الذكاء الاصطناعي في القطاع المالي بدول الخليج: طبقة أرقام موثوقة

أخبرني مدير مالي في الرياض أن فريقه يملك ثلاث أدوات ذكاء اصطناعي معتمدة ومُموّلة وقيد التشغيل. ولم تنتج أيٌّ منها رقماً يجرؤ على عرضه أمام مجلس إدارته. كان يستخدمها لصياغة رسائل البريد الإلكتروني لا أكثر.

هذا يلخّص الوضع الغريب الذي يجد القطاع المالي الخليجي نفسه فيه اليوم. فالمنطقة تضخّ الأموال في الذكاء الاصطناعي بوتيرة تكاد لا تُضاهى في العالم. فقد قفز تبنّي الذكاء الاصطناعي في المؤسسات بالمنطقة بشكل حاد في العامين الأخيرين حتى بات القاعدة لا الاستثناء. وتتعامل البرامج السيادية في السعودية والإمارات مع الذكاء الاصطناعي باعتباره بنية تحتية وطنية، لا بنداً ضمن ميزانية تقنية المعلومات. الطموح حقيقي، وهو مموّل.

ومع ذلك، لا تظهر القيمة في الوظيفة المالية. وعبر استطلاعات الإدارة العليا في الخليج، يتكرر النمط نفسه: غالبية المؤسسات جرّبت الذكاء الاصطناعي التوليدي، وقلّة قليلة منها تستطيع الإشارة إلى أثر مالي قابل للقياس. والعائق نادراً ما يكون النموذج نفسه. بل هي البيانات التي يقف عليها النموذج، ومدى قدرة أيّ شخص على الدفاع عن الرقم الذي أنتجه.

بالنسبة لمدير مالي في دبي أو جدّة، هذا الجزء الأخير ليس نظرياً. فأنت تعمل ضمن منظومة فسح زاتكا، والفوترة الإلكترونية الإماراتية، وتوقعات ساما ومصرف الإمارات المركزي، وقواعد حماية البيانات الشخصية (PDPL). الرقم الواثق لكن الخاطئ ليس مجرد إحراج. إنه انكشاف على مستوى الامتثال.

لماذا تبنّى القطاع المالي الخليجي الذكاء الاصطناعي بسرعة ويثق به ببطء

ثمة فجوة بين أمرين يُفترض أن يتحركا معاً: كم يبدو الذكاء الاصطناعي مبهراً في عرض تجريبي، وكم هو موثوق على دفترك الفعلي.

العرض التجريبي جيد فعلاً. اطلب من النموذج تلخيص حزمة مجلس الإدارة، فيقرأ وكأن محللاً بارعاً كتبه. تبدأ المتاعب حين تطلب منه أن يحسب. النماذج اللغوية الكبيرة لا تحسب. إنها تتنبأ بالـ token التالي. تتفتّت الأرقام إلى أجزاء، ويتلمّس النموذج طريقه عبر مطابقة الأنماط إلى شيء يبدو كأنه إجابة. على عمليات حسابية نظيفة ومعزولة، كثيراً ما ينجح ذلك. أما على عملية توحيد قوائم حقيقية، عبر كيانات وعملات وشجرة حسابات تغيّرت في منتصف السنة، فهو ينتج رقماً يبدو موثوقاً ولا يتطابق مع أيّ شيء.

فكّكنا هذا الأمر في لماذا يُخطئ الذكاء الاصطناعي في الحسابات المالية. باختصار: الفشل بنيوي، وليس خللاً سيصلحه نموذج أكبر.

أضِف إلى ذلك واقع البيانات في معظم المجموعات الخليجية. كيانات متعددة. QuickBooks في شركة تابعة، ونظام ERP مُحلَّى في أخرى، وجداول إكسل تحتفظ بالأجزاء التي لم يُرحّلها أحد. عربية وإنجليزية جنباً إلى جنب. أرقام شرقية وغربية. وإلى أن تتفق تلك المصادر على رقم واحد مُسوّى، يظل أقدر نموذج في العالم مجرّد مُلخِّص للخلاف، بطلاقة.

الامتثال يجعل “أثبت عملك” أمراً غير قابل للتفاوض

خارج المنطقة، الرقم الخاطئ من الذكاء الاصطناعي مشكلة إدارية. في الخليج، السقف التنظيمي أعلى، وهو يرتفع بسرعة.

خذ السعودية. عالجت منصة فاتورة التابعة لزاتكا مليارات الفواتير الإلكترونية في 2025، بقفزة حادة عاماً بعد عام، وتواصل موجات الربط في المرحلة الثانية إدخال المزيد من الشركات بحسب شريحة الإيرادات، بمواعيد نهائية ممتدة حتى 2026. ويجب تخزين بيانات الفواتير داخل المملكة. وفي الإمارات، يجعل إطار الفوترة الإلكترونية والعقوبات الصادرة على مستوى مجلس الوزراء من السجلات الدقيقة القابلة للتتبّع إلى مصدرها التزاماً قانونياً، لا مجرّد ممارسة فُضلى.

ثم هناك الطريقة التي يتوقع بها المنظّمون أن يتصرف الذكاء الاصطناعي نفسه. تشدّد توجيهات ساما ومصرف الإمارات المركزي بقوة على قابلية التفسير، والرقابة البشرية، وحقوق التدقيق على القرارات المدفوعة بالذكاء الاصطناعي. وتذهب توجيهات مصرف الإمارات المركزي إلى حدّ توقّع احتفاظ المؤسسات بالقدرة على تجاوز النظام وإيقافه.

اجمع ذلك معاً، فيصبح المطلب بسيط الصياغة، صعب التزييف: حين يُبلّغ الذكاء الاصطناعي عن رقم، يجب أن تكون قادراً على تتبّعه إلى المصدر، وإظهار الحساب، وإثبات أنه لم يُعدَّل خفيةً. الصندوق الأسود الذي يُصدر رقماً بلا أيّ سلسلة نسب يسقط في هذا الاختبار قبل أن يبدأ الحديث عن الدقة أصلاً. نتعمّق في هذا في بناء مسارات تدقيق للذكاء الاصطناعي في المالية.

القطعة المفقودة هي طبقة أرقام مُسوّاة

معظم الفرق تتجه إلى روبوت محادثة أفضل. الفجوة الحقيقية تقع طبقةً واحدة في الأسفل.

تبني Rexfin تلك الطبقة. تتصل بمصادر بياناتك المحاسبية والمالية، QuickBooks وXero وNetSuite وSage ومستودع بياناتك أو القوائم المُحمَّلة، وتُسوّيها في نموذج مالي واحد يتطابق مع الدفتر. مصدر واحد للحقيقة، لا نسخة ثانية تنحرف. يمكنك الاطلاع على كيف يُبنى النموذج المُسوّى وعلى الأنظمة التي يتصل بها.

الآلية التي تكسب ثقة المدير المالي هي الفصل بين الاسترجاع والحساب:

• يسترجع الذكاء الاصطناعي الأرقام من النموذج المُسوّى بدلاً من تخمينها.
• تجري الحسابات عبر محرّك حتمي، لا عبر النموذج اللغوي. السؤال نفسه يُعيد الإجابة نفسها، في كل مرة.
• تُحتسب سيناريوهات “ماذا لو” استناداً إلى الأساس المُتحقَّق منه، فيكون التوقع قابلاً للتكرار لا توليدةً عابرة.
• كل مُخرَج يتتبّع إلى المصدر، جاهزاً لزاتكا أو ساما أو مصرف الإمارات المركزي أو مدقّقك الخارجي.

يفعل النموذج اللغوي ما يُجيده فعلاً: فهم السؤال، وصياغة الإجابة. ولا يُتاح له أبداً اختراع الرقم. هذا التقسيم للعمل هو جوهر طبقة نمذجة موثوقة.

لماذا يهمّ هذا في الخليج أكثر من أيّ مكان آخر تقريباً؟ بسبب الطريقة التي تُهيكَل بها الفرق المالية الخليجية. فالتكتلات العائلية، وكيانات المناطق الحرة، والشركات التابعة المُستحوَذ عليها بسرعة، تعني أن مديراً مالياً واحداً غالباً ما يُشرف على عشرات الدفاتر التي لم تُصمَّم أصلاً للتوحيد بنظافة. ويمكن أن تستغرق عمليات استبعاد المعاملات بين الشركات وحدها أياماً من المراقب المالي. وحين تُجيب أداة ذكاء اصطناعي عن سؤال على مستوى المجموعة دون تسوية تلك الدفاتر أولاً، فهي لا تُخطئ بفارق تقريب. إنها تُخطئ لأنها لم تَرَ الرقم الحقيقي من الأساس. التسوية ليست ميزة كمالية تُضاف فوق الذكاء الاصطناعي. إنها الشرط المسبق لكي يستحق الذكاء الاصطناعي أن تُشغّله.

سأكون صريحاً بشأن الحدود. هذا لا يجعل الذكاء الاصطناعي كلّي المعرفة، ولن يُنقذ بيانات مصدرية كانت خاطئة قبل أن تصل. إنه ينقل مشكلة الثقة إلى حيث يمكنك فعلاً إدارتها: التسوية وإثبات المنشأ، بدلاً من عقد الأصابع أملاً في صندوق أسود.

كيف يبدو هذا في أنحاء الخليج

مشكلة الموثوقية مشتركة عبر المنطقة. أما التفاصيل الدقيقة فليست كذلك.

للامتثال شكله الخاص في كل سوق: نماذج الفسح، ومواعيد الفوترة الإلكترونية، وقواعد الاحتفاظ، ومتطلبات التخزين داخل المملكة، تنزل جميعها بشكل مختلف في الرياض عنه في أبوظبي. نُفصّل الخصوصيات في زاتكا والفوترة الإلكترونية والنماذج الجاهزة للتدقيق.

أما اللغة فمشكلة هندسية قائمة بذاتها. النماذج العربية أولاً مثل Jais وFalcon وALLAM قلّصت الفجوة في الاستدلال المالي بالعربية، لكن الأرقام المختلطة والتبديل بين IFRS وAAOIFI ما زالت تُعثرها. النموذج العربي القدير ما زال يحتاج إلى طبقة حتمية تحته تتولّى الحساب الفعلي، وهذه هي الحجة في ذكاء اصطناعي مالي عربي أولاً.

وقد أصبحت إقامة البيانات سؤالاً على مستوى مجلس الإدارة. فمع HUMAIN، ودفعة قطر الوطنية للذكاء الاصطناعي، وتوطين بيانات PDPL، وحقوق التدقيق الصريحة في توجيهات مصرف الإمارات المركزي، صار المكان الذي تعيش فيه بياناتك المالية المُسوّاة قراراً حوكمياً، لا تفصيلاً في البنية التحتية. نغطّي إبقاء الأرقام داخل الخليج في ذكاء اصطناعي سيادي، أرقام سيادية. ونقطة البداية لكل ذلك هي مشكلة الثقة نفسها: لماذا لا يثق المدراء الماليون الخليجيون بالذكاء الاصطناعي في أرقامهم.

الترتيب الذي ينجح فعلاً

الميل السائد في المنطقة هو الأتمتة أولاً والثقة لاحقاً، رهاناً على أن إصدار النموذج التالي يُغلق الفجوة. لكنه لا يفعل. المحرّك الأسرع على وقود فاسد يصل إلى الرقم الخاطئ أبكر فحسب، وبسرعة الآلة يصبح ذلك أسوأ، لا أفضل.

الثقة أولاً. ابنِ نموذجاً مُسوّى واحداً تتطابق معه أرقامك. اجعل كل رقم قابلاً للتتبّع إلى المصدر وكل حساب حتمياً. ثم دع الذكاء الاصطناعي يسترجع ويحسب استناداً إليه. افعل ذلك بهذا الترتيب، فيكفّ الذكاء الاصطناعي عن كونه الأداة التي تستخدمها لصياغة رسائل البريد ويصبح تلك التي تعرضها أمام مجلس إدارتك.

إن كنت مديراً مالياً خليجياً تريد الذكاء الاصطناعي على أرقامك دون أن تُراهن بتدقيقك على صندوق أسود، احجز عرضاً توضيحياً وسنُسوّي شريحة من بياناتك الحقيقية لترى رقماً متتبَّعاً من البداية إلى النهاية.