Measuring Algorithmic Monoculture in Credit Intermediation: Supply-Chain Concentration, Decision Convergence, and the Case for Reference-Portfolio Supervision
تتناول هذه الورقة نقص أطر القياس المتعلقة بالنمطية الخوارزمية في الوساطة الائتمانية من خلال التمييز بين تركيز سلسلة التوريد وتقارب القرارات، وتطوير نموذج يوضح أن النماذج المشتركة يمكن أن تزعزع استقرار العرض الائتماني عندما يرتفع ارتباط الخطأ بمعدل أسرع من انخفاض التباين، واقتراح نهج إشراف قائم على المحفظة المرجعية لتقدير ارتباط الخطأ مع المحاجة ضد الإضافات الرأسمالية المبكرة لصالح بناء قدرات قياس قوية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم المصارف، واجه المقرضون دائمًا حقيقة بسيطة ولكنها خطيرة: إذا اتخذت جميع البنوك قراراتها بناءً على المعلومات نفسها، فسترتكب جميعها الأخطاء ذاتها في الوقت ذاته. هذا ليس خوفًا جديدًا؛ بل هو المعادل المالي لعملية قيام مزارع بزراعة محصول واحد عبر قارة بأكملة. فإذا أصاب مرضٌ ذلك المحصول المحدد، سيفشل الحصاد بأكمله، ولن يملك المزارع أي احتياطي. لعقود من الزمن، راقب المنظمون البنوك لضمان عدم إقراضها جميعًا لنفس الشركات أو الأشخاص، لأنه إذا تعثر هؤلاء المقترضون، ستتعثر البنوك معًا. لكن نوعًا جديدًا من المخاطر قد ظهر، وهو نوع يصعب رؤيته. فبدلاً من الإقراض لنفس الأشخاص، بدأت البنوك الآن في استخدام البرامج الحاسوبية نفسها لتقرير من يحصل على القرض. هذه البرامج، التي غالبًا ما تُبنى على أنظمة ذكاء اصطناعي ضخمة ومشتركة، يمكنها معالجة ملايين الطلبات في ثوانٍ. والمبعث للقلق هو أنه إذا اعتمدت هذه الأنظمة جميعها على نفس الكود البرمجي الأساسي أو البيانات، فقد ترفض جميعها نفس المقترضين الجيدين أو توافق على نفس المقترضين السيئين في وقت واحد، مما يؤدي إلى حدوث تجميد مفاجئ وشامل للائتمان في النظام بأكلية لم يتوقعه أي بنك بمفرده.
لقد وضع فريق من الباحثين هدفًا لقياس هذا الخطر غير المرئي، الذي أطلقوا عليه اسم "أحادية النموذج الخوارزمي" (algorithmic monoculture). ويركز عملهم على الفجوة بين ما يستطيع المنظمون رؤيته وما يحتاجون إليه فعليًا. حاليًا، يمكن للمشرفين بسهولة عدّ عدد البنوك التي تستخدم مزود خدمة سحابية معينًا أو مورد برمجيات محددًا؛ أي يمكنهم رؤية سلسلة التوريد. ومع ذلك، لا يمكنهم رؤية النتيجة. فقد يستخدم بنكان نفس البرنامج تمامًا، ولكن إذا قاما بتعديله بشكل مختلف أو غذياه ببيانات مختلفة، فقد تظل قراراتهما فريدة من نوعها. وعلى العكس من ذلك، قد يستخدم بنكان برمجيات مختلفة تمامًا، ولكنهما يحلان المشكلة نفسها ببيانات متشابهة، مما قد يؤدي بهما إلى ارتكاب أخطاء متطابقة. ويرى الباحثون أن عدّ موردي البرمجيات هو وسيلة ضعيفة لقياس الخطر الحقيقي، لأن الخطر لا يتعلق بمن صنع الأداة، بل بما إذا كانت الأدوات ترتكب الأخطاء نفسها في الوقت نفسه.
ولفهم حجم المخاطر، بنى المؤلفون نموذجًا رياضيًا لكيفية تدفق الائتمان عبر الاقتصاد. لقد تخيلوا عالمًا تستخدم فيه البنوك نظام ذكاء اصطناعي مشتركًا وعالي الدقة. هذا النظام أفضل من الأنظمة المستقلة القديمة؛ فهو يرتكب أخطاء أقل بشكل عام. ومع ذلك، نظرًا لأنه نظام مشترك، فعندما يرتكب خطأً، ترتكبه كل البنوك معًا. ووجد الباحثون نقطة تحول حرجة؛ فإذا كان النظام المشترك أفضل قليلاً فقط من الأنظمة القديمة، فإن فائدة وجود أخطاء أقل ستتبدد بسبب خطر وقوع جميع الأخطاء في وقت واحد. وفي عمليات المحاكاة التي أجروها، وجدوا أن نظامًا أكثر دقة بنسبة خمسين بالمائة من الطرق القديمة يمكن أن يجعل النظام المصرفي بأكمله أكثر عدم استقرار، وذلك إذا تسبب في جعل أخطاء البنوك مترابطة للغاية. إن المكسب في الدقة لا يكفي لتغطية تكلفة الفشل المشترك. يصبح النظام أكثر تقلبًا، ويتأرجح بشدة بين الإقراض المفرط والإقراض المحدود، ببساطة لأن الجميع ينظرون إلى العالم من خلال العدسة نفسها.
ثم ينتقل البحث إلى مسألة كيفية رصد هذه المشكلة قبل وقوع الأزمة. يقترح المؤلفون طريقة جديدة لقياس الخطر باستخدام بيانات يجمعها المنظمون بالفعل، ولكن بطريقة جديدة. فبدلاً من مجرد سؤال البنوك عن النماذج التي تستخدمها، سيقوم المشرفون بإعطاء مجموعة من البنوك نفس المجموعة من طلبات القروض الافتراضية ذات النتائج المعروفة مسبقًا — وهي في الأساس اختبار حيث الإجابات مكتوبة بالفعل. ومن خلال مقارنة كيفية تقييم نموذج كل بنك لهذه الطلبات نفسها، يمكن للمنظمين حساب مدى ترابط أخطاء البنوك مع بعضها البعض. فإذا كانت جميع البنوك تقدم تنبؤات خاطئة حول نفس المتقدمين، فإن النظام يكون في خطر. واكتشف الباحثون أن هذا القياس صعب التنفيذ بدقة بشكل مفاجئ؛ إذ يتطلب الأمر ظهور عدد كبير من حالات التخلف عن السداد في البيانات ليكون مفيدًا إحصائيًا. أما بالنسبة لقروض الشركات الصغيرة أو قروض الشركات الكبرى، حيث يندر التخلف عن السداد، فإن البيانات تكون شحيحة جدًا بحيث لا تعطي إجابة واضحة. لكن بالنسبة للقروض الاستهلاكية اليومية، مثل البطاقات الائتمانية، توجد بيانات كافية للحصول على قراءة دقيقة.
وعلى الرغم من امتلاك وسيلة لقياس الخطر، يرى المؤلفون ضرورة عدم اللجوء إلى الحلول الأكثر وضوحًا. فهم يقترحون ألا يقوم المنظمون ببساطة بإجبار البنوك على استخدام نماذج مختلفة أو فرض رسوم رأس مال إضافية بناءً على مدى تشابه نماذجها. إن فرض التنوع قد يؤدي إلى نتائج عكسية، حيث يدفع البنوك لاستخدام نماذج أسوأ وأقل دقة لمجرد أن تبدو مختلفة، مما يضر بالمقترضين الذين يعتمدون على هذه الأنظمة للحصول على ائتمان عادل. وبدلاً من ذلك، يقترح البحث نهجًا أكثر عملية؛ إذ يجب على المنظمين التركيز على ضمان امتلاك كل بنك لخطة "احتياطية". فإذا كان البنك يعتمد بشكل كبير على نظام ذكاء اصطناعي خارجي مشترك، فيجب عليه إثبات قدرته على الانتقال إلى طريقة أخرى مستقلة لجزء كبير من أعماله في حال تعطل ذلك النظام المشترك أو بدأ في ارتكاب أخطاء مترابطة. وهذا يضمن أن النظام لديه نسخة احتياطية غير متصلة بالخطر الرئيسي.
ويشير الباحثون بحذر إلى أن هذه الأزمة لم تحدث بعد. وتظهر المسوحات الأخيرة أنه بينما تستخدم العديد من البنوك الذكاء الاصطناعي، فإن قلة منها فقط تستخدم النماذج التأسيسية المشتركة والأكثر تقدمًا في قرارات الإقراض الأساسية لديها. إن الخطر مستقبلي، بمعنى أنه شيء يمكن أن يحدث مع انتشار هذه التكنولوجيا. والضرورة الملحة لمقترحهم لا تكمن في أن الخطر موجود اليوم، بل في أنه بمجرد أن تتبنى البنوك هذه الأنظمة المشتركة بالكامل، سيكون من المستحيل معرفة مستوى الخطر "الطبيعي" قبل التغيير. وإذا انتظر المنظمون حتى يصبح الخطر مرئيًا للبدء في قياسه، فسيكونون قد فقدوا الخط المرجعي اللازم لفهم مدى سوء الوضع. ويخلص البحث إلى أن الوقت المناسب لبناء أدوات القياس هو الآن، بينما لا يزال النظام في مرحلة التغيير، وذلك لكي يتمكن المشرفون من رؤية التحول في الوقت الفعلي بدلاً من اكتشاف الضرر بعد فوات الأوان.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.