أطلقت OpenAI نسخة ChatGPT for Financial Services، وهي نسخة من ذكائها الاصطناعي المحادثاتي تأتي مزودة بخلاصات بيانات السوق مثل PitchBook وCrunchbase، وتلتزم بمعايير أمنية بمستوى البنوك، وتعد بعدم استيعاب الوثائق المملوكة للعملاء لتدريب النموذج.
كانت البنوك تترقب الذكاء الاصطناعي التوليدي لسنوات، لكنها كانت مكبلة بمشكلتين: الحاجة إلى تغذية النموذج بالبيانات المالية الداخلية، وصعوبة ضمان عدم خروج تلك الوثائق من جدار حماية الشركة. يحاول عرض OpenAI الجديد حل كلتيهما. فبدلاً من مطالبة المستخدمين بتحميل تقارير الأرباح أو الميزانيات العمومية أو جداول تدفق الصفقات، تحتوي الخدمة بالفعل على مجموعة منسقة من البيانات العامة والمرخصة التي يمكن الاستعلام عنها في مكانها. كما تتبع المنصة قواعد أمنية بنكية صارمة. والأهم من ذلك، تقول الشركة إن النموذج "مستقل عن البيانات" (data-agnostic) – حيث يمكنه توليد رؤى دون تخزين ملفات العميل المرفوعة أو استخدامها لتحسين النموذج الأساسي.
تأتي هذه الخطوة في وقت تسعى فيه المؤسسات المالية جاهدة لتقليص الوقت المستغرق في تحويل الأرقام الخام إلى مذكرات استثمارية، أو تقييمات ائتمانية، أو تقارير امتثال. يقضي المحللون تقليدياً ساعات في تجميع البيانات من موردين متعددين، ثم صياغة السرديات يدوياً. وتساعد أداة OpenAI المصرفيين على تحليل بيانات الأرباح والخسائر (P&L) وإنشاء المستندات بشكل أسرع.
ويعد الأمن وخصوصية البيانات الوجه الآخر للعملة. فمن خلال ضمان عدم عودة بيانات العملاء إلى حلقة التدريب، تتجنب OpenAI الانتقاد الشائع بأن مزودي الذكاء الاصطناعي قد "يتعلمون" عن غير قصد من المعلومات المؤسسية السرية ويعرضونها لعملاء آخرين.
وفي الوقت نفسه، تمارس OpenAI ضغوطاً على الكونجرس من أجل سن مجموعة جديدة من قوانين سلامة الذكاء الاصطناعي. وتريد الشركة من المشرعين فرض معايير اختبار على الأنظمة الأكثر قوة، مع التركيز على مختبرات الأبحاث الكبيرة بدلاً من العشرات من الشركات الناشئة الصغيرة التي تملأ منظومة الذكاء الاصطناعي. وتشير هذه المساعي إلى أن OpenAI ترى اليقين التنظيمي شرطاً أساسياً للتكامل الأعمق في القطاعات عالية المخاطر مثل التمويل، حيث يمكن لخطأ واحد في النموذج أن يتسبب في خروقات للامتثال أو خسائر مالية.
المخاطر مرتفعة لجميع الأطراف. بالنسبة للبنوك، يمكن أن تترجم هذه التكنولوجيا إلى تدفق أسرع للصفقات، وتكاليف توظيف أقل، وميزة تنافسية في صناعة غالباً ما يحدد فيها عامل السرعة الفائزين. وبالنسبة لـ OpenAI، فإن تأمين موطئ قدم في الخدمات المالية يفتح تدفقاً مربحاً للإيرادات ويعرض حالة استخدام يمكن تكرارها في مجالات منظمة أخرى مثل التأمين أو الرعاية الصحية. أما المنظمون، فيحصلون على صورة أوضح لكيفية عزم مزود رئيسي للذكاء الاصطناعي حماية البيانات الحساسة، لكنهم يرثون أيضاً مجموعة جديدة من المخاطر: غموض النماذج اللغوية الكبيرة، واحتمالية وجود تحيز منهجي في خلاصات بيانات السوق، وتحدي الإشراف على النصائح الناتجة عن الذكاء الاصطناعي والتي قد تُستخدم لاتخاذ قرارات استثمارية.
يحذر النقاد من أن الاعتماد على مورد ذكاء اصطناعي خارجي واحد قد يخلق شكلاً جديداً من "الارتباط الحصري بالمورد" (vendor lock-in)، خاصة إذا قامت البنوك بدمج الأداة في سير عمل الاكتتاب أو الامتثال الأساسي. وهناك أيضاً مسألة دقة النموذج؛ فبينما يمكن للنظام استرداد البيانات العامة وتوليفها بسرعة، فإنه لا يضمن الصحة؛ إذ قد يؤدي خطأ في تحليل رقم أرباح أو مقياس تقييم قديم إلى استنتاجات خاطئة. كما أن سياسة "عدم التدريب على بيانات العملاء" تلغي أحد مسارات التحسين، مما يعني أن النموذج قد يتخلف عن الحلول المخصصة والمدربة داخلياً والتي تتعلم باستمرار من القرارات التاريخية للشركة.
ما يجب مراقبته لاحقاً: ستكون مقاييس الاعتماد هي المؤشر الأول للنجاح. وستكشف التجارب الأولية في الخدمات المصرفية التجارية، أو الخدمات المصرفية الاستثمارية، أو إدارة الأصول، عما إذا كانت مكاسب السرعة تفوق الحاجة إلى الإشراف البشري. كما أن استجابة المنظمين لمشروع قانون السلامة الخاص بـ OpenAI ستشكل مشهد الامتثال للذكاء الاصطناعي في التمويل – فإذا اعتمد الكونجرس معايير اختبار صارمة، فقد تضطر شركات الذكاء الاصطناعي الأخرى إلى اتباع الخطى نفسها، مما قد يرفع تكلفة نشر حلول مماثلة. وأخيراً، تشتد المنافسة؛ حيث تسعى شركات السحابة الأخرى والشركات الناشئة في مجال الذكاء الاصطناعي بالفعل لجذب البنوك بنماذج مخصصة، لذا قد تكون ميزة OpenAI قصيرة الأمد ما لم تستمر في تعميق تكامل بياناتها وشهاداتها الأمنية.
إذا تمكنت البنوك من الوثوق بالنموذج في الحفاظ على خصوصية بياناتها مع تقديم تحليلات دقيقة وفي الوقت المناسب، فقد يصبح ChatGPT for Financial Services أداة معيارية جديدة في قاعات التداول. وخلاف ذلك، قد تظل هذه التقنية مجرد تجربة محدودة النطاق، مقتصرة على مشاريع إثبات المفهوم، في حين ينتظر القطاع توجيهات تنظيمية أكثر وضوحاً وضمانات أقوى لموثوقية النموذج.