الذكاء الاصطناعي في المالية بأرقام صامدة أمام التدقيق: نماذج قابلة للدفاع وفق GoBD وقانون الاتحاد الأوروبي للذكاء الاصطناعي مع أرقام قابلة للتتبّع

المدقّق الألماني لن يقبل عبارة “هذا ما قاله الذكاء الاصطناعي”. هذه الجملة وحدها تفسّر لماذا تتعثّر معظم تجارب الذكاء الاصطناعي المالي في منطقة DACH قبل أن تصل إلى مرحلة الإنتاج. التقنية تُبهر في العرض التوضيحي. ثم يطرح أحدهم من قسم المحاسبة (Rechnungswesen) السؤال الوحيد المهم خلال التدقيق الضريبي: من أين جاء هذا الرقم، وهل يمكنك إعادة إنتاجه؟ وإذا كان الجواب الصادق هو “نموذج لغوي ولّده انطلاقاً من أمر نصي”، فإن المشروع ميّت سلفاً، لكنه لم يدرك ذلك بعد.

هذه هي الفجوة بين وعد المالية المستقلة وبين ما يمكن لقسم مالي ألماني خاضع للتنظيم أن يصادق عليه فعلاً. الوعد حقيقي. والقيود حقيقية أيضاً، ولن تزول. تُلزم قواعد GoBD بأن يكون كل رقم ذي صلة بالقيد قابلاً للتتبّع وكاملاً وغير قابل للتعديل. ويضيف قانون الاتحاد الأوروبي للذكاء الاصطناعي طبقة ثانية من الالتزامات فوق ذلك. وتحت كليهما تقبع أقدم مشكلة في المالية: إذا لم تكن بياناتك مُسوّاة، فلن ينتج أي نموذج (ذكاء اصطناعي أو غيره) رقماً يمكنك الدفاع عنه.

موقفنا واضح وصريح. الطريق إلى الحل ليس نموذجاً لغوياً أذكى، بل طبقة نمذجة مُسوّاة وقابلة للتدقيق، حيث يعود كل رقم إلى مصدره. أتقِن هذه الطبقة وسيصبح الذكاء الاصطناعي مفيداً حقاً في الرقابة المالية. أهملها وستكون قد بنيت وسيلة باهظة لتوليد أرقام تبدو معقولة لا يستطيع أحد أن يقف خلفها.

لماذا يرسب الذكاء الاصطناعي المالي في اختبار التدقيق باستمرار

النمط السائد في عامَي 2024 و2025 كان توجيه نموذج لغوي كبير نحو البيانات المالية وطلب “التحليل” منه. ينجح هذا في بيئة معزولة، وينهار تحت ثلاثة ضغوط.

الأول هو الحساب. النماذج اللغوية تتنبأ بالرموز (tokens)؛ وهي لا تحسب. اطلب من أحدها جمع عمود من 400 بند، أو حساب متوسط هامش مرجّح عبر القطاعات، وستحصل غالباً على رقم قريب، وهو ما يعادل في المالية الرقم الخاطئ. القريب ليس مُسوّى. والقريب لا يتطابق مع دفتر الأستاذ.

الثاني هو مصدر المعلومة. حين ينتج نموذج لغوي رقماً، فعادةً لا يوجد مسار تدقيق يربط ذلك الرقم بقيد محاسبي معيّن أو حساب أو مستند مصدري. يستطيع النموذج كتابة تفسير واثق، لكن التفسير نصّ مولّد، لا دليل. وبموجب قواعد GoBD، النص المولّد ليس بديلاً عن قابلية التتبّع (Nachvollziehbarkeit).

الثالث هو قابلية إعادة الإنتاج. شغّل الأمر النصي نفسه مرتين وقد تحصل على إجابتين مختلفتين. القسم المالي الذي يعتمد على اتساق نهاية الشهر لا يمكنه العمل على نظام يتغيّر بصمت. والمدقّق الذي يجد نسختين من المؤشر نفسه، يكون قد وجد مشكلة، لا ميزة.

لا يعني أيٌّ من ذلك أن الذكاء الاصطناعي لا مكان له في المالية. بل يعني أن دور الذكاء الاصطناعي يجب أن يتغيّر.

قيد GoBD، بكل وضوح

تحدّد مبادئ الإمساك المنتظم بالدفاتر وحفظها (Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, GoBD) كيفية حفظ السجلات ذات الصلة بالقيد في ألمانيا. والمبادئ التي تصطدم بأشدّ صورة مع الذكاء الاصطناعي صندوقِ الأسود هي قابلية التتبّع (Nachvollziehbarkeit وNachprüfbarkeit)، والاكتمال، وعدم القابلية للتعديل. يجب أن يتمكّن المدقّق الضريبي من تتبّع أي رقم من القوائم المالية رجوعاً إلى سجله الأساسي، وألّا يكون السجل قد تغيّر بصمت على طول الطريق.

النموذج اللغوي الذي يُركّب رقماً من أنماط تدريبه ومن أمر نصي لا يستوفي أياً من هذه المبادئ افتراضياً. لا توجد سلسلة تربط المخرَج بالمصدر. ولا ضمان بأن المدخل كان كاملاً. ولا سجل لما تغيّر.

الحل معماري لا قانوني. إذا لم يخترع الذكاء الاصطناعي الأرقام أبداً، إذا اقتصر على استرجاع الأرقام من نموذج مُسوّى يتطابق هو نفسه مع دفتر الأستاذ، وحمل كل استرجاع مرجعاً يعود إلى المصدر، فإن متطلب قابلية التتبّع يتحقّق بحكم البناء. يصبح الذكاء الاصطناعي واجهةً لأرقام قابلة للدفاع بدلاً من أن يكون مصدراً لأرقام لا يمكن الدفاع عنها. نتعمّق في هذا في كيف تضمن قابلية التتبّع وفق GoBD رغم الذكاء الاصطناعي صندوقِ الأسود.

قانون الاتحاد الأوروبي للذكاء الاصطناعي يضيف عدّاداً ثانياً

قواعد GoBD سارية منذ سنوات. أما قانون الاتحاد الأوروبي للذكاء الاصطناعي فأحدث، والتزاماته تدخل حيز التنفيذ تدريجياً وفق جدول زمني ينبغي أن يكون مدوّناً في تقويمات الفرق المالية أصلاً. يصنّف القانون أنظمة الذكاء الاصطناعي حسب المخاطر، ويفرض واجبات في الحوكمة والتوثيق والشفافية والإشراف البشري، والأهم: أنه ينطبق على المؤسسات التي تنشر أنظمة الذكاء الاصطناعي، لا على مورّديها الذين يبنونها فحسب. فالمدير المالي الذي يطرح أداة ذكاء اصطناعي في الرقابة المالية هو ناشرٌ تقع عليه التزامات.

الأثر العملي يعكس أثر GoBD. النظام الذي يمكنك شرحه وتوثيقه والإشراف عليه أسهل بكثير في إخضاعه للامتثال من النظام المعتم. إذا استطعت أن تُظهر بالضبط ما فعله الذكاء الاصطناعي: استرجع هذه الأرقام، وأجرى هذه العملية الحسابية، وأنتج هذا المخرَج، وكلها قابلة للتتبّع، فإنك تكون قد أنجزت معظم سردية التوثيق والإشراف البشري سلفاً. أما إذا كان الذكاء الاصطناعي لديك صندوقاً أسود، فأنت تبني الحوكمة حول شيء لا يمكنك معاينته. تحليلنا الكامل للالتزامات والجدول الزمني تجده في قانون الاتحاد الأوروبي للذكاء الاصطناعي اعتباراً من أغسطس 2026: ما الذي يجب على الأقسام المالية فعله الآن.

جودة البيانات هي البوّابة الحقيقية، لا النموذج

إليك الحقيقة غير البرّاقة التي تتجاهلها معظم النقاشات حول الذكاء الاصطناعي المالي. الجزء الأصعب ليس الذكاء الاصطناعي، بل أن البيانات الأساسية نادراً ما تكون في حالة تتيح لأي نموذج إنتاج رقم يتطابق.

معظم الشركات المتوسطة تعمل على أكثر من نظام واحد: نظام ERP، وأداة فوترة منفصلة، وجداول بيانات يديرها أحدهم يدوياً، ونظام CRM يختلف معها جميعاً. يظهر العميل نفسه تحت ثلاثة أسماء. والقيود البينية بين الشركات لا تتقاصّ. ونظامان يبلّغان عن إيراد يختلف بسبب سياسة تقريب لم يوثّقها أحد. وجِّه أذكى نموذج في العالم نحو ذلك، وستحصل على إجابات سريعة وواثقة وخاطئة.

طبقة النمذجة المُسوّاة تعالج هذا قبل أن يدخل الذكاء الاصطناعي على الإطلاق. والعمل هو ربط المصادر، وحلّ التعارضات، وبناء نموذج مالي واحد يتطابق مع دفتر الأستاذ: مصدر واحد للحقيقة، لا نسخة رابعة متنافسة من الإيراد. عندئذٍ فقط يصبح وضع الذكاء الاصطناعي فوقه منطقياً. الحجّة كاملة هنا: جودة البيانات تتفوّق على النموذج: لماذا يبقى الذكاء الاصطناعي في المالية تجربة باهظة بلا قاعدة بيانات مُسوّاة.

أين يكتسب الذكاء الاصطناعي مكانه: السيناريوهات والتوقّعات

ما إن يتوفّر لديك نموذج مُسوّى ومحرّك حساب حتمي، تنفتح حالات الاستخدام ذات القيمة الحقيقية، وهي تلك التي يريدها المراقبون الماليون فعلاً. محاكاة “ماذا لو”. التوقّعات المتجدّدة. “ماذا يحدث لهامش الأمان في تعهّداتنا المالية إذا تأخّر أكبر عملائنا في الدفع 30 يوماً وارتفعت تكاليف المدخلات أربعة بالمئة؟”

الفارق الذي يجعل المدير المالي يثق بالمخرَج: الذكاء الاصطناعي يُنسّق السؤال ويشرح النتيجة بلغة واضحة، لكن الأرقام تخرج من محرّك حتمي يعمل مقابل النموذج المُسوّى، لا من “رأس” النموذج اللغوي. المدخلات نفسها، المخرجات نفسها، في كل مرة. سيناريوهات قابلة لإعادة الإنتاج يمكن للمدقّق إعادة تشغيلها. نتناول الآلية في تحليل السيناريوهات والتوقّعات المتجدّدة بالذكاء الاصطناعي: محاكاة “ماذا لو” يمكن لمديرك المالي الوثوق بها.

كيف تعمل هذه الطبقة فعلاً

صُمّمت Rexfin لتكون تلك الطبقة. تتصل بمنصّات المحاسبة والبيانات المالية لديك (QuickBooks وXero وNetSuite وSage ومستودع بياناتك) أو بالكشوف المرفوعة، وتبني نموذجاً مالياً واحداً مُسوّى يتطابق مع دفتر الأستاذ. ومن هناك، يسترجع الذكاء الاصطناعي الأرقام، ويُجري الحسابات عبر محرّك حتمي بدلاً من النموذج، ويحاكي السيناريوهات، وينتج رؤى تعود إلى مصدرها.

الفصل هو جوهر الفكرة كلها. النموذج اللغوي يتولّى اللغة: فهم السؤال وسرد الإجابة. أما الأرقام فتُسترجَع وتُحسَب بشكل حتمي، مع إرفاق مصدر المعلومة. هذا ما يجعل المخرَج قابلاً للتتبّع وفق GoBD وقابلاً للدفاع وفق قانون الذكاء الاصطناعي، بدلاً من أن يكون مجرّد مُبهر في عرض توضيحي. يمكنك قراءة المزيد عن البنية في صفحة كيف يعمل وعن عمليات التكامل المدعومة.

الخلاصة

المالية المستقلة ليست مقيّدة بذكاء النموذج، بل مقيّدة بقدرتك على الدفاع عن الرقم حين يسألك صاحب صلاحية تدقيق عن مصدره. حُلّ مسألتَي مصدر المعلومة والتسوية أولاً، وأبقِ الحساب خارج النموذج اللغوي، وعندها تكتب سردية الامتثال (GoBD وقانون الذكاء الاصطناعي كلاهما) نفسها بنفسها إلى حد كبير. أهمل ذلك، وستكون قد أتمتت إنتاج أرقام ستضطر إلى التراجع عنها.

إذا أردت أن ترى أرقاماً تعود إلى مصدرها وسيناريوهات يمكنك إعادة إنتاجها عند الطلب، احجز عرضاً توضيحياً وأحضِر معك أصعب سؤال تسوية لديك.