كيف يكسر الذكاء الاصطناعي نموذج التوظيف القديم في القطاع المصرفي

تحتل وظائف القطاع المصرفي في كينيا، وامتداداً لذلك في معظم الأسواق الأفريقية، مكانةً اجتماعية مرموقة بفضل الرواتب المستقرة وخطط التقاعد والثقة في قطاع يبدو بالغ الأهمية لدرجة أنه لا يمكن أن يتراجع. 

غير أن الانتشار المتسارع للذكاء الاصطناعي (AI) يُهدد بإعادة كتابة هذا الوعد. وعند النظر إلى بنك مثل ستاندرد تشارترد كينيا (StanChart)، تحكي الأرقام قصة كبيرة قبل أن يتحدث مسؤولوه.

في عام 2013، كان لدى StanChart أكثر من 2,200 موظف. في ذلك الوقت، كان البنك يُشغّل شبكة فروع واسعة، وفرق تشغيلية كبيرة، وعدة أدوار إدارية متوسطة، وآلاف الموظفين الذين يُعالجون معظم العمليات يدوياً—من استقبال العملاء ومعالجة الأوراق إلى المراجعة اليدوية والتسويات.

بحلول نهاية عام 2025، انخفض عدد موظفيه إلى ما دون 1,000 موظف للمرة الأولى في تاريخه.

تُشير هذه التحولات في StanChart إلى إعادة تسعير العمالة داخل القطاع المصرفي الأفريقي. فالعمل الذي كان يُبرر آلاف الوظائف في المستويات المبتدئة والمتوسطة بات الآن يُنجزه أنظمة أرخص تكلفةً وتحتاج إلى عدد أقل بكثير من الأشخاص.

في مايو، أشارت الشركة الأم للمُقرض إلى أن تخفيضات العقد الماضي ليست مؤقتة، بل هي جزء من توجهها الاستراتيجي الجديد. وخلال فعالية للمستثمرين في هونغ كونغ بتاريخ 19 مايو، أعلن البنك البريطاني عن خطط لتخفيض أكثر من 15% من موظفي وظائف الدعم بحلول عام 2030. 

هؤلاء هم الأشخاص العاملون في مجالات مثل الموارد البشرية والامتثال والمشتريات والعمليات والإدارة. وأعلن البنك صراحةً أن الذكاء الاصطناعي سيُساعد في استبدال كثير من تلك المهام، إذ سيُسهم تسريعه في "تحقيق تنفيذ أسرع ونتائج مالية واضحة".

ويسير البنك نحو ما يُسميه نموذج تشغيل "بسيط ومترابط وسريع"، يُسند فيه كل مهمة إلى الأتمتة أو سير العمل المدعوم بالذكاء الاصطناعي أو البشر. 

بحلول عام 2027، يتوقع البنك أن تخضع 90% من ضوابط التكنولوجيا الرئيسية للمراقبة المستمرة من قِبَل الذكاء الاصطناعي، فيما ستُقنَّن 80% من الضوابط بالكامل في قواعد قابلة للتنفيذ. كما تجري أتمتة العمليات التشغيلية، مع استهداف معالجة المستندات بالذكاء الاصطناعي بدقة 95% (مرتفعةً من 85%)، ومن المتوقع أن تُعالج المساعدات الافتراضية ما يصل إلى 60% من الاستفسارات الداخلية دون تدخل بشري.

نشر البنك أكثر من 300 حالة استخدام للذكاء الاصطناعي، منها 43 تطبيقاً توليدياً عالي التأثير، ودرّب نحو 85,000 موظف على Microsoft Copilot. ويُسجّل البنك مكاسب مبكرة في الكفاءة، تشمل انخفاضاً بنسبة 40% في النتائج الإيجابية الخاطئة في مراقبة الأصول الرقمية، وتخفيضاً بنسبة 88% في القوى العاملة للمراقبة عبر الأنظمة المركزية (مما يوفر نحو 10 ملايين دولار سنوياً)، وتراجعاً بنسبة 30% في الجهد اليدوي المرتبط بتنفيذ التغييرات التنظيمية. 

الذكاء الاصطناعي قادم نحو الموظفين

أسفرت الموجة الأولى من الخدمات المصرفية الرقمية عن إغلاق بعض الفروع، غير أن الذكاء الاصطناعي يتجه الآن نحو القليل منها المتبقي وحتى المقرات الرئيسية. 

في جوهرها، كانت الحقبة الأولى تتمحور حول العملاء. فقد أمضت البنوك 15 عاماً الأخيرة في إقناع العملاء بالتوقف عن زيارة الفروع واستخدام الخدمات المصرفية عبر الإنترنت أو الهاتف المحمول وأجهزة الصراف الآلي والخدمات المصرفية عبر الوكلاء. وقد أزال ذلك الحاجة إلى التفاعلات الجسدية، مما نقل غالبية المعاملات خارج قاعات البنوك.

أثّرت المرحلة الأولى من التحول على العمال في الخطوط الأمامية فحسب، كالصرافين. ومع تقلص بصمة الفروع، تراجعت عمليات التعامل بالنقد.

لكن المرحلة التالية من الأتمتة، كما تُشير إليها StanChart، أشد وطأةً لأنها تستهدف العمود الفقري المؤسسي داخل البنوك ذاتها.

تُوظّف الوظائف المصرفية كالموارد البشرية والامتثال ومراكز الاتصال وإلحاق العملاء آلاف الأشخاص في الأسواق الأفريقية تحديداً لأن القطاع المصرفي لا يزال يُمثّل أحد أكثر الصناعات تعقيداً إدارياً في القارة. يتعين على هذا القطاع التعامل مع أنظمة هوية متشعبة، ولوائح عابرة للحدود، ومتطلبات توثيق تعتمد بشكل كبير على الورق، والتزامات مكافحة غسل الأموال، وبنى تحتية متنوعة للمدفوعات عبر أسواق متعددة.

تاريخياً، عالجت قوى عاملة كبيرة معظم هذه القصور، لكن الذكاء الاصطناعي يُهدد الآن بالقيام بذلك بتكلفة أقل. وهذا هو مغزى إعلان StanChart. يُجادل البنك بأن كثيراً من وظائف الدعم لم تعد بحاجة إلى كثافة عمالية.

فعلى سبيل المثال، يستطيع النموذج اللغوي الكبير (LLM) مراجعة المستندات باستمرار دون تكاليف وقت إضافي، والإشارة إلى المعاملات المشبوهة أسرع من المحللين البشريين. كما تستطيع أنظمة الامتثال الآلية معالجة كميات هائلة من المعلومات التنظيمية على الفور، في حين تستطيع روبوتات خدمة العملاء التعامل مع آلاف الاستفسارات في آنٍ واحد.

ما كان يستلزم طوابق من الموظفين المبتدئين بات يستلزم بنية تحتية برمجية يُشرف عليها عدد أصغر من المتخصصين.

وظائف الطبقة المتوسطة

لا يتمثّل خطر التبني الأسرع للذكاء الاصطناعي في البنوك على الاقتصادات الأفريقية في البطالة وحسب، بل في تآكل العمل المهني في المستوى المتوسط.

كان القطاع المصرفي تاريخياً أحد أهم المحركات للطبقة المتوسطة الحضرية في أفريقيا. فقد أوجد مسارات منظمة لتوظيف الخريجين، وبرامج تدريب إداري، ومسارات مهنية مدعومة بالتقاعد، وعمالة ذات ياقات بيضاء مستقرة نسبياً.

مرّ كثير من النخب السياسية والتجارية الأفريقية البارزة عبر البنوك في مراحل مبكرة من مسيرتهم المهنية. وما يُهدد الذكاء الاصطناعي بإزالته هو بالضبط تلك الأنواع من الوظائف التي أوجدت تلك المسارات.

هذه الوظائف متكررة بما يكفي للأتمتة، لكنها تتطلب مهارات كافية لدعم الحياة الحضرية ذات الدخل المتوسط تاريخياً. وهذا ما يُفرز مخاطرةً اجتماعية أكبر.

إذا واصلت البنوك تحقيق أرباح قوية مع توظيف أعداد أقل بكثير من الموظفين، فقد يتوقف القطاع عن العمل بوصفه صاحب عمل رئيسياً. وقد يُشبه القطاع المصرفي قطاع التكنولوجيا ذاته، إذ يصبح عالي الإنتاجية وعالي الربحية في حين يوظّف أعداداً صغيرة من العمال المتخصصين.

وربما يكون التحول قد بدأ فعلاً. فعلى صعيد القطاع المصرفي في كينيا، يتركز التوظيف حول الأمن السيبراني وهندسة البيانات والذكاء الاصطناعي وإدارة علاقات العملاء المتخصصة، بدلاً من العمليات التقليدية. وتواصل بعض البنوك مثل KCB Group وEquity Group توسيع أعداد موظفيها الإجمالية، غير أن تركيبة التوظيف آخذة في التغير.