تواجه المؤسسات المالية في هونغ كونغ ضغطاً متزايداً من جهتين في الوقت نفسه: ارتفاع محاولات الاحتيال الرقمي من جهة، وتوقع العملاء لخدمة أسرع وأكثر دقة من جهة أخرى. في هذا السياق، برزت تجربة شركة يونايتد آسيا فاينانس كنموذج عملي يوضح أن استخدام الذكاء الاصطناعي في القطاع المالي لم يعد مجرد تجربة جانبية، بل أصبح جزءاً من البنية التشغيلية وإدارة المخاطر.
تعتمد الشركة على خطة من ثلاث ركائز مترابطة تشمل أداة ذكية لفحص المستندات، وروبوت محادثة توليدي لخدمة العملاء، وبحيرة بيانات تعمل في الوقت الفعلي. الفكرة الأساسية ليست الاعتماد على أداة واحدة لحل جميع المشكلات، بل بناء منظومة متكاملة تزيد سرعة التنفيذ وتقلل الأخطاء وتمنح فرق العمل رؤية أفضل لاتخاذ القرار.
الاحتيال المعتمد على الذكاء الاصطناعي يفرض استجابة جديدة
مع انتشار تقنيات التزييف العميق وتطور أساليب انتحال الهوية، لم تعد وسائل التحقق التقليدية كافية وحدها. المؤسسات المالية باتت تتعامل مع مهاجمين يستخدمون الأدوات نفسها التي تعتمد عليها الشركات لتسريع العمل وتحسين الخدمة. وهذا يعني أن الدفاعات القديمة لم تعد مناسبة لبيئة هجمات تتغير بسرعة.
في هذا النوع من التهديدات، لا تقدم الشركة الذكاء الاصطناعي باعتباره حلاً كاملاً أو مضموناً بنسبة مطلقة، بل كوسيلة ضرورية لتحديث أدوات الحماية. هذا التوجه مهم لأنه يعكس فهماً واقعياً لطبيعة المخاطر: لا توجد تقنية توقف الاحتيال بالكامل، لكن تجاهل الأدوات الحديثة يزيد الفجوة بين قدرات المؤسسة وقدرات المهاجمين.
الاعتماد على أنظمة ذكية في عمليات اعرف عميلك والتحقق من الهوية يساعد على اكتشاف أنماط يصعب على المراجعة اليدوية ملاحظتها بسرعة، خاصة عندما تكون كميات الطلبات كبيرة أو عندما يحاول المحتالون استغلال الضغط التشغيلي ونقاط الضعف البشرية.
الركيزة الأولى: فحص المستندات في ثوان بدلاً من ساعات
أحد أهم تطبيقات الشركة هو نظام ذكي لفحص مستندات القروض والتحقق منها. هذا النظام يختصر عملية كانت تستغرق ساعات إلى ثوان معدودة، ما ينعكس على مستويين في آن واحد: تقليل وقت إنجاز الطلبات، وخفض احتمال الخطأ البشري في مراجعة المستندات.
المراجعة اليدوية تظل ضرورية في بعض الحالات، لكنها غالباً ما تتأثر بالإرهاق أو التفاوت بين الموظفين أو ضغط حجم الطلبات. أما النظام الذكي، فيوفر مستوى أكثر اتساقاً في التحقق، ويعزز قدرة المؤسسة على رصد المؤشرات غير المعتادة في ملفات العملاء أو الوثائق المقدمة.
هذا النوع من الأدوات لا يقتصر دوره على السرعة فقط، بل يساهم أيضاً في حماية العلامة التجارية وتقليل الخسائر الناتجة عن تمرير حالات احتيال كان يمكن اكتشافها مبكراً. وفي قطاع الإقراض الاستهلاكي، فإن أي تحسن في دقة الفحص ينعكس مباشرة على جودة قرارات الموافقة والتسعير والمتابعة.
الركيزة الثانية: روبوت محادثة توليدي للخدمة والمنتجات
الركيزة الثانية في الاستراتيجية هي إطلاق روبوت محادثة توليدي لخدمة العملاء والاستفسارات المتعلقة بالمنتجات. يعتمد هذا النظام على أسلوب يجمع بين النماذج اللغوية والوصول إلى مصادر معلومات داخلية موثوقة، ما يساعد على تقديم إجابات مرتبطة بسياسات الشركة وعروضها الحالية.
الميزة العملية هنا أن النظام يستطيع التعامل مع الأسئلة المتكررة وتحديث الردود المرتبطة بالعروض الزمنية الحساسة دون الحاجة في كل مرة إلى إعداد قواعد يدوية مفصلة. وهذا يخفف العبء عن مراكز الاتصال ويمنح العملاء استجابة أسرع وأكثر اتساقاً.
في الخدمات المالية، لا تكفي السرعة وحدها، لأن أي إجابة غير دقيقة قد تؤدي إلى سوء فهم أو تجربة ضعيفة أو حتى مشكلة امتثال. لذلك فإن ربط روبوت المحادثة بمصادر معرفة منظمة يمثل خطوة أساسية لجعل الذكاء الاصطناعي مفيداً في بيئة تتطلب دقة عالية.
الركيزة الثالثة: بحيرة بيانات فورية تدعم القرار
الركيزة الثالثة تتمثل في بناء بحيرة بيانات تعمل في الوقت الفعلي. هذا التحول مهم لأن الاعتماد على مستودعات بيانات تقليدية يتم تحديثها في نهاية اليوم لم يعد كافياً في سوق يحتاج إلى قرارات سريعة ومخصصة. عندما تصل البيانات متأخرة، تصبح الرؤية التشغيلية أقل فائدة، خاصة في الإقراض والتسويق وإدارة المخاطر.
توفر البنية الفورية للشركة القدرة على جمع بيانات العملاء من مصادر متعددة واستخدامها مباشرة في الأتمتة التسويقية، وإطلاق عروض مخصصة، وتحسين تقييم الجدارة الائتمانية، واحتساب الفائدة، وتقدير قدرة العميل على السداد.
الأهمية الأكبر هنا ليست في تخزين البيانات فقط، بل في تحويلها إلى مدخل حي للقرار. فبدلاً من العمل وفق صورة متأخرة عن سلوك العميل، تصبح المؤسسة قادرة على التصرف استناداً إلى سياق حديث ومتكامل، وهو ما يرفع دقة الاستهداف ويقلل التقديرات غير المناسبة.
الترابط بين الركائز الثلاث
قوة هذه الاستراتيجية لا تأتي من كل عنصر على حدة، بل من طريقة ترابطها. فالنظام المسؤول عن فحص المستندات يغذي عمليات التحقق وتقليل الاحتيال، بينما يخفف روبوت المحادثة الضغط التشغيلي ويرفع جودة التفاعل مع العملاء، في الوقت الذي تمنح فيه بحيرة البيانات الفورية الأساس الذي يسمح للأنظمة الأخرى بالعمل بصورة أكثر دقة وسرعة.
هذا الترابط يحول الذكاء الاصطناعي من مجموعة أدوات منفصلة إلى بنية تشغيلية متكاملة. وعندما تتشارك هذه الأنظمة البيانات والسياق، تصبح المؤسسة أكثر قدرة على الموازنة بين النمو وخفض المخاطر وتحسين الخدمة.
الحوكمة قبل التنظيم
من النقاط اللافتة في هذه التجربة أن الشركة وضعت إطاراً لحوكمة الذكاء الاصطناعي قبل صدور السياسات التنظيمية المحلية المتعلقة بالاستخدام المسؤول لهذه التقنيات. هذا التوجه يعكس فهماً متقدماً بأن الحوكمة ليست استجابة متأخرة للامتثال، بل شرط أساسي لاستخدام الذكاء الاصطناعي في بيئات حساسة.
تشمل الحوكمة في هذا السياق مراجعة حالات الاستخدام من زوايا الأخلاقيات، وخصوصية البيانات، والامتثال، والمخاطر التشغيلية. كما تتضمن مقارنة النماذج اللغوية الكبيرة بالبدائل الداخلية عندما يكون ذلك أكثر أماناً أو أكثر ملاءمة لطبيعة البيانات.
في المؤسسات المالية، القرار الأسهل غالباً هو تجنب استخدام الذكاء الاصطناعي بالكامل لتقليل المخاطر. لكن هذا الخيار قد يعني أيضاً خسارة فرص مهمة في الكفاءة والخدمة والحماية. لذلك تبدو المقاربة الأكثر توازناً هي استخدام التقنية مع تقييم منظم للمخاطر وحدود واضحة للاستخدام.
تعظيم قدرات الفرق بدلاً من زيادة عددها
جانب آخر في التجربة يتمثل في استخدام الذكاء الاصطناعي لدعم فرق العمل في البرمجة والأتمتة والأمن السيبراني، بدلاً من الاعتماد فقط على توظيف مزيد من الكفاءات في سوق تعاني أصلاً من نقص المتخصصين. هذا النهج يسمح بإنجاز مهام كانت تتطلب أياماً من العمل عبر أوامر موجهة وضوابط مراجعة.
النتيجة ليست استبدال المطورين أو فرق التقنية، بل نقلهم من الأعمال المتكررة إلى مهام أعلى قيمة مثل فهم احتياجات المستخدمين، ومراجعة المخرجات، وتحسين جودة الأنظمة. بهذا المعنى، يصبح الذكاء الاصطناعي أداة لتوسيع القدرة الإنتاجية للفريق دون زيادة موازية في عدد الموظفين.
هذا التوجه مهم للشركات التي تسعى إلى التحول الرقمي ضمن قيود حقيقية في الميزانية والوقت وتوفر المواهب. فالمعادلة لم تعد مبنية فقط على إضافة أفراد جدد، بل على تحسين ما يستطيع الفريق الحالي إنجازه باستخدام أدوات أكثر كفاءة.
قياس العائد بمعايير تشغيلية وتجارية
تعتمد الشركة في تقييم نتائج هذه المبادرات على مجموعة مؤشرات تشمل الكفاءة التشغيلية، والقدرة على الصمود أمام التهديدات السيبرانية، وتحسن تجربة العملاء، إلى جانب أثر ذلك على الوعي بالعلامة التجارية. كما تراقب تكاليف استخدام النماذج، بما في ذلك ميزانيات الرموز الخاصة بالأنظمة التوليدية، لضمان أن تبقى الفائدة أعلى من التكلفة.
وبحسب هذا النهج، تظهر النتائج في صورة تراجع محاولات الاحتيال الناجحة، وانخفاض الضغط على مراكز الاتصال، وتحسن رضا العملاء. هذه مؤشرات مهمة لأنها تربط الاستثمار في الذكاء الاصطناعي بنتائج أعمال قابلة للقياس، لا بمجرد وعود تقنية عامة.
ما الذي يمكن أن تتعلمه المؤسسات المالية
التجربة تقدم درساً واضحاً للقطاع المالي: النجاح في الذكاء الاصطناعي لا يبدأ من اختيار نموذج قوي فقط، بل من ربط الاستخدام بحالة أعمال واضحة، وتأسيس حوكمة مبكرة، وبناء بنية بيانات حديثة، ثم التأكد من أن كل مشروع يعزز المشروع الآخر.
كما تؤكد أن مكافحة الاحتيال لم تعد مهمة منفصلة عن خدمة العملاء أو تحليل البيانات. في البيئات الحديثة، هذه الوظائف مترابطة، وأي مؤسسة تريد تحسين سرعتها وأمانها في الوقت نفسه تحتاج إلى رؤية موحدة تجمع التشغيل والبيانات والأمن والامتثال.
في النهاية، تكشف هذه المقاربة أن الاستخدام العملي للذكاء الاصطناعي في الخدمات المالية لا يعتمد على المبالغة في الوعود، بل على التنفيذ المنظم، والتقييم المستمر للمخاطر، وبناء أنظمة تدعم بعضها بعضاً. وهذا على الأرجح ما سيحدد الفارق بين المؤسسات التي تتبنى الذكاء الاصطناعي كأداة إنتاج حقيقية، وتلك التي تكتفي باستخدامه كعنوان تقني فقط.