الطفرة العالمية في تحليلات إدارة الثروات المدعومة بالذكاء الاصطناعي

أصبح الذكاء الاصطناعي جزءًا من البنية التحتية التحليلية لإدارة الثروات. وتستخدم الشركات هذه التكنولوجيا لمعالجة المزيد من المعلومات، ومراقبة المحافظ الاستثمارية، وتقديم توصيات مخصصة لكل عميل على حدة. وتتوقع شركة PwC أن ينمو اعتماد الذكاء الاصطناعي في قطاع الخدمات المالية بمعدل 30% سنويًا. ومع ذلك، فإن نجاح هذه التكنولوجيا سيعتمد على جودة البيانات والضوابط والحكم المهني المحيط بها أكثر من اعتماده على قوة المعالجة.

لطالما اعتمدت إدارة الثروات على الجمع بين البيانات التاريخية للأسواق وخبرة المستشارين ومديري المحافظ الاستثمارية. ولا يزال هذا النموذج صالحًا، إلا أنه يواجه تحديات بسبب الكم الهائل للمعلومات المتاحة حاليًّا وسرعة تدفقها.

يجب على فرق الاستثمار متابعة المؤشرات الاقتصادية، والإفصاحات الصادرة عن الشركات، وأسعار السوق، والتطورات السياسية، والتغيرات في محافظ العملاء. ولا يمكن لأي محلل بمفرده دراسة كل الإشارات ذات الصلة في الوقت الفعلي.

وتعد أنظمة الذكاء الاصطناعي بتضييق هذه الفجوة. فنماذج التعلم الآلي قادرة على معالجة مجموعات البيانات الضخمة، وتحديد الأنماط غير المعتادة، وتحديث التقييمات فور ورود معلومات جديدة. كما يمكن لأدوات اللغة الطبيعية فحص تقارير الشركات والتغطية الإخبارية والأبحاث التي كانت تتطلب في السابق مراجعة يدوية مكثفة.

والنتيجة ليست اليقين. بل هي أساس أوسع وأسرع لاتخاذ القرارات.

من التحليل التاريخي إلى الرصد المستمر

غالبًا ما يكون تحليل المحفظة الاستثمارية التقليدي تحليلًا رجعيًّا. حيث يقوم المديرون بدراسة العوائد السابقة، وارتباطات الأصول، ومستويات التقلب، لفهم الكيفية التي قد تتصرف بها الاستثمارات في ظل ظروف مختلفة.

يمكن للذكاء الاصطناعي توسيع نطاق هذه العملية من خلال دمج المعلومات التاريخية مع بيانات السوق الحالية. ويمكن مراقبة المحافظ الاستثمارية بشكل مستمر، بدلاً من تقييمها فقط خلال المراجعات المجدولة.

وهذا يتيح للشركات تحديد التجمعات الناشئة أو التغيرات في المخاطر. فعلى سبيل المثال، قد تعتمد الاستثمارات التي تبدو متنوعة من حيث فئات الأصول على نفس بيئة أسعار الفائدة أو أسعار السلع الأساسية أو السوق الجغرافية.

يمكن لنماذج التعلم الآلي الكشف عن مثل هذه العلاقات عبر آلاف المراكز الاستثمارية. كما يمكنها أن تساعد المديرين على اختبار كيفية استجابة المحافظ الاستثمارية للتضخم، أو تقلبات أسعار العملات، أو تدهور السيولة في السوق.

هذه القدرات قيّمة، لكن لا ينبغي الخلط بينها وبين التنبؤ الموثوق. فالأسواق المالية تتأثر بالسلوك البشري، والقرارات السياسية، والأحداث غير المتوقعة. وقد يكون أداء النماذج التي تم تدريبها على ظروف سابقة ضعيفًا عندما تتغير تلك الظروف.

يمكن للذكاء الاصطناعي حساب النتائج المحتملة بسرعة أكبر. لكنه لا يستطيع القضاء على عدم اليقين الكامن وراءها.

تُظهر شركة «بلاك روك» أهمية التكامل

غالبًا ما تُستشهد بشركة «بلاك روك» كمثال على إدارة الاستثمارات القائمة على التكنولوجيا. وتجمع منصتها «أладين» بين بيانات المحافظ الاستثمارية وتحليل المخاطر والوظائف التجارية والتشغيلية.

لا تكمن أهمية هذه المنصة في خوارزمية تنبؤية واحدة، بل في قدرتها على توفير رؤية شاملة للمخاطر الاستثمارية. ويمكن لمديري المحافظ الاستثمارية دراسة المخاطر عبر فئات الأصول المختلفة، واختبار السيناريوهات، ومراقبة تأثير تحركات السوق على مختلف الاستثمارات.

يمكن للتعلم الآلي أن يعزز هذه الوظائف من خلال تحديد الأنماط أو الحالات الشاذة التي قد يغفلها التحليل التقليدي.

كما يوضح النظام الميزة التي تتمتع بها المؤسسات الكبيرة. فشركة «بلاك روك» يمكنها الاعتماد على قاعدة بيانات واسعة النطاق، وفرق متخصصة، واستثمارات تكنولوجية ضخمة. أما شركات إدارة الثروات الأصغر حجماً، فمن غير المرجح أن تتمكن من بناء بنية تحتية مماثلة داخليًّا.

وبدلاً من ذلك، قد تلجأ هذه الشركات إلى منصات خارجية توفر تحليلات المحافظ الاستثمارية المدعومة بالذكاء الاصطناعي، وأدوات الامتثال، وتقارير العملاء. وهذا يتيح للشركات الأصغر حجماً الوصول إلى قدرات أكثر تطوراً، لكنه يزيد في الوقت نفسه من اعتمادها على مزودي الخدمات الخارجيين.

وبالتالي، فإن السؤال الاستراتيجي لا يقتصر على ما إذا كانت الشركة تستخدم الذكاء الاصطناعي فحسب، بل يتعلق أيضًا بمن يتحكم في التكنولوجيا والبيانات التي تعتمد عليها.

ساهمت خدمات الاستشارات الآلية في توسيع نطاق السوق

كانت برامج الاستشارة الآلية من أوائل التطبيقات البارزة للتحليلات الآلية في مجال إدارة الثروات.

استخدمت شركات مثل «بيترمنت» و«ويلثفرونت» الاستبيانات الرقمية والنماذج الخوارزمية لإنشاء محافظ استثمارية متنوعة، وإعادة موازنة الاستثمارات، وإدارة المعاملات المتعلقة بالضرائب. ويمكن تقديم خدماتها بتكلفة أقل مقارنة بالعلاقات الاستشارية التقليدية.

أتاح هذا النموذج إدارة المحافظ الاستثمارية للعملاء الذين يمتلكون مبالغ استثمارية أصغر. كما حدد توقعات تتعلق بسرعة فتح الحسابات، وشفافية الرسوم، وإمكانية الوصول الرقمي المستمر.

من المرجح أن يكون الجيل القادم من الاستشارات المدعومة بالذكاء الاصطناعي أكثر تعقيدًا. فبدلاً من تصنيف العملاء ضمن فئات مخاطر عامة، قد تأخذ الأنظمة في الاعتبار الدخل، والإنفاق، ومتطلبات السيولة، والظروف الضريبية، والالتزامات المالية طويلة الأجل.

وهذا يتيح إمكانية وضع استراتيجيات أكثر تخصيصًا. كما يتطلب ذلك المزيد من البيانات الشخصية وتقييمات أكثر دقة.

المحفظة الاستثمارية التي تُصمم خصيصًا بناءً على معلومات غير كاملة أو غير دقيقة لا تُعد محفظة مخصصة حقًّا. بل هي مجرد محفظة خاطئة بشكل أكثر ثقة.

تجذب الوفورات في التكاليف المؤسسات

تُقدِّر شركة «ديلويت» أن التحليلات المدعومة بالذكاء الاصطناعي قد خفضت التكاليف التشغيلية بنسبة تصل إلى 30% في بعض الشركات.

وتأتي هذه الوفورات من عدة مصادر. فالأنظمة قادرة على أتمتة عمليات جمع البيانات وإعداد تقارير المحافظ الاستثمارية ومراجعة المستندات. ويمكن لفرق الاستثمار فحص مجموعة أوسع من الأصول دون زيادة عدد الموظفين بنفس المعدل. وقد يقضي المستشارون وقتًا أقل في إعداد التحليلات الروتينية.

وهذا لا يعني أن تطبيق الذكاء الاصطناعي لا يتطلب تكاليف باهظة.

يجب على المؤسسات المالية الاستثمار في البنية التحتية للبيانات، وتكامل الأنظمة، والأمن السيبراني، وتدريب الموظفين. وتتطلب النماذج إجراء اختبارات ومراقبة مستمرة. كما أن مزودي التكنولوجيا الخارجيين يفرضون رسوم ترخيص ويخلقون تبعية تشغيلية.

تكون الجدوى الاقتصادية أقوى عندما يحل الذكاء الاصطناعي محل الأعمال الروتينية أو يحسّن عملية تتوفر لها بالفعل بيانات موثوقة. وتكون أضعف عندما تحاول الشركات تطبيق التحليلات المتقدمة على أنظمة مجزأة وسجلات غير متسقة.

لا تؤدي التكنولوجيا إلى التخلص من التعقيدات التشغيلية بمجرد ربطها بها.

يتوسع السوق بسرعة

كان من المتوقع أن يصل حجم السوق العالمي للذكاء الاصطناعي في مجال الخدمات المالية إلى $26.67 مليار بحلول عام 2024. وقد قامت حوالي 70% من المؤسسات المالية بتطبيق حلول الذكاء الاصطناعي أو خططت للقيام بذلك.

تعكس هذه الأرقام اهتمامًا واسعًا، لكن «التبني» قد يعني أمورًا عديدة ومختلفة.

قد تستخدم إحدى المؤسسات الذكاء الاصطناعي لتصنيف المستندات. وقد تستخدمه مؤسسة أخرى في الكشف عن الاحتيال، أو تصنيف العملاء، أو بناء المحافظ الاستثمارية. ويُعتبر كل من المشروع التجريبي والنظام التحليلي المتكامل تمامًا من أشكال اعتماد هذه التكنولوجيا، على الرغم من أن تأثير كل منهما على الأعمال يختلف اختلافًا كبيرًا.

والتمييز الأكثر فائدة هو التمييز بين التجريب والاستخدام التشغيلي.

لا تكتسب الذكاء الاصطناعي أهمية استراتيجية إلا عندما يتم دمجه في القرارات اليومية، ويستند إلى بيانات موثوقة، ويفهمه الموظفون الذين يُتوقع منهم استخدامه.

لا تزال العديد من الشركات المالية في مرحلة انتقالية بين هاتين المرحلتين. فقد حصلت على الأدوات اللازمة، لكنها لم تقم بعد بإعادة تصميم عملياتها لتتوافق معها.

يكشف الكشف عن الاحتيال عن الصورة بشكل أوضح

لقد أثبتت الذكاء الاصطناعي بالفعل فائدتها في الكشف عن الأنشطة المشبوهة. فأنظمة الذكاء الاصطناعي قادرة على فحص أعداد كبيرة من المعاملات، وكشف الأنماط غير المعتادة، ومقارنة أنماط السلوك بين الحسابات المختلفة.

أفادت بعض شركات إدارة الثروات عن تحسن في معدلات الكشف عن الاحتيال بلغ ما يصل إلى 50%.

يمكن لهذه التكنولوجيا أن تساعد المؤسسات على رصد التغيرات التي قد تفوت القواعد التقليدية. فقد تبدو المعاملة مشروعة عند النظر إليها بمعزل عن غيرها، لكنها تصبح مشبوهة عند مقارنتها بأنشطة العميل السابقة أو بشبكته الأوسع نطاقاً.

لا تزال النتائج الإيجابية الخاطئة تشكل تحديًا. فالمعاملة غير المعتادة لا تعني بالضرورة أنها احتيالية، لا سيما في مجال إدارة الثروات الخاصة، حيث قد يقوم العملاء بتحويل مبالغ كبيرة بين الشركات والصناديق الاستئمانية والولايات القضائية المختلفة.

لذلك، يتعين على الأنظمة الآلية التمييز بين الأنشطة التي يمكن تسويتها بسرعة والحالات التي تتطلب تحقيقًا بشريًّا.

لا ينبغي أن يكون الهدف هو الاستغناء عن المراجعة البشرية، بل توجيهها بطريقة أكثر ذكاءً.

التخصيص يختبر حدود البيانات

ارتبطت التوصيات المدعومة بالذكاء الاصطناعي بتحسينات في مستوى رضا العملاء وصلت إلى 40%.

يمكن أن تؤدي النصائح الأكثر ملاءمةً إلى تعزيز العلاقة مع العميل. فالمستشار الذي يفهم احتياجات العميل من السيولة، ومدى تعرضه للمخاطر، وأهدافه المالية، يمكنه تقديم خدمة تبدو أكثر استجابةً مقارنةً بالمحفظة النموذجية القياسية.

يمكن للذكاء الاصطناعي أن يدعم ذلك من خلال تجميع المعلومات وتحديد التغييرات التي قد تمر مرور الكرام لولا ذلك.

قد يُشير النظام إلى أن الاحتياطيات النقدية للعميل قد انخفضت إلى ما دون المستوى المتفق عليه، أو أن المحفظة الاستثمارية أصبحت مركزة بشكل مفرط، أو أن التزامًا ماليًّا قادمًا يتطلب تغييرًا في توزيع الأصول.

كلما أصبح التحليل أكثر خصوصية، زادت حساسيته.

تحتاج الشركات إلى قواعد واضحة تنظم البيانات التي يجوز جمعها وكيفية استخدامها. وينبغي أن يدرك العملاء ما إذا كانت التوصيات تستند إلى معلومات قدموها مباشرة، أو إلى سلوك تمت ملاحظته، أو إلى افتراضات تم التوصل إليها بواسطة نموذج ما.

قد يبدو التخصيص الذي يفتقر إلى الشفافية أقرب إلى المراقبة منه إلى الخدمة.

يحتاج المستشارون إلى نوع مختلف من الخبرة

تُحدث الذكاء الاصطناعي تغييرات في المهام المتوقعة من المتخصصين في إدارة الثروات.

سيتعين على المحللين فهم الكيفية التي تصل بها النماذج إلى استنتاجاتها، وأين تكمن حدودها. ويجب أن يكون المستشارون قادرين على ترجمة النتائج الآلية إلى توصيات يمكن للعملاء فهمها.

وهذا لا يعني أن على كل مستشار أن يصبح عالم بيانات. بل يتطلب معرفة تقنية كافية لتمكينه من التشكيك في النتائج بدلاً من قبولها دون تردد.

يصبح دور الإنسان مهمًا بشكل خاص عندما تتعارض الأهداف المالية. فقد يرغب العميل في الحصول على عوائد عالية ومخاطر منخفضة وسيولة فورية وأفق استثماري طويل في آن واحد. ولا يمكن لأي نموذج التوفيق بين هذه التفضيلات دون تحديد الأولويات.

كما يتعين على المستشارين إدارة سلوك العملاء في ظل تقلبات الأسواق. فقد تخلص الخوارزمية إلى أن المحفظة الاستثمارية لا تزال مناسبة، لكن العميل القلق قد يحتاج إلى محادثة قبل أن يقرر الاستمرار في الاستثمار.

تكمن قيمة المشورة البشرية جزئيًا في تفسير الأرقام، وجزئيًا في فهم الشخص الذي يقف وراءها.

قد تؤدي النماذج إلى تفاقم نقاط الضعف الموجودة

تتعلم أنظمة الذكاء الاصطناعي من البيانات الناتجة عن القرارات السابقة. وإذا كانت تلك القرارات تنطوي على تحيزات أو افتراضات غير كاملة أو تصنيفات غير دقيقة، فقد يعيد النموذج إنتاجها على نطاق أوسع.

وهذا الأمر ذو صلة بتصنيف العملاء، وتقييمات الملاءمة، واختيار الاستثمارات.

قد يستنتج النظام أن العملاء الذين يتشاركون في خصائص ديموغرافية أو مالية متشابهة يرغبون في منتجات متشابهة. وقد تكون مثل هذه الأنماط معقولة من الناحية الإحصائية دون أن تكون مناسبة لشخص معين.

تواجه نماذج الاستثمار مشكلة ذات صلة. فقد ترجح البيانات التاريخية كفة الاستراتيجيات التي حققت أداءً جيدًا في ظل نظام نقدي أو تنظيمي معين. وعندما يتغير ذلك النظام، قد لا تصمد تلك الاستنتاجات بعد ذلك.

يتعين على المؤسسات المالية اختبار النماذج في ظل سيناريوهات مختلفة والتحقق مما إذا كان من الممكن تفسير النتائج. كما ينبغي عليها مراقبة أداء الأنظمة بعد نشرها، بدلاً من الافتراض بأن الدقة ستتحسن تلقائيًا.

لا يكون التعلم المستمر مفيدًا إلا عندما يتعلم النظام من المعلومات ذات الصلة.

تحدد الحوكمة ما إذا كان التوسع سيشكل خطرًا أم لا

مع تزايد تأثير الذكاء الاصطناعي، يتعين على المؤسسات تحديد المسؤوليات بوضوح فيما يتعلق باستخدامه.

ينبغي أن تعرف لجان الاستثمار أي القرارات مدعومة بالذكاء الاصطناعي وأيها تتم آليًّا. وتحتاج فرق الامتثال إلى الاطلاع على المنطق الكامن وراء تصنيفات العملاء وتنبيهات المخاطر. ويجب على الإدارة العليا أن تفهم المجالات التي يشارك فيها مقدمو الخدمات الخارجيون.

المبادئ التوجيهية الأخلاقية وحدها لا تكفي. فالحوكمة تتطلب ضوابط عملية.

تحتاج الشركات إلى إجراءات للموافقة على النماذج، واختبار البيانات، وتسجيل التغييرات، والتدخل عندما يتصرف النظام بشكل غير متوقع. وينبغي أن يكون الموظفون على دراية بالظروف التي يجوز فيها تجاوز النتائج الآلية وكيفية توثيق هذا القرار.

كما يجب أن تتاح للعملاء وسيلة للطعن في القرارات التي تؤثر عليهم.

لا يمكن لأي مؤسسة أن تنقل المسؤولية الائتمانية أو التنظيمية إلى خوارزمية. وتظل الشركة مسؤولة، حتى لو كانت التكنولوجيا مقدمة من طرف آخر.

أصبحت البيانات الأصل التنافسي الأساسي

غالبًا ما تصف المؤسسات المالية نماذج الذكاء الاصطناعي بأنها مصدر للميزة التنافسية. لكن في الواقع، ستتمكن العديد من الشركات من الوصول إلى تقنيات مماثلة.

من المرجح أن تأتي الميزة الأكثر ديمومة من البيانات.

يمكن لمدير الثروات الذي يمتلك معلومات كاملة ودقيقة ومنظمة جيدًا أن يستخدم الذكاء الاصطناعي لإنتاج تحليلات أكثر صلة بالموضوع. أما المنافس الذي يمتلك سجلات مجزأة، فسيحصل على نتائج أضعف من نفس النموذج.

تعد جودة البيانات مسألة صعبة بشكل خاص في مجال الثروة الخاصة. فقد تكون الأصول موزعة على عدة بنوك وشركات وهياكل قانونية. كما أن تقييم الاستثمارات الخاصة لا يتم إلا نادراً. وقد تصل المعلومات بأشكال وعملات مختلفة.

قبل أن تتمكن الشركات من تقديم تحليلات متقدمة، عليها أن تحل المشكلة الأساسية المتمثلة في تكوين صورة متماسكة عن ثروة العميل.

هذا العمل أقل بروزًا من إطلاق مساعد يعمل بالذكاء الاصطناعي. كما أنه أكثر أهمية.

قد تكون القيمة كبيرة، لكنها موزعة بشكل غير متساوٍ

تقدر شركة ماكينزي أن الذكاء الاصطناعي قد يولد ما يصل إلى $1 تريليون من القيمة الإضافية لقطاع الخدمات المصرفية العالمي بحلول عام 2028.

ولن يتم توزيع هذه القيمة بالتساوي. فالمؤسسات الكبيرة يمكنها الاستثمار بكثافة في الأنظمة الخاصة بها، والبيانات، والمواهب المتخصصة. أما الشركات الأصغر حجماً، فقد تستفيد من المنصات الخارجية الأقل تكلفة، لكنها ستتمتع بقدر أقل من التحكم في بنيتها التحتية التكنولوجية.

وستتجلى بعض المكاسب في شكل انخفاض في تكاليف التشغيل. وقد تأتي مكاسب أخرى من تحسين إدارة المخاطر، أو تعزيز الكشف عن حالات الاحتيال، أو القدرة على خدمة العملاء الذين لم يكن من المجدي اقتصاديًا التعامل معهم في السابق.

وستكون هناك أيضًا استثمارات فاشلة. فقد تقوم الشركات بشراء أدوات لا يستخدمها الموظفون، أو أنظمة لا يمكن دمجها، أو نماذج يتبين أن نتائجها غير موثوقة بما يكفي لاتخاذ قرارات ذات تأثير كبير.

لذلك، ينبغي تقييم الإنفاق على الذكاء الاصطناعي كأي استثمار آخر. وتحتاج المؤسسات إلى مشكلة محددة، ونتائج قابلة للقياس، وخطة تنفيذ موثوقة.

إن مجرد وجود الذكاء الاصطناعي لا يُعد دليلاً على الابتكار.

التحليل الأفضل يتطلب قرارات أفضل

ستستمر الذكاء الاصطناعي في الانتشار في مجال إدارة الثروات على الصعيد العالمي. وسيصبح التعلم الآلي ومعالجة اللغة الطبيعية وتحليل البيانات في الوقت الفعلي ميزات قياسية في منصات الاستثمار.

ومع حدوث ذلك، ستفقد التكنولوجيا نفسها طابعها المميز.

وستكون أقوى الشركات هي تلك التي تجمع بين السرعة التحليلية والحوكمة المنضبطة والحكمة المستمدة من الخبرة. وستستخدم هذه الشركات الذكاء الاصطناعي للكشف عن المخاطر وتنظيم المعلومات والتشكيك في الافتراضات، بدلاً من التعامل مع نواتجه على أنها تعليمات.

من غير المرجح أن يهتم العملاء بالخوارزمية التي تعمل خلف محفظتهم الاستثمارية. بل سيهتمون بما إذا كان مستشارهم يفهم ظروفهم، ويحمي بياناتهم، ويتخذ قرارات يمكن تفسيرها.

يمكن للذكاء الاصطناعي أن يجعل إدارة الثروات أكثر كفاءة واستجابة. كما يمكنه توسيع نطاق الوصول إلى التحليلات المتطورة، ومنح المتخصصين في مجال الاستثمار رؤية أوضح للمحافظ الاستثمارية المعقدة.

فهي لا تستطيع تحديد الغرض من الثروة، أو المخاطر التي ينبغي على الأسرة تحملها، أو كيفية التوفيق بين الأولويات المالية المتنافسة.

تلك الأسئلة تظل أسئلة إنسانية. ولا تكتسب التكنولوجيا المتطورة أهمية إلا عندما تساعد في الإجابة عليها بطريقة أكثر ذكاءً.