الذكاء الاصطناعي ورقابة الأسواق الخاصة: دروس للبحرين

نما سوق الائتمان الخاص والأسهم الخاصة عالميًا بسرعة لدرجة أن بنك إنجلترا بدأ في أواخر 2025 أول اختبار ضغط من نوعه لقياس قدرة هذا القطاع—الذي تُقدَّر أحجامه عالميًا بنحو 16 تريليون دولار—على تحمّل صدمة مالية كبيرة، مع نتائج متوقعة في بداية 2027. وفي 09/01/2026، خرجت لجنة من مجلس اللوردات البريطاني برسالة واضحة: البيانات غير كافية، والسوق “معتم”، وقد يحتاج البنك المركزي صلاحيات جديدة لجمع المعلومات.

هذه ليست قصة بريطانية فقط. هي إشارة مبكرة لما ينتظر الأنظمة المالية التي تتوسع فيها قنوات التمويل غير المصرفي وتزداد فيها المنتجات تعقيدًا—ومن بينها أسواق الخليج. في سياق سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الخدمات المالية والتكنولوجيا المالية في البحرين”، أرى أن السؤال الأهم ليس: هل ستتأثر البحرين؟ بل: كيف نستخدم الذكاء الاصطناعي الآن لتقليل “المجاهيل” قبل أن تتحول إلى مخاطر؟

ما يحدث في لندن يضع يدَه على نقطة حساسة: عندما تنمو الأسواق الخاصة أسرع من قدرة الجهات الرقابية على الرؤية، تصبح “الفجوة” هي الخطر. والذكاء الاصطناعي—إذا استُخدم بذكاء وتحت حوكمة صارمة—هو الطريقة العملية لردم هذه الفجوة.

لماذا تُقلق الأسواق الخاصة الجهات الرقابية؟

السبب المباشر بسيط: قلة الشفافية مقارنة بالأسواق العامة. في الأسواق المدرجة، تتوفر بيانات إفصاح دورية، وأسعار سوقية متحركة، وتغطية تحليلية واسعة. أما في الائتمان الخاص وتمويلات ما قبل الإدراج والصناديق المغلقة، فالصورة غالبًا جزئية: تقييمات أقل تكرارًا، عقود خاصة، ومعلومات موزعة بين مديرين ومقرضين ومستثمرين—وأحيانًا عبر ولايات قضائية متعددة.

تقرير لجنة اللوردات حمل عنوانًا لافتًا: “الأسواق الخاصة: مجاهيل لا نعرف أننا نجهلها”. هذه العبارة تصف المشكلة بدقة: ليس الخطر فقط ما نراه، بل ما لا نعرف كيف نرصده أصلًا. ولهذا ركزت اللجنة على منح بنك إنجلترا صلاحيات جمع معلومات عند الحاجة—تمييزًا عن “تنظيم الصناعة” بشكل مباشر.

بالنسبة للبحرين، الرسالة قابلة للترجمة فورًا: مع توسّع أنشطة التكنولوجيا المالية، وتزايد حلول التمويل البديل، وظهور منتجات استثمارية أكثر تخصصًا، تصبح القدرة على الرصد الاستباقي مهمة تماثل أهمية الابتكار ذاته.

ماذا يمكن للبحرين أن تتعلم من النقاش البريطاني؟

الدرس الأول: الرؤية تسبق التنظيم. قبل أن تكتب الجهة الرقابية قاعدة جديدة، تحتاج إلى خريطة: من يقرض؟ لمن؟ على أي شروط؟ ما حجم الارتباطات مع البنوك؟ أين قد تتجمع السيولة أو تتبخر؟

الدرس الثاني: اختبارات الضغط ليست ترفًا. بنك إنجلترا أطلق اختبار ضغط لقطاع غير مصرفي كبير لأنه يريد فهم “سلوك السوق تحت الضغط”، لا مجرد قراءة تقارير ربعية. في البحرين، الفكرة نفسها تنطبق—لكن مع تعديل الأدوات والبيانات المتاحة.

الدرس الثالث: السوق العالمي مترابط. جزء من المشكلة في بريطانيا أن كثيرًا من المشاركين “خارج الحدود”، وبالتالي لا يمكن إلزام الجميع بالمشاركة. هذه نقطة مهمة للمراكز المالية الصغيرة/المفتوحة: حتى لو كانت بعض الأنشطة تتم من خارج البلد، قد يظهر أثرها على السيولة والثقة محليًا.

وهنا يظهر دور الذكاء الاصطناعي كأداة “تكبير رؤية” بدلاً من انتظار قواعد جديدة بعد وقوع المشكلة.

أين يدخل الذكاء الاصطناعي؟ ثلاث وظائف تُقلل العتمة

الإجابة العملية: الذكاء الاصطناعي يفيد عندما يتحول من “مشروع تقني” إلى محرك رقابي وتشغيلي يربط البيانات ويكشف العلاقات.

1) تجميع البيانات وفهمها من مصادر غير متجانسة

الأسواق الخاصة تنتج بيانات غير منظمة: عقود، ملاحق، رسائل، عروض استثمار، نشرات، محاضر لجان ائتمان… إلخ. تقنيات NLP (معالجة اللغة الطبيعية) تستطيع:

• استخراج بنود المخاطر تلقائيًا (تعهدات، ضمانات، أحداث تعثر Covenants).
• توحيد المصطلحات المختلفة بين مدير صندوق وآخر.
• بناء “بطاقة صفقة” موحدة تتضمن: القطاع، العملة، الاستحقاق، الضمانات، الطرف المقابل.

هذا يختصر أسابيع من العمل اليدوي، ويعطي فرق المخاطر والامتثال في البنوك وشركات التكنولوجيا المالية في البحرين قاعدة بيانات قابلة للتحليل بدل ملفات متناثرة.

2) تحليل الترابطات وبناء خريطة عدوى مالية

أخطر جزء في الأسواق الخاصة ليس صفقة واحدة، بل الشبكة: بنك يمول صندوقًا، وصندوق يقرض شركة، والشركة مرتبطة بموردين ومقاولين… وعند صدمة سيولة، ينتقل الضغط عبر الروابط.

نماذج الذكاء الاصطناعي وتحليل الشبكات يمكن أن:

• تكشف “عُقدًا” عالية التأثير (Counterparties) قبل أن تصبح نقطة فشل.
• تقيس تمركز المخاطر حسب القطاعات (عقار، استهلاك، صناعة…).
• ترصد تقاطعات التمويل بين البنوك والجهات غير المصرفية (Non-banks).

هذه بالضبط “الزاوية” التي شدد عليها تقرير اللوردات: فهم حجم وتشابك العلاقات بين النظام المصرفي والائتمان الخاص.

3) إنذار مبكر مبني على سيناريوهات، لا على رد فعل

الإنذار المبكر التقليدي يعتمد على مؤشرات متأخرة: تأخر سداد، انخفاض تصنيف، أخبار سلبية. الذكاء الاصطناعي يسمح ببناء إنذار مبكر مبني على تغيّر الأنماط:

• تدهور مفاجئ في تدفقات نقدية متوقعة لشركة مقترضة (بناءً على بيانات تشغيلية/مدفوعات).
• ارتفاع غير معتاد في إعادة التقييم أو تمديد الاستحقاق داخل محفظة معينة.
• إشارات توتر سيولة: طلبات سحب، أو إعادة تسعير غير مبرر، أو تزايد استفسارات الائتمان.

الهدف هنا ليس “التنبؤ بالغيب”، بل تقليل وقت الاستجابة من أسابيع إلى أيام، وأحيانًا ساعات.

جملة قابلة للاقتباس: عندما تكون البيانات ناقصة، يصبح الذكاء الاصطناعي مفيدًا فقط إذا كان جزءًا من حوكمة بيانات صارمة، لا بديلًا عنها.

تطبيق عملي: كيف تبدو “الرقابة الذكية” في بنك بحريني؟

إذا كنت تدير مخاطر أو امتثالًا أو ابتكارًا في بنك داخل البحرين، فهناك نموذج عمل واقعي يمكن البدء به خلال 90 يومًا دون تحويل المؤسسة بالكامل:

1) حدّد “حالات استخدام” مرتبطة بالرقابة والربحية

ابدأ بثلاث حالات ذات عائد واضح:

1. تصنيف صفقات الائتمان الخاص وتوحيد بياناتها (NLP + استخراج بنود).
2. لوحة ترابطات تظهر التعرضات المشتركة بين المحافظ.
3. إنذار مبكر يعتمد على مؤشرات سيولة وتشغيل.

2) ابنِ طبقة بيانات واحدة بدل عشر جزر

معظم الفشل يحدث هنا: البيانات موزعة بين الخزينة، الائتمان، الاستثمار، والامتثال. المطلوب ليس مستودعًا ضخمًا منذ اليوم الأول، بل:

• قاموس بيانات موحد (Data Dictionary)
• معايير جودة (اكتمال/دقة/توقيت)
• صلاحيات وصول واضحة

3) اجعل الذكاء الاصطناعي “قابلًا للتدقيق”

في سياق تنظيم مالي، لا يكفي أن يكون النموذج دقيقًا. يجب أن يكون قابلًا للتفسير وأن يترك أثرًا تدقيقيًا:

• لماذا أعطى إنذارًا؟
• ما البيانات التي استخدمها؟
• من راجع القرار؟

هذه النقطة ستصبح أكثر حساسية مع أي توسع مستقبلي في متطلبات الجهات الرقابية—كما نرى الآن في بريطانيا.

أسئلة شائعة يطرحها التنفيذيون (وإجابات مباشرة)

هل يعني هذا أن البحرين تحتاج صلاحيات رقابية جديدة مثل بريطانيا؟

ليس بالضرورة اليوم، لكن الاستعداد المبكر يقلل الحاجة لقرارات متسرعة لاحقًا. عندما تتوفر رؤية جيدة عبر البيانات والتحليلات، يصبح النقاش حول الصلاحيات أكثر هدوءًا وواقعية.

هل الذكاء الاصطناعي يزيد المخاطر بسبب “صندوق أسود”؟

يزيدها إذا استُخدم بلا حوكمة. ويقللها إذا فُرضت شروط واضحة: تفسير، مراقبة انحراف Model Drift، واختبارات انحياز، وموافقات متعددة.

ما الخط الفاصل بين “جمع معلومات” و“تنظيم”؟

جمع المعلومات يعني القدرة على قياس الحجم والروابط والمخاطر. التنظيم يعني فرض قواعد سلوك/رأس مال/ترخيص. ما أشارت إليه اللجنة البريطانية هو الحاجة للأول قبل الثاني—وهذا ترتيب منطقي.

ماذا يعني ذلك لشركات التكنولوجيا المالية في البحرين؟

هناك فرصة كبيرة هنا. كثير من شركات الفنتك تبني حلول مدفوعات أو تجربة مستخدم، وهذا مهم. لكن الموجة القادمة—في رأيي—ستكافئ من يبني بنية امتثال ومخاطر ذكية يمكن بيعها للبنوك ومديري الأصول:

• أدوات RegTech لاستخراج البيانات من وثائق الصفقات
• منصات مراقبة التعرضات والترابطات
• أنظمة إنذار مبكر للسيولة والائتمان

بكلمات أبسط: من يساعد المؤسسات على رؤية المخاطر أسرع، سيصبح جزءًا من البنية التحتية للسوق.

خطوة تالية للبحرين في 2026: ابتكار يسبق التشدد

النقاش البريطاني حول صلاحيات بنك إنجلترا ليس علامة على “خوف”، بل علامة على نضج: السوق تغيّر، والرقابة تحتاج أدوات تناسب الواقع. البحرين كمركز مالي إقليمي يمكنها أن تتعامل مع الفكرة نفسها بروح عملية: بدل انتظار تعقّد الأسواق الخاصة، يمكن توسيع قدرات الرصد والامتثال باستخدام الذكاء الاصطناعي من الآن.

أنا منحاز لهذا النهج: لا تبنِ الذكاء الاصطناعي للعرض، ابنِه لخفض المفاجآت. عندما تقل “المجاهيل”، تزيد الثقة، ويتحسن التسعير، وتتوسع الابتكارات بأقل تكلفة رقابية.

إذا كنت تعمل في بنك أو شركة تكنولوجيا مالية في البحرين وتريد تحويل الذكاء الاصطناعي إلى ميزة امتثال ومخاطر (وليس مجرد مشروع تجريبي)، ما المجال الذي ترى أنه أكثر إلحاحًا: جمع البيانات، أم فهم الترابطات، أم الإنذار المبكر؟