#

النقاط الرئيسية

• نشرت OpenAI دراسة حالة عميل عن Benefit Street Partners.

• يقول مدير المحافظ أنانت كومار إنه يستخدم Codex في أعمال البرمجيات الداخلية.

• تستخدم الشركة الذكاء الاصطناعي لأداة تتبع ولتحليل أولي لاتفاقيات الائتمان.

• الأوقات المذكورة هي أرقام أبلغ عنها العميل في دراسة الحالة، وليست مقارنة مضبوطة.

• لا يقدم المصدر أساسًا لاستنتاج تبنٍّ أو نتائج في المغرب.

ما تقوله OpenAI في دراسة الحالة

نشرت OpenAI في 16 أكتوبر دراسة حالة عميل عن Benefit Street Partners، وهي شركة إدارة استثمارات تركز على الائتمان. تركز دراسة الحالة على كيفية استخدام الشركة لـ Codex في العمل الداخلي. كما تصف استخدامًا منفصلًا للذكاء الاصطناعي في التحليل الأولي لاتفاقيات الائتمان.

يقول مدير المحافظ أنانت كومار إنه يستخدم Codex عند بناء ومراجعة البرمجيات الداخلية. ومن الأمثلة على ذلك أداة تقارن كيفية تقييم شركات تطوير الأعمال للقروض نفسها. وتعتمد المقارنة على ملفات عامة لدى هيئة الأوراق المالية والبورصات الأمريكية. ويعرض المصدر ذلك كمسار عمل داخلي عملي، وليس كمعيار صناعي عام.

كيف تم بناء أداة التتبع

يقول كومار إن النسخة الأولية من تلك الأداة استغرقت نحو يوم واحد لبنائها. ويضيف أن إجمالي وقت التطوير كان نحو 10 إلى 12 ساعة، بما في ذلك التحسينات. وتقول OpenAI إن الأداة أعيدت صياغتها لاحقًا باستخدام GPT-6 Astra واستضافت في بوابة خاصة بالشركة.

هذه التفاصيل مهمة لأنها تُظهر عملية تكرارية. يصف المصدر نسخة أولى، ثم تحسينات، ثم إعادة صياغة لاحقة. ولا يدّعي أن النسخة الأولى كانت نهائية أو أن الجدول الزمني نفسه سينطبق في مكان آخر. كما أنه لا يقدم مقارنة مضبوطة بين شركات الاستثمار.

ردود أسرع على أسئلة لجنة الاستثمار

تقول دراسة الحالة إن المحللين يمكنهم الآن الرد على أسئلة المتابعة من لجنة الاستثمار في نحو يوم واحد. وقبل ذلك، كان العمل نفسه يستغرق على ما يبدو أيامًا أو أسابيع. ويقول المصدر أيضًا إن بعض الردود يمكن أن تحدث أثناء الاجتماع.

هذه نتيجة أبلغ عنها العميل، لذا ينبغي قراءتها كادعاء وارد في دراسة الحالة. وهي تُظهر زمن استجابة أقصر في هذا المسار العملي المحدد. لكنها لا تثبت معيارًا عالميًا للأداء لدى شركات أو فرق أخرى.

الذكاء الاصطناعي للتحليل الأولي لاتفاقيات الائتمان

تقول OpenAI أيضًا إن الشركة تستخدم الذكاء الاصطناعي للتحليل الأولي لاتفاقيات الائتمان. وتذكر الصفحة نحو 20 دقيقة لهذه المرحلة الأولى. ثم تقول إن أكثر من ساعة من المراجعة البشرية تلي ذلك.

هذا التمييز مهم. فالمصدر لا يقول إن قرار الائتمان الكامل يستغرق 20 دقيقة. كما لا يقول إن الاكتتاب البشري قد استُبدل. بل يصف كومار الذكاء الاصطناعي بأنه يضيف قدرة مراجعة ودقة ضمن الإطار الزمني نفسه.

ما الذي تُظهره دراسة الحالة وما الذي لا تُظهره

تركز دراسة الحالة على الإنتاجية الداخلية ودعم المراجعة. وهي تسلط الضوء على بناء البرمجيات، وتحليل المستندات، وتسريع الردود اللاحقة. لكنها لا تقدم نتائج مالية، أو تغييرات في حجم الصفقات، أو اختبارًا مضبوطًا لتأثير الذكاء الاصطناعي.

كما أنها لا تدعم ادعاءات أوسع بشأن التبني خارج هذا العميل الأمريكي المذكور. ولا يقدم التقرير أي أساس لاستنتاج الإتاحة أو التبني أو النتائج المالية للمؤسسات المغربية. ينبغي على القراء التعامل مع هذا المثال باعتباره دراسة حالة لعميل واحد، لا كاستنتاج عام عن السوق.

الصلة بالمغرب

لا يورد المصدر أي حقائق خاصة بالمغرب. وبالنسبة للقراء، فإن الدرس العالمي مشروط: إذا استخدم فريق ما الذكاء الاصطناعي في المراجعة الداخلية، فعليه الفصل بين المساعدة في المرحلة الأولى والمراجعة البشرية. وتُظهر دراسة الحالة هذا الفصل الواضح في مسار عمل عميل واحد.

لماذا يهم هذا في عمليات الذكاء الاصطناعي

أقوى إشارة في التقرير ليست السرعة وحدها، بل الطريقة التي تجمع بها الشركة بين الذكاء الاصطناعي والمراجعة البشرية. ويظهر هذا الهيكل في كل من مسار العمل البرمجي ومسار العمل الخاص باتفاقيات الائتمان.

تشير دراسة الحالة إلى نموذج تعزيز لا استبدال. يساعد الذكاء الاصطناعي في الصياغة أو المقارنة أو التلخيص. ويواصل الأشخاص مراجعة المخرجات واتخاذ الحكم النهائي. هذا هو النموذج التشغيلي الموصوف في المصدر، وهو الأكثر أمانًا لتلخيص التقرير.