«فجوة الاسترجاع والتكامل»: دراسة تكشف تجاهل النماذج الذكية لإفصاحات المخاطر المالية رغم دقة قراءتها
تكشف دراسة بحثية أعدها الباحثان مياو ليو وتشي تشي ليو بعنوان «القراءة ليست استخداما: الاسترجاع والحكم وتصميم مسارات أبحاث التمويل بالذكاء الاصطناعي» عن خلل جوهري في توظيف النماذج اللغوية الكبيرة كمحللين ماليين لدعم قرارات الاستثمار. اعتادت المؤسسات المالية تقييم كفاءة هذه النماذج بناء على قدرتها المجردة على استرجاع المعلومات من النصوص، إلا أن نتائج التجربة تثبت وجود فجوة حادة بين استرجاع المعلومة ودمجها الفعلي في صياغة الحكم النهائي.
أجرى الباحثان تجارب محكمة عبر تثبيت البيانات المالية الخاصة بالشركة المستهدفة، مع زيادة السياق غير المرتبط بالتحليل تدريجيا من ألفي رمز حتى مئة وثمانية وعشرين ألف رمز. أظهرت النتائج أن تأثير إفصاحات المخاطر على قرارات الاستثمار يتراجع إلى مستوى الضوضاء التجريبية مع اتساع السياق، على الرغم من بقاء قدرة النموذج على استرجاع نص الإفصاح المباشر دقيقة تماما. هذا النمط تكرر عبر عائلات مختلفة من النماذج اللغوية ومهام التقييم المتعددة، وتأكدت صحته في تجارب حذفت فيها إفصاحات حقيقية من تقارير الإفصاح السنوية الفعلية.
توضح الورقة أن النماذج الأكثر قدرة تؤجل ظهور هذه الفجوة فقط ولا تلغيها نهائيا، مما يعني أن زيادة كفاءة النموذج وحدها ليست حلا كافيا. ومن خلال تدخلات سببية على الذاكرة، أثبت الباحثان أن نقل الإفصاحات المالية إلى القرار النهائي يتطلب تكاملا بين الملخصات المكثفة والبحث المباشر في النص الأصلي. وهنا يبرز دور معمارية مسار العمل البرمجي كعامل حاسم، إذ تؤدي خطوط المعالجة القائمة على تقسيم النصوص وتلخيصها إلى طمس المعلومات الجوهرية، بينما تنجح إعادة الصياغة الهيكلية الموجهة الملاصقة لنقطة اتخاذ القرار في استعادة التأثير المفقود للإفصاحات.
يحمل هذا الكشف دلالة مباشرة لفرق التحليل المالي والاستثمار وإدارات المخاطر في المصارف وصناديق الاستثمار في الخليج ومصر والشام، التي تتسابق لبناء مسارات ذكاء اصطناعي لقراءة الإفصاحات السنوية وإعداد مذكرات الاستثمار. الاعتماد على اختبارات الاسترجاع التقليدية يمنح ثقة زائفة في أنظمة تتجاهل بيانات المخاطر أثناء اتخاذ القرار المالي الفعلي، مما يفرض على الفرق الهندسية إعادة تصميم معماريات التدفق لتثبيت الإفصاحات الهيكلية بجوار نافذة القرار، بدلا من الاكتفاء برفع حجم السياق أو استبدال النموذج بنسخة أحدث.
تخلص الدراسة إلى أن أداء المحلل المالي الاصطناعي يتحدد باقتران قدرة النموذج بمعمارية مسار العمل معا، وأن مقاييس التقييم القائمة على الاسترجاع فقط قد تعتمد وتجيز أنظمة تتجاهل تماما معلومات ثبتت قدرتها على استرجاعها نصيا. إعادة هيكلة مسارات التحليل تصبح بالتالي شرطا تقنيا حتميا لأي منظومة استثمارية تعتمد على الذكاء الاصطناعي في قراءة المخاطر وتحديد وجهة رأس المال.