FinLedger AI: A Blockchain-Secured Organizational Finance Monitor with LLM-Powered Analysis

في عالم التمويل التنظيمي، لطالما أرهقت مشكلتان المديرين والمراجعين: الاحتفاظ بسجل لا يمكن تغييره سراً، وفهم الأرقام بمجرد تدوينها. تعتمد السجلات الرقمية التقليدية، وهي قواعد البيانات التي تُسجل فيها تدفقات الأموال، على سلطة مركزية للحفاظ على سلامتها. وهذا يخلق ثغرة؛ فإذا قرر شخص يمتلك صلاحيات كافية تعديل مدخل سابق لإخفاء خطأ أو سرقة، فإن النظام غالباً لا يملك وسيلة لإثبات حدوث التغيير. ببساطة، يتم تحديث السجل دون ترك أي أثر للحقيقة الأصلية. ومن الجانب الآخر من المعادلة، حتى عندما تكون السجلات مثالية، فإنها غالباً ما تكون مجرد قوائم ثابتة من الأرقام. إنها تنتظر بشراً لينظروا إليها، ويرصدوا نمطاً، ويدركوا أن خطأً ما قد حدث. هذا النهج القائم على رد الفعل يعني أن المشكلات المالية غالباً ما تُكتشف بعد أن تكون قد تسببت في ضرر بالفعل. والسؤال الذي طرحه الباحث هو: هل من الممكن بناء نظام يقوم بالأمرين معاً في آن واحد: نظام يحفظ تاريخ الأموال في مكانه بحيث لا يمكن العبث به، وفي الوقت نفسه يستخدم برمجيات ذكية لقراءة هذا التاريخ وتنبيهنا بما يعنيه؟

قام حمزة مدني، وهو خريج بكالوريوس في علوم الحاسوب من جامعة ساهيال في باكستان (دفعة 2022-2026)، ببناء إجابة عملية لهذا السؤال تسمى "FinLedger AI". وهو نظام قائم على الويب مصمم للمؤسسات الصغيرة والمتوسطة، يجمع بين طريقة أمن رقمي تُعرف باسم "البلوكشين" (سلسلة الكتل) وأداة ذكاء اصطناعي قادرة على قراءة البيانات المالية وشرحها. لا يقوم النظام بتحريك أموال حقيقية أو الاتصال بحسابات بنكية مباشرة؛ بل يعمل كدفتر ملاحظات آمن وذكي حيث يمكن للمؤسسات تسجيل دخلها ومصروفاتها. ويكمن الابتكار الجوهري في كيفية تعامله مع كل مدخل على حدة. فعندما يضيف المستخدم معاملة ما، لا يقوم النظام بمجرد حفظها في قاعدة بيانات، بل يختم ذلك المدخل في سلسلة رقمية حيث يرتبط كل سجل جديد بالسجل الذي سبقه رياضياً. يتم إنشاء هذا الرابط باستخدام نوع معين من البصمة الرقمية، وهي عملية تضمن أنه إذا حاول أي شخص العودة لتغيير رقم واحد في مدخل سابق، فإن سلسلة الروابط بأكملها ستنكسر. وسيكتشف النظام هذا الكسر فوراً ويطلق إنذاراً، مما يثبت أن السجل قد تم التلاعب به.

ولجعل هذا النظام عملياً للاستخدام اليومي، قام الباحث بفصل المستخدمين إلى مجموعتين متميزتين بصلاحيات وصول مختلفة. يمكن للمسؤولين (Administrators) رؤية الصورة المالية الكاملة للمؤسسة بأكملها، بينما يمكن للموظفين العاديين فقط عرض سجلاتهم الخاصة. وهذا يمنع الارتباك ويحمي الخصوصية، مما يضمن عدم قدرة موظف مبتدئ على رؤية بيانات الرواتب لجميع موظفي الشركة عن طريق الخطأ. وفوق هذه القاعدة الأمنية، تقع طبقة الذكاء؛ حيث يتصل النظام بنموذج لغوي كبير، وهو نوع من الذكاء الاصطناعي المدرب على فهم اللغة البشرية والأنماط المعقدة. يقرأ هذا الذكاء الاصطناعي السجل المختوم باستمرار ويترجم الأرقام الخام إلى لغة إنجليزية بسيطة (لغة مفهومة). ويمكنه إخبار المدير إذا كان الإنفاق يقترب من حدود الميزانية، أو التنبؤ بالمبلغ الذي سيتبقى في نهاية الشهر، أو تلخيص معاملات عام كامل في بضع جمل. إنه يحول قائمة الأرقام الثابتة إلى محادثة حول الصحة المالية للمؤسسة.

اختبر الباحث النظام بصرامة ليرى ما إذا كان بإمكانه الصمود أمام محاولات تعديل البيانات. في إحدى مجموعات الاختبارات، قام الباحث بتغيير قيمة واحدة في قاعدة البيانات عمداً، متجاوزين التطبيق العادي لمعرفة ما إذا كان النظام سيلاحظ ذلك. وفي اللحظة التي تم فيها إجراء التغيير، انكسرت الرابطة الرياضية بين كتل البيانات. وقام محرك التحقق في النظام، الذي يفحص السلسلة من البداية إلى النهاية، برصد التباين فوراً وأبلغ بأن سلامة السجل قد تعرضت للخطر. وقد أكد هذا أن الطبقة الأمنية تعمل تماماً كما هو مخطط لها: أي تعديل غير مصرح به يتم اكتشافه فوراً. كما أظهرت الاختبارات أن الذكاء الاصطناعي يمكنه بنجاح تحليل البيانات لإنشاء تنبيهات الميزانية وتوقعات الإنفاق بدقة. وقد بُني النظام باستخدام تقنيات برمجية متطورة تشمل (MERN stack) وواجهة برمجة تطبيقات (Google Gemini API)، مما يثبت أن الأمن عالي المستوى والذكاء المؤتمت يمكن تحقيقهما من خلال بنية تقنية حديثة.

وعلى الرغم من نجاحه، يقر ي الباحث بأن للنظام حدوداً. نظرًا لأن الأمن يعتمد على فحص كل رابط في السلسلة بالترتيب، فإن التحقق من تاريخ سجل يحتوي على ملايين السجلات قد يصبح بطيئاً. كما يفرض النظام قاعدة صارمة تقضي بعدم جواز تعديل المدخلات الماضية، حتى لو كان ذلك عن طريق الخطأ؛ فإذا كان الرقم خاطئًا، يجب تصحيحه بإضافة مدخل جديد معوض بدلاً من تغيير المدخل القديم. وهذا يضمن بقاء التاريخ دون انقطاع، رغم أنه قد يبدو أقل راحة مقارنة بجدول بيانات قياسي حيث يمكن للمرء ببساطة الحذف وإعادة الكتابة. علاوة على ذلك، ولأن النظام لا يتصل ببيانات بنكية مباشرة، فإنه يعتمد على المستخدمين لإدخال بياناتهم يدوياً، مما يعني أن تنبؤات الذكاء الاصطناعي ستكون حديثة بقدر حداثة المعلومات التي يدخلها الناس.

النتيجة النهائية هي برهان على إمكانية الجمع بين الشفافية والذكاء في الإدارة المالية في تطبيق واحد عملي. يُظهر "FinLedger AI" أنه من الممكن إنشاء سجل رقمي مختوم رياضياً ضد التلاعب، مع استخدام الذكاء الاصطناعي في الوقت ذاته لجعل تلك البيانات مفيدة. وقد أظهر النموذج الأولي الذي نفذه الباحث قدرته على تحقيق الأهداف الأربعة الرئيسية: إنشاء سجل آمن وغير قابل للتغيير للمعاملات، ووضع قيود على الوصول بناءً على أدوار المستخدمين، وتوفير تحليل مالي مؤتمت، وتقديم كل هذه المعلومات من خلال واجهة بسيطة وسهلة القراءة. ومن خلال هذا العمل، يشير الباحث إلى أن المؤسسات من أي حجم يمكنها الآن الحصول على أدوات كانت مقتصرة سابقاً على أكبر الشركات، مما يوفر وسيلة للحفاظ على نزاهة تاريخها المالي وجعل تخطيطها المستقبلي مبنياً على معلومات دقيقة.