لماذا يُعد الإطار الحي في قلب دفع الابتكار في التكنولوجيا المالية

إمران أفتاب، الشريك المؤسس والرئيس التنفيذي لشركة 10Pearls.

اكتشف أبرز أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يطلع عليها مسؤولون تنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna وغيرها

لطالما كانت المالية بطلاً للابتكار الرقمي، وتُثبت موجة الذكاء الاصطناعي الأخيرة عدم وجود استثناء. وباعتبارها صناعة تواجه ضغوطاً متزايدة لتقديم تجارب رقمية أسرع وأكثر تخصيصاً وكفاءة للعملاء، فإن تضمين التكنولوجيا المتقدمة أمر غير قابل للتفاوض.

وبينما تتجاوز شركات التكنولوجيا المالية (fintech) مرحلة التجارب بالذكاء الاصطناعي لدمجه في استراتيجياتها الأساسية، فإن السؤال ليس عن القيمة التي يقدمها الذكاء الاصطناعي، بل عن كيفية حوكمته مع مرور الوقت. وبدون مبادئ إرشادية واضحة مضمّنة ضمن إطار مركزي، ستواجه شركات التكنولوجيا المالية بسرعة مخاطر من منظور السمعة والتنظيم والأمن.

لا يغطي إطارٌ حيٌّ كل الجوانب فحسب، بل يفعل ذلك أيضاً مع مواكبة الاستراتيجيات المتطورة. إنه يدفع الابتكار، لا يكبحه—دون الإضرار بشركات التكنولوجيا المالية في هذه العملية.

تحقيق توازن بين العدالة والدقة

إن الرقمنة السريعة للخدمات المالية تخلق أيضاً فرصاً أكبر لحدوث عمليات احتيال محتملة وهجمات سيبرانية. غير أن الذكاء الاصطناعي غير المحوكم غالباً ما يقع ضحية للهلوسة والتحيز—بمعنى أن حاملي الحسابات قد يتم وضعهم في غير محلهم تحت راية الاشتباه من خلال الأنظمة المصممة لحمايتهم.

يجب على شركات التكنولوجيا المالية التأكد من أن أنظمة الذكاء الاصطناعي تعمل بشكل ثابت وتستوفي معايير الأداء. تُعد إدارة البيانات الضعيفة حجر الزاوية في الذكاء الاصطناعي غير المحوكم، إذ تتسبب في تداعيات كارثية. المسألة ليست مجرد تنفيذ الأمور في الوقت الحقيقي، بل القيام بذلك بدقة وبإنصاف. عندما لا تُدار البيانات التي تغذي هذه الأنظمة بشكل صحيح، يكون نشرها محكوماً بالفشل.

فكّر في نظام ذكاء اصطناعي استند إلى بيانات مضللة وسوء إدارتها وملتوية، وقد قام عن طريق الخطأ بوضع معاملة كبيرة ومشروعة تحت بند الاحتيال استناداً إلى الرمز البريدي لحامل الحساب. يتم تسليط الضوء على فئات سكانية بعينها بناءً على بيانات تاريخية غير دقيقة، وهو ما لا يفعل سوى تعزيز التحيز ضد الأفراد أو الجماعات. لا يؤدي التمييز إلى الإضرار بالثقة والعلاقات فحسب، بل يترتب عليه أيضاً آثار طويلة المدى على سمعة المؤسسة، خصوصاً لأنه ينتهك مباشرة قوانين حماية المستهلك. تقع على عاتق شركات التكنولوجيا المالية مسؤولية قانونية تتمثل في استخدام البيانات بشكل عادل وآمن عبر دورة حياة أي نظام ذكاء اصطناعي، والأمر ليس الأدوات التي يجري الطعن فيها عند وقوع المخالفات، بل الفرق التي تستخدمها.

وتتضاعف العواقب بما يتجاوز ذلك. تولّد هذه السيناريوهات ضغطاً إضافياً على الفرق، والتي يتوجب عليها التدخل لاحقاً، فتُهدر وقتاً وطاقات بشرية ثمينة. والأهم من ذلك، أنها تكشف أيضاً عن ثغرات خطيرة في الأساس القائم. تُعد البيانات غير المُدارة نقطة ضعف داخل النسيج الرقمي لشركة التكنولوجيا المالية، مما يجعلها عرضة لعمليات احتيال حقيقية وتهديدات سيبرانية.

يعالج إطار الحوكمة الحيّ هذه المخاطر لأنه يتطلب مراقبة مستمرة واختباراً وإعادة معايرة لنماذج الذكاء الاصطناعي. يتيح ذلك لمقدمي الخدمات المالية تعظيم متانة أمنهم على أساس دائم، مع تقييم الأنظمة وتحديثها بانتظام عندما تتغير البيانات والمخاطر. وفي الوقت نفسه، يتم اقتلاع التحيز، مما يفسح المجال للعدالة والدقة عبر كامل الصورة.

ضمان القابلية للتفسير والشفافية

تمنع شركات التكنولوجيا المالية التي تتبع إطاراً حياً أن يعمل الذكاء الاصطناعي كصندوق أسود، حيث تكون آلياته الداخلية لغزاً لكل من الفرق والمستخدمين. يحتاج حاملو الحسابات والموظفون والجهات التنظيمية إلى الاطمئنان من خلال القابلية للتفسير والشفافية حول أي تقنية يتم دمجها.

يتطلب القضاء على التحيز فهم كيفية ولماذا وصل أداة ذكاء اصطناعي إلى قرار ما. تُستخدم أنظمة الذكاء الاصطناعي الآن في عمليات مثل تقييم الجدارة الائتمانية، لكن للأسف فهي ليست بمنأى عن التحيز. وتترتب على ذلك تبعات جسيمة: تمييز، خصوصاً ضد الفئات الأقلية التي تُحرم من القروض بصورة غير متناسبة بسبب ذكاء اصطناعي معيب. تفرض لوائح مثل CFPB وقوانين الإقراض العادل (Fair Lending) القابلية للتفسير وإمكانية التتبع لأدوات الذكاء الاصطناعي المستخدمة في الخدمات المالية. كما تتطلب أن يُزال التحيز من المعادلة.

في نموذج حوكمة حيّ، تُدمج القابلية للتفسير وإمكانية التتبع في كل حالة استخدام وفي كل سير عمل:

*   يتم تسجيل مصادر البيانات ووجهاتها بشكل واضح. 
*   يتم توثيق جميع تغييرات النماذج والاختبارات والملاحظات.
*   تتم مشاركة منطق اتخاذ القرار بحيث يفهم المنظمون والعملاء، وليس المشغلين فقط، كيف ولماذا وصل نظام ذكاء اصطناعي إلى توصية أو إجراء معين.

ضمان الامتثال لمكافحة غسل الأموال (AML)

تتجه المؤسسات المالية إلى الأتمتة والذكاء الاصطناعي لمراقبة المعاملات والنشاطات المشبوهة كجزء من أنظمة مكافحة غسل الأموال. غير أنه عندما لا تتم الإشراف على الذكاء الاصطناعي أو إدارته بشكل صحيح، تنشأ مشكلتان:

*   الإيجابيات الكاذبة: يتم وضع معاملات مشروعة تحت راية الاشتباه خطأً، ما يؤدي إلى إحباط العملاء وإهدار طاقات بشرية ثمينة.
*   السلبيات الكاذبة: يتم تفويت التهديدات الحقيقية، مما يعرض مجموعات بيانات كاملة وأنظمة رقمية للخطر، ويدفع بسمعة المؤسسة إلى الحافة، ويُتلف الثقة.

وبنهج “الحوكمة كحواجز حماية” (governance-as-guardrails)، يتم تقليل هذه المخاطر عبر بيانات مُدارة بشكل جيد وشفافة وقابلة للتدقيق. كما يتم دمج التنبيهات الواضحة مع رؤى قابلة للتنفيذ فوراً لضمان التدخل السريع عند الحاجة.

وبينما تستمر حلول الذكاء الاصطناعي في التطور، تصبح الأطر الحية القابلة للتكيّف ضرورية بشكل متزايد. لا تحمي هذه الأطر المؤسسات والأفراد على حد سواء من المخاطر المحتملة المرتبطة بمشاركة الذكاء الاصطناعي فحسب، بل تمنح شركات التكنولوجيا المالية أيضاً ميزة تنافسية كبيرة. تزود هذه الأطر المؤسسات بالوسائل لتعزيز الثقة ورفع سمعتها عبر توفير حوكمة قابلة للمساءلة، وعدالة، وشفافية، وضمان الاعتمادية والأداء.