نادر هاني يكتب: تبني الذكاء الاصطناعى مقابل التحول الرقمى في القطاع المصرفي: الأولوية أم التقدم؟

بقلم نادر هاني

يقف القطاع المصرفي عند مفترق طرق حاسم، حيث يوازن بين وعد artificial intelligence (AI) والزخم المستمر لـ digital transformation. كلاهما قوى تحويلية، لكن السؤال يطرح نفسه: هل يجب على البنوك إعطاء الأولوية لتبني AI الآن، أم الاستمرار في التركيز على رحلة digital transformation الأوسع؟ تتناول هذه المقالة التفاعل بين هذين التوجهين، وتقييم فوائدهما وتحدياتهما وأهميتهما الاستراتيجية، مع أمثلة واقعية توضح تأثيرهما.

فهم Digital Transformation في القطاع المصرفي

يشير digital transformation في القطاع المصرفي إلى دمج التقنيات الرقمية لتحسين العمليات وتجربة العملاء ونماذج الأعمال. يشمل ذلك كل شيء من تطبيقات mobile banking والبنية التحتية لـ cloud إلى تحليلات البيانات وتعزيزات cybersecurity. خلال العقد الماضي، استثمرت البنوك بكثافة في digital transformation لتلبية توقعات العملاء المتطورة، وتبسيط العمليات، والبقاء في المنافسة.

على سبيل المثال، استثمر JPMorgan Chase مليارات الدولارات في رحلة digital transformation الخاصة به. تطبيق Chase Mobile يتيح للعملاء إدارة الحسابات، دفع الفواتير، وحتى إيداع الشيكات عن بُعد. كما أن تبني الbank لتقنية cloud قد حسّن الكفاءة التشغيلية، مما يتيح معالجة المعاملات بشكل أسرع وقابلية التوسع. وبالمثل، نهج ING Bank الرقمي الأول، مع منصته المصرفية عبر الإنترنت بالكامل، أعاد تعريف تفاعلات العملاء من خلال تقديم خدمات سلسة وسهلة الاستخدام.

يوفر digital transformation أساسًا للتحديث. إنه يضمن أن تمتلك البنوك البنية التحتية—أنظمة cloud، وAPIs، وdata lakes—اللازمة لدعم التقنيات المتقدمة مثل AI. بدون أنظمة رقمية قوية، يمكن أن يكون تطبيق AI مجزأً أو غير فعال. ومع ذلك، فإن digital transformation هي عملية واسعة ومستمرة تتطلب وقتًا واستثمارًا وتحولات ثقافية داخل المنظمات.

الحجة لإعطاء الأولوية لتبني AI

إن AI، بقدرته على تحليل مجموعات بيانات ضخمة، وأتمتة العمليات، وتقديم تجارب مخصصة، يُعدّ مغيّرًا للعبة في القطاع المصرفي. تتراوح تطبيقاته من fraud detection وrisk management إلى customer service وpersonalized financial advice. مع تزايد توقعات العملاء للحصول على خدمات فورية ومخصصة، يوفر AI للبنوك ميزة تنافسية من خلال تمكين hyper-personalization وكفاءة تشغيلية.

أمثلة على AI في القطاع المصرفي

1. Fraud Detection وRisk Management: تتفوق الأنظمة المدعومة بـ AI في تحديد الحالات الشاذة في الوقت الفعلي.

على سبيل المثال، يستخدم HSBC تقنية AI لمراقبة المعاملات واكتشاف الاحتيال المحتمل، وتحليل الأنماط عبر ملايين المعاملات للإشارة إلى الأنشطة المشبوهة على الفور. هذا قلل من false positives ويعزز ثقة العملاء من خلال تقليل الانقطاعات.

2. Customer Service مع Chatbots: توفر chatbots المدعومة بـ AI مثل Erica من Bank of America دعمًا للعملاء على مدار الساعة، والإجابة على الاستفسارات، وتقديم financial advice، وحتى اقتراح استراتيجيات الميزانية. لقد تعاملت Erica مع أكثر من مليار تفاعل منذ إطلاقها، مما يوضح قدرة AI على توسيع نطاق customer service مع تقليل التكاليف.

3. Credit Scoring وLoan Processing: تعمل AI على تبسيط تقييمات الائتمان من خلال تحليل مصادر بيانات بديلة، مثل نشاط social media أو سجلات المعاملات، لتقييم الجدارة الائتمانية. استخدمت Zest AI، التي تستخدمها عدة بنوك إقليمية، machine learning لتحسين معدلات الموافقة على القروض للسكان المحرومين من خلال تقييم المخاطر بشكل أكثر دقة من النماذج التقليدية.

4. Personalized Marketing: تمكن AI حملات تسويقية مستهدفة للغاية. على سبيل المثال، يستخدم Wells Fargo تقنية AI لتحليل بيانات العملاء وتقديم توصيات منتجات مخصصة، مما يزيد من فرص cross-selling وتفاعل العملاء.

يوفر تبني AI فوائد فورية: تقليل التكاليف، تحسين تجربة العملاء، وتحسين اتخاذ القرار. تقدر McKinsey أن AI يمكن أن تضيف 1 تريليون دولار من القيمة إلى القطاع المصرفي العالمي بحلول عام 2030، مما يبرز إمكاناته التحويلية. ومع ذلك، يتطلب AI بنية تحتية قوية للبيانات، ومواهب متخصصة، والامتثال التنظيمي، والتي غالبًا ما تعتمد على جهود digital transformation السابقة.

الترابط بين AI وDigital Transformation

بدلاً من النظر إلى تبني AI وdigital transformation كأولويات متنافسة، يجب على البنوك الاعتراف بترابطهما. يوفر digital transformation الأساس لـ AI من خلال ضمان أن البيانات متاحة، والأنظمة قابلة للتوسع، والعمليات رقمية. على العكس، يعجل AI في digital transformation من خلال أتمتة المهام، وتحسين analytics، ودفع الابتكار.

على سبيل المثال، قام BBVA، وهو بنك إسباني، بدمج AI في استراتيجية digital transformation الخاصة به. يحلل تطبيقه المدعوم بـ AI أنماط إنفاق العملاء لتقديم رؤى ميزانية مخصصة، لكن هذه القدرة تعتمد على استثمارات البنك السابقة في بنية cloud وdata integration. وبالمثل، استخدم DBS Bank في سنغافورة digital transformation لبناء ثقافة مدفوعة بالبيانات، مما يتيح أدوات AI لتحسين كل شيء من الموافقات على القروض إلى onboarding العملاء.

بدون أساس رقمي قوي، يمكن أن تفشل مبادرات AI. على سبيل المثال، أشار تقرير Gartner لعام 2023 إلى أن 60% من مشاريع AI تفشل بسبب ضعف جودة البيانات أو البنية التحتية غير الكافية—وهما علامتان على digital transformation غير مكتمل. على العكس، البنوك التي تسرع في تبني AI دون مواءمتها مع استراتيجيتها الرقمية الأوسع تعرض نفسها لخطر إنشاء أنظمة غير مترابطة تفشل في تقديم قيمة متماسكة.

تحديات إعطاء الأولوية لـ AI على Digital Transformation

بينما يقدم AI فوائد جذابة، فإن إعطاء الأولوية له قبل الأوان يمكن أن يشكل مخاطر. أولاً، يتطلب AI بيانات عالية الجودة ومنظمة، والتي تفتقر إليها العديد من البنوك بسبب أنظمة legacy أو digitalization غير مكتمل. ثانيًا، الامتثال التنظيمي هو عقبة كبيرة. يجب أن تلتزم أنظمة AI بلوائح صارمة مثل GDPR أو CCPA، مما يتطلب أطر حوكمة قوية تساعد digital transformation على إنشائها. ثالثًا، يتطلب تبني AI مواهب متخصصة، وهي نادرة ومكلفة. البنوك التي لا تزال تتصارع مع digitalization الأساسية قد تجد صعوبة في توظيف أو تدريب خبراء AI.

على سبيل المثال، حاول بنك أوروبي متوسط الحجم تنفيذ نظام fraud detection مدعوم بـ AI ولكنه واجه تحديات بسبب البيانات المجزأة عبر منصات legacy. تأخر المشروع حتى استثمر البنك في data integration، مما يؤكد الحاجة إلى النضج الرقمي قبل تبني AI.

الطريق الاستراتيجي إلى الأمام

بدلاً من الاختيار بين تبني AI وdigital transformation، يجب على البنوك متابعة استراتيجية متوازنة. يظل digital transformation الأساس، مما يضمن أن الأنظمة جاهزة لتكامل AI. يمكن للبنوك بعد ذلك نشر AI بشكل استراتيجي في مجالات ذات تأثير عالٍ مثل fraud detection، وcustomer service، أو risk management بينما تستمر في تحديث بنيتها التحتية.

نهج تدريجي

1. تعزيز الأسس الرقمية: استثمر في بنية cloud، وdata lakes، وecosystems الـ APIs لضمان قابلية التوسع وإتاحة البيانات. على سبيل المثال، منصة Marcus من Goldman Sachs تستفيد من تقنية cloud لتقديم خدمات مصرفية رقمية سلسة، مما يمهد الطريق لتكاملات AI المستقبلية.

2. تجربة حالات استخدام AI: ابدأ بتطبيقات AI منخفضة المخاطر وعالية القيمة، مثل chatbots أو predictive analytics، لإظهار القيمة وبناء الخبرة الداخلية. يُعدّ Eno chatbot من Capital One مثالًا ناجحًا، حيث يتعامل مع الاستفسارات الأساسية بينما يواصل البنك إصلاحه الرقمي.

3. توسيع نطاق AI مع الحوكمة: مع زيادة النضج الرقمي، قم بتوسيع نطاق نشر AI مع حوكمة قوية لضمان الامتثال والاستخدام الأخلاقي. إطار عمل AI ethics من Citibank، على سبيل المثال، يوجه استخدامه لـ AI في تفاعلات العملاء، مما يضمن الشفافية والإنصاف.

4. تعزيز ثقافة مدفوعة بالبيانات: درب الموظفين ومواءمة العمليات التنظيمية للاستفادة من AI بفعالية. فلسفة DBS Bank “digital to the core” قد أدمجت اتخاذ القرار المدفوع بالبيانات عبر عملياتها، مما يتيح تبني AI بسلاسة.

إن السؤال حول ما إذا كان يجب إعطاء الأولوية لتبني AI أو digital transformation في القطاع المصرفي ليس ثنائيًا. يوفر digital transformation البنية التحتية وأساس البيانات اللازم لـ AI لتزدهر، بينما يعجل AI في قيمة المبادرات الرقمية من خلال تمكين automation وpersonalization.

تُظهر البنوك مثل JPMorgan Chase وBBVA وDBS كيف يمكن لهاتين القوتين العمل معًا، مقدمة فوائد ملموسة في الكفاءة، ورضا العملاء، والابتكار.

الأولوية الاستراتيجية للبنوك هي الاستمرار في رحلة digital transformation بينما تدمج AI بشكل انتقائي حيث توفر قيمة فورية. من خلال اعتماد نهج تدريجي—بناء أسس رقمية، تجربة حالات استخدام AI، التوسع مع الحوكمة، وتعزيز ثقافة مدفوعة بالبيانات—يمكن للبنوك التنقل في هذا المشهد المعقد بفعالية. مستقبل القطاع المصرفي يكمن في التوفيق بين هذه الجهود، مما يضمن أن AI وdigital transformation معًا يدفعان الصناعة نحو مستقبل أكثر كفاءة، وتركيزًا على العملاء، وابتكارًا.

بقلم / نادر هانى

خبير ادارة المشروعات و التحول الرقمى