تحذير البنوك المركزية من مخاطر اعتماد أدوات الذكاء الاصطناعي

في تقرير حديث صادر عن بنك التسويات الدولية (BIS)، حذرت البنوك المركزية حول العالم من المخاطر الكامنة المرتبطة باعتمادها المتزايد على أدوات الذكاء الاصطناعي (AI). يسلط هذا التقرير المكون من تسع صفحات بعنوان "الذكاء الاصطناعي في البنوك المركزية" الضوء على حالات الاستخدام والمخاطر المحتملة لدمج نماذج اللغات الكبيرة (LLMs) في عملياتها.

البنوك المركزية، التي غالباً ما تعتبر من أوائل المتبنين لتكنولوجيا الذكاء الاصطناعي، تحولت بشكل متزايد إلى نماذج الذكاء الاصطناعي لأغراض متنوعة. كانت هذه النماذج حاسمة في تحويل جمع المعلومات ومعالجتها، مما جعل العديد من الجهود البشرية التقليدية شبه عفا عليها الزمن. يتم الآن نشر نماذج الذكاء الاصطناعي لأخذ العينات من البيانات وتنظيفها ومطابقتها، مما يساعد البنوك المركزية على تبسيط عملياتها باستخدام تقنيات التعلم الآلي المثبتة.

تطبيق كبير واحد للذكاء الاصطناعي في البنوك المركزية هو اتخاذ قرارات مستنيرة بشأن السياسة النقدية. من خلال استخدام الشبكات العصبية ونماذج الغابات العشوائية، تحصل البنوك المركزية على وصول إلى البيانات في الوقت الفعلي لتقييم توقعات التضخم وتقييم فعالية سياساتها النقدية. يتم الحصول على هذه البيانات ليس فقط من القنوات المالية التقليدية ولكن أيضاً من المجموعة الواسعة من المعلومات المتاحة على منصات وسائل التواصل الاجتماعي.

استخراج الرؤى من كميات هائلة من البيانات

كما يسلط التقرير الضوء، يمكن أن يكون فرز حجم هائل من البيانات أمراً يستغرق وقتاً طويلاً ويصعب، مما يجعل نماذج الذكاء الاصطناعي لا تقدر بثمن في استخراج الرؤى ذات الصلة بكفاءة. تستخدم البنوك المركزية نماذج اللغة لتلخيص التقارير المالية المعقدة، وتتبع الاتجاهات الاقتصادية، وتفسير المقابلات مع قادة الأعمال وخبراء السوق. علاوة على ذلك، أظهرت نماذج لغة البنوك المركزية (CB-LMs) القدرة على التنبؤ بردود فعل السوق على الإعلانات المتعلقة بالسياسة النقدية.

أثبتت أنظمة الذكاء الاصطناعي أيضاً كفاءتها في الإشراف على أنظمة المدفوعات وإدارتها. تتفوق في تحديد المعاملات المالية غير المنتظمة، وهو عامل حاسم في مكافحة غسل الأموال ومنع الهجمات الإلكترونية. على سبيل المثال، أدخل البنك المركزي في البرازيل مؤخراً ADAM، وهو نموذج تصنيف مصمم للتنبؤ بالمقترضين الذين من المرجح أن يتخلفوا عن سداد قروضهم، مما يعزز قدرتهم على التخفيف من المخاطر المالية.

إلى جانب التطبيقات التقليدية، تتحول البنوك المركزية أيضاً إلى أنظمة الذكاء الاصطناعي للتنبؤ بسلوك المستهلك استجابةً لإطلاق العملات الرقمية للبنوك المركزية (CBDCs) والتطورات المالية الأخرى. توفر هذه النماذج التنبؤية رؤى قيمة لصانعي السياسات للتنبؤ بردود فعل السوق والتكيف وفقاً لذلك.

تحديات ومخاطر دمج الذكاء الاصطناعي

بينما تظهر فوائد دمج الذكاء الاصطناعي بوضوح، يؤكد التقرير على التحديات والمخاطر التي تواجهها البنوك المركزية. أحد المخاوف الرئيسية هو إمكانية وجود مخرجات متحيزة ناتجة عن البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي. علاوة على ذلك، تتطلب نماذج الذكاء الاصطناعي التوليدية، رغم قوتها، إشرافاً بشرياً دقيقاً لتقليل احتمالية الأخطاء وعدم الدقة.

على المدى القصير، ستحتاج البنوك المركزية إلى الاستثمار في تجهيز موظفيها بمهارات جديدة في الذكاء الاصطناعي لدمج أنظمة الذكاء الاصطناعي بفعالية في سير عملها. ومع ذلك، من المرجح أن تواجه منافسة شديدة من الشركات المالية الخاصة في توظيف موظفين بخبرات متقدمة في الذكاء الاصطناعي. يفاقم هذا التنافس بشكل أكبر الفجوة في الرواتب بين المؤسسات العامة والقطاع الخاص.