قابلية إعادة التشغيل بحكم التصميم: كيف تُثبت رقماً صادراً عن الذكاء الاصطناعي كما تُثبت معادلة
أصبحت مجالس الإدارة والمدققون يطالبون بأرقام ذكاء اصطناعي تُعاد بنتيجة مطابقة وتعود إلى مصدرها. ولا يوفّر ذلك سوى طبقة حسابية حتمية تعمل أسفل النموذج اللغوي.
بقلم The Rexfin team
اضغط على خلية في جدول بيانات يمكنك أن تُثبت الرقم الكامن وراءها. شريط المعادلة يُظهر العملية، والعملية تشير إلى خلايا أخرى، وتلك الخلايا تشير إلى مدخلات. يمكنك إعادة بناء الرقم يدوياً والحصول على الإجابة نفسها في كل مرة. لهذه الخاصية اسم في عمل التدقيق: إنها قابلة لإعادة التشغيل. مدخلات واحدة، مسار واحد، نتيجة واحدة.
والآن اطرح على نموذج لغوي السؤال نفسه مرتين، وراقب ما يحدث.
في اختبار واسع الاستشهاد، أنتج نموذج بحجم 235 مليار معامل 80 إجابة مختلفة عبر 1,000 تشغيل متطابق، حتى مع ضبط درجة الحرارة (temperature) على صفر. وأرجع الباحثون الذين درسوا المشكلة سببها إلى العتاد نفسه: فروقات التقريب في الحساب ذي الفاصلة العائمة، إضافة إلى نوى المعالجات الرسومية (GPU) غير الحتمية في طبقات الانتباه والتطبيع. ضبط درجة الحرارة على صفر يُضيّق التوزيع، لكنه لا يُغلقه. فقد يختلف النموذج مع نفسه حول رقم تعرضه على مجلس الإدارة.
تلك هي الفجوة التي يدور حولها هذا المقال. ليست المسألة ما إذا كان الذكاء الاصطناعي مفيداً في التمويل، بل ما إذا كان يمكن إثبات رقم صادر عنه بالطريقة نفسها التي تُثبت بها معادلة. والجواب يتوقف كلياً على المكان الذي تجري فيه العمليات الحسابية.
ما الذي تتطلبه “قابلية إعادة التشغيل” فعلياً
حين يقول مدقق أو لجنة تدقيق إنهم يريدون مخرجات ذكاء اصطناعي قابلة للتدقيق، فهم في الغالب يطلبون ثلاثة أمور، وإن صاغوها بكلمات مختلفة.
أولاً، الحتمية: المدخلات المتطابقة تُنتج رقماً متطابقاً، اليوم وبعد ثمانية عشر شهراً حين يعيد أحدهم فتح الملف. ثانياً، قابلية التتبّع: لكل رقم مسار يعود إلى قيد في دفتر الأستاذ أو إلى مدخل مُصرّح به، لا إلى صياغة تقريبية له. ثالثاً، الاستقلالية: يستطيع طرف ثانٍ إعادة تنفيذ العمل والوصول إلى النتيجة نفسها ضمن حدود التفاوت المسموح بها.
هذه ليست توقعات مستحدثة ابتُكرت من أجل الذكاء الاصطناعي. إنها الضوابط نفسها التي عاشت في ظلها وظيفة المالية دائماً. الجديد هو أن الأطر الرقابية بدأت تُسمّي قابلية التكرار صراحةً. فمتطلبات قابلية التدقيق في قانون الذكاء الاصطناعي الأوروبي (EU AI Act) للأنظمة عالية المخاطر، وإطار إدارة مخاطر الذكاء الاصطناعي الصادر عن NIST، والإرشادات المصرفية الأميركية، كلها تستند إلى الاتساق في ظل مدخلات متطابقة. أما إرشادات COSO بشأن الضوابط الداخلية للذكاء الاصطناعي التوليدي، المنشورة عام 2026، فقد أوصلت الفكرة نفسها بلغة الضوابط: نهج “اضبطه وانسَه” لا ينجح مع النماذج الاحتمالية، وتصبح المراقبة نشاطاً رقابياً قائماً بذاته لا أمراً ثانوياً.
ذهبت بعض فرق التدقيق إلى أبعد من ذلك ودوّنت ما ستقبله. فظهرت معايير لإعادة التنفيذ بوتيرة معاينة صريحة وهامش تفاوت يبلغ ±5 بالمئة لعمليات إعادة التشغيل المستقلة. تأمّل ذلك بدقة. هامش التفاوت هو ما تحدّده حين تكون قد سلّمت سلفاً بأن النظام لا يستطيع أن يُعاد بنتيجة مطابقة تماماً. وفي تسوية الميزانية العمومية، فإن ±5 بالمئة ليس سماحاً للتقريب، بل ثغرة.
لماذا لا يمكن أن يكون النموذج هو الآلة الحاسبة
الميل الغريزي، عند مواجهة تباين النموذج، هو خفض درجة الحرارة والأمل في الأفضل. وقد رأينا فرقاً تفعل ذلك وتُقنع نفسها بأنها حلّت المشكلة. هذا يقلّل التباين الظاهر في الإجابات القصيرة ويُخفي البقية.
المسألة الأعمق مفاهيمية. النموذج اللغوي يتنبأ بالرمز (token) التالي. وهو بارع إلى حد استثنائي في إدراك أن سؤالاً ما يتعلق بهامش الربح الإجمالي، وأن هامش الربح الإجمالي يتضمن الإيرادات وتكلفة البضاعة المباعة. لكنه ليس آلة حاسبة. فحين “يحسب” 4,182,665 ناقص 3,114,209، فإنه يُنتج تسلسلاً معقولاً من الأرقام، لا أنه ينفّذ عملية طرح. وفي معظم الأحيان يكون التسلسل المعقول صحيحاً. ومعظم الأحيان هي المشكلة بعينها. لا يمكنك أن تضع “صحيح غالباً” في حاشية تقرير.
ثمة مجموعة منفصلة من الأبحاث حول سير العمل المالي تُسمّي هذا النمط من الإخفاق انحراف المخرجات (output drift): المطالبة (prompt) نفسها حين تُشغَّل عبر مزوّدين مختلفين، أو عبر إصدارات مختلفة من النموذج، أو حتى عبر يوم ثلاثاء هادئ، تُعيد أرقاماً لم تعد تتطابق. والانحراف يبقى خفياً إلى أن تكشفه التسوية، والتسوية هي بالضبط الخطوة التي ترغب الفرق في أتمتتها والتخلّص منها.
لذا على النموذج أن يحتفظ بقوته الحقيقية، اللغة والقصد، وأن يتخلّى عن المهمة الوحيدة التي لم يُصمَّم لها قط. لا بد أن تنتقل العمليات الحسابية إلى مكان حتمي.
الطبقة التي تجعل الرقم قابلاً للإثبات
هذا هو التصميم الذي بُني عليه Rexfin، والمنطق واضح بمجرد أن تفصل بين المهام.
يتصل Rexfin بالأنظمة التي تعيش فيها أرقامك أصلاً، بما في ذلك QuickBooks وXero وNetSuite وSage وSAP وOracle ومستودع بياناتك، أو الكشوف المرفوعة. ومن تلك المصادر يبني نموذجاً مالياً واحداً مُسوّى يتطابق مع دفتر الأستاذ. وذلك النموذج هو المرجع الوحيد الذي يُحسب في مقابله كل رقم. وأهمية ذلك مشروحة في المقال المحوري حول طبقة النمذجة المالية الموثوقة للذكاء الاصطناعي، أما فخّ معاملة مصنّف الجداول كأساس لذلك فهو موضوع لماذا يكون جدول البيانات أساساً خاطئاً لتمويل الذكاء الاصطناعي.
حين تطرح سؤالاً، يؤدي النموذج اللغوي الجزء الذي يُتقنه: يفسّر ما تقصده ويختار الأرقام والعمليات ذات الصلة. أما الحساب نفسه فيجري عبر محرّك حساب حتمي، لا عبر النموذج اللغوي. ينفّذ المحرّك العملية في مقابل النموذج المُسوّى، ويُعيد الرقم، ويُسجّل المسار من المدخلات إلى النتيجة. شغّل السؤال نفسه في الربع المقبل على البيانات نفسها فتحصل على الرقم نفسه. سلّمه إلى مراجِع ثانٍ فيحصل على الرقم نفسه. تلك هي قابلية إعادة التشغيل بمعناها في جداول البيانات، وقد استُعيدت.
ويجدر التدقيق في سبب أن ربط نموذج بنظام تخطيط موارد المؤسسة (ERP) عبر بروتوكول ليس الأمر نفسه. الاتصال يمنح النموذج وصولاً إلى البيانات؛ لكنه لا ينقل الحساب بعيداً عن النموذج. وقد فصّلنا هذا التمييز في بروتوكول MCP للتمويل لا يكفي. فالوصول من دون محرّك حتمي يُتيح للنموذج فحسب أن يجلب أرقاماً حقيقية ثم يُجري عليها حساباً غير موثوق.
ما الذي يتغيّر داخل القاعة
تصوّر محادثة التدقيق. يطعن أحدهم في رقم ضمن حزمة الإدارة. مع نهج يُبقي النموذج داخل الحلقة، فإن الجواب الصادق هو أن الرقم وُلّد، وأنه على الأرجح صحيح، وأنه ليس مضموناً أن يتكرر. وهذا الجواب لا يصمد أمام مراجعة الضوابط.
أما مع طبقة حتمية فالجواب مختلف. الرقم يتتبّع إلى قيود محددة في دفتر الأستاذ. والعملية التي أنتجته مُسجَّلة. أعِد تشغيلها فتُعيد القيمة نفسها. لم تعد تدافع عن رقم مُولَّد، بل تُظهر خطوات عملك، تماماً كما تفعل مع معادلة.
ويحظى عمل السيناريوهات بالمعاملة نفسها. حين تُنمذج حالة “ماذا لو” في Rexfin، يعيد المحرّك الحساب حتمياً في مقابل النموذج المُسوّى، بحيث يمكن إعادة إنتاج سيناريو سلبي تعرضه على مجلس الإدارة بنداً ببند بدلاً من توليده من جديد بصورة مختلفة بصمت. ويمكنك أن ترى كيف يجري ذلك في سير العمل المالي الفعلي على صفحة حالات الاستخدام.
لا شيء من هذا يُقلّل من قيمة النموذج. بل يجعله جديراً بالثقة بأن يُسند إليه عملاً يستطيع فعلاً أن يؤديه: أن يفهم السؤال، ويروي الإجابة، ويترك الحساب لطبقة تُعاد بنتيجة مطابقة. جرّد كل ما عدا ذلك، يبقَ هذا هو جوهر الحجة كلها. الرقم الذي لا تستطيع إعادة إنتاجه ليس رقماً تستطيع التقرير به.
إذا كان يُطلب من فريقك أن يضع أرقام ذكاء اصطناعي أمام مدقق أو مجلس إدارة، فالسؤال الأول الذي يجب حسمه هو ما إذا كانت تلك الأرقام قابلة لإعادة التشغيل. احجز عرضاً توضيحياً وسنُمرّر إحدى تسوياتك عبر المحرّك الحتمي مرتين، وندعك تتحقق من النتيجة في مقابل دفتر أستاذك.
جزء من طبقة الموثوقية التي يحتاجها الذكاء الاصطناعي قبل أن يقترب من أرقامك