الذكاء الاصطناعي يقلب موازين الربح والخسارة
لم يعد الذكاء الاصطناعي مجرد تقنية تتنافس الشركات على اقتنائها، بل تحول إلى قوة اقتصادية تعيد تشكيل الإنتاجية وتوزيع الموارد وإدارة المخاطر في مختلف القطاعات. ومع تسارع استخدام النماذج المتطورة، تتسع الفرص لتحقيق مكاسب غير مسبوقة، لكن هذه التحولات تطرح سؤالاً أكثر أهمية من سرعة الابتكار: كيف تستطيع المؤسسات تحويل القدرات التكنولوجية إلى قيمة اقتصادية مستدامة دون تعريض أعمالها لخسائر تشغيلية أو قرارات يصعب التحكم فيها؟
وتبرز أهمية هذا السؤال في ظل انتقال الذكاء الاصطناعي من مرحلة التجارب المحدودة إلى التشغيل الفعلي داخل الشركات، حيث تتولى الأنظمة الذكية مهام التحليل والتنبؤ وتنفيذ الإجراءات. ويؤكد الطرح الذي يقدمه «غولدمان ساكس» أن النجاح الاقتصادي لن يكون حكراً على المؤسسات الأسرع تبنياً للتكنولوجيا، وإنما سيتحدد بقدرتها على بناء منظومة رقابية تضمن الاستخدام المسؤول، وتربط القرارات الآلية بمساءلة بشرية واضحة.
قفزة طبية
تقدم التطبيقات الصحية نموذجاً لحجم العوائد المحتملة من الذكاء الاصطناعي، بعدما أظهــرت «مايو كلينيك»، فــي أبريل مـن العام الجاري، قـدرة نموذج طورتـه عـلى رصد 73 % من حالات سرطان البنكرياس قبل ظهور الأعراض بنحو ثلاث سنوات، وفق النتائج الواردة في المادة الأصلية. ويمثل هذا التطور فرصة لتحسين فرص التدخل الطبي المبكر في مرض يصعب اكتشافه غالباً قبل وصوله إلى مراحل متقدمة.
وتتجاوز الدلالات الاقتصادية لهذه التطبيقات المجال الطبي المباشر، إذ يمكن أن يسهم الاكتشاف المبكر للأمراض في تخفيف تكاليف العلاج المتأخر، وتقليل فترات الانقطاع عن العمل، وتحسين كفاءة استخدام الموارد الصحية. ومع ذلك، فإن تحويل النتائج البحثية إلى وفورات مالية فعلية يتطلب التحقق السريري من دقة النماذج وقياس تكاليف تطبيقها على نطاق واسع.
وتعكس هذه التجربة جانباً من الفرص التي يمكن أن تمتد إلى اكتشاف الأدوية والزراعة والنقل والصناعات الإبداعية، بما يجعل الذكاء الاصطناعي محركاً محتملاً لرفع الإنتاجية في قطاعات متعددة.
مسؤولية مباشرة
يشدد «غولدمان ساكس» على أن المؤسسات التي تستخدم الذكاء الاصطناعي يجب أن تتحمل المسؤولية عن القرارات الناتجة عن أنظمتها، بدلاً من تحميل التكنولوجيا وحدها تبعات الأخطاء. ويستند هذا المبدأ إلى خبرة القطاع المالي في تشغيل منصات التداول الآلية، التي تعتمد منذ عقود على نماذج التعلم الآلي لتنفيذ معاملات تتطلب رقابة دقيقة.
فإذا تسبب نظام آلي في تنفيذ صفقة خاطئة، لا يمكن للمؤسسة الاكتفاء بتبرير الخسارة باعتبارها خللاً تكنولوجياً. وينطبق المنطق نفسه على الشركات التي تمنح وكلاء الذكاء الاصطناعي صلاحيات تنفيذية، إذ ينبغي تحديد المسؤول عن اعتماد النظام، وحدود استخدامه، وآليات التدخل عند ظهور نتائج غير متوقعة.
وتكتسب المساءلة أهمية اقتصادية لأنها تقلل احتمالات اتخاذ قرارات مرتفعة المخاطر دون رقابة، وتساعد على حماية أموال المساهمين وثقة العملاء، فضلاً عن الحد من النزاعات التنظيمية والقانونية المحتملة.
تبعية مكلفة
يحذر الطرح من مخاطر الاعتماد المفرط على مزود واحد لنماذج الذكاء الاصطناعي، خصوصاً مع انتقال الشركات إلى استخدام هذه الأنظمة في وظائف أساسية يصعب تعطيلها أو استبدالها سريعاً.
وقد يؤدي تعطل خدمات المورد أو تغيير شروط التسعير أو تراجع جودة النموذج إلى اضطرابات تشغيلية واسعة، إذا كانت المؤسسة تفتقر إلى بدائل مناسبة. كما أن الارتباط العميق بمزود واحد قد يزيد تكاليف الانتقال إلى أنظمة أخرى، ويضعف قدرة الشركات على التفاوض بشأن الأسعار والخدمات.
ولمواجهة هذه المخاطر، يدعو «غولدمان ساكس» إلى تقييم الموردين بصورة شاملة، وإخضاع النماذج لمراجعات مستقلة، وتوثيق قدراتها وحدودها، ومراقبة أدائها باستمرار. وتساعد هذه الإجراءات المؤسسات على معرفة حجم المخاطر التي تنتقل إليها من الشركات المطورة، بدلاً من افتراض أن شراء التكنولوجيا ينقل المسؤولية إلى المورد.
اختبارات قاسية
تعد اختبارات الضغط والتحمل من الأدوات الأساسية التي يقترح القطاع المالي نقل مبادئها إلى إدارة الذكاء الاصطناعي، مع تكييفها لتناسب الطبيعة التقنية لهذه الأنظمة.
وتقوم الفكرة على تعريض النماذج لسيناريوهات تشغيلية صعبة قبل منحها صلاحيات واسعة، بهدف اكتشاف نقاط الضعف والأخطاء المحتملة والنتائج غير المقصودة. وقد تشمل الاختبارات التعامل مع بيانات ناقصة أو متعارضة، أو محاولات التلاعب بالتعليمات، أو ظروف تشغيل تتجاوز الحالات المعتادة.
وتسمح هذه المراجعات باكتشاف المخاطر في بيئات خاضعة للرقابة، قبل انتقالها إلى العمليات الحقيقية وما قد يصاحبها من خسائر. وتزداد أهميتها مع استخدام وكلاء الذكاء الاصطناعي القادرين على تنفيذ سلسلة من المهام دون تدخل بشري عند كل خطوة.
ويرى «غولدمان ساكس» أن الشركات الأكثر قدرة على الاستفادة من التكنولوجيا ستكون تلك التي تجعل اختبارات التحمل ممارسة دورية، وليست إجراءً استثنائياً يسبق إطلاق الأنظمة فقط.
ثقافة الإفصاح
لا تكتمل إدارة المخاطر بالاختبارات التقنية وحدها، إذ تحتاج المؤسسات إلى بيئة عمل تشجع الموظفين على الإبلاغ عن الثغرات والمخرجات غير الطبيعية دون الخوف من العواقب المهنية.
ويؤكد الطرح أهمية إنشاء قنوات واضحة لتصعيد المخاوف، تتيح للعاملين في مختلف المستويات الإبلاغ عن المشكلات فور اكتشافها. فقد تظهر مؤشرات الخلل لدى الموظفين الذين يتعاملون مباشرة مع الأنظمة، قبل أن تصل إلى الإدارة العليا أو فرق الرقابة.
وتساعد هذه الثقافة على تقليل الفترة الفاصلة بين اكتشاف المشكلة ومعالجتها، وهو عامل مؤثر في احتواء الخسائر التشغيلية. كما تعزز قدرة المؤسسات على التعلم من الأخطاء وتحسين النماذج بصورة مستمرة، بدلاً من إخفاء العيوب حتى تتحول إلى أزمات أكبر.
رقابة متخصصة
يرفض الطرح استنساخ القواعد التنظيمية المصرفية وتطبيقها بصورة مباشرة على الذكاء الاصطناعي، رغم إمكانية الاستفادة من خبرات البنوك في إدارة المخاطر. فالأنظمة الذكية تختلف عن المنتجات المالية في طبيعة تشغيلها وسرعة تطورها وتعدد استخداماتها.
وتتوزع المسؤولية بين الحكومات التي تضع الأطر التنظيمية، والمطورين الذين يصممون النماذج، والشركات التي تحدد كيفية استخدامها والصلاحيات الممنوحة لها. ويعد المستوى الأخير محورياً، لأن المؤسسة المستخدمة هي التي تقرر مدى تدخل الذكاء الاصطناعي في عملياتها الفعلية.
وتتطلب الرقابة الفعالة قواعد تتناسب مع حجم المخاطر وطبيعة الاستخدام، بحيث لا تؤدي الإجراءات المفرطة إلى تعطيل الابتكار، ولا يسمح غياب الضوابط بانتشار أنظمة يصعب تفسير قراراتها أو محاسبة المسؤولين عنها.
الانضباط يصنع الميزة التنافسية
تتجه المنافسة الاقتصادية في عصر الذكاء الاصطناعي نحو مرحلة لن تكون فيها الأفضلية مرتبطة بحجم الإنفاق التكنولوجي أو سرعة إطلاق التطبيقات وحدهما، بل بقدرة الشركات على تشغيل الأنظمة الذكية بصورة موثوقة وقابلة للتوسع.
فالمؤسسات التي تنجح في الجمع بين الابتكار والمساءلة واختبارات المخاطر تستطيع الاستفادة من مكاسب الإنتاجية مع تقليل احتمالات التعطل والخسائر، وهو ما يمنحها قدرة أكبر على جذب العملاء والاستثمارات وتعزيز الثقة في عملياتها.
في المقابل، قد تجد الشركات التي تتوسع دون ضوابط نفسها أمام تكاليف غير متوقعة تلتهم الوفورات التي وعدت بها التكنولوجيا. ولذلك، فإن العائد الاقتصادي الحقيقي للذكاء الاصطناعي لن يقاس بعدد الأنظمة المستخدمة، وإنما بما تحققه من نتائج قابلة للاستمرار، وبقدرة المؤسسات على تحويل الابتكار إلى نمو منتج وآمن، دون التضحية بالرقابة أو تحمل مخاطر لا تستطيع إدارتها.