كتبت “مي حجازي” خبيرة التحول المصرفي والاقتصاد الرقمي:
من التنبؤ بالعملات والسيولة إلى خفض تكلفة التحوط.. كيف يتحول الذكاء الاصطناعي إلى عنصر مؤثر في اقتصاديات البنوك
في 20 أغسطس 2026، أعلنت شركة أنت إنترناشيونال عن استخدام نموذجها الجديد «فالكون تي إس تي 2.0» من جانب بنوك عالمية كبرى، بينها سيتي، وإتش إس بي سي، ودويتشه بنك، وستاندرد تشارترد، وباركليز، في تطبيقات مرتبطة بالتنبؤ بالعملات والسيولة وإدارة المخاطر.
أنت إنترناشيونال هي شركة تكنولوجيا مالية عالمية مقرها سنغافورة، والذراع الدولية لمجموعة «أنت جروب»، صاحبة منظومة «علي باي».
Ant International
أهمية الخبر ليست في إطلاق نموذج جديد، وإنما في وصول الذكاء الاصطناعي إلى قلب الخزانة المصرفية: التنبؤ بالتدفقات والسيولة، وإدارة التعرض للعملات، وقرارات التحوط.
وتقول الشركة إن النموذج حقق دقة تجاوزت 93% في بعض التطبيقات، وإنه يمكن أن يخفض تكلفة التحوط وتخصيص العملات بأكثر من 60%، وهي أرقام معلنة من الشركة وليست معيارًا مستقلًا للسوق.
من الذكاء الاصطناعي العام إلى الذكاء المالي المتخصص
هناك فرق بين نماذج اللغة الكبيرة التي تتعامل مع النصوص، ونماذج السلاسل الزمنية المصممة لتحليل البيانات الرقمية المتغيرة باستمرار، مثل أرصدة الحسابات وأسعار الصرف والتدفقات النقدية.
Large Language Models (LLMs)
Time-Series Transformer Models
النماذج المتخصصة تركز على اكتشاف الأنماط الرقمية والتنبؤ بما قد يحدث لاحقًا، وهو ما يجعلها أكثر ارتباطًا بالقرارات المالية داخل الخزانة.
وهنا تظهر نقلة مهمة: المنافسة لن تكون فقط حول امتلاك نموذج ذكاء اصطناعي أكبر، بل حول امتلاك النموذج الأنسب للقرار المالي.
عندما تتحول دقة التنبؤ إلى قيمة مالية
إذا استطاع البنك توقع التدفقات النقدية والتعرض للعملات واحتياجات السيولة بصورة أفضل، يمكنه اتخاذ قرارات أكثر كفاءة في التمويل والتحوط وتخصيص السيولة.
وهنا يتحول الذكاء الاصطناعي من استثمار تكنولوجي إلى تأثير مباشر في التكلفة والسيولة والمخاطر والعائد.
وهذه هي القيمة التي تهم الرئيس التنفيذي: هل انخفضت تكلفة التحوط؟ هل تحسن استخدام السيولة؟ هل أصبح رأس المال أكثر كفاءة؟ وهل انعكس ذلك على الربحية؟
من تنفيذ عمليات العملات إلى التنبؤ بالتعرض
إدارة العملات في البنوك العالمية لم تعد مجرد تنفيذ صفقة؛ فالبنوك تتعامل مع تدفقات متعددة العملات ومدفوعات عبر الحدود وتعرضات تتغير باستمرار.
يمكن للذكاء الاصطناعي أن ينقل الاستخدام من التنفيذ إلى التنبؤ، بحيث يستطيع البنك بناء رؤية استباقية حول التعرض المتوقع للعملات، وتوقيت التدفقات، واحتياجات السيولة.
ومن هنا تظهر تطبيقات مثل:
AI-powered Cash-flow Forecasting
Predictive FX Exposure
Liquidity Optimization
Smarter Hedging
Real-time Dynamic Pricing
Cross-border Treasury
والقيمة الأكبر تظهر عندما تتحول هذه القدرات إلى خدمات يقدمها البنك لعملائه من الشركات.
فرصة جديدة في الخدمات المصرفية للشركات
الشركات الكبرى تواجه تحديات مشابهة: سيولة موزعة بين الأسواق، حسابات متعددة العملات، مدفوعات دولية، واحتياجات تمويل ومخاطر مرتبطة بأسعار الصرف.
يمكن للبنك أن ينتقل من تنفيذ طلب العميل إلى مساعدته في توقع التدفقات، وتقدير التعرض للعملات، وتحديد احتياجات السيولة، واختيار توقيت التحوط أو التمويل.
وبذلك يصبح البنك شريكًا في إدارة خزانة العميل، وليس مجرد منفذ للمعاملة.
وتعكس تجربة ستاندرد تشارترد وأنت إنترناشيونال هذا الاتجاه من خلال تطوير حلول للخزانة وإدارة العملات للشركات التي تعمل عبر الحدود.
الذكاء الاصطناعي لا يعمل خارج التنظيم
كلما اقترب الذكاء الاصطناعي من المال الحقيقي، أصبحت الحوكمة جزءًا أساسيًا من التطبيق.
وتقدم سنغافورة نموذجًا مهمًا، من خلال مشاركة ستاندرد تشارترد وأنت إنترناشيونال في مبادرات مرتبطة ببرنامج «باث فاين» التابع لسلطة النقد في سنغافورة.
PathFin.ai
وفي يوليو 2026، أطلقت سلطة النقد في سنغافورة إطارًا للضوابط المتعلقة بوكلاء الذكاء الاصطناعي في القطاع المالي، يتناول الصلاحيات والتحقق وقابلية التدقيق والضوابط عند تنفيذ العمليات المالية.
SAFR — Safeguards for Agentic Finance at Runtime
وتشمل التطبيقات المدفوعات وعمليات الخزانة.
الذكاء الاصطناعي المالي لا يدخل البنوك منفصلًا عن التنظيم، بل يدخل معها.
حين تصبح دقة النموذج خطًا بين الربح والمخاطرة
دقة تتجاوز 93% تبدو جذابة، لكن الدقة التاريخية لا تضمن قدرة النموذج على التعامل مع أزمة لم يرها من قبل.
أزمة جيوسياسية، أو تغير مفاجئ في أسعار الفائدة، أو اضطراب في السيولة، قد يضع النموذج أمام بيئة مختلفة جذريًا.
لذلك تحتاج البنوك إلى إدارة مخاطر النماذج، واختبارات ضغط مستمرة، ومراقبة جودة البيانات وأداء النموذج.
Model Risk Management (MRM)
Stress Testing
كما يجب مراقبة الانحراف الخوارزمي، أي تغير أداء النموذج مع تغير السوق والبيانات.
Algorithmic Drift
والهدف ليس إبعاد الذكاء الاصطناعي عن القرار، بل ضمان ألا تتحول دقته في الظروف الطبيعية إلى نقطة ضعف أثناء الأزمات، مع استمرار الرقابة البشرية.
البنوك لا تشتري الذكاء الاصطناعي.. تشتري اقتصاديات أفضل
القيمة الحقيقية تظهر عندما تتحول التكنولوجيا إلى:
تكلفة تحوط أقل.
استخدام أفضل للسيولة.
رؤية أدق للتعرضات.
قرارات تمويل أكثر كفاءة.
خدمات أفضل لعملاء الشركات.
وهوامش وربحية أفضل.
عندها ينتقل الذكاء الاصطناعي من ملف تكنولوجي إلى ملف استراتيجي على مستوى الرئيس التنفيذي.
المعركة المقبلة داخل البنك
ما يحدث في الخزانة يعكس تحولًا أكبر في مسار التحول المصرفي.
الذكاء الاصطناعي ينتقل من التطبيقات التي يراها العميل إلى العمليات التي تصنع اقتصاديات البنك: من خدمة العملاء إلى السيولة، ومن أتمتة العمليات إلى إدارة المخاطر، ومن تحليل البيانات إلى التنبؤ بالتدفقات.
ولهذا فإن دخول «فالكون تي إس تي 2.0» إلى تطبيقات لدى بنوك عالمية كبرى ليس مجرد خبر تكنولوجي، بل مؤشر على أن البنوك تبحث عن ذكاء اصطناعي متخصص يستطيع تحسين القرارات الموجودة في قلب الميزانية العمومية.
وقد لا يكون البنك الأكثر تقدمًا هو صاحب أفضل تطبيق أو أكثر روبوت محادثة لمعانًا، بل البنك الذي يستطيع أن يعرف بدقة أكبر متى يحتاج إلى السيولة، وأين توجد، وما حجم تعرضه للعملات، وكيف يخفض تكلفة التحوط، وكيف يحول هذه القدرة إلى قيمة حقيقية للبنك ولعملائه من الشركات.
