ذكاء اصطناعي يتقن متطلبات الفوترة الإلكترونية لهيئة ZATCA والإمارات

يطرح أحد المراقبين الماليين في الرياض سؤالًا بسيطًا على مساعد ذكاء اصطناعي: كم بلغت إيراداتنا شاملةً ضريبة القيمة المضافة في الربع الماضي، موزّعةً حسب الإمارة وحسب المنطقة في السعودية؟ تأتي الإجابة خلال ثانيتين، واثقة ومرتّبة. وهي أيضًا خاطئة بنحو 9%، لأن النموذج خلط بهدوء بين الفواتير المُبلَّغ عنها وأخرى لا تزال مسودات، واحتسب دفعةً من الإشعارات الدائنة مرتين، وقرّب ضريبة القيمة المضافة بطريقة لن تقبلها هيئة ZATCA أبدًا.

لا أحد يلاحظ ذلك إلى أن يلاحظه المدقّق.

هذه تحديدًا هي المخاطرة التي تتجه إليها فرق التمويل في الخليج الآن. فقد قطعت المنطقة في الفوترة الإلكترونية شوطًا يفوق ما حقّقته أغلب أنحاء العالم، والمواعيد النهائية حقيقية، والعقوبات لم تعد افتراضية. وحين تضع فوق ذلك نموذجًا لغويًا واثقًا لكنه غير مستند إلى مصدر، تكون قد ابتكرت طريقة أسرع لتقديم أرقام لا تستطيع الدفاع عنها.

أرض الامتثال تبدّلت بالفعل

تخوض المملكة العربية السعودية مرحلة متقدّمة من المرحلة الثانية لبرنامج فاتورة (Fatoora) للفوترة الإلكترونية. الموجة 23، التي تشمل المنشآت التي تجاوزت إيراداتها 750,000 ريال سعودي في أعوام 2022 أو 2023 أو 2024، لها موعد نهائي للربط في 31 مارس 2026، مع نوافذ تشغيل فعلي تبدأ من مطلع ذلك العام. وكل موجة جديدة تضيّق الفجوة إلى أن تكون كل منشأة مسجّلة في ضريبة القيمة المضافة تقريبًا تصدر فواتير مهيكلة ومُجازة عبر ZATCA في وقت شبه فوري. لم يعد هذا نظام «ملف PDF عبر البريد الإلكتروني». إنه نظام ترى فيه الهيئة الضريبية الفاتورة قبل أن يراها العميل نفسه.

والإمارات تسلك المسار ذاته. فقرار مجلس الوزراء رقم 106 لسنة 2025، الصادر في أواخر نوفمبر 2025، وضع إطار العقوبات قبل أن يكتمل سريان الإلزام: مرحلة تجريبية اعتبارًا من يوليو 2026، وإلزام كبار الممولين (الإيرادات بحد 50 مليون درهم فأكثر) بالامتثال من يناير 2027، وبقية المنشآت المسجّلة في ضريبة القيمة المضافة خلال 2027. والغرامات ملموسة؛ فالإخفاق في تطبيق النظام أو تعيين مزوّد خدمة معتمد يصل إلى 5,000 درهم عن كل شهر من عدم الامتثال، تتراكم فوقه غرامات تُحتسب لكل فاتورة.

وهكذا أصبحت الفاتورة المهيكلة المُصادق عليها حكوميًا هي الوحدة الأساسية لبيانات التمويل في الخليج. وهذا في حد ذاته خبر سار، لأن البيانات المهيكلة النظيفة هي تحديدًا ما يحتاجه الذكاء الاصطناعي. لكنه يرفع السقف في الوقت نفسه. فإذا كان بمقدور الجهة التنظيمية مطابقة إقراراتك حتى مستوى الفاتورة الواحدة، فإن أرقامك الداخلية، وأي تحليل يولّده الذكاء الاصطناعي فوقها، يجب أن تتطابق مع المصدر ذاته. عبارة «النموذج قال ذلك» ليست دفاعًا أمام التدقيق.

كيف يكسر الذكاء الاصطناعي البيانات المتوافقة بهدوء

وهنا الجزء المزعج. صيغة الفاتورة الإلكترونية دقيقة. أما النموذج اللغوي الذي يقرأها فليس كذلك.

النماذج اللغوية الكبيرة لا تجري حسابات. إنها تتنبأ بالرمز (token) التالي، والرقم بالنسبة إليها مجرد نص إضافي. اطلب منها جمع عمود من قيم ضريبة القيمة المضافة عبر بضع مئات من الفواتير، فستنتج شيئًا معقولًا في الظاهر، دون أي تحقّق داخلي من صحة الحساب فعليًا. وأنماط الفشل التي تظهر في تمويل الخليج محدّدة وقبيحة:

• الخلط بين الحالات. الفواتير المُجازة والمُبلَّغ عنها والمسودات والملغاة تبدو شبه متطابقة في تدفّق البيانات. فالنموذج الذي لا يصفّي بصرامة حسب الحالة سيدرج المستندات المرفوضة أو المسودات ضمن إجمالي «الإيرادات».
• أخطاء إشارة الإشعارات الدائنة. الإشعار الدائن يخفض الرصيد. والنموذج اللغوي حين يلخّص نصًا حرًّا قد يُسقط الإشارة السالبة أو يحتسب الإشعار مرتين، فيضخّم الرقم أو يقلّصه.
• انحراف تقريب ضريبة القيمة المضافة. لدى ZATCA والهيئة الاتحادية للضرائب (FTA) قواعد لكيفية احتساب ضريبة القيمة المضافة وتقريبها لكل بند ولكل فاتورة. وإذا قرّبتها تقريبًا، لم يعد إجماليك مطابقًا للمستندات المُجازة.
• مزالق الأرقام واختلاف اللغة المحلية. خلط الأرقام العربية المشرقية بالأرقام الغربية، والالتباس بين الفاصلة والنقطة (هل 12,345 تعني اثني عشر ألفًا أم نحو اثني عشر؟)، من نوع المسائل التي يعالجها محلّل حتمي بنظافة، بينما يخطئ فيها أحيانًا نموذج نصّي احتمالي. وهناك مزيد عن ذلك في مقالنا حول الذكاء الاصطناعي المالي العربي أولًا.

لا شيء من هذا غريب أو نادر. إنها الطرق العادية التي يخطئ بها نظام يطابق الأنماط النصية بدلًا من أن يحسب استنادًا إلى سجلات موثّقة في رقم مالي. وفي بيئة تُجاز فيها الفواتير في الوقت الفعلي، فإن الرقم الخاطئ ليس محرجًا فحسب، بل قد يكون إقرارًا خاطئًا أمام الهيئة.

SAMA والهيئة الاتحادية للضرائب يريدان الشيء نفسه: أثبت عملك

الجهات التنظيمية في دول الخليج تتقارب على مبدأ يلائم هذه المشكلة تمامًا: قابلية التفسير وقابلية التدقيق. فموقف البنك المركزي السعودي (SAMA) من الذكاء الاصطناعي في المؤسسات المالية يتّكئ بقوة على الحوكمة وقابلية التتبّع والإشراف البشري. ونموذج الإنفاذ لدى الهيئة الاتحادية للضرائب (FTA) مبني على المطابقة الآلية، حيث تقارن أنظمة الهيئة البيانات المقدَّمة بما تتوقّعه. أما مصرف الإمارات المركزي (CBUAE) فقد أشار إلى رغبته في امتلاك حقوق تدقيق على أنظمة الذكاء الاصطناعي التي تمسّ النشاط الخاضع للتنظيم.

اقرأ هذه معًا، يتّضح المطلوب. فعن أي رقم يُنتجه الذكاء الاصطناعي، عليك أن تجيب عن ثلاثة أسئلة عند الطلب:

1. من أي مستندات مصدرية أتى هذا الرقم؟
2. ما الحساب الذي حوّل تلك المستندات إلى هذا الرقم؟
3. هل يمكنك إعادة إنتاجه، بدقة، عند الطلب؟

روبوت محادثة من نوع «الصندوق الأسود» لا يجيب عن أيٍّ منها. يمنحك مخرجًا وهزّة كتفين. وتلك الفجوة هي تحديدًا ما يُفترض أن يسدّه مسار تدقيق للذكاء الاصطناعي في التمويل، وهو أمر غير قابل للتفاوض حين يكون الطرف السائل هيئةً ضريبية.

الحل: احسب استنادًا إلى نموذج مُطابَق، لا إلى الـ prompt

المخرج ليس روبوت محادثة أذكى. المخرج هو أن تتوقّف عن مطالبة النموذج اللغوي بإجراء الحساب أصلًا.

هذه هي البنية التي بُني عليها Rexfin. نربط مصادرك المحاسبية والمالية، سواء QuickBooks أو Xero أو NetSuite أو Sage أو مستودع بيانات أو كشوفات مرفوعة، ونبني نموذجًا ماليًا واحدًا مُطابَقًا يتطابق مع دفتر الأستاذ. حالة الفاتورة والإشعارات الدائنة ومعالجة ضريبة القيمة المضافة والعملة، كلها تُحسم مرة واحدة، عند طبقة البيانات، قبل أن يلمسها أي ذكاء اصطناعي. وبذلك تكون الأرقام التي كان النموذج سيخمّنها قد سُوِّيت سلفًا، ومطابقة سلفًا لسجلاتك المُجازة لدى ZATCA أو FTA.

وعندما يَرِد سؤال، يستردّ الذكاء الاصطناعي الأرقام ذات الصلة ويوجّه الحساب الفعلي عبر محرك حساب حتمي. المدخلات نفسها تنتج المخرَج نفسه دائمًا. لا تقريب رمزًا برمز، ولا خلط صامت بين الحالات. النموذج اللغوي يؤدي ما يجيده: فهم السؤال وصياغة الإجابة. أما الأرقام فتأتي من نظام لا يهلوس.

وكل رقم قابل للتتبّع حتى مصدره. انقر على رقم في ملخّص مولَّد بالذكاء الاصطناعي، فترى المستندات المصدرية ومسار الحساب وراءه. هذا هو الفارق بين إجابة يمكنك إرسالها بالبريد إلى مجلس إدارتك وإجابة يمكنك تسليمها إلى مدقّق. (الحجة الأعمق حول سبب عدم كفاية الاسترجاع وحده، وحاجتك إلى طبقة الحساب الحتمي كذلك، موجودة في الصفحة المحورية.)

كيف يبدو هذا على أرض الواقع

فريق تمويل يعمل بهذه البنية يستطيع أن يسأل، بالعربية أو الإنجليزية، «أرني الإيرادات شاملةً ضريبة القيمة المضافة حسب الإمارة للربع الأول، مُطابَقةً للفواتير المُجازة فقط»، فيحصل على رقم يتطابق مع رؤية الهيئة الاتحادية للضرائب للفترة نفسها، والفواتير الأساسية على بُعد نقرة واحدة. ويستطيع نمذجة سيناريو افتراضي، كتغيير في النسبة أو سيناريو تأخّر إجازة الفواتير، فتكون الإجابة قابلة لإعادة الإنتاج بدلًا من أن تكون تخمينًا لمرة واحدة. وحين يصل المدقّق، يكون المسار جاهزًا سلفًا.

هذا هو السقف في المنطقة اليوم. ليس «ذكاءً اصطناعيًا يبدو ذكيًا في المالية»، بل ذكاءً اصطناعيًا تضع اسمك بجوار كل رقم يُنتجه. فمع معالجة ZATCA مليارات الفواتير المُجازة وانطلاق عدّاد العقوبات في الإمارات، ارتفعت كلفة الرقم الواثق الخاطئ. والبنية التي تمنعه هي من النوع المملّ، الحتمي، المُطابَق، وهذا تحديدًا سبب نجاحها.

إن كان ذكاؤك الاصطناعي عاجزًا عن إثبات عمله أمام جهة تنظيمية خليجية، فهو ليس جاهزًا للمالية بعد. احجز عرضًا توضيحيًا ودعنا نريك كيف تبدو فعلًا إجابة تتطابق مع دفتر الأستاذ.