ما يمكن أن يفعله نظام الذكاء الاصطناعي الآلي الذي لم يستطع الذكاء الاصطناعي التقليدي فعله: لماذا يُحدث "الذكاء الاصطناعي الوكيل" تغييرًا جذريًا في الصناعة المالية

قانون الذكاء الاصطناعي في الاتحاد الأوروبي مقابل نظام الطيار الآلي للذكاء الاصطناعي: من يتحمل المسؤولية فعلياً إذا ارتكبت الخوارزمية أخطاءً؟

لطالما اعتُبر الذكاء الاصطناعي في سياق الأعمال نظامًا متطورًا للغاية ولكنه سلبي: يطرح الإنسان سؤالًا، وتقدم الآلة الإجابة. لكن هذا العصر من الذكاء الاصطناعي التفاعلي يقترب من نهايته. مع الصعود السريع لما يُسمى "الذكاء الاصطناعي الوكيل" - أو ما يُعرف بالطيار الآلي - يحدث تحول جذري في المفاهيم. تتطور الخوارزميات من مجرد أدوات إلى كيانات مستقلة تستشعر المعلومات البيئية، وتخطط لعمليات متعددة المراحل، وتتخذ قرارات مستقلة. خاصة في القطاعات شديدة التنظيم كقطاع التمويل، أصبحت هذه التقنية واقعًا عمليًا: إذ تمنح وكلاء الذكاء الاصطناعي المستقلون القروض، وتكشف محاولات الاحتيال في الوقت الفعلي، وتُحدث ثورة في خدمة العملاء. ولكن على الرغم من أن مكاسب الكفاءة هائلة، فإن الاستقلالية الجديدة للآلات تُثير تساؤلات ملحة. كيف تحافظ الشركات على سيطرتها على الخوارزميات التي تُدير نفسها بنفسها؟ من يتحمل المسؤولية في حال اتخاذ قرارات خاطئة؟ وما هو الدور المتبقي للبشر عندما يتحولون من مُتحكمين فاعلين إلى مجرد مُراقبين للنظام؟ تتناول هذه المقالة الأبعاد التكنولوجية والتنظيمية والاقتصادية للذكاء الاصطناعي الآلي، وتوضح لماذا سيحدد إطار الحوكمة المتين نجاح أو فشل مشاريع الذكاء الاصطناعي في المستقبل.

ذو صلة بهذا الموضوع:

• من أداة إلى نظام قيادة آلي: ما هي الصناعات العشر التي تعيد ثورة الذكاء الاصطناعي ابتكارها؟

نظام القيادة الآلية للذكاء الاصطناعي: عندما تتولى الخوارزميات زمام الأمور - يتخذ الذكاء الاصطناعي القرارات، ويتصرف، ويتعلم

لسنوات طويلة، كان الذكاء الاصطناعي في سياق الأعمال يقتصر في جوهره على كونه أداة استجابة متطورة للغاية. تُدخل طلبًا، فتتلقى مخرجًا، ثم تقرر كيفية التعامل معه. كانت أنظمة الذكاء الاصطناعي التوليدية، كالإصدارات الأولى من نماذج اللغة، تعمل بشكل تفاعلي بحت - تستجيب للمدخلات دون السعي لتحقيق أهداف مستقلة، أو اتخاذ إجراءات لاحقة، أو التحقق من مخرجاتها أو تصحيحها. كان كل تفاعل أحادي الاتجاه: إدخال الطلب، وإخراج النتيجة، ثم يقرر الإنسان.

يتغير هذا الوضع جذريًا مع ما يُطلق عليه محللو الصناعة اسم الذكاء الاصطناعي الوكيل أو الطيار الآلي للذكاء الاصطناعي. لا يكمن التطور النوعي في قوة الحوسبة أو حجم بيانات التدريب، بل في بنية العمل. إذ يقوم الطيار الآلي للذكاء الاصطناعي بإدراك المعلومات البيئية، وتقييمها، والتخطيط لاستجابات متعددة المراحل، وتنفيذها، والتعلم باستمرار من النتائج، كل ذلك بأقل قدر من التدخل البشري. وقد أعلنت مؤسسة غارتنر أن الذكاء الاصطناعي الوكيل هو أهم اتجاه تكنولوجي استراتيجي لعام 2025، وتصف هذه الأنظمة بأنها وكلاء آليون مستقلون يتجاوزون بكثير مجرد روبوتات الدردشة البسيطة، ويؤدون مهام العمل دون توجيه بشري.

إنّ تشبيه نظام الطيار الآلي في الطيران ليس مجرد مصطلح تسويقي، فكما لا يكتفي الطيار الآلي في الطائرة بتنفيذ الأوامر فحسب، بل يُجري تصحيحات للمسار، ويأخذ الأحوال الجوية في الحسبان، ويتنقل بشكل مستقل ضمن معايير محددة، يعمل نظام الطيار الآلي المدعوم بالذكاء الاصطناعي ضمن أطر تحكم وأهداف يحددها البشر، إلا أن التنفيذ نفسه يبقى من اختصاص الآلة. وهكذا، ينتقل البشر إلى دور جديد: من صانعي قرارات فاعلين إلى واضعي أطر عمل ومراقبين. ويُطلق على هذا، من الناحية التقنية، اسم الانتقال من دور الإنسان في حلقة التحكم إلى دور الإنسان في حلقة التحكم.

يُعدّ الفرق بين المفهومين جوهريًا. ففي النهج التقليدي الذي يُشرك العنصر البشري في العملية، يشارك شخصٌ ما بفعالية في كل قرارٍ رئيسي: يُراجع، ويُقرّ، ويُصحّح. أما في نموذج "العنصر البشري في الحلقة"، فيتولى النظام التنفيذ بشكلٍ مستقل، ولا يتدخل العنصر البشري إلا عندما يُشير النظام إلى هذه الحاجة أو عند تجاوز عتبات التصعيد المُحددة مسبقًا. هذا التحوّل ليس مجرد تفصيلٍ تقني، بل يُغيّر جذريًا هياكل المسؤولية، ومسائل التبعية القانونية، والأدوار التنظيمية داخل الشركات.

الذكاء الاصطناعي المُدار: طبقة التحكم غير المرئية التي تُبقي كل شيء متماسكًا

لفهم لماذا لا يُعدّ نظام الذكاء الاصطناعي الآلي مجرد مصطلح تقني رائج، لا بدّ من فهم مفهوم الذكاء الاصطناعي المُدار. فوكلاء الذكاء الاصطناعي المستقلون وحدهم لا يحلّون المشاكل، بل قد يُسبّبون مشاكل جديدة دون بنية تحتية تحكّمية عالية المستوى. ويشير الذكاء الاصطناعي المُدار إلى طبقة التنسيق التي تُنسّق وتُراقب وتُدمج وتُدمج مُختلف مُكوّنات الذكاء الاصطناعي في عملية شاملة مُتحكّم بها.

يمكن اعتبار الذكاء الاصطناعي المُدار بمثابة الجهاز العصبي الذي يُفعّل نظام الذكاء الاصطناعي تلقائيًا. فبدون هذه الطبقة، في سياق الأعمال، سينتهي بك الأمر إلى وكلاء ذكاء اصطناعي منفصلين يعملون بأهداف متضاربة، أو يُعالجون بيانات زائدة، أو يُنفذون إجراءات متناقضة. يضمن التنسيق أن يعمل الوكلاء المناسبون مع البيانات المناسبة في الوقت المناسب، وأن يتم التحقق من متطلبات الامتثال قبل كل عملية تنفيذ، وأن يعمل النظام كوحدة متكاملة.

عمليًا، تعني إدارة الذكاء الاصطناعي تحديدًا: اختيار النموذج تلقائيًا، حيث يقرر النظام ديناميكيًا أي نموذج ذكاء اصطناعي هو الأنسب لكل مهمة؛ وتخصيص موارد الحوسبة بكفاءة عالية؛ وأنظمة ذاتية الإصلاح تكتشف الأخطاء ومواطن القصور في سير العمل وتصححها دون تدخل بشري؛ وسجلات تدقيق كاملة تسجل كل قرار وكل مسار بيانات. هذه النقطة الأخيرة تحديدًا ليست إضافة اختيارية، بل هي متطلب تنظيمي للتطبيقات عالية المخاطر بموجب قانون الذكاء الاصطناعي للاتحاد الأوروبي، والذي دخل حيز التنفيذ منذ أغسطس 2024.

ينبع الدور الأساسي للذكاء الاصطناعي المُدار من حقيقة أن القرارات المستقلة لا تُبرر إلا إذا ظلت قابلة للتتبع والتحكم والتراجع. يعمل نظام الذكاء الاصطناعي الذي يمنح القروض، أو يمنع الاحتيال، أو يُجري تقييمات المخاطر، في بيئة ذات تبعات قانونية واقتصادية كبيرة. يضمن الذكاء الاصطناعي المُدار بقاء هذه البيئة محددة ومحدودة، وأن تتمكن الشركة من إثبات أساس البيانات والقواعد التي استند إليها اتخاذ القرار في أي وقت. في هذا السياق، تتوقع مؤسسة غارتنر أن أكثر من 40% من جميع المشاريع التي تعتمد على الذكاء الاصطناعي ستتوقف بحلول نهاية عام 2027، ليس بسبب فشل التكنولوجيا، بل بسبب قصور إطار الحوكمة.

تعتمد بنية تطبيقات الذكاء الاصطناعي المُدارة الناجحة على مبدأ شائع أثبت نجاحه عمليًا: استخدام وكلاء دقيقين ومتخصصين ذوي مسؤوليات محددة بوضوح، بدلًا من الأنظمة الضخمة المتكاملة. يقوم وكيل التنسيق بتنسيق تفاعل هؤلاء المتخصصين، تمامًا كقائد أوركسترا يمزج بين مجموعات الآلات الموسيقية المختلفة ليُنتج صوتًا متناغمًا دون أن يعزف بنفسه. في التطبيقات التقنية، يحلل وكيل التنسيق هذا الطلبات الواردة، ويُفعّل المتخصصين ذوي الصلة، ويُركّب مخرجاتهم في قرار أو إجراء متماسك.

من روبوت المحادثة إلى صانع القرار المستقل: مراحل تطور الذكاء الاصطناعي

لفهم مدى جذرية التحول إلى التشغيل الآلي بالذكاء الاصطناعي، من المفيد إلقاء نظرة منهجية على مراحل التطوير. كان التشغيل الآلي التقليدي، من خلال أتمتة العمليات الروبوتية (RPA)، قائمًا بالكامل على القواعد: إذا حدث أ، فسيحدث ب - دقيق، ولكنه جامد. إذا تغير تنسيق الإدخال أو خطوة العملية ولو بشكل طفيف، يفشل النظام لافتقاره إلى القدرة على التكيف. وقد عزز الذكاء الاصطناعي التوليدي هذا التشغيل الآلي القائم على القواعد بفهم اللغة الطبيعية وتوليد المحتوى، ولكنه ظل تفاعليًا وغير مستقر: لا يوجد توجه نحو هدف ثابت، ولا استخدام مستقل للأدوات.

يجمع الذكاء الاصطناعي الوكيل، باعتباره المرحلة التطورية الحالية، عدة قدرات تُمكّن من التشغيل الآلي: الإدراك الفوري لحالات البيئة من مصادر بيانات متنوعة؛ والقدرة على التخطيط وتحديد الأولويات على مراحل متعددة؛ والاستخدام الذاتي للأدوات عبر واجهات برمجة التطبيقات وتكامل الأنظمة؛ والتعلم المستمر من نتائج أفعاله؛ والتعاون مع وكلاء آخرين في أنظمة متعددة الوكلاء. ويكمن الاختلاف الجوهري عن الأتمتة السابقة في مرونته: إذ يستطيع الذكاء الاصطناعي الوكيل التعامل مع الاستثناءات والحالات غير المعروفة والظروف المتغيرة لأنه يستخدم الاستدلال بدلاً من قواعد "إذا-ثم" الجامدة.

تكشف المقارنة عن ثلاث مراحل لتطوير الأتمتة، وتتباين فيما بينها في عدة خصائص: الأتمتة التقليدية (RPA) تعتمد على القواعد وتبدأ بشكل تفاعلي، وتفتقر إلى القدرة على اتخاذ القرارات (فهي ببساطة تنفذ قواعد "إذا-ثم")، ولا تحتفظ بالسياق، واستخدام الأدوات فيها محدد مسبقًا وثابت، وتفتقر إلى القدرة على التعلم، وتتميز بمقاومة منخفضة جدًا للأخطاء. أما الذكاء الاصطناعي التوليدي (2020-2024) فيستجيب للمطالبات، ويقدم خيارات بدلًا من اتخاذ قرارات مستقلة، ويحتفظ بالسياق ضمن المحادثات الفردية، ويستخدم الأدوات بشكل محدود، ويتمتع بقدرة تعلم ثابتة بعد التدريب، ومقاومة متوسطة للأخطاء. بينما الذكاء الاصطناعي الوكيل، أو الطيار الآلي (من عام 2025 فصاعدًا)، فهو استباقي ويبدأ العمل ذاتيًا، ويتخذ القرارات ضمن إطار محدد، ويحافظ على سياق مستمر على مستوى المؤسسة، وينسق الأدوات ديناميكيًا وتلقائيًا، ويتكيف باستمرار، ويتمتع بمقاومة عالية للأخطاء بفضل آليات التراجع.

إن تداعيات هذا التطور على الشركات عميقة. فبينما تستطيع أنظمة الأتمتة التقليدية عادةً التعامل مع ما بين 20 و30 بالمئة من المهام الفردية المنفصلة، ​​تُمكّن أتمتة العمليات القائمة على الوكلاء من التحكم الذاتي في 50 بالمئة أو أكثر من العمليات الشاملة، على مستوى الأقسام وبداية ونهاية كل عملية. وقد طبّقت شركة سيمنز، بصفتها إحدى الشركات الصناعية الرائدة، هذا المنطق عمليًا في مؤتمر Automate 2025، وتتوقع زيادة في الإنتاجية تصل إلى 50 بالمئة بفضل استخدام وكلاء الذكاء الاصطناعي الصناعي.

ذو صلة بهذا الموضوع:

• أدوات الذكاء الاصطناعي، والمساعدين في القيادة، والوكلاء، والطيارين الآليين

عندما تمنح الخوارزمية القرض: القرارات المستقلة في مجال التمويل

لم يستوعب أي قطاع منطق التشغيل الآلي مبكراً وبشكل أكثر اتساقاً من القطاع المالي. تواجه البنوك وشركات التأمين ضغطاً مزدوجاً: ارتفاع توقعات العملاء من جهة، وتزايد تعقيد الأنظمة والقوانين من جهة أخرى. تتطور أنظمة الذكاء الاصطناعي المستقلة من مجرد آلات تعتمد على قواعد محددة إلى محللين ماليين افتراضيين حقيقيين: فهي تفسر البيانات، وتكشف عن الحالات الشاذة في الوقت الفعلي، وتقترح مسارات العمل، ومع ازدياد استقلاليتها، تنفذ الإجراءات المناسبة بنفسها.

إن سرعة هذا التحول لافتة للنظر. فبحسب تقرير ديلويت لتوقعات القطاع المصرفي لعام 2025، وضعت أكثر من 70% من المؤسسات المالية أتمتة عمليات القروض في صميم استراتيجيتها. وكشفت دراسة حديثة أجرتها إكسبريان وشملت أكثر من 200 من صناع القرار في مؤسسات مالية رائدة، أن 89% من المشاركين يعتقدون أن الذكاء الاصطناعي سيؤدي دورًا محوريًا في جميع مراحل دورة حياة القرض، وأن 84% منهم يعتبرونه بالغ الأهمية أو ضروريًا جدًا لاستراتيجيتهم المؤسسية خلال العامين المقبلين. لم يعد موضوع التشغيل الآلي للذكاء الاصطناعي مجرد تكهنات مستقبلية في القطاع المالي، بل أصبح واقعًا عمليًا ملموسًا.

يُعدّ هذا التأثير مذهلاً بشكل خاص في معالجة القروض. فمن خلال الاستخدام المُدمج لأنظمة التعرّف الضوئي على الأحرف (OCR) ومعالجة اللغة الطبيعية وكشف الاحتيال المدعوم بالذكاء الاصطناعي، انخفض متوسط ​​وقت معالجة طلب القرض من يومين إلى ثلاثة أيام إلى أقل من 30 دقيقة. وفي الوقت نفسه، يتحقق نظام ذكاء اصطناعي متكامل لكشف الاحتيال في الوقت الفعلي من صحة أرقام الهوية، وتطابق بيانات الدخل المُبلغ عنها مع القطاع والوظيفة، وتوافق أنماط المعاملات السابقة مع الطلب الحالي. ووفقًا لتحليل أجراه بنك غراس هوبر، فإن الشركات التي لم تُطبّق بعد التمويل الفوري تخسر ما متوسطه 35% من فرص أعمالها لصالح منافسين أكثر مرونة.

اختارت شركة التكنولوجيا المالية البريطانية "إيوكا" نهجًا دقيقًا للغاية: إذ يقوم نموذجها للإقراض، الذي يعتمد على التعلم الذاتي، باتخاذ جزء كبير من قرارات القروض تلقائيًا بالكامل. ويتعلم النموذج باستمرار من كل طلب قرض جديد، ويُحسّن جودة قراراته بشكل متكرر، وهي عملية مستحيلة مع الأنظمة الجامدة القائمة على القواعد. والأهم من ذلك، أن هذه النماذج الآلية ليست نتاج تجربة تقنية، بل هي خلاصة سنوات من الخبرة البشرية، مُجسّدة في بيانات التدريب وقواعد اتخاذ القرار.

منصة الذكاء الاصطناعي المُدارة - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.

تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.

المزايا الرئيسية باختصار:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.

💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.

للمزيد من المعلومات، انقر هنا:

• منصة الذكاء الاصطناعي المُدارة

المحلل المالي المستقل: ما يمكن أن تفعله أنظمة الذكاء الاصطناعي في القطاع المصرفي اليوم

تُظهر بيانات تقرير كابجيميني للأبحاث حول الحوسبة السحابية في الخدمات المالية لعام 2026 صورةً واضحةً عن الوضع الحالي لاعتماد هذه التقنية. تستخدم البنوك بشكل أساسي وكلاء الذكاء الاصطناعي السحابيين في أربعة مجالات رئيسية: خدمة العملاء (75%)، وكشف الاحتيال (64%)، ومعالجة القروض (61%)، واستقطاب العملاء الجدد (59%). وتتبع شركات التأمين نمطًا مشابهًا: خدمة العملاء هي الأولوية القصوى (70%)، تليها تقييم المخاطر (68%)، ومعالجة المطالبات (65%)، واستقطاب العملاء الجدد (59%).

تمثل هذه الأرقام إعادة تعريف جذرية لمفهوم العميل لدى مزود الخدمات المالية. ففي الماضي، كانت علاقة العميل تتضمن تفاعلاً بشرياً في نقاط حاسمة: كالتشاور قبل تقديم طلب القرض، ومتابعة الاستفسارات المتعلقة بمعاملة غير معتادة، والشرح الشخصي خلال مراجعة التأمين. أما اليوم، فيتولى الموظفون المستقلون هذه التفاعلات بشكل متزايد، بسرعة أكبر، وبكفاءة أعلى، وعلى مدار الساعة.

إن الإمكانات الاقتصادية لهذا التطور هائلة. يُقدّر معهد كابجيميني للأبحاث القيمة المضافة المحتملة لأنظمة الذكاء الاصطناعي في قطاع الخدمات المالية بما يصل إلى 450 مليار دولار بحلول عام 2028، وذلك من خلال زيادة الإيرادات وخفض التكاليف. بالنسبة للشركات التي طبّقت هذه الأنظمة على نطاق واسع، يبلغ متوسط ​​القيمة المضافة المحتملة 382 مليون دولار على مدى السنوات الثلاث المقبلة؛ أما بالنسبة للشركات التي لم تُطبّقها على نطاق واسع، فلا تتجاوز 76 مليون دولار. وبالتالي، تتسع الفجوة بشكل ملحوظ بين الشركات التي تُطبّق هذه الأنظمة بكفاءة والشركات التي لا تزال في مرحلة التجربة.

يشهد السوق العالمي للذكاء الاصطناعي القائم على الوكلاء نموًا سريعًا. فبينما بلغ حجم السوق حوالي 7.57 مليار دولار أمريكي في عام 2024، من المتوقع أن يصل إلى 114.94 مليار دولار أمريكي بحلول عام 2032، بمعدل نمو سنوي متوسط ​​قدره 40.5%. وتتوقع بعض التوقعات الأخرى نموًا أكبر، حيث تتوقع وصول حجم السوق إلى 199 مليار دولار أمريكي بحلول عام 2034 بمعدل نمو سنوي مركب قدره 43.84%. وتتصدر أمريكا الشمالية السوق حاليًا بحصة تبلغ 46%، مدفوعةً ببنية تحتية تكنولوجية متطورة ودعم حكومي قوي.

يُعدّ كشف الاحتيال أحد المجالات التي تتجلى فيها بوضوح ميزة كفاءة أنظمة الذكاء الاصطناعي المستقلة. فبحسب تحليل أجرته مجلة فوربس، يزيد الذكاء الاصطناعي دقة الكشف بأكثر من 50% مقارنةً بالأساليب التقليدية. وقد بلغ حجم سوق كشف الاحتيال المدعوم بالذكاء الاصطناعي حوالي 18.76 مليار دولار أمريكي. ويؤكد السياق على مدى إلحاح هذا التطور: فبحسب تقرير صادر عن الإنتربول في مارس 2026، قُدّرت الخسائر العالمية الناجمة عن الاحتيال في عام 2025 بنحو 442 مليار دولار أمريكي، مدفوعةً بشكل كبير بانتشار أنظمة الذكاء الاصطناعي الآلية، التي باتت تُستخدم أيضاً من قِبل المهاجمين. لذا، لم يعد كشف الاحتيال باستخدام الذكاء الاصطناعي مجرد مسألة كفاءة، بل أصبح سباقاً محمومًا.

ذو صلة بهذا الموضوع:

• انسَ أدوات الذكاء الاصطناعي: كيف تغزو "الأنظمة الآلية" عالم الشركات الآن – مكان الذكاء الاصطناعي هو خلق القيمة، وليس مجرد أداة

بين المرونة والرقابة: البعد التنظيمي للطيار الآلي للذكاء الاصطناعي

حتى قبل ظهور أنظمة الذكاء الاصطناعي الآلية، كان القطاع المالي من أكثر القطاعات خضوعًا للرقابة. تشكل توجيهات MiFID II وPSD2 وتوجيهات الهيئة المصرفية الأوروبية بشأن مخاطر تكنولوجيا المعلومات والاتصالات وقانون المرونة التشغيلية الرقمية (DORA) إطارًا تنظيميًا محكمًا، يجري توسيعه حاليًا بموجب قانون الذكاء الاصطناعي للاتحاد الأوروبي. دخلت لائحة الذكاء الاصطناعي الأوروبية حيز التنفيذ في 1 أغسطس 2024؛ ودخلت حظر بعض ممارسات الذكاء الاصطناعي غير المسموح بها حيز التنفيذ في 2 فبراير 2025؛ وستدخل لوائح الأنظمة عالية المخاطر حيز التنفيذ الكامل اعتبارًا من 2 أغسطس 2026.

يُعدّ التصنيف أمرًا بالغ الأهمية في القطاع المالي: إذ تُصنّف أنظمة تقييم الجدارة الائتمانية، التي تُحدّد الجدارة الائتمانية للأفراد، ضمن أنظمة الذكاء الاصطناعي عالية المخاطر بموجب قانون الاتحاد الأوروبي للذكاء الاصطناعي. وهذا يعني تحديدًا وجوب استيفائها لمتطلبات صارمة فيما يتعلق بالشفافية والتوثيق وقابلية التفسير والإشراف البشري. ويتعين على الشركات تحديد مسؤوليات واضحة فيما يخصّ الذكاء الاصطناعي، وإنشاء أنظمة رقابة داخلية، وتطبيق آليات مراجعة مستمرة. وتُراقب الهيئة الاتحادية الألمانية للرقابة المالية (BaFin) استخدام الذكاء الاصطناعي في القطاع المالي بشكلٍ فعّال، وستُحدّد توقعاتها الرقابية بشكلٍ مُفصّل فيما يتعلق بالحوكمة وإدارة المخاطر وأمن البيانات والضوابط الداخلية.

يخلق المشهد التنظيمي توتراً ملحوظاً: فمن جهة، يدفع ضغط المنافسة إلى تسريع وتيرة الأتمتة وتوسيع نطاقها؛ ومن جهة أخرى، تنص اللوائح صراحةً على آليات إشراف بشري على القرارات المصيرية. وتُظهر دراسة إكسبيريان هذا التناقض بوضوح: إذ أعرب 73% من المشاركين من المؤسسات المالية عن قلقهم إزاء البيئة التنظيمية المحيطة بالذكاء الاصطناعي. ويؤكد فيجاي ميهتا، مدير إكسبيريان، بشكل قاطع أن مفهوم الذكاء الاصطناعي كصندوق أسود لم يعد مقبولاً، فالشفافية وقابلية التفسير شرطان أساسيان لبناء ثقة مستدامة والتزام تام.

تُقدّم الأبحاث التجريبية التي أجراها معهد هومبولت للإنترنت والمجتمع (HIIG) حول مبدأ التدخل البشري في عملية الإقراض تفاصيل دقيقة هامة. فالمفهوم الشائع لوجود مُتحكّم بشري واحد يُشرف على نظام آلي لا يعكس الواقع. عمليًا، تشارك عدة مجموعات من الأشخاص - موظفو الاستقبال، ومحللو المخاطر، والمراجعون الخارجيون - بنشاط في العملية في مراحل مختلفة. خاصةً عندما تكون الإشارات غامضة، كما هو الحال عند عرض النظام الآلي تحذيرًا، يتولى محللو المخاطر البشريون مراجعة كل حالة على حدة. هذا النهج الهجين ليس مطلوبًا حاليًا بموجب اللوائح فحسب، بل إنه منطقي من الناحية التقنية أيضًا: فأنظمة الإقراض الحالية لا تزال تعتمد بشكل أساسي على الإجراءات القائمة على القواعد، بينما حلول الذكاء الاصطناعي التكيفية لتقييمات الجدارة الائتمانية الشاملة لا تزال في طور الظهور.

السؤال المتعلق بالحوكمة: من يتحمل المسؤولية إذا ارتكبت الخوارزمية خطأً؟

تُعدّ مسألة المسؤولية من أبرز القضايا المُلحة التي تُثيرها أنظمة الذكاء الاصطناعي ذاتية التشغيل. فإذا رفض نظامٌ ما قرضًا، وتكبّد المُتقدّم خسارةً ماليةً نتيجةً لذلك، فمن يتحمّل المسؤولية؟ هل هو البنك الذي يستخدم النظام؟ أم المُزوّد ​​الذي طوّره؟ أم مجموعة البيانات التي استند إليها منطق اتخاذ القرار؟ يُقدّم قانون الذكاء الاصطناعي في الاتحاد الأوروبي إجابةً تنظيميةً واضحة: مُشغّلو النظام هم المسؤولون، ويجب عليهم ضمان الشفافية والإشراف البشري. مع ذلك، فإنّ التطبيق العملي لهذا الشرط بالغ التعقيد.

تكمن إحدى المشكلات الرئيسية في المعرفة الشاملة بالعملية. فغالبًا ما يفتقر الموظفون، ولا المؤسسة ككل، إلى نظرة شاملة لعملية اتخاذ القرار الآلي - أي الخوارزميات المستخدمة، وكيفية تدفق البيانات، وكيفية اتخاذ القرارات الفردية. وتتفاقم مشكلة الشفافية هذه في البنى المعقدة متعددة العوامل، حيث تتفاعل عوامل متخصصة مختلفة بالتوازي والتتابع. لذا، فإن السعي نحو قابلية تفسير حقيقية - أي القدرة على شرح كل قرار من حيث قاعدة بياناته ومنطقه - ليس مجرد مطلب تقني، بل ضرورة تنظيمية واجتماعية.

يتألف إطار حوكمة أنظمة الذكاء الاصطناعي المستقلة من خمسة أبعاد يجب أن تتكامل عمليًا: تكامل قوي للعمليات مع واجهات محددة، وسير عمل، ومنطق إصدار؛ هياكل حوكمة واضحة تتضمن أدوارًا ومسؤوليات وآليات طوارئ؛ موثوقية قابلة للقياس، تُعبّر عنها معدلات نجاح المهام، ومعدلات الخطأ، وزمن الاستجابة، والتكاليف؛ إمكانية تتبع شاملة من خلال السجلات، ومصدر البيانات، وإصدارات النماذج؛ وقدرة على الامتثال عبر مختلف الأنظمة الرقابية. الشركات التي تفهم وكلاء الذكاء الاصطناعي ليس كجزر تكنولوجية معزولة، بل كقدرة شاملة على مستوى المؤسسة، وتُدمجهم وفقًا لذلك، ستكون هي الرابحة في هذا التحول.

الإنسان والآلة: نموذج تقسيم العمل الجديد في القطاع المالي

لا يعني صعود الذكاء الاصطناعي في مجال التشغيل الآلي نهاية العمل البشري في القطاع المالي، ولكنه يُغير طبيعته جذرياً. وأفضل دليل تجريبي على ذلك يأتي من إحصائية تبدو متناقضة: فمع أن 48% من المؤسسات المالية تستخدم أنظمة الذكاء الاصطناعي لأتمتة العمليات، فإن 48% منها تُنشئ في الوقت نفسه وظائف جديدة لمراقبة هذه الأنظمة. وبالتالي، فإن الأتمتة والتوظيف ليسا متناقضين، بل يُغيران فقط نوع العمل المطلوب.

يتحول العمل من الأنشطة اليدوية لمعالجة البيانات إلى العمل الإشرافي والرقابي والسياقي. سيركز محللو المخاطر، الذين كانوا يعالجون الطلبات الاعتيادية، على الحالات الاستثنائية التي يصل فيها النظام الآلي إلى حدوده القصوى. يضمن مدربو الذكاء الاصطناعي جودة البيانات والتحسين المستمر للنماذج. يترجم خبراء الامتثال المتطلبات التنظيمية إلى أطر حوكمة للأنظمة المستقلة. ستصبح القدرة على العمل مع أنظمة الذكاء الاصطناعي والتحكم بها وتقييمها بشكل نقدي هي الكفاءة الأساسية، وليس القدرة على أداء مهام يمكن للوكلاء إنجازها بشكل أسرع وبأخطاء أقل.

تُشير تقديرات ماكينزي إلى أن التطورات في مجالات الذكاء الاصطناعي، مثل الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الفاعل، يُمكن أن تُؤتمت ما يصل إلى 30% من ساعات العمل الحالية بحلول عام 2030. بل إن التقديرات الأولية أكثر طموحًا، إذ تُشير إلى إمكانية أتمتة ما بين 60 و70% من ساعات العمل اليومية باستخدام تقنيات الذكاء الاصطناعي الحالية. تُثير هذه الأرقام تساؤلات اجتماعية وسياسية تتجاوز القطاع المالي. مع ذلك، بالنسبة للمستقبل القريب للبنوك وشركات التأمين، لم تُحقق سوى 2% منها تطبيقًا كاملًا للذكاء الاصطناعي الفاعل على نطاق واسع. ويبقى المسار بين المشروع التجريبي والتشغيل الإنتاجي هو التحدي الاستراتيجي الحقيقي.

الأسس المعمارية: كيف يتم بناء نظام طيار آلي يعمل بالذكاء الاصطناعي في القطاع المالي

تستند التطبيقات الناجحة لأنظمة الذكاء الاصطناعي الآلية في المؤسسات المالية، بناءً على تقييم أكثر من 50 مشروعًا لعملاء من قطاعات البنوك والاتصالات والتأمين، إلى مبدأ معماري ثابت: الجمع بين تنسيق المعالجات الحتمي والذكاء الاصطناعي الديناميكي. تشكل عمليات BPMN (نموذج تدوين العمليات التجارية) وجداول قرارات DMN الأساس المستقر القائم على القواعد، بينما تتولى العوامل المدفوعة بنموذج LLM طبقة الذكاء الديناميكي لمعالجة المشكلات غير المهيكلة والمعتمدة على السياق.

يحل هذا التصميم المعماري الهجين معضلة أساسية: تعجز الأنظمة القائمة على القواعد البحتة عن استيعاب تعقيد الواقع، بينما لا توفر نماذج الذكاء الاصطناعي البحتة القدرة الكافية على التنبؤ والتفسير في المجالات الحساسة تنظيميًا. يتيح الجمع بين كلا النهجين توظيف نقاط قوة كل منهما حيثما يكون ذلك أكثر فعالية. يتضمن النمط المعماري النموذجي لقرارات الائتمان المدعومة بالذكاء الاصطناعي المعالجة المتوازية لعدة عوامل متخصصة: عامل قراءة المستندات للتعرف الضوئي على الأحرف وتحليل البيانات، وعامل التحقق من المعقولية للتحقق من الاحتيال، وعامل تقييم المخاطر لتقييم الجدارة الائتمانية، وعامل الامتثال للمراجعة التنظيمية - وكلها منسقة بواسطة مُنسق رئيسي.

لا تُعدّ آليات التراجع القوية إضافات اختيارية، بل هي مبدأ معماري أساسي. فإذا واجه تسلسل التنفيذ الرئيسي مشكلة غير معروفة، يقوم النظام تلقائيًا بإنشاء حل بديل. ويضمن استخدام أطر الحوكمة، مثل بروتوكول سياق النموذج (MCP)، أن تتمكن الجهات الفاعلة من الوصول فقط إلى الأدوات والبيانات المصرح لها بالوصول إليها صراحةً - وهو مبدأ مُطبّق آليًا يُطبّق مبدأ أقل الامتيازات، ويلبي متطلبات الأمان والاشتراطات التنظيمية على حد سواء.

الآفاق والقيود: ما لا يستطيع نظام الطيار الآلي المدعوم بالذكاء الاصطناعي فعله

على الرغم من الطبيعة الديناميكية لهذا التطور، إلا أن التقييم الموضوعي لقيود الذكاء الاصطناعي الآلي ضروري. فالحماس التكنولوجي غالبًا ما يُقلل من شأن عمليات الانتشار: الفجوة بين المشاريع التجريبية والتطبيق الواسع النطاق كبيرة بشكل خاص في القطاع المالي نظرًا للمتطلبات التنظيمية، ومخاوف أمن البيانات، والجمود المؤسسي. لم تُطبّق سوى 10% من المؤسسات المالية أنظمة الذكاء الاصطناعي على نطاق واسع حتى الآن. ويُشير 65% من صُنّاع القرار إلى أن توفر البيانات الجاهزة للذكاء الاصطناعي هو التحدي الأكبر أمام التوسع.

تواجه قرارات الائتمان المستقلة قيودًا نوعية تتجاوز الجوانب التقنية البحتة. فالنماذج التجارية المعقدة، والمسارات المهنية غير النمطية، والظروف الاقتصادية الخاصة، أو حتى الحالات الخاصة غير المُمثلة في مجموعة بيانات التدريب، تُشكل تحديات لأنظمة التعلم الآلي التي يبقى فيها الحكم البشري متفوقًا. ويؤكد بحث معهد HIIG بوضوح أن الجمع بين الحكم البشري ومعالجة البيانات الآلية هو وحده ما يُحقق قيمة مضافة حقيقية، شريطة فهم العوامل المؤثرة وإدارتها بفعالية.

أخيرًا، يُؤدي تزايد استقلالية أنظمة الذكاء الاصطناعي إلى مخاطر نظامية جديدة. فإذا طوّرت الأنظمة المستقلة منطقًا متشابهًا لاتخاذ القرارات استنادًا إلى بيانات تدريب متشابهة، فقد يُفضي ذلك إلى سلوك القطيع في الإقراض أو تقييم المخاطر، ما قد يُزعزع استقرار النظام المالي. وتستجيب الأنظمة التنظيمية لهذا التحدي، إلا أن قانون الاتحاد الأوروبي بشأن الذكاء الاصطناعي لا يزال غير مُختبر بشكل كافٍ في تطبيقه على الأنظمة المستقلة ذاتية التعلم. ولا يزال الاختبار الحقيقي للذكاء الاصطناعي في القطاع المالي غير قادم، سواءً كان ذلك في صورة أول عطل كبير في النظام، أو قرار تنظيمي جوهري، أو النقاش المجتمعي حول التمييز الخوارزمي في قرارات الإقراض.

لا يقوم نظام الطيار الآلي بالهبوط - بل يتولى القيادة بشكل دائم

لا يُمثل نظام الذكاء الاصطناعي الآلي مجرد اتجاه تكنولوجي عابر، بل هو تحول جذري في طريقة عمل المؤسسات المالية واتخاذها للقرارات. ويُعدّ الانتقال من الذكاء الاصطناعي التفاعلي التوليدي إلى الذكاء الاصطناعي الاستباقي الفاعل، المُدمج ضمن طبقة إدارة الذكاء الاصطناعي، هو الفرق الجوهري بين نظام المساعدة والفاعل المستقل. بالنسبة للقطاع المالي، يعني هذا أن قرارات الائتمان، وكشف الاحتيال، وعمليات خدمة العملاء ستعتمد بشكل متزايد على أنظمة أسرع وأكثر اتساقًا، وفي بعض الجوانب أكثر دقة من الموظفين البشريين، ولكنها تتطلب مستوى جديدًا من الحوكمة والشفافية والرقابة.

تتضح الآثار الاستراتيجية على المؤسسات المالية: لم يعد السؤال هو ما إذا كان سيتم دمج أنظمة الذكاء الاصطناعي ذاتية التشغيل في العمليات الأساسية، بل كيف وبأي وتيرة. وقد أظهرت دراسة كابجيميني أن التطبيقات واسعة النطاق تُحقق، في المتوسط، قيمة اقتصادية تفوق خمسة أضعاف التطبيقات غير واسعة النطاق، مما يجعل تكلفة الانتظار قابلة للحساب. في الوقت نفسه، يؤكد توقع غارتنر بأن 40% من المشاريع القائمة على الذكاء الاصطناعي ستفشل في غياب إطار حوكمة، على ضرورة اتباع نهج منظم. فنجاح أنظمة الذكاء الاصطناعي ذاتية التشغيل ليس مضمونًا، بل هو نظام لا تتجاوز كفاءته كفاءة الإطار الذي يُدمج فيه.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

التواصل معي عبر wolfenstein ∂ xpert.digital

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن