ديباك كينغر، رئيس الاستراتيجية والمؤسس المشارك لشركة EvoluteIQ – سلسلة مقابلات

ديباك كينغر، رئيس الاستراتيجية والمؤسس المشارك لشركة EvoluteIQ، قائد متمرّس في مجالي التكنولوجيا والأعمال، يتمتع بخبرة تزيد على عقدين في التحول المؤسسي والخدمات المالية والأتمتة والذكاء الاصطناعي. ويسهم في EvoluteIQ في رسم الاستراتيجية العامة للشركة، إلى جانب قيادة التحالفات التقنية الرئيسية وشراكات الحلول والتسويق والعلاقات مع المحللين. وقبل مشاركته في تأسيس EvoluteIQ عام 2019، شغل كينغر مناصب قيادية عليا في GALE Partners وVirtusa وSapient وHeadstrong وWipro وMphasis، وتراوحت مسؤولياته بين إدارة أعمال الخدمات المالية في منطقة آسيا والمحيط الهادئ وتقديم المشورة لكبار التنفيذيين بشأن التحول الرقمي، وتأسيس خطوط أعمال جديدة وقيادة مشاريع تقنية واسعة النطاق. وتشمل خبرته الاستراتيجية وتطوير الأعمال وإدارة علاقات العملاء وإدارة الأرباح والخسائر والعمليات والتقنيات الناشئة، ومنها الذكاء الاصطناعي والتعلم الآلي وأتمتة العمليات الروبوتية وسلسلة الكتل وعلوم البيانات.

EvoluteIQ شركة متخصصة في الذكاء الاصطناعي المؤسسي والأتمتة الذكية، وتركز على مساعدة المؤسسات على أتمتة عمليات الأعمال المعقدة والمتكاملة من بدايتها إلى نهايتها وتنسيقها. وتجمع منصة EIQ بين الذكاء الاصطناعي القائم على الوكلاء والذكاء الاصطناعي التوليدي وأتمتة العمليات والقرارات وأتمتة العمليات الروبوتية الذكية ومعالجة الأحداث ونسيج البيانات والتحليلات والموصلات المؤسسية وتطوير التطبيقات متعددة القنوات، ضمن بيئة تتطلب كتابة برمجية قليلة أو لا تتطلبها إطلاقًا. وصُممت المنصة لتمكين المؤسسات من ربط أنظمتها الحالية، وإنشاء وكلاء الذكاء الاصطناعي وسير العمل المؤتمت ونشرهما، ومراقبة النتائج، وتوسيع نطاق الأتمتة في مجالات مثل تجربة العملاء والمالية والعمليات والمبيعات وإدارة سلسلة التوريد. تأسست EvoluteIQ عام 2019، ووسّعت نطاق تركيزها ليشمل أتمتة المؤسسات القائمة على الوكلاء، من خلال تقنيات تشمل AI Workbench وAgentic Mesh Architecture. وفي عام 2025، أعلنت عن استثمار نمو أقلّي بقيمة 53 مليون دولار، قادته Baird Capital، لدعم التوسع العالمي ومواصلة الاستثمار في عمليات البحث والتطوير التابعة لها في بنغالورو.

قبل مشاركتك في تأسيس EvoluteIQ عام 2019، أمضيت عقدين في العمل في مجالات الخدمات المالية والتكنولوجيا المؤسسية والتحول الرقمي. ما المشكلات المتكررة التي لاحظتها داخل المؤسسات الكبيرة، والتي أقنعتك في نهاية المطاف بوجود فرصة لتأسيس EvoluteIQ؟ وما النهج المختلف الذي أردت اتباعه؟

قبل تأسيس EvoluteIQ، أمضيت 25 عامًا في الاستشارات، وركز جزء كبير من عملي على مساعدة المؤسسات المالية الكبرى في مبادرات التحول. وشمل ذلك برامج مصرفية رقمية مبكرة، إلى جانب التداول وإدارة المخاطر والتحول الأشمل والمتكامل من البداية إلى النهاية. ومع مرور الوقت، لاحظت تنامي الطلب على الأتمتة، وكنا نساعد المؤسسات على تطبيق منصات بعض أكبر الموردين.

كان الدافع الأساسي وراء تأسيسنا EvoluteIQ هو إتاحة الفرصة للانتقال من تطبيق تقنيات يملكها آخرون إلى بناء تقنيتنا بأنفسنا. ورأينا فرصة لاتباع نهج أكثر تكاملًا في الأتمتة، بدلًا من مطالبة المؤسسات بدمج تقنيات وتراخيص وطبقات تكامل متعددة. وكان ذلك من دوافع تأسيس EvoluteIQ عام 2019.

في مقابلتنا السابقة على Unite.AI مع شريكك المؤسس Sameet Gupte، تحدث عن الرؤية الأوسع لـEvoluteIQ، والمتمثلة في نقل المؤسسات من الأتمتة القائمة على المهام إلى عمليات مستقلة بالكامل، من البداية إلى النهاية، ومبنية على الذكاء الاصطناعي. كيف توضح إدارة التغيير التنظيمي ضرورة هذا التحول من أتمتة مهام منفردة إلى تنسيق عمليات الأعمال بأكملها؟

نادراً ما يؤثر التغيير التنظيمي في مهمة واحدة بمعزل عن غيرها. ففي عام 2020، أنشأنا حلًا لمواكبة الانتقال من مؤشر LIBOR. وكانت البنوك تتعامل مع تغيير واسع النطاق طال العقود القائمة، واستلزم من فرق العمليات والمساعدين القانونيين وفرق الأعمال مراجعتها ومعالجة ما يلزم فيها. واستجابت مؤسسات كثيرة للمشكلة عمليًا بزيادة عدد العاملين عليها. وكان الدرس الذي استخلصناه من LIBOR هو أن اللوائح المحددة تتغير، لكن التحدي الأساسي يتكرر. فالتغيير التنظيمي والامتثال متطلبات تشغيلية مستمرة.

ومع التغييرات التي اقترحتها FinCen مؤخرًا على مكافحة غسل الأموال ومواجهة تمويل الإرهاب (AML/CFT)، نرى ابتعادًا عن نموذج امتثال شديد الإلزامية يقوم على «وضع علامة في المربع». وهذا يرفع في الواقع سقف الامتثال بدلًا من تخفيف أعبائه، إذ يتعين على المؤسسات تفسير اللوائح، وتحديد المخاطر الخاصة بها بوضوح، وتقرير ما تعنيه تلك المخاطر لنموذجها التشغيلي. ويمتد هذا التحول بطبيعته إلى مختلف الأقسام والوظائف في المؤسسة، لا إلى فريقي الامتثال والتدقيق وحدهما.

ذكرتَ أن على البنوك التوقف عن التعامل مع كل تغيير تنظيمي كبير باعتباره مشروع تحول جديدًا، وأن تجعل مواكبة التغييرات التنظيمية قدرة تشغيلية دائمة. كيف سيبدو هذا النموذج التشغيلي عمليًا، ولماذا واجهت المؤسسات المالية تاريخيًا صعوبة في بنائه؟

ينبغي أن ينطلق نموذج التشغيل الجديد من فهم أن التغيير مستمر؛ فلم يعد عمليةً يجب إطلاقها كل ثلاثة أشهر أو عند مجيء المدققين. وقد أظهر لنا بناء حل لـ LIBOR أنه حتى إن نُفذ تغيير تنظيمي في نهاية المطاف، فإن الحاجة إلى التكيف لا تزول. وسيظل فهم التغيير وترجمته إلى متطلبات تشغيلية وتحديث العمليات أمورًا ضرورية عند حدوث التغيير التنظيمي التالي.

يجب أيضًا ألا يقتصر نموذج التشغيل الجديد على الامتثال. ففي ظل نموذج أكثر اعتمادًا على المخاطر، قد تظل وظيفة الامتثال مسؤولة في نهاية المطاف عن ضمان الالتزام، لكن العمليات والشؤون القانونية، وفي بعض الحالات، إدارة مخاطر الأطراف المقابلة، تكتسب جميعها أهمية أكبر. ومن الأخطاء التي قد تقع فيها المؤسسات التقليل من مدى اتساع تأثير التغيير التنظيمي في المؤسسة.

تاريخيًا، كان ذلك صعبًا لأن المؤسسات راكمت بنى تقنية مجزأة ونماذج تشغيل منعزلة. فعندما تعتمد وحدات الأعمال المختلفة على منصات منفصلة لأتمتة العمليات الروبوتية (RPA) وإدارة عمليات الأعمال (BPM) وإعداد التقارير وغيرها، يصبح الاستجابة لمتطلب جديد مشروع تكامل بحد ذاته.

عند استحداث لائحة جديدة، قد تحتاج البنوك إلى تحديد العملاء والمنتجات والعقود والأنظمة والعمليات المتأثرة. أين يمكن للذكاء الاصطناعي أن يُحسّن تحليل الأثر تحسينًا ملموسًا، وأي أجزاء من العملية ما زالت تتطلب قواعد حتمية أو حكمًا بشريًا؟

يمكن للذكاء الاصطناعي أن يقلل بدرجة كبيرة حجم العمل اليدوي اللازم لفهم التغييرات التنظيمية وتنفيذها. وعلى وجه التحديد، يمكنه تحليل كميات كبيرة من المعلومات وتصنيفها، والمساعدة على تركيز الانتباه على المجالات التي تستدعي اهتمامًا بشريًا. فعلى سبيل المثال، تستطيع قدرات الاستجابة للتغييرات التنظيمية لدى EvoluteIQ تصنيف العقود وترتيب أولوياتها بحسب العميل ونوع الأصول، وربط هذه المعلومات بأنظمة المؤسسة ومصادر البيانات الخارجية، ثم تنسيق الأعمال اللاحقة عبر الشؤون القانونية وإدارة المخاطر والعمليات. ويتيح ذلك للمؤسسات الانتقال من تحديد ما قد يتأثر إلى إدارة التغييرات الناتجة فعليًا عبر مختلف مراحل العملية.

تظل الرقابة البشرية والإشراف البشري أمرين أساسيين. فهناك أجزاء من العملية الخاضعة للتنظيم تحتاج فيها المؤسسة إلى قواعد عمل وشروط واستثناءات ومسارات تصعيد محددة بوضوح. والنموذج الذي نؤمن به يجمع بين قابلية الذكاء الاصطناعي للتكيف والأتمتة القائمة على قواعد حتمية والحكم البشري عند الاقتضاء. يمكن للذكاء الاصطناعي المساعدة في تفسير ما قد يستلزم اتخاذ إجراء وإبرازه؛ ويمكن للقواعد الحتمية أن تحكم كيفية تنفيذ القرارات المحددة؛ كما يمكن تصعيد الاستثناءات أو القرارات التي تتطلب حكمًا بشريًا إلى الشخص المناسب.

غالبًا ما يتطلب تنفيذ اللوائح تعاون فرق الشؤون القانونية والامتثال والمخاطر والعمليات والبيانات والتقنية. كيف يمكن للذكاء الاصطناعي وتنسيق العمليات مساعدة هذه الفرق على العمل انطلاقًا من تفسير مشترك للائحة، بدلًا من إنشاء مسارات عمل منفصلة وقواعد عمل قد تتعارض فيما بينها؟

من أبرز تبعات اعتماد نموذج امتثال أكثر استنادًا إلى المخاطر أن المسؤولية تمتد إلى نطاق أوسع داخل المؤسسة. فقد تظل المساءلة النهائية منوطة بوظيفة الامتثال، لكن لفرق العمليات والشؤون القانونية ومخاطر الأطراف المقابلة دور مهم أيضًا. وهذا يعني أن على المؤسسات تجنب التعامل مع التنفيذ على أنه مهمة تستطيع وظيفة الامتثال إنجازها بمعزل عن الآخرين.

لذلك تُعد المنصة المتكاملة أساسية. ففي المؤسسات الكبيرة، لا بد من دمج أنظمة السجلات المختلفة وقواعد العمل في هذا النموذج الجديد، مع مراعاة تعقيدات الأمن أيضًا. ويمكن للنهج الموحد أن يقلل خطر تنفيذ أجزاء مختلفة من المؤسسة للتغيير نفسه عبر مجموعات تقنية منفصلة تمامًا.

يمكن للذكاء الاصطناعي التوليدي تفسير الوثائق التنظيمية المعقدة، لكن لا يسع البنوك تحمل الهلوسات أو التفسيرات المتضاربة حين يتعلق الأمر بقرارات الامتثال. ما الضمانات التي ينبغي وضعها حول أنظمة الذكاء الاصطناعي المستخدمة في إدارة التغيير التنظيمي، وأين ينبغي أن يظل الخبراء البشريون مشاركين في اتخاذ القرار؟

أولًا، لا تنشروا وكلاء الذكاء الاصطناعي بمعزل عن غيرهم، إذ قد يؤدي ذلك إلى تضخم أعداد الوكلاء من دون حوكمة مناسبة.

ثانيًا، لا تحد القدرات التقنية وحدها مما تستطيع المؤسسة أتمتته؛ إذ تفرض اللوائح والخصوصية والقيود على البيانات التي يجوز تبادلها قانونًا قيودًا أيضًا.

يتمثل مبدأ التصميم الأساسي الواجب اتباعه في أن الذكاء الاصطناعي ينبغي أن يسرّع أعمال التفسير من دون أن يتولى مسؤولية القرار. وتظل المساءلة عن الامتثال منوطة بأشخاص محددين، كما تتوقع الجهات التنظيمية. وتنقسم الضمانات إلى مجموعتين: ضوابط على ما ينتجه الذكاء الاصطناعي، وتحديد مدروس لنقاط اتخاذ القرار البشري. ويجب إسناد كل مخرج ينتجه الذكاء الاصطناعي إلى مصدر موثوق ومعتمد، مع وضع ضوابط للمدخلات والمخرجات داخل نظام الذكاء الاصطناعي.

وأخيرًا، ينبغي الاحتفاظ، لكل مخرج، بسجل تدقيق يشمل البنود المصدرية وإصدارات النموذج والموجّه ومستوى الثقة والمراجع والقرار ومسوغاته.

تكتسب قابلية التدقيق أهمية خاصة في الخدمات المالية. إذا ساعد الذكاء الاصطناعي في تفسير لائحة، وصياغة قواعد عمل، وتحديد العملاء المتأثرين، وبدء مسارات العمل، فكيف يمكن للمؤسسات الاحتفاظ بسجل أدلة واضح يبيّن للجهات التنظيمية بدقة كيف اتُخذ كل قرار ولماذا؟

في القطاعات الخاضعة لتنظيم صارم، يجب ألا تقتصر إمكانية التتبّع على توثيق القرار النهائي. بل إن الأجدى بكثير هو إتاحة إعادة بناء المسار الذي أفضى إلى ذلك القرار، من خلال بيان المعلومات المستخدمة، والقواعد المطبقة، والقرارات المتخذة، والتغييرات التي أُجريت خلال العملية، ومواضع تدخل البشر وما وافقوا عليه.

كلما زاد التفاعل بين الوكلاء المتعددين وقواعد الأعمال وسير العمل، ازدادت أهمية إمكانية التتبّع. وينبغي تضمين قابلية التدقيق في طبقة التنسيق. إذ يمكن لسجلات القرارات تتبّع القرارات والتغييرات التي تطرأ على القواعد ومبرراتها، بينما تتيح إمكانية تتبّع الوكلاء من البداية إلى النهاية رؤية سلسلة الإجراءات المستقلة.

إذا استفسر أحد الجهات التنظيمية عن سبب التعامل مع عميل أو عقد أو معاملة معينة على نحو محدد، فينبغي أن تتمكن المؤسسة المالية من تتبّع النتيجة رجوعًا عبر البيانات والقواعد والقرارات المدعومة بالذكاء الاصطناعي والموافقات والإجراءات التي أفضت إليها. وهذا ما يحوّل قابلية التفسير من مسألة تخص النموذج إلى قدرة تشغيلية.

تعمل المصارف الكبرى على بنى تحتية قديمة تراكمت على مدى عقود، وتتوزع فيها بيانات العملاء والمعاملات المهمة على أنظمة كثيرة. فكيف يمكنها إنشاء طبقة امتثال قابلة لإعادة الاستخدام ومدعومة بالذكاء الاصطناعي، من دون محاولة استبدال البنية التقنية القائمة بتكلفة باهظة؟ 

ينبغي لأي قدرة مؤسسية جديدة أن تعمل ضمن البنية التحتية القائمة؛ ومن غير المعقول توقع خلاف ذلك. كما أن توحيد الأنظمة مهم أيضًا، إذ نسمع من العملاء بصورة متزايدة أن لديهم منصات متعددة لأتمتة العمليات الروبوتية (RPA)، أو نظامًا قديمًا لإدارة عمليات الأعمال (BPM) إلى جانبه تقنيات منفصلة متعددة لإعداد التقارير في مختلف أنحاء المؤسسة. ويزداد حديث عملائنا صراحةً عن تركيزهم على الأدوات والأنظمة التي تحقق عائدًا على الاستثمار، بدلًا من البحث عن بديل. لذلك، يجب أن تعمل طبقة الامتثال القابلة لإعادة الاستخدام عبر البيئة القائمة، لا أن تفترض استبدال كل ما يقع تحتها.

لقد عملت مع مؤسسات مالية عبر أجيال متعددة من التكنولوجيا، بدءًا من الأنظمة الأساسية التقليدية، مرورًا بأتمتة العمليات الروبوتية والتعلم الآلي، وصولًا إلى الذكاء الاصطناعي الوكيلي اليوم. ما الاختلاف الجوهري في التحول الحالي في مجال الذكاء الاصطناعي؟ وأين ترى أن المؤسسات المالية معرضة لتكرار أخطاء دورات الأتمتة السابقة؟

استُخدمت الأجيال السابقة من الأتمتة لأعمال محددة المعالم بالفعل. فقد نظّمت الأنظمة المصرفية الأساسية السجلات والمعاملات. وبرمجت أتمتة العمليات الروبوتية (RPA) ضغطات المفاتيح عبر الشاشات. أما التعلم الآلي فقدم تنبؤات محدودة، مثل درجات الاحتيال ومخاطر الائتمان، استنادًا إلى بيانات منظمة وبدقة قابلة للقياس. وفي جميع الحالات، كان الإنسان أو قاعدة ثابتة يحدد ما سيحدث بعد ذلك، فيما تنفذ التكنولوجيا مسارًا معروفًا.

يُحدث الذكاء الاصطناعي الوكيلي تغييرًا في ذلك من عدة نواحٍ:

• يتعامل بفاعلية أكبر مع الأعمال غير المنظمة التي تتطلب قدرًا من التقدير. فلم تعد المصارف تكتفي بأتمتة المهام، بل تفوض تحقيق النتائج، ويختار النظام مساره بنفسه.
• قد تحدث إخفاقاته دون أن يلاحظها أحد. فعندما غيّر أحد المصارف تخطيط الشاشة، تعطل روبوت أتمتة العمليات الروبوتية (RPA) بوضوح، فأصلحه أحدهم. أما النموذج اللغوي الذي يخطئ، فينتج إجابة سلسة ومعقولة وواثقة. وهذه مشكلة.
• سلوكه احتمالي، ولذلك فإن إرساءه على سياق المؤسسة لتجنب الهلوسات أمر بالغ الأهمية.
• وأخيرًا، أصبح تطوير الحلول باستخدام الذكاء الاصطناعي زهيد التكلفة، وبات بإمكان مستخدمي الأعمال الآن إنشاء وكلاء عاملين في غضون فترة بعد الظهر. كانت قدرة تكنولوجيا المعلومات هي عنق الزجاجة أمام الأتمتة؛ أما الآن، فأصبح عنق الزجاجة هو القدرة على الحوكمة.

ينبغي للمؤسسات المالية أيضًا أن تحرص على ألا تُنسى الدروس المستفادة من حقبة الأتمتة التقليدية. ومن أمثلتها:

• أتمتة العمليات المعطوبة. تمثل أبرز إرث لأتمتة العمليات الروبوتية (RPA) في آلاف الروبوتات التي أُضيفت فوق عمليات لم يُعَد تصميمها قط. وقد أدى ذلك إلى تراكم ديون تقنية هشة، لا تزال المصارف تدفع كلفة صيانتها. إن وضع الوكلاء فوق سير العمل المجزأ نفسه يكرر الخطأ، لكن بمستوى أعلى من التطور. ينبغي للمصارف إعادة تصميم العمل أولًا، ثم تحديد ما ستفوضه.
• السعي وراء مؤشرات شكلية: تتعثر إثباتات المفهوم ما لم يتوفر مسار ممول لإيصالها إلى مرحلة الإنتاج. كما أن إحصاء الوكلاء المنشورين يكرر عادة أتمتة العمليات الروبوتية (RPA) المتمثلة في عدّ الروبوتات بدلًا من قياس النتائج الفعلية للأعمال.
• قلة الاستثمار في أسس البيانات. أظهر التعلم الآلي أن جودة النموذج يحدها مستوى جودة البيانات. أما الوكلاء الذين يسترجعون معلومات من سياسات قديمة أو مستندات مكررة أو مصادر متضاربة، فسيستدلون بثقة انطلاقًا من مقدمات خاطئة.

بالنظر إلى المستقبل، هل تتوقع تطور الامتثال التنظيمي نحو امتثال مستمر أو حتى مستقل جزئيًا، بحيث ترصد أنظمة الذكاء الاصطناعي التغييرات التنظيمية، وتقيّم أثرها، وتحدّث سير العمل، ولا تصعّد إلا الحالات الاستثنائية التي تتطلب حكمًا بشريًا؟ وما الذي ينبغي أن يحدث قبل أن تطمئن المصارف والجهات التنظيمية إلى هذا المستوى من الاستقلالية؟

نعم، لكن الاستقلالية ستتحقق على مراحل. وستصبح عمليات رصد التغييرات المحددة جيدًا وفرزها وتقييم أثرها وتحديث سير العمل بشأنها مستمرة ومؤتمتة إلى حد كبير. أما الحكم على القواعد الملتبسة وقبول المخاطر والمواقف التنظيمية، فسيظل بيد البشر. والنتيجة النهائية الواقعية هي «استقلالية خاضعة للإشراف»، حيث تدير الآلات دورة العمل افتراضيًا، ويتولى البشر الحوكمة عبر التدخل في الحالات الاستثنائية.

ولكي يحدث ذلك، يتعين على الجهات التنظيمية أيضًا نشر القواعد بصيغ منظّمة ومُرقّمة بالإصدارات، استنادًا إلى مبادرات مثل أعمال FCA وBank of England في مجال التقارير التنظيمية الرقمية.

ستكون هناك أيضًا حاجة إلى إدماج إمكانية التراجع ومفاتيح الإيقاف الفوري في أنظمة التنفيذ، بحيث يسهل التراجع عن تغييرات سير العمل المستقلة عند رصد أي حالات شاذة أو معدلات أخطاء أو تغييرات في النماذج. وسيزداد ارتياح المشرفين بسرعة أكبر عندما يستخدمون هم أنفسهم أدوات مماثلة. وهذا يتيح لغة مشتركة للاختبار، وربما يمهّد بمرور الوقت لإشراف مباشر من آلة إلى أخرى.

شكرًا لكم على هذه المقابلة الرائعة. ويمكن للقراء الراغبين في معرفة المزيد زيارة EvoluteIQ.