حيث يُحدث الذكاء الاصطناعي فرقًا فعليًا في التمويل الآن

التكنولوجيا المالية تتطور 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 محبطة وغير واضحة. كانت معظم فرق التمويل تواصل العمل بنفس الطريقة، حتى مع حديث التنفيذيين عن disruption وتقديم المستشارين عروض شرائح 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 ترى نتائج حقيقية في المجالات التي تهم.

لم يتأثر الجميع بنفس الطريقة أو في نفس الوقت. بعض مجالات التمويل تبنت الذكاء الاصطناعي بشكل أسرع من غيرها، والأسباب تستحق الانتباه. كانت فرق التخطيط والتحليل المالي من أوائل من تحرك، 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 خلال ساعات بدلاً من أيام، زادت معدلات الاعتماد بسرعة.

ما جعل هذه الموجة ثابتة 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 يعد القيمة مجرد مفهوم مجرد. تظهر كدورات تقارير أقصر وليل أقل قبل اجتماعات مجلس الإدارة.

التخطيط والتحليل المالي كان في المقدمة، لكن الأمر لم يتوقف هناك

نظرًا لطبيعة العمل اليدوي والمتكرر، كان التوقع والميزانية من الأماكن المنطقية للبدء. ولكن بمجرد أن رأت الفرق ما هو ممكن، بدأ الانتشار في الوظائف المجاورة. تحليل الفروق هو مثال جيد. لتحديد سبب عدم تطابق الأرقام الفعلية مع الخطة، كان المحلل يقضي عادة ساعات في مراجعة البنود. يمكن لأدوات الذكاء الاصطناعي تحديد تلك الفروق خلال دقائق، والأهم من ذلك، تحديد 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 بشريًا حقًا. في كل مكان 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 البداية في التخطيط والتحليل المالي، فقد تكون إدارة المخاطر المكان الذي يحدث فيه التأثير الأكثر ديمومة للذكاء الاصطناعي. الامتثال التنظيمي، كشف الاحتيال، ونمذجة مخاطر الائتمان تتطلب جميعها التعرف على أنماط 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 اعتماد الشركات المتوسطة التي لم تكن لديها فرق تحليل مخاطر مخصصة. منصات السحابة جعلت من الممكن لشركة صغيرة بعدد موظفين قليل أن تجري تقييمات مخاطر كانت تتطلب سابقًا فريقًا من المحللين الكميين. تتولى هذه الأدوات المراقبة، تكتشف الشذوذات أثناء حدوثها، وتعد تقارير جاهزة للمراجعة بشكل مستقل. هذا خطوة حقيقية للأمام في إدارة العمليات المالية اليومية.

حاليًا، قد يكون الامتثال هو الجزء الأكثر إقناعًا في هذا التحول. البيئات التنظيمية تتغير باستمرار، وبين تغير القواعد في ولايات قضائية مختلفة، مجرد البقاء على اطلاع بالامتثال هو وظيفة بحد ذاتها. على الرغم من أن الذكاء الاصطناعي لا يمكن أن يحل محل مسؤول الامتثال، إلا أنه يمكنه مسح التحديثات التنظيمية، مقارنتها بالسياسات الحالية، وتحديد الثغرات 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

ليس جميع أقسام التمويل تعمل بنفس الوتيرة، وأسباب التردد الرئيسية 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 التقنية والسياق المالي، وهذا المزيج لا يزال نادرًا.

العقبة الأخرى التي لا تحظى بالاهتمام الكافي هي جودة البيانات. بما أن الذكاء الاصطناعي يعتمد على جودة البيانات التي يغذيها، فإن العديد من الشركات لا تزال تعمل على أنظمة غير منظمة ومفككة، حيث قد يُعرف نفس المقياس بثلاث طرق مختلفة حسب القسم. 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

فرق التمويل التي اتخذت الخطوة بالفعل توسع استخداماتها، وليس تتراجع. الانتصارات المبكرة في التخطيط والتحليل المالي بنت مصداقية داخلية كافية لدفع التقدم نحو إدارة المخاطر والامتثال وعمليات الخزانة. بدأت الجامعات في دمج مهارات البيانات في مناهجها المالية، مما سيساعد على تقليل 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 أقسام التمويل المدعومة بالذكاء الاصطناعي والأقسام التقليدية تتسع، وتضييق تلك الفجوة لاحقًا دائمًا يكلف أكثر من مواكبتها الآن. التقنية ليست مثالية، ولا ينبغي لأحد أن يتظاهر بخلاف ذلك. لكن الانتظار حتى الوصول للكمال هو نوع من المخاطرة بحد ذاته، وهو ما لا تستطيع العديد من المؤسسات تحمله.