مليار كلمـة

ملخص المقال

تستعرض الورقة العلمية استخدام الذكاء الاصطناعي في البنوك المركزية لتحسين كفاءة العمليات المالية وزيادة دقة اتخاذ القرارات، مع التركيز على تقنيات مثل التنبؤ الاقتصادي وتحليل المخاطر وأبحاث السياسات. تتناول الورقة تطبيقات الذكاء الاصطناعي في البنوك المركزية حول العالم، مثل بنك إنجلترا الذي يركز على الإشراف الاحترازي، والبنك المركزي الأوروبي الذي يدمج الذكاء الاصطناعي في إدارة البيانات وتحليل التضخم والإشراف المالي، بالإضافة إلى استخدام الاحتياطي الفيدرالي في الولايات المتحدة للذكاء الاصطناعي في إدارة المخاطر. كما يتم تطبيق هذه التقنيات في صربيا لتحليل المخاطر الاقتصادية والتضخم. ورغم الفوائد الكبيرة التي يقدمها الذكاء الاصطناعي، يبرز تحدي الأمان السيبراني وخصوصية البيانات، ما يتطلب إشرافاً بشرياً دقيقاً لضمان تطبيقات آمنة وفعالة في البنوك المركزية.

الخدمات المصرفية: الفرص والتحديات و الآثار

فيسنا MARTIN1

[جمعية الاقتصاديين في بلغراد، بلغراد، صربيا]

يتم استخدام الذكاء الاصطناعي بشكل متزايد في مجموعة متنوعة من المجالات ، بما في ذلك البنوك المركزية ، لتحسين عملية صنع القرار وكفاءة الأعمال وإدارة المخاطر. اليوم ، تقوم جميع البنوك المركزية تقريبا بالتحقيق في استخدام الذكاء الاصطناعي في عملياتها ، مثل التنبؤ الاقتصادي وتحليل المخاطر وأبحاث السياسات وتحليل السوق. وكل هذا من الممكن أن يساعد في زيادة مرونة النظام المالي في وقت حيث أصبح الاقتصاد العالمي أكثر ترابطا وتعقيدا. من ناحية أخرى، من الضروري تسليط الضوء على العقبات الناشئة للذكاء الاصطناعي، مثل الأمن السيبراني وخصوصية البيانات وشفافية الخوارزميات، والتي يجب على البنوك المركزية معالجتها للاستفادة الفعالة من فوائد تطبيقات الذكاء الاصطناعي. عند نشر الذكاء الاصطناعي، يجب عل ى البنوك المركزية اتباع نهج شامل ومتوازن، مع مراعاة الآثار الأخلاقية والقانونية والاجتماعية مع تعظيم جميع الفوائد التي قد يوفرها الذكاء الاصطناعي. ويمكن أن يساعد الرصد المستمر للأطر التنظيمية والتعاون الدولي المصارف المركزية في تحقيق إمكانات هذه التكنولوجيات. في هذه الورقة ، سنحلل دمج الذكاء الاصطناعي في البنوك المركزية: الفرص والتحديات والآثار.
سوف ندرس الفرص والتحديات والآثار ، فضلا عن استخدام الذكاء الاصطناعي في عمليات البنوك المركزية الرائدة ، مع التركيز بشكل خاص على استخدامه في القطاع المصرفي في صربيا.

المقدمة

الذكاء الاصطناعي ، كما هو الحال في مختلف القطاعات الأخر ى ، لديه القدرة على لعب دور مهم في البنوك المركزية. تدرس البنوك المركزية بنشاط التطبيقات المختلفة للذكاء الاصطناعي لتحسين عملياتها وعمليات صنع القرار. تشمل مزايا اعتماد الذكاء الاصطناعي انخفا ض تكاليف التشغيل والمخاطر ، وتعزيز تحديد الاحتيال والامتثال التنظيمي ، وتحسين عملية صنع القرار بشأن القروض ، وأتمت ة عملية الاستثمار. تدرك البنوك المركزية في جميع أنحاء العالم بشكل متزايد.

يزيد الذكاء الاصطناعي من كفاءة القطاع المالي ، ويعزز التواصل من خلال روبوتات المحادثة ، ويسمح بالموافقة الآلية على القروض ، ويجعل تحديد هوية المستخدم أسهل. تعمل هذه العمليات على تغيير عمليات المؤسسات المالية ، وتوفير مبالغ كبيرة من المال من خلال أتمتة العمليات ، والاستفادة من التحليلات التنبؤية لتحسين عروض المنتجات والخدمات ، وتطوير عمليات إدارة مخاطر أكثر كفاءة مع الامتثال للامتثال التنظيمي. يمكن للبنوك المركزية استخدام الذكاء الاصطناعي لمجموعة متنوعة من الأغراض ، بما في ذلك المعلومات وتحليل السوق ، والتنبؤ الاقتصادي (التنبؤ الآني"")، وتقييم الاستقرار المالي تحليل الشبكة ، وتحسين الاتصالات الخارجية.

في هذه الورقة ، سنحلل دمج الذكاء الاصطناعي في البنوك المركزية الفرص والتحديات والآثار. بعد المقدمة ، هناك مراجعة للأدبيات ومناقشة الفوائد والتحديات والمخاطر المرتبطة بنشر الذكاء الاصطناعي. ويناقش القسم الرابع من الورقة استخدام الذكاء الاصطناعي في أنشطة أبرز البنوك المركزية، مع التركيز على القطاع المصرفي في صربيا في الختام ، أوجزنا النتائج الرئيسية لهذه الورقة.

مراجعة الأدبيات

تهتم البنوك المركزية تماما بالذكاء الاصطناعي لأنه لا يزال قيد التحقيق من حيث المهام التي يمكن القيام بها باستخدام هذه التكنولوجيا. وبالتالي ، يمكن للذكاء الاصطناعي تغيير العديد من عمليات البنك المركزي وتحسين كفاءتها بشكل كبير. يجب على البنوك المركزية أن تدرس بعناية الاحتمالات والتحديات المرتبطة بتطبيق الذكاء الاصطناعي ، وكذلك إنشاء استراتيجيات مناسبة لتعظيم المزايا مع تقليل المخاطر الذكاء الاصطناعي ليس مفهوما جديدا ، ويعود تطبيقه إلى إنشاء أول آلة حساب ميكانيكية في عام 1642 من قبل عالم الرياضيات الفرنسي بليز باسكال ، بينما صاغ المصطلح جون مكارثي في عام 1955 ياداف وآخرون ، 2024) يرتبط التطور المستمر للذكاء الاصطناعي بنشر عمل ""آلات الحوسبة والذكاء"" لعالم الرياضيات الإنجليزي آلان تورينج في عام 1950 ، والذي حلل فيه فكرة بناء جهاز كمبيوتر قادر على الحد من الأفكار البشرية. في عام 1997 ، طورت IBM الكمبيوتر العملاق Deep Blue ، الذي هزم بطل العالم غاري كاسباروف في مباراة شطرنج (مولين ، 2023). خلال أواخر القرن العشرين ، ساعدت مبادرتان مهمتان على تطوير الذكاء الاصطناعي بشكل كبير. الأول هو بروتوكول ستانلي ، الذي صممته وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) في عام 2002 لإنتاج مركبة قادرة على الوصول إلى 225 كيلومترا في الساعة في الصحراء باستخدام الليزر والكاميرات والمعالجات. بحث آخر هو Google Brain ، الذي اختبر شبكة عصبية تحتوي على 10 ملايين صورة من مقاطع فيديو YouTube في عام 2012. بعد ثلاثة أيام ، تعرف Google Brain على 16 من 22000 فئة على 1000 خادم ، وهو ما يمثل تحسنا بنسبة 70% عن الاختبار السابق (2018 ، Da Costa). بعد ذلك ، استمر العصر الرقمي في التطور ، كما فعلت التخصصات الأخرى مثل تكنولوجيا النانو وعلم الوراثة والميكاترونكس ، وكلها ساهمت في تحقيق اقتصاد الفضاء التطورات الأخرى ، مثل الذكاء الاصطناعي ، لها تأثير مباشر أو غير مباشر على الاقتصاد (2015، Dirican).

إن الانتقال من إدارة المخاطر التناظرية إلى الرقمية مطلوب قبل أن تتمكن البنوك من تنفيذ المبادرات الرقمية. الخطوة المهمة نحو تحقيق هذا الهدف هي الاستخدام الأمثل للذكاء الاصطناعي (2020 ، Dzhaparov). في الاقتصاد الرقمي ، أدى الذكاء الاصطناعي إلى تحسين الأنشطة المصرفية بشكل كبير. ألهم تطبيقه الأنشطة المصرفية لتكون أكثر ابتكارا وجاذبية لعملائها (2023 ، .Mi Alnaser et al) وفقا لغندور (2021) ، برز القطاع المصرفي كرائد رائد في تطبيق الذكاء الاصطناعي. يمثل إدخال الخدمات المصرفية عبر الإنترنت وإنشاء شبكة من فروع الخدمة الذاتية تمثيلا مهما للذكاء الاصطناعي في البنوك. وفقا لخان ومالايكا (2021) ، أدت الرقمنة في القطاع المالي إلى خلق مخاطر رقمية ، بما في ذلك تلك المتعلقة بالأمن السيبراني والذكاء الاصطناعي. يذكر هؤلاء المؤلفون أن الحلول المتنوعة لرقمنة أنشطة القطاع المصرفي تتطلب تصميمات وبنى تحتية وتقنيات متميزة ، مما يؤدي إلى ظهور مخاطر مختلفة نتيجة لذلك ، يجب أن تأخذ الحلول الرقمية في الاعتبار المخاطر وآثارها على العمليات والأشخاص والتكنولوجيا والبيانات. وفقا لياماوكا (2023) ، يمثل الذكاء الاصطناعي مستقبل البنوك المركزية في مجال الخدمات المالية ، وكذلك استراتيجيات التداول والاستثمار في الأسواق المالية. يجذب تطبيق الذكاء الاصطناعي في التمويل الكثير من الاهتمام ، لأنه قد يؤدي إلى أتمتة العمليات التي تستغرق وقتا طويلا وكثيفة العمالة مع توفير خدمات جديدة للعملاء أيضا. تستخدم تقنيات الذكاء الاصطناعي بشكل متزايد في التمويل ، مثل التداول الخوارزمي وإدارة الأصول والتمويل القائم على blockchain (Sugiharto et al. ، 2023) .

يعتمد قبول الذكاء الاصطناعي على الاستعداد والانفتاح على استخدام التقدم التكنولوجي ، والاعتراف بفوائد تطبيقه ، والخبرة المكتسبة في استخدام الذكاء الاصطناعي في قطاع الخدمات المالية (2023 ، Piotrowski and Orzeszko). خلصت دراسة أجرتها شركة الاستشارات الإدارية العالمية McKinsey عام 2018 إلى أنه بحلول عام 2030 ، ستتبنى أكثر من 70% من الشركات نوعا واحدا على الأقل من تكنولوجيا الذكاء الاصطناعي ، مع تطبيق أقل من نصفها لخمس فئات ، مما يشير إلى إمكانية تطبيق الذكاء الاصطناعي بشكل كبير. ووفقا للتقرير نفسه، فإن استخدام الذكاء الاصطناعي سيولد أكثر من 13 تريليون دولار من النشاط الاقتصادي الإضافي على مستوى العالم، وهو ما يمثل %1.2% من نمو الناتج المحلي الإجمالي السنوي الإضافي. عندما يتعلق الأمر بالقطاع المالي ، حيث تكون بيانات العملاء والمعاملات هي موارد العمل الأساسية ، فإن تطبيق الذكاء الاصطناعي لديه إمكانات هائلة (2019) ، .Kruse et al). حللت كايا (2019) تأثير الذكاء الاصطناعي على ربحية البنوك واكتشفت أن له تأثيرا مزدوجا أولا، يمكن للذكاء الاصطناعي أتمتة الوظائف المتكررة، مما يقلل من الطلب على الموظفين الأقل مهارة وربما يزيد من كفاءة عمل موظفي البنوك الآخرين. هذه الخطوة أمر بالغ الأهمية ، بالنظر إلى أن رواتب الموظفين تمثل جزءا كبيرا من إجمالي نفقات التشغيل للبنك. ثانيا ، يمكن أن يؤدي استخدام الذكاء الاصطناعي إلى زيادة الإيرادات من خلال تطوير خدمات جديدة للعملاء. وسيناقش القسم التالي من الورقة تحديات ومخاطر تطبيق الذكاء الاصطناعي في البنوك المركزية.

لفرص والتحديات والآثار المترتبة على تطبيق الذكاء الاصطناعي في البنوك المركزية

الذكاء الاصطناعي هو استخدام تقنيات الكمبيوتر لإنجاز المهام التي تحتاج تقليديا إلى تطبيق التعقيد البشري ، وفقا لتقرير عام 2017 الصادر عن مجلس الاستقرار المالي. ومع ذلك ، من المهم ملاحظة المصطلحات الأخرى التي يتم استخدامها بشكل متكرر جنبا إلى جنب مع الذكاء الاصطناعي كثيرا ما يستخدم مصطلح ""البيانات الضخمة للإشارة إلى جمع وفحص كميات كبيرة من البيانات التعلم الآلي ، وهو مجموعة فرعية من الذكاء الاصطناعي ، هو عملية إنشاء خوارزمية - سلسلة من التعليمات تحل المشكلات تلقائيا عن طريق تطبيق المعرفة السابقة وإجراء التحسين من تلقاء نفسها مع القليل من المشاركة البشرية أو بدونها. عند تطبيق تحليلات البيانات الضخمة - أي تطبيق كميات هائلة من البيانات - يمكن استخدام التعلم الآلي لتحديد الأنماط .

فرص تطبيق الذكاء الاصطناعي متعددة الجوانب ويشير ماكمولين (2023) في تحليله إلى خمس فوائد من تطبيق الذكاء الاصطناعي في البنوك

تحسين خدمة العملاء - مع ارتفاع نفقات تشغيل مركز الاتصال ، تنعكس خدمة العملاء الأفضل في زيادة الكفاءة التشغيلية في مجالات مثل الاتصال بمركز الاتصال وانتظار رد المشغل. يعد الذكاء الاصطناعي للمحادثة ، الذي يستخدم البيانات من الشبكات الاجتماعية ، والوضع المالي السابق للعميل ، والحالي لتوجيه المحادثة ، إحدى الطرق التي يمكن أن يساعد بها الذكاء الاصطناعي.
تحصيل الديون واستردادها - للذكاء الاصطناعي العديد من التطبيقات في مجال تحصيل الديون واستردادها ، لا سيما في الأوقات الاقتصادية غير المؤكدة عندما يتخلف العملاء في كثير من الأحيان عن سداد مدفوعاتهم. يمكن استخدام الذكاء الاصطناعي في هذا المجال لتوفير أنظمة الإنذار المبكر والتقنيات التنبؤية التي من شأنها تعزيز تحصيل الديون.
تقييم المخاطر وإدارتها - يتمتع الذكاء الاصطناعي بالقدرة على تعزيز تقييم المخاطر وإدارة الامتثال ، مما يمكن الصناعة المالية ككل من تقييم المخاطر بشكل أكثر فعالية وتحديد العملاء غير المناسبين لاستخدام سلع وخدمات معينة.
عملية اكتتاب مبسطة - يمكن استخدام كل من نماذج التعلم الآلي وأتمتة العمليات الروبوتية لتعزيز إجراءات الاكتتاب المبسطة. من خلال استخدام هذه الإجراءات ، قد يتم تقليل الوقت المعتاد للموافقة على القرض في مجال الموافقة على القرض عبر الإنترنت.
يعد تخصيص تجربة العملاء أمرا بالغ الأهمية للاحتفاظ بالعملاء ، ولهذا السبب يجب على البنوك تقديم خدمات فردية لعملائها. قد تتنبأ البنوك بدقة أكبر بمتطلبات وسلوك عملائها الحاليين والمحتملين من خلال استخدام الذكاء الاصطناعي.

من الأهمية بمكان فهم مجالات الذكاء الاصطناعي للبنوك المركزية التي يمكن تطبيقها للحصول على فهم أفضل للتحديات والمخاطر المرتبطة بالقيام بذلك. أجرى (2004) .Araujo et al تحليلا يحدد أربعة مجالات رئيسية مثيرة للقلق: (1) جمع البيانات الإحصائية. (2) التحليل الاقتصادي الكلي والمالي لدعم تنفيذ السياسة النقدية (3) الإشراف على نظام الدفع ؛ و (4) الرقابة والاستقرار المالي. تستخدم البنوك المركزية على نطاق واسع تقنيات التعلم الآلي لجمع بيانات عالية الجودة على المستوى الجزئي. أصبح جمع البيانات الدقيقة على نطاق واسع ممكنا من خلال هذه الطريقة ، وهي سمة من سمات البنوك المركزية. الاقتصاد الكلي والتحليل المالي هي المجالات التالية حيث سيتم استخدام الذكاء الاصطناعي للمساعدة في تنفيذ السياسة النقدية. في هذا المجال ، يمكن تطبيق شبكة عصبية. ويمكنه، على سبيل المثال، تفكيك التضخم الكلي إلى مكوناته وشرح جزء التضخم المرتبط بزيادات الأسعار، والتوقعات التضخمية، والأسعار من السوق العالمية. مثال آخر هو التوقعات في الوقت الفعلي ، أو ""التنبؤ الآني"" ، والتي تعد مفيدة لتحليل توقعات التضخم أو تلخيص حالة الاقتصاد بمرور الوقت لكي يكون النظام المالي مستقرا ، يجب أن تعمل أنظمة الدفع بفعالية. وفي هذا السياق، يشكل التمييز بين المعاملات العادية والمعاملات الشاذة في البيانات عالية التردد ذات التوزيع الواسع تحديا حاسما. يسهل التحديد الدقيق للمعاملات التي تظهر حالات شاذة الكشف الفوري عن الجرائم المالية المحتملة أو الهجمات الإلكترونية أو حالات الإفلاس. للكشف عن المعاملات المشبوهة ، يمكن للمرء استخدام الشبكات العصبية للرسم البياني ونماذج التعلم الآلي وتقنيات التعلم غير الخاضعة للإشراف. لكي تتمكن البنوك المركزية من الإشراف بنجاح على المؤسسات المالية ، يفحص الإشراف الكثير من البيانات في السنوات القليلة الماضية ، كان من الأهمية بمكان بشكل متزايد فحص البيانات المتعلقة بالمخاطر السيبرانية والمناخية ، حيث تتطلب المراقبة المناسبة لهذه البيانات بيانات أكثر شمولا مما تتطلبه المخاطر التقليدية. يمكن تصنيف المستندات الإشرافية باستخدام طرق معالجة اللغة الطبيعية (NLP) جنبا إلى جنب مع نماذج المحتوى الإشرافي المكررة.يتعين على المؤسسات تتبع المخاطر الجديدة أثناء تنفيذ الذكاء الاصطناعي. وفقا ل Milojevic and Redzepagic (2021) فإن استخدام الذكاء الاصطناعي والتعلم الآلي يتطلب تحسين إدارة المخاطر القياسية ، لا سيما في إدارة مخاطر الائتمان. يذكر (2019) .Wibisono et al أن المشاكل الأساسية لنشر الذكاء الاصطناعي هي التعامل مع البيانات الضخمة واستخدام البيانات الضخمة. تعد معالجة البيانات الضخمة نشاطا كثيف الاستخدام للموارد ، لا سيما في مجالات جمع المعلومات والوصول إليها ، مما يستلزم استخدام تكنولوجيا معلومات باهظة الثمن وتدابير أمنية متطورة للبيانات. تستغرق معالجة البيانات الجزئية الكبيرة قدرا كبيرا من الوقت ، مما يتطلب خبرة ملفات تعريف تعليمية متنوعة مثل علماء البيانات والإحصائيين والمتخصصين في تكنولوجيا المعلومات. يواجه الإحصائيون في البنك المركزي مهمة الاستفادة المثلى من البيانات المتاحة ، مما يتطلب إعدادا مكثفا بالإضافة إلى تنفيذ إجراءات المساءلة والرقابة المناسبة. يعد استخدام البيانات الضخمة أيضا مشكلة في مجال الذكاء الاصطناعي تظهر هذه المشكلة بشكل خاص عند معالجة كميات هائلة من البيانات ، خاصة إذا لم يتم تنسيق البيانات بشكل مناسب. غالبا ما تشمل مجموعات البيانات الضخمة جميع السكان ولديها خطأ في أخذ العينات أقل من المسوح الإحصائية القياسية. وتتفاقم المسألتان المذكورتان أعلاه بسبب سمات البنك المركزي مثل الاستقلال التشغيلي والأهمية المعطاة لثقة الجمهور. وفي حالة البنوك المركزية، تتضح الحاجة إلى جمع البيانات بدقة بشكل خاص، وصولا إلى مستوى المعاملات الفردية، نظرا لأن البيانات المكتسبة سوف تستخدم لإصدار أحكام تتعلق بالمصلحة العامة. بالإضافة إلى ذلك ، تتخذ البنوك المركزية قرارات تؤثر على النظام المالي. وبالتالي ، هناك حلقة تغذية مرتدة بين البيانات المالية الضخمة التي تم جمعها والتدابير الدقيقة المنفذة بناء على تلك البيانات.(2019) .Cheatham et al تحديد خمسة مخاطر رئيسية مرتبطة بالذكاء الاصطناعي الأول هو صعوبات البيانات ، والتي تشير إلى التحدي الأكبر في إدخال البيانات وفرزها وتوصيلها واستخدامها بفعالية نتيجة لزيادة حجم البيانات غير المهيكلة من مصادر مثل مواقع الويب والأجهزة المحمولة والشبكات الاجتماعية نتيجة لما سبق ، من السهل الوقوع في فخ استغلال المعلومات الحساسة أو الكشف عنها. يرتبط خطر آخر بالمشاكل التكنولوجية ، والتي يمكن أن يكون لها تأثير سلبي على الذكاء الاصطناعي القضية التالية هي العقبات الأمنية ، والتي تظهر في قدرة المحتالين على استخدام البيانات المالية والصحية والتسويقية التي يفترض أنها حساسة والتي تحصل عليها الشركات لبناء أنظمة الذكاء الاصطناعي. إذا كانت الإجراءات الأمنية غير كافية ، يمكن استغلال البيانات لبناء هوية مزورة ، مما يتسبب في ضرر لتلك الشركات. سوء سلوك النموذج هو الخطر التالي الذي ينشأ عندما تقدم نماذج الذكاء الاصطناعي نتائج متحيزة ، مما يجعل هذه النتائج غير مستقرة أو تساهم في استنتاجات غير صحيحة الخطر الخامس هو مخاوف الواجهة ، والتي تظهر عندما يتعامل الناس مع الآلات ، مما يشكل خطرا . قد ينتهك الموظفون أو المتعاونون الخارجيون خوارزمية معينة أو يستخدمون الذكاء الاصطناعي بشكل غير صحيح إذا لم تكن هناك حماية صارمة الذكاء الاصطناعي له مجموعة متنوعة من التأثيرات على جميع المشاركين الاقتصاديين تقريبا. يؤثر الذكاء الاصطناعي على الأفراد من خلال الأمن الرقمي والخصوصية والسمعة ، بينما تتأثر الشركات بالأداء المالي وغير المالي والسمعة وامتثال الشركات للذكاء الاصطناعي تأثير على المجتمع ككل ، سواء من حيث الاستقرار الاقتصادي والسياسي أو الأمن القومي. بالإضافة إلى ما سبق ، يشير (2024) Ozili إلى مخاطر مثل مخاطر خصوصية البيانات يرتبط هذا الخطر بإمكانية أن يؤدي الذكاء الاصطناعي في البنوك المركزية إلى تسرب غير مقصود للبيانات ، الأمر الذي يتطلب تحسينات في قواعد حماية خصوصية البيانات ؛ استخدام البيانات التركيبية لتكرار بيانات العالم الحقيقي (يصبح الخطر المذكور أعلاه أكبر إذا اعتمدت البنوك المركزية بشكل أكبر على البيانات التركيبية التي تولدها الخوارزمية أكثر من اعتمادها على البيانات الحقيقية. هذا يمكن أن يؤدي إلى نتائج غير مرغوب فيها في مجال مثل توقعات التضخم)؛ الخطر المتزايد للتحيز المضمن يحدث عندما تستخدم البنوك المركزية في نظام الذكاء الاصطناعي بيانات غير تمثيلية. إذا حدث هذا ، فقد يؤدي إلى قرارات سيئة بشأن السياسة النقدية ؛ إن تفسير قرارات سياسة البنك المركزي القائمة على الذكاء الاصطناعي أمر صعب هذا الخطر مرتفع بشكل خاص عند شرح المدخلات والافتراضات التي تم الحصول عليها من شبكة من نماذج الذكاء الاصطناعي المترابطة وعرضة المخاطر الأمن السيبراني يمكن( للقراصنة استخدام أساليب متطورة للوصول إلى أنظمة الذكاء الاصطناعي التي يستخدمها البنك المركزي وبالتالي إضعاف دقة خوارزميات الذكاء الاصطناعي). دراسات حالة للبنوك المركزية الرائدة التي تستخدم الذكاء الاصطناعي

بدأت العديد من البنوك المركزية الرائدة في استخدام الذكاء الاصطناعي في عناصر مختلفة من عملياتها ، مع التركيز على تخفيضات كبيرة في التكاليف وزيادة كفاءة الأعمال. سنستخدم مثال البنوك المركزية البارزة لتوضيح كيف يمكن تطبيق الذكاء الاصطناعي في عمليات البنك المركزي.في أكتوبر 2022 ، نشر بنك إنجلترا ، بالتعاون مع هيئة التنظيم الاحترازي (PRA) وهيئة السلوك المالي (FCA) ، وثيقة بعنوان ""الذكاء الاصطناعي والتعلم الآلي لفهم أفضل لكيفية تأثير الذكاء الاصطناعي على أهداف الإشراف الاحترازي وتنفيذ الإشراف على المشاركين في النظام المالي. هذه الوثيقة هي جزء من محاولات PRA و FCA لتقييم جدوى الذكاء الاصطناعي ، وهي تضم كلا من منتدى الذكاء الاصطناعي العام والخاص (AIPPF) والتقرير النهائي. أطلق بنك إنجلترا وهيئة السلوك المالي FCA) AIPPF) في أكتوبر 2020 بهدف تعزيز النقاش بين القطاعين العام وقطاع الأعمال لفهم تأثير الذكاء الاصطناعي على الخدمات المالية بشكل أفضل. يعقد المنتدى اجتماعات ربع سنوية واجتماعات مجموعات عمل تغطي موضوعات مثل البيانات ونماذج إدارة المخاطر والحوكمة يبحث التقرير النهائي ، المقرر صدوره في فبراير 2022 ، في الحواجز العديدة التي تحول دون التبني والمخاطر والمخاطر عبر جميع موضوعات المنتدى الثلاثة. ويهدف التقرير النهائي إلى تحسين الفهم الجماعي وتعزيز الحوار المستقبلي بين الممارسين والمنظمين وممثلي المجتمع الأكاديمي من أجل دعم التنفيذ الأمن للذكاء الاصطناعي في الخدمات المالية.يستخدم البنك المركزي الأوروبي الذكاء الاصطناعي في ثلاثة مجالات الأول هو البيانات ، التي تستغرق وقتا طويلا لجمعها وإعدادها ونشرها من قبل الإحصائيين لأنها تأتي من أكثر من عشرة ملايين كيان قانوني في أوروبا وتصنف حسب القطاعات المؤسسية المؤسسات المالية أو الشركات غير المالية أو القطاع العام. تتيح تقنيات التعلم الآلي أتمتة عملية التصنيف ، مما يسمح لموظفي البنك المركزي الأوروبي بالتركيز على تقييم البيانات وتفسيرها المجال الثاني هو أن يكون لدى البنك المركزي الأوروبي فهم أفضل لتقلبات الأسعار وديناميكيات التضخم داخل الاتحاد الأوروبي. يمكن استخدام التعلم الآلي وكشط الويب لجمع وتقييم كميات هائلة من البيانات حول تسعير المنتج الفردي في الوقت الفعلي. إحدى القضايا هي أن البيانات التي تم جمعها غير منظمة إلى حد كبير وبالتالي فهي غير مناسبة لقياس التضخم. ولهذا السبب، بدأ البنك المركزي الأوروبي، جنبا إلى جنب مع البنوك المركزية الأخرى الأعضاء في منطقة اليورو، في تطبيق الذكاء الاصطناعي من خلال شبكة تحليل البيانات الجزئية لتحديد الأسعار (PRISMA)، والتي تساعد في هيكلة البيانات وتحسين دقتها. تم تطوير PRISMA في عام 2018 من قبل النظام الأوروبي للبنوك المركزية لفهم تحركات الأسعار وديناميكيات التضخم في الاتحاد الأوروبي بشكل أفضل ، مع التركيز على العناصر الأساسية لنقل السياسة النقدية المجال الثالث لتطبيق الذكاء الاصطناعي هو الإشراف المالي ، والذي يستلزم فحص كميات هائلة من البيانات من الوثائق ذات الصلة مثل التقييمات الإشرافية والوثائق المصرفية والمقالات الصحفية. طور البنك المركزي الأوروبي منصة أثينا ، والتي تساعد المشرفين في العثور على جميع البيانات المذكورة أعلاه ومعالجتها ومقارنتها. تم تصميم منصة Athena لاستخدامها في تصنيف البيانات ونمذجة الموضوعات الديناميكية وتحليل المشاعر والتعرف على الكيانات. يمكن للمشرفين الآن دمج البيانات التي تم جمعها في ثوان ، مما يسمح لهم بفهم المعلومات الأساسية على الفور بدلا من قضاء الوقت في البحث عنها. Heimdall ، وهي منصة قائمة على الذكاء الاصطناعي لتقييم دقة البيانات المكتسبة ، قيد الاستخدام منذ يونيو 2022. يقرأ Heimdall كشوف الحسابات المصرفية تلقائيا ويدعم الترجمة الآلية وأتمتة العمليات. هذا يزيد من جودة تقييم التقرير مع توفير العمل اليدوي بشكل كبير. بالإضافة إلى ما سبق ، طور إشراف البنك المركزي الأوروبي SupTech ، والذي يسمح بإشراف أسرع على الصناعة المصرفية المعقدة ، بالإضافة إلى GABI (منصة تحليل البيانات الضخمة و NAVI (منصة تحليل الشبكة).استكشف نظام الاحتياطي الفيدرالي ، المنظم المصرفي في الولايات المتحدة ، الدور المتزايد للذكاء الاصطناعي. عندما يتعلق الأمر باستخدام أدوات الذكاء الاصطناعي ، أصدر نظام الاحتياطي الفيدرالي العديد من اللوائح والتوصيات والتدابير الإشرافية. أولا ، في أبريل 2011 ، تم نشر وثيقة ""إرشادات حول إدارة مخاطر النموذج"" ، مع التأكيد على أهمية التحليل النقدي أثناء تطوير وتنفيذ واستخدام النماذج التي تحتوي على خوارزميات معقدة ، مثل الذكاء الاصطناعي. ثانيا، صدرت إرشادات بشأن إدارة مخاطر البائعين في ديسمبر 2013 ، إلى جانب قواعد للمنظمين التحوطيين لمقدمي الخدمات التكنولوجية، مع التركيز على الاختيار الصحيح للمؤسسات المتوقع أن تنشر قدرات الذكاء الاصطناعي. توجه هذه المستندات كيفية اختيار وإبرام عقد مع شركة خارجية ، بالإضافة إلى ضمان استمرارية العمل والأحداث غير المتوقعة قبل إنهاء العقد. ثالثا ، التأكيد على ضرورة فهم التعليمات في سياق المخاطر الفردية والتطبيق. وبالتالي ، يشجع المشرفون المشاركين في الأسواق المالية على إيلاء اهتمام وثيق لتطبيق الذكاء الاصطناعي ، والذي يمكن استخدامه لاتخاذ خيارات حاسمة أو أن يكون له تأثير كبير على عملاء الخدمات المالية في مارس 2021 ، أصدر مجلس محافظي الاحتياطي الفيدرالي ، والمؤسسة الفيدرالية للتأمين على الودائع ، ومكتب المراقب المالي للعملة (OCC) ، وإدارة الاتحاد الائتماني الوطني ، ومكتب الحماية المالية للمستهلك طلبا للحصول على معلومات (RFI) لفهم الممارسات المصرفية الحالية والمستقبلية بشكل أفضل في بيئة التكنولوجيا الجديدة. ستزداد جهودهم مع تقدم الذكاء الاصطناعي. تجدر الإشارة إلى أن القطاع المالي الأمريكي لا يزال يدمج الذكاء الاصطناعي في عملياته وأن المشرفين متفائلون بشأن الفوائد المحتملة للتكنولوجيا.
سيؤدي دمج الذكاء الاصطناعي في أنشطة البنك المركزي إلى المزيد من أتمتة صنع القرار. ومع ذلك ، يجب النظر في أي تغييرات في هذا المجال ومراجعتها بدقة من قبل المنظمين وصانعي القرار. الذكاء الاصطناعي في القطاع المصرفي الصربي اعتمدت جمهورية صربيا استراتيجية تطوير الذكاء الاصطناعي في جمهورية صربيا للفترة 2020-2025 في ديسمبر 2019. وتتمثل أهدافها في تعزيز الخدمات العامة، وتحقيق نمو اقتصادي أكبر، وتحسين نوعية الموظفين العلميين، وتنمية المهارات الجاهزة للمستقبل. وبالإضافة إلى ذلك، يجب على جمهورية صربيا، من خلال وضع الاستراتيجية موضع التنفيذ، أن تضمن تطوير الذكاء الاصطناعي بأمان شديد وبما يتوافق مع المبادئ الأخلاقية المعترف بها دوليا، وكل ذلك بهدف تعزيز حياة الناس وأماكن عملهم وكذلك المجتمع ككل. أنشأت أكسفورد إنسايتس ومركز أبحاث التنمية الدولية مؤشر جاهزية الذكاء الاصطناعي الحكومي من أجل توفير مؤشر مماثل تقريبي لعدد كبير من الدول في جميع أنحاء العالم (195). وتستخدم ثلاث ركائز في حساب المؤشر : الحكومة التي تشمل الرؤية الحكومة والأخلاقيات القدرة الرقمية والقدرة على التكيف، وقطاع التكنولوجيا الذي يشمل النضج والقدرة على الابتكار ورأس المال البشري والبيانات والبنية التحتية التي تشمل البنية التحتية وتوافر البيانات وتمثيلها. استنادا إلى إحصاءات عام 2023 ، تم تصنيف جمهورية صربيا في المرتبة 57 بشكل عام بمجموع نقاط 55.57 (الحكومة: 74.29 ، قطاع التكنولوجيا 37.13 ، والبيانات والبنية التحتية (55.30) - الجدول 1. تحتل سلوفينيا والمجر وبلغاريا مرتبة أعلى من صربيا ، بينما تحتل رومانيا وكرواتيا والجبل الأسود ومقدونيا الشمالية مرتبة أدنى ، إلى جانب ألبانيا والبوسنة والهرسك. القطاع المالي في جمهورية صربيا يركز بشكل كبير على البنوك. في الواقع ، تشير بيانات الربع الثالث من عام 2023 إلى أن 81% من إجمالي أصول القطاع المالي مرتبطة بالبنوك. بحلول نهاية الربع الثالث من عام 2023 ، كان هناك 20 بنكا عاملا في صربيا ، 16 منها مملوكة لأجانب ، واثنان مملوكان للدولة واثنان من البنوك الخاصة المحلية. إيطاليا (23.1%) والنمسا (18.0%) والمجر (12.6%) وسلوفينيا (9.0%) واليونان (5.1%) هي البلدان التي لديها أعلى نسبة من المالكين الأجانب. بالنسبة للإعلان الصادر عن البنك الوطني الصربي في يونيو 2023 ، فإن خمسة بنوك في البلاد لديها خطط لإدخال الذكاء الاصطناعي ، بينما تستخدمه عشر مؤسسات حاليا. علاوة على ذلك، تعتزم ستة بنوك تعزيز دمج الذكاء الاصطناعي في إجراءات أعمالها، بالإضافة إلى التنفيذ الحالي. تستخدم سبعة بنوك في صربيا التحليلات التنبؤية ، وستة تستخدم أتمتة العمليات الروبوتية ، وأربعة تستخدم التعلم الآلي ، وثلاثة تستخدم التحليلات في الوقت الفعلي كاستخدامات متخصصة للذكاء الاصطناعي. يستخدم البنك الوطني الصربي الذكاء الاصطناعي على نطاق واسع في إجراءاته التشغيلية ويحلل مخاطر البنوك من منظور فرصة تطور سيناريو إشكالي باستخدام تقنيات التعلم الآلي. بالإضافة إلى ذلك ، يتم استخدام نهج التعلم الآلي لإسقاط مؤشر مرجعي للتحقق من صحة السيناريوهات أثناء اختبار الإجهاد للقطاع المصرفي ، وتقييم احتياطي رأس المال المعاكس للدورات الاقتصادية وتقييم بيئة الاقتصاد الكلي. ويستخدم المصرف الوطني الصربي اختبارات الإجهاد الاحترازي الكلي لتقييم مرونة القطاع المصرفي وضعفه، فضلا عن آثار عوامل الاقتصاد الكلي على استقرار النظام وعلى مؤسسات مالية محددة. تم إجراء هذه الاختبارات ، التي تستخدم نمذجة الشبكة ، واختبار إجهاد السيولة ، واختبار إجهاد الملاءة المالية ، على أساس ربع سنوي منذ عام 2012. نفذ البنك الوطني الصربي اتفاقية بازل الثالثة في يونيو 2017 ، حيث قدم أربعة هوامش أمان رأسمالية: احتياطي رأس المال المعاكس للتقلبات الدورية ، واحتياطي الحفاظ على رأس المال ، واحتياطي رأس المال لبنك مهم نظاميا ، واحتياطي مخاطر نظامية. يحتفظ البنك باحتياطي إضافي من رأس مال الأسهم العادية من المستوى 1 (1 CET) أعلى من الحد الأدنى التنظيمي المنصوص عليه المطبق على الانكشافات المحلية ، والذي يمكن تحديده أعلى إذا تم الحكم على المخاطر الدورية بأنها عالية يعرف هذا الحاجز الوقائي باسم احتياطي رأس المال المعاكس للتقلبات الدورية ، وهو أداة احترازية كلية تستخدم للتخفيف من مسايرة النظام المالي للتقلبات الدورية (مارتن ، 2022). واستنادا إلى تقييم الخبراء الذي يجمع بين تحليل المؤشرات المرجعية وتحليل المؤشرات الاختيارية الإضافية، يحدد معدل احتياطي رأس المال المعاكس للتقلبات الدورية. تعمل النسبة المئوية للفجوة الائتمانية في الناتج المحلي الإجمالي كمؤشر أساسي للنشاط الائتماني المفرط (مارتن ، 2021) - الشكل .3 الهدف الأساسي للبنك الوطني الصربي هو الحفاظ على استقرار الأسعار وتحقيقه ، ويعمل معدل نمو مؤشر أسعار المستهلك كمؤشر تضخم رئيسي لهذا السبب ، يقوم البنك الوطني بإنشاء نموذج تجريف ويب يجمع الأسعار تلقائيا من تجار التجزئة عبر الإنترنت. يصدر معهد الجمهورية للإحصاء تقرير التضخم الرسمي في 12 من الشهر للشهر السابق ، لكن النموذج يسمح بإنشاء نظرة ثاقبة لاتجاه التضخم حتى قبل هذا المنشور الرسمي تعتمد هذه المنهجية ، التي تم استخدامها منذ مارس 2022 ، على مراقبة أكثر من 30,000 سعر منتج عبر أكثر من 130 موقعا إلكترونيا. وقد غطى البنك الوطني الصربي ما يقرب من 90 في المائة من سلة الرقم القياسي لأسعار المستهلك باستخدام هذه المنهجية نظرا لأنه يتم جمع البيانات وتحليلها تلقائيا ، فمن الممكن مراقبة التضخم يوميا وأسبوعيا. لا يسلط ما سبق الضوء فقط على أهمية دمج الذكاء الاصطناعي في جميع الأنشطة التجارية الهامة للبنك الوطني الصربي ، ولكنه يخلق أيضا مساحة أكبر لتطبيقات إضافية لهذه التكنولوجيا. في هذا السياق ، يعد تقييم الجوانب الإيجابية والسلبية المحتملة لتنفيذ الذكاء الاصطناعي أمرا حيويا ، وكذلك ملف المخاطر المرتبط باستخدامه. استنتاجتدرس البنوك المركزية مجموعة واسعة من البيانات من أجل تحقيق أهدافها الرئيسية بشكل أكثر كفاءة ، وهي السعر والاستقرار المالي. ويشكل تزايد عدد البيانات، لا سيما في ضوء المخاطر الناشئة على القطاع المالي، مثل المخاطر المناخية والسيبرانية، مشكلة كبيرة نتيجة لذلك ، يتم استخدام الذكاء الاصطناعي بسرعة في العديد من وظائف البنوك المركزية. يجب على البنوك المركزية تقديم برامج تدريبية تغطي أساسيات الذكاء الاصطناعي وتحليل البيانات والأدوات المستخدمة في هذا المجال. سيسمح ذلك للموظفين بفهم أساسيات الذكاء الاصطناعي وكيفية تطبيقها على الوظائف اليومية. يمكن أن يؤدي توظيف محترفين في مجال الذكاء الاصطناعي يتمتعون بمهارات محددة إلى تعزيز موظفي البنك المركزي ويكون أمرا بالغ الأهمية لاعتماد هذه التقنيات بنجاح من الضروري توفير الشفافية في صنع القرار القائم على الذكاء الاصطناعي.
يجب على البنوك المركزية تعزيز بيئة من الإبداع والتكيف بين موظفيها، ولكن من الأهمية بمكان أيضا وضع أهداف وتوقعات واضحة لاستخدام الذكاء الاصطناعي داخل البنوك المركزية. وهذا يتيح استهداف أكثر فعالية للموارد في مجالات محددة مثل تحليل البيانات والحد من المخاطر والاستقرار النقدي والمالي. ومن شأن التعاون مع الجامعات ومعاهد البحوث أن يوفر الوصول إلى أحدث الأبحاث والتطورات التكنولوجية في مجال الذكاء الاصطناعي. هذا التعاون لديه القدرة على إطلاق شرارة تطوير أفكار جديدة وحلول تقنية للبنوك المركزية.وأخيرا، من المسلم به على نطاق واسع أنه من غير المرجح أن يحل الذكاء الاصطناعي محل المشرفين والمنظمين في البنوك المركزية لأن العامل البشري مطلوب عند اتخاذ القرارات الحاسمة في بيئة غير مؤكدة. إن الاستخدام الوحيد للذكاء الاصطناعي في صنع القرار ينطوي على مخاطر عالية ، والعامل البشري مطلوب لفحص جميع المتغيرات بدقة من أجل تحقيق الأهداف الأساسية للبنوك المركزية - السعر والاستقرار المالي.

الآراء الواردة في هذه الورقة هي آراء المؤلف ولا تمثل بالضرورة وجهة النظر الرسمية لرابطة الاقتصاديين في بلغراد. أهمية الجهود التعاونية من أجل معالجة جميع الصعوبات والفوائد التي توفرها الإمكانات التي يقدمها الذكاء الاصطناعي بشكل صحيح. وتتمثل قنوات التعاون الرئيسية للبنوك المركزية في مجال الذكاء الاصطناعي في تبادل الخبرات، ومراجعة البحوث وتحليلها، وأفضل الممارسات العالمية. ومع تقدم الذكاء الاصطناعي، يمكن للبنوك المركزية استخدام هذه التقنيات لتحليل البيانات الاقتصادية، والنمذجة، وغير ذلك من العمليات المعقدة. أصبح التعاون وتبادل الخبرات على الصعيدين الإقليمي والدولي أمرا بالغ الأهمية بشكل متزايد لأنهما يسمحان بتنسيق الجهود لدعم التنفيذ الأمن للذكاء الاصطناعي.

الذكاء الاصطناعي في البنوك المركزية العربية

مقالات ذات صلة

الدقة الغائبة حالياً عن التطبيقات الناجحة للذكاء الاصطناعي

ما الذي يعنيه عرض غوغل البالغ 10 ملايين دولار لشراء بيانات "سبيريت أيرلاينز" لكل صاحب عمل؟

عندما يكتب الذكاء الاصطناعي ينقطع التواصل البشري

لبناء قوة عاملة جاهزة للذكاء الاصطناعي، لا تقتصروا على الجامعات التقليدية

الذكاء الاصطناعي في البنوك المركزية العربية

مقالات ذات صلة

Preview