الذكاء الاصطناعي في القطاع المالي: كيف تستخدمه البنوك فعلاً.

الذكاء الاصطناعي في القطاع المالي لقد تحول الأمر من مجرد وعد رئيسي إلى سطر برمجي يعمل في بيئة الإنتاج على مدار 24 ساعة في اليوم.

البنوك التي كانت قبل عشر سنوات لا تزال تناقش "ما إذا" ستتبنى الذكاء الاصطناعي، تتنافس الآن على من يستطيع استخلاص أكبر قيمة قبل أن يفعل منافسوها الشيء نفسه.

لم يعد الأمر يتعلق بالتكنولوجيا المستقبلية، بل يتعلق بالبقاء على قيد الحياة في الحاضر.

تابع قراءة النص!

ملخص

1. ما الذي تغير بالفعل مع الذكاء الاصطناعي في القطاع المالي
2. أين تُطبّق البنوك الذكاء الاصطناعي اليوم (وما لم يذكره أحد في العرض التقديمي)
3. المزايا الحقيقية (والتي تظهر فقط في الشريحة 47)
4. المشاكل التي لم يجد لها أحد حلاً بعد.
5. إلى أين سيؤدي كل هذا؟ وما الذي يمكن أن يسوء بشدة؟

ما الذي تغير فعلياً مع الذكاء الاصطناعي في القطاع المالي؟

الفرق لا يكمن في اختصار الذكاء الاصطناعي، بل في حقيقة أن الأنظمة تتعلم الآن من تلقاء نفسها من كل معاملة، وكل نقرة، وكل تأخير في الدفع.

في السابق، كان لدى البنك قواعد ثابتة كتبتها لجان؛ أما اليوم فلديه نماذج تعيد كتابة القواعد نفسها أثناء نومك.

وهذا يخلق خللاً صارخاً: فمن يتقن البيانات + النموذج + حلقة التغذية الراجعة يمكنه رؤية أنماط لا يستطيع البشر رؤيتها ببساطة.

قد يمتلك مدير العلاقات 15 عامًا من الخبرة ومع ذلك يخسر أمام خوارزمية رصدت 15 مليون سلوك مماثل في الأسبوع الماضي.

الأمر الأكثر إثارة للاهتمام (والمقلق) هو أن هذه القدرة على رؤية الأنماط على نطاق واسع لا يصاحبها قدرة مماثلة على شرح سبب رؤية المرء لذلك.

لم يختفِ "الصندوق الأسود" الشهير، بل أصبح أكثر ربحية.

إقرأ أيضاً: مشاريع الزراعة الحضرية المستدامة في عام 2026: كيف تبدأ الآن

أين تُطبّق البنوك الذكاء الاصطناعي اليوم (وما لم يذكره أحد في العرض التقديمي)

في مجال كشف الاحتيال، تبدو العملية أشبه بفيلم سينمائي. لم يعد النظام يبحث عن "معاملات غير نمطية" وفقًا لقائمة من القواعد.

يقوم بإنشاء خريطة سلوكية لكل عميل، وعندما ينحرف شيء ما بشكل كبير عن تلك الخريطة، فإنه يطلق تنبيهًا - غالبًا قبل أن يدرك صاحب الحساب أن هناك خطأ ما.

في عروض المنتجات، أصبحت التخصيصات دقيقة بشكل مخيف. لم يعد الأمر يتعلق بـ "لديك ملف استثماري متوسط".

الأمر كالتالي: "عادةً ما تزيد إنفاقك على خدمات التوصيل ليلة الخميس بعد النادي الرياضي، لذا إليك حد إضافي لبطاقة الائتمان يتيح لك استرداد النقود في تلك الفئة تحديدًا.".

++ كيفية تحقيق التوازن بين الحياة الشخصية والعمل كرائد أعمال

لا يدرك العميل دائماً أنه يتم قراءة أفكاره بهذه الدقة.

في مجال تحليل الائتمان للشركات الصغيرة، تقوم بعض البنوك البرازيلية بالفعل بالرجوع إلى البيانات البديلة (مثل معاملات Pix، ومدفوعات الفواتير المتكررة، وحتى الموسمية في عمليات البحث على Google Trends في المنطقة) لاتخاذ القرارات في دقائق كانت تستغرق أسابيع في السابق.

++ صندوق الطوارئ المثالي لعام 2026: كم يجب ادخاره شهرياً

إنها تعمل بشكل جيد - إلى أن يأتي اليوم الذي يتعلم فيه النموذج نمطًا معيبًا ويضاعف الخطأ عبر آلاف القرارات.

المزايا الحقيقية (والتي تظهر فقط في الشريحة 47)

تزداد الإنتاجية بشكل ملحوظ. العمليات التي كانت تستغرق 14 يومًا أصبحت تُنجز الآن في 14 دقيقة فقط، وبعدد أقل من الأشخاص الذين يتعاملون مع الأعمال الورقية.

وهذا ليس إنجازاً بسيطاً في صناعة يتم فيها قياس هامش الخطأ بنقاط الأساس.

تتحسن تجربة العملاء عندما ينجح البنك في تخصيص الخدمات بشكل صحيح.

أولئك الذين يتلقون اقتراحاً منطقياً بالفعل يميلون إلى البقاء لفترة أطول، وإنفاق المزيد، والتذمر بشكل أقل.

تكمن المشكلة في أن الآلية نفسها التي تنجح في ذلك يمكن أن تكون مخيفة أيضاً - فهناك حدود دقيقة بين "المفيد" و"التدخلي" التي لا تزال الخوارزميات غير قادرة على فهمها تماماً.

الإحصائية الأكثر شيوعًا في الآونة الأخيرة تأتي من شركة ماكينزي: يمكن للذكاء الاصطناعي التوليدي أن يضخ ما بين 200 و 340 مليار دولار أمريكي كقيمة سنوية في القطاع المصرفي العالمي.

الرقم مثير للإعجاب، لكن ما يبقى خفياً هو أن جزءاً كبيراً من هذه القيمة يأتي من خفض التكاليف - بمعنى آخر، عدد أقل من الأشخاص يقومون بمهام كانت تتطلب في السابق فرقاً كاملة.

تخيل الذكاء الاصطناعي كمتدرب سريع للغاية لا ينام أبداً ولا يطلب زيادة في الراتب.

يرتكب أخطاء مكلفة من حين لآخر، لكن متوسط التكلفة لكل مهمة ينخفض بشكل كبير.

إنها صفقة رابحة - إلى أن تصل الأمور إلى نقطة يصبح فيها الخطأ ليس استثناءً، بل هو القاعدة النظامية.

المشاكل التي لم يجد لها أحد حلاً بعد.

أصبحت الخصوصية حقل ألغام تنظيمي. فكلما زادت البيانات التي يستخدمها الذكاء الاصطناعي، ازداد خطر تسريبها أو تفسيرها بشكل متحيز، مما يؤدي إلى تمييز غير مباشر.

يوجد قانون حماية البيانات العامة البرازيلي (LGPD)، لكن الفجوة بين ما يتطلبه القانون وما تحتاجه النماذج لكي تعمل بشكل جيد لا تزال هائلة.

إن التحيز الخوارزمي ليس مجرد نظرية أكاديمية - فقد ظهر بالفعل في الموافقات الائتمانية، وتسعير التأمين، وحتى في تحديد حدود بطاقات الائتمان.

إن أخطر جانب في الأمر هو أن التحيز غالباً ما يختبئ داخل الارتباطات التي تبدو محايدة.

تقوم البنوك الجادة بإنشاء فرق "أخلاقيات الذكاء الاصطناعي" وإجراء عمليات تدقيق مستمرة، لكن التكلفة باهظة والنتيجة ليست 100% أبدًا.

لا تزال الأنظمة القديمة تمثل نقطة الضعف الرئيسية.

لقد كُتبت العديد من المبادئ المصرفية الأساسية في الثمانينيات أو التسعينيات. إن دمج الذكاء الاصطناعي الحديث فيها يشبه محاولة توصيل سيارة كهربائية متطورة بمأخذ كهربائي بقوة 110 فولت من السبعينيات.

يمكن القيام بذلك، لكنه سيؤثر على ميزانيتك ويختبر صبرك.

هل من الممكن ابتكار آلات تتخذ قرارات مالية أكثر عدلاً من البشر دون أن تحذو حذوهم في التحيزات التي يحملها البشر؟

إلى أين سيؤدي كل هذا؟ وما الذي يمكن أن يسوء بشدة؟

الحدود التالية هي الوكلاء المستقلون.

لا يقتصر الأمر على اقتراح الاستثمار فحسب، بل يشمل أيضًا تنفيذ الأوامر، وإعادة توازن المحافظ، والتفاوض على الشروط مع الأطراف المقابلة - كل ذلك ضمن حدود محددة مسبقًا.

بعض البنوك تختبر هذا بالفعل في بيئات تجريبية. وعندما يخرج من هذه البيئة، ستتغير سرعة استجابة السوق بشكل كبير.

إن الجمع بين الذكاء الاصطناعي وتقنية البلوك تشين والعقود الذكية يمكن أن يجعل بعض المنتجات المالية (مثل المشتقات أو التوريق) أرخص وأسرع بكثير.

يكمن الخطر في أن السرعة نفسها التي تقلل التكاليف تؤدي أيضاً إلى تفاقم العدوى في حالة حدوث أزمة.

من ناحية أخرى، فإن الضغط من أجل التمويل المستدام يجبر البنوك على استخدام الذكاء الاصطناعي لقياس البصمة الكربونية للمحافظ الاستثمارية بأكملها في الوقت الفعلي تقريبًا.

من يستطيع القيام بذلك بدقة سيكسب العملاء المؤسسيين الذين يتجنبون حالياً التضليل البيئي.

تشير التوقعات إلى أن الإنفاق على الذكاء الاصطناعي في القطاع المصرفي سيصل إلى تريليون دولار أمريكي بحلول عام 2030.

العدد كبير، لكن الأهم هو من سيتقن دورة البيانات → النموذج → القرار → التغذية الراجعة قبل الآخرين.

أمثلة توضح جوهر الموضوع.

بدأ بنك متوسط الحجم في المناطق الداخلية من ساو باولو بالموافقة على منح الائتمان لتجار التجزئة باستخدام بيانات Pix من آخر 90 يومًا بالإضافة إلى الموسمية في الإيرادات المعلنة بموجب النظام الضريبي Simples Nacional.

النتيجة: انخفاض بنسبة 22% في حالات التخلف عن السداد على مدى 18 شهرًا وزيادة بنسبة 37% في حجم الائتمان الممنوح للشركات الصغيرة والمتوسطة في المنطقة.

ارتكبت الخوارزمية أخطاءً جسيمة في الأشهر الثلاثة الأولى، لكنها تعلمت بسرعة.

مثال آخر: تطبيق يقوم بإنشاء "خريطة للحياة المالية" للمستخدم.

بدلاً من هدف عام ("توفير 20%")، فإنه يعرض سيناريوهات ملموسة - "إذا حافظت على نمط الإنفاق هذا مع تطبيقات التوصيل، فسوف تؤخر الدفعة الأولى للمنزل الذي ادخرته كحلم لمدة 14 شهرًا".

ارتفع التفاعل على التطبيق بمقدار 2.1 ضعف. يعود الناس إليه لأنهم يشعرون أن هناك من فهم حياتهم حقاً.

أسئلة تخطر ببال الجميع (وإجابات لا يرغب أحد في تقديمها)

ال الذكاء الاصطناعي في القطاع المالي لم يعد الأمر مجرد موضة.

هذه هي الجاذبية الجديدة. من يتعلم كيفية التعامل مع هذه الجاذبية أولاً سيحدد قواعد اللعبة للسنوات الخمس عشرة القادمة.

أما الآخرون فسوف يلاحقونهم - أو يختفون أثناء محاولتهم.

تعمّق أكثر:

++ ما هو الذكاء الاصطناعي (AI) في مجال التمويل؟

++ الذكاء الاصطناعي في القطاع المصرفي

بقلم أندريه نيري تم التحديث في 10 أكتوبر 2026