كيف يحدّث الذكاء الاصطناعي الإقراض إلى جانب الأنظمة المصرفية القديمة من دون استبدالها

أي تدخل في النظام المصرفي الأساسي يجعل فريق الهندسة يشعر بالقلق. فالحلول القديمة جامدة، ولذلك قد يستغرق تمرير تغيير واحد شهرًا كاملًا. ويظهر هذا الأثر بوضوح أكبر في الإقراض، الذي يمثل أحد مصادر الدخل الرئيسية للبنك.

يعرف كل من أطلق إصدارًا جديدًا على نظام مصرفي أساسي هذا النمط: يحتاج المنتج الجديد إلى مستوى موافقة جديد، وقائمة مستندات منقحة، وقاعدة تقييم معدلة، ومسار تقارير محدث، ويمس كل عنصر منها شيفرة تعمل منذ عقود.

ونتيجة لذلك، تؤجل المنتجات والتحديثات الجديدة حتى عندما يتفق الجميع على ضرورتها، لأن خطر الخطأ كان دائمًا يفوق خطر الانتظار. أو بالأحرى، كان الأمر كذلك في السابق، إذ أصبح التخلف عن التغير التكنولوجي اليوم خطرًا أكبر بكثير.

لكن لنتخيل منصة إقراض منفصلة يهيئها الذكاء الاصطناعي وتُنشر إلى جانب النظام الأساسي. تعمل مسارات الائتمان الجديدة بصورة مستقلة وتتصل بالنظام الأساسي عبر عمليات التكامل. وبهذه الطريقة، تتحول تغييرات بنية الإقراض إلى سلسلة من الإصدارات الصغيرة المختبرة، وتظهر الأخطاء في الاختبارات قبل أن تصل إلى مقترض فعلي. فهل يمكن أن يخفف ذلك العبء عن فرق الهندسة؟

الطلب ينمو أسرع من قدرة الأنظمة الأساسية القديمة على التغيير

من المتوقع أن ينمو سوق برمجيات إنشاء القروض بمعدل سنوي مركب قدره 11.8% حتى عام 2030، وفقًا لشركة The Business Research Company. وللمقارنة، تكاد هذه الوتيرة تطابق وتيرة سوق برمجيات المؤسسات الأوسع استنادًا إلى توقعات Technavio. وهذه نقطة تستحق الانتباه، بالنظر إلى أن الإقراض عادة ما يكون الجزء الأكثر مقاومة للتغيير في البنية التقنية للبنك.

أحد دوافع هذا النمو هو جمود الأنظمة الأساسية القديمة، الذي يبطئ التغييرات في الإقراض. وتشتري البنوك وشركات التكنولوجيا المالية على نحو متزايد أدوات تتيح لها إطلاق منتجات ائتمانية حول النظام الأساسي من دون انتظار شهور للموافقة على تحديث صغير.

تدرك فرق الهندسة أن خطأ واحدًا قد يكون باهظ التكلفة. ففي أبريل 2018، نقل بنك TSB بيانات عملائه إلى منصة جديدة تعطلت فور تشغيلها. وفقدت نسبة كبيرة من عملائه الوصول إلى الخدمات المصرفية، وتكبد البنك خسائر فادحة. ولا تزال فرق هندسية كثيرة تشير إلى تلك الحادثة كلما خططت لإصدار جديد للنظام الأساسي.

إضافة إلى ذلك، تصل أخطاء الإقراض مباشرة إلى الميزانية العمومية. فقد يؤدي حد موافقة جرى إعداده بصورة خاطئة إلى اعتماد قروض كان ينبغي رفضها أو استبعاد مقترضين مستوفين للشروط. ويظهر أي من الخطأين في صورة خسائر أو إيرادات مفقودة خلال أسابيع.

أين يمنح الذكاء الاصطناعي أكبر أثر في الإقراض

تبدأ البنوك عادة بإضافة الذكاء الاصطناعي من خلال أكثر عمليات التكامل شيوعًا والتي تبدو آمنة: روبوتات الدردشة ومساعدو الخدمة في واجهة العميل. لكن المقرض الذي يضيف روبوت دردشة يتحمل خطرًا أقل وضوحًا، إذ تقدم النماذج التوليدية أحيانًا إجابات خاطئة بثقة كاملة. وفي استطلاع Grant Thornton لتأثير الذكاء الاصطناعي لعام 2026، قال 18% فقط من المديرين التنفيذيين في القطاع المصرفي إنهم يثقون تمامًا بضوابط الذكاء الاصطناعي لديهم.

تأتي قوة الذكاء الاصطناعي في الإقراض من السرعة التي يستطيع بها المقرض تغيير كل ما يحيط بقرار الائتمان. أما القرار نفسه فيبقى لدى نماذج التقييم المعتمدة ولجان الائتمان.

لطالما كانت للسرعة قيمة تجارية. فتغيير بنية الإقراض على نظام أساسي قديم يتطلب من 12 إلى 18 شهرًا من العمل الهندسي، وتتوقف عمليات الإطلاق الجديدة طوال تلك المدة. أما الاستبدال الكامل للنظام الأساسي فيستغرق من ثلاث إلى خمس سنوات. وفي الوقت نفسه، يقدم المقترضون طلباتهم في جهات أخرى.

وجد تقرير مجلس الاحتياطي الفيدرالي لعام 2026 بشأن الشركات التي توظف عاملين أن حصة الشركات الأمريكية الصغيرة المتقدمة بطلبات ائتمان والتي سعت إلى تمويل من مقرضي التكنولوجيا المالية عبر الإنترنت ارتفعت من 17% في 2020 إلى 29% في 2025، وأشارت شركات كثيرة إلى سرعة القرارات بوصفها سببًا.

يبدأ الذكاء الاصطناعي من متطلبات العمل

بدلًا من إجراء التحليلات أو المشاركة في قرارات الائتمان، يستطيع الذكاء الاصطناعي تقديم قيمة كبيرة في أعمال التهيئة التي تساعد على إطلاق منتجات الإقراض وتحديثها. وتكون المدخلات عبارة عن متطلبات عمل يكتبها مالكو المنتج. ويصف فريق الائتمان ما يريده: من يمكنه التقدم، وما المستندات المطلوبة، ومستويات الموافقة، والبيانات التي تدخل في التقييم، وما الذي سيُبلغ عنه ومتى.

يحول الذكاء الاصطناعي كل نقطة إلى تهيئة للمنصة: معايير الأهلية، وقائمة المستندات، ومسار الموافقة بمستوياته، والاتصالات بمصادر البيانات المستخدمة في التقييم، وجدول التقارير. وفي النظام الأساسي القديم، يبني المهندسون كل عنصر يدويًا، ويمر كل تغيير بدورة إصدار كاملة. أما مع الذكاء الاصطناعي، فيُبنى المنتج ميزة تلو الأخرى على أساس مشترك. وتراجع فرق الهندسة والامتثال كل تغيير وتختبره قبل تشغيله وتحتفظ بالموافقة النهائية.

يمكن أن تكون المتطلبات مستقلة تمامًا عن النظام الأساسي القائم. فلا يحتاج الذكاء الاصطناعي إلى قراءة منطق النظام الأساسي أو تفسيره، ولذلك يستطيع المقرض تحديد منتج لم يُصمم النظام الحالي لدعمه. وتبقى شيفرة عقدين من الزمن غير الموثقة من دون مساس.

يعمل مسار الائتمان الجديد على منصة منفصلة منتشرة بجانب النظام الأساسي. ويتصل الاثنان عبر عمليات التكامل، بينما يحتفظ النظام الأساسي بسجلاته ووظائفه الحالية. ولا يلزم إعادة كتابة أي جزء من شيفرته قبل إطلاق منتج جديد.

البناء على البيانات المتاحة اليوم

لكن مشاريع ذكاء اصطناعي مصرفية كثيرة تتعطل بسبب البيانات. ومع ذلك، لا توجد حاجة فعلية إلى قاعدة بيانات ضخمة؛ وجودها مفيد لكنه ليس ضروريًا. ويضع الذكاء الاصطناعي قواعد الاكتتاب ومتطلبات البيانات حول المصادر المتاحة، ويعتمدها فريق المخاطر قبل تشغيل أي شيء. وعندما يكون أحد المصادر مفقودًا، يحدد النظام كيفية جمعه: معلومات المقترض، ومعلومات الضامن، والمستندات المطلوبة والقابلة للرفع، ومصادر البيانات الخارجية.

تساعد عملية «بناء البيانات» هذه البنوك وشركات التكنولوجيا المالية على توسيع مخزونها الفعلي من البيانات، بما في ذلك فجواته، وتتوقف افتراضات الموردين بشأن ما كان ينبغي جمعه مسبقًا عن توجيه المشروع.

وهكذا، يتوقف استعداد البيانات عن كونه شرطًا مسبقًا لإطلاق منتج ائتماني ويصبح جزءًا من خطوة التهيئة نفسها.

تغيير المنتج مقابل تغيير النظام الأساسي

بالنسبة إلى معظم المقرضين، يتمثل السؤال العملي في إمكان إطلاق منتجات ائتمانية جديدة وتكييف المنتجات الحالية بينما يستمر ترحيل النظام الأساسي على مدى سنوات. وتجيب منصة إقراض منفصلة، يهيئها الذكاء الاصطناعي استنادًا إلى متطلبات العمل، عن هذا السؤال. فيستطيع المقرض إطلاق منتجات ائتمانية وتعديلها كل ربع سنة بينما يتبع برنامج النظام الأساسي جدوله الزمني الخاص. وفي هذا الفصل تحديدًا يثبت الذكاء الاصطناعي قيمته في الإقراض اليوم.