النقاط الرئيسية
في الوقت الحالي، أصبح بإمكان معظم الناس تمييز رسالة البريد الإلكتروني التي صاغها الذكاء الاصطناعي بشكل مبتدئ: مثل الإفراط في استخدام الشرطة الطويلة، أو عبارة «إليك نسخة أكثر إنسانية» التي نسي أحدهم حذفها قبل الضغط على زر «إرسال». أما في وول ستريت، فإن المشكلة الأكثر خطورة يصعب اكتشافها، لأنها تكمن في المنطق. وعندما يتحكم هذا المنطق في توجيه مسار رأس المال، يصبح من الصعب جدًّا رصد أي خلل.
قد تبدو مباني وول ستريت متشابهة جميعها، لكن لا ينبغي أن يُنظر إليها بهذه الطريقة ، ولا يوجد ما تكرهه وول ستريت أكثر من سوق خالٍ من التوتر. فالتوتر هو ما يجعل السوق تعمل. فعندما يتفق الجميع، يتوقف السوق عن تحديد الأسعار ويستقر على إجماع، وهذا الإجماع يُستغل في عمليات المراجحة في غضون فترة ما بعد الظهر.
وهذا ما يجعل المحور الجديد الذي يتشكل في خفاء هذا السوق خطيرًا بشكل خفي. فجانبًا من عمليات اتخاذ القرار في الشركات المتنافسة يمر الآن عبر نفس المجموعة الصغيرة من أنظمة الذكاء الاصطناعي: نفس البنية، ونفس التدريب، ونفس طريقة الاستدلال، مع اختلاف الشعارات فقط.
لماذا تلجأ الشركات المالية إلى استخدام نفس نماذج الذكاء الاصطناعي؟
بالنسبة لمعظم الشركات، كان الاختيار مرتبطًا بمسألة المسؤولية القانونية أكثر منه باستنتاج أن نموذجًا معينًا هو الأفضل. والسؤال الذي يحرك هذا الاختيار هو: ما هو المنطق الذي يمكنهم الدفاع عنه لاحقًا، أمام محاميهم والقضاة في أي دعاوى قضائية مستقبلية، وكذلك أمام عملائهم؟ اختر المورد الذي يتمتع بسمعة معترف بها وسجل تدقيق واضح، حتى لا يكون اسم شركتك هو الذي يرتبط بأي فشل. قد توحي «عقلية القطيع» بأن لا أحد يفكر. لكن هذا أقرب إلى مبدأ «الأمان في العدد»، حيث تفكر كل شركة بشكل مستقل وتصل إلى نفس الموقف الدفاعي. أظهر استطلاع أجرته شركة KPMG عام 2026 أن 93 في المائة من الشركات الأمريكية تخطط لنشر الذكاء الاصطناعي أو توسيع نطاق استخدامه في مجال الشؤون المالية في غضون ثمانية عشر شهراً، وأن 94 في المائة منها تعتمد بالفعل على طرف ثالث لضمان صحة النتائج.
الاعتراض الواضح هو أن هذا الأمر ليس جديدًا. فالتكنولوجيا تتجه دائمًا نحو عدد قليل من المزودين، والحوسبة السحابية تعمل بالفعل عبر عدد محدود من المنصات. لكن «السحابة» كانت بمثابة «العقار» الذي بُنيت عليه الشركة، ولم تكن لها آراء خاصة بها. أما الذكاء الاصطناعي، فلديه آراء، وهو يدير الأعمال بشكل متزايد، ولهذا السبب انتقل التجمع من «القنوات» إلى «التفكير» نفسه.
ستشير الشركات إلى بياناتها الخاصة باعتبارها استثناءً، ورغم أنها تمثل ميزة حقيقية، فإن تغيير ما يقرأه النموذج لا يغير طريقة استنتاجه. فوجود مكتبة مميزة لا يعني بالضرورة وجود أمين مكتبة مميز.
عندما يلتقي التفكير المشترك مع ضغوط السوق
وقد بدأت عواقب ذلك تظهر بالفعل في البيانات. فقد خلصت دراسة صادرة عام 2025 عن معهد أبحاث الاقتصاد الوطني (NBER) من إعداد دو وغولدشتاين وجي إلى أن وكلاء التداول الذين يعملون بالذكاء الاصطناعي ويستخدمون التعلم المعزز يمكنهم الوصول بشكل مستقل إلى تسعير متواطئ يتجاوز مستويات المنافسة «دون اتفاق أو تواصل أو نية». ولم يحدث أي تنسيق؛ بل كان ذلك نتيجة للتفكير المشترك وحده.
وقد ظهرت أوضح صورة لما قد يبدو عليه هذا الأمر عمليًّا في يوليو 2026، عندما خسر صندوق «Situational Awareness LP» — وهو صندوق تحوط يعتمد على استثمارات مركزة في البنية التحتية للذكاء الاصطناعي — 67 في المائة من قيمته خلال شهر واحد ، وقام ببيع معظم محفظته من الأسهم العامة التي تبلغ قيمتها حوالي 16 مليار دولار إلى شركة «سيتاديل»؛ كما انخفض سهم «سانديسك» بنسبة 54 في المائة خلال الشهر نفسه. وكان ذلك نتيجة لتلاقي الرافعة المالية مع اتجاه مشترك، وهو الشكل السطحي لهذا الخطر. أما الاندفاع نحو نفس المنطق فيتسم بعمق أكبر، ولم يؤدِّ بعد إلى انهيار بحد ذاته. وبالنظر إلى الشدة التي اتسم بها انهيار النسخة السطحية، فلا يوجد سبب يذكر لتوقع أن تكون النسخة الأعمق أكثر اعتدالاً.
إذا تم تطبيق نفس آلية الاستدلال على نطاق واسع بما يكفي في السوق، فسوف يميل المشاركون إلى تجاهل نفس الإشارة في نفس الوقت، أو التصحيح في نفس الاتجاه في نفس الوقت. وكلا الأمرين يمكن أن يؤدي إلى انهيار. وقد كشفت أبحاث حديثة حول الهجمات العدائية الموجهة ضد أنظمة التداول التي تعتمد على نماذج اللغة الكبيرة (LLM) أن التلاعب بالعناوين الرئيسية في يوم واحد، في اختبار رجعي شمل 14 شهراً، أدى إلى انخفاض العوائد السنوية بما يصل إلى 17.7 نقطة مئوية: وهي نقطة ضعف مشتركة، تُستغل مرة واحدة، وتؤثر في كل مكان يتم فيه تطبيق نفس آلية الاستدلال.
ما الذي يمكن للشركات أن تفعله حيال ذلك
ومع ذلك، فإن الخطوة الأولى هي التعامل مع هذا الأمر باعتباره «مخاطر تركيز». فجانب لجان المخاطر تتعقب بالفعل التعرض للمخاطر في القطاعات والأطراف المقابلة، وينبغي إدراج «الاعتماد على النماذج» ضمن نفس القائمة. وهذا يعني معرفة أي القرارات تمر عبر أي أنظمة، ومدى تداخل ذلك مع المنافسين والأطراف المقابلة. كما يعني إعادة النظر في المنطق الذي أوصل الشركات إلى هذه الحالة: يشعر المورد المعترف به بالأمان لأن خياره يمكن الدفاع عنه، ولكن عندما تتخذ كل شركة الخيار نفسه، يصبح الخيار القابل للدفاع عنه نقطة فشل مشتركة.
إن تتبع المخاطر ليس سوى نصف المسألة. ما يساعد حقًّا هو وجود قوة عاملة تعرف متى تعتمد على الذكاء الاصطناعي ومتى تعتمد على حكمها الخاص، وهو تمييز لم يتدرب سوى قلة من الناس على القيام به. فالذكاء الاصطناعي لا يعرف دائمًا ما هو الأفضل. عندما قامت شركة «إلم ويلث» (Elm Wealth) باختبار «كلود» (Claude) و«تشات جي بي» (ChatGPT) في مواجهة نخبة من المتداولين في السوق الكلية، توقعت النماذج اتجاه السوق بشكل صحيح في أكثر من نصف المرات، أي بنفس دقة المتداولين تقريبًا، لكنها سجلت تقلبات يومية تراوحت بين 20 و40 في المائة، في حين أن ملف تعريف المستثمر الذي تم تزويدها به كان يتطلب تقلبات تتراوح بين 7.5 و15 في المائة تقريبًا. وكتب الباحثون: «نقوم بتدريب الذكاء الاصطناعي ليكون مثل البشر، ثم نجد أن الذكاء الاصطناعي أصبح مثل البشر، حيث يتسم بالثقة المفرطة ». إن الاستخدام الجيد للذكاء الاصطناعي يعني معرفة ما يجب الاحتفاظ به بدقة، وبعض ذلك هو من صميم الطبيعة البشرية.
في الوقت الحالي، يتواجد معظم المشاركين في السوق في نفس السيارة، ويتبعون نفس نظام تحديد المواقع (GPS)، ولم يلاحظوا ذلك بعد. أما الشركات التي تلاحظ ذلك، فستتوقف على جانب الطريق قبل وقوع التصادم وتسلك طريقًا مختلفًا، حتى لو لم يكن بالضرورة الطريق الصحيح. فالسوق الذي يصل فيه الجميع إلى نفس الإجابة يتوقف عن العمل كسوق ويبدأ في الظهور كبيئة أحادية.
لا يوجد فائز إذا فاز الجميع.
معلومات المؤلف
