حيث ينتهي الذكاء الاصطناعي ويبدأ حكم الاستثمار

يعيد الذكاء الاصطناعي تشكيل كيفية توليد المتخصصين في الاستثمار للأفكار وتحليل فرص الاستثمار. لم يعد الذكاء الاصطناعي قادرًا الآن على اجتياز جميع مستويات اختبار CFA الثلاثة فحسب، بل يمكنه إكمال مهام تحليل الاستثمار الطويلة والمعقدة بشكل مستقل. ومع ذلك، فإن القراءة الدقيقة لأحدث الأبحاث الأكاديمية تكشف عن صورة أكثر دقة بالنسبة للمستثمرين المحترفين. ورغم أن التطورات الأخيرة كانت مذهلة، فإن القراءة الدقيقة للبحث الحالي، والتي تعززت بشهادة يان ليكون الأخيرة أمام برلمان المملكة المتحدة، تشير إلى تحول أكثر بنيوية.

عبر الأوراق الأكاديمية، ودراسات الشركات، والتقارير التنظيمية، تتكرر ثلاثة مواضيع هيكلية. ويشيرون معًا إلى أن الذكاء الاصطناعي لن يؤدي فقط إلى تعزيز مهارات المستثمرين. وبدلا من ذلك، ستعمل على إعادة تسعير الخبرات، وزيادة أهمية تصميم العمليات، وتحويل المزايا التنافسية نحو أولئك الذين يفهمون القيود التقنية والمؤسسية والمعرفية التي يواجهها الذكاء الاصطناعي.

هذا المنشور هو الدفعة الرابعة في سلسلة ربع سنوية حول تطورات الذكاء الاصطناعي ذات الصلة بمحترفي إدارة الاستثمار. بالاعتماد على رؤى المساهمين في النشرة الإخبارية نصف الشهرية، الذكاء المعزز في إدارة الاستثمار، فهو يعتمد على المقالات السابقة لإلقاء نظرة أكثر دقة على دور الذكاء الاصطناعي المتطور في الصناعة.

القدرة تفوق الموثوقية

الملاحظة الأولى هي الفجوة الآخذة في الاتساع بين القدرة والموثوقية. تظهر الدراسات الحديثة أن نماذج الاستدلال الحدودي يمكن أن تجتاز اختبارات وهمية من المستوى الأول إلى الثالث مع درجات عالية بشكل استثنائي، مما يقوض فكرة أن المعرفة التي تتطلب الكثير من الحفظ تمنح ميزة دائمة (جامعة كولومبيا وآخرون، 2025). وبالمثل، فإن نماذج اللغة الكبيرة تحقق أداءً جيدًا بشكل متزايد عبر معايير الاستدلال والرياضيات وحل المشكلات المنظمة، كما ينعكس في أطر التسجيل المعرفية الجديدة للذكاء الاصطناعي العام (مركز سلامة الذكاء الاصطناعي وآخرون، 2025).

ومع ذلك، تحذر مجموعة من الأبحاث من أن النجاح المعياري يخفي الهشاشة في سيناريوهات العالم الحقيقي. يُظهر OpenAI وGeorgia Tech (2025) أن الهلوسة تعكس مقايضة هيكلية: فالجهود المبذولة لتقليل الاستجابات الخاطئة أو الملفقة تحد بطبيعتها من قدرة النموذج على الإجابة على أسئلة نادرة أو غامضة أو غير محددة. تشير الأعمال ذات الصلة حول الاستخراج السببي من نماذج اللغة الكبيرة أيضًا إلى أن الأداء القوي في التفكير الرمزي أو اللغوي لا يُترجم إلى فهم سببي قوي لأنظمة العالم الحقيقي (Adobe Research & UMass Amherst, 2025).

بالنسبة لصناعة الاستثمار، هذا التمييز أمر بالغ الأهمية. إن تحليل الاستثمار، وبناء المحفظة، وإدارة المخاطر لا تعمل مع حقائق أرضية مستقرة. وتعتمد النتائج على النظام، واحتمالية، وحساسة للغاية للمخاطر اللاحقة. وفي مثل هذه البيئات، فإن المخرجات التي تبدو متماسكة وموثوقة، ولكنها غير صحيحة، يمكن أن تحمل عواقب غير متناسبة.

والنتيجة بالنسبة لمحترفي الاستثمار هي أن مخاطر الذكاء الاصطناعي تشبه بشكل متزايد مخاطر النماذج. وكما تبالغ الاختبارات الخلفية بشكل روتيني في تقدير الأداء في العالم الحقيقي، فإن معايير الذكاء الاصطناعي تميل إلى المبالغة في تقدير موثوقية القرار. فالشركات التي تنشر الذكاء الاصطناعي دون أطر التحقق والتأصيل والتحكم الكافية تخاطر بدمج نقاط الضعف الكامنة بشكل مباشر في عملياتها الاستثمارية.

من المهارة الفردية إلى جودة القرار المؤسسي

الموضوع الثاني هو أن الذكاء الاصطناعي يعمل على تحويل المعرفة الاستثمارية إلى سلعة مع زيادة قيمة عملية اتخاذ القرار الاستثماري. توضح الأدلة المستمدة من استخدام الذكاء الاصطناعي في بيئات الإنتاج هذا الأمر. توصلت أول دراسة واسعة النطاق لوكلاء الذكاء الاصطناعي في الإنتاج إلى أن عمليات النشر الناجحة بسيطة ومقيدة بإحكام وتخضع للإشراف المستمر. وبعبارة أخرى، فإن عملاء الذكاء الاصطناعي اليوم ليسوا مستقلين ولا “أذكياء” سببيًا (UC Berkeley, Stanford, IBM Research, 2025). في سير العمل المنظم، غالبًا ما يتم تفضيل النماذج الأصغر حجمًا لأنها أكثر قابلية للتدقيق وقابلية للتنبؤ بها وأكثر استقرارًا.

البحوث السلوكية تعزز هذا الاستنتاج. توضح كلية كيلوغ للإدارة (2025) أن المهنيين لا يستخدمون الذكاء الاصطناعي بشكل كافٍ عندما يكون استخدامه مرئيًا للمشرفين، حتى عندما يعمل على تحسين الدقة. يجد جيرليش (2025) أن الاستخدام المتكرر للذكاء الاصطناعي يمكن أن يقلل من التفكير النقدي من خلال التفريغ المعرفي. وبالتالي، إذا ترك الذكاء الاصطناعي دون إدارة، فإنه يقدم خطرًا مزدوجًا يتمثل في قلة الاستخدام والإفراط في الاعتماد.

وبالتالي، بالنسبة لمنظمات الاستثمار، فإن الدرس بنيوي: فوائد الذكاء الاصطناعي لا تعود على الأفراد، ولكنها تعود على عمليات الاستثمار. وتقوم الشركات الرائدة بالفعل بدمج الذكاء الاصطناعي مباشرة في قوالب البحث الموحدة، ومراقبة لوحات المعلومات، وسير عمل المخاطر. أصبحت الحوكمة والتحقق من الصحة والتوثيق أكثر أهمية بشكل متزايد من القوة التحليلية الأولية، خاصة وأن المشرفين يعتمدون الرقابة المدعومة بالذكاء الاصطناعي بأنفسهم (تقرير حالة SupTech، 2025).

في هذه البيئة، تضعف أيضًا الفكرة التقليدية لـ “المحلل النجمي”. وربما تصبح القابلية للتكرار، وقابلية التدقيق، والتعلم المؤسسي المصدر الحقيقي لنجاح الاستثمار المستدام. وتتطلب مثل هذه البيئة تحولاً واضحاً في كيفية تصميم عمليات الاستثمار. في أعقاب الأزمة المالية العالمية، تم توحيد عمليات الاستثمار إلى حد كبير مع التركيز القوي على الامتثال.

ومع ذلك، تتطلب البيئة الناشئة تحسين عمليات الاستثمار من أجل جودة القرار. وهذا التحول كبير من حيث النطاق ويصعب تحقيقه، لأنه يعتمد على إدارة التغيير السلوكي الفردي كطبقة أساسية للقدرة التنظيمية على التكيف. وهذا هو الأمر الذي سعت صناعة الاستثمار في كثير من الأحيان إلى تجنبه من خلال التوحيد القياسي والأتمتة غير الشخصية – وهي تحاول الآن مرة أخرى من خلال تكامل الذكاء الاصطناعي، مما يؤدي إلى سوء وصف التحدي السلوكي باعتباره تحديًا تكنولوجيًا.

لماذا تحدد قيود الذكاء الاصطناعي من الذي يستحوذ على القيمة؟

ويركز الموضوع الثالث على حدود الذكاء الاصطناعي، بدلاً من النظر إليه على أنه سباق تكنولوجي فقط. وعلى الجانب المادي، أصبحت حدود البنية التحتية ملزمة. تسلط الأبحاث الضوء على أن جزءًا صغيرًا فقط من سعة مراكز البيانات المعلن عنها في الولايات المتحدة قيد الإنشاء بالفعل، حيث يتم قياس الوصول إلى الشبكة وتوليد الطاقة والجداول الزمنية للنقل بالسنوات، وليس بالأرباع (جيه بي مورجان، 2025).

وتعزز النماذج الاقتصادية أسباب أهمية هذا الأمر. يوضح ريستريبو (2025) أنه في الاقتصاد القائم على الذكاء العام الاصطناعي (AGI)، يصبح الإنتاج خطيًا في الحوسبة، وليس العمل. وبالتالي فإن العوائد الاقتصادية تعود على أصحاب الرقائق ومراكز البيانات والطاقة. إن وضع البنية التحتية الحاسوبية، والرقائق، ومراكز البيانات، والطاقة، والمنصات التي تدير التخصيص، هو العامل المتحكم في الحصول على القيمة مع إزالة العمالة من معادلة النمو.

وتتطلب القيود المؤسسية أيضاً اهتماماً أوثق. تعمل الجهات التنظيمية على توسيع قدراتها في مجال الذكاء الاصطناعي بقوة، مما يزيد من التوقعات المتعلقة بإمكانية التفسير والتتبع والتحكم في استخدام الذكاء الاصطناعي في صناعة الاستثمار (تقرير حالة SupTech، 2025).

وأخيرا، فإن القيود المعرفية تلوح في الأفق بشكل كبير. ومع تكاثر الأبحاث التي ينتجها الذكاء الاصطناعي، يتشكل الإجماع بشكل أسرع. يحذر تشو وإيفانز (2021) من أن الأنظمة الخوارزمية تميل إلى تعزيز النماذج السائدة، مما يزيد من خطر الركود الفكري. عندما يقوم الجميع بتحسين البيانات والنماذج المماثلة، يختفي التمايز.

بالنسبة للمستثمرين المحترفين، يؤدي اعتماد الذكاء الاصطناعي على نطاق واسع إلى رفع قيمة الحكم المستقل وتنوع العمليات من خلال جعل كليهما نادرين بشكل متزايد.

الآثار المترتبة على صناعة الاستثمار

ويوضح الدور المتنامي الذي يلعبه الذكاء الاصطناعي في أتمتة تدفقات عمل الاستثمار ما لا يستطيع إزالته: عدم اليقين، والحكم، والمساءلة. ومن المرجح أن تظل الشركات التي تصمم مؤسساتها حول هذا الواقع ناجحة في العقد المقبل.

تشير الأدلة مجتمعة إلى أن الذكاء الاصطناعي سوف يعمل كأداة للتمييز وليس للارتقاء الشامل، مما يؤدي إلى اتساع الفجوة بين الشركات التي تصمم من أجل الموثوقية والحوكمة والقيود، وتلك التي لا تفعل ذلك.

وعلى مستوى أعمق، يشير البحث إلى تحول فلسفي. قد لا تكمن القيمة الكبرى للذكاء الاصطناعي في التنبؤ بقدر ما تكمن في التفكير، أي تحدي الافتراضات، وإظهار الخلافات، وفرض أسئلة أفضل بدلاً من مجرد تقديم إجابات أسرع.

مراجع

Almog، D. توصيات الذكاء الاصطناعي والصورة غير الآلية المخاوف ورقة عمل أولية، كلية كيلوج للإدارة بجامعة نورث وسترن، أبريل 2025

دي كاستري، S. وآخرون. تقرير حالة SupTech 2025، ديسمبر 2025

تشو، ج، ج. إيفانز، تباطؤ التقدم القانوني في مجالات العلوم الكبيرة، بناسأكتوبر 2021

جيرليك، م.، أدوات الذكاء الاصطناعي في المجتمع: التأثيرات على التفريغ المعرفي ومستقبل التفكير النقدي، مركز الاستشراف الاستراتيجي والاستدامة المؤسسية، 2025

هندريكس، وآخرون. د، تعريف الذكاء الاصطناعي العام، https://arxiv.org/pdf/2510.18212، أكتوبر 2025

كالاي، أ، وآخرون، لماذا تهلوس النماذج اللغوية، OpenAI، 2025، أرخايف:2509.04664، 2025

ماهاديفان، س. النماذج السببية الكبيرة من النماذج اللغوية الكبيرة، أدوبي للأبحاث، https://arxiv.org/abs/2512.07796، ديسمبر 2025

جي باتل، نماذج الاستدلال تتفوق في امتحانات CFA، جامعة كولومبيا, ديسمبر 2025

ريستريبو، ب.، لن يفوتنا: العمل والنمو في عصر الذكاء الاصطناعي العام، فصول NBERيوليو 2025

جامعة كاليفورنيا في بيركلي، إنتيسا سان باولو، ستانفورد، أبحاث IBM، عوامل القياس في الإنتاج، https://arxiv.org/pdf/2512.04123، ديسمبر 2025