سبع حالات استخدام للذكاء الاصطناعي لمساعدة مديري الأصول على تعزيز الكفاءة والإنتاجية في مواجهة الرياح المعاكسة للسوق

ستيوارت غرانت هو رئيس أسواق رأس المال، إدارة الأصول والثروات في SAP.

اكتشف أبرز أخبار التكنولوجيا المالية والفعاليات!

اشترك في النشرة الإخبارية FinTech Weekly

يطلع عليها مسؤولون تنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna وغيرهم

من ضغط الرسوم إلى التحولات غير المواتية في الظروف الاقتصادية الكلية إلى ارتفاع الاستثمارات التقنية التي لم تحقق بعد العائد المتوقع، تواجه منظمات إدارة الأصول تحديات كبيرة مع انتقال التقويم إلى عام 2026.

في تحليل عام 2025 لصناعة إدارة الأصول العالمية، وجدت شركة McKinsey & Company، على سبيل المثال، أن هوامش مديري الأصول قد انخفضت بمقدار ثلاث نقاط مئوية في أمريكا الشمالية وخمس نقاط مئوية في أوروبا خلال السنوات الخمس الماضية نتيجة عوامل مثل هذه.

لكن هناك بوابة لتخفيف الضغط متاحة على شكل توظيفات مستهدفة وموضعِة جيدًا للذكاء الاصطناعي. فالذكاء الاصطناعي بأشكاله المختلفة — التوليدي، والوكيلِي (agentic)، وما إلى ذلك — يبدأ بإظهار القيمة في مجموعة من حالات الاستخدام في أقسام التشغيل الأمامي والوسيط والخلفي، مما يمنح مديري الأصول وسائل لالتقاط مكاسب جديدة في الإنتاجية والكفاءة، وتحديد فرص عمل جديدة مربحة والاستفادة منها قبل المنافسين. وفي تحليله، الذي يعتمد على استطلاع شمل كبار المسؤولين التنفيذيين من شركات إدارة الأصول عبر أمريكا الشمالية وأوروبا، خلصت McKinsey إلى أن لدى مدير أصول متوسط، قد يكون الأثر المحتمل من الذكاء الاصطناعي والذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيلي “قابلًا للتحول بشكل كبير، بما يعادل 25 إلى 40 بالمئة من قاعدة تكلفتهم”.

وبالتالي، يتمثل التحدي أمام منظمات إدارة الأصول في تحديد أين داخل مؤسساتها يمكن للذكاء الاصطناعي أن يوفّر أكبر قيمة.

توظيف الذكاء الاصطناعي لتحقيق أقصى تأثير

تقوم الشركات عبر مشهد إدارة الأصول بتوظيف الذكاء الاصطناعي في مجموعة متنوعة من الجبهات. يحدث جزء كبير من هذا النشاط داخل المؤسسات الأكبر، التي تمتلك الموارد العميقة لتطوير قدراتها الخاصة حول النماذج اللغوية الكبيرة، مع وكلاء ذكاء اصطناعي مستهدفين وما شابه. لكن الجانب الآخر من معادلة الذكاء الاصطناعي هو أنه يمكن أيضًا أن يساعد مديري الأصول خارج نطاق المؤسسات الأكبر من الفئة الأولى (Tier One) على المنافسة على قدم أكثر مساواة ضد هذه الشركات الأكبر.

وعلاوة على ذلك، بينما تركز كثير من المؤسسات استثماراتها على حالات استخدام الذكاء الاصطناعي المواجهة للعملاء، فمن المهم ألا نغفل الفرص المتاحة لإنشاء قيمة من خلال تطبيقات ذكاء اصطناعي أخرى قابلة للتوسع عبر أقسام التشغيل الأمامي والوسيط والخلفي. بدلًا من السعي وراء حلول نقطية قد لا تتكامل جيدًا مع بعضها بعضًا، قد يكون النهج الأذكى لتوليد القيمة من الذكاء الاصطناعي هو استهداف استثمارات تعمل على إزالة الجدران الافتراضية بين طبقات المكاتب الثلاث لخلق كفاءات، وتعزيز الإنتاجية، وتبسيط العمليات، والإفادة بشكل أفضل في التخطيط والاستراتيجية.

باختصار، ابحث عن حالات استخدام للذكاء الاصطناعي تشجع — ويمكنها الاستفادة من — الحركة الأكثر حرية للبيانات داخل المؤسسة. إليك مجموعة من الأمثلة التي تبدو واعدة بشكل خاص:

1. أتمتة وتسريع الإغلاق المالي ووظائف التمويل الأخرى. كانت المالية تاريخيًا مجالًا محفوفًا بعمليات يدوية. وبمساعدة وكلاء الذكاء الاصطناعي، لدى منظمات إدارة الأصول فرصة لأتمتة العديد من العمليات حول وظيفة التمويل، بما في ذلك الإغلاق المالي وكذلك AR وAP ومطابقة الفواتير وما شابه. في هذه السيناريوهات يمكن للذكاء الاصطناعي دعم تحسين أتمتة نقل البيانات. كما يمكنه تزويد مستخدمي الأعمال في قسم المالية بإشعارات استباقية — وسيناريوهات قابلة للتنفيذ — بشأن مشكلات محتملة لم تكن مرئية مثل فائض/عجز رأس المال، وتعديلات الميزانية العمومية، وما إلى ذلك.

2. تحسين إدارة المخاطر من خلال المواءمة الحقيقية مع المالية. يمكن للبيانات من المكتب الخلفي أن تكون ذات قيمة هائلة لفرق إدارة المخاطر في المكتب الأوسط. يمكن لتلك الفرق استخدام البيانات المتعلقة بحيازات المستثمرين، وتدفقات النقد، والسيولة في السوق، والهامش/الضمان، إلخ، جنبًا إلى جنب مع بيانات ملف العميل واتصالاته لتحديد إشارات مبكرة لعمليات استرداد العملاء وما يرتبط بها من مخاطر سيولة.

3. تحديد فرص جديدة لتشكيلات الرسوم ونماذج الأعمال والتحرك بسرعة بشأنها. يمكن للمؤسسات توجيه أدوات الذكاء الاصطناعي لديها للبحث ونمذجة أثر التغييرات المحتملة في الرسوم وكذلك نماذج الأعمال الجديدة. ماذا تشير البيانات التاريخية إلى كيفية تأثير تغيير الرسوم على الحسابات المدينة؟ هل توجد فرص لتقسيم مجال قائم من العمل (مثل فئة أصول محددة أو صناديق جغرافية محددة) إلى جزأين أو أكثر، أو لتجميع العملاء بشكل مختلف، وإذا كان الأمر كذلك، ما مدى قوة الحجة التجارية أمام التحركات من هذا النوع؟

4. إبلاغ القرارات بشأن التوسع في منتجات أو مناطق جغرافية جديدة. تضع مؤسستك في اعتبارها الانتقال إلى سوق جغرافية جديدة واعدة لكنها تمثل مخاطرة نسبيًا. كيف جاءت التحركات السابقة من هذا النوع من حيث التكاليف المتوقعة والتكاليف الفعلية؟ ما الأثر التنظيمي والموارد البشرية المحتملان لمثل هذه الخطوة؟ يمكن لحوار مع مساعد رقمي بالذكاء الاصطناعي التوليدي أن يقدّم إجابات قيمة عن أسئلة من هذا النوع، مما يؤدي إلى قرارات استراتيجية أكثر إحكامًا.

5. نمذجة سيناريوهات “ماذا لو” حول الأثر المحتمل لإعادة موازنة المحفظة على الأرباح المستقبلية، وكذلك أولويات استثمار العملاء وتوجهات المخاطر لديهم. يمكن لأدوات الذكاء الاصطناعي أن توفر رؤية حول الأثر المحتمل لهذه التحولات، مع تقديم توصيات أيضًا بشأن التوقيت الأمثل في ضوء التزامات الحسابات الدائنة وعوامل أخرى. ومن خلال ربط مثل هذه الروابط بالبيانات، يساعد الذكاء الاصطناعي على معالجة فجوات المعلومات بين وظيفة المالية وإدارة المحافظ في المكتب الأمامي، بما يدعم تخطيطًا استراتيجيًا وتمويلًا/ميزانية أكثر دقة.

في حالة إحدى الشركات التي أعمل معها، على سبيل المثال، يسعون إلى دمج بيانات توزيع المحفظة المتعلقة بأداء العناصر الفردية في محفظتهم مع بيانات تتعلق بشهية العملاء للمخاطر وتشكيلات الرسوم. والهدف هو فهم الانعكاسات المالية لإعادة موازنة المحفظة مقارنة بتوقعات العملاء والأرباح المستقبلية بشكل أفضل.

6. تعزيز الإنتاجية. يقول بعض المسؤولين التنفيذيين في إدارة الأصول الذين تحدثت معهم مؤخرًا إن مؤسساتهم تسعى إلى مضاعفة الأصول الخاضعة للإدارة دون زيادات مادية في عدد الموظفين، وذلك ببساطة من خلال الاستفادة من الذكاء الاصطناعي ووكلاء الذكاء الاصطناعي بشكل أوسع عبر مؤسساتهم. إنهم ينشئون وكلاء ذكاء اصطناعي ويضعونهم جنبًا إلى جنب مع الموظفين — بوصفهم امتدادات رقمية لهؤلاء الموظفين، بشكل أساسي. وفي النهاية، فإن مكاسب الإنتاجية التي توفرها هذه الوكلاء تمكّن الشركات الصغيرة والمتوسطة من “مقارعة وزنها” للتنافس على قدم أكثر مساواة مع الشركات الأكبر.

7. تحسين كشف الاحتيال أثناء استقبال العملاء/ضمّهم. يتقن الذكاء الاصطناعي فحص وتحقق المستندات الخاصة بمرحلة الضم بسرعة، وتحديد حتى أصغر الشذوذات (في حجم الخط، وتنسيق المستند، إلخ) التي قد تشير إلى أن العميل ليس من يبدو عليه وبالتالي يحتاج إلى فحص إضافي.

ورغم أن حالات الاستخدام مثل هذه يمكن أن تكون مؤثرة داخل مؤسسة لإدارة الأصول، فإن تعظيم قيمتها يعتمد بشكل كبير على جودة البيانات التي تغذيها وإمكانية الوصول إليها. أولًا وقبل كل شيء، يجب أن تكون البيانات مفهومة للبشر والآلة على أساس خدمة ذاتية. وغالبًا ما تستخرج الشركات البيانات من تطبيقات المصدر وتُنقلها إلى بحيرة بيانات (data lake). لكن القيام بذلك يزيل دلالات وسياقات حيوية ومحددة لبيئة التطبيق. وبدون هذه البيانات الوصفية (metadata)، قد تكون مخرجات الذكاء الاصطناعي — والأثر الإجمالي — دون المستوى الأمثل. لذلك، في كثير من الحالات تكون المنظمات أفضل حالًا عندما تترك هذه البيانات في بيئة التطبيق الطبيعية الخاصة بها إلى جانب البيانات الوصفية المصاحبة. تخيّل البيانات في هذه التطبيقات على أنها البطاريات التي تشغّل الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيلي والتحليلات الذكية داخل المؤسسة. فكلما كانت البطاريات أقوى، كان موقع مؤسسة إدارة الأصول أفضل للاستفادة من استثماراتها في الذكاء الاصطناعي لتشق طريقها عبر الرياح المعاكسة التي تواجهها.

نبذة عن المؤلف

ستيوارت غرانت هو رئيس أسواق رأس المال، إدارة الأصول والثروات في SAP. وعلى مدار 20+ عامًا، كان يعمل مع البيانات في صناعة أسواق رأس المال في أدوار تشمل إدارة المنتجات، وتطوير الأعمال، وإدارة الأعمال.