تخطَّ إلى المحتوى

ذكاء الائتمان الاصطناعي يعيد تسعير القروض: اختبار النماذج والبيانات لمصارف المنطقة

شارك المقال
ذكاء الائتمان الاصطناعي يعيد تسعير القروض: اختبار النماذج والبيانات لمصارف المنطقة
الصورة: Markus Winkler / Unsplash

استمع لهذا المقال

بصوت راشد (Rashed)

بدأت أزمة صوفي هوب، وهي متخصصة تجميل وصانعة محتوى في برايتون، بلحظة صادمة حين رُفض طلبها للحصول على تمويل عقاري بصورة مفاجئة، بعدما هوى تقييمها الائتماني من ممتاز إلى ضعيف جداً دون علمها. تبيّن لاحقاً أنها وقعت ضحية احتيال في الهوية استمر ثلاث إلى أربع سنوات، حيث فتح مجهول حسابات باسمها عبر مواقع كتالوجات تجارية لشراء جهاز «بلايستيشن 4» وجوارب رياضية، قبل أن تتحول الديون المتعثرة لشركة تحصيل ثانوية. هذه الواقعة كشفت ثغرة جوهرية في الاعتماد على سجلات الائتمان التقليدية، وهو مأزق نتابعه في مصارف المنطقة ومؤسسات التمويل عن كثب في رحلة التحول نحو أتمتة قرارات الإقراض.

تعتمد وكالات التصنيف الكبرى في بريطانيا، وهي «إكسبيرين» و«إيكويفاكس» و«ترانس يونيون»، على البيانات التاريخية ذاتها لتقييم الجدارة. وتوضح المحامية المتخصصة في التمويل الاستهلاكي ومؤسسة «هوبس فاينانس»، فونمي ألوفونوا، أن التصنيف الائتماني التقليدي ينظر إلى الوراء، مسجلاً ما حدث في الماضي بدلاً من التنبؤ بالقدرة المالية الفعلية على السداد مستقبلاً. هذا النهج يضر مباشرة بالمقترضين أصحاب «الملفات النحيفة» مثل فئات الشباب والمهاجرين الجدد الذين لا يملكون تاريخاً مالياً مسجلاً، مما يفتح الباب أمام خوارزميات التعلم الآلي لإعادة كتابة قواعد منح القروض.

في المقابل، تدفع شركات تمويل ناشئة مثل «أبستارت» و«زيست إيه آي» في الولايات المتحدة بنماذج بديلة؛ إذ تؤكد «أبستارت» أن نماذجها المعتمدة على التعلم الآلي تفحص أكثر من 2500 متغير، مما يتيح توسيع الإقراض بفوائد وتكاليف منخفضة لمختلف الفئات السكانية. وترى سارة تاكر، الرئيسة التنفيذية لشركة «ذا مورتغيج مام»، أن النماذج الذكية تبني صورة فردية دقيقة للمخاطر وتعزز الشمول المالي، شريطة أن يفهم المقترض طبيعة البيانات المستخدمة وأن يمتلك حق الطعن عند وقوع أخطاء آلية.

لكن هذا التوجه يواجه تشكيكاً تنظيمياً وأكاديمياً صارماً. تحذر أستاذة التكنولوجيا والتنظيم بجامعة أكسفورد، ساندرا فاكتر، من أن الذكاء الاصطناعي لا يدرك التفاوتات الاجتماعية القائمة، بل قد يعيد إنتاج الانحيازات التاريخية ويرسخ التمييز إذا لم تُطبق حواجز تنظيمية رقابية تضمن المساءلة، بينما تؤكد «أبستارت» استثمارها في أدوات تقييم مؤتمتة لرصد الانحياز وتدريب نماذجها لتصبح أكثر عدالة ودقة مع الوقت.

وعلى النقيض من ذلك، تأسست منصة «نوجين إتش كيو» عام 2021 بقيادة إيفانجلين أتكينسون ولورا ميلز، بعدما حُرمت أتكينسون من عقد هاتف بقيمة ثلاثين جنيهاً إسترلينياً شهرياً خلال دراستها الجامعية لغياب سجلها الائتماني رغم انتظامها في دفع الإيجار والفواتير. المنصة التي نالت ترخيص هيئة السلوك المالي البريطانية في يونيو تعتمد على تحليل بيانات الحسابات الجارية ونفقات المستهلكين الفعلية عبر آلاف المؤشرات، ولكن دون الاستعانة بالذكاء الاصطناعي تفادياً لمخاطر الانحياز الكامن واستنتاج الخصائص المحمية من البيانات الحساسة.

هذا السباق فرض على الوكالات الائتمانية الثلاث الكبرى التحرك سريعاً لتبني الأدوات المتقدمة؛ حيث أعلنت «إكسبيرين» عن شراكة مع «أوبن إيه آي» في أغسطس 2026 تتيح فحص درجات الائتمان داخل «شات جي بي تي»، بينما أطلقت «إيكويفاكس» منصة «إيكويفاكس أمبليفاي إيه آي» لرصد الاحتيال والتقييم الائتماني، ودمجت «ترانس يونيون» في مارس نماذج «جيميني» من «جوجل» مع أصولها التحليلية الخاصة.

ماذا يعني هذا للمنطقة

يضع هذا التحول العالمي مصارف الخليج ومؤسسات التمويل في مصر والشام أمام مفترق طرق حاسم في إدارة محافظ التجزئة. تمتلك أسواق المنطقة كتلة ديموغرافية واسعة من الشباب الوافدين أو أصحاب المهن الحرة الذين يفتقرون إلى سجلات ائتمانية موثقة لدى مكاتب الاستعلام الائتماني المحلية؛ والاعتماد الحصري على التقييمات التاريخية يحرم المصارف من توسيع قاعدة عملائها، مما يجعل تبني خوارزميات التدفقات النقدية الحية خياراً تشغيلياً عاجلاً بدلاً من الانتظار التقليدي.

وعلى مستوى القرار التقني، يفرض دمج وكالات الاستعلام الائتماني لنماذج «أوبن إيه آي» و«جيميني» مراجعة دقيقة لسيادة البيانات المصرفية وحوكمتها محلياً. إذا اعتمدت منصات التمويل الإقليمية على واجهات خارجية لتقييم الجدارة، فإنها تواجه مخاطر التبعية التقنية والتعرض لانحيازات خوارزمية غير ملائمة لطبيعة الإنفاق المحلي، مما يتطلب استثماراً نوعياً في تدريب مسؤولي المخاطر على التدقيق العكسي لمخرجات النماذج المستوردة.

أما من زاوية التنظيم، فإن الجهات الرقابية والمصارف المركزية في المنطقة تتجه لتشديد اشتراطات الشفافية على قرارات الإقراض الآلي. إذا كنت تقود فريق إدارة المخاطر في مصرفك، فخطوتك تبدأ من بناء قابلية التفسير البرمجي قبل الاعتماد على النماذج الذكية؛ فلا يكفي تسريع منح القرض عبر خوارزمية مغلقة، بل يتعين تقديم تفسير مالي معلن وقابل للمراجعة عند رفض أي عميل، لتفادي الوقوع في فخ التمييز الرقمي الذي تحذر منه أوساط التنظيم الدولية اليوم.

اشترك في همسات الذكاء الاصطناعي — كل أسبوع: قصص وفرص وأحداث مختصرة وموثقة، بلا حشو.

اشترك ليصلك الجديد