الذكاء الاصطناعي الوكيل في التمويل يحتاج أولاً إلى طبقة أرقام موثوقة

الوكيل المستقل لا يتوقف ليُشكّك في نفسه. هذا هو جوهر الفكرة. تمنحه هدفاً، ومجموعة من الأدوات، وصلاحية التصرف، فيعمل على المشكلة حتى يُنهيها. تخيّل الآن هذا الوكيل وهو يقرأ “إيرادات الربع الثالث: 4.1M” من لوحة بيانات كانت في الحقيقة تعرض رقماً تراكمياً منذ بداية الربع، فيستنتج أن الشركة متقدمة على خطتها، ويُطلق إعادة تنبؤ يراها مجلس الإدارة يوم الجمعة. لم يكتب أي إنسان هذا الرقم. لم يتحقق منه أي إنسان. الوكيل ببساطة تصرّف بناءً على ما أُعطي له.

هذا هو الخطر الحقيقي في التمويل الوكيل، وهو لا يكاد يرتبط البتة بمدى ذكاء النموذج.

العرض الذي يقدمه الوكلاء جيد فعلاً. فبدلاً من ذكاء اصطناعي يجيب عن الأسئلة، تحصل على ذكاء اصطناعي يُنجز العمل: يسحب البيانات، ويُجري الحساب، ويصوغ تعليق الانحرافات، ويُحدّث التنبؤ، ويُنبّه إلى الشذوذ، ويُسجّل القيد المحاسبي. تتوقع Gartner أن يؤدي الذكاء الاصطناعي المُضمَّن في أنظمة ERP السحابية إلى إغلاق مالي أسرع بنحو 30% بحلول 2028، كما أن نسبة كبيرة من الفرق المالية تختبر بالفعل سير عمل وكيلاً أو تخطط له. اتجاه المسار ليس محل تساؤل. السؤال هو: على أي أساس يقف هؤلاء الوكلاء؟

الاستقلالية تُضاعف كل ما تحتها

إليك المعادلة المُقلقة. روبوت محادثة يُهلوس رقماً يُهدر بعد ظهيرة محلل واحد. أما الوكيل الذي يُهلوس رقماً، ثم يتخذ ثلاثة إجراءات لاحقة بناءً عليه، ثم يُسلّم تلك المخرجات إلى وكيل ثانٍ، فقد نشر للتو رقماً خاطئاً عبر سلسلة لم يراقبها أحد في الوقت الفعلي. الاستقلالية مُضاعِف. فهي تُضاعف القرارات الجيدة، وتُضاعف المدخلات السيئة بالحماس نفسه تماماً.

ينبغي لبيانات الحوكمة أن تجعل أي مدير مالي يتريّث. فبحسب أحد تقديرات 2025، نحو 2% فقط من الشركات لديها ضوابط كافية للذكاء الاصطناعي، والغالبية الساحقة من المؤسسات شهدت بالفعل حادثاً واحداً على الأقل متعلقاً بالذكاء الاصطناعي. النضج نادر. فنحو واحدة من كل خمس شركات لديها إطار حوكمة ناضج للذكاء الاصطناعي. وفي الوقت نفسه يستمر إطلاق الوكلاء. القدرة تتسابق متقدمةً على الضوابط، وهو نمط مألوف وخطير.

لذا فإن الدافع نحو التمهّل صحيح. لكن “التمهّل” ليس استراتيجية، ولن يصمد أمام مجلس إدارة قرأ العناوين نفسها عن التمويل المستقل. الجواب الأفضل هو أن تكون دقيقاً بشأن ما الذي يجب أن يكون متيناً قبل أن تسمح للوكيل بالتصرف، وأن تبني ذلك أولاً.

ثلاثة أشياء تنكسر، وواحد منها فقط هو النموذج

حين يُنتج وكيل مالي نتيجة خاطئة، يكاد الفشل دائماً يعود إلى واحد من ثلاثة مواضع.

النموذج يستدل بشكل سيئ. هذا هو الفشل الذي يُصلحه الجميع أولاً، وهو الأقل شيوعاً. فالنماذج المتقدمة باتت تستدل عن المفاهيم المالية بشكل معقول الآن.

النموذج يُجري الحساب بنفسه. النماذج اللغوية تُرمّز الأرقام وتُطابقها بالأنماط بدلاً من حسابها، ولهذا تُعيد بثقة مجاميع ونسباً خاطئة. نُفصّل الآلية في لماذا يُخطئ الذكاء الاصطناعي في الأرقام. الحل مفهوم جيداً: لا تدع النموذج يُجري الحساب. أوكل الحساب إلى محرك حتمي.

البيانات التي تحته كانت خاطئة أو قديمة أو غامضة أو غير مُسوّاة. هذه هي المشكلة الكبرى، وهي التي لا يحب أحد الحديث عنها لأنها ليست مشكلة نموذج يمكنك شراء طريقك للخروج منها بنافذة سياق أكبر. فإذا قرأ الوكيل رقماً لا يتطابق مع دفتر الأستاذ، فإن كل إجراء يتخذه بعد ذلك مبنيٌّ على رمال. ولا قدر من ذكاء النموذج يُصلح مدخلاً خاطئاً.

لاحظ أن اثنين من الإخفاقات الثلاثة يقعان تماماً تحت النموذج. يمكنك أن تضع أكثر الوكلاء قدرةً في العالم فوق بيانات غير مُسوّاة وحاسبة عشوائية، وسيظل يُنتج أرقاماً واثقة وخاطئة لا أثر لها. وأسرع من ذي قبل.

طبقة الأرقام الموثوقة، مُعرَّفة

هذا هو الجزء الذي تتخطّاه ضجة الوكلاء. قبل الاستقلالية، تحتاج إلى طبقة تُنجز ثلاث مهام مملّة لكنها حاملة للأساس.

• نموذج واحد مُسوّى. اسحب من QuickBooks أو Xero أو NetSuite أو Sage أو من مستودع بيانات أو من كشوفات مرفوعة، ثم سوِّها في نموذج مالي واحد يتطابق مع دفتر الأستاذ. ليس نسخة من البيانات، بل مصدر حقيقة مُسوّى حيث يعني 4.1M شيئاً واحداً محدداً ومُعرّفاً ومُتفقاً عليه.
• حساب حتمي. حين يحتاج الوكيل إلى هامش، أو مدى استمرارية نقدية، أو نسبة تعهد مالي، يأتي الرقم من محرك يحسبه بالطريقة نفسها في كل مرة، لا من نموذج يرتجل. المدخلات نفسها، والجواب نفسه، دائماً. هذا ما يجعل النتيجة قابلة للتكرار بدلاً من رمية نرد لمرة واحدة.
• إمكانية التتبّع إلى المصدر. كل رقم يلمسه الوكيل يمكن تتبّعه رجوعاً إلى المستند ومسار الحساب الذي أنتجه. يمكن للمراقب المالي أن ينقر على رقم ويرى من أين أتى.

اجمع هذه الثلاثة معاً وستكون قد غيّرت ما يتصرف الوكيل بناءً عليه. لم يعد يستدل من لقطة شاشة للوحة بيانات. بل يسترجع أرقاماً مُتحقَّقاً منها، ويحسب مقابل محرك حتمي، ويُنتج مخرجات تعود إلى المصدر. الاستقلالية هي نفسها. أما الأساس فلا.

نرى أن ترتيب العمليات غير قابل للتفاوض: ثِق بالأرقام، ثم أتمتِ الإجراءات. اعكس الترتيب وستكون قد أتمتت طريقك نحو أخطاء أسرع. هذا هو المنطق نفسه وراء مصدر الحقيقة الواحد: لماذا البيانات المُسوّاة هي المفتاح الحقيقي للذكاء الاصطناعي في التمويل، وهو شرط مسبق لا مجرد ميزة لطيفة.

”اكتفِ بمنح الوكيل مُفسِّر شيفرة”

اعتراض شائع عند هذه النقطة: الوكلاء يستطيعون بالفعل استدعاء الأدوات، فدع الوكيل يُشغّل Python وتختفي مشكلة الحساب. هذا صحيح نصفياً، وهو النوع الخطير من الصحة.

مُفسِّر الشيفرة يُصلح الحساب. يتوقف الوكيل عن التعثّر في الضرب الطويل. جيد. لكنه لا يفعل شيئاً تجاه المدخلات الخاطئة، أو المصادر غير المُسوّاة، أو غياب المنشأ، أو غموض الإعدادات المحلية، وهذا الأخير وفير في التمويل. هل 12,345 هي اثنا عشر ألفاً أم اثنتا عشرة فاصلة ثلاثة أربعة خمسة؟ يعتمد على المكان الذي جاء منه الكشف. مُفسِّر الشيفرة يحسب بكل سرور مقابل رقم سيئ. النتيجة الآن دقيقة وخاطئة، وهو أسوأ من الخطأ الواضح، لأن الدقة تُقرأ على أنها جديرة بالثقة. ندخل في التفاصيل في لماذا “اكتفِ باستخدام مُفسِّر شيفرة” لا يجعل الذكاء الاصطناعي آمناً مالياً. استخدام الأدوات ضروري. لكنه أبعد ما يكون عن الكفاية.

كيف يبدو التمويل الوكيل الجيد فعلاً

الفرق التي تحصل على قيمة حقيقية من الوكلاء في التمويل ليست تلك الأكثر استقلالية، بل تلك التي حدّدت نطاقه بعناية.

التدخل البشري يُعامَل بوصفه قراراً تصميمياً، لا مرحلة عجلات تدريب تتجاوزها مع النمو. ففي الإجراءات عالية الأثر، الوكيل الذي يقترح والإنسان الذي يوافق يتفوّق باستمرار على الاستقلالية الكاملة من حيث المخاطر والمساءلة معاً. عمليات النشر الجادة تفرض صلاحيات الحد الأدنى من الامتياز، وتُسجّل كل إجراء، وتشترط موافقة بشرية على الخطوات المصيرية، وتُبقي على مفتاح إيقاف. يمكنك قراءة خلاصة الأبحاث حول الذكاء الاصطناعي الوكيل في الخدمات المالية لمعرفة كيف يتبلور هذا عملياً.

إعادة التنبؤ التلقائية مثال جيد على النمط المُنفّذ بإتقان: يراقب الوكيل انحرافاً جوهرياً، ويقترح تنبؤاً مُحدّثاً، ويُظهر طريقة عمله، ويُوقّع عليه إنسان. هذا قوي وقابل للدفاع عنه، لكن فقط لأن الانحراف الذي رصده حُسب مقابل أساس مُسوّى لا مقابل رقم تذكّره نصفياً. نشرح هذا في التخطيط والتحليل المالي الوكيل قادم، لكن الوكلاء يحتاجون إلى أساس مُسوّى.

من المفيد قراءة كل هذا جنباً إلى جنب مع الحجة الأوسع لـطبقة نمذجة مالية موثوقة للذكاء الاصطناعي. فالوكلاء ببساطة هم المستهلك الأكثر تطلّباً لتلك الطبقة. إنهم يكشفون كل نقطة ضعف في بياناتك أسرع وأكثر علانية مما يفعله أي محلل بشري على الإطلاق.

الحدود الصريحة

طبقة الأرقام الموثوقة لا تجعل الوكلاء معصومين. فهي لا تُصلح هدفاً سيئ التحديد، ولا نموذجاً يستدل بشكل رديء عن موقف جديد بحق، ولا عملية لا يراجع فيها أحد القرارات عالية المخاطر. التسوية نفسها صعبة، وجعل المصادر المالية تتفق إلى آخر سنت عبر الأنظمة هندسة حقيقية لا خانة اختيار تُؤشَّر. نحن لا نبيع سحراً. نحن نبيع شرطاً مسبقاً.

ما تفعله الطبقة هو إزالة أنماط الفشل التي لا تُغتفر في التمويل: التصرف بناءً على رقم لم يكن حقيقياً قط، وحسابه بطريقة لا يمكنك تكرارها، والإبلاغ عنه دون أثر يعود إلى المصدر. انزع هذه، وما يتبقّى مجموعة مخاطر يعرف فريق مالي كفؤ كيف يُديرها أصلاً بالصلاحيات والموافقات والمراجعة.

سيُدير الوكلاء قدراً كبيراً من العمل المالي في هذا العقد. الفرق التي ستفوز لن تكون تلك التي نشرت أولاً، بل تلك التي وقف وكلاؤها على أرقام كانت صحيحة فعلاً.

إذا كنت تختبر الوكلاء وتريد أن ترى كيف يبدون وهم يعملون على نموذج مُسوّى بدلاً من تخمين لوحة بيانات، احجز عرضاً توضيحياً وسنشرحه معك على بياناتك.