تحليلات إدارة الثروات المدعومة بالذكاء الاصطناعي

يتيح الذكاء الاصطناعي لمديري الثروات الوصول إلى المزيد من البيانات، وتحليلات أسرع، ورؤى أكثر تفصيلاً لمحافظ العملاء. ومع ذلك، فإن قيمته لن تُقاس بحجم المعلومات التي يمكنه معالجتها. فالاختبار الحقيقي يكمن في ما إذا كانت الشركات قادرة على تحويل تلك المعلومات إلى قرارات أفضل دون المساس بالمساءلة أو الأمن أو ثقة العملاء.

لقد تجاوزت التحليلات المدعومة بالذكاء الاصطناعي بكثير التوصيات الأساسية المتعلقة بالمحافظ الاستثمارية التي كانت ترتبط بالجيل الأول من المستشارين الآليين. ويستخدم مديرو الثروات هذه التكنولوجيا حالياً لمراقبة المخاطر، وتوحيد المعلومات المالية، وتحليل الأسواق، وتحديد التغيرات في ظروف العملاء.

إن حجم الفرص المتاحة على نطاق أوسع كبير للغاية. وتقدر شركة PwC أن الذكاء الاصطناعي قد يسهم بما يصل إلى $15.7 تريليون في الاقتصاد العالمي بحلول عام 2030. ومن المرجح أن تكون الخدمات المالية من بين القطاعات الأكثر تأثراً، لأن جزءاً كبيراً من عملها يعتمد على تحليل البيانات، والتعرف على الأنماط، واتخاذ القرارات في ظل حالة من عدم اليقين.

ومع ذلك، فإن هذه التكنولوجيا لا تزيل عدم اليقين المرتبط بالاستثمار. بل إنها تغير السرعة التي يمكن للمؤسسات من خلالها تقييم هذا عدم اليقين.

من المحافظ الاستثمارية الآلية إلى البنية التحتية التحليلية

كانت التطبيقات المبكرة للذكاء الاصطناعي في مجال إدارة الثروات محدودة نسبيًا. فقد استخدمت «المستشارون الآليون» خوارزميات لتقييم درجة تحمل المخاطر، وبناء المحافظ الاستثمارية، وإعادة موازنة الاستثمارات وفقًا لقواعد محددة مسبقًا.

وقد ساهمت هذه المنصات في خفض تكلفة إدارة الاستثمارات الأساسية، كما أتاحت محافظًا استثمارية متنوعة لمجموعة أوسع من العملاء. غير أن قدراتها التحليلية كانت تقتصر عمومًا على المعلومات المالية المنظمة ونماذج الاستثمار الموحدة.

تعمل الأنظمة الحالية في نطاق أوسع من المهام. فهي قادرة على دمج بيانات المحافظ الاستثمارية مع أسعار السوق وتقارير الشركات والمؤشرات الاقتصادية والتغطية الإخبارية وغيرها من المعلومات الخارجية. وتتيح معالجة اللغة الطبيعية لهذه الأنظمة تحليل النصوص، في حين تبحث نماذج التعلم الآلي عن العلاقات التي قد يصعب تحديدها من خلال التحليل التقليدي.

وهذا يؤدي إلى عملية استثمار أكثر ديناميكية. فبدلاً من الاعتماد بشكل أساسي على المراجعات الدورية للمحفظة الاستثمارية، يمكن للمستشارين مراقبة التعرضات وعوامل المخاطرة فور توفر معلومات جديدة.

هذا التمييز مهم. لم يعد الذكاء الاصطناعي مجرد قناة توزيع آلية، بل أصبح جزءًا من البنية التحتية التحليلية التي تستند إليها قرارات الاستثمار.

تُظهر شركة «بلاك روك» حجم هذا التحول

غالبًا ما تُستشهد بمنصة «أладين» التابعة لشركة «بلاك روك» كمثال على إدارة المحافظ الاستثمارية القائمة على التكنولوجيا. ويجمع هذا النظام بين أدوات تحليل المحافظ الاستثمارية ومراقبة المخاطر والتداول والأدوات التشغيلية في بيئة واحدة.

«علاء الدين» ليس مجرد منتج يعتمد على الذكاء الاصطناعي، كما أنه لا يقوم بالتنبؤ بأسواق الاستثمار بشكل مستقل. وتكمن أهميته في دمج كميات ضخمة من البيانات الاستثمارية في إطار تحليلي موحد.

يمكن لمديري المحافظ الاستثمارية استخدام المنصة لدراسة كيفية تأثير التغيرات في أسعار الفائدة أو العملات أو أسعار الأصول على مختلف الاستثمارات. كما يمكنهم اختبار السيناريوهات، ومراقبة حالات التركيز، وتقييم المخاطر عبر المحافظ التي تشمل فئات أصول متعددة.

يمكن للتعلم الآلي أن يوسع نطاق هذه القدرات من خلال اكتشاف الأنماط في المعلومات التاريخية والمعلومات التي يتم جمعها في الوقت الفعلي. وقد يساعد التحليل الناتج عن ذلك فرق الاستثمار على تحديد نقاط الضعف في وقت مبكر أو مقارنة مجموعة أوسع من النتائج المحتملة.

كما يوضح هذا النموذج أهمية الحجم. فشركات إدارة الأصول الكبيرة تتمتع بإمكانية الوصول إلى قواعد بيانات واسعة النطاق، وموظفين متخصصين، ورأس المال اللازم لبناء أنظمة متطورة. أما شركات إدارة الثروات الأصغر حجماً، فمن المرجح أن تحصل على قدرات مماثلة من خلال مزودي التكنولوجيا الخارجيين.

مزيد من البيانات، ولكن ليس بالضرورة مزيدًا من الوضوح

وفقًا لموقع ’ستاتيستا»، كان من المتوقع أن ينمو السوق العالمي لتكنولوجيا الذكاء الاصطناعي في القطاع المالي بمعدل سنوي يبلغ حوالي 23% بين عامي 2021 و2025. ويعكس هذا النمو كلاً من التقدم التكنولوجي ورغبة المؤسسات المالية في استخلاص المزيد من القيمة من بياناتها الحالية.

يمكن لأنظمة الذكاء الاصطناعي معالجة المعلومات الواردة من مصادر كان من الصعب في السابق دمجها في تحليل المحافظ الاستثمارية. وقد تشمل هذه المصادر مؤشرات الرأي العام على وسائل التواصل الاجتماعي، والتطورات الجيوسياسية، والصور الملتقطة بالأقمار الصناعية، والإفصاحات غير المنظمة الصادرة عن الشركات.

يمكن أن تثري هذه المدخلات أبحاث الاستثمار. كما يمكن أن تضيف بعض التشويش.

قد تعكس الأنشطة على وسائل التواصل الاجتماعي مشاعرًا قصيرة الأمد بدلاً من تغيير جوهري. وقد يؤدي تحليل الأخبار إلى تفسير السياق تفسيرًا خاطئًا. ونادرًا ما يكون للأحداث الجيوسياسية تأثير واحد يمكن التنبؤ به على الأسواق.

لذلك، لا ينبغي الخلط بين القدرة على معالجة المزيد من المعلومات والقدرة على التنبؤ بدقة. فقد تحدد النماذج علاقات تختفي عند تغير ظروف السوق. كما أنها قد تقدم نتائج رقمية دقيقة لافتراضات تظل محفوفة بدرجة عالية من عدم اليقين.

تكمن قيمة الذكاء الاصطناعي جزئيًا في توسيع نطاق التحليل. وتظل مسؤولية تقييم أي المعلومات ذات صلة منوطة بالمتخصص في مجال الاستثمار.

التحليل في الوقت الفعلي يغير وتيرة اتخاذ القرارات

غالبًا ما تعتمد العمليات التقليدية لإدارة الثروات على إعداد التقارير الشهرية أو الفصلية. وقد يؤدي ذلك إلى أن يعمل المستشارون والعملاء بناءً على معلومات أصبحت قديمة بالفعل.

يمكن للأنظمة المدعومة بالذكاء الاصطناعي تحليل المحافظ الاستثمارية بشكل مستمر. ويمكن أن تنعكس أي تغييرات في أسعار السوق أو التقلبات أو الارتباطات على تقييمات المخاطر بشكل شبه فوري.

وقد يتيح ذلك للشركات الاستجابة بسرعة أكبر للمشكلات الناشئة. فقد يتمكن النظام من تحديد أن عدة استثمارات تبدو غير مرتبطة ببعضها قد أصبحت معرضة لنفس مخاطر أسعار الفائدة أو العملة أو السيولة. كما قد يكتشف أن محفظة أحد العملاء قد تجاوزت الحدود المتفق عليها عقب حركة حادة في السوق.

السرعة أمر مفيد، لكنها قد تخلق ضغطًا يدفع إلى التصرف في حين أن ضبط النفس قد يكون الخيار الأفضل.

لا يحتاج المستثمرون على المدى الطويل إلى التداول استجابةً لكل تغيير في ظروف السوق. فقد تؤدي التنبيهات المتكررة إلى تشجيع التدخل غير الضروري وتقويض استراتيجية تم وضعها بعناية.

لذلك، يتعين على مديري الثروات التمييز بين المعلومات التي تستلزم اتخاذ إجراء والمعلومات التي تقتصر على وصف التقلبات قصيرة الأجل.

التخصيص يتجاوز استبيانات تقييم المخاطر

من أقوى الحجج التي تُساق لصالح الذكاء الاصطناعي أنه قادر على تقديم مشورة استثمارية أكثر تخصيصًا.

غالبًا ما تعتمد الطريقة التقليدية في بناء المحافظ الاستثمارية على تصنيف العملاء إلى فئات عامة بناءً على العمر والثروة ومدى تحمل الخسائر. أما أنظمة الذكاء الاصطناعي، فيمكنها أن تأخذ في الاعتبار مجموعة أوسع بكثير من المتغيرات، بما في ذلك الدخل وأنماط الإنفاق ومتطلبات السيولة والالتزامات الضريبية وتوقيت الالتزامات المالية المستقبلية.

وقد ينتج عن ذلك محفظة استثمارية تتناسب بشكل أوثق مع الظروف الفعلية للعميل.

بالنسبة للعائلات الثرية، قد يشمل التخصيص أيضًا توحيد المحافظ الاستثمارية المعقدة. فقد تكون الأوراق المالية العامة والشركات الخاصة والعقارات والديون والمقتنيات موزعة على عدة بنوك وولايات قضائية. ويمكن للمنصات المدعومة بالذكاء الاصطناعي أن تساعد في تنظيم هذه المعلومات وتحديد المخاطر التي لا تظهر ضمن الحسابات الفردية.

لكن التخصيص يعتمد على دقة السجلات وحداثتها. فإذا لم يتم تقييم الأصول الخاصة بشكل منتظم أو كانت أهداف العميل غير موثقة بشكل جيد، فقد يعطي التحليل الناتج انطباعًا خاطئًا بالدقة.

لا يمكن للنظام أن يجري حساباته إلا استنادًا إلى المعلومات التي يتلقاها. ولا يمكنه تحديد ما إذا كان العميل قد حجب تفاصيل مهمة أم لا، أو ما إذا كانت التفضيلات المعلنة تعكس سلوكه خلال أزمة سوقية.

الأتمتة تغير طبيعة عمل المستشارين

يمكن للذكاء الاصطناعي أن يقلل من الوقت المستغرق في المهام الروتينية مثل جمع البيانات، وإعداد تقارير المحافظ الاستثمارية، وتصنيف المستندات، والتحضير للاجتماعات.

وهذا يمنح المستشارين مزيدًا من القدرة على القيام بالأنشطة التي يصعب أتمتتها: مناقشة أولويات الأسرة، وشرح المفاضلات، ومساعدة العملاء على اتخاذ القرارات في ظل الضغوط العاطفية.

قد يؤدي هذا التحول إلى تحسين الإنتاجية، لا سيما في الشركات التي لا يزال المستشارون المؤهلون تأهيلاً عالياً فيها يقضون وقتاً طويلاً في تجميع المعلومات يدوياً.

كما قد يؤدي ذلك إلى رفع توقعات العملاء. فعندما تصبح التكنولوجيا قادرة على إعداد ملخصات المحافظ الاستثمارية وتحليلات السوق بشكل شبه فوري، سيقل استعداد العملاء لدفع رسوم إضافية مقابل الأعمال الإدارية.

سيتعين على المستشارين إثبات قيمتهم من خلال تفسير المعلومات بدلاً من مجرد توفيرها. وسيتضمن دورهم بشكل متزايد التحقق من صحة الاستنتاجات التي توصل إليها الذكاء الاصطناعي، ووضعها في سياقها الصحيح، وشرح الأسباب التي تجعل توصية معينة مناسبة للعميل.

وهذا يتطلب مجموعة مختلفة من المهارات. فالمعلومات المالية تظل أمرًا أساسيًّا، لكن المستشارين يحتاجون أيضًا إلى فهم الافتراضات والقيود الكامنة وراء الأنظمة التي يستخدمونها.

تتعلم النماذج من البيانات التاريخية غير الكاملة

غالبًا ما يُوصف نماذج التعلم الآلي بأنها تتحسن باستمرار كلما عالجَت المزيد من البيانات. لكن في الواقع، هذا التحسن ليس تلقائيًا ولا دائمًا.

تتغير الأسواق المالية. تُعاد صياغة اللوائح التنظيمية، وتتغير الأنظمة النقدية، ويتكيف سلوك المستثمرين. وقد تضعف العلاقة التي بدت موثوقة في البيانات التاريخية أو تنعكس اتجاهها.

كما يمكن أن ترث النماذج التحيزات من المعلومات المستخدمة في تدريبها. فإذا كانت القرارات السابقة تعكس افتراضات ضيقة النطاق بشأن سلوك العملاء أو المخاطر، فقد يعيد نظام الذكاء الاصطناعي إنتاج تلك الأنماط على نطاق أوسع.

ويكتسب هذا الأمر أهمية خاصة في تقييمات الملاءمة وتصنيف العملاء. ولا ينبغي للأنظمة الآلية أن تستبعد العملاء أو تضعهم في وضع غير مواتٍ استنادًا إلى علاقات ارتباط لا تستطيع الشركات تفسيرها أو تبريرها.

لذلك، فإن إجراء الاختبارات بانتظام أمر ضروري. يتعين على مديري الثروات مقارنة مخرجات النماذج بالنتائج الفعلية، ودراسة السلوكيات غير المتوقعة، وتحديد متى ينبغي إعادة تدريب النظام أو سحبه من الخدمة.

لا ينبغي أن يقتصر الإشراف البشري على الموافقة على التوصيات بعد صدورها، بل يجب أن يمتد ليشمل تصميم العملية التحليلية نفسها واختبارها وإدارتها.

ستتبع اللوائح سلسلة القرارات

مع تزايد تأثير الذكاء الاصطناعي، من المرجح أن تركز الجهات التنظيمية على كيفية تأثير النتائج الآلية على العملاء.

لا تزول الالتزامات القائمة بمجرد أن تكون التوصية مدعومة بخوارزمية. فلا يزال يتعين على الشركات التأكد من ملاءمة المشورة، ووضوح الاتصالات، وحماية معلومات العملاء.

كما يتعين عليهم تحديد الجهة المسؤولة في حالة تسبب قرار مدعوم بالذكاء الاصطناعي في وقوع ضرر. وقد تتوزع المسؤولية بين مدير الثروات، ومزود البرمجيات، ومزود البيانات، والموظفين الذين يستخدمون النظام.

هذا التعقيد يجعل التوثيق أمراً مهماً. يجب أن تكون الشركات قادرة على توضيح البيانات التي تم استخدامها، وكيف أثرت النتائج على التوصية النهائية، وأين تدخل الحكم البشري في العملية.

قد لا تكون الشفافية الفنية الكاملة ممكنة دائمًا في حالة النماذج المعقدة. لكن ينبغي أن يظل مدير الثروات قادرًا على تقديم تفسير واضح ومفهوم لأسباب اتخاذ القرار.

لا يحتاج العملاء إلى فهم كل سطر من سطور البرمجة. لكنهم بحاجة إلى معرفة الأساس الذي تُدار عليه أموالهم.

تحدّ الإجراءات الأمنية من الرغبة في التجريب

تعتمد تحليلات الذكاء الاصطناعي على الوصول إلى معلومات مالية وشخصية مفصلة. فالبيانات نفسها التي تجعل الخدمة أكثر فائدة تجعلها أيضًا أكثر حساسية.

يجب على مديري الثروات أن يأخذوا في الاعتبار مكان تخزين المعلومات، والأنظمة التي يمكنها الوصول إليها، وما إذا كان مزودو خدمات الذكاء الاصطناعي الخارجيون يستخدمون بيانات العملاء لتحسين نماذجهم الخاصة.

الأمن السيبراني ليس سوى جزء واحد من المشكلة. فالشركات تواجه أيضًا مخاطر ناجمة عن الكشف العرضي عن المعلومات، والأذونات غير الصحيحة، وإدخال الموظفين للمعلومات السرية في أدوات غير مناسبة.

قد يمتلك عملاء الثروات الخاصة حصصًا في شركات عائلية، وصناديق استئمانية، ومعاملات مستقبلية غير معروفة للجمهور. وقد يؤدي تسرب البيانات إلى عواقب تجارية وقانونية وشخصية تتجاوز بكثير قيمة الحساب المتضرر.

لذلك، يتعين على المؤسسات فرض ضوابط صارمة على الأنظمة المعتمدة وحالات الاستخدام المسموح بها. فلا يجوز أن يكون التجريب على حساب السرية.

الميزة التنافسية تتحول إلى مرحلة التنفيذ

توقعت شركة «غارتنر» أن تستند 75% من استراتيجيات الاستثمار إلى تحليلات الذكاء الاصطناعي بحلول عام 2026. ورغم أن الرقم الدقيق يحتاج إلى التحقق، إلا أن هذا الاتجاه يبدو معقولاً: فقد أصبح التحليل الآلي شائعاً بشكل متزايد في جميع مجالات الخدمات المالية.

مع اتساع نطاق الوصول إلى أدوات الذكاء الاصطناعي، ستقل قدرة هذه التكنولوجيا بحد ذاتها على تمييز الشركات عن بعضها. فقد تستخدم الشركات المتنافسة نماذجً وبيانات سوقية ومنصات خارجية متشابهة.

ستتكشف الميزة من خلال التنفيذ.

سيكون مديرو الثروات الذين يمتلكون بيانات موحدة ومستشارين ذوي خبرة ونظام حوكمة واضح في وضع أفضل للاستفادة من الذكاء الاصطناعي بفعالية. أما الشركات التي تعمل بسجلات مجزأة وأنظمة غير متكاملة بشكل جيد، فقد تكتفي ببساطة بأتمتة نقاط الضعف الحالية.

من غير المرجح أن تقوم المؤسسات الأكثر نجاحًا بتفويض قرارات الاستثمار بالكامل إلى الآلات. كما أنها لن تعامل الذكاء الاصطناعي كإضافة شكلية لخدمة تقليدية.

وسيستخدمون هذه التكنولوجيا بشكل انتقائي: لتنظيم المعلومات، واختبار المحافظ الاستثمارية، ومراقبة المخاطر، وإعداد المستشارين لإجراء محادثات أكثر عمقًا مع العملاء.

يمكن للتحليلات المدعومة بالذكاء الاصطناعي أن تجعل إدارة الثروات أسرع وأكثر استجابة ودقة. إلا أنها لا تستطيع تحديد الأهداف المالية الأكثر أهمية بالنسبة لعائلة ما، أو مدى عدم اليقين الذي يستعد العميل فعليًّا لتقبُّله.

تظل هذه مسائل تتعلق بالحكم الشخصي. والغرض من تحسين التحليلات ليس استبدال هذا الحكم، بل تزويده بأساس أكثر متانة.