الذكاء الاصطناعي في مكافحة غسل الأموال — مساعد تحليل لا قاضٍ للقرار

«الذكاء الاصطناعي سيؤتمت مكافحة غسل الأموال لديك»، جملة تُسمع كثيرًا هذه الأيام، وأغلبها مبالغة. الحقيقة الأدق والأقل إثارة هي: يستطيع الذكاء الاصطناعي أن يقدّم مساعدة حقيقية في جزء من عمل مكافحة غسل الأموال — بإبراز أشياء قد يفوّتها الإنسان — لكنه في الجزء الآخر الأهم، أي القرار والإبلاغ، لا يحل محل الإنسان ولا ينبغي أن يفعل.

هذا التمييز ليس مجرد احتياط؛ بل هو الصواب. تتناول هذه المقالة أين يساعد الذكاء الاصطناعي بالضبط في مكافحة غسل الأموال، وأين يجب ألا يتدخل، ولماذا يعتمد كلاهما على شرط مسبق واحد: بيانات صرافة منظمة ومسجّلة.

أين يساعد الذكاء الاصطناعي فعلًا: إبراز النمط

القوة الأساسية للذكاء الاصطناعي في مكافحة غسل الأموال هي رؤية النمط في حجم كبير من البيانات — وهو عمل تكلّ فيه عين الإنسان وتتفاوت. بعض الأنماط الكلاسيكية المناسبة للإبراز:

• تجزئة المبلغ (Structuring): بدلًا من معاملة واحدة كبيرة، عدة معاملات أصغر تقع تمامًا تحت سقف الإبلاغ. الإنسان الذي يعمل بشكل متفرق لا يرى هذا؛ أما التحليل الذي يضع كل معاملات العميل في فترة معينة جنبًا إلى جنب فيراه.
• الطرف الثالث: المودِع أو المستلِم شخص غير الطرف الأصلي للصفقة، وبشكل متكرر.
• التغيّر المفاجئ في النمط: عميل حافظ على نمط ثابت لأشهر، ثم يتغير حجم معاملاته أو نوعها فجأة.
• التجزئة الزمنية: نشاط غير معتاد في ساعات أو أيام لا تتوافق مع البروفايل المعتاد للعميل.

مثال رقمي على تجزئة المبلغ: افترض أن سقف الانتباه لديك هو 100,000,000 ريال. لدى عميل خلال أسبوع واحد هذه المعاملات:

لا تتجاوز أي منها السقف بمفردها، لكن الإجمالي الأسبوعي كبير جدًا والأرقام الثلاثة جميعها قريبة على نحو مريب من السقف. هذا بالضبط هو النمط الذي يستطيع الذكاء الاصطناعي إبرازه ووضعه أمام مسؤول الامتثال.

الحد الواضح: الذكاء الاصطناعي ليس قاضيًا بل مساعدًا

هنا أهم جزء في المقالة. إبراز النمط شيء؛ واتخاذ القرار بشأن ذلك الشيء أمر آخر تمامًا.

يستطيع الذكاء الاصطناعي أن يقول «هذا النمط يبدو غير معتاد.» لكنه لا يستطيع ولا ينبغي أن يقول «هذا غسل أموال، أبلِغ» أو «احظر هذا العميل.» المسافة بين «غير معتاد» و«مشتبه بجريمة» يملؤها حكم إنساني مطّلع على السياق، لا نموذج.

لماذا هذا الحد جدي؟ لعدة أسباب واضحة:

• السياق: قد يكون للنمط «غير المعتاد» تفسير مشروع تمامًا — بيع عقار، أو إرث، أو عقد فصلي كبير. الذكاء الاصطناعي لا يعرف السياق؛ أما الإنسان الذي يعرف العميل أو يستطيع أن يسأله فيعرفه.
• المسؤولية القانونية: الإبلاغ عن معاملة مشبوهة فعل قانوني ذو تبعات. مسؤوليته على شخص ومؤسسة، لا على خوارزمية. لا يستطيع نموذج أن يوقّع أسفل التقرير.
• الخطأ من الجانبين: إذا أسندت القرار إلى نموذج، تكثر الإنذارات الكاذبة (فترهق الفريق وتضعف ثقته)، وهناك أيضًا خطر أن تفلت الحالات الحقيقية التي لا تنضوي في نمط النموذج.

فالدور الصحيح هو: الذكاء الاصطناعي يبني طابور الحالات التي تحتاج مراجعة ويرتّبها بحسب الأولوية؛ والإنسان يراجع كل حالة بسياقها، ويقرر، ويبلّغ إن لزم. الذكاء الاصطناعي يخفّف عمل الغربلة؛ أما عمل الحكم فيبقى بيد الإنسان.

طريقة بسيطة للتفكير في هذا التقسيم للعمل هي مقارنته بمساعد ذكي حديث العهد. يستطيع المساعد أن يتصفح مئات الملفات ويقول «هذه الخمسة أغرب من غيرها، انظر إليها أولًا.» هذه مساعدة حقيقية توفّر وقتًا كبيرًا. لكنك لن تسمح لذلك المساعد أبدًا بأن يضع علامة على ملف بوصفه جريمة ويرسل تقريرًا رسميًا دون مراجعتك أنت — لأنه يفتقر إلى السياق والمسؤولية اللازمين. علاقة مسؤول الامتثال بالذكاء الاصطناعي لمكافحة غسل الأموال هي هذه بالضبط: استفد من ترتيبه للأولويات، لكن احتفظ بالتوقيع والقرار لنفسك.

الشرط المسبق الحقيقي: بيانات قابلة للتحليل أصلًا

نصل الآن إلى نقطة تكمن خلف هذا النقاش كله وتفوق الذكاء الاصطناعي نفسه أهمية. لا يعمل أي تحليل ذكي — لا بسيط ولا متقدم — على بيانات غير مسجّلة أو مبعثرة.

إذا كانت المعاملات موزّعة بين الدفاتر وجداول إكسل وذاكرة الأشخاص، وإذا لم يكن لكل عميل ملف متماسك، وإذا لم تكن الإيداعات متصلة بالمعاملات، فلا خوارزمية تستطيع أن تضع «كل معاملات هذا العميل في هذه الفترة» جنبًا إلى جنب — لأن هذا «الجنب إلى جنب» غير موجود أصلًا. الذكاء الاصطناعي يحلّل البيانات؛ فإن لم يكن للبيانات بنية، فلا مدخل للتحليل.

لهذا فإن الخطوة الأولى والأهم لمكافحة غسل الأموال الذكية ليست الذكاء الاصطناعي — بل التسجيل المنظم والمنسّق:

• لكل عميل ملف واحد بتاريخ كامل.
• كل معاملة بطرف ومبلغ وعملة ووقت ومصدر محدد ومترابط.
• الإيداعات والإيصالات متصلة بمعاملتها المقابلة.
• تحديد هوية العميل (KYC) مسجّل وقابل للإحالة.

عندما توجد هذه القاعدة، يصبح تحليل النمط — سواء بعين مسؤول الامتثال أو بمساعدة الذكاء الاصطناعي — ممكنًا. وحين تغيب، يكون «الذكاء الاصطناعي لمكافحة غسل الأموال» مجرد شعار فوق بيانات غير موجودة.

دور البرنامج في هذه السلسلة

هنا يؤدي برنامج محاسبة الصرافة الصحيح دورًا تأسيسيًا — ليس بالضرورة بوصفه «محرك ذكاء اصطناعي لمكافحة غسل الأموال»، بل بوصفه المكان الذي تتجمع فيه البيانات بشكل قابل للتحليل. في نكستو، لكل عميل ملف وتاريخ متصل، وكل معاملة وإيداع مرتبطان معًا، وسجل النشاط يسجّل كل عمليات جميع المستخدمين لحظيًا. هذه البنية هي بالذات الشرط المسبق الذي يحتاجه أي تحليل للنمط — يدوي أو ذكي. إبراز النمط هو الخطوة التالية؛ لكن دون هذه القاعدة من البيانات، تُبنى الخطوة التالية في الهواء.

الخلاصة

الذكاء الاصطناعي في مكافحة غسل الأموال مساعد حقيقي: يبرز الأنماط المشبوهة مثل تجزئة المبلغ والطرف الثالث والتغير المفاجئ في النمط، ويخفّف عمل الغربلة. لكنه ليس قاضيًا — فالقرار بشأن كون شيء ما مشبوهًا حقًا، والإبلاغ عنه، يبقى بيد الإنسان المطّلع على السياق والطرف المسؤول قانونًا. وخلف هذا كله حقيقة بسيطة: لا تحليل ذكي ممكن دون بيانات منظمة ومسجّلة. أولًا التسجيل الصحيح، ثم التحليل الذكي، ودائمًا القرار الإنساني في النهاية.

هل تريد أن ترى كيف تتشكّل عمليًا البيانات التي هي أساس كل تحليل لمكافحة غسل الأموال؟ أنشئ نسخة تجريبية مخصّصة من برنامج محاسبة الصرافة نكستو، وألقِ نظرة عن قرب على ملف عميل وتاريخ معاملاته المتصل.