إنفاق القطاع المالي على الذكاء الاصطناعي يتصاعد… لكن العائد لا يزال بعيد المنال

لم تعد المشكلة في القطاع المالي هي الوصول إلى أدوات الذكاء الاصطناعي أو الرغبة في تجربتها؛ بل في تحويل التجارب والاستثمارات إلى نتائج مالية وتشغيلية يمكن إثباتها. وهذه هي خلاصة تقرير Quinlan & Associates: على المؤسسات أن تثبت أي التطبيقات تحسن الإيرادات أو تخفض التكاليف أو تدير المخاطر أو ترفع جودة تجربة العميل.

إنفاق ضخم وفجوة مستمرة في العائد

تقدّر Quinlan & Associates إنفاق قطاع الخدمات المالية على مبادرات مرتبطة بالذكاء الاصطناعي بنحو 76 مليار دولار في 2025، مع توقع تجاوز الإنفاق 130 مليار دولار بحلول 2030. 14 وفي الوقت نفسه، تستكشف 95% من المؤسسات المالية التقليدية الذكاء الاصطناعي أو تستخدمه في عملياتها، إلا أن 71% منها تقول إنها تواجه صعوبة في تحقيق عائد واضح على الاستثمار أو إثباته. 3

هذه المفارقة مهمة: انتشار الاستخدام يدل على النية والاستثمار، لكنه لا يثبت أن كل برنامج يولّد قيمة مستدامة. كما تشير نتائج مرتبطة بـ Quinlan إلى أن 43% من مبادرات الذكاء الاصطناعي تُلغى، وهو ما يعكس صعوبة انتقال كثير من التجارب إلى تشغيل مستقر على نطاق واسع. 15

لماذا لا تتحول المبادرات إلى عائد فعلي؟

ترى Quinlan أن العوائق الرئيسية مترابطة وتتمحور حول ثلاثة مسارات:

1. استراتيجية تبدأ بالتقنية لا بالمشكلة. قد تبدأ المؤسسة من أداة متاحة، بدلاً من تحديد مشكلة عمل أو رحلة عميل أو اختناق في سير العمل أو هدف قيمة قابل للقياس. وعندها يصبح اختيار حالة استخدام ذات أثر موثوق أكثر صعوبة. 6
2. حوكمة تأتي متأخرة. عندما يُنظر إلى المخاطر والامتثال والضوابط باعتبارها مرحلة موافقة بعد بدء التصميم، قد تظهر القيود بعد إنفاق وقت وموارد كبيرة. 6
3. نموذج تشغيلي غير مهيأ للتوسع. تشتت البيانات، وضعف أسس التنفيذ، وعدم كفاية القدرة على حوكمة الذكاء الاصطناعي ونشره وتوسيعه، كلها عوامل قد تُبقي المبادرات الواعدة عالقة بين التجربة المحدودة والتبني المؤسسي. 6

بمعنى آخر، ليست المسألة مجرد جودة النموذج أو شراء تراخيص جديدة. يمكن للمؤسسة تشغيل تجارب كثيرة، لكنها لن تلتقط العائد المالي ما لم تُعد تصميم سير العمل، وتحدد المسؤولية عن النتائج، وتربط التنفيذ بمؤشرات أداء واضحة.

الحوكمة ليست كلفة امتثال فقط، بل جزء من العائد

في الخدمات المالية، ترتبط حوكمة الذكاء الاصطناعي الموثوق بالأداء التجاري مباشرة. فهي تحدد ما إذا كانت حالة الاستخدام قابلة للاعتماد والنشر والمراقبة، وما إذا كان يمكن الوثوق بها بالقدر من الاستقلالية الذي تفترضه جدواها الاقتصادية.

يوصي دليل المنتدى الاقتصادي العالمي للذكاء الاصطناعي في الخدمات المالية بدمج إدارة المخاطر وممارسات الذكاء الاصطناعي المسؤول في كل طبقة: تحديد شهية المخاطر مبكراً، والتحقق الصارم من النماذج، وضمان أن تكون إجراءات الذكاء الاصطناعي قابلة للتفسير والتتبع والسيطرة. 1 وتزداد أهمية ذلك مع انتقال المؤسسات من أنظمة مساعدة إلى أنظمة تستطيع تنفيذ خطوات متعددة. فالحدود الواضحة، ومسارات التصعيد، والإشراف البشري يمكن أن تخفض حالة عدم اليقين التشغيلي التي تعرقل توسيع حالات الاستخدام ذات القيمة.

وتعزز بيانات القطاع أهمية هذه الأسس؛ إذ يضع مسح IIF-EY جودة البيانات وتوافرها بين أبرز تحديات نشر الذكاء الاصطناعي في بيئات التشغيل الفعلية، إلى جانب الحاجة إلى الكفاءات المتخصصة وضمانات الحوكمة. 4

ماذا تقول أبحاث BCG وNVIDIA؟

تدعم الدراسات الأوسع تشخيص Quinlan، وإن اختلفت عيناتها ومقاييسها.

ففي مسح شمل أكثر من 280 من مسؤولي الشؤون المالية التنفيذيين، وجدت BCG أن متوسط العائد المُبلّغ عنه من الذكاء الاصطناعي والذكاء الاصطناعي التوليدي بلغ 10% فقط، مقابل هدف يبلغ 20% لدى كثير من المشاركين؛ وقال نحو ثلثهم إن المكاسب كانت محدودة. 43 وفي دراسة منفصلة شملت أكثر من 1,250 شركة، وجدت BCG أن 5% فقط تحقق قيمة من الذكاء الاصطناعي على نطاق واسع، بينما أفادت 60% بأنها لم تحقق قيمة مادية تُذكر رغم الاستثمارات الكبيرة.

أما مسح NVIDIA لعام 2025 للخدمات المالية فيعرض الجانب الآخر من الصورة: بعض حالات الاستخدام المنشورة تحقق بالفعل منافع ملموسة. فقد أفاد قرابة 70% من المشاركين بأن الذكاء الاصطناعي رفع الإيرادات بما لا يقل عن 5%، وقال أكثر من 60% إنه خفض التكاليف السنوية بما لا يقل عن 5%. وكانت تطبيقات التداول وتحسين المحافظ الاستثمارية، إلى جانب تجربة العميل، أبرز حالات استخدام الذكاء الاصطناعي التوليدي من حيث العائد المُبلّغ عنه.

لا يوجد تعارض ضروري بين هذه النتائج. فالذكاء الاصطناعي قادر على توليد عائد، لكن النشر بحد ذاته ليس النتيجة. الفارق يتوقف على اختيار حالة استخدام عالية القيمة، وتغيير سير العمل المعني، وبناء بيانات وضوابط موثوقة، ثم قياس الأثر التشغيلي والمالي.

من سباق التبني إلى اختبار التنفيذ

الإشارة الأوضح في تقرير Quinlan هي الفجوة بين الإنفاق والنشاط والقيمة المتحققة: قاعدة استثمار تبلغ 76 مليار دولار في 2025، وانتشار واسع لنشاط الذكاء الاصطناعي داخل المؤسسات، مقابل صعوبة مستمرة في إثبات العائد. 14 3

الاستجابة العملية هي التعامل مع الذكاء الاصطناعي كبرنامج لتحول الأعمال، لا كمحفظة من التجارب المنفصلة: البدء بهدف أعمال قابل للقياس؛ وضع متطلبات المخاطر والحوكمة قبل التطوير؛ تحديد مالك مسؤول عن النتائج؛ ومتابعة مؤشرات الأداء طوال دورة حياة التطبيق بعد النشر. وتوصلت BCG إلى نتيجة مشابهة: المؤسسات التي تخلق قيمة كبيرة تركز على عدد محدود من المبادرات، وتوسعها بسرعة، وتغير العمليات الجوهرية، وتطوّر مهارات فرقها، وتقيس العوائد التشغيلية والمالية بصورة منهجية.

لذلك، لن يكون الفارق التنافسي المقبل بين مؤسسات «لديها ذكاء اصطناعي» وأخرى لا تملكه، بل بين من يستطيع تشغيله بأمان وبنتائج قابلة للقياس داخل سير العمل الأساسي، ومن يواصل تكديس التجارب بلا طريق متكرر وواضح إلى القيمة.