باحثون في وول ستريت: الذكاء الاصطناعي في صناديق التحوط يخلق مخاطر نظامية جديدة

يحذر باحثو وول ستريت من سيناريو خطير يتشكل في الصناعة المالية: الاعتماد الجماعي على أدوات ذكاء اصطناعي متطابقة في صناديق التحوط يخلق نوعاً جديداً من المخاطر النظامية لم يكن موجوداً من قبل. وأفادت بلومبرج بهذا في الأول من يوليو 2026، مستشهدة بسلسلة من الأوراق الأكاديمية الجديدة.

لماذا الذكاء الاصطناعي المتطابق عبر آلاف الصناديق يشكل تهديداً نظامياً

عندما تطلق مئات صناديق التحوط في نفس الوقت خوارزميات ذكاء اصطناعي متشابهة مدربة على مجموعات بيانات قابلة للمقارنة، تصبح قراراتها الاستثمارية مترابطة. هذا هو السلوك "القطعي" الكلاسيكي — لكن بمقياس وبمستوى تزامن كان يعتبر غير قابل للتحقق تقنياً من قبل.

تُبنى النماذج المالية التقليدية على افتراض أساسي: المشاركون في السوق يتخذون قرارات مستقلة. تخلق الاستراتيجيات المتنوعة والنهج التحليلية المختلفة والآفاق الزمنية المتباينة السيولة وتستقر الأسعار. عندما يتفق المشترون والبائعون على صفقة برؤى مختلفة عن قيمة الأصل، يعمل السوق بشكل طبيعي. تقوض أدوات الذكاء الاصطناعي هذا الافتراض من جذوره: إذا دربت النماذج على مجموعات بيانات متشابهة، وتستجيب للإشارات السوقية ذاتها، وتحسّن وظائف موضوعية متشابهة، يفقد السوق على وجه التحديد التنوع من الآراء الذي جعله قابلاً للصمود أمام الصدمات.

تفاقم الحالة التركيز: سوق أدوات الذكاء الاصطناعي للتداول تتركز حول عدد قليل من مقدمي الخدمات الكبار. حيث كان لكل صندوق سابقاً فريقه الخاص من محللي الكوانت برماذج ملكية فريدة، يمكن للجميع الآن الاشتراك في نفس الخدمة.

ماذا تظهر الأبحاث الجديدة

تقدم بلومبرج تقريراً عن عدة أوراق أكاديمية تحاول محاكاة تبعات الاعتماد الجماعي على الذكاء الاصطناعي في التداول. يطرح الباحثون السؤال ذاته: ماذا سيحدث للسوق إذا استخدم جميع المشاركين نفس أداة الذكاء الاصطناعي؟

الإجابات أولية لكنها مثيرة للقلق. عندما تعالج الخوارزميات بشكل متزامن إشارات متطابقة وتصل إلى استنتاجات متشابهة، تبدأ بتضخيم تحركات السوق بدلاً من تخفيفها. في لحظات الأزمة — انخفاضات حادة في المؤشرات، أخبار جيوسياسية غير متوقعة، مفاجآت تنظيمية — تستطيع خوارزميات الذكاء الاصطناعي إصدار أوامر بيع متطابقة في نفس الوقت، تحول التصحيح المُدار إلى انهيار متسلسل.

ما يثير القلق بشكل خاص هو سرعة الاستجابة. البشر في الذعر يرتكبون أخطاء متشابهة أيضاً، لكن مع تأخيرات مختلفة وفي تسلسلات مختلفة. تستجيب خوارزميات الذكاء الاصطناعي للإشارة ذاتها بشكل فوري تقريباً وفي نفس الوقت — مما يغير بشكل جذري الديناميكية الزمنية لصدمات السوق.

مشكلة أخرى هي السلوك في الحالات القصوى التي لم تكن موجودة في البيانات التدريبية. في لحظة عدم اليقين الحقيقي في السوق، عندما تكون خبرة الإنسان وحدسه ذي قيمة خاصة، قد تتصرف الخوارزميات بطريقة لا يمكن التنبؤ بها وعكسية الإنتاجية.

الذكاء الاصطناعي ليس ساحراً، بل مضخم للمخاطر

عنوان مقالة بلومبرج ساخر بشكل لطيف: الذكاء الاصطناعي "ليس ساحراً في السوق". توضح الممارسة أنه في الظروف العادية تعمل النماذج بشكل صحيح، لكنها تخلق مخاطر ذيل جديدة. مخاطر الذيل هي أحداث نادرة لكن كارثية تقلل التوزيعات الاحتمالية المعيارية من شأنها بشكل منهجي.

بدأ المنظمون الانتباه لهذا. المخاطر النظامية، التي ارتبطت تقليدياً بالبنوك من فئة too-big-to-fail، يمكن الآن أن تُعاد إنتاجها من خلال الخوارزميات من فئة too-similar-to-fail: ليس منظمة واحدة ضخمة، بل آلاف المتوسطة تتخذ قرارات متطابقة في نفس اللحظة. يدرس الاحتياطي الفيدرالي و SEC ونظراؤهم الأوروبيون كيف يؤثر الذكاء الاصطناعي على ارتباط الأصول في ظروف الضغط — بدون حلول تنظيمية ملموسة حتى الآن.

ماذا يعني هذا

مشكلة تجانس الذكاء الاصطناعي في المالية هي حالة خاصة من سؤال أوسع حول تركز البنية التحتية التكنولوجية. كلما زاد اعتماد المزيد من المشاركين في السوق على نفس النماذج الأساسية، زاد خطر الفشل المتسلسل المتزامن بدقة عندما تكون الاستقرار في أشد الحاجة إليه.