درس بـ 15 مليون دولار: حين يُجهض رقمٌ مهلوسٌ واحد صفقةً بأكملها

كانت مذكرة الشروط موقّعة. كان الفريق القانوني يصوغ مستندات الإغلاق. وكان من المفترض أن يصل التحويل المصرفي يوم الخميس.

في يوم الإثنين، مرّر أحد المحلّلين لدى الصندوق القائد غرفة بيانات الشركة عبر مساعد ذكاء اصطناعي لتجميع ملخّص نهائي للمؤشرات يُعرض على الشراكة. قرأ المساعد سطراً واحداً في تبويب معنون بـ “Q4 recurring revenue” على أنه رقم سنوي، ثم بنى عليه رقم ARR. فجاء النموذج بنتيجة تعادل تقريباً أربعة أضعاف معدّل الإيرادات الفعلي للشركة. بدا النمو خيالياً. وبدت الهوامش جيدة أكثر مما ينبغي. وحصل الشريك الذي تبنّى الصفقة على ملخّص لا يطابق النموذج الذي كان الفريق قد بناه قبل شهرين، ولم يستطع أحد أن يقطع على الفور بأي الأرقام هو الصحيح.

تلك الفجوة، الساعات القليلة التي عجز فيها الجميع عن الجزم بثقة بأي رقم هو الصحيح، هي ما قتل الجولة. لم يكن الرقم المضخَّم بحد ذاته هو السبب، بل كون أنه تعذّر تتبّعه إلى مصدره بالسرعة الكافية للدفاع عنه.

الشركة في هذه القصة مركّبة من حالات عدة، أما الآلية فحقيقية. فقراءة رقم ربع سنوي على أنه سنوي تضخّم المؤشر بنسبة 400% بالضبط، وهذا النمط من الإخفاق ظهر فعلاً في تقارير واقعية. ومن الأمثلة التي يُستشهد بها على نطاق واسع توقّعٌ مولّد بالذكاء الاصطناعي خلط بين الإيراد الربع سنوي والرقم السنوي، فضخّم المؤشر الرئيسي بنسبة 400% وأسهم في انهيار صفقة تمويل قبل أيام من الإغلاق. وإن سبق لك أن رأيت صفقة تموت بسبب سؤال حول تسوية الأرقام، فأنت تدرك تماماً مدى واقعية هذا السيناريو.

لماذا تُعدّ العناية الواجبة أسوأ مكان تقع فيه الهلوسة

معظم أخطاء الذكاء الاصطناعي قابلة للتدارك. تكتشف الرقم الخاطئ، فتصحّحه، ثم تمضي قدماً. أما العناية الواجبة فمختلفة، لأنها تقوم على الثقة، والثقة غير متماثلة: تستغرق شهوراً كي تُبنى، ويكفي رقم واحد سيئ كي تنهار.

حين يجد محلّل الصندوق رقماً لا يتطابق، فإنه لا يفترض أنه خطأ بريء في الأدوات، بل يفترض أن النموذج متهاون، أو الأسوأ، أن أحدهم تلاعب بالمؤشرات. ويتحوّل الحديث من “ما سرعة نموكم” إلى “هل يمكننا تصديق أي شيء في غرفة البيانات هذه”. وهذا تحوّل قاتل في هذه المرحلة المتأخرة من العملية. فأنت لا تملك فرصة لاستعادة الثقة قبل ثلاثة أيام من التحويل المصرفي.

ثمة مشكلة من الدرجة الثانية تخص قطاع SaaS تحديداً. فمصطلح ARR ضبابي أصلاً، إذ يستخدمه الناس للدلالة على الإيراد السنوي المتكرّر المتعاقَد عليه، وكذلك على معدّل التشغيل السنوي الذي يُسقِط فترة قريبة على اثني عشر شهراً. يحوّل المؤسّسون والمستثمرون الأرباع إلى أساس سنوي، بل أحياناً شهراً واحداً، أو حتى أسبوعاً قوياً واحداً، ويسمّون ذلك كله ARR. وهذا الغموض موثّق ويخضع لتدقيق متزايد مع لفت ادّعاءات ARR المضخّمة للأنظار في خضم طفرة شركات الذكاء الاصطناعي الناشئة. وحين يُزجّ بنموذج لغوي كبير داخل غرفة بيانات، فإنه لا يحلّ هذا الغموض، بل يختار قراءة بعينها، ويصرّح بها بثقة تامة، ثم يمضي. والثقة هنا هي الجزء الخطير.

لم تكن المشكلة في الرقم، بل في سلسلة مصدره

إليك الحقيقة المزعجة لكل من يشغّل ذكاءً اصطناعياً فوق بيانات مالية: لم “يكذب” النموذج. لقد طابق نمطاً مع تسمية ما، وخمّن تخميناً يبدو معقولاً حيال الفترة الزمنية، ثم أنتج مخرجات سلسة. وقد جرى الإبلاغ عن معدّلات هلوسة في الاستخدام المالي غير المقيّد تتراوح تقريباً بين 15 و25 بالمئة بحسب المهمة ومدى ارتكازها على البيانات، وتتجمّع الإخفاقات بالضبط حيث يغيب السياق. فالخلية التي تقول “Q4 recurring revenue” تحتاج إلى معرفة ما إذا كان ذلك ربعاً أم رقماً سنوياً، وما إذا كان يخصم الانقطاع (churn)، وما إذا كان يطابق ما يقوله دفتر الأستاذ. جرّد هذا السياق، فتحصل على إجابة خاطئة مصوغة بثقة.

ولذلك فالحل ليس “استخدم نموذجاً أذكى”. فالنموذج الأذكى يظل عاجزاً عن معرفة أن الخلية الربع سنوية يجب ألا تُحوَّل إلى أساس سنوي، لأن هذه المعرفة لا تقطن في النص، بل في بنية البيانات المالية. الحل هو وضع الذكاء الاصطناعي فوق نموذج يحمل فيه كل رقم معناه ومصدره مسبقاً.

وهذا هو جوهر هذه الركيزة حول هلوسة الذكاء الاصطناعي في البيانات المالية: الدفاع الدائم ضد الأرقام المختلَقة هو الارتكاز على نموذج مُسوّى، لا تحسين صياغة الأوامر.

ما تحتاجه غرفة بيانات قابلة للدفاع عنها فعلاً

لو كان المحلّل يعمل انطلاقاً من أرقام يمكن تتبّعها إلى مصدرها، لسار يوم الإثنين على نحو مختلف. فإما ألا يظهر رقم الأربعة أضعاف أصلاً، لأن الفترة الزمنية محدّدة سلفاً، أو يظهر مصحوباً بمسار من نقرة واحدة يعود به إلى قيد دفتر الأستاذ الأساسي، فيُحلّ التباين في دقائق بدلاً من أن يتحوّل إلى سؤال بلا إجابة.

ثلاث خصائص هي ما يجعل ذلك ممكناً.

• مصدر حقيقة وحيد ومُسوّى. نموذج مالي واحد يتطابق مع دفتر الأستاذ، بحيث يكون لـ “Q4 recurring revenue” معنى واحد بالضبط، ولا يستطيع الذكاء الاصطناعي إعادة تفسيره خلسة. هذا ما يبنيه Rexfin من منصّات المحاسبة لديك أو من الكشوف المرفوعة قبل أن يمسّ أي ذكاء اصطناعي البيانات.
• حساب حتمي، لا حساب بنموذج لغوي. عند احتساب المؤشر، ينبغي أن يمرّ عبر محرّك ثابت، لا أن يُخمَّن رمزاً تلو الآخر بواسطة نموذج لغوي. فالرقم قابل لإعادة الإنتاج: اسأل مرتين، تحصل على الإجابة نفسها. ولهذا أيضاً فإن مقولة “مجرد استخدام مفسّر شيفرة” لا تجعل الذكاء الاصطناعي آمناً مالياً بمفردها، فالمدخلات لا تزال بحاجة إلى أن تكون صحيحة.
• إمكانية التتبّع من الخلية إلى المصدر. كل رقم يُورده الذكاء الاصطناعي ينبغي أن يرتبط بالمستند والقيد ومسار الحساب الذي يقف خلفه. فحين يسأل أحد الشركاء “من أين جاء هذا”، تجيب في ثوانٍ. وهذه القدرة هي موضوع بناء سجلّات تدقيق للذكاء الاصطناعي في المال، وهي بالضبط ما كان مفقوداً في القصة أعلاه.

لا شيء من هذا يجعل النموذج نفسه أكثر صدقاً. بل يغيّر ما يُسمح للنموذج بأن يمسّه. فالذكاء الاصطناعي يسترجع أرقاماً موثّقة ويُجري الحسابات على محرّك حتمي، بحيث تصبح أسوأ مخرجاته “ليست لديّ هذه المعلومة”، لا خطأً بمقدار أربعة أضعاف مرتدياً ثوب مخطّط أنيق.

الرهانات الأوسع

جمع التمويل هو الحدّ الأمضى، لكن التعرّض نفسه يسري في عروض مجلس الإدارة، وتقارير المقرِضين، وحسابات التعهّدات المالية (covenants). فأينما يغادر رقمٌ مبناك مقروناً باسمك، يصبح الذكاء الاصطناعي غير المرتكز على بيانات موثّقة مسؤوليةً تتحمّلها أنت شخصياً بتوقيعك. والغاية من طبقة النمذجة المالية الموثوقة هي أن تكون الأرقام جديرة بالثقة قبل أن ينطق الذكاء الاصطناعي بكلمة.

الدرس القاسي من تلك الجولة المفقودة من الفئة Series B ليس أن “الذكاء الاصطناعي محفوف بالمخاطر أكثر من اللازم بالنسبة للمال”، بل أن الذكاء الاصطناعي يرث جدارة البيانات التي تحته بالثقة، وأن غرفة بيانات غير مُسوّاة تسلّم الذكاء الاصطناعي سؤالاً ملغوماً. أعطه نموذجاً واحداً مُسوّى وأرقاماً قابلة للتتبّع، وعندها تتوقّف الإجابة الواثقة الخاطئة عن أن تكون ممكنة في معظم الأحيان.

إن أردت أن يتتبّع كل رقم يُورده الذكاء الاصطناعي مساره إلى مصدره قبل أن يصل إلى المستثمر، احجز عرضاً توضيحياً وسنُريك النموذج المُسوّى الذي يقف تحته.