الطفرة العالمية في إدارة المحافظ الاستثمارية المدعومة بالذكاء الاصطناعي

أصبح الذكاء الاصطناعي أكثر اندماجًا في إدارة المحافظ الاستثمارية، حيث يساعد شركات الاستثمار على تحليل الأسواق ومراقبة المخاطر وتخصيص الخدمات وفقًا لاحتياجات كل عميل على حدة. ويكمن جاذبيته في قدرته على معالجة كميات ضخمة من المعلومات بسرعة تفوق سرعة فرق البحث التقليدية، لكن هذه التكنولوجيا لا تحل محل المبادئ التي تُبنى عليها المحافظ الاستثمارية. فلا يزال توزيع الأصول، والتنويع، والتقييم، ومراقبة المخاطر عناصر أساسية؛ بينما يغير الذكاء الاصطناعي السرعة والنطاق اللذين يمكن تطبيقهما بهما.

ووجدت شركة «ديلويت» أن حوالي 60% من شركات إدارة الاستثمارات التي شملها الاستطلاع كانت تستخدم الذكاء الاصطناعي بدرجة متواضعة في أنشطة التوزيع المتعلقة بالبيانات، في حين أن 11% منها فقط وصفت استخدامها بأنه واسع النطاق. وتشير هذه الأرقام إلى أن القطاع يتجاوز مرحلة التجريب دون أن يصل بعد إلى مرحلة التكامل الكامل. ولا تسلم معظم الشركات قرارات المحفظة الاستثمارية إلى أنظمة ذاتية التشغيل. بل تقوم بإدخال الذكاء الاصطناعي بشكل انتقائي في مجالات البحث، والتواصل مع العملاء، والامتثال، والعمليات التشغيلية، حيث يمكن قياس الفوائد بشكل أوضح.

جاءت الأتمتة قبل الذكاء الاصطناعي

بدأت إدارة المحافظ الاستثمارية في اعتماد التكنولوجيا قبل وقت طويل من الموجة الحالية للذكاء الاصطناعي التوليدي. استخدمت الصناديق الكمية نماذج إحصائية لتحديد الأنماط، في حين قامت أنظمة التداول الخوارزمية بأتمتة التنفيذ وتقليص الفترة الزمنية بين ظهور إشارة الاستثمار وإجراء الصفقة. وفي وقت لاحق، طبّق المستشارون الآليون مبادئ مماثلة على المستثمرين الأفراد من خلال استخدام الاستبيانات الرقمية والمحافظ النموذجية وإعادة التوازن التلقائي لتقديم خدمات إدارة استثمارات أساسية بتكلفة أقل.

أصبحت «ويلثفرونت» أحد أشهر الأمثلة على هذا التحول بعد تأسيسها في عام 2008 وإطلاقها لخدمة الاستثمار الآلي في عام 2011. تعمل منصتها على تكوين محافظ استثمارية من صناديق الاستثمار المتداولة في البورصة، وتعديل توزيعات الأصول وفقًا لملف مخاطر العميل، وأتمتة وظائف مثل إعادة التوازن والاستفادة من الخسائر الضريبية. ولا تكمن أهمية هذا النموذج في التنبؤ بتحركات الأسواق بقدر ما تكمن في توحيد عملية كانت تتطلب في السابق مزيدًا من الإدارة البشرية، مما يسمح للشركة بخدمة قاعدة عملاء كبيرة بتكلفة منخفضة نسبيًا.

يُعد التمييز بين الأتمتة والذكاء الاصطناعي أمرًا مهمًا، لأن هذين المصطلحين غالبًا ما يُستخدمان بالتبادل. ففي حين يمكن للنظام القائم على القواعد إعادة موازنة المحفظة الاستثمارية دون التعلم من البيانات الجديدة، فإن نموذج التعلم الآلي قد يُعدّل استنتاجاته مع تغير ظروف السوق. وكلاهما قادر على تحسين الكفاءة، لكنهما ينطويان على افتراضات ومخاطر مختلفة.

الذكاء الاصطناعي يوسع نطاق التحليل

يتعين على فرق الاستثمار الحديثة معالجة تقارير الشركات، والبيانات الاقتصادية، وأسعار السوق، والأخبار، والأبحاث، وكميات متزايدة من البيانات البديلة. ويمكن للذكاء الاصطناعي تنظيم هذه المعلومات، وتحديد الأنماط غير المعتادة، ولفت الانتباه إلى التطورات التي قد تُفوت لولا ذلك. كما يمكن لأنظمة اللغة الطبيعية مراجعة مكالمات الإعلان عن الأرباح أو الإقرارات التنظيمية، في حين يمكن لنماذج التعلم الآلي مقارنة العلاقات بين آلاف الأوراق المالية والمتغيرات الاقتصادية.

يمكن لهذه القدرات أن تعزز الأبحاث من خلال مساعدة مديري المحافظ الاستثمارية على اختبار المزيد من الفرضيات ومراقبة المزيد من المراكز الاستثمارية. فقد يكتشف النظام أن العديد من الأصول التي تبدو متنوعة معرضة لنفس مخاطر أسعار الفائدة أو العملات أو سلسلة التوريد. كما يمكنه تحديث تلك التقييمات بوتيرة أكبر مما تسمح به المراجعة الفصلية للمحفظة الاستثمارية.

ومع ذلك، فإن توفر المزيد من البيانات لا يؤدي تلقائيًّا إلى اتخاذ قرارات استثمارية أفضل. فالأسواق تحتوي على «ضوضاء» إلى جانب المعلومات، ويمكن للنماذج أن تحدد علاقات ارتباطية تختفي بمجرد تغير الظروف الاقتصادية. وقد يقدم النظام إجابة دقيقة دون تحديد ما إذا كانت العلاقة الكامنة وراءها مستدامة أو ذات مغزى اقتصادي. ويوسع الذكاء الاصطناعي نطاق ما يمكن دراسته، لكن لا يزال يتعين على مدير المحفظة أن يقرر ما الذي يستحق أن يؤثر على تخصيص رأس المال.

يصبح التخصيص أكثر قابلية للتوسع

كما أن الذكاء الاصطناعي يغير الطريقة التي تتبعها الشركات في تكييف المحافظ الاستثمارية والتواصل مع كل عميل على حدة. فنماذج إدارة الثروات التقليدية غالبًا ما تصنف المستثمرين وفقًا لفئات عامة مثل العمر، والأصول، ومدى تحمل المخاطر. أما الأنظمة الأكثر تقدمًا، فيمكنها أن تأخذ في الاعتبار التدفقات النقدية، والالتزامات، واحتياجات السيولة، والظروف الضريبية، والالتزامات المالية المخطط لها، من أجل تكوين صورة أكثر تفصيلًا عن مدى ملاءمة الاستثمارات.

وقد يتيح ذلك للشركات تحديد الحالات التي لا تعكس فيها محفظة العميل ظروفه الحالية، أو عندما تؤدي الاستثمارات الموزعة على عدة حسابات إلى تركيز غير مقصود. كما يمكن للمستشارين الاستعانة بالملخصات التي يُنتجها الذكاء الاصطناعي للتحضير للاجتماعات وتركيز المناقشات على القرارات الأكثر صلة بالعميل، بدلاً من إضاعة الوقت في جمع المعلومات يدويًّا.

تعتمد جودة التخصيص على جودة السجلات الأساسية. ولا تزال العديد من الشركات تحتفظ بمعلومات العملاء عبر أنظمة منفصلة، في حين قد تكون الأصول الخاصة والهياكل العائلية موثقة بشكل غير متسق. ويمكن للذكاء الاصطناعي تحليل البيانات التي يتلقاها، لكنه لا يستطيع تصحيح كل إغفال أو تحديد ما إذا كانت التفضيلات المعلنة للعميل ستصمد أمام انخفاض حاد في السوق. وقد تظل التوصية الأكثر تفصيلاً غير مناسبة إذا كانت مبنية على معلومات غير كاملة.

تقدم إدارة المخاطر حالة استخدام أكثر قوة

تعد مخاطر المحفظة الاستثمارية أحد المجالات التي قد يوفر فيها الذكاء الاصطناعي فائدة عملية واضحة. فأدوات التعلم الآلي قادرة على مراقبة التغيرات في التقلب والارتباط والسيولة وتركيز المحفظة، مما يتيح للشركات اكتشاف المخاطر الناشئة في وقت أبكر. كما يمكنها دعم تحليل السيناريوهات من خلال مقارنة سلوك الأصول المختلفة خلال فترات الضغوط السابقة التي شهدتها الأسواق.

وتعد هذه الأدوات قيّمة لأن المخاطر غالبًا ما تظهر عبر فئات تعالجها التقارير التقليدية بشكل منفصل. فقد تحتوي المحفظة الاستثمارية على أسهم وسندات واستثمارات خاصة تعتمد جميعها على نفس الظروف الاقتصادية، على الرغم من تصنيفها ضمن فئات أصول مختلفة. ويمكن للذكاء الاصطناعي أن يساعد في الكشف عن هذا التعرض المشترك الخفي من خلال دراسة نطاق أوسع من العلاقات.

ومع ذلك، فإن التحليل التاريخي له حدوده. فالنماذج التي تم تدريبها على أزمات سابقة لا يمكنها توقع الأحداث التي تنشأ عن أسباب أو هياكل سوقية مختلفة توقعًا كاملاً، في حين أن الارتباطات غالبًا ما تتغير في الوقت الذي يكون فيه المستثمرون في أمس الحاجة إليها. ولذلك، يتعين على فرق إدارة المخاطر الجمع بين نتائج النماذج واختبارات التحمل القائمة على سيناريوهات لم تحدث في البيانات المتاحة. ويمكن للذكاء الاصطناعي تحسين نظام الإنذار، لكنه لا يستطيع تحديد كل مصدر محتمل للخسارة.

يعتمد تحقيق وفورات في التكاليف على إعادة التصميم

تتوقع شركات الاستثمار أن يسهم الذكاء الاصطناعي في خفض التكاليف من خلال أتمتة مراجعة المستندات، وإعداد التقارير، وتسوية البيانات، وأجزاء من خدمة العملاء. ويمكن أن تكون هذه المكاسب كبيرة في المؤسسات التي لا يزال فيها الموظفون ذوو المؤهلات العالية يقضون وقتًا طويلاً في أداء مهام متكررة. وبذلك، يمكن لمديري المحافظ الاستثمارية والمستشارين تكريس المزيد من الاهتمام للتحليل الاستراتيجي، ووضع الاستراتيجيات، والعلاقات مع العملاء.

ولا تتحقق الوفورات تلقائيًا، لأن الشركات يتعين عليها الاستثمار في البنية التحتية للبيانات، والأمن السيبراني، وتكامل الأنظمة، وتدريب الموظفين قبل أن تتمكن التكنولوجيا من العمل بفعالية. فقد يؤدي تطبيق الذكاء الاصطناعي الذي يُُطبَّق على قواعد بيانات مجزأة إلى خلق طبقة أخرى من التعقيد بدلاً من إزالة طبقة موجودة بالفعل. كما أن المزودين الخارجيين يفرضون تكاليف ترخيص واعتمادات يجب تقييمها جنبًا إلى جنب مع مكاسب الكفاءة المتوقعة.

تبدأ أقوى الحجج التجارية بعملية محددة ونتيجة قابلة للقياس. فمن الممكن تقييم تقليل الوقت اللازم لإعداد تقرير المحفظة، كما يمكن تقييم خفض عدد التنبيهات الخاطئة المتعلقة بالامتثال. أما الطموح العام الرامي إلى تحويل إدارة الاستثمارات من خلال الذكاء الاصطناعي، فهو أصعب في الاختبار، ومن المرجح أن يؤدي إلى تجارب مكلفة دون عوائد واضحة.

يصبح الحكم البشري أكثر وضوحًا

غالبًا ما يُقدَّم الذكاء الاصطناعي باعتباره وسيلةً لإزالة العاطفة والتحيز البشري من قرارات الاستثمار. فالقواعد المنهجية يمكنها بالفعل أن تمنع مدير المحفظة الاستثمارية من التخلي عن استراتيجية ما بسبب مخاوف قصيرة الأجل أو من التعلق باستثمار معين. ومع ذلك، لا تزال النماذج تعكس الخيارات البشرية المتعلقة بالبيانات والأهداف والقيود المستخدمة في بنائها.

يقرر الباحثون أي فترة تاريخية ذات أهمية، وكيف ينبغي قياس المخاطر، وما هي النتائج التي ينبغي للنظام أن يعمل على تحسينها. وبالتالي، يمكن أن يتسلل التحيز من خلال تصميم النموذج بدلاً من حدس المتداول. كما قد يصاب الموظفون بـ«تحيز الأتمتة»، فيقبلون توصية ما لمجرد أنها تبدو معقدة من الناحية الحسابية، حتى لو كانت افتراضاتها ضعيفة.

يصبح دور مدير المحفظة دورًا قائمًا على التفسير والتحدي. يحتاج المحترفون إلى فهم كافٍ للنظام حتى يتمكنوا من إدراك متى يتعارض أحد النتائج مع المنطق الاقتصادي، أو متى تكون البيانات غير موثوقة، أو متى تؤدي التغيرات في ظروف السوق إلى انخفاض مدى ملاءمة النموذج. لم يختفِ الحكم البشري من هذه العملية؛ بل انتقل إلى مرحلة تحديد الحالات التي لا ينبغي فيها اتباع الآلة.

يأتي القرار بعد صدور اللائحة

تظل إدارة المحافظ الاستثمارية المدعومة بالذكاء الاصطناعي خاضعة لنفس الالتزامات المتعلقة بالملاءمة والواجبات الائتمانية والإفصاح، تمامًا مثل الاستشارات التقليدية. ولا يمكن لأي شركة أن تحيل المسؤولية إلى خوارزمية عندما تكون التوصية غير ملائمة أو عندما يؤدي النموذج إلى نتيجة ضارة. وستتوقع الجهات التنظيمية من المؤسسات توثيق كيفية تأثير الأنظمة على القرارات، وتحديد الجهة التي تظل مسؤولة عن الموافقة عليها.

تكتسب قابلية التفسير أهمية خاصة عندما يؤثر الذكاء الاصطناعي على عميل فردي. لا يحتاج المستثمرون إلى فهم كل الحسابات الفنية، لكن ينبغي أن يكونوا قادرين على الحصول على شرح واضح يوضح سبب ملاءمة محفظة استثمارية معينة أو توصية ما. فقد توفر النماذج شديدة التعقيد تحسينات هامشية في الأداء التنبئي، في حين تجعل تقديم هذا التفسير أكثر صعوبة.

وبالتالي، تواجه الشركات مفاضلة بين التعقيد والسيطرة. ففي بعض التطبيقات، قد يكون النموذج الأبسط الذي يمكن للموظفين والجهات التنظيمية فهمه أكثر فائدة من نظام أكثر دقة لا يمكن تفسير سلوكه أو الطعن فيه بشكل موثوق.

تُحدّ العوامل الأمنية من وتيرة التبني

تتطلب أنظمة إدارة المحافظ التي تعتمد على الذكاء الاصطناعي الوصول إلى بيانات حساسة تتعلق بالسوق والعملاء والمعاملات. ويؤدي ذلك إلى ظهور مخاطر تتعلق بالسرية والأمن السيبراني والاستعانة بمزودي التكنولوجيا الخارجيين. وقد تكشف سجلات إدارة الثروات عن الهياكل الأسرية والمصالح التجارية والمواقف الضريبية والمعاملات المخطط لها، مما يجعل أي خرق لهذه السجلات أمراً مدمراً بشكل خاص.

تحتاج المؤسسات إلى قواعد واضحة تنظم الأنظمة التي يُسمح لها بالوصول إلى معلومات العملاء، وأماكن معالجة البيانات، وما إذا كان بإمكان مقدمي الخدمات الخارجيين استخدامها لتدريب نماذج أخرى. كما يجب منع الموظفين من إدخال المعلومات السرية في أدوات لم تتم الموافقة على استخدامها في المجال المالي.

الأمن السيبراني ليس سوى جزء من المشكلة. يجب على الشركات أن تستعد لمواجهة النتائج الخاطئة، وانقطاع الخدمات، واحتمال التلاعب بالنموذج من خلال بيانات تالفة. وتتطلب المرونة التشغيلية القدرة على اكتشاف المشكلة ومواصلة العمل في حالة عدم توفر الأنظمة الآلية.

الميزة التنافسية تتجه نحو التنفيذ

أصبحت أدوات الذكاء الاصطناعي متاحة على نطاق أوسع، مما يقلل من احتمال أن يؤدي الوصول إلى هذه التكنولوجيا وحده إلى تحقيق ميزة تنافسية دائمة. يمكن للشركات المنافسة الحصول على نماذج مماثلة، وقدرات حاسوبية، وبيانات سوقية، مما يعني أن التميز سيعتمد بشكل متزايد على المعلومات الحصرية، والتكامل الفعال، وجودة الإشراف البشري.

قد تستفيد المؤسسات الكبيرة من قواعد البيانات الواسعة النطاق وفرق المتخصصين، في حين يمكن للشركات الأصغر حجمًا الحصول على قدرات متطورة من خلال منصات خارجية. وتتمتع هذه الأخيرة بإمكانية الوصول بتكلفة أقل، لكنها تتنازل عن قدر من السيطرة على البنية التحتية وتصميم النماذج. وفي كلتا الحالتين، تعتمد قيمة النظام على ما إذا كان مدمجًا في عملية الاستثمار أم أنه أُضيف كميزة منفصلة.

تشير أحدث دراسة أجرتها شركة «PwC» حول إدارة الأصول والثروات إلى أن الشركات الرائدة تعمل على دمج تقنيات مثل الذكاء الاصطناعي والتحليلات المتقدمة في صميم عمليات الاستثمار والتوزيع وتقديم الخدمات، بدلاً من استخدامها كأدوات داعمة فحسب. ويُبرز هذا التمييز المرحلة التالية من عملية التبني؛ حيث ستنبع الميزة التنافسية من إعادة تصميم سير العمل والقرارات بناءً على هذه التقنية، وليس من مجرد الإعلان عن وجود الذكاء الاصطناعي.

لا تزال إدارة المحافظ الاستثمارية عملية تتسم بعدم اليقين

ستستمر الذكاء الاصطناعي في الانتشار عبر مجالات البحث وإدارة المخاطر وخدمة العملاء وعمليات إدارة المحافظ الاستثمارية خلال السنوات الثلاث إلى الخمس المقبلة. وستعمل أدوات اللغة الطبيعية على تحسين الوصول إلى المعلومات، في حين ستساعد نماذج التعلم الآلي الشركات على مراقبة محافظ استثمارية أكبر حجماً وأكثر تعقيداً. ومن المرجح أن تؤدي هذه التطورات إلى جعل مؤسسات الاستثمار أسرع وأكثر قابلية للتوسع.

لن تجعل الأسواق قابلة للتنبؤ. فالأسعار تعكس التوقعات المتغيرة والقرارات السياسية والسلوك البشري، في حين أن العلاقات التي تظهر في البيانات التاريخية قد تضعف بمجرد أن يبدأ المستثمرون في التداول بناءً عليها. وقد يزيد الذكاء الاصطناعي من احتمالية اتخاذ قرار سليم، لكنه لا يمكنه ضمان النتيجة أو تحديد المخاطر التي ينبغي على المستثمر قبولها.

وبالتالي، فإن النموذج الأكثر موثوقية ليس آليًا بالكامل ولا يعتمد كليًّا على التقدير الفردي. ففي حين يمكن للآلات معالجة المعلومات، وكشف الأنماط، وتطبيق قواعد المحفظة الاستثمارية، يقوم البشر بتقييم ما إذا كانت النتيجة منطقية من الناحية الاقتصادية وما إذا كانت لا تزال مناسبة للعميل. إن الذكاء الاصطناعي يغير آليات إدارة المحافظ الاستثمارية، لكن التخصيص المنضبط للأصول، والمساءلة الواضحة، وفهم عدم اليقين ستظل هي العوامل التي تحدد ما إذا كانت تلك الآليات ستحقق نتائج استثمارية أفضل.