الذكاء الاصطناعي قادم ليؤثر على امتثال العملات المشفرة، ولكن ليس بالطريقة التي يتصورها معظم الناس

بقلم بيير جيرار، الرئيس التنفيذي والمؤسس المشارك لشركة سكورشين

عندما أسسنا شركة Scorechain في لوكسمبورغ عام ٢٠١٥، لم يكن مصطلح "تحليلات البلوك تشين" قد ظهر بعد. أمضينا السنوات الأولى في شرح مزايا ومزايا شفافية السجلات العامة للبنوك والهيئات التنظيمية، وكيف أنها تمثل فرصة وليست تهديدًا. بعد عقد من الزمن، أرى سوء الفهم نفسه يتكرر مع الذكاء الاصطناعي، مما يُكلف القطاع وقتًا ثمينًا.

تهيمن روايتان على النقاش. الأولى تقول إن الذكاء الاصطناعي سيحل محل فرق الامتثال تمامًا قريبًا. أما الثانية فتقول إن الذكاء الاصطناعي غير قابل للتنبؤ لدرجة لا تسمح له بالاقتراب من الأنشطة المالية الخاضعة للتنظيم. لا أصدق أيًا من هاتين الروايتين، وأقول هذا بصفتي شخصًا قامت شركته بتقييم مخاطر أكثر من 2800 مزود لخدمات الأصول الافتراضية منذ عام 2015، وقضَت العامين الماضيين في إضافة الذكاء الاصطناعي حيثما كان مفيدًا حقًا، كطبقة منفصلة بدلًا من دمجه في أدوات الامتثال التي يعتمد عليها عملاؤنا.

لنبدأ بالمشكلة التي يطرحها كل مسؤول امتثال أتحدث إليه في غضون الدقائق الخمس الأولى: التشويش. فنظام فحص العقوبات المُعدّ بطريقة تُعدّلها البنوك المتوترة قد يُصدر إنذارات خاطئة بنسبة تصل إلى 95%. ومراقبة المعاملات ليست ببعيدة عن ذلك. لذا، يقضي المحلل المُدرّب، الذي يفهم التصنيفات ويستطيع تحليل تدفق الأموال، معظم يوم عمله في تصحيح تنبيهات لم تكن تُشكّل أي مخاطر: كاستبعاد تطابقات الأسماء ذات الألقاب الشائعة، وقراءة خمسة تقارير إعلامية سلبية تبيّن أنها تصف شخصًا مختلفًا تمامًا. كل فحص من هذه الفحوصات الإعلامية السلبية يستغرق من المحلل من 10 إلى 20 دقيقة. هذا هو واقع عمل الامتثال اليوم، وهو السبب وراء استنزاف الكفاءات في هذه المهنة.

هنا يبرز دور الأتمتة، وهو دورٌ أضيق مما يُشاع. لستُ محايدًا حيال هذا الأمر. نظام Scorechain AI إلى تزويد المحلل بتقرير واحد: درجة مخاطر المحفظة، وأنواع الكيانات التي تفاعلت معها، والخدمات والجهات المقابلة التي تعاملت معها. كان هذا العمل يتطلب ساعات من tracعبر السجلات. لكن لاحظ ما يفعله التقرير وما لا يفعله. فهو لا يُصدر أي قرار. بل يُلخص الأدلة ليتمكن مسؤول الامتثال، الشخص الذي يُوافق على القرار ويُدافع عنه أمام الجهة التنظيمية لاحقًا، من قراءته في دقائق ثم اتخاذ القرار. هذه هي الفكرة الأساسية. الأتمتة الجيدة لا تُقلص وظيفة الامتثال، بل تُخرجها من دوامة الفرز وتُعيدها إلى مرحلة التقييم.

يُعدّ هذا التمييز بالغ الأهمية، لأنّ البديل خطير. ففي بيئة خاضعة للرقابة، لا يُمكن لأيّ نموذج أن يخضع لإشراف جهة رقابية. إذ يُلزم كلٌّ من التوجيه السادس لمكافحة غسل الأموال (AMLD6) ولائحة أسواق الأصول المشفرة (MiCA) المؤسسة بتفسير قراراتها والدفاع عنها. ولا يُعدّ قول "أشارت الخوارزمية إلى ذلك" عذرًا مقبولًا أثناء التفتيش، بل إنّ قول "أقرّت الخوارزمية ذلك" أسوأ. لذا، فإنّ التصميم المسؤول الوحيد هو استخدام الذكاء الاصطناعي كطبقة داعمة تستند إلى بيانات موثوقة، مع وجود مسؤول امتثال مُعيّن يحتفظ بالقرار والمسؤولية المترتبة عليه. ولا تُعدّ الرقابة البشرية مجرد خطوة ثانوية نتخلص منها بمجرد نضوج النموذج، بل هي جزء لا يتجزأ من بنيته.

ولا يكون النموذج فعالاً إلا بقدر ما يستند إليه من معلومات. هذا هو الجانب الذي يغفل عنه المراقبون الخارجيون. فبمفرده، لا يرى الذكاء الاصطناعي الذي يقرأ سلسلة الكتل سوى سلاسل مجهولة من الأحرف تنقل القيمة إلى سلاسل مجهولة أخرى. لا يستطيع تحديد ما إذا كانت المحفظة التي تقع على بعد ثلاث خطوات في اتجاه المنبع عبارة عن منصة تداول معتمدة، أو ما إذا كان الطرف المقابل الذي يتلقى الأموال هو وسيط تحويل وليس مزود رواتب. يكمن جوهر تحليلات سلسلة الكتل في توفير هذا السياق المفقود: ربطdentوالمخاطر بالنشاط الخام على السلسلة، tracالتعرض غير المباشر عبر عدة خطوات بدلاً من مجرد التحقق من العنوان الظاهر، وتقييمه مقابل أكثر من مليار نقطة بيانات وأكثر من مليون كيان مشفر قمنا بتصنيفها منذ عام 2015. لنأخذ مثالاً عملياً: تبدو محفظة ما نظيفة للوهلة الأولى، لكن tracتدفقاتها يُظهر أن معظم رصيدها وصل، على بعد خطوتين، من عنوان مرتبط بمشغل برامج فدية. هذا هو الاكتشاف الذي لا يمكن للنموذج الوصول إليه بالاعتماد على بيانات السلسلة الخام وحدها، وهو ما يتعين على مسؤول الامتثال اتخاذ إجراء بشأنه. إذا زودت النموذج بهذا السياق، فسيتمكن من الاستدلال على أسس متينة. أما إذا زودته ببيانات غير كافية، فسينتج عنه هراء واثقdent وهو في الواقع أكثر خطورة من وجود فجوة صادقة، لأنه يزيل أشياء لا ينبغي له إزالتها.

إليكم ما أراه جديدًا حقًا. لم يعد الذكاء الاصطناعي مجرد أداة تستخدمها فرق الامتثال، بل أصبح عنصرًا أساسيًا في السوق الذي تراقبه. فقد انتقلت الأنظمة الآلية التي تُجري عمليات الدفع ضمن حدود مُحددة مسبقًا من مرحلة العرض التجريبي إلى مرحلة التطبيق الفعلي، مدعومةً ببنية تحتية حقيقية: معيار x402 من Coinbase للدفع بين الأجهزة، وبروتوكول الوكيل الموثوق من Visa، وتكامل PayPal وOpenAI للدفع. بدأت البرامج بالتعامل مع برامج أخرى، وتسوية المعاملات بالأصول المشفرة، بحجم لا يمكن لأي فريق خزينة تحقيقه يدويًا.

يثير هذا تساؤلاً لم يُجب عليه القطاع بشكلٍ واضح حتى الآن: كيف يُمكن تطبيق "اعرف معاملتك" على طرفٍ مقابلٍ عبارة عن برنامج؟ على الأقل، يبدو الاتجاه واضحاً. عندما تُجري الوكلاء معاملاتهم بشكلٍ مستقل، لا يُمكن أن تقتصر الضوابط على مرحلة الإعداد فقط، بل تنتقل إلى طبقة المعاملة نفسها: المراقبة الآنية، وحدود السرعة، وتتبع المصدر، والقدرة على التدخل أثناء تحويل الأموال. إن الشفافية التي دافعنا عنها لسنوات أمام المشككين هي في الواقع العامل الوحيد الذي يجعل النشاط المستقل على سلسلة الكتل قابلاً للتدقيق.

هذا هو المستقبل الذي قررنا بناءه بدلاً من انتظاره. أطلقنا مؤخرًا Scorechain MCP، الذي يكشف عن نظام تقييم المخاطر ومعلومات الكيانات لدينا من خلال بروتوكول سياق النموذج (Model Context Protocol)، وهو المعيار الناشئ الذي يسمح لوكلاء الذكاء الاصطناعي بالاتصال مباشرةً بالأدوات الخارجية. تكمن المعلومات في منصتنا، بينما يبقى الذكاء الاصطناعي خارجها، حيث يستدعي الإجابات بدلاً من أن يكون جزءًا لا يتجزأ من أداة الامتثال نفسها. الفكرة بسيطة: لا ينبغي لأي وكيل إجراء معاملات دون معرفة مسبقة. قبل تحويل الأموال أو الموافقة على طرف مقابل، يمكنه الاستفسار من Scorechain في نفس اللحظة عما إذا كان هذا العنوان كيانًا خاضعًا للعقوبات، أو وسيطًا، أو عملية احتيال معروفة، أو محفظة خاصة نظيفة، ويتلقى في المقابل تقييمًا للمخاطر. هذه ليست مجرد بيانات افتراضية. فنحن نجري بالفعل أكثر من 1.5 مليون عملية فحص لمكافحة غسل الأموال يوميًا، وتستغرق عملية الفحص حوالي 235 مللي ثانية، وهي سرعة كافية لتتم مزامنتها مع المعاملة الجارية دون إبطائها. لقد وضعنا هذه الميزة حيث تعمل هذه الوكلاء وسير العمل فعليًا، كتطبيق داخل ChatGPT وClaude، وكتكامل مع منصات الأتمتة مثل n8n وZapier. إنّ إجراء فحص امتثال مُدمج في سير العمل، لحظة اتخاذ القرار، يُعدّ أكثر قيمةً بكثير من إجراء يُضاف بعد تحويل الأموال. وأبسط فحص على الإطلاق، وهو التحقق من وجود عنوان ما في قائمة العقوبات، يجب أن يكون متاحًا للجميع مجانًا. لذا، نُقدّمه كواجهة برمجة تطبيقات (API) مجانية لفحص العقوبات، يُمكن لأي مطوّر أو وكيل أو نظام عمل استخدامه. إنّ فحص التعرّض للعقوبات ليس هو المجال الذي يجب أن يستمد منه مزوّد خدمات الامتثالtrac، بل هو الأساس الذي يجب أن يرتكز عليه السوق بأكمله.

هناك تحول من الدرجة الثانية بدأ مُصدرو الرموز ومديرو الأصول للتو في استيعابه. فعندما تنتقل القيمة إلى العملات المستقرة والأصول المُرمّزة بسرعة فائقة، لم يعد الخطر المُهم يقتصر على المعاملة الفردية فحسب، بل على الأصل نفسه: من يملكه، ومدى تركيز هذه الملكية، ونسبة المعروض الموجودة لدى كيانات خاضعة للعقوبات أو ذات مخاطر عالية. هذا سؤال مختلف عن مراقبة المعاملات، وهو السؤال الذي منصة ذكاء الأصول الرقمية للإجابة عليه، حيث تُتيح للمُصدر أو مدير الأصول رؤية شاملة على مستوى الأصل لحامليه ومستوى تعرضهم قبل سكّ أو إدراج أو تخصيص هذه الأصول.

أوروبا أكثر استعدادًا لهذا الأمر مما يُعتقد. فبروتوكولات MiCA وAMLD6 تفترض بالفعل مراقبة مستمرة ومساءلة واضحة بدلًا من مجرد تفتيش لمرة واحدة، ونظام يفترض أن النشاط قابل للتفسير هو ما نحتاجه تمامًا عندما تبدأ البرمجيات بتحويل الأموال. لذا، نعم، الذكاء الاصطناعي قادمٌ لامتثال العملات المشفرة. سيُزيل الكثير من العمل الشاق، وأنا أُرحب بذلك. لكن ما لن يُلغيه هو الحاجة إلى التقدير والمساءلة والبيانات القابلة للتحقق. بل سيرفع مستوى هذه العناصر الثلاثة. الفرق التي تتعامل مع الذكاء الاصطناعي كمحلل أسرع، يستند إلى معلومات موثوقة على سلسلة الكتل ويخضع لرقابة بشرية مُحكمة، هي التي ستصمد عندما تبدأ الآلات في إجراء المعاملات. وهذا أقرب مما يظن معظم الناس.