الرأي الأساسي في المقال هو أن نقطة التنافس في الذكاء الاصطناعي المالي لا تكمن في من يستطيع إنشاء "ChatGPT مالي" أكثر مهارة في المحادثة، بل في من يستطيع الدمج العميق مع أدوات العمل اليومية للممارسين الماليين (مثل Excel وPPT وWord) وعمليات العمل الأساسية (مثل التحقق من الجدارة، والموافقة)، وإنتاج "منتجات نهائية" رسمية يمكن مراجعتها وأرشفتها مباشرة.

كاتب المقال: Resonant Ones

المصدر: Suichu.AI

المنافسة في الذكاء الاصطناعي المالي ليست في "من يستطيع الدردشة"، بل في "من يستطيع الدخول إلى Excel وPPT وسير العمل الموافق".

يعتقد الكثيرون أن منافسة الذكاء الاصطناعي في المجال المالي تكمن في تدريب نموذج كبير يفهم المالية بشكل أفضل.

لكن Claude for Financial Services كشف عن الإجابة الحقيقية: جوهر الذكاء الاصطناعي المالي ليس النموذج، بل سير العمل.

إنه ليس مجرد جعل الذكاء الاصطناعي يتحدث مع المستخدمين عن الأسهم، بل جعل الذكاء الاصطناعي يدخل إلى Excel وPPT وWord وتحليل الاستثمارات والاستثمار البنكي والتدقيق الدقيق والامتثال والمطابقة وسير العمل للموافقة.

هذه المسألة حاسمة للمُنشئين المحليين. لأنك إذا كنت لا تزال تعمل على "نسخة مالية من ChatGPT"، فمن المحتمل جدًا أن تُستهلك من قبل الشركات الكبرى ومحطات البيانات ومجموعات البرامج المكتبية؛ لكن إذا استطعت تولي مهام Excel وPPT وWord وحزم الموافقات التي تُنتجها المؤسسات المالية يوميًا، فحينها تبدأ الفرص فعليًا.

سيناريو حقيقي

في الشهر الماضي، تحدثت مع صديق يعمل في مجال الاستثمارات الخاصة. واجه فريقه عملية تدقيق شاملة لشركة استهلاكية، وتلقوا مخزن بيانات يحتوي على 17 مجلدًا وأكثر من 400 مستند — عقود، تقارير مراجعة حسابات، كشوفات بنكية، تفاصيل الطلبات، محاضر مقابلات، ومواد الإدارة.

سابقًا، كان نائب الرئيس يُنجز مسودة أولية لmemo IC في أسبوعين مع محللين اثنين.

ماذا الآن؟ إذا كان هناك شخص (أو عامل آلي) يستطيع إكمال تنظيم البيانات، ووضع علامات المخاطر، وتحديد العناصر المفقودة، وإنشاء المسودة الأولى خلال 24 ساعة — هل تعتقد أن العملاء سيشترون ذلك؟

هذا ليس خيالًا علميًا. Claude for Financial Services تقوم بهذا بالفعل. وليس ما تفتحه مفتوح المصدر تطبيقًا، بل نموذج منتج متكامل يشمل "Agent + Skill + Connector + Deliverable + موافقة بشرية".

أولاً، بنية منتج Claude for Financial Services بسيطة فعلاً: يُشرف العامل (Agent) على المهام من البداية إلى النهاية، وتخزن المهارات (Skill) العمليات المتخصصة في المجال المالي، وتتصل الوصلات (Connector) ببيانات مالية وأنظمة داخلية للشركات، بينما تُستخدم Excel وPowerPoint وWord لتسليم النتائج النهائية، بالإضافة إلى الصلاحيات والمرجعيات والمراجعة والمراجعة البشرية لضمان قابلية استخدام المنتج من قبل المؤسسات المالية.

في الماضي، كانت صورة الذكاء الاصطناعي المالي هي أنك تطرح سؤالاً، فيقدم لك الذكاء الاصطناعي إجابة. لكن ما تحتاجه المؤسسات المالية حقًا هو: قدم لي مجموعة من المواد، وأريد منتجًا يمكن مراجعته، والاقتباس منه، وتخزينه، وإدماجه في أنظمة الأعمال. الفرق بين هذين الأمرين هائل. قيمة الذكاء الاصطناعي المالي تكمن في المنتج النهائي، وليس في مربع الدردشة.

تغيير آخر يستحق الملاحظة هو أن المؤسسات المالية المحلية لم تعد في حالة مراقبة.

من 2025 إلى 2026، أرى أن تطبيقاتها العملية تنقسم تقريبًا إلى ثلاث مجموعات. البنوك هي الأسرع، حيث أكمل بنك الصين للبناء نشر DeepSeek بشكل خاص، وغطى مئات السيناريوهات. كما استخدم صندوق سيتشين جيان تاو DeepSeek لإجراء التدقيق على REITs، وتم تقليل حجم العمل الذي كان يتطلب 5 موظفين على مدار 70 يومًا إلى موظف واحد خلال 10 أيام — أي تحسين في الكفاءة بمقدار 30 مرة.

كما انضم شركاء التأمين والتأمينات إلى السباق، حيث استخدمت شركة سيتشوان للوساطة المالية خدمة الاستشارات الاستثمارية القائمة على الوكلاء المتعددين، وربطت شركة التأمين الصينية للتأمين على الممتلكات DeepSeek لإنشاء قاعدة معرفية متخصصة، واستُخدم نموذج Ping An الكبير 818 مليون مرة خلال ستة أشهر.

لكن ما هو مثير حقًا هو الفئة الثالثة — PE وإدارة الأصول وإدارة الثروات. فهي تمتلك كميات كبيرة من البيانات وميزانيات ضخمة وضغوط كبيرة في التسليم، لكنها حاليًا ما تزال في مرحلة إثبات المفهوم. هذا لا يُسمى تأخرًا، بل يُسمى فترة فرص الشركات الناشئة.

عند التفكير في دخول الشركات الناشئة، يفكر الكثيرون أولاً في إنشاء نسخة مالية من ChatGPT. لكن هذا الأمر يحمل مخاطر كبيرة، لأنه سيواجه في نفس الوقت ثلاثة أنواع من المنافسين الأقوياء.

ستجعل شركات النماذج من القدرة العامة أكثر بأسعار تنافسية. تمتلك منصات بيانات المالية مثل Wind وChoice وiFinD وTonghuashun بالفعل البيانات ونقاط دخول المستخدمين، وعند دمج الذكاء الاصطناعي، يصبح من الصعب فرض رسوم مستقلة على أسئلة مالية عامة. وتميل المؤسسات المالية الكبرى إلى بناء منصات ذكاء اصطناعي داخلية خاصة بها، ودمج القدرات العامة ضمن أنظمتها الخاصة للصلاحيات.

الشركات الناشئة تواجه هجومًا مباشرًا من ثلاث جبهات.

لكن إذا نظرت من زاوية مختلفة، لا من نقطة الدخول بل من طبقة التشغيل، ستختلف الحالة. ما المقصود بطبقة التشغيل العمودية؟ إنها تعميق استخدام الذكاء الاصطناعي حول وظيفة محددة، أو عملية محددة، أو منتج محدد. على سبيل المثال: هيكلة مواد التدقيق في صناديق الاستثمار الخاصة/المصارف الاستثمارية، ومراجعة نماذج التمويل في Excel، والمراجعة الأولية لمواد قروض الائتمان، وتوليد تقارير المراجعة الامتثالية تلقائيًا، ودعم مراجعة مواد مطالبات التأمين وقبول المخاطر، وتنظيم محاضر اجتماعات وكلاء العملاء تلقائيًا.

هذه الاتجاهات تبدو أقل ضخامة من "النموذج المالي الكبير"، لكنها أقرب إلى ميزانية العميل.

ما المنتجات التي تستحق العمل عليها؟

خلصت إلى أنه يجب استيفاء الشروط الأربعة في نفس الوقت.

استقبال البيانات

السيناريوهات ذات القيمة الحقيقية العالية غالبًا ما تتطلب الاتصال بملفات العميل الداخلية، ونظام إدارة علاقات العملاء، وتخزين السحابة، والبريد الإلكتروني، والعقود، وأنظمة الموافقة. معالجة صفحات الويب العامة فقط تقدم قيمة محدودة جدًا.

العملية تعمل

لا يغير المستخدمون الماليون عادات عملهم من أجل الذكاء الاصطناعي. يجب أن يدخل المنتج الأدوات التي يستخدمونها بالفعل: Excel وPPT وFeishu وWeCom وDingTalk وWPS وCRM.

Provide the documents

الجهات المالية لا تدفع مقابل الإجابات، بل مقابل المواد. فقط عند القدرة على إنتاج جدول مراجعة، مذكرة، عرض تقديمي، وملف Excel، يكون هناك رغبة في الدفع.

احتفظ بحدود المسؤولية

يجب أن تدعم الذكاء الاصطناعي الإشارة، التتبع، الصلاحيات، المراجعة، والمراجعة البشرية. لا تقدم توصيات استثمارية، ولا تجري تداولات تلقائية، ولا تستبدل الموافقة النهائية.

هذه الأربع خطوات، إذا نقصت واحدة، يصعب على المنتج الدخول إلى بيئة الإنتاج الحقيقية.

إذا نظرنا إلى الأمام على مدى الـ24 شهرًا القادمة، فأعتقد أن هناك سبعة مجالات فرعية تستحق الاهتمام أكثر.

البحث والاستقصاء في المقدمة. الكثرة في المواد، الضيق في الوقت، ووضوح المخرجات، هو أقرب اتجاه إلى Hebbia وRogo.

ثانيًا: مراجعة نماذج Excel — تمتلك البنوك الاستثمارية، وصناديق الاستثمارات الخاصة، والائتمان، وإدارة الأصول كميات كبيرة من ملفات Excel، مع أخطاء في الصيغ، وترميز ثابت، وافتراضات غير متسقة، مما يوفر مساحة كبيرة للمساعدة بواسطة الذكاء الاصطناعي.

يحتل الدعم في مراجعة الائتمان المرتبة الثالثة، حيث تحتاج البنوك وغير البنوك إلى مراجعة أولية للوثائق، وتحليل التدفقات النقدية، واستخلاص المخاطر، وإنشاء تقارير الائتمان. تأتي مراجعة الامتثال في المرتبة الرابعة، حيث تناسب المقارنة مع الأنظمة، ومراجعة مواد التسويق، وفحص إجراءات معرفة العميل (KYC) أدوات مساعدة بالذكاء الاصطناعي قابلة للإحالة وقابلة للتتبع.

عملية مطابقة صناديق الاستثمار، والمحاسبة، وتحديد القيمة، وفحص الرسوم، وتحضير وثائق المراجعة هي عملية مُنظمة للغاية وتكلفة الأخطاء فيها عالية.

الطلبات التأمينية ومواد التقييم كثيرة، والقواعد معقدة، والضغط على المراجعة كبير، لكن يجب الاحتفاظ بالتأكيد اليدوي.

أخيرًا، مدير العميل ومساعد الاستشاري، وليس الذكاء الاصطناعي الذي يقدم نصائح استثمارية مباشرة، بل يساعد المستشار في التحضير قبل الاجتماع، وشرح المنتجات، وتحرير محاضر الاجتماعات، وتحديث نظام إدارة علاقات العملاء.

هناك افتراض مشترك بين هذه الاتجاهات السبعة: يجب أن يكون المنتج قابلًا للمراجعة، وقابلًا للإسناد، وقابلًا للخصوصية.

المؤسسات المالية لن تقبل "الذكاء الاصطناعي قال تقريبًا هذا". من أين جاءت الأرقام؟ أين المرجع؟ من قام بمراجعتها؟ هل تم تصدير البيانات؟ هذه شروط مسبقة لاتخاذ قرار الشراء. لذا، يجب تصميم تتبع المرجع، والتوقيع البشري، وعزل البيانات، وتسجيل العمليات من البداية.这不是 تكلفة الامتثال، بل هي حاجز تنافسي.

هناك اتجاه أكبر. بعد تحوّل قدرات النماذج إلى سلعة، تتحول الفرص إلى طبقات سير العمل والموصلات والحكم. تمامًا كما جعلت الحوسبة السحابية البنية التحتية لتكنولوجيا المعلومات عبارة عن واجهات برمجة تطبيقات، سيقوم رواد الأعمال الجدد اليوم ببناء برامج كخدمات (SaaS) فوقها. نفس الشيء يحدث اليوم مع النماذج الكبيرة — من يستطيع تغليف سير عمل الصناعة فوقها، يمتلك حواجز تنافسية.

إن كثافة المعلومات، ومتطلبات التنسيق العالية، والقيود المسؤولة في صناعة الخدمات المالية تحدد أنها ليست مجالًا يمكن للذكاء الاصطناعي العام تغطيته بسرعة. وهذا بالضبط هو المنطقة الآمنة للشركات الناشئة.

كيف يمكن للشركات الناشئة الدخول؟

لا تبدأ بالمنصة أولاً.

ابحث عن سيناريو ضيق: يحتوي على بيانات حقيقية، ونموذج ثابت، ونتائج محددة، ومراجعة بشرية، وميزانية قسمية، ويمكن التحقق من عائد الاستثمار خلال 60-90 يومًا.

لا تقل ذلك:

أنا أقوم ببناء منصة ذكاء اصطناعي للمؤسسات المالية.

يجب أن تقول ذلك:

أقوم أولاً بتنظيم بيانات غرفة البيانات تلقائيًا لفريق PE/FA، ثم أُخرج مسودة أسئلة وأجوبة التدقيق، وقائمة المخاطر، ومسودة مذكرة IC.

كلما كانت أكثر تحديدًا، زاد احتمال تنفيذ الصفقة.

هل يتم استبدال المخاطر الكبرى من قبل الشركات الكبرى؟

سيتم استبدال المدخل العام. يمكن للنماذج الكبيرة ومحطات البيانات تغطية أسئلة المالية الشاملة، وملخصات التقارير العامة، واستعلامات البيانات البسيطة.

لكن العمودي العميق لا يفعل ذلك.

لأن الشركات الكبرى لا ترغب في القيام بالأعمال الروتينية لكل وظيفة متخصصة. ما يصعب حقًا هو: تكامل أنظمة العميل الداخلية، وفهم عمليات الوظيفة، وتوافق قوالب العميل، ومرافقة العميل من مرحلة POC إلى الإنتاج.

هذه ليست مشكلات يمكن لنموذج API حلها تلقائيًا.