الانتشار العالمي لتكنولوجيا الذكاء الاصطناعي في إدارة المخاطر
يمكن للذكاء الاصطناعي اكتشاف المدفوعات غير العادية، وتحليل مؤشرات تدهور الجدارة الائتمانية، ومراجعة آلاف تنبيهات الامتثال بسرعة تفوق قدرة فريق بشري. وهذا يجعله أداة محتملة قيّمة لإدارة المخاطر، ولكنه لا يُعد حارسًا مستقلًا للمؤسسة المالية. فقد تفوت النماذج التهديدات غير المألوفة، وتكرر التحيز، وتخلق تبعيات جديدة لمزودي البيانات والتكنولوجيا. لذا، فإن السؤال العملي ليس ما إذا كان ينبغي للبنك استخدام الذكاء الاصطناعي، بل ما هي المخاطر التي يمكن أن يساعد في إدارتها، وما هي الضوابط اللازمة لمنع أن تصبح هذه التكنولوجيا مصدرًا آخر للتعرض للمخاطر.
تتقدم عملية التبني بوتيرة أسرع من وتيرة الحوكمة
يُستخدم الذكاء الاصطناعي بالفعل على نطاق واسع في القطاع المصرفي. فقد أفادت الهيئة المصرفية الأوروبية في عام 2025 أن 92 في المائة من بنوك الاتحاد الأوروبي كانت تستخدمه، في حين كانت المؤسسات المتبقية تجري تجارب أو تناقش تطبيقاته المحتملة. وبالمثل، وجد كل من بنك إنجلترا وهيئة السلوك المالي أن استخدامه واسع النطاق في جميع أنحاء قطاع الخدمات المالية بالمملكة المتحدة.
ومع ذلك، قد تبالغ إحصاءات اعتماد هذه التقنيات في تقدير مدى نضج عملية التنفيذ. فقد يُصنف أحد البنوك على أنه مستخدم للذكاء الاصطناعي لمجرد أنه يطبق التعلم الآلي في الكشف عن الاحتيال أو يسمح لموظفيه باستخدام مساعد توليدي داخلي. وهذا لا يعني أن الذكاء الاصطناعي هو الذي يتخذ قراراته الأساسية المتعلقة بالائتمان أو السيولة أو مخاطر السوق.
لا تزال العديد من المؤسسات تتوخى الحذر بشأن استخدام الذكاء الاصطناعي مباشرةً في العمليات ذات التأثير الكبير. وقد تستخدمه لتحديد الحالات التي تستدعي التحقيق، مع الحفاظ في الوقت نفسه على النماذج المعمول بها وعلى موافقة البشر في اتخاذ القرار النهائي.
هذا التمييز مهم. يمكن للذكاء الاصطناعي أن يدعم وظيفة الرقابة دون أن يتحمل المسؤولية عن النتيجة. وتظل المؤسسة المالية مسؤولة بغض النظر عما إذا كان الخطأ ناجمًا عن موظف، أو نموذج تم تطويره داخليًّا، أو مزود تقنية خارجي.
يُعد الكشف عن الاحتيال أحد أقوى حالات الاستخدام
يتعين على أنظمة الكشف عن الاحتيال فحص كميات هائلة من المعاملات، مع تحديد المعاملات التي تستدعي التدخل. وقد تقوم القواعد التقليدية بوضع علامة على كل دفعة تتجاوز مبلغًا معينًا أو كل موقع غير معتاد. أما أنظمة التعلم الآلي، فيمكنها فحص مجموعة أوسع من العوامل السلوكية، بما في ذلك سجل المعاملات ومعلومات الجهاز والتوقيت والعلاقات بين الحسابات.
قد يساعد ذلك في تحديد الأنماط التي قد تفوتها القواعد الثابتة. كما يمكن أن يقلل من التنبيهات غير الضرورية من خلال التمييز بين السلوك غير المعتاد حقًّا والتغيير المشروع في طريقة استخدام العميل لحسابه.
ولا تكمن الفائدة في مجرد تحسين معدل الكشف فحسب. فالنتائج الإيجابية الكاذبة المفرطة قد تؤدي إلى حظر معاملات دفع حقيقية، مما يحرم العملاء من الوصول إلى أموالهم بينما يقضي المحققون وقتهم في مراجعة أنشطة غير ضارة.
يمكن للذكاء الاصطناعي أن يساعد في تحديد أولويات التنبيهات، لكن أساليب الاحتيال تتطور استجابةً للضوابط المصممة لوقفها. فالمجرمون يختبرون الأنظمة، ويتلاعبون بالهويات، ويكيفون أنماط المعاملات. وقد يكون أداء النموذج الذي تم تدريبه على حالات الاحتيال السابقة ضعيفًا في مواجهة طريقة جديدة.
لذلك، تحتاج المؤسسات إلى مراقبة مستمرة، وردود فعل سريعة من الباحثين، والقدرة على تحديث الضوابط دون الافتراض بأن النموذج الذي نجح في السابق سيظل فعالاً إلى الأبد.
قد تصبح عمليات المراجعة المتعلقة بمكافحة غسل الأموال أكثر تركيزًا
تخصص البنوك موارد كبيرة لرصد المعاملات والتحقيق في حالات غسل الأموال المحتملة. وغالبًا ما تصدر الأنظمة الحالية أعدادًا كبيرة من التنبيهات، التي لا يؤدي الكثير منها إلى تقديم تقرير عن نشاط مشبوه.
قد تسهم الذكاء الاصطناعي في تحسين هذه العملية من خلال ربط العملاء والشركات والحسابات والمعاملات التي تبدو غير مرتبطة ببعضها البعض عند النظر إليها كل على حدة. ويمكن لتحليل الشبكات أن يكشف عن عناوين مشتركة أو روابط ملكية أو مسارات دفع مشتركة بين عدة كيانات.
كما يمكن لأدوات اللغة الطبيعية أن تساعد المحققين من خلال تنظيم ملفات القضايا، وتلخيص الأنشطة السابقة، واسترجاع السياسات ذات الصلة. ويمكن أن يؤدي ذلك إلى تقليل الأعباء الإدارية، مما يتيح للمتخصصين التركيز على جوهر القضية.
لا ينبغي أن تقرر التكنولوجيا من تلقاء نفسها أن العميل متورط في سلوك إجرامي. فقد تكون هناك تفسيرات مشروعة لهذه الأنماط، كما أن الاستنتاجات الآلية قد تنطوي على عواقب وخيمة على إمكانية الوصول إلى الحساب وعلى السمعة.
كما يجب على البنوك تجنب استخدام الذكاء الاصطناعي لمجرد تسريع عملية معالجة التنبيهات. فالكفاءة لا تكون ذات قيمة إلا عندما تسهم في تحسين عملية تحديد المخاطر الحقيقية والتحقيق فيها، لا أن تكون مجرد وسيلة أسرع لإغلاق القضايا.
يتطلب تقييم الجدارة الائتمانية عناية خاصة
يمكن للتعلم الآلي تحليل البيانات المالية وسجلات السداد وأنماط التدفقات النقدية وغيرها من المعلومات لتقدير مدى احتمالية سداد المقترض للقرض. وقد يكتشف علاقات يصعب رصدها من خلال بطاقات التقييم التقليدية.
ويمكن أن يؤدي ذلك إلى تحسين سرعة واتساق عملية تقييم الجدارة الائتمانية، لا سيما بالنسبة للشركات الصغيرة أو المستهلكين الذين لا يمتلكون سجلات ائتمانية تقليدية كافية. كما قد تساعد البيانات البديلة في تقييم المتقدمين الذين يصعب تقييمهم بخلاف ذلك.
قد يؤدي هذا النهج نفسه إلى التمييز. فقد تكون المتغيرات التي تبدو محايدة بمثابة مؤشرات غير مباشرة لخصائص محمية أو لوضع اقتصادي متدني. وقد يسفر النموذج عن نتائج مختلفة حسب الحي أو المهنة أو نوع الجهاز، حتى لو لم تسجل تلك الخصائص صراحةً العرق أو الجنس أو أي سمة محمية أخرى.
كما تعكس البيانات التاريخية قرارات الإقراض السابقة. فإذا كانت مجموعات معينة قد حصلت في الماضي على قروض أقل أو بشروط أقل ملاءمة، فقد يتعلم النموذج هذا النمط ويكرره كما لو كان دليلاً موضوعياً على وجود مخاطر.
وبالتالي، تتطلب قرارات الائتمان إجراء اختبارات على مختلف فئات العملاء ذات الصلة، وتقديم أسباب واضحة للنتائج السلبية، وتوفير سبل فعالة للمراجعة. وبموجب قانون الاتحاد الأوروبي للذكاء الاصطناعي، تُصنف بعض أنظمة الذكاء الاصطناعي المستخدمة لتقييم الجدارة الائتمانية على أنها عالية المخاطر، وتخضع لمتطلبات إضافية.
إن قابلية التفسير ليست مجرد تفضيل تقني في هذا السياق. فلا ينبغي أن يُكتفى بإعطاء العميل الذي رُفض طلبه للحصول على منتج مالي مهم تفسيرًا وحيدًا مفاده أن “الخوارزمية هي التي قررت ذلك”.
يمكن لنماذج مخاطر السوق أن تكتشف أنماطًا، لا أن تتنبأ بما سيحدث في المستقبل بشكل مؤكد
تستخدم المؤسسات المالية النماذج لتقدير كيفية استجابة المحافظ الاستثمارية للتغيرات في أسعار الفائدة والعملات وفروق أسعار الائتمان وأسعار الأصول. ويمكن للذكاء الاصطناعي معالجة عدد أكبر من المتغيرات ونمذجة علاقات أكثر تعقيدًا مقارنة ببعض الأساليب التقليدية.
وقد يساعد ذلك في تحديد التجمعات عبر دفاتر التداول أو الكشف عن أن عدة مراكز تبدو مختلفة تعتمد في الواقع على نفس العامل الاقتصادي الأساسي. كما يمكن أن يدعم الكشف عن الحالات الشاذة في الوقت الفعلي خلال فترات التوتر في السوق.
تكمن نقطة الضعف في أن العلاقات المالية تتغير. فالنموذج الذي تم تدريبه خلال فترة اتسمت باستقرار التضخم أو وفرة السيولة قد يتصرف بشكل مختلف عندما تطرأ تغييرات مفاجئة على صعيد الحرب أو السياسات أو هيكل السوق.
قد تحتوي البيانات التاريخية على أمثلة قليلة للحدث الشديد الذي تحاول المؤسسة وضع نموذج له. وقد يصبح النظام دقيقًا للغاية في تفسير الظروف العادية، بينما يقلل من شأن الحدث الأكثر أهمية.
لذلك، ينبغي أن تُستخدم الذكاء الاصطناعي لتكملة اختبارات التحمل وليس لاستبدالها. فلا تزال المؤسسات بحاجة إلى سيناريوهات افتراضية تتجاوز السجل التاريخي وتضع الافتراضات المتعلقة بالسيولة والارتباطات وسلوك السوق تحت الاختبار.
لا يُعتبر نموذج المخاطر موثوقًا لمجرد احتوائه على عدد أكبر من المتغيرات. بل يُعتبر موثوقًا عندما تُفهم حدوده، وتظل القرارات صامدة حتى في حالة تباين سلوك تلك المتغيرات.
المخاطر التشغيلية لا تقتصر على الأمن السيبراني فحسب
يمكن للذكاء الاصطناعي أن يساعد المؤسسات على تحديد الحالات الشاذة في الأنظمة، والتنبؤ بأعطال المعدات أو البرامج، وتصنيف الحوادث. كما يمكنه تحليل الاتصالات الداخلية أو معالجة البيانات للكشف عن نقاط الضعف التشغيلية الناشئة.
يمكن للأدوات التوليدية أن تدعم الموظفين من خلال استرجاع الإجراءات ومساعدتهم على التعامل مع المواقف الروتينية. ومع ذلك، فقد تصدر هذه الأدوات أيضًا تعليمات خاطئة في اللحظة بالذات التي يحتاج فيها الموظفون إلى توجيهات موثوقة.
تزداد المخاطر التشغيلية عندما تصبح المؤسسة معتمدة على نموذج أو مزود معين دون وجود بديل عملي. فإذا تعذر توفر خدمة الذكاء الاصطناعي، يجب أن تظل العمليات الحيوية قادرة على الاستمرار.
يجب أن يكون البنك على دراية بالوظائف التي تعتمد على النظام، وما يحدث أثناء انقطاع الخدمة، وكيف سيتحول الموظفون إلى العمليات اليدوية أو التقليدية. وينبغي اختبار خطط استمرارية الأعمال بدلاً من الاكتفاء بافتراض صحتها.
يمكن للأتمتة أن تقلل من فئة معينة من الأخطاء البشرية، لكنها في الوقت نفسه تخلق فئة أخرى منها: الاعتماد المفرط على نظام لا يُعرف الكثير عن أعطاله، وقد تكون هذه الأعطال أكثر انتشارًا.
الذكاء الاصطناعي يمثل في آن واحد وسيلة للدفاع السيبراني وتهديدًا سيبرانيًّا
يمكن لفرق الأمن استخدام الذكاء الاصطناعي للكشف عن عمليات الوصول غير العادية، وتحليل نشاط الشبكة، وتحديد أولويات أعداد كبيرة من التنبيهات. وقد يتمكن من تحديد الأنماط الخفية عبر الأجهزة والحسابات بسرعة أكبر من المحللين الذين يعملون يدويًّا.
يستخدم المهاجمون تقنيات مشابهة. يمكن للذكاء الاصطناعي التوليدي إنشاء رسائل تصيد إلكتروني مقنعة، وتقليد أنماط التواصل، والمساعدة في عمليات الهندسة الاجتماعية. كما تسهل الأصوات والصور الاصطناعية انتحال صفة المسؤولين التنفيذيين أو العملاء.
لذلك، ينبغي على المؤسسات المالية أن تجمع بين الرصد التقني والضوابط الصارمة المتعلقة بالمدفوعات والهوية. فلا ينبغي أن تتجاوز رسالة صوتية تبدو أصيلة صادرة عن أحد كبار المسؤولين التنفيذيين إجراءات الموافقة المزدوجة أو التحقق المستقل.
أنظمة الذكاء الاصطناعي نفسها معرضة للهجوم. فقد يتم التلاعب بالمدخلات لتغيير المخرجات، أو استخراج المعلومات السرية، أو إخفاء تعليمات ضارة في المستندات التي تعالجها أدوات التوليد.
يتطلب النموذج المرتبط بقواعد البيانات الداخلية أو القادر على اتخاذ إجراءات ضوابط أكثر صرامة مقارنة بالنظام الذي يقتصر دوره على إنتاج الملخصات. وينبغي تقييد الوصول وفقًا للضرر المحتمل الذي يمكن أن تسببه الأداة، وليس فقط بناءً على حساسية المعلومات التي يمكنها قراءتها.
جودة البيانات هي الإجراء الرقابي الأول
أفاد «بنك التسويات الدولية» في عام 2026 بأن جودة البيانات لا تزال تشكل أحد أهم العوائق التي تحول دون دخول أنظمة الذكاء الاصطناعي المالية مرحلة التشغيل الفعلي. وتواجه المؤسسات صعوبات بسبب المعلومات غير المكتملة أو غير المتسقة أو القديمة أو غير الملائمة للغرض المقصود.
لا تقوم الذكاء الاصطناعي بتصحيح البيانات الرديئة تلقائيًا. بل قد تؤدي إلى تفاقم المشكلة من خلال إنتاج ناتج واضح وثابت استنادًا إلى مدخلات غير موثوقة.
غالبًا ما تقوم المجموعات المالية بتخزين معلومات العملاء والمعاملات والمخاطر عبر أنظمة تم إنشاؤها في أوقات مختلفة. وقد تختلف التعريفات بين وحدات الأعمال المختلفة، في حين أن عمليات الاستحواذ قد تؤدي إلى وجود عدة نسخ متضاربة من نفس السجل.
قبل تطبيق نموذج متطور، يتعين على المؤسسة تحديد البيانات الموثوقة، ومن يملكها، وكيفية تصحيح الأخطاء. وينبغي أن تكون مجموعة البيانات التدريبية ممثلة للظروف التي سيعمل فيها النظام.
كما أن مسار البيانات لا يقل أهمية. يجب أن تكون فرق إدارة المخاطر قادرة على تتبع أي ناتج مهم وصولاً إلى مصادره وفهم كيفية تحويل تلك المعلومات. وبدون هذا السجل، يصبح التحقيق في أي قرار غير متوقع أمراً صعباً.
يجب أن تتناسب قابلية التفسير مع النتيجة
لا تتطلب كل تطبيقات الذكاء الاصطناعي نفس الدرجة من التفسير. فالنموذج الذي يقوم بفرز الوثائق الداخلية له آثار مختلفة عن النموذج الذي يؤثر على الموافقة على الائتمان أو الذي يحدد معاملة ما على أنها قد تكون إجرامية.
تتجه الهيئات التنظيمية بشكل متزايد إلى تبني نهج متناسب. فكلما زاد التأثير على العملاء أو رأس المال أو الاستقرار المالي، كلما كان من الضروري أن تكون قدرة المؤسسة على تفسير النموذج واختباره والتشكيك فيه أقوى.
لا تستطيع بعض الأنظمة المتطورة تقديم وصف بسيط لكل عملية حسابية داخلية. وهذا لا يجعلها غير قابلة للاستخدام، لكن المؤسسات تحتاج إلى أشكال أخرى من الضمان. وقد تشمل هذه الأشكال اختبار كيفية تغير النتائج عند تغير المدخلات، ومقارنة النموذج بمعيار مرجعي أبسط، ودراسة الأداء عبر فئات العملاء المختلفة.
يجب أن يكون مدير المخاطر قادرًا على شرح الغرض الذي صُمم النموذج من أجله، والمعلومات التي يستخدمها، والمجالات التي يظهر فيها أداءً ضعيفًا، والحالات التي لا يجب الاعتماد على نتائجه فيها.
لا ينبغي أن تخضع التكنولوجيا الغامضة لرقابة أقل صرامة لمجرد أن تعقيدها يجعل شرحها أمراً صعباً.
أصبحت التبعية لأطراف ثالثة مشكلة منهجية
لا تقوم العديد من المؤسسات ببناء بنيتها التحتية للذكاء الاصطناعي بالكامل داخل المؤسسة. فهي تعتمد على مزودي الخدمات السحابية، ومطوري النماذج الأساسية، وشركات البيانات المتخصصة، وموردي البرمجيات الخارجيين.
ويمكن أن يتيح ذلك الوصول إلى تكنولوجيا سيكون تطويرها بشكل مستقل مكلفًا. كما أنه يؤدي إلى تركيز الخدمات الحيوية في أيدي عدد صغير نسبيًّا من مقدمي الخدمات العالميين.
إذا كانت العديد من البنوك تعتمد على نفس النموذج أو المنصة السحابية، فإن أي انقطاع في الخدمة أو ثغرة أمنية أو تحديث معيب قد يؤثر على عدة مؤسسات في آن واحد. كما أن النماذج المتشابهة قد تستجيب لمعلومات السوق بطرق متشابهة، مما يزيد من احتمال حدوث سلوك مترابط.
يظل البنك مسؤولاً عن الأنظمة التي يتم الاستعانة بمصادر خارجية لتشغيلها. وينبغي أن تشمل العقود مسائل الوصول إلى البيانات، والإبلاغ عن الحوادث، وحقوق التدقيق، وتغييرات النماذج، والمقاولين من الباطن، وإجراءات استرداد المعلومات عند انتهاء العلاقة.
كما ينبغي للمؤسسة أن تعرف ما إذا كان بإمكانها الاستعانة بمزود آخر أو مواصلة العملية داخليًّا. فخطة الخروج النظرية لا تكفي إذا كان نقل البيانات وإعادة بناء عمليات التكامل سيستغرقان سنوات.
ما الذي يستحق الاستثمار فيه؟
تعد قوائم جرد النماذج أمراً ضرورياً. يجب على المؤسسة أن تعرف أنظمة الذكاء الاصطناعي التي تشغلها، وأين تُستخدم، والبيانات التي تصل إليها، ومن يملك كل نظام منها. فقد تؤدي الأدوات غير المسجلة التي يُدخلها الموظفون بشكل غير رسمي إلى خلق مخاطر تقع خارج نطاق الرقابة الرسمية.
كما أن عملية التحقق المستقلة تستحق التمويل. فيجب أن يتمتع الأشخاص الذين يختبرون النموذج بالسلطة والخبرة الكافيتين لتمكينهم من طرح تساؤلات على الفريق الذي طوره أو اشتراه.
يجب أن تستمر عملية المراقبة بعد النشر. وينبغي مراجعة الدقة، وحالات الإيجابية الكاذبة، ونتائج العملاء، والحوادث التشغيلية بمرور الوقت. فقد يتدهور أداء النموذج الذي اجتاز اختباراته الأصلية مع تغير السلوك وظروف السوق.
ينبغي أن يشمل تدريب الموظفين أكثر من مجرد الجوانب الفنية لاستخدام الأداة. فمن الضروري أن يفهم الموظفون مبادئ السرية، والتحيز، والتحقق، ومتى يتعين رفع الأمر إلى الجهات الأعلى.
قد يؤدي الاستثمار في ضوابط أبسط في بعض الأحيان إلى تحقيق قيمة أكبر. فمن شأن تحسين عمليات التحقق من الهوية، وإدارة الوصول، أو مطابقة البيانات أن يقلل من المخاطر بشكل أكثر موثوقية مقارنة بنموذج متطور يُطبق فوق عمليات ضعيفة.
ما يجب على المؤسسات تجنبه
لا ينبغي شراء الذكاء الاصطناعي لمجرد أن المنافسين يستخدمونه. فالمؤسسة تحتاج إلى مشكلة محددة تتعلق بالمخاطر، وخط أساس قابل للقياس، وتفسير لسبب كون الذكاء الاصطناعي يمثل تحسينًا مقارنةً بالطريقة المتبعة حاليًا.
لا ينبغي استخدام أنظمة «الصندوق الأسود» مباشرةً في اتخاذ قرارات ذات آثار جسيمة دون إجراء اختبارات ومراجعات كافية. كما لا ينبغي قبول ادعاءات المورد بشأن الأداء دون التحقق من صحتها باستخدام البيانات الخاصة بالمؤسسة وظروف التشغيل الخاصة بها.
يجب على البنوك تجنب السماح للموظفين بإدخال معلومات سرية تتعلق بالعملاء أو المخاطر في الخدمات التوليدية العامة. ويجب أن تتضمن الأدوات المعتمدة قواعد واضحة للتعامل مع البيانات وقيودًا تقنية، بدلاً من الاعتماد فقط على السياسة المكتوبة.
ينبغي تقييم الادعاءات المتعلقة بانخفاض معدل النتائج الإيجابية الخاطئة أو انخفاض تكاليف التشغيل جنبًا إلى جنب مع الحالات التي لم يتم اكتشافها، وشكاوى العملاء، وأعمال المراجعة الإضافية. فقد يبدو النظام أكثر كفاءة لأنه يحول التكاليف إلى قسم آخر أو يتسبب في أخطاء لا تظهر إلا في وقت لاحق.
والأهم من ذلك، لا ينبغي اعتبار الذكاء الاصطناعي بديلاً عن المتخصصين ذوي الخبرة في مجال إدارة المخاطر. فهذه التكنولوجيا يمكنها توسيع نطاق التحليل، لكن على البشر تفسير الحالات الاستثنائية، والتشكيك في النتائج غير الواقعية، والبقاء مسؤولين عن اتخاذ القرار.
إطار عمل عملي للنشر
ابدأ بحالة استخدام محددة بوضوح وقارن نظام الذكاء الاصطناعي بالعملية الحالية. حدد التحسينات المطلوبة في مجالات الدقة أو السرعة أو التكلفة أو الكشف عن المخاطر قبل بدء المرحلة التجريبية.
صنف التطبيق وفقًا لتأثيره المحتمل. فقد يتطلب المساعد الداخلي ذو المخاطر المنخفضة ضوابط أساسية، في حين أن النموذج الذي يؤثر على قرارات الائتمان أو التعرض لمخاطر السوق أو الأنشطة المشبوهة يحتاج إلى التحقق الرسمي والإشراف من قبل الإدارة العليا.
اختبر النموذج على بيانات تمثيلية، بما في ذلك الحالات الصعبة وفترات الضغط. قم بتقييم الأداء عبر مجموعات العملاء والمعاملات ذات الصلة، بدلاً من الاعتماد على معدل دقة متوسط.
يجب إدخال المراجعة البشرية في المرحلة التي يمكن أن تؤدي فيها إلى تغيير ملموس في النتيجة. فالشخص الذي يُتوقع منه مجرد الموافقة على مئات التوصيات الآلية لا يوفر رقابة فعالة.
حدد عتبات لتعليق تشغيل النموذج عندما يتدهور الأداء، أو تصبح البيانات غير موثوقة، أو تخرج ظروف السوق عن النطاق الذي تم اختباره. واحرص على وجود عملية بديلة قابلة للتطبيق.
وأخيرًا، يجب تقديم نتائج التقرير إلى الإدارة العليا ومجلس الإدارة بلغة تتيح لهم مناقشتها. فالحوكمة تفشل عندما يُقدَّم الذكاء الاصطناعي على أنه موضوع تقني يقع خارج نطاق مسؤولية صانعي القرار.
يمكن للذكاء الاصطناعي أن يجعل إدارة المخاطر المالية أسرع وأكثر انتقائية، لا سيما في مجالات الكشف عن الاحتيال، ومراقبة المعاملات، وتحليل البيانات، والضوابط التشغيلية. كما يمكنه إخفاء التحيز، وإثارة ثقة زائفة، ودفع المؤسسات إلى التركيز على نفس المزودين والنماذج. ولذلك، فإن أفضل تطبيق ليس هو الأكثر استقلالية، بل هو الذي تكون فيه البيانات موثوقة، والقيود واضحة، ويحتفظ الأشخاص المؤهلون بكل من سلطة وواجب التدخل.
