تطوّر Franklin Templeton مسارات عمل للذكاء الاصطناعي لتسليط الضوء على المخاطر

تعمل Franklin Templeton على تطوير مسارات عمل للذكاء الاصطناعي لمساعدة مديري المحافظ على مقارنة الأبحاث الاستثمارية ودراسة المخاطر، بدءًا من أبحاث الأسهم، وفقًا لما ذكرته OpenAI في دراسة حالة نُشرت في 5 نوفمبر 2026. ويُعد Codex واحدًا من عدة أدوات تستخدمها فرق الاستثمار لديها.

يعالج هذا العمل فجوةً في تسليم المهام ضمن عملية البحث الحالية. يُجري المحللون تحليلًا أوليًا للأسهم، ويراجعون مكالمات إعلان النتائج، ويدرسون المنافسين في كل مجال من مجالات العمل، قبل طرح أفكار جديدة أو إطلاع مديري المحافظ على المراكز القائمة. ويقدم كل من البحث وإدارة المخاطر والامتثال والتداول منظورًا مختلفًا؛ وتسعى Franklin Templeton إلى الجمع بين هذه المدخلات كي يتمكن صناع القرار من تقييم المبررات وراء الفكرة ومخاطرها معًا.

وصفت Katrina Dudley، نائبة الرئيس الأولى للاستثمارات في الأسواق العامة لدى Franklin Templeton، هذا التغيير بأنه انتقال يتجاوز أتمتة سلسلة خطوات يقودها البشر. وقالت: «لقد انتقلنا من تعزيز عملية البحث لدينا إلى إعادة تصور مسار العمل البحثي الاستثماري».

من إتاحة البيانات إلى الذكاء المترابط

في المحاولة الأولى، وُضعت البيانات في قاعدة بيانات ورُبطت بها النماذج. لكنها لم تُنتج الإجابات التي تحتاج إليها الفرق، لأن النماذج لم تكن تفهم كيفية ترابط البيانات. وتغيّر النهج بإضافة الوكلاء وطبقة دلالية، تُعرَّف بأنها نموذج منظم يوضح معنى بيانات الشركة وكيفية ترابطها.

يكمن جوهر مشكلة البحث في هذا التمييز: فإتاحة المعلومات وحدها لم توفر العلاقات اللازمة لتفسيرها. ويستخدم الفريق Codex وأدوات أخرى لتطوير طبقة ذكاء مترابط تُدخل البيانات في الأدوات وتعرض الرؤى للمستخدمين.

والنتيجة المنشودة هي أساس محكوم وقابل لإعادة الاستخدام، يجمع بين موصلات موثوقة وسياق المحافظ ومسارات العمل وقدرات قائمة على الوكلاء، بما يتيح عرض رؤى قابلة للتنفيذ للمحللين ومديري المحافظ.

يشمل التطوير أيضًا الأشخاص الذين سيستخدمون الأنظمة. وقد استُخدم Codex في هاكاثونات تجمع الخبراء والممارسين في مجال الاستثمار لبناء أدواتهم الخاصة، فيما تساعد المختبرات التطبيقية، التي تُطلق بعد وقت قصير من طرح التقنيات الجديدة، الفرق على اختبار مدى ملاءمة التقنية لعملها. ويعمل رواد الذكاء الاصطناعي في مجال الاستثمار على تحويل التجارب إلى مسارات عمل جاهزة للاستخدام في بيئة الإنتاج.

تصميم البحث يعطي الأولوية للتنوع والمخاطر

قد يتحول بعض ما يجعل الذكاء الاصطناعي مفيدًا في سياقات أخرى إلى مشكلة في إدارة الأصول. تتعلم أدوات كثيرة تفضيلات المستخدم وتعرض مزيدًا من المواد المشابهة؛ وبالنسبة إلى مستثمر يفضّل مزودًا واحدًا للأبحاث، قد يعني ذلك تلقي مزيد من التقارير من ذلك المزود. وترى Franklin Templeton أن هذا التضييق قد يكون مصدرًا للتحيز، ولذلك تريد إتاحة أبحاث وآراء متنوعة للمحللين ومديري المحافظ.

وتُعطى المخاطر أهمية مماثلة. إذ تهدف الأنظمة إلى إبراز مخاطر الاستثمار إلى جانب المبررات وراء الفكرة، لضمان تنبيه مديري المحافظ إليها. وقالت Dudley إن تحديد تلك المخاطر في مذكرة بحثية «يسهم في اتخاذ قرار استثماري أكثر استنارة».

وبالاقتران مع العمل على الطبقة الدلالية، تجعل هذه المتطلبات تنوع مصادر البحث جزءًا من تصميم النظام: فوجهات النظر التي تصل إلى المستخدم لا تقل أهمية عن إمكانية استرجاع المعلومات. لذا يربط مسار العمل المنشود بين البنية التقنية ومتطلب خاص بالاستثمار، يتمثل في الحفاظ على اختلاف الآراء وإبراز تحليل المخاطر السلبية.

ضوابط الحماية والتبني والعمل الميداني البشري

تشجع القيادة الابتكار والتجريب في مجال الذكاء الاصطناعي ضمن ضوابط مخاطر محددة بوضوح، مع تقبل أن بعض المبادرات لن تنجح. وقالت Dudley إنه ينبغي لكل مبادرة، رغم ذلك، أن تسفر عن رؤى تعزز القدرات وتُثري القرارات المستقبلية وتدفع التحسين المستمر. وتشمل الضوابط المحيطة بهذا التوجه مراجعة الأمان ودعم الخبراء واتفاقيات البيانات، في المسار من التجريب إلى الأدوات الجاهزة للاستخدام في بيئة الإنتاج.

تتمثل غاية Dudley على المدى البعيد في إتاحة الذكاء المترابط لفرق الاستثمار كافة، من المحللين إلى قادة كل مجموعة استثمارية. كما تريد أن يقضي المحللون وقتًا أطول في العمل الميداني والتحدث إلى خبراء ومتخصصين ومسؤولين تنفيذيين في شركات خاصة، ثم ينقلوا ما يتعلمونه إلى فرقهم. ويظل هذا المنظور البشري أساسيًا مع تطور الأدوات.

تكمن أهمية المشروع في الجمع بين الأتمتة وضبط استخدامها. إذ تسعى Franklin Templeton إلى إبراز الرؤى وربط مزيد من السياق المحيط بالاستثمار، مع الإبقاء على اختلاف الآراء والتحليل الصريح للمخاطر وضوابط الأمان والحكم البشري ضمن العملية. ويتمثل السؤال المحوري في ما إذا كان بالإمكان جمع هذه العناصر في نظام محكوم وقابل لإعادة الاستخدام، من دون تضييق نطاق الأبحاث الذي يُفترض أن يوسّعه النظام.