البنوك المركزية تحذر من مخاطر تبني أدوات الذكاء الاصطناعي

في تقرير صادر عن بنك التسويات الدولية، تم تحذير البنوك المركزية في جميع أنحاء العالم من المخاطر الكامنة المرتبطة باعتمادها المتزايد على أدوات الذكاء الاصطناعي. ويسلط هذا التقرير، المكون من تسع صفحات بعنوان "الذكاء الاصطناعي في العمل المصرفي المركزي"، الضوء على حالات استخدام نماذج اللغة الكبيرة (LLMs) والمخاطر المحتملة لدمجها في عملياتها.

لطالما اعتُبرت البنوك المركزية من أوائل الجهات التي تبنّت تقنيات الذكاء الاصطناعي، وقد اتجهت بشكل متزايد إلى نماذج الذكاء الاصطناعي لأغراض متنوعة. وقد كان لهذه النماذج دورٌ محوري في إحداث نقلة نوعية في جمع المعلومات ومعالجتها، ما جعل العديد من الجهود البشرية التقليدية شبه منعدمة. وتُستخدم نماذج الذكاء الاصطناعي حاليًا في أخذ عينات البيانات وتنظيفها ومطابقتها، مما يُساعد البنوك المركزية على تبسيط عملياتها باستخدام تقنيات التعلّم الآلي المُثبتة.

يُعدّ اتخاذ قرارات مدروسة بشأن السياسة النقدية أحد أهم تطبيقات الذكاء الاصطناعي في العمل المصرفي المركزي. فمن خلال استخدام الشبكات العصبية ونماذج الغابات العشوائية، تتمكن البنوك المركزية من الوصول إلى بيانات آنية لتقييم توقعات التضخم وقياس فعالية سياساتها النقدية. ولا تقتصر مصادر هذه البيانات على القنوات المالية التقليدية فحسب، بل تشمل أيضاً كمّاً هائلاً من المعلومات المتاحة على منصات التواصل الاجتماعي.

tracالرؤى من البيانات الضخمة

كما يُشير التقرير، فإنّ فرز كميات هائلة من البيانات قد يكون عمليةً مُرهقةً ومُستهلكةً للوقت، مما يجعل نماذج الذكاء الاصطناعي ذات قيمةٍ لا تُقدّر فيtracالرؤى ذات الصلة بكفاءة. تستخدم البنوك المركزية نماذج اللغة لتلخيص التقارير المالية المُعقّدة، tracالاتجاهات الاقتصادية، وتفسير المقابلات مع قادة الأعمال وخبراء السوق. علاوةً على ذلك، فقد أظهرت نماذج اللغة الخاصة بالبنوك المركزية (CB-LMs) قدرةً على التنبؤ بردود فعل السوق تجاه إعلانات السياسة النقدية.

أثبتت أنظمة الذكاء الاصطناعي كفاءتها في الإشراف على أنظمة الدفع ومراقبتها. فهي تتفوق فيdentالمعاملات المالية غير النظامية، وهو عامل حاسم في مكافحة غسل الأموال ومنع الهجمات الإلكترونية. فعلى سبيل المثال، أطلق البنك المركزي البرازيلي مؤخرًا نظام ADAM، وهو نموذج تصنيفي مصمم للتنبؤ باحتمالية تخلف المقترضين عن سداد قروضهم، مما يعزز قدرتهم على الحد من المخاطر المالية.

إلى جانب التطبيقات التقليدية، تتجه البنوك المركزية أيضاً إلى أنظمة الذكاء الاصطناعي للتنبؤ بسلوك المستهلكين استجابةً لإطلاق العملات الرقمية للبنوك المركزية (CBDCs) وغيرها من التطورات المالية. هذه النماذج التنبؤية رؤى قيّمة لصناع السياسات لتوقع ردود فعل السوق والتكيف معها.

تحديات ومخاطر دمج الذكاء الاصطناعي

رغمdentفوائد دمج الذكاء الاصطناعي، يُسلط التقرير الضوء على التحديات والمخاطر التي تواجهها البنوك المركزية. ومن أبرز هذه المخاوف احتمال وجود نتائج متحيزة ناتجة عن البيانات المستخدمة في تدريب نماذج الذكاء الاصطناعي. علاوة على ذلك، تتطلب نماذج الذكاء الاصطناعي التوليدية، على الرغم من قوتها، إشرافًا بشريًا دقيقًا للحد من احتمالية الأخطاء وعدم الدقة.

على المدى القريب، ستحتاج البنوك المركزية إلى الاستثمار في تزويد موظفيها بمهارات جديدة في مجال الذكاء الاصطناعي لدمج أنظمة الذكاء الاصطناعي بفعالية في سير عملها. مع ذلك، من المرجح أن تواجه منافسة شديدة من شركات التمويل الخاصة في استقطاب الموظفين ذوي الخبرة المتقدمة في مجال الذكاء الاصطناعي. كما أن التفاوت في الرواتب بين المؤسسات العامة والقطاع الخاص يزيد من حدة هذه المنافسة.