تشير أمثلة واقعية إلى كيف تستخدم وظائف المالية الذكاء الاصطناعي لتقديم رؤى أسرع، وضوابط أقوى، ونتائج قابلة للقياس.
هيمن الذكاء الاصطناعي على عناوين الأعمال خلال العامين الماضيين، ولم تكن وظائف المالية استثناءً. ففي استطلاع خاص أجرته ماكينزي شمل 102 مديرًا ماليًا (CFO) عبر مختلف الصناعات والمناطق العالمية، قال 44% من المشاركين إنهم استخدموا الذكاء الاصطناعي التوليدي في أكثر من خمسة استخدامات خلال عام 2025، مقارنةً بـ7% فقط في استطلاع العام السابق. كما أن الاستثمار في أدوات الذكاء الاصطناعي يشهد نموًا ملحوظًا: إذ أفاد 65% من المشاركين بأن مؤسساتهم ستزيد استثماراتها في الذكاء الاصطناعي التوليدي خلال 2025، بينما قبل عامين فقط، قال نحو ربع المشاركين الشيء نفسه.
ومع ذلك، فإن الواقع عبر المشهد المؤسسي يوضح مدى صعوبة تحقيق قيمة ملموسة: إذ أظهر استطلاع حديث لماكينزي أن نحو ثلثي المشاركين قالوا إن مؤسساتهم لم تبدأ بعد في توسيع نطاق استخدام الذكاء الاصطناعي على مستوى المؤسسة. وتعود النتائج الضعيفة في الغالب إلى تعثّر التجارب التجريبية عند تطبيقها في الظروف الواقعية، وفشلها في التكيف مع البيانات الجديدة، وضعف اندماجها في العمليات الأساسية.
ومع ذلك، تنجح بعض الفرق المالية في استخدام الذكاء الاصطناعي—بما في ذلك الذكاء الاصطناعي التوليدي، وبشكل متزايد الذكاء الاصطناعي الوكيلي—لرفع الكفاءة، وتحسين الرؤى، وتخفيف الأعباء الناتجة عن المهام اليدوية التي تستهلك الوقت. فبدلاً من الاعتماد على تجارب معزولة، تقوم هذه المؤسسات بتطبيق الذكاء الاصطناعي عبر مجالات مالية أساسية. وقد لاحظنا أن بعض المديرين الماليين وفرقهم يستخدمون الذكاء الاصطناعي لتحسين دقة التنبؤات، ومراقبة رأس المال العامل في الوقت الفعلي، وتسريع دورات إعداد التقارير، والكشف عن فرص جديدة لتقليل التكاليف. وتُمكّن هذه الجهود الفرق المالية من أن تصبح أكثر مرونة، واستشرافًا للمستقبل، وتوافقًا مع احتياجات مؤسساتها.
تستعرض هذه المقالة ثلاثة مجالات تُحقق فيها الفرق المالية أكبر قيمة من الذكاء الاصطناعي: التخطيط الاستراتيجي والرقابة، وإدارة النقد ورأس المال العامل، وتحسين التكاليف. ويتضمن كل قسم دراسات حالة توضح كيف تستخدم المؤسسات الرائدة الذكاء الاصطناعي التوليدي والأنظمة الوكيلية لتحسين أداء الوظائف المالية. وفي الختام، نعرض خمسة أخطاء شائعة يمكن أن تعيق التقدم، وما يلزم لتجاوزها.
التخطيط الاستراتيجي والرقابة: كيف يوفّر الذكاء الاصطناعي رؤى أفضل
تُسهّل أدوات دعم القرار، المدعومة بمزيج من التحليلات التنبؤية والذكاء الاصطناعي التوليدي، الوصول إلى بيانات الشركة، وإنشاء التقارير، وتشغيل التوقعات أو السيناريوهات بشكل أسرع وأسهل. وتدعم هذه الأدوات قادة المالية وفرقهم، كما تجعل البيانات أكثر إتاحة لصنّاع القرار عبر مختلف أقسام المؤسسة. وعادةً ما تجمع أدوات الذكاء الاصطناعي بين قدرات رئيسية مثل: التنبيهات التي تساعد القادة على التركيز، والتحليل التفاعلي للأسباب الجذرية لفهم العوامل المؤثرة على الأداء، واقتراح سيناريوهات بديلة. ويُعد الذكاء الاصطناعي مناسبًا لهذه المهام لأنه قادر على دمج طبقات متعددة من المعلومات—مثل البيانات الخارجية والمالية والتشغيلية—في رؤية موحّدة.
على سبيل المثال، في شركة عالمية للسلع الاستهلاكية، يساعد مساعد قائم على الذكاء الاصطناعي التوليدي المتخصصين الماليين في تقديم رؤى حول انحرافات الميزانية لقادة الأعمال في مختلف الأقسام والأسواق. وقد حلّت هذه الأداة محل عمليات الحساب اليدوية، مما وفّر نحو 30% من وقت العاملين في المالية.
وفي مثال آخر، في مؤسسة مالية كبرى في أمريكا الشمالية، تساعد أداة ذكاء اصطناعي توليدي في إعداد المسودات الأولى للتقارير التي توثّق متطلبات نماذج المخاطر الداخلية وتحديثاتها. كما تساهم في إنشاء نماذج مخاطر خاصة بكل سوق من خلال دمج البيانات الداخلية مع مصادر عامة، مما يبسّط عملية كانت تستغرق وقتًا طويلاً.
وعبر العديد من الصناعات، تعمل الشركات على تطوير ونشر وكلاء دعم القرار المدعومين بالذكاء الاصطناعي التوليدي والوكلي، لتقليل الوقت الذي تحتاجه الفرق المالية لاتخاذ قرارات تخصيص الموارد بشكل كبير. فبدلاً من سحب التقارير يدويًا وتجميع الرؤى عبر الأقسام، يمكن لهذه الفرق الآن توليد سيناريوهات معقدة باستخدام اللغة الطبيعية خلال جلسات التخطيط. وتدمج هذه الأدوات بيانات من مصادر متعددة—بما في ذلك أنظمة إدارة علاقات العملاء والبيانات المالية والتشغيلية والتسويقية—لإبراز تنبيهات إدارية (مثل انخفاض العائد على الاستثمار). كما تقدم تحليلات للأسباب الجذرية (مثل: “تكمن المشكلة في فئة التكاليف أ في المنطقة ص”)، وتقترح خطوات عملية قائمة على البيانات (مثل: “استنادًا إلى العوائد والتوقعات الأخيرة، يُنصح بتحويل 10% من ميزانية المبيعات إلى التسويق الرقمي لتعزيز النمو”).
وبحسب تطبيقات مختلفة، تبيّن أن المتخصصين الماليين يقضون وقتًا أقل بنسبة تتراوح بين 20% و30% في تحليل البيانات، ويخصصون الوقت المُوفَّر لدورهم كشركاء أعمال يدعمون تنفيذ الاستراتيجية. كما تمكّن أدوات الذكاء الاصطناعي الفرق المالية من إنشاء تقارير مخصصة بسرعة مع الحفاظ على ضوابط الأمان ومستويات الوصول الهرمية، مما يسهل تقديم الرؤى عبر المؤسسة.
إدارة النقد ورأس المال العامل: كيف يدقق الذكاء الاصطناعي في الشروط والفواتير لتحسين الدقة
تتيح سير العمل المدعومة بالذكاء الاصطناعي الوكيلي مستوى جديدًا من الأتمتة في عمليات الدفع والتحصيل، مما يساعد فرق المشتريات والعمليات الخلفية الأخرى على أن تصبح أكثر كفاءة.
فعلى سبيل المثال، أدخلت شركة عالمية في مجال التكنولوجيا الحيوية نظامًا قائمًا على الذكاء الاصطناعي الوكيلي لمطابقة الفواتير مع العقود، حيث يقوم هذا النظام باستيعاب العقود والفواتير على مدار العام والتحقق من تطبيق جميع الشروط بشكل صحيح. ويساعد هذا النهج في منع تسرب القيمة عندما يفشل الموردون في تطبيق شروط مثل خصومات الدفع المبكر أو التسعير المتدرج أو الحسومات على الكميات. ويعمل النظام جنبًا إلى جنب مع الأتمتة القائمة، موسّعًا نطاق التغطية ليشمل كامل إنفاق الشركة، ومقللًا الحاجة إلى المراقبة اليدوية للعقود عالية القيمة. كما يستطيع تفسير شروط كل عقد، وتتبع الفواتير الواردة، واكتشاف المشكلات التي تظهر فقط عند تحليل عدة فواتير مجتمعة، مثل الوصول إلى حجم شراء يؤهل لسعر أقل.
وبفضل هذا النظام، تمكنت الشركة من تحديد تسرب في العقود يعادل نحو 4% من إجمالي الإنفاق—وهو مستوى شائع نسبيًا في القطاع—ما أتاح فرصة واضحة لاستعادة القيمة وتحسين الهوامش. وعلى سبيل المثال، بالنسبة لشركة يبلغ إنفاقها مليار دولار، فإن سد هذه الفجوة يمكن أن يحقق تحسنًا متكررًا في الهامش بقيمة 40 مليون دولار.
تحسين التكاليف: كيف يكتشف الذكاء الاصطناعي فرص التوفير من خلال تحليل الإنفاق التفصيلي
يمكن للذكاء الاصطناعي تبسيط مهمة تصنيف التكاليف التفصيلية من خلال تحليل الفواتير المعقدة وأوامر الشراء وتنظيمها ضمن فئات واضحة ومنظمة. ومع تحسين الرؤية، تستطيع الفرق المالية استخدام خوارزميات متقدمة لاكتشاف الشذوذ ومصادر الهدر.
لفهم قاعدة الإنفاق غير المباشر والتحكم فيها بشكل أفضل، سعت مؤسسة مالية أوروبية كبرى إلى تحديد أوجه القصور الخفية في عملياتها. فجمعت بيانات الفواتير من آلاف الموردين، ونظّمتها ضمن هيكل تصنيف تفصيلي بأربعة مستويات ونحو 400 فئة فرعية. ولمعالجة هذه البيانات بكفاءة، استخدمت المؤسسة مزيجًا من نماذج اللغة الكبيرة والتحليلات المتقدمة. وبعد تنظيم البيانات، استطاعت الكشف عن أوجه الهدر من خلال أساليب آلية وشبه آلية لاكتشاف الأنماط والشذوذ. وقد أظهر التحليل فرصًا محددة لتقليل التكاليف في مجالات مثل الطاقة، والسفر والنقل، وإدارة المرافق. وعلى الرغم من أن كل فئة قدمت وفورات محدودة بمفردها، فإنها مجتمعة ساهمت في خفض التكاليف بنحو 10% من قاعدة إنفاق تبلغ عدة مليارات من اليوروهات.
وفي مثال آخر، تمكنت شركة أوروبية كبرى في قطاع التغليف من تحسين السيطرة على قاعدة مورديها المجزأة باستخدام الذكاء الاصطناعي التوليدي لتصنيف أكثر من 10,000 مورد. فقد ركزت الإدارة تاريخيًا على الموردين ذوي الإنفاق الأعلى، بينما ظل العديد من الموردين الصغار—خصوصًا في الإنفاق غير المباشر—غير مفهومين بشكل جيد. وباستخدام الذكاء الاصطناعي، تم تصنيف جميع الموردين بدقة أكبر، مما كشف عن أنماط وتداخلات لم تكن واضحة سابقًا، وساعد في اكتشاف فرص لتوفير التكاليف وتحسين استراتيجيات الشراء. كما كشف التصنيف عن فجوات في تنوع الموردين، مما مكّن الشركة من توسيع مصادرها في مجالات غير مستغلة.
تجاوز عوائق توسيع استخدام الذكاء الاصطناعي في المالية
للاستفادة من إمكانات الذكاء الاصطناعي، تحتاج الفرق المالية إلى ما هو أكثر من مجرد إضافة أدوات جديدة إلى أساليب العمل القديمة. بل يجب إعادة تصميم العمليات الأساسية، وتنمية المهارات، وتحديث التكنولوجيا لضمان تبني فعلي يخلق قيمة. وخلال ذلك، قد يواجه التقدم بعض العوائق الشائعة:
انتظار البيانات المثالية: تؤجل بعض الفرق التحول حتى تصبح جميع البيانات دقيقة ومتكاملة، بينما يمكن تحقيق قيمة باستخدام البيانات الحالية مع تحسين الأسس تدريجيًا.
محاولة التحول الكامل دفعة واحدة: الانتظار حتى تصبح الوظيفة “جاهزة بالكامل للذكاء الاصطناعي” يبطئ التقدم، والأفضل هو التحول تدريجيًا حسب المجالات.
الانطلاق دون خارطة طريق واضحة: التجارب دون اتجاه نادرًا ما تنجح، ويجب ربط الاستخدامات بأولويات العمل.
إهمال إدارة التغيير: العائق الأكبر غالبًا ليس التكنولوجيا بل التبني، لذا من الضروري تجهيز الفرق وبناء القبول.
أتمتة عمليات مجزأة: دون تبسيط العمليات وتوحيدها أولاً، يزيد الذكاء الاصطناعي التعقيد بدلاً من تقليله.
يتطلب تجنب هذه العقبات رؤية واضحة، وتوافقًا قويًا مع أهداف الأعمال، وتركيزًا على التنفيذ العملي. فالمديرون الماليون الذين يتعاملون مع الذكاء الاصطناعي ضمن استراتيجية قائمة على احتياجات العمل هم الأكثر قدرة على تحقيق تأثير مستدام.
ومع اتساع اعتماد الذكاء الاصطناعي، أصبح الفرق واضحًا بين التجارب التي تتلاشى وتلك التي تحقق قيمة دائمة. وتُظهر دراسات الحالة في هذه المقالة أن الشركات التي تنجح هي التي تربط الذكاء الاصطناعي باحتياجات أعمال محددة، وتبسط عملياتها الأساسية، وتستخدم التكنولوجيا لتحرير الوقت للمهام ذات القيمة الأعلى. وبالنسبة للمديرين الماليين، فالرسالة واضحة: الفرصة حقيقية، لكن اغتنامها يتطلب الانتقال من التجريب إلى التنفيذ المنضبط المرتبط بأولويات الأعمال.
