أين تُحدث الذكاء الاصطناعي فرقًا حقيقيًا في التمويل الآن

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

تقدم FinTech Weekly القصص والأحداث الرئيسية في مكان واحد.

اضغط هنا للاشتراك في النشرة الإخبارية لـ FinTech Weekly

يقرؤها مسؤولون تنفيذيون في JP Morgan وCoinbase وBlackRock وKlarna وغيرهم.

لسنوات، كانت المحادثة حول الذكاء الاصطناعي في المالية غامضة بشكل محبط. استمرت معظم فرق المالية في القيام بالأمور بنفس الطريقة، بينما تحدث المسؤولون التنفيذيون عن الاضطراب وقدم المستشارون عروضًا شرائح مليئة بالوعود. لكن شيئًا ما تغير في آخر 18 شهرًا تقريبًا. تحسنت الأدوات، وأصبحت حالات الاستخدام أكثر وضوحًا، وبدأت الأقسام التي كانت متشككة سابقًا في رؤية نتائج حقيقية في المجالات المهمة.

لم يتأثر الجميع بالتغيير بنفس الطريقة أو في نفس الوقت. تبنت بعض مجالات المالية الذكاء الاصطناعي أسرع من غيرها، والأسباب تستحق الاهتمام. كانت فرق التخطيط والتحليل المالي (FP&A) من بين أول من تحرك، ويرجع ذلك إلى حد كبير إلى الألم الواضح. كان الجميع يعلمون أن قضاء أسبوعين في سحب البيانات من أنظمة غير متصلة فقط لبناء توقعات ربع سنوية ليس أمرًا مستدامًا. عندما ظهرت منصات يمكنها أتمتة جمع البيانات وكشف الاتجاهات في ساعات بدلاً من أيام، تسارع التبني بسرعة.

ما جعل هذه الموجة تدوم هو أنها حلت مشاكل كان الناس قد سئموا بالفعل من التعامل معها. لقد تجاوز الذكاء الاصطناعي في المالية مرحلة التجربة بكثير. تستخدمه الفرق لإغلاق الدفاتر بشكل أسرع، وإنشاء توقعات متجددة دون إرهاق محلليهم، وتشغيل نماذج سيناريوهات كانت ستستغرق أسابيع لتجميعها يدويًا. لم تعد القيمة مجردة بعد الآن. تظهر نفسها كدورات تقارير أقصر وليالي متأخرة أقل قبل اجتماعات مجلس الإدارة.

وصلت FP&A إلى هناك أولاً، لكنها لم تتوقف عند هذا الحد

نظرًا لمدى يدوية العمل المتكرر، كانت التنبؤات والميزنة هي المكان المنطقي للبدء. ولكن بمجرد أن رأت الفرق ما هو ممكن، بدأت التكنولوجيا في الانتشار إلى الوظائف المجاورة. تحليل التباين هو مثال جيد. لتحديد سبب عدم تطابق الأرقام الفعلية مع الخطة، كان المحلل يقضي عادةً ساعات في مراجعة بنود الخط. يمكن لأدوات الذكاء الاصطناعي الإشارة إلى هذه التناقضات في دقائق، والأهم من ذلك، الإشارة إلى الأسباب الجذرية.

مجال آخر يكتسب زخمًا هو الاعتراف بالإيرادات. كانت جداول البيانات والمعرفة المؤسسية الواسعة هي القاعدة للشركات التي تتعامل مع هياكل عقود معقدة أو ترتيبات متعددة العناصر. يمكن أتمتة أجزاء من تلك العملية لتقليل المخاطر وتوفير الوقت للقرارات التي تتطلب حقًا ذكاءً بشريًا. أينما كانت فرق المالية تقضي الكثير من الوقت في العمل المتكرر القائم على القواعد، يتدخل الذكاء الاصطناعي ويقوم به بشكل أسرع.

إدارة المخاطر هي القصة الأكبر

إذا كانت FP&A هي نقطة الدخول، فقد تكون إدارة المخاطر هي المكان الذي يقدم فيه الذكاء الاصطناعي التأثير الأكثر ديمومة. الامتثال التنظيمي، وكشف الاحتيال، ونمذجة مخاطر الائتمان تتطلب جميعها التعرف على الأنماط المعقدة ومجموعات البيانات الكبيرة. هذه هي بالضبط الظروف التي يتفوق فيها التعلم الآلي على التحليل اليدوي.

كانت شركات التأمين والبنوك أول من أدرك ذلك. لكن ما هو أحدث هو التبني بين شركات السوق المتوسطة التي لم يكن لديها أبدًا فرق تحليل مخاطر مخصصة. جعلت المنصات السحابية من الممكن لشركة تضم بضع مئات من الموظفين إجراء أنواع تقييمات المخاطر التي كانت تتطلب سابقًا فريقًا من المحللين الكميين. تتعامل هذه الأدوات مع المراقبة، وتلتقط الحالات الشاذة عند حدوثها، وتجمع تقارير جاهزة للتدقيق بمفردها. هذه خطوة حقيقية إلى الأمام لإدارة العمليات المالية يوميًا.

في الوقت الحالي، قد يكون الامتثال هو الجزء الأكثر إقناعًا في هذا التحول بأكمله. البيئات التنظيمية تتغير باستمرار، وبين القواعد المتغيرة في ولايات قضائية مختلفة، مجرد الحفاظ على الامتثال 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، فقط أكبر المؤسسات كانت تستطيع تحمل تكلفة هذا النوع من المراقبة الاستباقية.

ما يعيق بعض الفرق

لا تعمل جميع أقسام المالية بنفس الوتيرة، والسببان الرئيسيان للتردد هما عادة المواهب والثقة. الثقة لأن المهنيين الماليين بحاجة إلى فهم كيف يصل النموذج إلى استنتاجاته قبل أن يراهنوا على سمعتهم بالمخرجات. المواهب لأن تنفيذ هذه الأدوات بشكل جيد يتطلب أشخاصًا يفهمون كلًا من التكنولوجيا والسياق المالي، وهذا المزيج لا يزال نادرًا.

الاختناق الآخر الذي لا يحظى باهتمام كافٍ هو جودة البيانات. نظرًا لأن الذكاء الاصطناعي جيد بقدر جودة البيانات التي تغذيه، لا تزال العديد من الشركات تعمل على أنظمة غير منظمة ومجزأة حيث، اعتمادًا على القسم، قد يتم تعريف نفس المقياس بثلاث طرق مختلفة. على الرغم من أن تنظيف ذلك ليس مهمة جذابة، إلا أنه ضروري لتحقيق أقصى استفادة من أي تطبيق للذكاء الاصطناعي.

المسار واضح تمامًا

فرق المالية التي قامت بالفعل بالتحول تعمل على توسيع حالات الاستخدام الخاصة بها، وليس الانسحاب. حققت المكاسب المبكرة في FP&A مصداقية داخلية كافية لتبرير التوسع في المخاطر والامتثال وعمليات الخزانة. بدأت الجامعات في دمج محو الأمية البيانات في مناهجها المالية، مما يجب أن يساعد في سد فجوة المواهب بمرور الوقت. وفي الوقت نفسه، يواصل البائعون طرح أدوات أكثر تخصصًا.

في كل ربع سنة، يصبح الحساب أصعب بالنسبة للفرق التي لم تبدأ بعد. الفجوة التنافسية بين أقسام المالية الممكّنة بالذكاء الاصطناعي والتقليدية تتسع، وإغلاق تلك الفجوة لاحقًا يكلف دائمًا أكثر من مواكبة الوتيرة الآن. التكنولوجيا ليست مثالية، ولا ينبغي لأحد أن يتظاهر بخلاف ذلك. لكن انتظار الكمال هو نوع من المخاطرة بحد ذاته، وهو خطر لا تستطيع المزيد من المنظمات تحمله.