#

النقاط الرئيسية

• استثمرت ServiceNow مبلغ 40 مليون دولار في BusinessNext، وهي شركة برمجيات مصرفية تركز على وكلاء الذكاء الاصطناعي.

• تشير الصفقة إلى ذكاء اصطناعي متخصص حسب القطاع، وليس إلى روبوتات دردشة عامة.

• بالنسبة للبنوك المغربية، يجب أن تسبق الخصوصية وقابلية التدقيق والامتثال أي نشر واسع النطاق.

• يمكن لجودة البيانات ومزيج اللغات والبنية التحتية أن تحدد ما الذي يمكن للذكاء الاصطناعي فعله بأمان.

• ضوابط الشراء والأمن السيبراني لا تقل أهمية عن النموذج نفسه.

يُعد استثمار ServiceNow في BusinessNext إشارة مفيدة للذكاء الاصطناعي المصرفي. وتُقدَّر الصفقة المذكورة قيمة BusinessNext عند 700 مليون دولار، مع حصول ServiceNow على حصة تقارب 5%. وتقول BusinessNext إنها تخدم أكثر من 70 بنكًا في الهند وجنوب شرق آسيا والشرق الأوسط والولايات المتحدة. كما تقول إنها بنت منصة مصرفية ذاتية التشغيل باستخدام وكلاء الذكاء الاصطناعي مع إبقاء بيانات العملاء الحساسة على بنية تحتية خاصة للذكاء الاصطناعي.

بالنسبة للقراء المغاربة، ليست العبرة بحجم الاستثمار. بل بالاتجاه الذي يسير فيه السوق. فالذكاء الاصطناعي المصرفي يتجه نحو أنظمة ضيقة قائمة على سير العمل تتعامل مع مهام محددة. وقد يكون هذا النهج أنسب للبيئات المنظمة من الأتمتة الواسعة المفتوحة.

لماذا يهم هذا المغرب

غالبًا ما تعمل البنوك المغربية ومطورو التكنولوجيا المالية ضمن قيود تشغيلية وامتثالية صارمة. وهذا يجعل الذكاء الاصطناعي المتخصص أكثر ملاءمة من أدوات الذكاء الاصطناعي العامة. ويمكن لمنصة مصرفية تركز على سير عمل محدد أن تساعد في المهام المتكررة أو التوجيه الداخلي أو فرز دعم العملاء. لكن أي نظام من هذا النوع يجب أن يتوافق مع القواعد المحلية والضوابط الداخلية ومتطلبات التعامل مع البيانات.

كما يسلط التقرير الضوء على البنية التحتية الخاصة للذكاء الاصطناعي. وهذا مهم لأن البيانات المصرفية الحساسة لا ينبغي التعامل معها كأي محتوى عادي. وبالنسبة للمؤسسات المغربية، يتمثل السؤال العملي في ما إذا كان النظام قادرًا على إبقاء البيانات تحت السيطرة وقابلة للتدقيق ومعزولة عن النماذج العامة. وإذا لم يكن كذلك، فيجب أن يظل الاعتماد عليه محدودًا.

حالات استخدام محتملة في المغرب

يمكن أن يبدأ النشر المغربي الحذر بحالات استخدام داخلية منخفضة المخاطر. فعلى سبيل المثال، يمكن للذكاء الاصطناعي المساعدة في تصنيف الطلبات أو تلخيص المستندات أو توجيه الحالات إلى الفريق المناسب. كما يمكنه دعم الموظفين بصياغة ردود يراجعها البشر قبل إرسالها. وهذه من المهام التي قد توفر فيها الأتمتة الوقت دون أن تستبدل الحكم البشري بالكامل.

أما حالات الاستخدام الموجهة للعملاء فتحتاج إلى مزيد من الحذر. فاللغة المصرفية في المغرب قد تمزج بين العربية والفرنسية وأحيانًا الإنجليزية. وهذا المزيج اللغوي قد يسبب أخطاء إذا لم يُدرَّب النظام ويُختبر بشكل صحيح. وقد ينجح نموذج في لغة واحدة ويفشل في أخرى، خاصة عندما تكون الصياغة تقنية أو حساسة.

هناك أيضًا جانب متعلق بالمشتريات. فالبنوك وشركات التكنولوجيا المالية المغربية تحتاج إلى معرفة البيانات التي يستخدمها المورد، وأين تُخزن، ومن يمكنه الوصول إليها. كما ينبغي لها اختبار ما إذا كان النظام قادرًا على شرح أفعاله. ففي سير العمل المنظم، لا تكفي الإجابة المفيدة. بل يجب أن تكون المؤسسة قادرة أيضًا على إظهار سبب إنتاج تلك الإجابة.

السياق المغربي: ما الذي توحي به الصفقة

تشير هذه الصفقة إلى أن الذكاء الاصطناعي في البنوك أصبح أكثر تخصصًا. وهذا مهم للمغرب لأن الأدوات المتخصصة أسهل في الحوكمة من الأنظمة العامة. ويمكن للبنك تحديد سير عمل واحد، ومستوى مخاطر واحد، ومسار موافقة واحد. وهذا أكثر واقعية من محاولة أتمتة كل شيء دفعة واحدة.

كما تشير إلى أن البنية التحتية الخاصة قد تكون جزءًا من مسار الاعتماد. وبالنسبة لصناع السياسات المغاربة وفرق الامتثال، يثير ذلك أسئلة عملية. هل يمكن للنظام إبقاء بيانات العملاء معزولة؟ هل يمكن مراجعة السجلات؟ هل يمكن تقييد الوصول؟ هل يمكن للبنك إثبات أن المعلومات الحساسة عولجت بشكل صحيح؟ هذه الأسئلة لا تقل أهمية عن أداء النموذج.

ولا يذكر التقرير أي شيء عن توفر خاص بالمغرب أو شراكات محلية. لذا فالتفسير الصحيح يجب أن يكون حذرًا. فالصفقة ليست دليلًا على أن البنوك المغربية يجب أن تشتري أنظمة مماثلة الآن. لكنها إشارة إلى أن السوق يكافئ منتجات الذكاء الاصطناعي المصممة للقطاعات المنظمة.

المخاطر والحوكمة

أكبر خطر ليس الفشل التقني فقط، بل الاستخدام غير المنضبط. فإذا اعتمد الموظفون على الذكاء الاصطناعي دون قواعد واضحة، فقد تنتشر الأخطاء بسرعة. وفي القطاع المصرفي، قد يؤثر ذلك في ثقة العملاء والسجلات الداخلية ونتائج الامتثال. وستحتاج المؤسسة المغربية إلى مسارات موافقة قوية وإشراف بشري.

الخصوصية قضية رئيسية أخرى. فبيانات البنوك حساسة بطبيعتها. وأي نظام ذكاء اصطناعي سيحتاج إلى ضوابط صارمة على التخزين والاحتفاظ والوصول. وإذا استخدم المورد بنية تحتية مشتركة، فستحتاج المؤسسة إلى فهم مستوى التعرض. وإذا استخدم النظام بنية تحتية خاصة، فلا تزال هناك حاجة إلى سجلات تدقيق واختبارات أمنية.

الأمن السيبراني مهم أيضًا. فقد توسع أنظمة الذكاء الاصطناعي سطح الهجوم إذا اتصلت بأدوات داخلية أو سجلات العملاء. وهذا يعني أن ضوابط الهوية والتسجيل والاستجابة للحوادث يجب أن تكون جزءًا من المشروع منذ اليوم الأول. وبالنسبة للبنوك المغربية، هذا ليس خيارًا. بل هو جزء من النشر الآمن.

الامتثال لا يقل أهمية. يجب أن يتوافق أي أداة ذكاء اصطناعي مفيدة مع سياسات المؤسسة والبيئة القانونية الأوسع. ولا توفر بيانات المصدر تفاصيل قانونية خاصة بالمغرب، لذا فإن أي إطلاق محلي سيحتاج إلى مراجعة امتثال منفصلة. وينبغي أن تغطي هذه المراجعة التعامل مع البيانات، وحوكمة النموذج، وعقود الموردين، والمساءلة البشرية.

ما الذي ينبغي على البنوك المغربية ومطوري التكنولوجيا المالية فعله بعد ذلك

ابدأ بسير عمل واحد ضيق. اختر عملية متكررة وقابلة للقياس ومنخفضة المخاطر. ثم اختبر ما إذا كان الذكاء الاصطناعي يحسن السرعة دون تقليل التحكم. هذا النهج أكثر أمانًا من إطلاق مساعد واسع عبر البنك كله.

ابنِ الحوكمة قبل التوسع. حدّد من يوافق على حالات الاستخدام، ومن يراجع المخرجات، ومن يملك الحوادث. وتأكد من أن النظام قابل للتدقيق. فإذا لم يستطع النموذج شرح أفعاله بما يكفي للمراجعة الداخلية، فلا ينبغي استخدامه في الأعمال الحساسة.

خطط وفقًا للواقع المحلي. قد يكون توفر البيانات غير متساوٍ. وقد تكون المهارات محدودة. وقد تختلف البنية التحتية بين الفرق والموردين. وقد يعقد مزيج اللغات الاختبار. هذه القيود طبيعية، لكنها يجب أن تشكل التصميم منذ البداية.

وأخيرًا، حافظ على التركيز على الثقة. ففي القطاع المصرفي المغربي، سيعتمد تبني الذكاء الاصطناعي على قدرة المؤسسات على حماية بيانات العملاء والحفاظ على السيطرة. وتُظهر صفقة BusinessNext أن المستثمرين يدعمون الذكاء الاصطناعي للقطاعات المنظمة. وبالنسبة للمغرب، ففرصة النجاح حقيقية، لكن يجب أن يظل مستوى الأمان المطلوب للنشر مرتفعًا.