطة الدخول، فقد تكون إدارة المخاطر المكان الذي يحدث فيه التأثير الأكثر ديمومة للذكاء الاصطناعي. تتطلب الامتثال التنظيمي، والكشف عن الاحتيال، ونمذجة مخاطر الائتمان أنماطًا 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 الاعتماد بين الشركات المتوسطة التي لم تكن لديها فرق تحليل مخاطر مخصصة من قبل. جعلت المنصات السحابية من الممكن لشركة صغيرة تضم بضع مئات من الموظفين إجراء تقييمات مخاطر كانت تتطلب سابقًا فريقًا من خبراء الكمية. تتولى هذه الأدوات المراقبة، وتلتقط الشذوذات عند حدوثها، وتعد تقارير جاهزة للمراجعة بشكل مستقل. هذا خطوة حقيقية للأمام في إدارة العمليات المالية اليومية.

في الوقت الحالي، قد يكون الامتثال هو الجزء الأكثر إقناعًا من هذا التحول بأكمله. تتغير البيئات التنظيمية ** باستمرار **، وبين تغير القواعد في ولايات قضائية مختلفة، فإن البقاء متوافقًا هو وظيفة بحد ذاتها. على الرغم من أن الذكاء الاصطناعي لا يمكن أن يحل محل مسؤول الامتثال، إلا أنه يمكنه مسح التحديثات التنظيمية، ومقارنتها بالسياسات الحالية، وتحديد أي فجوات 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

ليست جميع أقسام التمويل تعمل بنفس الوتيرة، والأسباب الرئيسية للتردد عادةً هي 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 التكنولوجيا والسياق المالي، وهذا المزيج لا يزال نادرًا.

العائق الآخر الذي لا يُعطى الاهتمام الكافي هو جودة البيانات. نظرًا لأن الذكاء الاصطناعي يعتمد على جودة البيانات التي يغذيها، لا تزال العديد من الشركات تعمل على أنظمة غير منظمة ومفككة حيث، اعتمادًا على القسم، قد يتم تعريف نفس المقياس بثلاث طرق مختلفة. 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

الفرق المالية التي قامت بالفعل بالانتقال توسع حالات الاستخدام لديها، وليس تتراجع. الانتصارات المبكرة في التحليل المالي وبناءً عليه، أُعطت مصداقية داخلية كافية لدفع التقدم نحو إدارة المخاطر والامتثال وعمليات الخزانة. بدأت الجامعات في دمج مهارات البيانات في مناهجها المالية، مما سيساعد على سد 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، وسد الفجوة لاحقًا دائمًا يكلف أكثر من مواكبة التطور الآن. التكنولوجيا ليست مثالية، ولا ينبغي لأحد أن يتظاهر بخلاف ذلك. لكن الانتظار حتى الوصول للكمال هو نوع من المخاطرة، وهو ما لا تستطيع العديد من المؤسسات تحمله.