أين يُحدث الذكاء الاصطناعي فرقًا فعليًا في التمويل حاليًا

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

تقدم FinTech Weekly القصص والأحداث الرئيسية في مكان واحد.

انقر هنا للاشتراك في نشرة FinTech Weekly الإخبارية

يقرأها التنفيذيون في JP Morgan وCoinbase وBlackRock وKlarna والمزيد.

لسنوات، كانت المحادثة حول الذكاء الاصطناعي في مجال المالية غير واضحة بشكل محبط. استمرت معظم فرق المالية في القيام بالأشياء بنفس الطريقة، حتى في الوقت الذي كان فيه التنفيذيون يتحدثون عن disruption ويدور المستشارون حول العروض التقديمية المليئة بالوعود. ولكن حدث شيء ما في الـ 18 شهرًا الماضية أو نحو ذلك. تحسنت الأدوات، وأصبحت حالات الاستخدام أكثر وضوحًا، وبدأت الأقسام التي كانت متشككة سابقًا في رؤية نتائج حقيقية في المجالات التي تهمها.

لم يتأثر الجميع بالتغيير بنفس الطريقة أو في نفس الوقت. تبنت بعض مجالات المالية الذكاء الاصطناعي أسرع من غيرها، والأسباب تستحق الانتباه. كانت فرق FP&A من بين أول من تحرك، وذلك إلى حد كبير بسبب الألم الواضح. كان الجميع يعلم أن قضاء أسبوعين في جمع البيانات من أنظمة غير متصلة لبناء توقعات ربع سنوية ليس مستدامًا. عندما ظهرت منصات يمكنها أتمتة جمع البيانات وكشف الاتجاهات في ساعات بدلاً من أيام، زادت نسبة التبني بسرعة.

ما جعل هذه الموجة تستمر هو أنها حلت مشكلات كان الناس قد تعبوا من التعامل معها. لقد تجاوز الذكاء الاصطناعي في المالية المرحلة التجريبية بشكل جيد. تستخدم الفرقه لإغلاق السجلات بسرعة، وإنتاج توقعات متجددة دون إرهاق المحللين، وتشغيل نماذج سيناريو كانت ستستغرق أسابيع لتجميعها يدويًا. القيمة لم تعد مجرد مفهوم مجرد. إنها تظهر كدورات تقارير أقصر وعدد أقل من الليالي المتأخرة قبل اجتماعات مجلس الإدارة.

كانت FP&A أول من وصل، لكن لم يتوقف الأمر عند ذلك

نظرًا لكيفية كون سير العمل يدويًا ومتكررًا، كانت التوقعات وإعداد الميزانيات المكان المنطقي للبدء. ولكن بمجرد أن رأت الفرق ما هو ممكن، بدأت التكنولوجيا تنتشر إلى وظائف متجاورة. تحليل الفروقات هو مثال جيد. لتحديد سبب عدم تطابق الأرقام الفعلية مع الخطة، كان المحلل يقضي عادةً ساعات في مراجعة العناصر. يمكن لأدوات الذكاء الاصطناعي الإشارة إلى تلك التباينات في دقائق، والأهم من ذلك، توجيه إلى الأسباب الجذرية.

منطقة أخرى تكتسب زخمًا هي اعتراف الإيرادات. كانت جداول البيانات والمعرفة المؤسسية الواسعة هي القاعدة للشركات التي تتعامل مع الهياكل العقدية المعقدة أو الترتيبات متعددة العناصر. يمكن أتمتة أجزاء من تلك العملية لتقليل المخاطر وتحرير الوقت للقرارات التي تتطلب حقًا الذكاء البشري. حيثما كانت فرق المالية تقضي وقتًا طويلاً في العمل المتكرر القائم على القواعد، يتدخل الذكاء الاصطناعي ويفعل ذلك بشكل أسرع.

إدارة المخاطر هي القصة الأكبر

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

كانت شركات التأمين والبنوك هي الأولى في التعرف على ذلك. ولكن ما هو جديد هو التبني بين الشركات المتوسطة التي لم يكن لديها أبدًا فرق تحليل مخاطر مخصصة. جعلت المنصات المستندة إلى السحاب من الممكن لشركة تضم بضع مئات من الموظفين إجراء تقييمات المخاطر التي كانت تتطلب سابقًا فريقًا من المتخصصين. تتولى هذه الأدوات المراقبة، وتكتشف الشذوذ أثناء حدوثها، وتجمع تقارير جاهزة للتدقيق بمفردها. هذه خطوة حقيقية للأمام في إدارة العملية المالية يوميًا.

في الوقت الحالي، قد يكون الامتثال هو الجزء الأكثر إقناعًا من هذا التحول بأكمله. تتغير البيئات التنظيمية باستمرار، وبين القواعد المتغيرة في ولايات قضائية مختلفة، فإن مجرد البقاء متوافقًا هو وظيفة بحد ذاتها. على الرغم من أن الذكاء الاصطناعي لا يمكن أن يحل محل ضابط الامتثال، إلا أنه يمكنه مسح التحديثات التنظيمية، ومقارنتها بالسياسات الحالية، وتحديد أي فجوات قبل أن تصبح مشكلات. في الماضي، كانت أكبر المؤسسات فقط هي التي تستطيع تحمل هذا النوع من المراقبة الاستباقية.

ما الذي يمنع بعض الفرق من التقدم

لا تعمل جميع أقسام المالية بنفس الوتيرة، وعادة ما تكون السببان الرئيسيان للتردد هما المواهب والثقة. الثقة لأن محترفي المالية يحتاجون إلى فهم كيفية وصول نموذج ما إلى استنتاجاته قبل أن يلتزموا بسمعتهم على المخرجات. المواهب لأن تنفيذ هذه الأدوات بشكل جيد يتطلب أشخاصًا يفهمون كل من التكنولوجيا والسياق المالي، وهذه التركيبة لا تزال نادرة.

العائق الآخر الذي لا يحصل على ما يكفي من الاهتمام هو جودة البيانات. نظرًا لأن الذكاء الاصطناعي يعتمد فقط على البيانات التي تغذيه، تستمر العديد من الشركات في العمل على أنظمة غير منظمة وغير متصلة حيث، اعتمادًا على القسم، قد يتم تعريف نفس المقياس بطرق مختلفة ثلاث مرات. على الرغم من أن تنظيف ذلك ليس مهمة جذابة، فإنه ضروري لتحقيق أقصى استفادة من أي تنفيذ للذكاء الاصطناعي.

المسار واضح إلى حد ما

تقوم فرق المالية التي قامت بالفعل بالتحرك بتوسيع حالات استخدامهم، وليس التراجع. لقد بنت الانتصارات المبكرة في FP&A مصداقية داخلية كافية لتبرير الدفع نحو المخاطر، والامتثال، وعمليات الخزانة. بدأت الجامعات في إدخال محو الأمية البيانية في مناهجها المالية، مما ينبغي أن يساعد في سد فجوة المواهب مع مرور الوقت. في الوقت نفسه، تستمر الشركات المقدمة في طرح المزيد من الأدوات المتخصصة.

كل ربع سنة، تصبح الرياضيات أصعب للفرق التي لم تبدأ بعد. الفجوة التنافسية بين أقسام المالية المجهزة بالذكاء الاصطناعي وتلك التقليدية تتسع، وإغلاق تلك الفجوة لاحقًا دائمًا ما يكلف أكثر من الحفاظ على الوتيرة الحالية. التكنولوجيا ليست مثالية، ولا ينبغي لأحد أن يتظاهر بخلاف ذلك. ولكن الانتظار للحصول على الكمال هو نوع من المخاطر، وهو واحد لا تستطيع المؤسسات القليلة تحمله.