كيف يعيد الذكاء الاصطناعي تشكيل الخدمات المالية؟ حالات الاستخدام الرئيسية والتأثير على القطاع

كيف يعيد الذكاء الاصطناعي تشكيل الخدمات المالية؟ أبرز حالات الاستخدام وتأثيرها على القطاع

أصبح الذكاء الاصطناعي (AI) تقنيةً أساسيةً تعيد بناء المنطق الأساسي لقطاع الخدمات المالية على مستوى العالم. فمن إدارة المخاطر ومكافحة الاحتيال إلى التفاعل مع العملاء، لا يقتصر دور الذكاء الاصطناعي على تحرير البشر من المهام الروتينية المتكررة فحسب، بل الأهم من ذلك أنه يمكنه، بالاستعانة بالبيانات الضخمة ونماذج التعلم الآلي، إتمام قرارات كانت تستغرق في الماضي أيامًا أو حتى أسابيع في غضون أجزاء من الثانية. وقدّر تقرير ماكينزي لعام 2023 أن الذكاء الاصطناعي وتقنيات التحليلات يمكن أن تولّد قيمة سنوية جديدة تصل إلى تريليون دولار للقطاع المصرفي العالمي. ومع التقدم في الخوارزميات، وانخفاض تكاليف القدرة الحاسوبية، وتسارع رقمنة القطاع المالي، تتزايد نسبة انتشار الذكاء الاصطناعي في الخدمات المالية بمعدل غير مسبوق، إذ تنتقل المؤسسات المالية الكبرى من مرحلة التجارب إلى النشر الواسع النطاق.

الخلفية القطاعية: من أداة كفاءة إلى جوهر استراتيجي

على مدى العقد الماضي، راكمت المؤسسات المالية كميات كبيرة من البيانات عالية القيمة في أنظمتها الأساسية وقنواتها الرقمية، لكن معظم هذه البيانات ظلّ خاملًا في صوامع منعزلة. وقد وفّر ظهور الذكاء الاصطناعي أداةً لاستخلاص الرؤى من هذه البيانات. وفقًا لإحصاءات القطاع، بلغ حجم السوق العالمية للذكاء الاصطناعي في المجال المالي 38.36 مليار دولار في عام 2024، ومن المتوقع أن ينمو إلى 190.33 مليار دولار بحلول عام 2030، بمعدل نمو سنوي مركب يتجاوز 30%. وفي الوقت نفسه، تواصل المؤسسات المالية زيادة ميزانياتها المخصصة للذكاء الاصطناعي. كشف استطلاع أجرته برايس ووترهاوس كوبرز (PwC) أن أكثر من 70% من المؤسسات المالية قد اعتمدت بالفعل تقنيات الذكاء الاصطناعي في وحدات إدارة المخاطر أو مكافحة الاحتيال. وتشير تقديرات أخرى إلى أنه بحلول عام 2025، ستوفّر التحسينات في الإنتاجية المدفوعة بالذكاء الاصطناعي على القطاع المصرفي العالمي ما بين 200 و340 مليار دولار من التكاليف، وهو ما يعادل إنشاء مجموعة بنوك متوسطة الحجم من جديد.

وليست ضغوط التكلفة هي العامل الوحيد الذي يدفع هذه الموجة. إذ تشهد سلوكيات المستهلكين تغيّرًا جذريًا — خاصةً أن جيل "المواطنين الرقميين" يتطلع إلى خدمات مالية فورية ومخصصة بشكل أكبر. ومن الواضح أن البنوك التقليدية التي تعتمد على الفروع المادية والخدمات البشرية لا تستطيع تلبية هذه المتطلبات. ويمكن للخدمات المدعومة بالذكاء الاصطناعي أن تعمل على مدار الساعة طوال أيام الأسبوع لفهم لغة المستخدم، والتنبؤ بسلوكه بناءً على سجله التاريخي، وهو ما يمثل عاملًا حاسمًا للبنوك في الاحتفاظ بالعملاء وزيادة قيمتهم.

المستجدات الحالية: من مكافحة الاحتيال إلى قرارات الائتمان في تطبيق شامل

لم يعد تطبيق الذكاء الاصطناعي في القطاع المالي مجرد إثبات للمفهوم، بل أصبح مُدمجًا فعليًا في سلسلة القيمة للأنشطة التجارية. وفيما يلي بعض المجالات الناضجة بالفعل:

كشف الاحتيال: خط دفاع أمني على مستوى الميلي ثانيةيُعد اكتشاف الاحتيال من أقدم المجالات التي توغلت فيها تقنيات الذكاء الاصطناعي، وأكثرها نضجًا من الناحية التجارية. فمحركات القواعد التقليدية لا تستطيع إلا التعرف على الأنماط المعروفة، بينما يمكن لنماذج الذكاء الاصطناعي القائمة على التعلّم الخاضع للإشراف وكشف الشذوذ أن تستخرج ميزات غير متجانسة من كل معاملة، وتكتشف الروابط شديدة الخفاء وراء السلوكيات المشبوهة. ويُظهر تقرير BioCatch، استنادًا إلى دراسة استقصائية شملت 600 من ممارسي مكافحة الاحتيال في 11 دولة، أن 91% من البنوك الأمريكية تستخدم بالفعل أدوات الذكاء الاصطناعي لتحديد الأنشطة المشبوهة. وبالمقارنة مع الأساليب التقليدية، يزداد معدل معالجة المعاملات بالذكاء الاصطناعي بنحو 90%، مما يقلل بشكل كبير من الخسائر المالية الناجمة عن الاحتيال. وفي الوقت نفسه، يستطيع الذكاء الاصطناعي التكيف باستمرار مع أساليب الاحتيال الجديدة، مما يعزز بشكل ملحوظ الثقة في سيناريوهات الدفع الرقمي والخدمات المصرفية عبر الهاتف المحمول.

التصنيف الائتماني: إتاحة الخدمات المالية لفئات أوسع من الناس

تعتمد نماذج الائتمان التقليدية بشكل كبير على السجلات الائتمانية، مما يجعل أعدادًا كبيرة من «من لا يملكون سجلًا ائتمانيًا» غير قادرين على الحصول على الخدمات المصرفية، خاصة في البلدان النامية، وبين الشباب، أو المهاجرين الجدد. وتحقق نماذج الائتمان القائمة على الذكاء الاصطناعي تقييمًا تنبؤيًا لمخاطر القروض الأولى من خلال دمج متغيرات بديلة مثل بيانات الاستهلاك، والبيانات السلوكية، والمستوى التعليمي. فعلى سبيل المثال، تأخذ منصة الإقراض الأمريكية Upstart في نموذج الذكاء الاصطناعي الخاص بها بعين الاعتبار عوامل مثل تخصص المستخدم الدراسي وخبرته العملية عند تقييم القروض، وهو ما مكّنها من توسيع نطاق الموافقات الائتمانية، وفي الوقت نفسه خفض معدل التخلف عن سداد القروض بنسبة 75%. وتُظهر تجربة Upstart أن الذكاء الاصطناعي يمكنه التمييز بدقة أكبر بين المتقدمين ذوي احتمالات التخلف المختلفة، مما يتيح للأشخاص الذين كانت النماذج التقليدية تستبعدهم في السابق الحصول على ائتمان بأسعار عادلة.

إدارة المخاطر: من «إطفاء الحرائق بعد وقوعها» إلى «الإنذار المبكر»

أما إدارة المخاطر المدعومة بالذكاء الاصطناعي فتستطيع معالجة المؤشرات الكلية، وأخبار السوق، ومشاعر وسائل التواصل الاجتماعي، وبيانات سلوك الشركات بشكل متكامل. فعادةً ما تُحدَّث نماذج المخاطر التقليدية شهريًا أو فصليًا، بينما يمكن لنماذج الذكاء الاصطناعي أن تتحدّث ديناميكيًا في الوقت الفعلي، مما يتيح التعرف مبكرًا على الإشارات الأولى لتدهور جودة الأصول. فعلى سبيل المثال، تستخدم بعض البنوك تقنيات معالجة اللغة الطبيعية لإجراء تحليل المشاعر للتغطية الإعلامية العامة للشركات المقترضة. وإذا ظهرت كمية كبيرة من المعلومات السلبية، يرفع النظام تصنيف المخاطر ويطلب من مديري العلاقات التدخل المبكر. وهذا النوع من إدارة المخاطر الاستباقية يجعل تخصيص رأس المال في المؤسسات المالية أكثر كفاءة، ويقلل من الصدمات غير المتوقعة على قائمة الأرباح والخسائر.

خدمة العملاء الذكية وتجربة العملاء المخصصة

لقد منحت تقنيات معالجة اللغة الطبيعية وخرائط المعرفة روبوتات المحادثة القدرة على فهم نوايا المستخدم، واستيعاب المشاعر، وإجراء محادثات متعددة الجولات. والآن، قامت العديد من البنوك الرقمية في أوروبا وآسيا بدمج المساعدين الافتراضيين المدعومين بالذكاء الاصطناعي في رحلة المستخدم الأساسية. وسواء كان الأمر يتعلق بالاستعلام عن الحساب، أو إعداد التحويلات، أو التوصية بالمنتجات، يستطيع المساعد الافتراضي توفير تجربة شبيهة بتجربة المصرفي الخاص. وفي الوقت نفسه، يمكن لمحركات التوصية المدعومة بالذكاء الاصطناعي أن تدفع تلقائيًا أنسب منتجات التأمين أو خطط الادخار بناءً على التدفقات النقدية للمستخدم، وعاداته الاستهلاكية، ومدى تحمّله للمخاطر. وهذا يعزز بشكل كبير معدل نجاح البيع المتبادل، ويجعل كل تفاعل بين العميل والبنك «مخصصًا» ويخلق حلقة ردود فعل إيجابية.

أتمتة العمليات وإعداد تقارير الامتثالالمؤسسات المالية تتعامل سنويًا مع كميات هائلة من مستندات فتح الحسابات والعقود والتقارير التنظيمية. يمكن لتقنيات معالجة المستندات بالذكاء الاصطناعي استخراج العناصر الأساسية من النصوص غير المنظمة، والتحقق تلقائيًا من معلومات الشركات، وإجراء فحوصات الامتثال في بيئة اختبارية (Sandbox). تشير دراسة أجرتها ديلويت إلى أن البنوك التي تُحسن استخدام الذكاء الاصطناعي يمكنها تحسين نسبة التكلفة إلى الدخل بنسبة تتراوح بين 5% و15% خلال السنوات الخمس المقبلة. هذه الأتمتة لا تقلل فقط من معدل الأخطاء الناتج عن العمل اليدوي المتكرر، بل تتيح أيضًا لفرق الامتثال تركيز جهودها على مستويات أعلى من الحكم على المخاطر.

التأثير على النظام المالي: تحول منهجي يحدث

لا يؤدي تعمق الذكاء الاصطناعي وانتقاله إلى التطبيق الفعلي إلى تغيير مؤشرات أداء المؤسسات على المستوى الجزئي فحسب، بل يعيد أيضًا تشكيل منطق البنية التحتية المالية بأكملها.

رفع كفاءة المدفوعات والتسوية

تتطلب شبكات المدفوعات في الوقت الفعلي اتخاذ قرارات بشأن المعاملات في غضون أجزاء من الألف من الثانية. يمكن للذكاء الاصطناعي تنفيذ تقييم مخاطر الاحتيال، وفحص قوائم العقوبات، وفحص السيولة في اللحظة التي تصل فيها المعاملة، وبالتالي تحسين سرعة التسوية دون التضحية بالأمان. في مجال المدفوعات عبر الحدود، يستطيع الذكاء الاصطناعي أيضًا التنبؤ باحتياجات المراكز لمختلف العملات، والمساعدة في أتمتة عمليات إدارة السيولة لدى البنوك، مما يقلل وقت انتظار العملاء ويخفض تكاليف دوران رأس المال للتجار من صغار ومتوسطي الحجم.

تعزيز الشمول المالي

أظهرت نماذج الذكاء الاصطناعي إمكانات كبيرة في تقديم القروض الشاملة. تستخدم بعض البنوك الرقمية في جنوب شرق آسيا وأفريقيا وأمريكا اللاتينية البيانات السلوكية وبيانات الائتمان البديلة لتقديم قروض صغيرة للأفراد وأصحاب المتاجر الصغيرة الذين كانوا في السابق لا يمكنهم الحصول على الخدمات المصرفية إطلاقًا. هذا الاندماج المالي الموجه بالتقنيات لا يضيف مصادر دخل للأشخاص في القاعدة الاقتصادية فحسب، بل يقلل أيضًا إلى حد ما من إغراء قنوات الاقتراض غير الرسمية، مما يسهم في تشكيل نظام مالي منضبط.

تكثيف المنافسة المصرفية والدفع نحو إعادة الهيكلة التنظيمية

مع وصول عمالقة التكنولوجيا والوافدين الجدد في مجال التكنولوجيا المالية مباشرة إلى المستخدمين عبر البنى السحابية الأصلية وتقنيات الذكاء الاصطناعي، تتعرض البنوك التقليدية لضغوط متزايدة في اكتساب العملاء والتسعير. يدرك المزيد من البنوك أنه إذا اكتفت بتغليف الواجهة الأمامية للإنترنت دون قدرات صنع القرار الذكية القائمة على الذكاء الاصطناعي، فسيكون من الصعب منافسة خصومها التقنيين في التكلفة. لذلك، بدأت العديد من البنوك الكبرى في إنشاء مراكز متخصصة للبيانات والذكاء الاصطناعي وإعادة هيكلة فرقها الرقمية. يصبح الذكاء الاصطناعي نقطة الارتكاز الاستراتيجية التي ينتقل بها القطاع المالي من «الاعتماد على القنوات» إلى «الاعتماد على الذكاء».

التحسين طويل الأجل لتكاليف الامتثال

تعد التكنولوجيا التنظيمية (RegTech) مجالًا مهمًا لتطبيقات الذكاء الاصطناعي. يمكن لأتمتة مكافحة غسل الأموال، والعناية الواجبة بالعملاء، والمراقبة المستمرة للمعاملات أن توسع نطاق تغطية الامتثال من الفحص بالعينة إلى الفحص الشامل، مما يرفع دقة تحديد المخاطر. رغم أن الاستثمار الأولي في الأنظمة مرتفع نسبيًا، إلا أن الذكاء الاصطناعي على المدى الطويل يمكن أن يقلل بشكل ملحوظ من وقت المراجعة اليدوية ويقلل من احتمالية الغرامات التنظيمية. كما يُتوقع مستقبلًا أن تشارك الجهات الرقابية مزيدًا من البيانات المنظمة مع المؤسسات الخاضعة للإشراف، مما يفضي إلى رقابة أكثر استباقية ونفاذًا.

التحديات المطروحة: عقبات رئيسية في طريق توسيع نطاق الذكاء الاصطناعي

رغم أن الآفاق طويلة المدى للذكاء الاصطناعي مشرقة، إلا أنه ما تزال هناك عوائق كثيرة أمام التطبيق الفعلي.

خصوصية البيانات ومخاطر الأمن السيبراني### مخاطر خصوصية البيانات والأمن السيبراني

يتطلب تدريب نماذج الذكاء الاصطناعي عادةً الوصول إلى كميات كبيرة من المعلومات الشخصية الحساسة وسجلات المعاملات. وفي ظل لوائح حماية البيانات مثل GDPR وCCPA، يتعين على المؤسسات المالية إنشاء آليات امتثال متكاملة فيما يتعلق بموافقة المستخدم، وتقليل البيانات، وتقييد الأغراض. وعلاوة على ذلك، أصبحت أنظمة الذكاء الاصطناعي نفسها أهدافًا للهجمات الإلكترونية، حيث قد يقوم المهاجمون بتعطيل أحكام النموذج من خلال تلويث البيانات أو العينات العدائية، مما يدفع النموذج إلى السماح بمعاملات ضارة. إن كيفية بناء بنية ذكاء اصطناعي آمنة وجديرة بالثقة هو السؤال الذي يجب على الصناعة الإجابة عليه.

التكاليف المرتفعة وصعوبة التكامل مع الأنظمة القديمة

غالبًا ما تعتمد أنظمة المعاملات الأساسية في البنوك على منصات الحواسيب المركزية التي يعود تاريخها إلى عقود، ولا تملك واجهات أصلية للتواصل الفوري مع الذكاء الاصطناعي. ويتطلب دمج الذكاء الاصطناعي مع هذه الأنظمة القديمة شراء قنوات بيانات جديدة، وبوابات API، ومرافق تخزين، بل وقد يتطلب تحويل بنية قاعدة البيانات. وبالنسبة للمؤسسات المالية الصغيرة والمتوسطة، قد يستغرق استرداد هذا الاستثمار سنوات عديدة. وحتى البنوك التي تمتلك موارد وفيرة كثيرًا ما تضطر إلى الموازنة بين التكرار السريع لابتكار عمليات الأعمال والتقاليد الحذرة في إدارة المخاطر.

عدم اليقين التنظيمي والحوكمة

لا تزال السياسات التنظيمية للذكاء الاصطناعي في المجال المالي غير مكتملة في مختلف البلدان. إن كيفية تجنب التحيز الخوارزمي الذي يؤدي إلى نتائج ائتمانية سيئة، وكيفية ضمان حصول العملاء على مراجعة بشرية عند تقديم الشكاوى، ومن يتحمل المسؤولية عندما تحدث أخطاء منهجية في قرارات الذكاء الاصطناعي، كلها أسئلة يتعين على الجهات التنظيمية والصناعة توضيحها على وجه السرعة. وحتى الآن، قدم قانون الذكاء الاصطناعي في الاتحاد الأوروبي واللوائح الصينية لإدارة توصيات الخوارزميات إطارًا جزئيًا لحوكمة الذكاء الاصطناعي، لكن القواعد الدقيقة لقطاع الخدمات المالية لا تزال بحاجة إلى مزيد من التفصيل. وبالنسبة للبنوك المدرجة في البورصة التي تخضع بسهولة لتدقيق وسائل الإعلام، فإن قابلية تفسير الذكاء الاصطناعي تؤثر بشكل مباشر على ثقة الجمهور.

نقص المواهب المتخصصة

تتطلب مشاريع الذكاء الاصطناعي تعاون مهندسي الخوارزميات وعلماء البيانات ومهندسي البيانات وخبراء الأعمال الذين يفهمون المعرفة القطاعية معًا. وذكر استطلاع أجرته شركة ديلويت أن 23% من المؤسسات المعتمدة للذكاء الاصطناعي تعتبر "فجوة المهارات التقنية" أكبر عائق داخلي أمام تطبيق الذكاء الاصطناعي. وفي القطاع المالي، هذه المواهب المركّبة نادرة حتى أكثر. وحتى لو كانت البنوك على استعداد لدفع رواتب مرتفعة، فمن الصعب انتزاع عدد كافٍ من الموظفين من شركات التكنولوجيا. وتلجأ العديد من البنوك إلى الشراكة مع موردي تقنيات الذكاء الاصطناعي، لكن ذلك يثير مشاكل مثل الاعتماد على الاستعانة بمصادر خارجية وملكية الملكية الفكرية.

التوقعات المستقبلية: نحو تمويل ذاتي وذكاء اصطناعي موثوق

بالنظر إلى السنوات الثلاث إلى الخمس القادمة، سيصبح دور الذكاء الاصطناعي في الخدمات المالية أكثر استباقية وذكاءً، مع مواجهة قيود تنظيمية أكثر وضوحًا.

وسيواصل الذكاء الاصطناعي التوليدي التغلغل في مجالات معالجة المستندات المالية، وإنشاء تقارير السوق، وتتبع التغييرات التنظيمية، مما يقلل بشكل كبير من الوقت المستغرق في الأعمال النصية الخلفية. وعلى المدى الأبعد، يمكن للذكاء الاصطناعي "الوكيل" الموجه بالأهداف إكمال مهام أكثر تعقيدًا مثل الموافقة على القروض من البداية إلى النهاية، وتسوية الحسابات الافتراضية، واتخاذ القرارات بشكل مستقل ضمن النطاق المصرح به. وسيؤدي ذلك إلى تحرير الموظفين البشريين بشكل كبير، مما يمكنهم من التركيز على معالجة الحالات الاستثنائية وعلاقات العملاء والمهام الاستراتيجية.في الوقت نفسه، لن يظل "الذكاء الاصطناعي المسؤول" مجرد شعار. فقد تطلب الهيئات التنظيمية من المؤسسات المالية استخدام نماذج قابلة للتفسير في سيناريوهات قرارات الائتمان الحساسة، أو توفير استراتيجيات تفسير بديلة. كما ستُدار مخاطر النماذج بوصفها جزءًا من قدرات البنوك الأساسية في إدارة المخاطر، عبر لجنة متخصصة تتولى حوكمتها. وستحتاج الشركات إلى بناء إطار لحوكمة الذكاء الاصطناعي يشمل أخلاقيات البيانات، والتحقق من النماذج، ومراقبة السلوك التنافسي، وذلك لتحقيق مواءمة ديناميكية مع العقد الاجتماعي القائم مع الجهات التنظيمية.

من المتوقع أنه بحلول عام 2028، سيرتفع معدل تبنّي الذكاء الاصطناعي في القطاع المالي من أقل من 30% حاليًا إلى أكثر من 80%. لكن في هذه العملية، سيكون الفائزون هم تلك الشركات التي تدمج الذكاء الاصطناعي بعمق مع البيانات والعمليات والمواهب وإدارة المخاطر. فجوهر الذكاء الاصطناعي ليس سحرًا، بل هو بنية تحتية جديدة. ومن ينجح أولًا في تحويل هذه القدرة إلى حدس تنظيمي، سيحتل موقعًا متقدمًا في دورة التكنولوجيا المالية القادمة.