كيف يمكن للبنوك استخدام الذكاء الاصطناعي التوليدي عمليًا؟
إذا تجاهلنا الأخبار الرئيسية والدعاية، فإن جوهر المشكلة هو: كيف تستخدم أكبر البنوك في العالم الذكاء الاصطناعي التوليدي؟ ليس الإمكانيات المستقبلية، ولا الدعاية من الموردين، بل أين التطبيقات العملية التي تم تنفيذها بالفعل؟
على مدى العامين الماضيين، دخلت الصناعة المالية العالمية بهدوء عصر الذكاء الاصطناعي التوليدي. ومع ذلك، فإن هذه العملية ليست موحدة، بل تظهر نمطًا مختلفًا بين الداخل والخارج: نشر أدوات داخلية بشكل منخفض المستوى، وتجارب حذرة موجهة للعملاء، فضلاً عن عدد قليل من الابتكارات الجريئة، والتي بدأت تدريجيًا في إعادة تشكيل الهيكل الداخلي للبنوك.
ابدأ من الداخل ثم قم بالتوسع تدريجياً
تتمتع تطبيقات الذكاء الاصطناعي بنقطة مشتركة واحدة: تبدأ كأدوات إنتاجية داخلية.
تركز التطبيقات الرئيسية للذكاء الاصطناعي التوليدي على تعزيز الإنتاجية الداخلية - هذه الأدوات تساعد الموظفين على إنجاز المزيد من العمل بموارد أقل. من مساعد محللي جيه بي مورغان (JPMorgan) الذي يقوم بتحليل أبحاث الأسهم، إلى أدوات مدفوعة بالذكاء الاصطناعي التي تقدم الدعم لمستشاري إدارة الثروات في مورغان ستانلي (Morgan Stanley)، كان التركيز المبكر على تمكين العاملين في القطاع المصرفي، وليس استبدالهم.
تقوم جولدمان ساكس (Goldman Sachs) ببناء مساعد ذكاء اصطناعي للمطورين؛ أداة ملخص الذكاء الاصطناعي التابعة لسيتي (Citi) تساعد الموظفين في معالجة المذكرات وكتابة الرسائل الإلكترونية؛ وقد تم إطلاق "SC GPT" التابعة لستاندرد تشارترد (Standard Chartered) بين 70,000 موظف لها، لتكون شاملة من كتابة الاقتراحات إلى مسائل الموارد البشرية.
نظرًا لأننا في بيئة منظمة بشدة، فإن نشر الأدوات الداخلية يبدو منطقيًا بشكل خاص. وهذا يمكّن البنوك من إجراء تجارب وتعزيز قدرات الذكاء الاصطناعي دون تجاوز الخطوط الحمراء التنظيمية. إذا أخذنا في الاعتبار التحركات الأخيرة للبنك المركزي النيجيري (CBN) ضد Zap، فإن "الحذر هو الخيار الأكثر حكمة".
مراقبة خطوط الأعمال: أين القيمة؟
تتفاوت سرعة تقدم تطبيقات الذكاء الاصطناعي بين الأقسام المختلفة. هناك اختلافات في سرعة اعتماد الذكاء الاصطناعي التوليدي بين الأقسام التجارية المختلفة. في هذا السياق، تتصدر البنوك التجارية في حجم المعاملات. في هذا المجال، تتعامل روبوتات المحادثة المدعومة بالذكاء الاصطناعي التوليدي مثل Fargo من Wells Fargo وErica من Bank of America مع مئات الملايين من التفاعلات سنويًا. في أوروبا، أطلقت Commerzbank مؤخرًا روبوت المحادثة الخاص بها Ava.
ومع ذلك، تكمن المشكلة في أن بعض هذه الأدوات لا تستخدم فعليًا الذكاء الاصطناعي التوليدي، بل تعتمد على تقنيات التعلم الآلي التقليدية. على سبيل المثال، تعمل Erica التابعة لبنك أمريكا بشكل يشبه "التركي الآلي"، مما يعني أنها تخلق وهم الأتمتة من خلال العمليات اليدوية. ومع ذلك، من المهم أن تكون هذه التجارب نفسها، وليس تسميات التكنولوجيا.
في مجالات الشركات والبنوك الاستثمارية، تكون التحولات أكثر خفاءً. الأدوات الداخلية لبنك جي بي مورجان (JPMorgan) تدعم بشكل أساسي فرق البحث والمبيعات، وليس مباشرةً للعملاء. بينما يستخدم بنك دويتشه (Deutsche Bank) الذكاء الاصطناعي لتحليل سجلات الاتصالات مع العملاء، وهذا ليس خدمة عملاء، بل تمكين بيانات يساعد المصرفيين على فهم العملاء وخدمتهم بشكل أسرع وأفضل.
إدارة الثروات تقع في الوسط بين الجانبين. أدوات الذكاء الاصطناعي في مورغان ستانلي لا تتحدث مباشرة مع العملاء، ولكنها تضمن أن يكون المستشارون مستعدين بشكل كامل قبل كل اجتماع. بنك دويتشه وبنك أبوظبي الأول يجربان مساعدات تستهدف العملاء المتميزين، تهدف إلى الرد في الوقت الفعلي على الأسئلة الاستثمارية المعقدة.
الفروق الإقليمية: من يتصدر السباق؟
المصدر: مؤشر الذكاء الاصطناعي الواضح
تتصدر منطقة أمريكا الشمالية كما هو متوقع. قامت بنوك الولايات المتحدة مثل جي بي مورغان (JPMorgan) وكابيتال وان (Capital One) وويلز فارجو (Wells Fargo) وسيتي (Citi) والبنك الملكي الكندي (RBC) بتحويل الذكاء الاصطناعي إلى محرك إنتاجية. بفضل التعاون مع OpenAI ومايكروسوفت (Microsoft)، كانوا من الأوائل الذين تواصلوا مع نماذج الذكاء الاصطناعي الرائدة.
أوروبا أكثر حذراً. تقوم بنك بي بي في إيه (BBVA) وبنك دويتشه (Deutsche Bank) وبنك إتش إس بي سي (HSBC) باختبار أدوات الذكاء الاصطناعي داخليًا، وقد وضعت المزيد من تدابير الأمان. إن لائحة حماية البيانات العامة في الاتحاد الأوروبي (GDPR) لها تأثير بعيد المدى عليهم. كما هو الحال دائماً، تركز أوروبا أكثر على التنظيم بدلاً من التقدم التكنولوجي، مما قد يكلفهم ثمنًا.
لا تزال إفريقيا وأمريكا اللاتينية في مرحلة مبكرة من تطوير الذكاء الاصطناعي، لكن التقدم سريع. تتميز شركة Nubank البرازيلية، حيث تتعاون مع OpenAI لنشر أدوات الذكاء الاصطناعي داخليًا أولاً، ثم توسيعها إلى خدمات العملاء. في جنوب إفريقيا، تقوم Standard Bank و Nedbank بتنفيذ تجارب في مجال الذكاء الاصطناعي تشمل التحكم في المخاطر، وخدمات الدعم، والتطوير.
الصين: بناء مجموعة تقنيات الذكاء الاصطناعي الذاتية
البنوك الصينية لا تستخدم الذكاء الاصطناعي فحسب، بل تقوم أيضًا ببناء مجموعة تقنيات الذكاء الاصطناعي.
أطلقت بنك الصين الصناعي والتجاري (ICBC) "Zhiyong"، وهو نموذج لغوي ضخم يحتوي على 1000 مليار معلمة، تم تطويره داخليًا. تم استدعاء هذا النموذج أكثر من مليار مرة، ويدعم 200 سيناريو عمل، بدءًا من تحليل الوثائق وصولاً إلى أتمتة التسويق. هذه ليست مجرد تطبيقات لأدوات داخلية، بل هي تحول أساسي في طريقة عمل البنك.
أطلقت مجموعة أنتي (Ant Group) نموذجين كبيرين للغة في مجال المالية - تشي شياو باو 2.0 (Zhixiaobao 2.0) وتشي شياو زهو 1.0 (Zhixiaozhu 1.0). الأول موجه لمستخدمي Alipay العاديين، ويهدف إلى تفسير المنتجات المالية؛ بينما الثاني يوفر الدعم لمستشاري إدارة الثروات، حيث يمكنه تلخيص تقارير السوق وتوليد رؤى حول المحفظة الاستثمارية.
ذهبت مجموعة Ping An Group ، وهي شركة عملاقة في مجال التكنولوجيا المالية تدمج التأمين والخدمات المصرفية والتكنولوجيا ، إلى أبعد من ذلك. طورت AskBob ، وهو مساعد الذكاء الاصطناعي التوليدي الذي يخدم كل من العملاء ومديري الحسابات. بالنسبة للعملاء ، يمكن ل AskBob الإجابة على أسئلة الاستثمار والتأمين باللغة الصينية الطبيعية. بالنسبة للمستشارين ، فإنه يستخرج ويلخص سجل العملاء وبيانات المنتج والمواد التسويقية ، ويحول كل وكيل إلى خبير مالي محسن رقميا. هدف Ping An هو إعادة تعريف الاستشارات المالية من خلال الذكاء الاصطناعي ، ليس فقط للإجابة على الأسئلة ، ولكن لتوقع الطلب مسبقا.
في الصين، تشجع الإطار التنظيمي بقوة على توطين البيانات وشفافية النماذج، وقد اختارت هذه المؤسسات الطريق الأطول: بناء نماذج ذكاء اصطناعي مخصصة تتكيف مع التنظيمات المحلية واللغة وبيئة السوق. علاوة على ذلك، تمتلك الصين كثافة كافية من المواهب، مما يمكّن البنوك من تطوير النماذج الأساسية بشكل مستقل، وهو إنجاز قد يكون فريداً على مستوى العالم.
من يقدم الدعم الفني؟
تظهر بعض الشركات المعروفة بشكل متكرر على مستوى العالم: أصبحت مايكروسوفت (Microsoft) من خلال Azure OpenAI المنصة الأكثر شيوعًا حاليًا. من مورغان ستانلي إلى ستاندرد تشارترد، تعمل العديد من البنوك في بيئة السندات الآمنة الخاصة بمايكروسوفت.
تستخدم أيضًا نماذج اللغة الكبيرة (LLM) من جوجل، على سبيل المثال، تستخدم بنك ويلز فارجو Flan لدعم خدماتها. أما في الصين، فإنها تعتمد بشكل رئيسي على التكنولوجيا المحلية مثل DeepSeek و混元 (Hunyuan) وغيرها.
بعض البنوك، مثل جي بي مورغان، والبنك الصناعي والتجاري الصيني، ومجموعة بينغ أن، تقوم بتدريب نماذجها الخاصة. لكن معظم البنوك تقوم بضبط النماذج الحالية. المفتاح ليس في امتلاك النموذج نفسه، بل في التحكم في طبقة البيانات وتنسيق عمل النموذج.
استكشاف تنوع تطبيقات الذكاء الاصطناعي العالمية
الصورة الأصلية في النص الأصلي، الترجمة: شينتشاو TechFlow
ما الفرق؟
في صناعة شديدة التنظيم ، يعد الحذر أمرا بالغ الأهمية ، وهذا هو السبب في أن البنوك تتعامل مع الذكاء الاصطناعي بدلا من أن تكون مباشرة في الخطوط الأمامية. ومع ذلك ، كما لاحظنا في تغييرات النظام الأساسي الأخرى ، فإن اتخاذ القرار الحاسم والتجريب السريع أمران أساسيان. لا يسبق التنظيم أبدا التنفيذ ، وليس من الحكمة انتظار وضع التنظيم قبل تجربة الذكاء الاصطناعي. أتذكر إنشاء وكالة مصرفية منذ أكثر من عقد من الزمان في بلد لم يكن هناك تنظيم. بمجرد الانتهاء من ذلك ، نصبح من يشرحون الأعمال للبنك المركزي. إذا كنت عضوا في مجلس إدارة أحد البنوك ، فسأسأل ، "كم عدد التجارب التي نقوم بها؟" كم عدد الأفكار التي نولدها ؟
لقياس التقدم حقا ، علينا أن نعود إلى المبادئ الأساسية لتغيير المنصة. يجب أن تجيب استراتيجية الذكاء الاصطناعي الخاصة بك على الأسئلة التالية:
"هل أعادت استراتيجيتنا في الذكاء الاصطناعي بناء البنية الأساسية؟ هل خفضت التكاليف بمقدار 100 مرة؟ هل أطلقت نماذج قيمة جديدة؟ هل حفزت الروابط داخل النظام البيئي؟ هل قلبت السوق؟ هل حققت ديمقراطية الوصول؟"
المنطق واضح - الشكوك ضرورية ، لكن كلا من المنطق والحقائق تشير إلى أن الذكاء الاصطناعي هو تغيير جديد في المنصة. بالإضافة إلى ذلك ، يظهر المنطق والحقائق أيضا أن التغييرات السابقة في المنصة أدت في كثير من الأحيان إلى تغييرات ثورية في الأسواق المالية. سيتي بنك ، على سبيل المثال ، وسع بشكل كبير أعمال البيع بالتجزئة باستخدام التكنولوجيا في السبعينيات والثمانينيات. نمت Capital One من الصفر لتصبح واحدة من أفضل 10 بنوك في السوق ولها حضور قوي في الصناعات ذات الصلة مثل قروض السيارات والرهون العقارية. في إفريقيا ، استحوذ بنك Equity Bank على موجة تكنولوجيا خادم العميل ليصبح أكبر بنك من حيث القيمة السوقية في شرق إفريقيا. وبالمثل ، قفز Access Bank و GT Bank و Capitec على الموجة في أسواقهم.
لقد جاء عصر منصات الذكاء الاصطناعي، وسيخلق الفائزين. التركيز ليس على الفاشلين، بل على كيفية تحقيق الفائزين لحصة سوقية ملحوظة في مجالات معينة. على سبيل المثال، نجاح Stripe في مجال المدفوعات هو مثال نموذجي. وغالبًا ما تؤدي هذه الاختراقات المبكرة إلى زيادة حصة السوق في المجالات المجاورة، مثل Nubank التي أصبحت لاعبًا مهمًا في مجال الشركات الصغيرة والمتوسطة والبنوك التجزئة من خلال أعمال بطاقات الائتمان.
وجهة نظري هي أن الفائزين في عصر الذكاء الاصطناعي سيركزون على تكلفة العلاقات. لم يعد هذا مجرد لعبة تداول بحتة. لقد حدثت التداولات، والآن أصبحت اللعبة تدور حول تجربة العملاء وإدارة العلاقات. هذه هي الرؤية الأساسية التي يجب أن يركز عليها قادة الخدمات المالية. كيف يمكن تحقيق تحسين بمقدار 100 مرة في تجربة العملاء وعلاقات البنوك بتكلفة منخفضة للغاية؟ كأحد البنوك، كيف يمكن استخدام التكنولوجيا الذكية لمساعدة العملاء بشكل أفضل في إدارة أموالهم وأعمالهم وحياتهم؟ اللاعبون القادرون على الإجابة وتنفيذ هذه الأسئلة، سيكونون الفائزين النهائيين.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
عملاقا البنوك الأمريكية والصينية يحتضنان الذكاء الاصطناعي التوليدي
كتبه: سامورا كاريكي
ترجمة: شينتشاو TechFlow
تدفق الذكاء الاصطناعي العالمي
كيف يمكن للبنوك استخدام الذكاء الاصطناعي التوليدي عمليًا؟
إذا تجاهلنا الأخبار الرئيسية والدعاية، فإن جوهر المشكلة هو: كيف تستخدم أكبر البنوك في العالم الذكاء الاصطناعي التوليدي؟ ليس الإمكانيات المستقبلية، ولا الدعاية من الموردين، بل أين التطبيقات العملية التي تم تنفيذها بالفعل؟
على مدى العامين الماضيين، دخلت الصناعة المالية العالمية بهدوء عصر الذكاء الاصطناعي التوليدي. ومع ذلك، فإن هذه العملية ليست موحدة، بل تظهر نمطًا مختلفًا بين الداخل والخارج: نشر أدوات داخلية بشكل منخفض المستوى، وتجارب حذرة موجهة للعملاء، فضلاً عن عدد قليل من الابتكارات الجريئة، والتي بدأت تدريجيًا في إعادة تشكيل الهيكل الداخلي للبنوك.
ابدأ من الداخل ثم قم بالتوسع تدريجياً
تتمتع تطبيقات الذكاء الاصطناعي بنقطة مشتركة واحدة: تبدأ كأدوات إنتاجية داخلية.
تركز التطبيقات الرئيسية للذكاء الاصطناعي التوليدي على تعزيز الإنتاجية الداخلية - هذه الأدوات تساعد الموظفين على إنجاز المزيد من العمل بموارد أقل. من مساعد محللي جيه بي مورغان (JPMorgan) الذي يقوم بتحليل أبحاث الأسهم، إلى أدوات مدفوعة بالذكاء الاصطناعي التي تقدم الدعم لمستشاري إدارة الثروات في مورغان ستانلي (Morgan Stanley)، كان التركيز المبكر على تمكين العاملين في القطاع المصرفي، وليس استبدالهم.
تقوم جولدمان ساكس (Goldman Sachs) ببناء مساعد ذكاء اصطناعي للمطورين؛ أداة ملخص الذكاء الاصطناعي التابعة لسيتي (Citi) تساعد الموظفين في معالجة المذكرات وكتابة الرسائل الإلكترونية؛ وقد تم إطلاق "SC GPT" التابعة لستاندرد تشارترد (Standard Chartered) بين 70,000 موظف لها، لتكون شاملة من كتابة الاقتراحات إلى مسائل الموارد البشرية.
نظرًا لأننا في بيئة منظمة بشدة، فإن نشر الأدوات الداخلية يبدو منطقيًا بشكل خاص. وهذا يمكّن البنوك من إجراء تجارب وتعزيز قدرات الذكاء الاصطناعي دون تجاوز الخطوط الحمراء التنظيمية. إذا أخذنا في الاعتبار التحركات الأخيرة للبنك المركزي النيجيري (CBN) ضد Zap، فإن "الحذر هو الخيار الأكثر حكمة".
مراقبة خطوط الأعمال: أين القيمة؟
تتفاوت سرعة تقدم تطبيقات الذكاء الاصطناعي بين الأقسام المختلفة. هناك اختلافات في سرعة اعتماد الذكاء الاصطناعي التوليدي بين الأقسام التجارية المختلفة. في هذا السياق، تتصدر البنوك التجارية في حجم المعاملات. في هذا المجال، تتعامل روبوتات المحادثة المدعومة بالذكاء الاصطناعي التوليدي مثل Fargo من Wells Fargo وErica من Bank of America مع مئات الملايين من التفاعلات سنويًا. في أوروبا، أطلقت Commerzbank مؤخرًا روبوت المحادثة الخاص بها Ava.
ومع ذلك، تكمن المشكلة في أن بعض هذه الأدوات لا تستخدم فعليًا الذكاء الاصطناعي التوليدي، بل تعتمد على تقنيات التعلم الآلي التقليدية. على سبيل المثال، تعمل Erica التابعة لبنك أمريكا بشكل يشبه "التركي الآلي"، مما يعني أنها تخلق وهم الأتمتة من خلال العمليات اليدوية. ومع ذلك، من المهم أن تكون هذه التجارب نفسها، وليس تسميات التكنولوجيا.
في مجالات الشركات والبنوك الاستثمارية، تكون التحولات أكثر خفاءً. الأدوات الداخلية لبنك جي بي مورجان (JPMorgan) تدعم بشكل أساسي فرق البحث والمبيعات، وليس مباشرةً للعملاء. بينما يستخدم بنك دويتشه (Deutsche Bank) الذكاء الاصطناعي لتحليل سجلات الاتصالات مع العملاء، وهذا ليس خدمة عملاء، بل تمكين بيانات يساعد المصرفيين على فهم العملاء وخدمتهم بشكل أسرع وأفضل.
إدارة الثروات تقع في الوسط بين الجانبين. أدوات الذكاء الاصطناعي في مورغان ستانلي لا تتحدث مباشرة مع العملاء، ولكنها تضمن أن يكون المستشارون مستعدين بشكل كامل قبل كل اجتماع. بنك دويتشه وبنك أبوظبي الأول يجربان مساعدات تستهدف العملاء المتميزين، تهدف إلى الرد في الوقت الفعلي على الأسئلة الاستثمارية المعقدة.
الفروق الإقليمية: من يتصدر السباق؟
المصدر: مؤشر الذكاء الاصطناعي الواضح
تتصدر منطقة أمريكا الشمالية كما هو متوقع. قامت بنوك الولايات المتحدة مثل جي بي مورغان (JPMorgan) وكابيتال وان (Capital One) وويلز فارجو (Wells Fargo) وسيتي (Citi) والبنك الملكي الكندي (RBC) بتحويل الذكاء الاصطناعي إلى محرك إنتاجية. بفضل التعاون مع OpenAI ومايكروسوفت (Microsoft)، كانوا من الأوائل الذين تواصلوا مع نماذج الذكاء الاصطناعي الرائدة.
أوروبا أكثر حذراً. تقوم بنك بي بي في إيه (BBVA) وبنك دويتشه (Deutsche Bank) وبنك إتش إس بي سي (HSBC) باختبار أدوات الذكاء الاصطناعي داخليًا، وقد وضعت المزيد من تدابير الأمان. إن لائحة حماية البيانات العامة في الاتحاد الأوروبي (GDPR) لها تأثير بعيد المدى عليهم. كما هو الحال دائماً، تركز أوروبا أكثر على التنظيم بدلاً من التقدم التكنولوجي، مما قد يكلفهم ثمنًا.
لا تزال إفريقيا وأمريكا اللاتينية في مرحلة مبكرة من تطوير الذكاء الاصطناعي، لكن التقدم سريع. تتميز شركة Nubank البرازيلية، حيث تتعاون مع OpenAI لنشر أدوات الذكاء الاصطناعي داخليًا أولاً، ثم توسيعها إلى خدمات العملاء. في جنوب إفريقيا، تقوم Standard Bank و Nedbank بتنفيذ تجارب في مجال الذكاء الاصطناعي تشمل التحكم في المخاطر، وخدمات الدعم، والتطوير.
الصين: بناء مجموعة تقنيات الذكاء الاصطناعي الذاتية
البنوك الصينية لا تستخدم الذكاء الاصطناعي فحسب، بل تقوم أيضًا ببناء مجموعة تقنيات الذكاء الاصطناعي.
أطلقت بنك الصين الصناعي والتجاري (ICBC) "Zhiyong"، وهو نموذج لغوي ضخم يحتوي على 1000 مليار معلمة، تم تطويره داخليًا. تم استدعاء هذا النموذج أكثر من مليار مرة، ويدعم 200 سيناريو عمل، بدءًا من تحليل الوثائق وصولاً إلى أتمتة التسويق. هذه ليست مجرد تطبيقات لأدوات داخلية، بل هي تحول أساسي في طريقة عمل البنك.
أطلقت مجموعة أنتي (Ant Group) نموذجين كبيرين للغة في مجال المالية - تشي شياو باو 2.0 (Zhixiaobao 2.0) وتشي شياو زهو 1.0 (Zhixiaozhu 1.0). الأول موجه لمستخدمي Alipay العاديين، ويهدف إلى تفسير المنتجات المالية؛ بينما الثاني يوفر الدعم لمستشاري إدارة الثروات، حيث يمكنه تلخيص تقارير السوق وتوليد رؤى حول المحفظة الاستثمارية.
ذهبت مجموعة Ping An Group ، وهي شركة عملاقة في مجال التكنولوجيا المالية تدمج التأمين والخدمات المصرفية والتكنولوجيا ، إلى أبعد من ذلك. طورت AskBob ، وهو مساعد الذكاء الاصطناعي التوليدي الذي يخدم كل من العملاء ومديري الحسابات. بالنسبة للعملاء ، يمكن ل AskBob الإجابة على أسئلة الاستثمار والتأمين باللغة الصينية الطبيعية. بالنسبة للمستشارين ، فإنه يستخرج ويلخص سجل العملاء وبيانات المنتج والمواد التسويقية ، ويحول كل وكيل إلى خبير مالي محسن رقميا. هدف Ping An هو إعادة تعريف الاستشارات المالية من خلال الذكاء الاصطناعي ، ليس فقط للإجابة على الأسئلة ، ولكن لتوقع الطلب مسبقا.
في الصين، تشجع الإطار التنظيمي بقوة على توطين البيانات وشفافية النماذج، وقد اختارت هذه المؤسسات الطريق الأطول: بناء نماذج ذكاء اصطناعي مخصصة تتكيف مع التنظيمات المحلية واللغة وبيئة السوق. علاوة على ذلك، تمتلك الصين كثافة كافية من المواهب، مما يمكّن البنوك من تطوير النماذج الأساسية بشكل مستقل، وهو إنجاز قد يكون فريداً على مستوى العالم.
من يقدم الدعم الفني؟
تظهر بعض الشركات المعروفة بشكل متكرر على مستوى العالم: أصبحت مايكروسوفت (Microsoft) من خلال Azure OpenAI المنصة الأكثر شيوعًا حاليًا. من مورغان ستانلي إلى ستاندرد تشارترد، تعمل العديد من البنوك في بيئة السندات الآمنة الخاصة بمايكروسوفت.
تستخدم أيضًا نماذج اللغة الكبيرة (LLM) من جوجل، على سبيل المثال، تستخدم بنك ويلز فارجو Flan لدعم خدماتها. أما في الصين، فإنها تعتمد بشكل رئيسي على التكنولوجيا المحلية مثل DeepSeek و混元 (Hunyuan) وغيرها.
بعض البنوك، مثل جي بي مورغان، والبنك الصناعي والتجاري الصيني، ومجموعة بينغ أن، تقوم بتدريب نماذجها الخاصة. لكن معظم البنوك تقوم بضبط النماذج الحالية. المفتاح ليس في امتلاك النموذج نفسه، بل في التحكم في طبقة البيانات وتنسيق عمل النموذج.
استكشاف تنوع تطبيقات الذكاء الاصطناعي العالمية
الصورة الأصلية في النص الأصلي، الترجمة: شينتشاو TechFlow
ما الفرق؟
في صناعة شديدة التنظيم ، يعد الحذر أمرا بالغ الأهمية ، وهذا هو السبب في أن البنوك تتعامل مع الذكاء الاصطناعي بدلا من أن تكون مباشرة في الخطوط الأمامية. ومع ذلك ، كما لاحظنا في تغييرات النظام الأساسي الأخرى ، فإن اتخاذ القرار الحاسم والتجريب السريع أمران أساسيان. لا يسبق التنظيم أبدا التنفيذ ، وليس من الحكمة انتظار وضع التنظيم قبل تجربة الذكاء الاصطناعي. أتذكر إنشاء وكالة مصرفية منذ أكثر من عقد من الزمان في بلد لم يكن هناك تنظيم. بمجرد الانتهاء من ذلك ، نصبح من يشرحون الأعمال للبنك المركزي. إذا كنت عضوا في مجلس إدارة أحد البنوك ، فسأسأل ، "كم عدد التجارب التي نقوم بها؟" كم عدد الأفكار التي نولدها ؟
لقياس التقدم حقا ، علينا أن نعود إلى المبادئ الأساسية لتغيير المنصة. يجب أن تجيب استراتيجية الذكاء الاصطناعي الخاصة بك على الأسئلة التالية:
"هل أعادت استراتيجيتنا في الذكاء الاصطناعي بناء البنية الأساسية؟ هل خفضت التكاليف بمقدار 100 مرة؟ هل أطلقت نماذج قيمة جديدة؟ هل حفزت الروابط داخل النظام البيئي؟ هل قلبت السوق؟ هل حققت ديمقراطية الوصول؟"
المنطق واضح - الشكوك ضرورية ، لكن كلا من المنطق والحقائق تشير إلى أن الذكاء الاصطناعي هو تغيير جديد في المنصة. بالإضافة إلى ذلك ، يظهر المنطق والحقائق أيضا أن التغييرات السابقة في المنصة أدت في كثير من الأحيان إلى تغييرات ثورية في الأسواق المالية. سيتي بنك ، على سبيل المثال ، وسع بشكل كبير أعمال البيع بالتجزئة باستخدام التكنولوجيا في السبعينيات والثمانينيات. نمت Capital One من الصفر لتصبح واحدة من أفضل 10 بنوك في السوق ولها حضور قوي في الصناعات ذات الصلة مثل قروض السيارات والرهون العقارية. في إفريقيا ، استحوذ بنك Equity Bank على موجة تكنولوجيا خادم العميل ليصبح أكبر بنك من حيث القيمة السوقية في شرق إفريقيا. وبالمثل ، قفز Access Bank و GT Bank و Capitec على الموجة في أسواقهم.
لقد جاء عصر منصات الذكاء الاصطناعي، وسيخلق الفائزين. التركيز ليس على الفاشلين، بل على كيفية تحقيق الفائزين لحصة سوقية ملحوظة في مجالات معينة. على سبيل المثال، نجاح Stripe في مجال المدفوعات هو مثال نموذجي. وغالبًا ما تؤدي هذه الاختراقات المبكرة إلى زيادة حصة السوق في المجالات المجاورة، مثل Nubank التي أصبحت لاعبًا مهمًا في مجال الشركات الصغيرة والمتوسطة والبنوك التجزئة من خلال أعمال بطاقات الائتمان.
وجهة نظري هي أن الفائزين في عصر الذكاء الاصطناعي سيركزون على تكلفة العلاقات. لم يعد هذا مجرد لعبة تداول بحتة. لقد حدثت التداولات، والآن أصبحت اللعبة تدور حول تجربة العملاء وإدارة العلاقات. هذه هي الرؤية الأساسية التي يجب أن يركز عليها قادة الخدمات المالية. كيف يمكن تحقيق تحسين بمقدار 100 مرة في تجربة العملاء وعلاقات البنوك بتكلفة منخفضة للغاية؟ كأحد البنوك، كيف يمكن استخدام التكنولوجيا الذكية لمساعدة العملاء بشكل أفضل في إدارة أموالهم وأعمالهم وحياتهم؟ اللاعبون القادرون على الإجابة وتنفيذ هذه الأسئلة، سيكونون الفائزين النهائيين.