التضخم التنبؤي: الذكاء الاصطناعي الذي يتوقع الزيادات قبل البنوك المركزية
بينما يحلل الاقتصاديون بيانات قديمة بشهر، يتنبأ الذكاء الاصطناعي بالتضخم في الوقت الفعلي من خلال مراقبة بطاقات الائتمان ووسائل التواصل الاجتماعي. إليك كيف تتفوق
يستعد محافظ البنك المركزي لمؤتمر صحفي حاسم. خلال الأشهر الثلاثة الماضية، حلل اقتصاديوه البيانات، وبنوا النماذج، واستشاروا الخبراء. سيتم الإعلان عن التوقعات الرسمية للتضخم بعد ساعات قليلة. لكن هناك مشكلة: عدة خوارزميات للذكاء الاصطناعي قد توقعت بالفعل اتجاهًا معاكسًا، وقد فعلت ذلك قبل أسابيع. من على حق؟
هذا ليس خيالًا علميًا بل هو الواقع الجديد للأسواق المالية. أصبح الذكاء الاصطناعي متطورًا جدًا في التنبؤ بالتضخم لدرجة أنه غالبًا ما يتفوق توقيته على المؤسسات التي من المفترض أن تتحكم فيه. وهذا يخلق تفاوتات معلوماتية قد تعيد رسم موازين القوى في الاقتصاد العالمي.
الثورة الصامتة للبيانات عالية التردد
لفهم كيفية ثورة الذكاء الاصطناعي في التنبؤ بالتضخم، يجب أولاً فهم حدود الأساليب التقليدية. تعتمد البنوك المركزية بشكل أساسي على البيانات الاقتصادية الكلية الرسمية: مؤشرات أسعار المستهلك، وإحصاءات العمالة، وبيانات الإنتاج الصناعي. المشكلة؟ تصل هذه البيانات متأخرة، غالبًا لأسابيع أو أشهر، وتقدم لقطة لحظة مضت بالفعل.
كما يوثق مشروع توقعات التضخم بالذكاء الاصطناعي، يمكن لنماذج التعلم الآلي والتعلم العميق دمج بيانات اقتصادية عالية التردد: معاملات بطاقات الائتمان في الوقت الفعلي، وحركات الأسعار على منصات التجارة الإلكترونية، وبيانات الأقمار الصناعية عن حركة البضائع، وحتى تحليل المشاعر للمحادثات على وسائل التواصل الاجتماعي. إنها لا تنتظر حتى ينشر معهد الإحصاء البيانات الشهرية، بل تستخرجها مباشرة من التدفق المستمر للاقتصاد الرقمي.
هذا الاختلاف في السرعة أساسي. إذا استطعت التنبؤ بالتضخم قبل أسبوعين أو ثلاثة من التوقعات الرسمية، فلديك ميزة تنافسية هائلة. يمكنك التموضع في الأسواق قبل أن تتغير أسعار الفائدة، ويمكنك تعديل أسعارك قبل المنافسين، ويمكنك حماية استثماراتك من تآكل القوة الشرائية.
عندما تتفوق الخوارزمية على الاقتصادي
لكن ما مدى دقة هذه التوقعات الخوارزمية فعليًا؟ دراسة عام 2025 نُشرت على SSRN قارنت بشكل منهجي النماذج التقليدية بتلك القائمة على الذكاء الاصطناعي، والنتائج مذهلة. النماذج المتقدمة للذكاء الاصطناعي لا تتنبأ بالتضخم بدقة أكبر فحسب، بل تفعل ذلك بتقدم زمني كبير.
لقد قام البنك المركزي التشيكي حتى بدمج نماذج الذكاء الاصطناعي في أدواته الرسمية، باستخدامها لتوقعات مدتها 12 شهرًا بنتائج تفوق الأساليب الكلاسيكية. هذه ليست تجارب أكاديمية بل تطبيقات عملية تؤثر بالفعل على قرارات السياسة النقدية التي تؤثر على ملايين الأشخاص.
كما أن بنك إنجلترا يجرب أنظمة الذكاء الاصطناعي للتنبؤ بالأزمات الاقتصادية وتحسين التواصل حول ديناميكيات التضخم. الرسالة واضحة: حتى أكثر المؤسسات تحفظًا تعترف بأن الأساليب التقليدية لم تعد كافية في اقتصاد يتسم بتعقيد وسرعة متزايدين.
طور البنك الوطني السويسري نماذج مبتكرة مثل "الغابة العشوائية المحمية" التي تحسن استقرار التوقعات، مما يجعل تحليل البيانات الاقتصادية أكثر قوة وموثوقية. الأمر لا يتعلق فقط بالتنبؤ بشكل أفضل، بل بالقيام بذلك بشكل أكثر اتساقًا، وتقليل تلك الإشارات الخاطئة التي يمكن أن تؤدي إلى قرارات خاطئة.
مشاعر المستهلك كمؤشر استباقي
أحد أكثر الابتكارات إثارة للاهتمام يتعلق باستخدام تحليل المشاعر. استكشفت الاحتياطي الفيدرالي في سانت لويس كيف يمكن للنماذج اللغوية التقاط توقعات تضخمية كامنة في المحادثات العامة، والمناقشات التجارية، والتقارير المالية.
المبدأ بسيط لكنه قوي: إذا بدأت الشركات في الحديث بشكل متكرر عن زيادة التكاليف، وإذا عبر المستهلكون عن قلقهم بشأن الأسعار، وإذا وسعت وسائل الإعلام الروايات التضخمية، فهذه ليست مجرد ثرثرة بل إشارات استباقية لضغوط على الأسعار ستتحقق بعد أسابيع أو أشهر.
يمكن للذكاء الاصطناعي معالجة الملايين من هذه الإشارات الضعيفة، ووزنها، وتضمينها في سياقها، وتحويلها إلى مؤشرات تنبؤية. يمكن أن تسبق موجة من عمليات البحث على جوجل عن "زيادة الأسعار" في قطاع معين الزيادة الفعلية في الأسعار في ذلك القطاع بأسابيع. يمكن أن يتنبأ التغيير في نبرة التقارير الشركاتية بضغوط على الهوامش ستتحول إلى زيادات للمستهلكين.
يستحوذ هذا النهج على شيء تفقده البيانات الاقتصادية الكلية التقليدية: النفسية الجماعية التي غالبًا ما تسبق وتضخم ديناميكيات التضخم. التضخم ليس مجرد ظاهرة اقتصادية بل نفسية أيضًا، وأصبح الذكاء الاصطناعي ماهرًا في قراءة هذه الإشارات النفسية قبل أن تتحول إلى أرقام رسمية.
التداول الخوارزمي للتضخم
لكن إذا كان لدى بعض المشاركين في السوق إمكانية الوصول إلى توقعات تضخمية أكثر دقة وتوقيتًا من غيرهم، فماذا يحدث؟ الإجابة مرئية بالفعل في الأسواق المالية، حيث يخلق التداول الخوارزمي القائم على توقعات الذكاء الاصطناعي مزايا تنافسية كبيرة.
تستثمر صناديق التحوط والمؤسسات المالية المتطورة بكثافة في هذه الأنظمة. لم تعد تنتظر حتى يعلن البنك المركزي عن رؤيته بشأن التضخم لاتخاذ المواقف. تتحرك أولاً، مسبقًا، بناءً على نماذج خاصة تعالج بيانات لا تملكها المؤسسات العامة أو لا يمكنها استخدامها.
هذا يخلق تفاوتًا معلوماتيًا عميقًا. أولئك الذين لديهم إمكانية الوصول إلى هذه التقنيات التنبؤية يمكنهم حماية أنفسهم من التضخم، والمضاربة على تحركات أسعار الفائدة، والمراجحة بين التصور الرسمي والواقع الناشئ. أولئك الذين لا يملكونها يجدون أنفسهم دائمًا متأخرين بخطوة، يتفاعلون مع تطورات توقعها الآخرون بالفعل.
تذكر الديناميكيات التي نوقشت في المقال حول الاقتصاد التنبؤي والأزمات المالية: عندما يستطيع الذكاء الاصطناعي توقع التطورات الاقتصادية، فإن أولئك الذين يتحكمون في هذه الأدوات التنبؤية يتراكم لديهم ميزة قد يصعب مواجهتها بوسائل تقليدية.
المشاريع الصغيرة في عصر التضخم الخوارزمي
لكن التأثير الأعمق قد يتعلق بالمشاريع الصغيرة والمتوسطة. تقليديًا، تعتمد هذه الشركات على مستشارين، وجمعيات قطاعية، وحدس ريادي لتقرر متى وكم تزيد الأسعار. ولكن إذا كان منافسوها الأكبر حجمًا لديهم إمكانية الوصول إلى توقعات تضخمية مدعومة بالذكاء الاصطناعي، فيمكنهم التحرك بشكل أسرع واستراتيجي.
تخيل أنك تدير سلسلة صغيرة من المطاعم. بدأ موردوك في زيادة الأسعار، وعليك أن تقرر ما إذا كنت ستُمرر هذه الزيادات للعملاء ومتى. إذا انتظرت طويلاً، فإنك تضعف هوامش ربحك. إذا تحركت مبكرًا جدًا، فإنك تخاطر بفقدان العملاء. إنه توازن دقيق يتطلب توقيتًا دقيقًا.
الآن تخيل أن سلسلة منافسة أكبر لديها نظام ذكاء اصطناعي توقع هذه الزيادات قبل ثلاثة أشهر. لقد قاموا بالفعل بتعديل عقود التوريد الخاصة بهم، وتحسين قوائم طعامهم، والتواصل بشكل استراتيجي مع العملاء. بينما لا تزال تحاول معرفة ما يجب فعله، يكونون قد أكملوا بالفعل عملية التحول.
كما استكشفنا في المقال حول الذكاء الاصطناعي لإدارة الموردين، فإن الذكاء الاصطناعي يحول أيضًا ديناميكيات سلسلة التوريد، وهذا يتشابك بشكل وثيق مع القدرة على توقع وإدارة الضغوط التضخمية.
التعميم الذي لا يتحقق
من الناحية النظرية، يجب أن يقوم الذكاء الاصطناعي بتعميم الوصول إلى الأدوات التنبؤية المتطورة. إذا كانت الخوارزميات مفتوحة المصدر يمكنها التنبؤ بالتضخم بشكل أفضل من اقتصاديي البنوك المركزية، فلماذا لا يتم توفيرها للجميع؟ لماذا لا يتم تسوية ساحة المعلومات؟
الواقع أكثر تعقيدًا. تتطلب النماذج الأكثر تطورًا الوصول إلى بيانات خاصة باهظة الثمن، وقوة حاسوبية كبيرة، وخبرة لتفسير النتائج. لا يكفي تحميل خوارزمية من GitHub. هناك حاجة إلى بنية تحتية تكنولوجية وتحليلية لا تملكها معظم الشركات الصغيرة ببساطة.
علاوة على ذلك، هناك مشكلة في الحوافز. المؤسسات المالية التي استثمرت ملايين في تطوير هذه الأنظمة تعاملها كأسرار تجارية قيمة. لا يوجد اهتمام بتعميم أدوات توفر مزايا تنافسية لأن قلة فقط يمتلكونها.
الخطر هو أن الذكاء الاصطناعي المطبق على التنبؤ بالتضخم قد يضخم التفاوتات القائمة بدلاً من تقليلها. أولئك الذين هم أقوياء بالفعل يصبحون أكثر قوة لأنهم يمكنهم رؤية المستقبل بوضوح أكبر. أولئك الذين هم عرضة للخطر يصبحون أكثر ضعفًا لأن عليهم الرد على تطورات توقعها الآخرون وتكيفوا معها بالفعل.
عندما تخلق التوقعات نبوءات
ثم هناك مفارقة أكثر دقة ولكنها قد تكون أكثر خطورة: إذا كان عدد كافٍ من الفاعلين الاقتصاديين يثقون في نفس توقعات الذكاء الاصطناعي بشأن التضخم، فيمكن أن تصبح تلك التوقعات ذاتية التحقق. إذا توقعت الخوارزميات التضخم ورفعت الشركات الأسعار بشكل استباقي نتيجة لذلك، فإنها تكون قد خلقت التضخم الذي كانت تتوقعه.
يمكن تضخيم هذه الظاهرة، المعروفة في الاقتصاد باسم "النبوءة ذاتية التحقق"، بواسطة الذكاء الاصطناعي بطرق مقلقة. قد يؤدي نموذج تنبؤي مؤثر بشكل خاص إلى إثارة ردود فعل في السوق تحقق بالضبط السيناريو الذي توقعه، ليس لأن التوقع كان دقيقًا ولكن لأنه كان موثوقًا به.
البنوك المركزية تدرك جيدًا هذا الخطر. لهذا السبب تسعى إلى إدارة التوقعات التضخمية بعناية، والتواصل بطريقة محسوبة لتجنب انفصال التوقعات عن الواقع. ولكن إذا أنتجت الخوارزميات الخاصة توقعات بديلة أكثر مصداقية، فقد تتآكل هذه القدرة على إدارة التوقعات.
خطر مراقبة الأسعار
هناك أيضًا بعد أكثر إثارة للقلق: مع تحسن أنظمة الذكاء الاصطناعي في التنبؤ بالتضخم، قد تُستخدم أيضًا لتنسيقه. إذا كان جميع الفاعلين الرئيسيين في قطاع ما يستخدمون خوارزميات مماثلة تقترح زيادات أسعار مماثلة في نفس الوقت، فلن تكون هناك حاجة حتى إلى كارتل صريح لتحقيق نتائج مشابهة لتلك الخاصة بالتواطؤ.
يثير هذا أسئلة معقدة لسلطات مكافحة الاحتكار. كيف تميز بين الشركات التي تصل بشكل مستقل إلى نفس الاستنتاجات بشأن الأسعار من خلال الخوارزميات والشركات التي تنسق الأسعار ضمنيًا من خلال تلك الخوارزميات بالذات؟ النتيجة العملية للمستهلكين هي نفسها: أسعار أعلى مما ستكون عليه في سوق تنافسية حقًا.
كما نوقش في المقال حول خوارزميات الذكاء الاصطناعي لمنع الاحتيال، يمكن استخدام نفس التكنولوجيا التي يمكن استخدامها للحماية أيضًا لأغراض أقل نبلاً. الخط الفاصل بين التنبؤ الأمثل بالأسعار والتواطؤ الخوارزمي رقيق وغير واضح.
الدور المتغير للبنوك المركزية
كل هذا يجبر البنوك المركزية على إعادة التفكير في دورها. لم يعد بإمكانها افتراض احتكار المعلومات حول ديناميكيات الأسعار. عليها أن تواجه حقيقة أن الفاعلين الخاصين قد يفهمون بشكل أفضل وأسرع منها اتجاه التضخم.
تستجيب بعض البنوك المركزية من خلال الاستثمار بكثافة في قدرات الذكاء الاصطناعي الخاصة بها. لكن هناك حدًا للمدى الذي يمكنها من خلاله المنافسة تكنولوجيًا مع القطاع الخاص، الذي لديه المزيد من الموارد، والمزيد من المرونة، والمزيد من الحوافز للابتكار بسرعة.
تستكشف بنوك أخرى أشكالًا من التعاون، وتسعى للوصول إلى بيانات ونماذج القطاع الخاص لإعلام قراراتها. لكن هذا يثير قضايا حوكمة: إلى أي مدى يجب أن تعتمد قرارات السياسة النقدية التي تؤثر على الجميع على خوارزميات خاصة طورتها مصالح خاصة؟
هناك أيضًا احتمال أن تصبح البنوك المركزية أكثر تفاعلاً من كونها استباقية. إذا تحركت الأسواق على أساس توقعات الذكاء الاصطناعي الخاصة قبل حتى أن تعلن المؤسسات الرسمية موقفها، فإن السياسة النقدية تخاطر بمطاردة التطورات باستمرار التي توقعها الآخرون بالفعل.