«فليكس سوفت» تَعِد بزمن طرح في السوق (Time-to-Market) يساوي صفرًا في التقنيات المالية عبر منصات AI-Native

ألقى أركادي لوباس، الرئيس التنفيذي لشركة تقنية المعلومات «فليكس سوفت»، كلمة في المنتدى الاحتفالي «فينتك X10». وقال إن بنية AI-Native والنهج القائم على المنصات يحققان Time-to-Market يساوي صفرًا في القطاع المالي. أي أن طرح منتج جديد في السوق يجب ألا يستغرق عمليًا أي وقت. الصياغة لافتة، لكن المواد المتاحة لا تتضمن المدة «قبل» و«بعد»، ولا أسماء البنوك، ولا وصفًا للتقنيات المستخدمة. لذلك يظل هذا حتى الآن طرحًا من المورّد، لا نتيجة جرى قياسها.

ما الذي أُعلن بالضبط

يتضح من المنشور عنصران. الأول: بنية AI-Native. يُطلق هذا الوصف عادةً على الأنظمة التي تُدمج فيها النماذج والوكلاء في عملية تطوير المنتج وتشغيله نفسها. فلا يُضاف الذكاء الاصطناعي من الأعلى على هيئة روبوت محادثة، بل يشارك في توليد الإعدادات والشيفرة البرمجية والاختبارات والوثائق. والعنصر الثاني: النهج القائم على المنصات، حيث تُجمَّع المنتجات من مكونات جاهزة قابلة لإعادة الاستخدام بدلًا من كتابتها من الصفر لكل مهمة.

الربط بين العنصرين منطقي. فالمنصة توفر مجموعة من اللبنات، ويسرّع الذكاء الاصطناعي تجميعها وضبطها. لكن هذا مخطط عام، وليس كشفًا عن البنية الفعلية لحل «فليكس سوفت» المحدد.

• المُعلن: Time-to-Market يساوي صفرًا في القطاع المالي.
• المنصة: المنتدى الاحتفالي «فينتك X10»، عام 2026.
• الأساس: بنية AI-Native والنهج القائم على المنصات.
• غير المكشوف: النماذج المستخدمة، وهل البيئة سحابية أم محلية، ومدد التنفيذ، والعملاء، والأثر الاقتصادي.

كيف نقرأ كلمة «صفر»

الصفر الحرفي غير قابل للتحقق في القطاع المالي. فالمنتج الائتماني أو المدفوعاتي الجديد يمر بفحص قانوني، وتقييم للمخاطر، وتكامل مع أنظمة المحاسبة، واختبار، واستيفاء متطلبات الجهة التنظيمية. ولا توجد بنية قادرة على إلغاء هذه المراحل.

والقراءة الواقعية هي أن الجزء التقني من الإطلاق ينكمش إلى مجرد ضبط للإعدادات. فيصف مدير المنتج الشروط، وتجمّع المنصة العملية، ويُعدّ الذكاء الاصطناعي الاختبارات والوثائق. عندها تصبح الموافقات هي عنق الزجاجة، لا التطوير. وهذا مفيد، لأن التطوير والتكامل يستهلكان اليوم جزءًا ملحوظًا من دورة الإطلاق في البنوك. لكن «الصفر» هنا تعبير تسويقي عن أقصى درجات التسريع، وليس قيمة فيزيائية.

أين سيصطدم التصريح بالواقع

لنهج AI-Native في القطاع المالي قيود معروفة.

• القابلية للتفسير. تطلب الجهة التنظيمية والتدقيق فهم سبب اتخاذ النظام قراره. وهذا أصعب مع النماذج التوليدية منه مع القواعد الحتمية.
• أخطاء التوليد. يجب فحص الشيفرة أو الإعدادات التي ينتجها النموذج. وإذا كان الفحص يدويًا، يتقلص المكسب الزمني.
• نطاق البيانات. تعمل المؤسسات المالية في روسيا تحت متطلبات صارمة لتخزين البيانات ومعالجتها. وهذا يعني في كثير من الأحيان نماذج محلية وقيودًا على القدرات الحاسوبية.
• الاعتماد على المنصة. كلما ارتبطت المنتجات بمنصة واحدة بشكل أعمق، ارتفعت كلفة تغيير المورّد.

إجابات هذه الأسئلة تحديدًا هي ما يميّز البنية العاملة عن العرض التقديمي. ويبدو، بحسب النص المتاح، أنها لم تُعلن في المنتدى.

ما الأسئلة التي ينبغي طرحها على المورّد

إذا كنت بنكًا أو شركة تأمين أو شركة تقنيات مالية وتدرس عروضًا من هذا النوع، فلا تكتفِ بالشعار. اطلب إثباتات ملموسة.

أولًا: حالة تطبيق قابلة للقياس مدعومة بالأرقام. كم أسبوعًا استغرق إطلاق المنتج قبل المنصة، وكم بعدها، ولأي نوع من المنتجات.

ثانيًا: أين يقع الذكاء الاصطناعي في السلسلة ومن يتحمل مسؤولية نتيجة عمله. يجب معرفة هل يوجد إنسان في حلقة التحقق، وكيف تُوثَّق قرارات النموذج.

ثالثًا: على أي نماذج يعمل الحل وأين تُنشَر. فالكلفة والأمان والامتثال للمتطلبات تعتمد على ذلك.

رابعًا: ماذا سيحدث عند مغادرة المنصة. المطلوب صيغ للتصدير، وحقوق ملكية الإعدادات، ومدد الترحيل.

إلى أن تعرض «فليكس سوفت» أرقامًا، من المعقول اعتبار وعد Time-to-Market الصفري اتجاهًا للتحرك، لا ضمانًا. وتجربة تجريبية على منتج واحد مع قياس المدد الزمنية ستعطي معلومات أكثر من أي كلمة تُلقى في منتدى.