التعامل مع مخاطر الذكاء الاصطناعي في مجال التمويل: تعد إدارة البيانات وإدارتها أمرًا بالغ الأهمية

يدرك المنظمون التأثير المدمر والتهديدات الأمنية التي يفرضها ضعف ممارسات إدارة البيانات (DG) وإدارة البيانات (DM) في صناعة الاستثمار. لا تعمل العديد من شركات الاستثمار على تطوير أطر عمل شاملة للإدارة العامة وإدارة التنمية من شأنها مواكبة خططها الطموحة للاستفادة من التقنيات الجديدة مثل التعلم الآلي والذكاء الاصطناعي. يجب أن تحدد الصناعة الاستخدامات القانونية والأخلاقية للبيانات وأدوات الذكاء الاصطناعي. هناك حاجة إلى حوار متعدد التخصصات بين الهيئات التنظيمية والصناعة المالية على المستويين الوطني والدولي من أجل التركيز على المعايير القانونية والأخلاقية.

خطوات نحو كفاءة البيانات وفعاليتها

أولا، إنشاء متعددة وملموسة الأهداف على المدى القصير والمتوسط ​​والطويل. بعد ذلك، قم بتعيين الأولي الجدول الزمني الذي يرسم الجهود المبذولة يمكن التحكم فيه المراحل: بعض المبادرات التجريبية الصغيرة للبدء، على سبيل المثال. بدون أهداف ومواعيد نهائية واضحة، ستعود قريبًا إلى وظائفك اليومية، مع هذا الامتناع الذي عفا عليه الزمن من الجانب التجاري، “إن إدارة البيانات ومراقبتها هي وظيفة تكنولوجيا المعلومات، أليس كذلك؟”

من المهم للغاية أن نبدأ برؤية واضحة تتضمن معالم وتواريخ محددة. يمكنك التفكير كيف للوفاء بالمواعيد النهائية على طول الطريق. بينما تقوم بتعريف وإنشاء عمليات المدير العام وإدارة المشاريع، يجب أن تفكر في ذلك التدقيق في المستقبل النظم والعمليات والنتائج. هل يرتبط تعريف البيانات والإجراءات والسياسة المحددة لاتخاذ القرار باستراتيجية الشركة الشاملة؟ هل لديك التزام إداري ومشاركة الفريق والعملاء؟

كما أشرت في مشاركتي الأولى حول هذا الموضوع، فإن المؤسسات التي تحقق أكبر قدر من النجاح في مبادرات الإدارة العامة وإدارة المشاريع هي تلك التي تتبع نهج الفريق على شكل حرف T. وهذا يعني شراكة يقودها فريق عمل متعدد التخصصات في مجال التكنولوجيا، وتضم متخصصين في علوم البيانات. إن تحديد توقعات واقعية وإظهار الإنجازات سوف يشكل ضوابط أساسية، لأن أطر الحكم الديمقراطي وإدارة التنمية لا يمكن إنشاؤها بين عشية وضحاها.

ما أهمية المدير العام و DM في الخدمات المالية؟

بالنسبة لمحترفي الاستثمار، يعد تحويل البيانات إلى رؤى كاملة ودقيقة وتطلعية وقابلة للتنفيذ أكثر أهمية من أي وقت مضى.

في نهاية المطاف، يعد عدم تناسق المعلومات مصدرًا رائعًا للربح في الخدمات المالية. في كثير من الحالات، تتيح قدرات التعرف على الأنماط المدعومة بالذكاء الاصطناعي إمكانية الحصول على رؤى من البيانات الباطنية. تاريخيًا، كانت البيانات منظمة وكمية بشكل أساسي. اليوم، تتعامل نماذج معالجة اللغة الطبيعية (NLP) المتطورة جيدًا مع البيانات الوصفية أيضًا، أو البيانات الأبجدية الرقمية. تعتبر البيانات والتحليلات أيضًا ذات أهمية في ضمان الامتثال التنظيمي في الصناعة المالية، وهي واحدة من مجالات الأعمال الأكثر تنظيمًا في العالم.

بغض النظر عن مدى تعقيد بياناتك ونماذج الذكاء الاصطناعي، في النهاية، فإن كونها “ذات معنى إنساني” يمكن أن يؤثر بشكل كبير على إدراك المستخدمين لفائدة البيانات والنماذج، بغض النظر عن النتائج الموضوعية الفعلية التي تمت ملاحظتها. إن فائدة البيانات والتقنيات التي لا تعمل على أساس منطقي “مفهوم للإنسان” من غير المرجح أن يتم الحكم عليها بشكل صحيح من قبل المستخدمين وفرق الإدارة. عندما يرى البشر الأذكياء ارتباطًا دون روابط السبب والنتيجة التي تم تحديدها كأنماط بواسطة النماذج القائمة على الذكاء الاصطناعي، فإنهم يرون النتائج متحيزة ويتجنبون اتخاذ القرارات الخاطئة بناءً على النتيجة.

المبادرات المعتمدة على البيانات والذكاء الاصطناعي في الخدمات المالية

نظرًا لأن الخدمات المالية تعتمد بشكل متزايد على البيانات والذكاء الاصطناعي، فإن العديد من الخطط والمشاريع وحتى المشكلات تدخل حيز التنفيذ. هذا هو بالضبط المكان الذي يأتي فيه DG وDM.

يعد تعريف المشكلة والهدف أمرًا ضروريًا لأنه ليست كل المشكلات تناسب أساليب الذكاء الاصطناعي. علاوة على ذلك، فإن الافتقار إلى مستويات كبيرة من الشفافية وقابلية التفسير والمساءلة يمكن أن يؤدي إلى احتمال نشوء مخاطر مسايرة للدورة الاقتصادية ومخاطر نظامية في الأسواق المالية. وقد يؤدي ذلك أيضًا إلى خلق حالات عدم توافق مع الإشراف المالي الحالي، والحوكمة والرقابة الداخلية، بالإضافة إلى أطر إدارة المخاطر، والقوانين واللوائح، وصنع السياسات، التي تعمل على تعزيز الاستقرار المالي، ونزاهة السوق، والمنافسة السليمة مع حماية عملاء الخدمات المالية الذين يعتمدون تاريخيًا على التكنولوجيا. -مناهج محايدة.

غالبًا ما يتخذ محترفو الاستثمار قراراتهم باستخدام بيانات غير متاحة للنموذج أو حتى الحاسة السادسة بناءً على معرفته وخبرته؛ وبالتالي، يعد التقاط الميزات القوية في نمذجة الذكاء الاصطناعي وتصميم الإنسان في الحلقة، أي الإشراف البشري على تصميم المنتج وطوال دورة حياة البيانات ومنتجات الذكاء الاصطناعي كإجراء وقائي، أمرًا ضروريًا.

يجب أن يكون مقدمو الخدمات المالية والمشرفون قادرين تقنيًا على التشغيل وفحص البيانات والأنظمة القائمة على الذكاء الاصطناعي والتدخل عند الحاجة. تعتبر المشاركة البشرية ضرورية لقابلية الشرح، وقابلية التفسير، وقابلية التدقيق، وإمكانية التتبع، والتكرار.

المخاطر المتزايدة

للاستفادة بشكل صحيح من الفرص وتخفيف مخاطر زيادة أحجام البيانات وأنواعها المختلفة وتحليلات وتصورات البيانات المدعومة بالذكاء الاصطناعي المتوفرة حديثًا، يجب على الشركات تطوير أطر الإدارة العامة وإدارة الشؤون الخاصة بها والتركيز على تحسين الضوابط والاستخدام القانوني والأخلاقي للبيانات والذكاء الاصطناعي. أدوات.

إن استخدام البيانات الضخمة وتقنيات الذكاء الاصطناعي لا يقتصر على مديري الأصول الكبرى والبنوك وشركات الوساطة المالية التي لديها القدرة والموارد اللازمة للاستثمار بكثافة في الكثير من البيانات والتقنيات المتطورة. في الواقع، تتمتع الشركات الصغيرة بإمكانية الوصول إلى عدد محدود من مجمعي وموزعي البيانات، الذين يوفرون الوصول إلى البيانات بأسعار معقولة، وعدد قليل من مقدمي الخدمات السحابية المهيمنين، الذين يجعلون نماذج الذكاء الاصطناعي المشتركة متاحة بتكلفة منخفضة.

مثل نماذج التداول وإدارة المحافظ الاستثمارية التقليدية غير المعتمدة على الذكاء الاصطناعي، فإن استخدام نفس البيانات ونماذج الذكاء الاصطناعي المماثلة من قبل العديد من مقدمي الخدمات المالية يمكن أن يؤدي إلى تحفيز سلوك القطيع والأسواق ذات الاتجاه الواحد، الأمر الذي قد يؤدي بدوره إلى زيادة المخاطر على السيولة واستقرار السوق. النظام المالي، وخاصة في أوقات التوتر.

والأسوأ من ذلك، أن القدرة الديناميكية على التكيف للتعلم الذاتي (على سبيل المثال، التعلم المعزز) يمكن لنماذج الذكاء الاصطناعي أن تتعرف على الترابط المتبادل وتتكيف مع سلوك وأفعال المشاركين الآخرين في السوق. وهذا لديه القدرة على خلق نتيجة تواطؤية غير مقصودة دون أي تدخل بشري وربما دون أن يكون المستخدم على علم بذلك. كما أن الافتقار إلى التقارب المناسب يزيد من خطر الممارسات التجارية والمصرفية غير القانونية وغير الأخلاقية. يؤدي استخدام البيانات ونماذج الذكاء الاصطناعي المتطابقة أو المشابهة إلى تضخيم المخاطر المرتبطة بها نظرًا لقدرة نماذج الذكاء الاصطناعي على التعلم والتكيف ديناميكيًا مع الظروف المتطورة بطريقة مستقلة تمامًا.

إن حجم الصعوبة في شرح وإعادة إنتاج آلية اتخاذ القرار لنماذج الذكاء الاصطناعي التي تستخدم البيانات الضخمة يجعل من الصعب التخفيف من هذه المخاطر. ونظرًا للتعقيد والترابط الحالي بين المناطق الجغرافية وفئات الأصول، وحتى بين العوامل/الميزات التي تم التقاطها، فإن استخدام البيانات الضخمة والذكاء الاصطناعي يتطلب عناية واهتمامًا خاصين. وستكون أطر الإدارة العامة وإدارة التنمية جزءًا لا يتجزأ منه.

إن الشفافية المحدودة، وقابلية التفسير، والتفسير، والتدقيق، والتتبع، والتكرار، للبيانات الضخمة والنماذج القائمة على الذكاء الاصطناعي هي أسئلة سياسية رئيسية لا يزال يتعين حلها. إن الافتقار إليها لا يتوافق مع القوانين واللوائح الحالية، والحوكمة الداخلية، وإدارة المخاطر وأطر الرقابة لمقدمي الخدمات المالية. فهو يحد من قدرة المستخدمين على فهم كيفية تفاعل نماذجهم مع الأسواق ويساهم في صدمات السوق المحتملة. ويمكن أن يؤدي ذلك إلى تضخيم المخاطر النظامية المرتبطة بالتقلبات الدورية، والتقارب، وانخفاض السيولة، وزيادة تقلبات السوق من خلال عمليات الشراء والمبيعات المتزامنة بكميات كبيرة، لا سيما عندما يتم استخدام بيانات موحدة من طرف ثالث ونماذج الذكاء الاصطناعي من قبل معظم المشاركين في السوق.

والأهم من ذلك، أن عدم قدرة المستخدمين على تعديل استراتيجياتهم في أوقات التوتر قد يؤدي إلى وضع أسوأ بكثير خلال فترات التوتر الحاد، مما يؤدي إلى تفاقم نوع الأحداث الخاطفة.

الذكاء الاصطناعي المعتمد على البيانات الضخمة في الخدمات المالية هو تقنية تعمل على تعزيز القدرات البشرية. نحن نعيش في بلدان تحكمها سيادة القانون، ولا يستطيع سوى البشر اعتماد الضمانات واتخاذ القرارات وتحمل المسؤولية عن النتائج.

مراجع