لماذا لا تتجاوز جودة تنبؤك بالذكاء الاصطناعي جودة تسوياتك المحاسبية
يرفع الذكاء الاصطناعي دقة التنبؤ، لكن جودة البيانات وتكامل الأنظمة القديمة يظلان أبرز أسباب الإخفاق. فجودة التنبؤ محكومة بسقف النموذج المُسوّى الذي يقوم عليه.
بقلم The Rexfin team
اكتشف عدد لافت من الفرق المالية أن الذكاء الاصطناعي يساعد في التنبؤ، ثم اكتشفت بهدوء أنه لا يساعد في تنبؤاتها هي. النموذج سليم، والعرض التوضيحي الذي قدّمه المورّد كان حقيقياً. المشكلة تكمن في المنبع، في البيانات التي يُبنى عليها التنبؤ، ولا قدر من جودة النموذج يصلح أساساً لا تتطابق أرقامه.
شواهد الاستبيانات متسقة في هذا الشأن. على امتداد مؤشرات قياس أداء التخطيط والتحليل المالي لعام 2025، تتصدّر جودة البيانات وتوافرها قائمة عوائق تبنّي الذكاء الاصطناعي، إذ أشار إليها أكثر من نصف المشاركين، تليها مباشرةً صعوبة دمج الأنظمة القديمة أو استبدالها. وتُظهر الدراسات ذاتها أن المردود حقيقي: نحو 42% من المؤسسات تصف تنبؤاتها بأنها جيدة أو ممتازة، وترتفع النسبة إلى ما يقارب 65% بين الفرق التي تستخدم الذكاء الاصطناعي أو تعلّم الآلة. فالأمران صحيحان في آن واحد: الذكاء الاصطناعي يرفع دقة التنبؤ، والعقبة الكبرى التي تفصل معظم الفرق عن هذا التحسّن ليست الخوارزمية، بل حالة أرقامها.
وهنا تكمن النقطة المُحرجة لكل من يوشك على توقيع عقد ذكاء اصطناعي ثانٍ لإصلاح النتائج المخيّبة للعقد الأول. التنبؤ دالة في مدخلاته. وإذا كانت المدخلات ثلاثة تصديرات من ثلاثة أنظمة تختلف على ما كانت عليه إيرادات الربع الماضي فعلاً، فإن التنبؤ يرث هذا الخلاف ويُلبسه ثوب رسم بياني واثق.
مدخلات رديئة، مخرجات رديئة لكن واثقة
كانت قاعدة “ما يدخل رديئاً يخرج رديئاً” في الماضي تبدو رديئة على الأقل. الجدول المعطوب كان يُرجع رقماً خاطئاً بوضوح، فينتبه إليه أحدهم. أما الذكاء الاصطناعي فقد غيّر طبيعة الإخفاق. أعطِ نموذجاً لغوياً كبيراً بيانات مصدرية متناقضة فلن يتوقف ولن يشير إلى التناقض، بل سيُنتج إجابة نظيفة وسلسة ومقنعة. تبدو المخرجات أجدر بالثقة مما تستحقه المدخلات، وهذا بالضبط هو الخطر.
تخيّل إقفال شركة متوسطة الحجم نموذجي. الحجوزات في نظام إدارة علاقات العملاء. والإيراد المُعترف به في دفتر الأستاذ العام. والفوترة تجري عبر منصة فوترة منفصلة. والنقد يصل عبر تغذية الحساب البنكي. كل نظام متماسك داخلياً، ولا يتفق أيٌّ منها مع الآخر عند الأطراف، بسبب التوقيت، أو بسبب إشعار دائن قُيّد في الفترة الخطأ، أو لأن أحدهم أعاد تصنيف حساب في أكتوبر ولم يُخبر فريق البيانات. والمحلل البشري الذي يبني تنبؤاً يقضي شريحة معتبرة من أسبوعه في التحكيم الصامت بين تلك الفروق. فهو يعرف أي رقم يثق به ولأي غرض. هذا التحكيم معرفة مؤسسية، ونادراً ما تُدوَّن.
والآن سلّم التغذيات الأربع ذاتها لذكاء اصطناعي واطلب منه تنبؤاً بالإيرادات. لا سبيل له ليعرف أن رقم الحجوزات في نظام إدارة علاقات العملاء يُكرّر احتساب تجديد، أو أن رقم دفتر الأستاذ العام هو الذي سيُحاسبك عليه المدقّق. فيختار شيئاً، ويستقرئ منه، ويتراكم الخطأ عبر كل فترة يتنبأ بها مستقبلاً.
التسوية أساس لا روتين ممل
عادةً ما يُنظر إلى التسوية بوصفها المهمة الشهرية المملة التي تأتي بعد العمل الممتع. أما بالنسبة إلى التنبؤ بالذكاء الاصطناعي فهي العمل الممتع نفسه. التسوية هي فعل توحيد تلك التغذيات الأربع في مجموعة أرقام واحدة تعود إلى دفتر الأستاذ، حيث تكون للحجوزات والفوترة والإيراد المُعترف به والنقد علاقة محدّدة بعضها ببعض، وحيث تُفسَّر الفروق بدلاً من تجاهلها.
افعل ذلك مرة واحدة وبإتقان، فتحصل على نموذج مُسوّى واحد: مكان واحد يعني فيه الإيراد شيئاً محدّداً، يمكن تتبّعه إلى مصدره، ويتفق مع الحسابات المدقّقة. هذا النموذج هو ما ينبغي أن يُبنى عليه تنبؤ الذكاء الاصطناعي. لا التصديرات الخام، ولا لقطة لصقها أحدهم في جدول يوم الثلاثاء الماضي، بل الطبقة المُسوّاة.
سقف الدقة هنا بنيوي. لا يمكن لتنبؤ أن يكون أوثق من الفترة الأساس التي يستقرئ منها. وإذا كانت نقطة انطلاقك مُنحرفة بمقدار 4% بسبب فارق توقيت غير مُسوّى، فإن كل ربع متوقَّع يحمل هذا الانحراف البالغ 4% على الأقل قبل أن يضع النموذج فرضية واحدة من عنده. يمكنك أن تشتري أفضل ذكاء اصطناعي للتنبؤ في السوق، لكنك تكون قد قيّدت دقته سلفاً بالبيانات التي غذّيته بها.
ولهذا أيضاً كثيراً ما تُخيّب عبارة “اربط الذكاء الاصطناعي بأنظمتنا فحسب” التوقعات. الربط يمنح النموذج وصولاً إلى البيانات، لكنه لا يُسوّيها. سحب الأرقام الحيّة من نظام تخطيط موارد المؤسسة عبر بروتوكول تقدّم حقيقي في الاسترجاع، لكن التنبؤ يظل بحاجة إلى أساس متفق عليه واحد يستقرئ منه، وحقول دفتر الأستاذ العام الخام ليست ذلك الأساس. لا بد أن تحدث التسوية بين الربط والحساب. نبسط هذه الحجة بتفصيل أوفى في بروتوكول MCP للتمويل لا يكفي.
كيف يبدو ذلك على أرض الواقع
العلاج هو الترتيب التسلسلي، وهو أقل بريقاً من شراء أداة. أولاً، حدّد ما يعنيه كل مقياس وأين مصدره الموثوق. ثانياً، سوِّ التغذيات في نموذج واحد يعود إلى دفتر الأستاذ، مع توثيق الفروق لا دفنها. ثالثاً، وجّه طبقة التنبؤ إلى ذلك النموذج المُسوّى. عندئذٍ فقط تتحول دقة الذكاء الاصطناعي إلى دقة تنبؤ يمكنك الدفاع عنها.
إليك مثالاً تطبيقياً. لنفترض أن الإيراد المُعترف به في دفتر الأستاذ العام بلغ 12.0 من وحدة ما في الربع الماضي، بينما يُظهر نظام إدارة علاقات العملاء 12.5 في الحجوزات المُغلقة، وتُظهر الفوترة 11.7. الذكاء الاصطناعي الذي يُسلَّم الأرقام الثلاثة جميعاً مضطر إلى التخمين، وأيّاً اختار فهو مخطئ تجاه اثنين منها. سوِّ أولاً، فتُثبت أن الإيراد المُعترف به هو 12.0، وأن فجوة الـ0.5 مقابل الحجوزات إيراد مؤجّل لم يُعترف به بعد، وأن فجوة الـ0.3 مقابل الفوترة فارق توقيت يُسوّى الشهر المقبل. الآن يستقرئ التنبؤ من 12.0 مع نمذجة الرصيد المؤجّل صراحةً. صار للرقم معنى، ويمكنك عرض كيفية احتسابه على مجلس الإدارة.
ثمة حدّ حقيقي يستحق الإقرار به. التسوية لا تجعل فرضياتك صحيحة. فإن افترضت نمواً بنسبة 20% وجاء السوق بنسبة 5%، فإن نموذجاً مُسوّى تماماً سيكون خاطئاً تماماً. ما تقضي عليه التسوية هو الخطأ الآخر، القابل للتجنّب، حيث يكون التنبؤ خاطئاً لا لأن المستقبل فاجأك، بل لأن الماضي لم يُتفق عليه قط. هذا هو الخطأ الذي يمكنك إصلاحه فعلاً، وهو الذي لم تُصلحه معظم الفرق بعد.
وبمجرد تسوية الأساس، تصبح بقية منظومة التخطيط والتحليل المالي أكثر أماناً أيضاً. تظل حسابات المحرّكات حتمية بدلاً من إعادة اشتقاقها في كل تشغيل، وهو ما نتناوله في التنبؤ القائم على المحرّكات. كما تتوقف إعادة التنبؤ المستمرة عن الانحراف، لأن كل تحديث يعود إلى الأساس ذاته بدلاً من العودة إلى ما عرضته الأنظمة المصدرية صباح ذلك اليوم، وهو موضوع التنبؤ المستمر دون فقدان السيطرة. ويندرج كل ذلك ضمن الحجة الأوسع في ركيزة التخطيط والتحليل المالي بالذكاء الاصطناعي.
الخلاصة
قبل أن تُقيّم ذكاءً اصطناعياً آخر للتنبؤ، اطرح سؤالاً أكثر صراحةً: هل تتطابق فترتنا الأساس مع دفتر الأستاذ، في مكان واحد، مع تفسير الفروق؟ إن كان الجواب لا، فأداة التنبؤ ليست عنق الزجاجة لديك، ولن تنقذك أداة أفضل منها. أصلح الأساس، فيبدأ الذكاء الاصطناعي الذي تملكه أصلاً في إثبات جدواه.
تلك هي الطبقة التي يبنيها Rexfin: نموذج مُسوّى واحد يقف عليه ذكاؤك الاصطناعي للتنبؤ. وإن أردت أن ترى كيف يبدو التنبؤ حين يعود كل رقم إلى مصدره، احجز عرضاً توضيحياً.
جزء من أتمتة FP&A بالذكاء الاصطناعي: تنبؤات تدافع عنها أمام مجلس الإدارة