في الآونة الأخيرة، بدا عالم الشركات وكأنه قد ابتلعته ضجة الذكاء الاصطناعي. بين العروض التوضيحية اللامعة لنماذج اللغات الكبيرة العامة وانفجار الأغلفة “التوليدية”، فإنه من الصعب على قادة المؤسسات أن يفصلوا ما هو مفيد حقًا عما سيكون مضيعة للوقت والموارد.
بالنسبة لمديري تكنولوجيا المعلومات ومديري التكنولوجيا، تكون المخاطر أعلى بكثير من تلك التي يواجهها المستخدم العادي. إذا كان برنامج الدردشة الآلي الذي يعمل بالذكاء الاصطناعي يهذي بقصيدة، فهذا أمر مسلي، ولكن إذا كان يهذي بملف تعريف المخاطر المالية، فهذه كارثة ائتمانية.
يستمر المقال أدناه
الذكاء المالي الحقيقي هو نظام تحويل البيانات المالية الأولية وغير المتسقة والقذرة في كثير من الأحيان إلى رؤى تتسم بالنزاهة. وهذا يتطلب وجهة نظر من ذوي الخبرة في مجال التكنولوجيا.
بعد أكثر من ثلاثة عقود من بناء الأنظمة في بيئات منظمة، يبرز درس واحد: أنت لا تراهن على الشركات على “ربما”. أنت تراهن على البنى المصممة للشفافية والحتمية وقابلية الشرح.
بحكم تصميمها، فإن معظم أدوات الذكاء الاصطناعي الإنتاجية تكون احتمالية بشكل أساسي. لكن البيانات المالية عبارة عن مجموعة من الحقائق الثابتة، التي تحكمها المعايير والضوابط والمساءلة. ولهذا السبب، فهو غير مناسب لبيئات الذكاء الاصطناعي الاحتمالية.
ولهذا السبب يعد الذكاء الاصطناعي القابل للتفسير مطلبًا غير قابل للتفاوض بالنسبة لقائد تكنولوجيا المعلومات في المؤسسة. في التدقيق العالي الضغط أو اجتماع مجلس الإدارة، فإن عبارة “قالت الخوارزمية ذلك” ليست إجابة مقبولة.
الصناديق السوداء لا تنتمي إلى المكدس المالي
إن أي نظام ذكاء اصطناعي لا يستطيع تفسير سبب إنتاجه لمخرجات ما يخلق مخاطر فورية تتعلق بالسمعة والقانونية. إن نموذج الصندوق الأسود الذي يشير إلى معاملة دون مبرر هو أسوأ من كونه عديم الفائدة. إنه يقوض الثقة.
ويجب على الذكاء الاصطناعي المالي على مستوى المؤسسات أن “يُظهر نجاحه”. يحتاج كل شذوذ أو إشارة خطر أو استثناء إلى مسار تدقيق شفاف يرتبط مباشرة بالمعاملة المحددة والمتغيرات المساهمة والمنطق المطبق.
ثم يجب رفع هذه المعلومات إلى محترف لتطبيق الحكم البشري. هذا الجسر المعرفي بين الحكم البشري والنطاق الآلي هو ما يضمن أن الذكاء الاصطناعي يعزز المحترفين بدلاً من استبدالهم.
أخذ العينات هو عائق قديم، وليس أفضل الممارسات
لعقود من الزمن، اعتمدت إدارة المخاطر المالية على أخذ العينات: مراجعة جزء صغير من المعاملات (غالبا أقل من 1٪) والاستقراء من هناك. وفي المؤسسات الغنية بالبيانات اليوم، يعد هذا النهج بمثابة الإهمال. إن الأمر أشبه بالبحث عن إبرة في كومة قش من خلال فحص حفنة من القش.
يتطلب الذكاء المالي الحديث معالجة 100% من المعاملات قبل أن تصل إلى دفتر الأستاذ العام. يتطلب ذلك بعض التحولات الرئيسية في بنية البيانات الخاصة بك، بما في ذلك كسر الصوامع بين أنظمة تخطيط موارد المؤسسات (ERP) وإدارة علاقات العملاء (CRM) وقواعد البيانات القديمة لإنشاء مصدر واحد محكوم للحقيقة.
إن استخدام التعلم الآلي لتنظيف البيانات الوصفية ووضع علامات عليها في الوقت الفعلي يضمن أن وكلاء الذكاء الاصطناعي لديك لا يحاولون تفسير “القمامة”. وعلينا أن نبتعد عن إعداد التقارير “بعد الوفاة” نحو التحقق المستمر من صحة المعاملات في الوقت الفعلي.
أسرع عائد على الاستثمار: إيقاف تسرب الأرباح قبل الفوائد والضرائب والإهلاك والاستهلاك
من منظور الأعمال، فإن المردود الأكثر إلحاحا يأتي من القضاء على تسرب الأرباح قبل الفوائد والضرائب والإهلاك والاستهلاك. هذا هو التآكل الهادئ للربح الناتج عن الأخطاء اليومية مثل الفواتير المكررة، وعدم تطابق الأسعار، وعدم الامتثال للعقود.
تشير تقديرات مؤسسة جارتنر إلى أن ما بين 3 إلى 8% من الأرباح قبل الفوائد والضرائب والإهلاك والاستهلاك تُفقد سنويًا بسبب التسرب وعدم الكفاءة. وفي بحثنا الخاص، وافق أكثر من 90% من المديرين الماليين على هذا التقدير، وقال 60% منهم إن الذكاء الاصطناعي سيكون ضروريًا لوقف النزيف.
ومن خلال أتمتة الكشف عن هذه الأخطاء في المصدر، تعمل مجموعة المعلومات الاستخبارية القوية على توفير أموال الشركة حتى قبل إنفاقها. إنه ينقل إدارة تكنولوجيا المعلومات من مركز التكلفة إلى محرك خلق القيمة.
سد فجوة التعقيد
التحدي الأكبر الذي يواجه مدراء تكنولوجيا المعلومات اليوم هو “فجوة التعقيد”، وهي المسافة الهائلة بين كومة من البيانات الأولية وقرار تجاري ذكي وقابل للتنفيذ.
في الوقت الحالي، يقضي الموظفون ذوو المهارات العالية على مستوى العالم أيامهم في التوفيق بين جداول البيانات ومطاردة التناقضات. تتمثل مهمتنا كقادة في مجال التكنولوجيا في منحهم الأدوات التي تعمل على أتمتة هذا العمل اليدوي المتكرر.
عندما يتولى الذكاء الاصطناعي مهمة تنظيف البيانات وتسويتها وتقييم المخاطر لأول مرة، يمكن للفرق أخيرًا العمل بمستواها الحقيقي، والتساؤل عن سبب حدوث شيء ما وما الذي يجب أن يحدث بعد ذلك، بدلاً من توثيق الماضي.
كيف تبدأ دون كسر كل شيء
إن الانتقال إلى هذا النموذج لا يعني تمزيق واستبدال كل ما قمت ببنائه. عليك أن تكون متعمدًا مع الطبقة التالية من الابتكار.
لتبدأ، قم بتجربة نقاط الألم. لا تحاول تحويل قسم بأكمله في وقت واحد. ابحث عن أحد الاختناقات المتكررة والمثقلة بالبيانات، على سبيل المثال، عملية تسوية نهاية الشهر أو الحسابات المستحقة الدفع، واستخدمها كحالة اختبار للوكيل التجريبي.
وفي الوقت نفسه، إنشاء حوكمة واضحة:
– تحديد ملكية النتائج المعتمدة على الذكاء الاصطناعي
– وضع معايير لجودة البيانات وأمانها وقابلية شرحها منذ اليوم الأول
– إذا لم يتمكن المورد من شرح كيفية وصول نموذجه إلى الاستنتاجات، فهو ليس جاهزًا للمؤسسة
قبل كل شيء، لا تقم بتحسين السرعة وحدها. تحفيز المساءلة. قم بتمكين الفرق من التكرار على الأنظمة التي أثبتت جدواها بدلاً من إعادة البناء من الصفر كل ثلاثة أشهر.
الموثوقية تغلب السرعة
لن تكون الشركات التي ستفوز في المرحلة التالية من اعتماد الذكاء الاصطناعي هي الأسرع تحركًا؛ سيكونون هم أصحاب الأسس الأكثر موثوقية. السرعة بدون نزاهة هي مجرد تسارع في الاتجاه الخاطئ.
ومن خلال مزاوجة التحليل على نطاق الآلة مع الحكم البشري، يستطيع مديرو تكنولوجيا المعلومات بناء أنظمة استخبارات مالية تسلط الضوء على الرؤى وتصمد أمام التدقيق. في مجال التمويل، الثقة ليست ميزة. إنه المنتج.
تحقق من قائمتنا لأفضل برامج أتمتة تكنولوجيا المعلومات.
التعليقات