نموذج موحّد ومسوّى عبر 40 شركة ذات غرض خاص: التوحيد المالي متعدد الكيانات لمشاريع رؤية 2030 العملاقة

في اجتماع توجيهي، يطرح مدير البرنامج سؤالاً يبدو بسيطاً: “كم يبلغ إجمالي رأس المال الملتزم به عبر المشروع بأكمله، وكم منه مسحوب فعلاً؟” يفتح ثلاثة أشخاص ثلاثة ملفات مختلفة. تعود الأرقام متباينة بنحو 4% فيما بينها. ولا أحد يستطيع الجزم بأيها الصحيح. يمضي الاجتماع، ويتحوّل التباين بهدوء إلى الأساس الذي تُبنى عليه التوقعات التالية.

يتكرر هذا المشهد عبر أكبر برامج الإنشاء في الخليج. فالمشاريع العملاقة في المملكة العربية السعودية لا تُدار ككيانات قانونية مفردة. فمشروع NEOM وحده يعمل من خلال طبقة من الشركات التابعة: شركة NEOM بوصفها المطوّر الرئيسي، وENOWA للطاقة والمياه، وصندوق NEOM للاستثمار بوصفه بوابة الاستثمار المشترك، إضافةً إلى مشاريع مشتركة مثل شركة الهيدروجين الأخضر التي تبلغ قيمتها نحو 8.4 مليار دولار مع ACWA Power وAir Products، ومشروع مشترك للخدمات اللوجستية تملك فيه DSV حصة 49%. أما الشركات الخمس الراسخة للمشاريع العملاقة (NEOM، وRed Sea Global، وQiddiya، وDiriyah، وROSHN) فكل منها مملوكة بالكامل لصندوق الاستثمارات العامة، وكل منها يُنشئ تحته شركات مشاريعه الخاصة وشركاته ذات الغرض الخاص. وتضيف هياكل الشراكة بين القطاعين العام والخاص ونماذج البناء والتشغيل ونقل الملكية مزيداً من التعقيد: فكل امتياز هو شركة ذات غرض خاص قائمة بذاتها، لها مموّلوها الخاصون، وحزمة ضماناتها الخاصة، ورزنامة تقاريرها الخاصة.

ولذلك عندما يقول أحدهم “الوضع المالي للمشروع”، فهو يقصد عشرات الميزانيات العمومية التي يجب أن تتجمّع في رؤية واحدة. وهذا التجميع هو المكان الذي يُوجَّه إليه الذكاء الاصطناعي اليوم. وهو بالضبط المكان الذي ينهار فيه الذكاء الاصطناعي إذا تجاوزت خطوة واحدة.

مشكلة التوحيد المالي أقدم من الذكاء الاصطناعي

لطالما كان التوحيد المالي متعدد الكيانات صعباً، لأسباب لا علاقة لها بالتقنية البتة. فالقروض بين الشركات بين شركة ذات غرض خاص والشركة الأم يجب استبعادها، وإلا احتُسب الدين مرتين. والمشروع المشترك الذي يُوحَّد بنسبة 51% يجب التعامل معه على نحو مختلف عن مشروع تُطبَّق عليه طريقة حقوق الملكية بنسبة 30%. والتمويل عبر الصكوك والإجارة يُقيَّد في الدفاتر بطريقة تختلف عن القرض لأجل التقليدي. ورأس المال المقوَّم بالدولار، والعقود المسوّاة بالريال، والمعدات المفوترة باليورو، كلها يجب أن تلتقي في عملة عرض واحدة، وفق مجموعة واحدة من أسعار الصرف، اعتباراً من تاريخ إقفال واحد.

أخطئ في أيٍّ من ذلك، ويصبح الرقم الموحّد خاطئاً، لا بفارق تقريب، بل بحجم رصيد مستبعَد بين الشركات قد يبلغ في مشروع عملاق المليارات. وفرق التمويل تدرك هذا. ولهذا يستغرق الإقفال الشهري في برنامج يضم 40 كياناً أسابيع، ولهذا يكون مصنّف التوحيد المالي أكثر الملفات هشاشةً وأشدّها حراسةً في المبنى بأكمله.

والآن أضِف الذكاء الاصطناعي فوق ذلك. الطرح مغرٍ: دع مدير البرنامج يكتب “أرني صافي الدين حسب الكيان” أو “ما متوسط تكلفة رأس المال المرجّح لدينا عبر امتيازات الشراكة؟” فيحصل على إجابة فورية. والمشكلة تكمن فيما يقرأ منه الذكاء الاصطناعي.

لماذا يزيد توجيه الذكاء الاصطناعي إلى الكيانات الخام الأمر سوءاً

إذا ربطت نموذجاً لغوياً مباشرةً بـ 40 ميزان مراجعة، فإليك ما يحدث. يسترجع النموذج الأرقام من كل كيان، ثم يحاول جمعها، واستبعاد البنود بين الشركات، وتطبيق نسب الملكية، وتحويل العملات، كل ذلك بوصفه تنبؤاً احتمالياً بالنص. إنه لا يُجري توحيداً مالياً. بل يخمّن كيف ينبغي أن يبدو التوحيد المالي، رمزاً تلو الآخر.

ويترتب على ذلك نمطا فشل، وهما مختلفان.

الأول هو انحراف الاسترجاع. اطرح السؤال نفسه الذي يمتد عبر الكيانات مرتين، وقد تحصل على إجماليين مختلفين، لأن النموذج سحب صفوف مصدر مختلفة قليلاً في كل مرة. فعلى معايير القياس المبنية على ملفات مالية حقيقية، لا تجيب النماذج الرائدة إلا عن نحو نصف أسئلة العثور على الأرقام الواقعية بشكل صحيح، حتى على مستند واحد نظيف. مدّ ذلك عبر 40 مستنداً بهياكل دليل حسابات مختلفة، وستتضاعف مساحة الخطأ.

الثاني هو الخطأ في الاستدلال، وهو الخطير لأن المدخلات صحيحة. يقرأ النموذج دين كل كيان قراءةً صحيحة، ثم ينسى استبعاد القرض بين الشركات، أو يطبّق عامل توحيد 51% على بند ينبغي أن يكون 100%، أو يصافي مشروعاً مشتركاً على نحو خاطئ. يبدو الرقم معقولاً. لكنه لا يرتبط بأي شيء. لا يستطيع مراقب الحسابات التوقيع عليه، ولن يقبله المدقّق، لا سيما الآن وقد بات منظّمو دول مجلس التعاون الخليجي يتوقعون أن يتتبّع كل رقم مُبلَّغ عنه عودةً إلى مصدر مدقَّق، إذ تشترط الإمارات على سبيل المثال تقديم القوائم المدقّقة خلال تسعة أشهر من نهاية الفترة.

لا تُصلح هذا بمطالبة (prompt) أفضل. بل تُصلحه بتغيير ما يقبع تحت النموذج.

سوِّ أولاً، ثم دع الذكاء الاصطناعي يطرح الأسئلة

الترتيب هنا أهم من أي شيء آخر في هذا المقال. فالنموذج المسوّى يجب أن يكون موجوداً قبل أن يلمسه الذكاء الاصطناعي.

وهذا يعني ربط دفتر أستاذ كل كيان (سواء كان في SAP، أو Oracle، أو NetSuite، أو حزمة محاسبية محلية، أو قوائم مرفوعة) في نموذج واحد تُرمَّز فيه منطق التوحيد المالي مرة واحدة وتُطبَّق على نحو حتمي. فالاستبعادات بين الشركات قواعد، لا تخمينات. ونسب الملكية مخزّنة لكل كيان. وتحويل العملات يجري وفق جدول أسعار محدَّد اعتباراً من تاريخ محدَّد. وكل رقم موحّد يتتبّع عودةً، بنداً بنداً، إلى الكيان المصدر الذي جاء منه. هذا مصدر واحد مسوّى للحقيقة، لا 40 جدول بيانات يتصادف أنها تتفق معظم الوقت.

وبمجرد وجود هذه الطبقة، تتغيّر مهمة الذكاء الاصطناعي تماماً. فهو لم يعد يحسب التوحيد المالي. بل يسترجع من نموذج موحَّد ومسوّى بالفعل، وأي حساب يحتاجه (متوسط تكلفة رأس مال مرجّح، أو نسبة تغطية خدمة الدين عبر الامتيازات، أو سيناريو افتراضي لسحب مؤجَّل) يجري عبر محرّك حتمي، لا عبر حساب النموذج نفسه. فالنموذج اللغوي يتولّى اللغة: فهم السؤال، وصياغة الإجابة، وشرح العوامل المحرّكة. وتبقى الرياضيات حيث ينبغي أن تكون.

والاختبار العملي هو ما إذا كان شخصان يطرحان السؤال نفسه في التاريخ نفسه سيحصلان على الرقم نفسه، وما إذا كان ذلك الرقم يتتبّع عودةً إلى المصدر. على طبقة مسوّاة، نعم يفعل. أما على الكيانات الخام، فلا يمكنه ذلك، مهما بلغت جودة النموذج.

ماذا يجني فريق تمويل المشروع العملاق من هذا

السرعة، لكن من النوع القابل للدفاع عنه. يحصل مدير البرنامج على إجابة تمتد عبر الكيانات في ثوانٍ، بدلاً من أن يفتح ثلاثة أشخاص ثلاثة ملفات. ويستطيع مراقب الحسابات أن يُري المدقّق بالضبط أي كيان جاء منه كل بند. وترى الجهات الرقابية (وبرامج رؤية 2030 تحظى بقدر كبير من الرقابة) مجموعة واحدة متسقة من الأرقام بدلاً من تباين عليها أن تطارده.

كما أنه يكشف الثغرات التي تريد كشفها فعلاً. فعندما يتجمّع كل كيان في نموذج واحد مسوّى، فإن كياناً لم يُقفل بعد، أو رصيداً بين الشركات لا يصافي إلى صفر، أو نسبة مشروع مشترك تغيّرت في منتصف العام، يكفّ عن الاختباء داخل مصنّف يدوي. فخطوة التسوية تجعل التباين مرئياً، بدلاً من تركه ينتشر إلى التوقع التالي.

ولا شيء من هذا يلغي مراقب الحسابات. فقواعد التسوية، ومعالجات الملكية، ومنطق الاستبعاد، كلها أحكام مهنية، وينبغي أن يضعها ويراجعها من يتولّون الإقفال. وما تلغيه الطبقة هو الخطأ الحسابي الصامت، والسؤال عن أي ملف هو الصحيح.

الحدّ الصادق: إقامة هذا أصعب من توصيل روبوت محادثة بنظام تخطيط موارد المؤسسات لديك. فترميز منطق التوحيد المالي على نحو حتمي يتطلب عملاً حقيقياً، ويتوقف على إمكانية ربط دفاتر الأستاذ الأساسية. لكن ذلك العمل هو الفرق بين إجابة ذكاء اصطناعي يستطيع مدير البرنامج تكرارها أمام المجلس، وأخرى تنحرف بهدوء 4% في كل مرة تُطرح فيها.

إذا كنت تدير توحيداً مالياً عبر عشرات الشركات ذات الغرض الخاص، وتريد أن ترى كيف يبدو فعلاً طرح سؤال يمتد عبر الكيانات على نموذج واحد مسوّى، احجز عرضاً توضيحياً. وللصورة التنظيمية الأوسع التي يندرج هذا ضمنها، ابدأ بالركيزة حول بناء طبقة أرقام موثوقة للذكاء الاصطناعي في دول مجلس التعاون الخليجي، وفي ما يخص سقف التتبّع الذي يلزمك المدققون به الآن، اقرأ هل يستطيع ذكاؤك الاصطناعي ربط كل رقم بالتدقيق ولماذا لا يمكن ارتجال حسابات EBITDA المعدَّلة بموجب IFRS 18.