الذكاء الاصطناعي في القطاع المالي.. فرص وتحديات

اعتمد مؤخرا القطاع المالي على الذكاء الاصطناعي لتقليل التحيز واتخاذ قرارات قروض أكثر ذكاءً وإنصافًا. لكن القطاع يحتاج إلى أن يكون على دراية بالمزالق والتحديات حتى ينجح.الحد الأحمر :
وفقا لتقرير حديث بموقع بيزينيس انسايدر الأمريكي فإن للقطاع المالي تاريخ طويل في اتخاذ قرارات قروض غير عادلة. Redlining ، وهي ممارسة تمييزية بدأت في الثلاثينيات من القرن الماضي، هي عندما يرفض البنك أحد العملاء الحصول على قرض بسبب الرمز البريدي الخاص به. رسمت هذه المؤسسات خطاً أحمر حول الأحياء ذات الدخل المنخفض ، وعزلت هؤلاء السكان عن أي فرصة لاقتراض المال. 

وبحسب التعريف السائد
يُعرف مصطلح الحد الأحمر بأنه الحرمان المنهجي من الخدمات المختلفة لسكان أحياء أو مجتمعات معينة، وغالبًا ما يكون متعلقًا بالتفرقة العنصرية، إما بشكل صريح أو من خلال رفع الأسعار الانتقائي.

تؤثر سياسة الحد الأحمر بشكل غير متناسب على الأمريكيين السود ومجتمعات المهاجرين. تحرمهم هذه السياسة من فرص مثل امتلاك المنازل، وبدء عمل تجاري صغير، والحصول على تعليم ما بعد الثانوي. بينما أصبح من غير القانوني في عام 1974 أن يرفض المقرضون القروض على أساس العرق أو الجنس أو العمر بموجب قانون تكافؤ الفرص الائتمانية، فقد وجدت الدراسات أن القوانين لم تفعل شيئًا يذكر لتقليل التفاوتات في الإقراض.محاولة للإصلاح:
إن صعود التعلم الآلي والبيانات الضخمة يعني أنه يمكن التحكم في القرارات من أجل التحيز البشري. لكن مجرد اعتماد التكنولوجيا لا يكفي لإصلاح قرارات القروض التمييزية. فقد كشف تحليل أجري عام 2019 لبيانات قانون الإفصاح عن الرهن العقاري في الولايات المتحدة من قبل The Markup ، وهي منظمة غير ربحية مكرسة للصحافة القائمة على البيانات، أن المقرضين في جميع أنحاء البلاد كان من المرجح أن يرفضوا المتقدمين من السود بمقدار الضعف مقارنة برفضهم المتقدمين البيض المؤهلين بالمثل على الرغم من اعتماد التعلم الآلي و تقنية البيانات الكبيرة. كما حرم اللاتينيون والآسيويون والأمريكيون الأصليون من الرهن العقاري بمعدلات أعلى من الأمريكيين البيض الذين لديهم نفس الخلفية المالية. 

التوجهات العالمية:
أشارت الحكومات في جميع أنحاء العالم إلى أنه ستكون هناك حملة على “الخطوط الحمراء الرقمية”، حيث تميز الخوارزميات ضد الفئات المهمشة. قال روهيت شوبرا ، رئيس مكتب حماية المستهلك المالي الأمريكي، إنه يجب أن تكون هناك عقوبات أشد على هذه التحيزات: “يمكن لخوارزميات الإقراض أن تعزز التحيز” ، كما قال لصحيفة فيلادلفيا إنكويرر. “هناك تمييز مخبأ في كود الكمبيوتر.الاستعداد للمستقبل:
الذكاء الاصطناعي هو توجه مهم للمؤسسات المالية لتكون جاهزة للمستقبل وتبقى على صلة بالعملاء حيث يصبح اضفاء الطابع الشخصي هو المعيار الجديد. 

بحسب صحيفة ايكونوميك تايمز اتجهت المصارف مؤخرا لتبني تكنولوجيا الذكاء الاصطناعي لكي تكون ذات صلة وذكاء في سوق شديدة التنافسية، خاصة وأنه يجب على البنوك الاستفادة من التكنولوجيا، والأهم من ذلك، يجب عليها تزويد العملاء بخدمة ممتازة. وسيتطلب ذلك تغييراً شاملاً في أعمال البنك ومستوياته التكنولوجية. على سبيل المثال، كانت المدفوعات تتم بشكل أساسي نقدًا. اليوم، على الرغم من ذلك، فهي مدفوعة بالأجهزة.

تاريخياً، كانت البنوك بطيئة في دمج الذكاء الاصطناعي في عملياتها، وفقا للصحيفة. اليوم ، يتم استخدام الذكاء الاصطناعي بشكل أساسي لإدارة المخاطر واكتشاف الاحتيال. ولا تزال معظم البنوك في طور توسيع نطاق الذكاء الاصطناعي عبر مؤسستها بالكامل من حالات الاستخدام المحدود. بعض الأسباب تعود بالزمن إلى الوراء وقد تكون مرتبطة بالأنظمة القديمة ، أو أنظمة البيانات، أو استراتيجية الذكاء الاصطناعي المفككة والعشوائية، أو النماذج التشغيلية القديمة.

ونقلت الصحيفة عن ريشي ارورا من شركة اي بي ام الاستشارية أنه من المتوقع أن يصل حجم السوق المصرفية العالمية للذكاء الاصطناعي إلى 64.03 مليار دولار بحلول عام 2030، بمعدل نمو سنوي مركب يبلغ 32.6٪ من عام 2021 إلى عام 2030.

العامل الأهم:
في ذات السياق يشير موقع “انترناشيونال بانكر” الى أنه نظرًا لأن عالم الخدمات المصرفية يتجه نحو الذكاء الاصطناعي، فمن الضروري ملاحظة أن عنصر العمل الحاسم للذكاء الاصطناعي هو البيانات. الحيلة لاستخدام هذه البيانات هي فهم كيفية الاستفادة منها على أفضل وجه لقيمة عملك. لن تؤدي البيانات بدون توجيه إلى إحراز تقدم ولن تؤدي إلى النشر المناسب للذكاء الاصطناعي الخاص بك. هذا أحد أهم أسباب صعوبة تطبيق الذكاء الاصطناعي في البنوك – يجب أن تكون هناك خطة. حتى لو توصلت إلى استراتيجية سيئة ، يمكن تصحيح هذه الأخطاء بمرور الوقت. يستغرق الأمر بعض الوقت والجهد ، لكنه ممكن. إذا كنت تتحدث عن كيفية استخدام معلومات العملاء، فيمكنك استخدام الذكاء الاصطناعي للخدمات المصرفية بطريقة قابلة للتطوير وقابلة للتنفيذ. بمجرد أن تفهم كيفية استخدام البيانات التي تجمعها، يمكنك تطوير الحلول التقنية التي تعمل مع بعضها البعض، وتحديد الاحتياجات الخاصة، وبناء خطوط البيانات التي ستقودك إلى طريق الذكاء الاصطناعي.