تتجه المؤسسات المالية بشكل متسارع نحو بناء نماذج أساسية للمعاملات كحل جذري لتشتت الأنظمة التقليدية. لسنين طويلة، اعتمدت هذه المؤسسات على نماذج ذكاء اصطناعي متخصصة لكل مهمة مثل كشف الاحتيال أو تقييم المخاطر، مما أدى إلى عزلة البيانات وغياب الفهم الموحد لسلوك المستهلك. مع تزايد حجم البيانات، اتسع الفجوة بين ما تعرفه المؤسسات وما يمكن أن يستنتجه ذكاءها الاصطناعي، مما يخلق فرصة لاستخدام البيانات الملكية لبناء ذكاء حقيقي. تشير تقارير إلى أن الغالبية العظمى من المؤسسات تستخدم الذكاء الاصطناعي أو تقيّم إمكانية استخدامه، إلا أن تعقيد الأنظمة المجزأة أصبح هو العائق الرئيسي. الحل يكمن في الانتقال من الخوارزميات التقليدية إلى نماذج أساسية تعتمد على معمارية المحولات، المدربة على مليارات الأحداث المالية مثل المدفوعات والتحويلات. هذه النماذج تحول البيانات الخام إلى ذكاء قادر على فهم السياق، حيث لا تنظر إلى المعاملة بمعزل عن غيرها، بل تدمج توقيتها والجهاز المستخدم ومكانها وسجل النشاط السابق لتحديد المعنى الحقيقي. تُظهر تجربة شركة ريفولوت مع نموذجها PRAGMA فعالية هذا النهج، حيث تم تدريب النموذج على 24 مليار حدث عبر 26 مليون سجل مستخدم. النتيجة كانت تفوق النماذج التقليدية في مجالات الائتمان والكشف عن الاحتيال مع إلغاء الحاجة لهندسة الميزات اليدوية التي كانت تستغرق أسابيع أو أشهر. وبالمثل، تعمل شركة ماستركارد على نموذج خاص للمدفوعات مصمم للتعامل مع مئات المليارات من المعاملات لتقليل الاعتماد على نماذج متعددة، بينما استخدمت شركة أديين نماذج أساسية لمعالجة تريليون دولار من المدفوعات، حيث أدى تحسين طفيف في معدلات التفويض إلى توفير تكاليف ضخمة وزيادة قيمة البضائع المتداولة. تتغير طبيعة السلوك المالي مع ظهور الذكاء الاصطناعي الوكيّل الذي ينفذ المعاملات تلقائياً، وهو ما تستغله شركة سترايب لبناء نماذج تفهم السياق الكامل للمعاملات، مما ساعدها في منع 112 مليار دولار من الاحتيال العام الماضي. والبيانات التي تُبنى عليها هذه النماذج هي تاريخ المعاملات الخاص بكل مؤسسة، وهو ما لا يمكن للمنافسين نسخه بسهولة. لتسهيل هذا التحول، أطلقت شركتا إنفيديا وأمازون أدوات تطويرية تمكن الفرق التقنية من بناء نماذجها الخاصة دون الحاجة لإعادة البناء من الصفر، متاحة على منصات مثل Nebius وAWS. كما تتعاون شركات خدمات مثل إكس إل وتود ووركس مع هذه التقنيات لمساعدتها المؤسسات في توحيد البيانات وتطبيق نماذج الذكاء الاصطناعي الوكيّلة بشكل آمن وفعال ضمن البنى المعقدة للخدمات المالية. هذا التحول الهيكلي يمثل الجيل القادم من الذكاء الاصطناعي المالي، حيث تصبح البنية التحتية جاهزة والاستفادة من البيانات الملكية ممكنة تقنياً واقتصادياً.