في وقتٍ قريبٍ جدًّا، كان إدارة الشؤون المالية الشخصية تبدو نشاطًا روتينيًّا إلى حدٍ كبير: جدولٌ للنفقات، وتطبيقٌ مصرفيٌّ، وحاسبةٌ لحساب القروض، وبضعة أمسياتٍ لمقارنة العروض المختلفة. والآن، يمكن إسناد جزءٍ من هذه المهام إلى الذكاء الاصطناعي. فما عليك سوى تحميل قائمة بالنفقات أو وصف وضعك المالي — لتتلقى خلال ثوانٍ ميزانيةً شهريةً، أو خطةً لتراكم المدخرات، أو حسابًا لسداد قرضٍ مقدَّم.
هذا أمرٌ مفيدٌ بالفعل. لكن مع هذا التيسير، يظهر سؤالٌ جديدٌ: إلى أي مدى يُعقل أن نثق بقرارات الذكاء الاصطناعي التي تؤثر مباشرةً على رفاهيتنا المالية؟
وفي عام 2026، كرَّست منظمة التعاون الاقتصادي والتنمية (OECD) دراسةً مستقلةً لاستخدام الذكاء الاصطناعي في الشؤون المالية الشخصية. وأشارت المنظمة إلى مزايا التقنية — مثل سهولة الوصول، والتخصُّص، والمساعدة في اتخاذ القرارات — وكذلك إلى المخاطر الجسيمة المرتبطة بها: الأخطاء الواقعية، والتحيُّز في الخوارزميات، وتأثير المصالح التجارية، ومشكلات خصوصية البيانات.
- المحلل المالي الشخصي أصبح يناسب جيب هاتفك الذكي
- أما بالنسبة للقروض، فالذكاء الاصطناعي مفيدٌ أولًا كأداة حسابية
- المشكلة الجوهرية في الذكاء الاصطناعي هي أنه يخطئ بثقةٍ مقنعة
- البيانات المالية تتطلب حذرًا استثنائيًّا
- من الأفضل استخدام الذكاء الاصطناعي المالي كـ «محللٍ ثانٍ»
- أين يمكن الوثوق بالأتمتة، وأين يجب أن تبقى القرارات بيدك؟
المحلل المالي الشخصي أصبح يناسب جيب هاتفك الذكي
تتمثَّل الميزة الأساسية للذكاء الاصطناعي ليس في امتلاكه سرًّا خفيًّا لكسب المال، بل في قدرته على معالجة كمٍّ هائلٍ من المعلومات بسرعةٍ فائقة.
فلنفترض أن شخصًا ما يتقاضى راتبًا شهريًّا قدره ١٥٠٠ يورو، ويرغب في فهم سبب عدم قدرته على الادخار شيئًا. يمكنه حينها تقديم جدولٍ غير مُعرَّفٍ بالنفقات إلى الذكاء الاصطناعي، وطلب توزيع العمليات حسب الفئات. وتتمكن النظام من إظهار المبالغ المصروفة على السكن، والغذاء، والنقل، والاشتراكات، والمشتريات العفوية — ثم اقتراح عدة نماذج لميزانية شهرية.
ويُطبَّق الأمر نفسه عند تحديد الأهداف المالية. فمثلًا، إذا أراد الشخص ادخار ١٠٠٠٠ يورو خلال سنتين، فإن الخوارزمية تحسب المبلغ الشهري المطلوب، وتوضح كيف سيتغير الموعد النهائي باختلاف معدلات الادخار.
ويمثل نمذجة السيناريوهات مجالًا يستفيد منه الذكاء الاصطناعي بشكلٍ خاص.
- ماذا سيحدث للميزانية إذا انخفض الدخل بنسبة ٢٠٪؟
- أيهما أكثر فائدة: زيادة الاحتياطي المالي أم سداد القرض بشكلٍ أسرع؟
- هل يمكن تحمل شراء سيارة مع أخذ تكلفة التأمين والوقود والصيانة في الاعتبار، وليس فقط سعر الشراء؟
وكانت هذه الحسابات تتطلب سابقًا إنشاء جداول منفصلة لكل سيناريو. أما الآن، فيمكن اختبار العديد منها خلال دقائق معدودة.
وميزة الأتمتة الأساسية هنا تكمن في طابعها النظامي. فغالبًا ما ينسى الإنسان النفقات الصغيرة المنتظمة، بينما تستطيع البرامج اكتشاف أن عدة اشتراكات غير ملحوظة قد تتحول مع مرور الوقت إلى مبلغٍ كبيرٍ جدًّا.
أما بالنسبة للقروض، فالذكاء الاصطناعي مفيدٌ أولًا كأداة حسابية
يبدو اختيار القرض مهمةً بسيطة: البحث عن أقل نسبة فائدة. لكن في الواقع، لا يكفي مقارنة النسب وحسب.
وهنا يوفِّر الذكاء الاصطناعي وقتًا حقيقيًّا. فيمكنك تزويده بشروط عدة بنوك، وطلب حساب إجمالي المبالغ الزائدة المدفوعة، أو مقارنة سيناريوهات السداد المبكر.
لكن هناك قيدٌ أساسيٌّ: القرض الأرخص رياضيًّا ليس بالضرورة الأنسب لشخصٍ معيَّن.
فعلى سبيل المثال، تقليص مدة القرض يقلل المبلغ الكلي للزيادة المدفوعة، لكنه يرفع قيمة القسط الشهري. وإذا لم يبقَ لدى الأسرة بعد دفع هذا القسط سوى مبلغ ضئيل جدًّا، فإن أي نفقة غير متوقعة تصبح مشكلةً جوهرية. ولذلك، فإن التحليل المالي الجيد يجب أن يأخذ في الاعتبار ليس تكلفة القرض وحسب، بل أيضًا هامش الأمان في الميزانية: حجم الاحتياطيات، واستقرار الدخل، والالتزامات المستقبلية، واحتمال حدوث نفقات كبيرة.
وتشير منظمة التعاون الاقتصادي والتنمية (OECD) صراحةً إلى مخاطر الإقراض الرقمي، والرسوم غير الشفافة، والقرارات الخوارزمية التي يصعب على المستهلك فهمها أو الطعن فيها.
المشكلة الجوهرية في الذكاء الاصطناعي هي أنه يخطئ بثقةٍ مقنعة
من خصائص الذكاء الاصطناعي التوليدي أن إجابته الخاطئة قد تبدو واثقةً تمامًا مثل الإجابة الصحيحة. ويُشار إلى هذه الظاهرة عادةً بالإنجليزية باسم hallucination — «هلوسة النموذج». وهي تشير إلى حالةٍ يُنتج فيها الذكاء الاصطناعي معلوماتٍ مقنعةً ظاهريًّا، لكنها في الواقع خاطئة.
