استراتيجيات الذكاء الاصطناعي التوليدي لشركات التمويل

استراتيجيات الذكاء الاصطناعي التوليدي لشركات التمويل

{getToc} $title={جدول المحتويات}

لم يعد الذكاء الاصطناعي مجرد أداة لتعزيز الكفاءة التشغيلية فحسب، بل تحول إلى محرك استراتيجي للنمو، حيث تشير التقديرات إلى قدرة الذكاء الاصطناعي التوليدي على إضافة قيمة تتراوح بين 200 إلى 340 مليار دولار سنوياً للقطاع المصرفي العالمي، ما يمثل زيادة في الإيرادات تصل إلى 4.7%. يمثل هذا التطور تحولاً جوهرياً من مفهوم "المصرفية الرقمية" التقليدية (Digital Banking) إلى عصر "المصرفية الذكية والمحيطة" (Invisible & Ambient Banking)، حيث تذوب الخدمات المالية في نسيج الحياة اليومية للعميل وتعمل بذكاء في الخلفية لتلبية احتياجاته بشكل استباقي.

يستعرض هذا المقال خارطة الطريق للمؤسسات المالية للانتقال من مرحلة "التجريب" المعزولة إلى "التوسع النطاقي" (Scaling) الشامل، لتمكينها من قيادة المشهد المالي بحلول عام 2026. لمزيد من التفاصيل المرتبطة بهذا التحول، يمكنك الاطلاع على مقال

الذكاء الاصطناعي في الفنتك.

فجر المصرفية الذكية والمحيطة

أهم النقاط (Key Takeaways):

• محرك للنمو الاقتصادي: لم يعد الذكاء الاصطناعي التوليدي مجرد أداة للكفاءة، بل محرك استراتيجي لزيادة إيرادات البنوك بنسبة تصل إلى 4.7%، مؤسساً لعصر "المصرفية المحيطة" التي تعمل بذكاء في خلفية حياة العميل.
• التخصيص الفائق (Hyper-Personalization): الانتقال من تقسيم العملاء لشرائح ديموغرافية إلى "شريحة الفرد الواحد"، حيث تُستخدم البيانات غير المهيكلة لتقديم مشورة مالية فورية وسياقية لكل عميل على حدة.
• ثورة العمليات الخلفية: إعادة هندسة العمليات الداخلية عبر أتمتة تحليل الوثائق وتسريع قرارات الائتمان، مع تعزيز القدرات الدفاعية لكشف الاحتيال والتزييف العميق في الوقت الفعلي.
• الريادة الإقليمية والسيادة الرقمية: تميز البنوك السعودية والإماراتية بتبني نماذج لغوية عربية مثل "جيس" و"فالكون" لضمان الفهم الثقافي والامتثال لمتطلبات توطين البيانات.
• عصر "الذكاء الوكيل" (Agentic AI): التطور المستقبلي (2026) نحو أنظمة ذكية قادرة على "تنفيذ" المهام المعقدة ذاتياً (وليس فقط اقتراحها)، مع ضرورة الالتزام الصارم بتشريعات (SAMA) و(CBUAE) لضمان الثقة.

كيف يغير الذكاء الاصطناعي التوليدي قواعد اللعبة؟

يمثل الذكاء الاصطناعي التوليدي (GenAI) نقلة نوعية في القطاع المالي، متجاوزاً مجرد كونه أداة للأتمتة التقليدية ليصبح المحرك الأساسي لإعادة صياغة نموذج العمل المصرفي. لم تعد المنافسة تدور حول المنتجات المالية بحد ذاتها، بل حول ذكاء وسياق تقديم هذه المنتجات. فيما يلي تفصيل استراتيجي لكيفية إحداث هذا التغيير الجذري:

التخصيص الفائق: هندسة "شريحة الفرد الواحد"

التخصيص الفائق في القطاع المصرفي

لقد ولت أيام تقسيم العملاء إلى شرائح ديموغرافية واسعة (مثل "جيل الألفية" أو "ذوي الدخل المرتفع"). نحن الآن في عصر التخصيص الفائق (Hyper-Personalization)، حيث تتيح الخوارزميات المتقدمة للبنوك معاملة كل عميل كشريحة مستقلة بذاتها "Segment of One".

يعتمد هذا التحول على قدرة النماذج اللغوية الكبيرة (LLMs) على معالجة وتحليل كميات ضخمة من البيانات غير المهيكلة (Unstructured Data)، مثل سجلات المحادثات، والتعليقات النصية، وسلوك التصفح، وحتى التفاعلات الاجتماعية، لدمجها مع البيانات المالية التقليدية. هذا المزيج يخلق "بصمة مالية" فريدة لكل عميل، مما يمكن البنوك من:

1. التنبؤ بالاحتياجات الحياتية: بدلاً من إرسال عروض قروض عشوائية، يمكن للنظام الذكي اكتشاف أن العميل يمر بمرحلة انتقالية (مثل الزواج أو الترقية الوظيفية) بناءً على أنماط الإنفاق المتغيرة، ليقدم له الحل المالي المناسب في اللحظة الدقيقة التي يحتاج فيها إليه.
2. تقديم المشورة السياقية: تتيح هذه التقنيات للمؤسسات المالية تقديم نصائح فورية تتجاوز لوحات المعلومات الجامدة. على سبيل المثال، يمكن للتطبيقات البنكية الآن تحليل عادات الإنفاق وتقديم توصيات مخصصة للادخار أو الاستثمار تتماشى مع الأهداف الشخصية للعميل ومستوى تحمله للمخاطر.
3. إدارة الثروات الموجهة بالبيانات: في قطاع إدارة الثروات، تعمل هذه الأنظمة كمساعدين أذكياء للمستشارين الماليين، حيث تقوم بصياغة نقاط حوار مخصصة ورؤى استثمارية قبل الاجتماعات، مما يعزز من قيمة الاستشارة المقدمة ويرفع من كفاءة المستشار.

لتوسيع معرفتك حول تطبيقات هذا المفهوم، يمكنك قراءة مقال التقنية المالية لإدارة الثروات في دبي.

ثورة خدمة العملاء: من الردود المعلبة إلى المحادثات الإدراكية

يشهد قطاع خدمة العملاء تحولاً جذرياً بفضل الجيل الجديد من المساعدين الافتراضيين الأذكياء، الذين يتجاوزون قدرات الروبوتات التقليدية القائمة على القواعد (Rule-based Chatbots) إلى أنظمة قادرة على الفهم العميق للغة الطبيعية والسياق.

المساعدون البنكيون: الجيل الجديد الذكي

تتصدر بنوك عالمية وإقليمية هذا المشهد عبر نشر مساعدين افتراضيين متطورين:

• المساعد "Erica" من بنك أوف أمريكا: يُعد معياراً عالمياً، حيث تجاوز 2 مليار تفاعل وخدم أكثر من 42 مليون عميل، مقدماً دعماً يتراوح بين إدارة المدفوعات إلى تقديم رؤى حول الإنفاق.
• المساعد "EVA" من بنك الإمارات دبي الوطني: يمثل قصة نجاح إقليمية في توظيف الذكاء الاصطناعي التوليدي لتقليل أوقات الانتظار وتقديم استجابات فورية ودقيقة.
• المساعد "Eno" من Capital One: يتخذ نهجاً استباقياً من خلال مراقبة الحسابات وإرسال تنبيهات حول الرسوم المزدوجة أو الأنشطة المشبوهة قبل أن يلاحظها العميل.

تنعكس القيمة الاقتصادية والتشغيلية لهذا التحول في مؤشرات أداء ملموسة:

1. الكفاءة التشغيلية: تشير التقارير إلى أن الذكاء الاصطناعي التوليدي يمكنه خفض تكاليف الاستفسارات بنسبة تصل إلى 10 أضعاف، مع تقليل أوقات الانتظار بشكل كبير، حيث يتم التعامل مع ما يصل إلى 80% من الاستفسارات الروتينية آلياً دون تدخل بشري.
2. تعزيز تجربة العميل: الانتقال من واجهات الاستجابة الصوتية (IVR) المحبطة إلى محادثات سلسة وطبيعية، مما يرفع من معدلات رضا العملاء (CSAT) ويعزز الولاء للعلامة التجارية.
3. الذكاء العاطفي الرقمي: بدأت بعض البنوك، مثل بنك "ABC" في البحرين عبر مساعدته "فاطمة"، في دمج عناصر من الذكاء العاطفي في تفاعلاتها، لتقديم تجربة بنكية أكثر تعاطفاً وإنسانية.

هذا التحول يمهد الطريق لما يُعرف بـ المصرفية الوكيلة (Agentic Banking)، حيث لن يكتفي المساعد الذكي بالإجابة على الأسئلة، بل سيمتلك القدرة على تنفيذ مهام معقدة نيابة عن العميل، مثل التفاوض على الفواتير أو تحويل الأموال، مما يحول الخدمات المصرفية إلى تجربة "غير مرئية" ومدمجة في نمط حياة العميل. في سياق متصل بخدمات البنوك الذكية، يمكنك الاطلاع على مقال

البنوك الرقمية.

عمليات العمليات الخلفية: إعادة هندسة العمود الفقري للمؤسسة المالية

بينما تستحوذ واجهات العملاء الرقمية على الاهتمام الأكبر، تدور المعركة الحقيقية لتعزيز الربحية والمرونة في العمليات الخلفية (Back-Office Operations). لم يعد دور الذكاء الاصطناعي التوليدي هنا مقتصراً على أتمتة المهام الروتينية فحسب، بل تحول إلى أداة استراتيجية لإعادة هيكلة العمليات المعقدة، وتقليص المخاطر التشغيلية، وفتح آفاق جديدة للنمو من خلال تحويل البيانات الجامدة إلى قرارات ائتمانية وتشغيلية فورية.

ثورة الذكاء التوليدي البنكية

أتمتة الوثائق والائتمان: من المعالجة اليدوية إلى القرار الذكي

تواجه البنوك تحدياً تاريخياً يتمثل في الاعتماد الكثيف على المستندات الورقية والبيانات غير المهيكلة في قرارات الإقراض. يُحدث الذكاء الاصطناعي التوليدي (GenAI) نقلة نوعية هنا عبر توظيف النماذج اللغوية الكبيرة (LLMs) لفهم السياق، وليس فقط استخراج النصوص، مما يؤدي إلى:

1. تسريع دورة حياة الائتمان: بدلاً من استغراق أسابيع في المراجعة اليدوية، تقوم الخوارزميات المتقدمة بمسح وتحليل آلاف الوثائق (كشوف الحسابات، الإقرارات الضريبية، القوائم المالية) واستخراج نقاط البيانات الحرجة بدقة عالية. تشير التقارير إلى أن هذه الأنظمة قادرة على تقليل وقت المعالجة اليدوية لكل طلب قرض بنسبة تصل إلى 50%، مما يتيح إصدار قرارات تمويل في دقائق معدودة بدلاً من أيام.
2. التحليل الدلالي للوثائق: تتجاوز القدرات الحالية تقنية التعرف الضوئي على الحروف (OCR) التقليدية لتصل إلى فهم الفروق الدقيقة في الملاحظات الهامشية والبنود التعاقدية المعقدة، مما يقلل من الأخطاء البشرية ويضمن الامتثال للسياسات الائتمانية الداخلية بدقة متناهية.
3. توفير هائل في ساعات العمل: نجحت مؤسسات رائدة مثل "جي بي مورغان" في توفير ما يقارب 360,000 ساعة عمل سنوياً عبر أتمتة تحليل المستندات التجارية، مما يحرر الكوادر البشرية للتركيز على الحالات الائتمانية المعقدة والاستراتيجية.

وللحصول على شرح أكثر تفصيلًا حول الامتثال والتحقق، ننصحك بمراجعة مقال نظام اعرف عميلك الإلكتروني (eKYC).

التحديث التقني: المساعد الذكي للمطورين والأنظمة الموروثة

يشكل العبء التقني الناتج عن الأنظمة القديمة (Legacy Systems) العائق الأكبر أمام الابتكار في البنوك التقليدية. يلعب الذكاء الاصطناعي دوراً محورياً في تحديث هذه البنية التحتية من خلال:

• تسريع كتابة واختبار الكود: تساهم أدوات البرمجة المدعومة بالذكاء الاصطناعي في زيادة إنتاجية المطورين بنسبة تصل إلى 40%، حيث تقوم هذه الأدوات بكتابة أكواد معيارية، وتوثيق البرمجيات، واكتشاف الثغرات الأمنية (Debugging) بشكل استباقي.
• إعادة هيكلة الأنظمة القديمة: تمتلك النماذج اللغوية قدرة فريدة على "ترجمة" لغات البرمجة القديمة (مثل COBOL التي لا تزال تعتمد عليها العديد من البنوك) إلى لغات حديثة، مما يسهل عملية الانتقال إلى البنية التحتية السحابية ويقلل من مخاطر التقادم التقني.

كشف الاحتيال وإدارة المخاطر: الدفاع السيبراني الاستباقي

في ظل تزايد تعقيد الهجمات السيبرانية، تنتقل المؤسسات المالية من نماذج الكشف القائمة على القواعد الثابتة إلى أنظمة الدفاع التكيفية التي تعتمد على التعلم الآلي والذكاء الاصطناعي التوليدي:

1. مواجهة التزييف العميق (Deepfakes): مع ارتفاع محاولات الاحتيال المعتمدة على التزييف العميق بنسب فلكية تتجاوز 2000%، أصبحت أنظمة التحقق البيومترية التقليدية غير كافية. تعتمد الحلول الحديثة على تحليل القياسات الحيوية السلوكية (Behavioral Biometrics) واكتشاف الحيوية (Liveness Detection) للتمييز بين العملاء الحقيقيين والمحتوى المصطنع بدقة عالية.
2. تحليل الأنماط في الوقت الفعلي: تتيح قدرات المعالجة الفائقة تحليل ملايين المعاملات في أجزاء من الثانية للكشف عن الشذوذ السلوكي الدقيق الذي قد يشير إلى اختراق الحسابات أو غسيل الأموال، مع تقليل معدلات الإنذارات الكاذبة (False Positives) بنسبة تصل إلى 40%، مما يحسن كفاءة فرق الامتثال.
3. المحاكاة التنبؤية للمخاطر: يمكن للبنوك استخدام الذكاء الاصطناعي التوليدي لتوليد سيناريوهات مخاطر تركيبية (Synthetic Scenarios) واختبار قدرة أنظمتها على الصمود، مما يعزز من جاهزيتها لمواجهة التهديدات غير المسبوقة.

لاكتشاف معلومات إضافية حول حماية الأنظمة المصرفية، اطلع على مقال أنظمة منع الاحتيال المالي.

الشمول المالي: دقة التنبؤ لخدمة شرائح جديدة

يفتح الذكاء الاصطناعي آفاقاً جديدة لخدمة العملاء الذين يفتقرون إلى سجلات ائتمانية تقليدية (Thin-file Customers)، مما يعزز من الشمول المالي (Financial Inclusion) والنمو المستدام:

• التقييم الائتماني البديل: بدلاً من الاعتماد الحصري على درجات الائتمان التاريخية، تقوم النماذج الحديثة بتحليل آلاف نقاط البيانات البديلة مثل مدفوعات المرافق، وسلوك استخدام الهاتف المحمول، والبيانات الجغرافية. هذا النهج يسمح بتقديم خدمات ائتمانية دقيقة لشرائح كانت تعتبر سابقاً "عالية المخاطر" أو غير قابلة للتقييم.
• الحد من التحيز: عند تصميمها ومراقبتها بشكل صحيح، يمكن للخوارزميات المتطورة تقليل التحيز البشري في قرارات الإقراض، مما يضمن وصولاً أكثر عدالة للخدمات المالية لرواد الأعمال والشركات الصغيرة والمتوسطة.

لمعرفة المزيد من التحليلات ذات الصلة، يمكنك قراءة مقال الشمول المالي في قطاع الفنتك.

الريادة الإقليمية: الذكاء الاصطناعي التوليدي في الشرق الأوسط (Deep Dive)

لم تعد منطقة الشرق الأوسط، وتحديداً دول مجلس التعاون الخليجي، مجرد مستهلك للتكنولوجيا، بل تحولت إلى مختبر عالمي للابتكار (Global Innovation Sandbox) في مجال الذكاء الاصطناعي المالي. مدفوعة باستثمارات حكومية ضخمة مثل استراتيجية السعودية للبيانات و الذكاء الاصطناعي التوليدي (باستثمارات 14.9 مليار دولار) واستراتيجية الإمارات للذكاء الاصطناعي 2031، تنتقل البنوك الإقليمية من مرحلة "الرقمنة" إلى مرحلة "الذكاء المؤسسي" الشامل.

السعودية والإمارات كمراكز ابتكار: نماذج واقعية للأثر الاقتصادي

استثمارات السعودية والإمارات في الذكاء الاصطناعي

تجاوزت المؤسسات المالية في الرياض ودبي وأبوظبي مرحلة التجريب (POCs) لتبدأ في جني ثمار التوسع النطاقي (Scaling)، حيث يتم دمج الذكاء الاصطناعي التوليدي في النسيج التشغيلي للبنوك لتعزيز الكفاءة وتخصيص التجربة:

1. بنك الإمارات دبي الوطني (Emirates NBD):

   • البنية التحتية للبيانات: لم يكتفِ البنك بإطلاق تطبيقات سطحية، بل قام بإنشاء واحدة من أكبر بحيرات البيانات (Data Lakes) في المنطقة، مما مكنه من تشغيل نماذج الذكاء الاصطناعي بسلاسة عبر كافة الأنظمة القديمة والحديثة.
   • المساعد الذكي (EVA): يعتبر المساعد الافتراضي "EVA" قفزة نوعية في المنطقة، حيث نجح في تقليل أوقات الاستجابة لاستفسارات العملاء بنسبة 35%، وخفض حجم المكالمات الواردة لمراكز الاتصال بنسبة 20%، مما يعكس تحولاً من الدعم البشري المكلف إلى الأتمتة الذكية الفعالة.
   • التخصيص التنبؤي: يستخدم البنك التحليلات التنبؤية لتقديم منتجات ائتمانية وودائع مخصصة في الوقت الفعلي بناءً على نمط حياة العميل وتاريخ معاملاته، مما يرفع معدلات التحويل (Conversion Rates).

2. بنك أبوظبي الأول (FAB):

• أتمتة العمليات الخلفية (Back-Office Revolution): حقق البنك تكاملاً استراتيجياً بين أتمتة العمليات الروبوتية (RPA) والذكاء الاصطناعي، حيث نشر أكثر من 110 روبوتات لمعالجة 9.2 مليون معاملة سنوياً. أدى ذلك إلى توفير ما يقارب 1.3 مليون ساعة عمل، وتقليل وقت المعالجة بنسبة 56%، وتوفير تكاليف تشغيلية تتجاوز 210 مليون درهم.
• التصنيف الائتماني الديناميكي: تبنى البنك نماذج تعلم الآلة (ML) لتحديث درجات الائتمان للعملاء في الوقت الفعلي، مما يسمح باتخاذ قرارات إقراض أسرع وأكثر دقة مقارنة بالنماذج التقليدية الثابتة.

لاستكمال الصورة حول التحول المالي في المملكة، يمكنك الرجوع إلى مقال الابتكار المالي الرقمي في السعودية.

النماذج اللغوية العربية (Arabic LLMs): ردم الفجوة الثقافية والتقنية

واجهت البنوك العربية تحدياً مزمناً يتمثل في اعتمادها على نماذج غربية (مثل GPT-4) التي تدربت بشكل أساسي على الإنجليزية، مما يؤدي إلى "هلوسات" عند التعامل مع الفروق الدقيقة في اللغة العربية أو اللهجات المحلية. الحل جاء عبر تطوير نماذج وطنية سيادية:

• نموذج "فالكون" (Falcon):

  • طوره معهد الابتكار التكنولوجي (TII) في أبوظبي، ويعد "Falcon Arabic" قفزة نوعية كأول نموذج لغوي كبير مدرب بالكامل على محتوى عربي أصيل (وليس مترجماً آلياً). يستوعب النموذج اللهجات المحلية (الخليجية، الشامية، المصرية، والمغاربية)، مما يضمن تجربة عملاء طبيعية خالية من الركاكة اللغوية التي تعاني منها النماذج العالمية.
  • بفضل قدرته على استيعاب سياق يصل إلى 32K، يتميز فالكون بقدرات عالية في الاستدلال المنطقي والطلاقة في المحادثات البنكية المعقدة.

• نموذج "جيس" (Jais):

• يتميز نموذج "جيس" (المطور عبر G42) بكونه ثنائي اللغة (عربي-إنجليزي) بمعيار 70 مليار معلمة، مما يجعله مثالياً للمؤسسات التي تتطلب دقة عالية في معالجة اللغات الطبيعية (NLP) للنصوص العربية. يساعد "جيس" في أتمتة مهام إنشاء المحتوى وتحليل البيانات المالية المعقدة بلكنة محلية، مما يعزز الثقة لدى العملاء الذين يفضلون التفاعل بلغتهم الأم.

إذا أردت استكشاف هذا الجانب من منظور تقني أوسع، ننصحك بقراءة مقال التكنولوجيا المالية في دول مجلس التعاون الخليجي.

مقارنة استراتيجية: عمالقة النماذج اللغوية العربية (Jais vs Falcon)

وجه المقارنة	نموذج جيس (Jais)	نموذج فالكون (Falcon)
المطور	شركة Core42 وجامعة محمد بن زايد للذكاء الاصطناعي	معهد الابتكار التكنولوجي TII في أبوظبي
القدرات اللغوية	ثنائي اللغة (عربي وإنجليزي) بطلاقة عالية، مصمم لفهم الفروق الدقيقة والسياق الثقافي	يدعم اللهجات المحلية (الخليجية، الشامية، المصرية، المغاربية) بالإضافة للفصحى
التركيز التقني	معالجة اللغات الطبيعية، الطلاقة اللغوية، وجودة المحتوى المولد	التفكير المنطقي المعقد، تعدد الوسائط (مثل تحليل الصور)، وحلول الأجهزة المحلية
حجم النموذج	يتوفر بنسخ متعددة أبرزها 13 مليار و70 مليار معلمة	خيارات واسعة تبدأ من نماذج خفيفة للهواتف وصولاً إلى 180 مليار للمهام المعقدة
أبرز الاستخدامات	روبوتات الدردشة لخدمة العملاء، إنشاء المحتوى التسويقي، تلخيص البيانات المالية	تحليل البيانات المعقدة، التحقق من الهوية عبر الصور، التطبيقات الطبية والعلمية
سيادة البيانات	متوافق تماماً مع متطلبات توطين البيانات في المنطقة	يدعم السيادة الرقمية عبر إمكانية النشر المحلي دون اتصال بالسحابة العامة

السيادة الرقمية: "الأمن بالتصميم" داخل الحدود الوطنية

في ظل تشريعات صارمة مثل قانون حماية البيانات الشخصية السعودي (PDPL) ولوائح البنك المركزي الإماراتي، أصبح استخدام النماذج العالمية السحابية (التي قد تنقل البيانات لخوادم خارجية) مخاطرة تنظيمية.

• توطين البيانات (Data Residency): تتيح النماذج المحلية مثل "جيس" و"فالكون" للبنوك نشر حلول الذكاء الاصطناعي التوليدي محلياً (On-Premise) أو في سحابات سيادية داخل الدولة. هذا يضمن امتثال البنوك لمتطلبات مؤسسة النقد العربي السعودي (SAMA) التي تفرض بقاء البيانات المالية الحساسة داخل المملكة.
• الذكاء الاصطناعي السيادي (Sovereign AI): يمثل هذا التوجه تحولاً استراتيجياً في المنطقة، حيث تستثمر الدول في بنيتها التحتية الخاصة للذكاء الاصطناعي لتقليل الاعتماد على التكنولوجيا الغربية وضمان استقلالية القرار التقني وأمن البيانات القومي.

ولمعرفة المزيد من النقاط التنظيمية المرتبطة بهذا السياق، اقرأ مقال قوانين سوق رأس المال في الإمارات.

الامتثال التنظيمي والمخاطر: (SAMA) و (CBUAE)

في بيئة تنظيمية صارمة مثل دول مجلس التعاون الخليجي، لا يُعتبر الامتثال مجرد إجراء روتيني (Checkbox Exercise)، بل هو الأساس لاستمرار الترخيص التشغيلي والمحافظة على الثقة. مع تزايد الاعتماد على الذكاء الاصطناعي التوليدي (GenAI)، تواجه البنوك ضغوطاً مزدوجة: الابتكار بسرعة لتلبية توقعات العملاء، والالتزام الصارم بالأطر التنظيمية المستحدثة التي تفرضها الهيئات الرقابية لضمان النزاهة المالية وحماية المستهلك.

المشهد التنظيمي: بين التفسير والرقابة الشاملة

تتبنى الجهات التنظيمية في المنطقة نهجاً استباقياً لضمان أن التكنولوجيا تخدم الاستقرار المالي ولا تهدده، مع اختلافات دقيقة في التركيز بين المملكة العربية السعودية والإمارات العربية المتحدة.

1. المملكة العربية السعودية: الشفافية كشرط مسبق (SAMA) يركز البنك المركزي السعودي (SAMA) بشكل أساسي على "القابلية للتفسير" (Explainability). لم يعد مقبولاً استخدام "الصندوق الأسود" (Black Box) في اتخاذ القرارات المالية؛ حيث يجب أن تكون المؤسسة قادرة على تبرير المسار الذي اتخذته الخوارزمية للوصول إلى قرار معين، مثل رفض القرض أو الإبلاغ عن معاملة مشبوهة.

• العنصر البشري في الحلقة (Human-in-the-loop): تفرض اللوائح عدم ترك القرارات الحساسة وعالية المخاطر (مثل الموافقات على الرهن العقاري أو الاستشارات الاستثمارية الكبرى) للذكاء الاصطناعي بالكامل. يجب وجود إشراف بشري لضمان عدم تحيز الخوارزميات ولتلبية متطلبات المساءلة.
• سيادة البيانات (Data Sovereignty): تتطلب اللوائح بقاء البيانات المالية الحساسة للعملاء داخل المملكة، مما يفرض على البنوك استخدام بنى سحابية هجينة أو نماذج لغوية مستضافة محلياً لضمان الامتثال لقانون حماية البيانات الشخصية (PDPL).

2. الإمارات العربية المتحدة: توسيع "المحيط التنظيمي" (CBUAE) شهدت الإمارات تحولاً تشريعياً جذرياً بصدور المرسوم بقانون اتحادي رقم 6 لسنة 2025، والذي ألغى قانون 2018 السابق ووسع بشكل كبير نطاق سلطة المصرف المركزي.

• المادة 62 والرقابة الشاملة: يمثل هذا البند تحولاً استراتيجياً، حيث يُخضع أي كيان يقوم "بتسهيل" الأنشطة المالية للترخيص والرقابة، بغض النظر عن الوسيلة التكنولوجية المستخدمة. هذا يعني أن مزودي البنية التحتية التكنولوجية، المنصات، والتطبيقات اللامركزية (DeFi) أصبحوا الآن داخل النطاق التنظيمي إذا كانوا يساهمون في تقديم خدمات مالية.
• عقوبات رادعة: لم يعد العمل بدون ترخيص مجرد مخالفة إدارية، بل جريمة جنائية قد تصل عقوبتها إلى السجن وغرامات تتراوح بين 50 ألف إلى 500 مليون درهم، مما يفرض على البنوك التدقيق الصارم في شركائها التقنيين.

تحديات الهلوسة (Hallucinations): عندما يختلق الذكاء الاصطناعي الواقع

تُعرف الهلوسة في سياق الذكاء الاصطناعي بأنها تقديم إجابات تبدو منطقية ولغويًا صحيحة، ولكنها خاطئة تمامًا من الناحية الواقعية. في القطاع المصرفي، يمكن أن تكون عواقب الهلوسة كارثية، مثل اختلاق بند تنظيمي غير موجود، أو تقديم مشورة استثمارية بناءً على بيانات مالية ملفقة، أو الوعد بعوائد غير واقعية.

استراتيجيات المعالجة والربط بالمصادر الموثوقة: للتخفيف من هذه المخاطر، تتبنى البنوك تقنيات متقدمة لربط قدرات التوليد اللغوي بقواعد بيانات موثوقة:

1. التوليد المعزز بالاسترداد (RAG - Retrieval-Augmented Generation):
   • تُعد هذه التقنية المعيار الذهبي حالياً للحد من الهلوسة. بدلاً من الاعتماد على ذاكرة النموذج اللغوي فقط، يقوم نظام (RAG) باسترداد المعلومات ذات الصلة من قاعدة معرفية موثوقة ومحدثة (مثل أدلة الامتثال الداخلية، أو أسعار الفائدة الحالية) قبل صياغة الاستجابة.
   • يضمن هذا النهج أن تكون مخرجات الذكاء الاصطناعي "مرتكزة" (Grounded) على حقائق يمكن التحقق منها، مما يجعله مثالياً لتلخيص المستندات المالية وشرح السياسات للعملاء.
2. الرسوم البيانية المعرفية (Knowledge Graphs):
   • استخدام هيكلة البيانات في شكل علاقات وكيانات مترابطة للتحقق من صحة مخرجات النموذج. على سبيل المثال، يمكن للنظام التحقق من التسلسل الهرمي للشركات أو تبعية الصناديق الاستثمارية قبل إصدار أي تقرير، مما يضيف طبقة من التحقق المنطقي الذي تفتقر إليه النماذج اللغوية البحتة.
3. الحوكمة والاختبارات الصارمة:
• تطبيق إطار عمل "Human-in-the-loop" للتحقق من المخرجات، خاصة في المراحل الأولى للنشر، مع استخدام أدوات "قابلية التفسير" (XAI) لتتبع مصدر المعلومة وضمان عدم انحراف النموذج عن السياسات المعتمدة.

مستقبل 2026: عصر "الذكاء الاصطناعي التوليدي الوكيل" (Agentic AI)

بحلول عام 2026، ستنتهي "المرحلة التجريبية" للذكاء الاصطناعي في القطاع المالي، لندخل حقبة الذكاء الاصطناعي الوكيل (Agentic AI). يمثل هذا المفهوم القفزة التطورية الأهم من الأنظمة التي "تقرأ وتكتب" (Generative) إلى الأنظمة التي "تخطط وتنفذ" (Action-oriented)، حيث تنتقل التكنولوجيا من مقعد الراكب الذي يقدم الاقتراحات إلى مقعد القيادة الذي يتخذ القرارات. لمتابعة الشرح من زاوية تقنية وتشغيلية أوسع، يمكنك قراءة مقال العقود الذكية في القطاع المالي.

ما هو Agentic AI؟ الانتقال من "المحادثة" إلى "التنفيذ الذاتي"

الذكاء الاصطناعي الوكيل ليس مجرد روبوت دردشة أكثر ذكاءً؛ بل هو نظام مستقل قادر على إدراك البيئة، تحديد الأهداف، واتخاذ الإجراءات اللازمة لتحقيقها دون انتظار توجيه بشري مستمر. في عام 2026، ستتحول البنوك من كيانات نلجأ إليها (Reactive) إلى كيانات تعمل في الخلفية (Proactive) لإدارة حياتنا المالية.

تتميز هذه الأنظمة بالقدرات التالية:

1. الاستقلالية في سير العمل (Autonomous Workflows): بدلاً من الاعتماد على موظف لربط الخطوات، يمكن لـ "فريق" من الوكلاء الرقميين المتخصصين التعاون لإنجاز مهام معقدة. على سبيل المثال، يقوم وكيل ببحث العملاء المحتملين، وآخر بصياغة العروض، وثالث بإدارة التقويم، ورابع بتنفيذ المعاملة.
2. التحول من الاستجابة إلى المبادرة: بينما كان الذكاء الاصطناعي التوليدي التقليدي يسأل "كيف يمكنني مساعدتك؟"، سيقول الذكاء الاصطناعي الوكيل: "إليك ما فعلته من أجلك ولماذا". يمكن لهذه الأنظمة إعادة توازن المحفظة الاستثمارية تلقائياً بناءً على تحركات السوق اللحظية، أو التفاوض مع مزودي الخدمات لتخفيض الفواتير، أو تحويل الأموال تلقائياً لتجنب رسوم السحب على المكشوف.
3. التفكير المتسلسل (Chain-of-Thought): تمتلك هذه الأنظمة القدرة على تذكر التفاعلات السابقة والتعلم من الخبرة، مما يسمح لها بتنفيذ مهام متعددة الخطوات عبر أنظمة مختلفة (Cross-platform execution) بدقة عالية وموثوقية.

التحول في القوى العاملة: الموظف كـ "قائد أوركسترا" للأنظمة الذكية

خلافاً للمخاوف السائدة بشأن استبدال الوظائف، تشير التوقعات الاستراتيجية لعام 2026 إلى أن الذكاء الاصطناعي الوكيل سيعيد تشكيل الأدوار بدلاً من إلغائها. سيتحول الموظفون من "منفذين للعمليات" إلى "مشرفين استراتيجيين" يديرون ويراقبون أداء الوكلاء الرقميين.

• إدارة الاستثناءات والحوكمة: في المكاتب الخلفية والوسطى (Middle & Back Office)، ستتولى الأنظمة الوكيلة المهام الروتينية مثل المطابقة والتدقيق، بينما ينتقل الموظفون البشريون إلى أدوار تركز على حل المشكلات المعقدة التي يرفعها النظام (Exception Management)، وضمان الشفافية والامتثال.
• الموظف المعزز (The 10x Employee): سيمكن الذكاء الاصطناعي الوكيل الموظف الواحد من إنتاج ما كان يتطلب قسماً كاملاً في السابق. سيصبح الموظف خبيراً مدعوماً بـ "فريق ظل" من الذكاء الاصطناعي، مما يرفع الإنتاجية الفردية بشكل هائل ويسمح بالتركيز على المهام ذات القيمة العالية مثل التفاوض الاستراتيجي وبناء العلاقات.
• بروتوكول "الإنسان في الحلقة" (Human-in-the-Loop): بالنسبة للقرارات المالية الحاسمة (مثل الموافقة على قروض الشركات الكبرى أو الاستثمارات عالية المخاطر)، ستبقى السلطة النهائية بيد البشر. سيعمل الذكاء الاصطناعي كمحضر ومحلل فائق السرعة، لكن القرار الأخلاقي والاستراتيجي سيظل بشرياً لضمان المساءلة والامتثال للوائح التنظيمية مثل تعليمات (SAMA).

الخاتمة: خارطة طريق للقادة الماليين

تمثل رحلة التحول نحو الذكاء الاصطناعي التوليدي سباقاً استراتيجياً لا يمكن خوضه ببيانات مفككة؛ لذا، فإن الخطوة الحاسمة للقادة الماليين اليوم هي الاستثمار الفوري في نسيج البيانات (Data Fabric). يُعد هذا النسيج بمثابة "الجهاز العصبي" الحديث للمصارف، حيث يربط البيانات المعزولة عبر الأنظمة القديمة (Legacy Systems) ليوفر بنية تحتية مرنة وموحدة، وهي شرط أساسي لتغذية خوارزميات الذكاء الاصطناعي ببيانات فورية ودقيقة.

إن نافذة الفرصة تضيق؛ لذا يجب على المؤسسات المالية البدء الآن في تجاوز مرحلة التجريب والانتقال إلى نشر نماذج الذكاء الاصطناعي الوكيل (Agentic AI) التي تملك القدرة على التصرف والتنفيذ نيابة عن العميل. ولضمان استدامة هذا التحول والبقاء في طليعة المنافسة، يتحتم على القادة مواءمة هذه الابتكارات مع أطر الامتثال التنظيمي الصارمة (مثل لوائح SAMA وCBUAE)، واعتبار الحوكمة ركيزة لتعزيز الثقة الرقمية وليست مجرد إجراء روتيني.