Sebastien Rousseau

ریسک هوش مصنوعی اشخاص ثالث

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا

استفاده از هوش مصنوعی در میان مؤسسات مالی بریتانیایی مشارکت‌کننده در نظرسنجی به 86% رسیده است، اما ارقامی که بیشترین اهمیت را دارند زیر این تیتر قرار دارند: اشخاص ثالث اکنون بیش از نیمی از سامانه‌های با اهمیت بالا را تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی است که مؤسسات گزارش می‌کنند.

17 دقیقه مطالعه
Banner for: هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا

استفاده از هوش مصنوعی در میان مؤسسات مالی بریتانیایی مشارکت‌کننده در نظرسنجی به 86% رسیده است، اما ارقامی که بیشترین اهمیت را دارند زیر این تیتر قرار دارند: اشخاص ثالث اکنون بیش از نیمی از سامانه‌های با اهمیت بالا را تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی است که مؤسسات گزارش می‌کنند.

خلاصهٔ مدیریتی

  • 86% پاسخ‌دهندگان از استفاده از هوش مصنوعی خبر دادند، در مقایسه با 75% در 2024. هوش مصنوعی مولد 56% سامانه‌های گزارش‌شده را تشکیل می‌داد.
  • حدود 7% سامانه‌های گزارش‌شده با اهمیت بالا ارزیابی شدند، در مقایسه با 16% در 2024، اما شمار مطلق سامانه‌های با اهمیت بالا در 2026 بیشتر بود.
  • پیاده‌سازی‌های اشخاص ثالث 53% سامانه‌های با اهمیت بالا را تشکیل می‌دادند، در مقایسه با 35% در 2024. سه ارائه‌دهندهٔ نخست ابر/پردازش 79% روابط گزارش‌شدهٔ ابر/پردازش را در اختیار دارند.
  • 80% پاسخ‌دهندگان عامل‌های هوش مصنوعی مستقر کرده‌اند، اما تنها 2% عامل‌هایی با خودمختاری گسترده گزارش کردند.
  • پاسخ‌دهندگان انتظار دارند هم منافع و هم ریسک‌ها در همهٔ دسته‌ها افزایش یابند، و تشدید ریسک سایبری و وابستگی‌های حیاتی به اشخاص ثالث ریسک‌های سیستمی با بالاترین رتبه‌اند.
  • نظارت بر سامانه‌های هوش مصنوعی اشخاص ثالث پرگزارش‌ترین چالش حاکمیتی بود.

این نظرسنجی چیست، و چه نیست #

این نشریه، چهارمین نظرسنجی بانک انگلستان و FCA (سازمان رفتار مالی بریتانیا) دربارهٔ هوش مصنوعی و یادگیری ماشین در خدمات مالی بریتانیا، خلاصه‌ای توصیفی از نتایج تجمیعی نظرسنجی است، و پیش از هر نتیجه‌گیری باید این چارچوب را در نظر داشت. یافته‌ها شواهدی از مؤسسات مشارکت‌کننده‌اند، نه ارزیابی کاملی از پذیرش هوش مصنوعی در کل بخش مالی بریتانیا. هیچ چیز در ادامه را نباید سرشماری خواند.

نظرسنجی 196 پاسخ دریافت کرد: 101 مؤسسهٔ بزرگ‌تر و 95 مؤسسهٔ کوچک‌تر. برای نخستین بار، مؤسسات با کمتر از 100 کارمند می‌توانستند پرسشنامه‌ای کوتاه‌تر را برگزینند، و 105 پاسخ‌دهنده نظرسنجی کامل را تکمیل کردند. جز در مواردی که خلاف آن ذکر شده باشد، ارقام گزارش بر پاسخ‌های نظرسنجی کامل استوارند، که مقایسه با نظرسنجی‌های پیشین را آسان‌تر می‌کند. درصدها تنها با پاسخ‌های معتبر در سطح هر پرسش محاسبه شده‌اند، پس مؤسساتی که به پرسشی پاسخ نداده‌اند از مخرج همان پرسش کنار گذاشته می‌شوند. پاسخ‌های بانک‌های بین‌المللی و کارگزاران/معامله‌گران با ارجاع به عملیات آن‌ها در بریتانیا ارائه شده‌اند.

نظرسنجی 2026 پرسش‌های اصلی نظرسنجی‌های پیشین را برای حفظ پیوستگی نگه داشت، و پرسش‌هایی را برای بازتاب تحولات پذیرش و توانمندی هوش مصنوعی از 2024 به این سو افزود یا اصلاح کرد. به همین دلیل گزارش می‌تواند ارقام 2026 را در برابر ارقام 2024 برای پذیرش، اهمیت و سهم اشخاص ثالث بگذارد، و به همین دلیل نیز از خوانندگان می‌خواهد هر جا صورت‌بندی پرسش، تعاریف، دامنه یا جامعهٔ پاسخ‌دهندگان متفاوت است، مقایسه با 2024 را با احتیاط تفسیر کنند. برخی موضوع‌ها، مانند پیوست کوتاه دربارهٔ هوش مصنوعی پیشرو و ریسک سایبری، اصلاً مقایسه‌ای با 2024 ندارند.

این قیدها اهمیت دارند، چون چند مورد از چشمگیرترین ارقام در ادامه سهمی از سهم‌اند. خواننده‌ای که مخرج‌ها را نادیده بگیرد، تغییر در ترکیب را با تغییر در حجم اشتباه می‌گیرد. خود نظرسنجی نمونهٔ روشنی از این دام ارائه می‌دهد، که به‌زودی به آن می‌رسیم.

پذیرش تقریباً فراگیر است، و هوش مصنوعی مولد غالب است #

از تیتر آغاز کنیم. 86% پاسخ‌دهندگان از استفاده از هوش مصنوعی خبر دادند، در مقایسه با 75% در 2024. این رقم هم نظرسنجی کامل و هم نظرسنجی کوتاه را در بر می‌گیرد، و خود گزارش هشدار می‌دهد که درصدهای 2026 و 2024 به یک جامعهٔ واحد از مؤسسات مربوط نیستند و باید با احتیاط مقایسه شوند. مؤسسات به‌طور فزاینده از استفاده از هوش مصنوعی مولد، عامل‌های مبتنی بر هوش مصنوعی و پیاده‌سازی‌های اشخاص ثالث از سامانه‌های هوش مصنوعی خبر می‌دهند، و این سه رشته از همهٔ بخش‌های دیگر نظرسنجی می‌گذرند.

هوش مصنوعی مولد 56% کل سامانه‌های هوش مصنوعی گزارش‌شده را تشکیل می‌داد. مقایسه‌ای که گزارش انجام می‌دهد با مدل‌های پایه است، که در 2024 17% موارد کاربرد گزارش‌شدهٔ هوش مصنوعی را تشکیل می‌دادند. گزارش می‌گوید این سنجه‌ها مستقیماً قابل مقایسه نیستند، پس خطاست اگر آن را جهشی 39 واحدی در یک فناوری بنامیم؛ به تعبیر گزارش، این دو در کنار هم از افزایشی چشمگیر در استفادهٔ گزارش‌شدهٔ مؤسسات از توانمندی‌های همه‌منظوره از 2024 به این سو حکایت دارند.

هوش مصنوعی در کجای مؤسسات قرار دارد؟ عملیات و فناوری اطلاعات حدود 31% کل سامانه‌های هوش مصنوعی گزارش‌شده را تشکیل می‌دادند، در مقایسه با حدود 22% در 2024، و هیچ حوزهٔ منفرد دیگری بیش از 11% نداشت. تمرکزی چشمگیر است. موارد کاربرد مشتری‌محور و جبههٔ مقدم (front office) بیشترین توجه عمومی را می‌گیرند، اما بزرگ‌ترین بلوک منفرد سامانه‌های گزارش‌شده در لوله‌کشی کسب‌وکار است. رقمی مرتبط از بخش مؤسسات کوچک به همین سو اشاره دارد: در میان پاسخ‌دهندگان نظرسنجی کوتاه، عملیات با 64% پرگزارش‌ترین حوزه برای کاربرد کنونی یا برنامه‌ریزی‌شدهٔ هوش مصنوعی بود.

منافع ادراک‌شده با این تصویر همخوان‌اند. کارایی عملیاتی، خودکارسازی و بهره‌وری بالاترین رتبه را در میان حوزه‌های منفعت ادراک‌شده از هوش مصنوعی امروز داشتند. بر پایهٔ آنچه مؤسسات گزارش می‌کنند، آن‌ها عمدتاً از هوش مصنوعی برای اداره‌کردن کارآمدتر خودشان استفاده می‌کنند.

پذیرش یکنواخت هم توزیع نشده است. نزدیک به نیمی از مؤسسات ده سامانهٔ هوش مصنوعی یا کمتر گزارش کردند، در حالی که ده مؤسسه‌ای که بیشترین سامانه را گزارش کردند 43% کل سامانه‌های هوش مصنوعی گزارش‌شده را در اختیار داشتند. پس رقم 86% گستردگی استفاده را توصیف می‌کند، نه عمق آن را. شمار اندکی از مؤسسات سهم بزرگی از کل را بر دوش دارند، و شمار زیادی از مؤسسات تنها چند سامانه را اداره می‌کنند. مؤسسات کوچک نیز در این ترکیب حضور دارند: 73% پاسخ‌دهندگان نظرسنجی کوتاه از استفاده از هوش مصنوعی خبر دادند، و از این گروه، 58% گفتند عمدتاً از مدل‌های زبانی بزرگ همه‌منظوره استفاده می‌کنند.

معمای اهمیت #

دامی که پیش‌تر به آن اشاره شد این است. پاسخ‌دهندگان حدود 7% سامانه‌های هوش مصنوعی گزارش‌شده را با اهمیت بالا ارزیابی کردند، در مقایسه با 16% در 2024. در نگاه نخست، به نظر می‌رسد هوش مصنوعی برای مؤسسات کم‌اهمیت‌تر یا کم‌ریسک‌تر شده است.

چنین معنایی ندارد. شمار مطلق سامانه‌های هوش مصنوعی با اهمیت بالای گزارش‌شده در 2026 از 2024 بیشتر بود. سهم کاهش یافت چون کل مجموعه سریع‌تر از زیرمجموعهٔ با اهمیت بالا رشد کرد. با استقرار سامانه‌های بیشتر از سوی مؤسسات، بیشتر افزوده‌ها کم‌اهمیت‌تر ارزیابی می‌شوند، که درصد را رقیق می‌کند در حالی که شمار سامانه‌های با اهمیت بالا همچنان بالا می‌رود. این سامانه‌ها متمرکز نیز هستند: ده مؤسسه 62% کل سامانه‌های هوش مصنوعی با اهمیت بالای گزارش‌شده را در اختیار داشتند.

این اصلاحیه‌ای سودمند برای هر کسی است که پروندهٔ حاکمیتی را تنها بر درصدها بنا می‌کند. کاهش سهم سامانه‌های با اهمیت بالا هیچ نکتهٔ اطمینان‌بخشی دربارهٔ بار کاری مسئولان آن‌ها نمی‌گوید. اکنون بیش از 2024 سامانه برای نظارت وجود دارد.

سامانه‌های مهم از کجا می‌آیند #

پیامدارترین نتیجهٔ نظرسنجی این است که چه کسی سامانه‌های مهم‌تر را می‌سازد و اداره می‌کند. پیاده‌سازی‌های اشخاص ثالث 39% کل سامانه‌های هوش مصنوعی گزارش‌شده را تشکیل می‌دادند، در مقایسه با 33% در 2024 و 17% در 2022. حرکتی پیوسته است. جابه‌جایی در میان سامانه‌های با اهمیت بالا بسیار تندتر است: پیاده‌سازی‌های اشخاص ثالث 53% آن‌ها را تشکیل می‌دادند، در مقایسه با 35% در 2024.

پس در کل سامانه‌های گزارش‌شده، آن‌هایی که مؤسسات مهم‌ترین می‌دانند اکنون به احتمال بیشتر از بیرون می‌آیند. افزایشی 18 واحدی در دو سال، در همان دسته‌ای که شکست در آن بیشترین آسیب را می‌زند، روشن‌ترین نشانه در داده‌هاست. در کنار یافتهٔ اهمیت که پیش‌تر آمد، تصویر چنین است: شمار رو‌به‌رشدی از سامانه‌های مهم، که اکثریت آن‌ها را مؤسسات خود نمی‌سازند.

تمرکز در میان ارائه‌دهندگان این تصویر را تیزتر می‌کند. سه ارائه‌دهندهٔ بزرگ ابر و توان پردازشی 79% کل روابط گزارش‌شدهٔ ابر/پردازش را در اختیار داشتند، و 98% پاسخ‌دهندگان از یکی از این سه استفاده می‌کردند. ارائهٔ API و میزبانی مدل نیز متمرکز بود، هرچند کمتر: سه ارائه‌دهندهٔ بزرگ 54% روابط گزارش‌شده را در اختیار داشتند، و هر سه ارائه‌دهندهٔ نخست ابر/پردازش در میان پنج ارائه‌دهندهٔ نخست API/میزبانی مدل نیز بودند. مؤسسات ممکن است سامانه‌های هوش مصنوعی فراوانی داشته باشند، اما برای زیرساخت و مدل‌های زیربنایی به مجموعهٔ کوچکی از تأمین‌کنندگان متکی‌اند.

جایگزینی پرسش دشوارتر است. از 169 رابطهٔ متمایز ابر و پردازش گزارش‌شده، 37% هم بسیار حیاتی و هم دشوار برای جایگزینی تشخیص داده شدند، و تنها 35% از این گروه برنامهٔ خروج آزموده‌شده داشتند. برای 226 رابطهٔ API/میزبانی مدل، سهم روابط بسیار حیاتی و دشوار برای جایگزینی 14% بود. انتظارات تقویت‌شدهٔ تاب‌آوری عملیاتی برای هوش مصنوعی اشخاص ثالث، مانند آزمون مشترک رخداد یا برنامه‌ریزی خروج، را تنها 27% مؤسسات گزارش کردند.

پاسخ‌دهندگان خود نسخهٔ سیستمی این نگرانی را مطرح کردند: تشدید ریسک سایبری و وابستگی‌های حیاتی به اشخاص ثالث دو ریسک سیستمی با بالاترین رتبه بودند، هم امروز و هم در سه سال آینده، و پاسخ‌دهندگان انتظار داشتند با گسترش استفاده از هوش مصنوعی شدت گیرند. سهم کسانی که وابستگی‌های حیاتی به اشخاص ثالث را نگرانی زیاد یا شدید ارزیابی کردند از 40% امروز به 63% در یک تا سه سال آینده رسید. این انتظار پیش‌بینی پاسخ‌دهندگان است، نه نتیجه‌ای مشاهده‌شده، اما ارقام تمرکز تأمین‌کنندگان مبنای آشکاری برای آن فراهم می‌کنند.

مؤسسات از این محدودیت بی‌خبر نیستند. 40% پاسخ‌دهندگان نگرانی‌های امنیت اطلاعات و تاب‌آوری عملیاتی را محدودیتی عمده بر پذیرش هوش مصنوعی اشخاص ثالث دانستند، و پس از آن شفافیت محدود در سامانه‌های هوش مصنوعی اشخاص ثالث (دادهٔ آموزشی، طراحی مدل، محدودیت‌های عملکرد، حالت‌های شکست) با 34% قرار گرفت. با شمارش محدودیت‌های عمده و متوسط در کنار هم، دشواری مذاکره بر سر حمایت‌های قراردادی دومین چالش پرتکرار بود. در مجموع، این‌ها مؤسساتی را توصیف می‌کنند که به‌شدت به ارائه‌دهندگان بیرونی تکیه دارند و در عین حال می‌گویند همیشه نمی‌توانند درون آن‌ها را ببینند.

عامل‌ها: گسترده در استقرار، عمدتاً در نقش پشتیبان #

ارقام عامل‌ها خوانش دقیقی می‌طلبند، چون تیتر و محتوا به دو سوی متفاوت اشاره دارند. 80% پاسخ‌دهندگان عامل‌های هوش مصنوعی مستقر کرده‌اند، و 14% دیگر برنامهٔ استقرار آن‌ها را در 12 ماه آینده گزارش کردند. بر پایهٔ این ارقام، تنها باقی‌ماندهٔ کوچکی نه عاملی مستقر کرده و نه برنامه‌ای برای آن دارد.

اما ببینید عامل‌ها چه می‌کنند. 80% پاسخ‌دهندگان عامل‌هایی را در محیط عملیاتی گزارش کردند که پشتیبانی از تصمیم ارائه می‌دهند، یعنی عامل‌های هوش مصنوعی اقدام را توصیه می‌کنند و انسان‌ها تصمیم می‌گیرند و اجرا می‌کنند. 46% عامل‌هایی با اجرای محدود، که در چارچوب حدود و قواعد از پیش تعیین‌شده اقدام می‌کنند، و 22% عامل‌هایی با خودمختاری مشروط گزارش کردند. تنها 2% از استقرار عامل‌هایی با خودمختاری گسترده خبر دادند. الگوی غالب عامل‌هایی است که توصیه می‌کنند یا در حدود تنگ اقدام می‌کنند.

ارتباطات با مشتری جایی است که مرز شروع به جابه‌جایی کرده است. 16% از استفادهٔ کنونی عامل‌ها برای ارتباطات خودکار با مشتری خبر دادند، و با احتساب استقرار برنامه‌ریزی‌شده این رقم به 34% می‌رسد. اگر مؤسسات برنامه‌های خود را اجرا کنند، این سهم بیش از دو برابر می‌شود، هرچند برنامه برنامه است، و نظرسنجی نمی‌تواند بگوید چه تعداد از آن‌ها به ثمر می‌رسد. در مقابل، حتی با احتساب استقرار برنامه‌ریزی‌شده، بیش از 9% پاسخ‌دهندگان انتظار نداشتند عامل‌ها نتایج مربوط به مشتری را تأیید یا رد کنند، معامله اجرا کنند یا سفارش ثبت کنند، پرداخت را آغاز، اجرا یا مسدود کنند، یا حدود، آستانه‌ها و کنترل‌ها را تغییر دهند.

برداشت من این است که رقم 2% گویاتر است، و بیش از 80% سزاوار توجه است. استقرار عاملی که پیشنهاد می‌دهد و منتظر یک انسان می‌ماند، گامی متواضعانه است. استقرار عاملی با خودمختاری گسترده تغییر می‌دهد که چه کسی پاسخگوی نتیجه است. مؤسسات تاکنون حاضر بوده‌اند گام نخست را به‌طور گسترده بردارند و گام دوم را تقریباً هیچ. اینکه برنامه‌های ارتباطات با مشتری آغاز تغییری در این موضع باشند یا نه، از پرسش‌های باز جالب‌تر در داده‌هاست.

انتظار افزایش هم منافع و هم ریسک‌ها #

پاسخ‌دهندگان هوش مصنوعی را شرطی یک‌سویه نمی‌بینند. آن‌ها انتظار داشتند منافع در همهٔ حوزه‌ها طی سه سال آینده افزایش یابد، و بیشترین افزایش پیش‌بینی‌شده در امنیت سایبری و تاب‌آوری عملیاتی، و در درآمدزایی و جایگاه رقابتی باشد. این‌ها انتظارند، و نظرسنجی نیز آن‌ها را همین‌گونه ارائه می‌کند. هیچ یک از منافع فهرست‌شده امروز به‌طور گسترده بیش از متوسط تلقی نمی‌شد.

سوی ریسک نیز، از نظر جهت، به همان اندازه سازگار است. بالاترین رتبه در میان حوزه‌های ریسک ادراک‌شده برای مؤسسات از هوش مصنوعی امروز به حفاظت و امنیت داده، ریسک اشخاص ثالث و زنجیرهٔ تأمین، و ریسک‌های ویژهٔ هوش مصنوعی مولد تعلق داشت. در یک تا سه سال آینده، پاسخ‌دهندگان انتظار داشتند سطح ریسک در همهٔ دسته‌ها افزایش یابد، هرچند به‌طور میانگین ریسک‌ها را در 2026 کم‌شدت‌تر از 2024 ارزیابی کردند.

منبع تصویر کلی را با زبانی متوازن قاب می‌گیرد. این تحولات ممکن است منافعی از جمله کارایی بیشتر، پشتیبانی بهتر از تصمیم و مدیریت ریسک قوی‌تر به همراه آورند. همچنین ممکن است ریسک‌هایی مرتبط با حاکمیت، تاب‌آوری عملیاتی، حفاظت از داده، نتایج برای مصرف‌کننده، وابستگی به اشخاص ثالث و ثبات مالی را ایجاد یا تشدید کنند. این احتیاط از آنِ منبع است، و بجاست؛ نظرسنجی ادراک‌ها و رویه‌های گزارش‌شده را می‌سنجد، نه سود و زیان تحقق‌یافته را.

یک خوشه از نتایج به هوش مصنوعی پیشرو (frontier AI) و توانمندی سایبری مربوط است. 88% پاسخ‌دهندگان ارزیابی کردند که توانمندی‌های سایبری در حال تحول هوش مصنوعی پیشرو در دو سال آینده تأثیری متوسط یا زیاد بر نیم‌رخ ریسک مؤسسهٔ آن‌ها خواهد داشت. این ارزیابی‌ای آینده‌نگر است نه اثری سنجیده‌شده، هرچند 19% هم‌اکنون افزایش اثربخشی حملات زنجیرهٔ تأمین یا اشخاص ثالث را کانالی دانستند که هوش مصنوعی پیشرو امروز از طریق آن بیشترین ریسک را ایجاد می‌کند. آنچه مؤسسات تاکنون در پاسخ انجام داده‌اند آسان‌تر وارسی می‌شود: 64% مدیریت آسیب‌پذیری و آهنگ وصله‌گذاری را حوزه‌ای از تاب‌آوری سایبری برگزیدند که در نتیجهٔ آگاهی از هوش مصنوعی پیشرو بیشترین افزایش توجه مدیریت را دریافت کرده است.

محدودیت‌ها: بیشتر عملی تا نظارتی #

اگر انتظار داشتید مقررات در صدر فهرست موانع باشد، نظرسنجی ظریف‌تر است. پرتکرارترین محدودیت‌های غیرنظارتی دشواری یکپارچه‌سازی هوش مصنوعی در فرایندها و تصمیم‌های کسب‌وکار موجود، و سامانه‌ها یا زیرساخت‌های قدیمی بودند، که به ترتیب از سوی 23% و 22% پاسخ‌دهندگان محدودیت بزرگ شناخته شدند. این سهم‌ها متوسط‌اند، که نشان می‌دهد هیچ مانع غیرنظارتی واحدی غالب نیست، اما مسائلی معمولی از جنس مهندسی و سازمان‌اند، نه مسائلی غریب.

در سوی نظارتی، پرتکرارترین محدودیت‌های ادراک‌شده حفاظت از داده و حریم خصوصی بریتانیا، و مقررات بین‌المللی بودند، که به ترتیب 42% و 29% پاسخ‌دهندگان آن‌ها را دارای بار انطباقی سنگین دانستند. 28% هیچ محدودیت نظارتی‌ای گزارش نکردند.

مؤسسات کوچک الگوی مشابهی نشان می‌دهند: 30% پاسخ‌دهندگان نظرسنجی کوتاه حفاظت از داده، محرمانگی و ملاحظات فناوری اطلاعات را محدودیت دانستند. حفاظت از داده در رتبه‌بندی ریسک‌ها، ارقام بار نظارتی و محدودیت‌های مؤسسات کوچک ظاهر می‌شود. اگر جز اشخاص ثالث، مضمونی واحد بخش‌های مختلف نظرسنجی را به هم پیوند دهد، همین است.

حاکمیت: گسترده بر کاغذ، کم‌رنگ‌تر پس از استقرار #

ساختارهای رسمی تقریباً فراگیرند. 94% پاسخ‌دهندگان سیاست‌ها، اصول یا استانداردهای هوش مصنوعی در سطح کل مؤسسه، و 84% مجامع متمرکز حاکمیت هوش مصنوعی/ریسک مدل را گزارش کردند. در میان کنترل‌های ریسک داده، تأیید انسانی، بازبینی پیش از استقرار و بررسی دقیق تأمین‌کننده را هر یک بیش از 90% پاسخ‌دهندگان گزارش کردند.

اکنون کنترل‌هایی را مقایسه کنید که پس از راه‌اندازی اعمال می‌شوند. پایش مستمر، آزمون نشت و بازبینی دوره‌ای یا اعتبارسنجی مجدد را هر یک حدود نیمی از پاسخ‌دهندگان گزارش کردند. تضاد آشکار است. کنترل‌های ریسک داده‌ای که پیش از استقرار یا در لحظهٔ آن رخ می‌دهند، جایی که فردی چیزی را امضا و تأیید می‌کند، تقریباً فراگیرند. آن‌هایی که پس از استقرار به کار ادامه می‌دهند، از سوی تقریباً نیمی گزارش می‌شوند.

به باور من این یافتهٔ محوری حاکمیتی است، و مستقیماً به روایت اشخاص ثالث پیوند می‌خورد. نظرسنجی نشان می‌دهد مؤسسات آنچه را می‌خرند چقدر متفاوت می‌شناسند. برای سامانه‌های با اهمیت بالا، 77% پاسخ‌دهندگان به شناخت عمیق از سامانه‌های توسعه‌یافتهٔ داخلی تکیه داشتند، در مقایسه با 24% برای سامانه‌های اشخاص ثالث؛ برای سامانه‌های اشخاص ثالث، 81% به‌جای آن به تضمین تأمین‌کننده و ترتیبات قراردادی تکیه کردند. سامانه‌ای که خریده شده و نه ساخته، سامانه‌ای است که بازبینی پیش از استقرار و بررسی دقیق تأمین‌کننده اهرم‌های بدیهی آن‌اند. پایش و اعتبارسنجی مجدد به دید درون سامانه وابسته‌اند، و شفافیت محدود در سامانه‌های هوش مصنوعی اشخاص ثالث پیش‌تر از سوی 34% پاسخ‌دهندگان محدودیت شناخته شده بود. نظرسنجی این پیوند علّی را بیان نمی‌کند، و داده‌ها نمی‌توانند آن را اثبات کنند، اما قطعه‌ها به‌طرزی ناخوشایند خوب در کنار هم می‌نشینند.

خود مؤسسات نیز همین را می‌گویند. نظارت بر سامانه‌های هوش مصنوعی اشخاص ثالث پرگزارش‌ترین حوزهٔ عدم قطعیت حاکمیتی یا چالش اجرایی بود. به‌کارگیری اصول مدیریت ریسک مدل برای مدل‌های اشخاص ثالث یا تأمین‌شده توسط فروشنده را 54% پاسخ‌دهندگان برگزیدند، و نظارت بر سامانه‌هایی را که اشخاص ثالث فراهم کرده‌اند یا بر آن‌ها اثر اساسی دارند 49%. پس تقریباً نیمی از مؤسسات در به‌کارگیری اصول مدیریت ریسک مدل برای مدل‌های تأمین‌شده توسط فروشنده، و تقریباً نیمی در نظارت بر سامانه‌هایی که اشخاص ثالث فراهم می‌کنند یا بر آن‌ها اثر اساسی دارند، چالش گزارش می‌کنند.

سه رشته را کنار هم بگذارید. اشخاص ثالث اکثریت سامانه‌های با اهمیت بالا را تأمین می‌کنند. چند ارائه‌دهنده بر روابط زیربنایی غالب‌اند. و حاکمیت خود مؤسسات، که در دروازهٔ ورود قوی است، در نظارت مستمر کم‌رنگ‌تر است، و مورد اشخاص ثالث دشوارترین آن‌ها شناخته شده است. این انتقادی از هیچ مؤسسه‌ای نیست؛ توصیفی است از اینکه تلاش گزارش‌شده کجا قرار دارد در برابر اینکه مواجههٔ گزارش‌شده کجاست.

آنچه باید از آن برگرفت #

برای رهبران فنی، خوانش عملی این است که دست‌کم در این نمونه، خریدن از ساختن برای سامانه‌های مهم پیشی گرفته است: 53% سامانه‌های با اهمیت بالا پیاده‌سازی‌های اشخاص ثالث‌اند. بنابراین تلاش مهندسی به آنچه می‌توان پیرامون سامانه‌ای که در کنترل شما نیست انجام داد منتقل می‌شود: شفافیت قراردادی، آزمون در مرز سامانه، و پایشی که به دسترسی به سازوکارهای درونی وابسته نیست. نظرسنجی هیچ یک از این‌ها را تجویز نمی‌کند، و هیچ یک را نباید با یافته اشتباه گرفت. این‌ها پرسش‌هایی‌اند که ارقام آن مطرح می‌کنند.

برای بنیان‌گذارانی که هوش مصنوعی را به خدمات مالی می‌فروشند، داده‌ها نشان می‌دهند اصطکاک کجا خواهد بود. پاسخ‌دهندگان نگرانی‌های امنیت اطلاعات و تاب‌آوری عملیاتی (40%) و شفافیت محدود (34%) را محدودیت‌های عمده بر پذیرش هوش مصنوعی اشخاص ثالث گزارش می‌کنند. فروشنده‌ای که بتواند مستقیماً به این دو نگرانی پاسخ دهد، به همان چیزی می‌پردازد که سهم قابل توجهی از پاسخ‌دهندگان می‌گویند مانع آن‌هاست. و چون بیش از 90% پاسخ‌دهندگان بررسی دقیق تأمین‌کننده را به‌عنوان کنترل ریسک داده گزارش می‌کنند، تأمین‌کننده باید انتظار وارسی داشته باشد.

برای هر کسی که وسوسه شود رقم پذیرش 86% را نشانهٔ پایان بخش دشوار بخواند، نظرسنجی نگاهی هشیارانه‌تر ارائه می‌دهد. پذیرش گسترده است، اما چند مؤسسه سهم بزرگی از سامانه‌ها را بر دوش دارند، عامل‌ها عمدتاً در نقش پشتیبان‌اند، و پاسخ‌دهندگان انتظار دارند ریسک در همهٔ دسته‌ها طی یک تا سه سال آینده افزایش یابد. پاسخ‌دهندگان همچنین انتظار دارند منافع در همهٔ حوزه‌ها افزایش یابد، پس نه خوش‌بینی و نه احتیاط، شواهد را منحصراً از آنِ خود ندارند.

قیدهای آغاز همچنان پابرجایند. این خلاصه‌ای توصیفی از 196 مؤسسهٔ پاسخ‌دهنده است، که تنها 105 مؤسسه از آن‌ها نظرسنجی کامل را تکمیل کردند، و ارزیابی کاملی از بخش مالی بریتانیا نیست. در همین حدود، الگو آن‌قدر سازگار است که سودمند باشد: سامانه‌هایی که مؤسسات مهم‌ترین می‌دانند به‌طور فزاینده از بیرون می‌آیند، و نظارتی که گزارش می‌کنند درست همان جایی ضعیف‌تر است که این وابستگی بیشترین است.

پرسشی که داده‌ها مطرح می‌کنند اما نمی‌توانند پاسخ دهند، این است که در مرز خودمختاری چه رخ می‌دهد. با 34% پاسخ‌دهندگانی که عامل‌ها را برای ارتباطات خودکار با مشتری به کار می‌برند یا برای آن برنامه دارند، در برابر تنها 2% که امروز عامل‌هایی با خودمختاری گسترده مستقر کرده‌اند، نظرسنجی بعدی نشان خواهد داد که آیا عامل‌ها در نقش پشتیبان می‌مانند، وقتی سامانه‌های پشت آن‌ها، بیشتر وقت‌ها، از سوی دیگری تأمین می‌شوند.

پرسش‌های متداول #

نظرسنجی بانک انگلستان و FCA دربارهٔ هوش مصنوعی در خدمات مالی بریتانیا چیست؟ این چهارمین نظرسنجی مشترک دربارهٔ هوش مصنوعی و یادگیری ماشین در خدمات مالی بریتانیاست، پس از نظرسنجی‌های 2019، 2022 و 2024. ویرایش 2026 196 پاسخ دریافت کرد، که 105 پاسخ از آن‌ها به پرسشنامهٔ کامل بود. نویسندگان آن را خلاصه‌ای توصیفی از شواهد مؤسسات مشارکت‌کننده معرفی می‌کنند، نه ارزیابی کاملی از بخش مالی بریتانیا.

چه سهمی از هوش مصنوعی مؤسسات از اشخاص ثالث می‌آید؟ پیاده‌سازی‌های اشخاص ثالث در 2026 39% کل سامانه‌های هوش مصنوعی گزارش‌شده را تشکیل می‌دادند، در مقایسه با 33% در 2024 و 17% در 2022. در میان سامانه‌های با اهمیت بالا، این سهم 53% بود، در مقایسه با 35% در 2024.

ارائه‌دهندگان هوش مصنوعی چقدر متمرکزند؟ سه ارائه‌دهندهٔ بزرگ ابر و توان پردازشی 79% روابط گزارش‌شدهٔ ابر/پردازش را در اختیار داشتند، و 98% پاسخ‌دهندگان از یکی از آن‌ها استفاده می‌کردند. سه ارائه‌دهندهٔ بزرگ API/میزبانی مدل 54% روابط گزارش‌شده در آن دسته را در اختیار داشتند. از 169 رابطهٔ ابر و پردازش گزارش‌شده، 37% هم بسیار حیاتی و هم دشوار برای جایگزینی تشخیص داده شدند، و تنها 35% از این گروه برنامهٔ خروج آزموده‌شده داشتند.

مؤسسات چه چالش‌های حاکمیتی را دربارهٔ هوش مصنوعی اشخاص ثالث گزارش می‌کنند؟ نظارت بر سامانه‌های هوش مصنوعی اشخاص ثالث پرگزارش‌ترین حوزهٔ عدم قطعیت حاکمیتی یا چالش اجرایی بود. 54% پاسخ‌دهندگان به‌کارگیری اصول مدیریت ریسک مدل برای مدل‌های اشخاص ثالث یا تأمین‌شده توسط فروشنده را برگزیدند، و 49% نظارت بر سامانه‌هایی را که اشخاص ثالث فراهم کرده‌اند یا بر آن‌ها اثر اساسی دارند. برای سامانه‌های با اهمیت بالای اشخاص ثالث، 81% به تضمین تأمین‌کننده و ترتیبات قراردادی تکیه داشتند، در حالی که تنها 24% شناخت عمیق از سامانه را گزارش کردند.

آیا عامل‌های هوش مصنوعی در مؤسسات مالی بریتانیا خودمختارانه عمل می‌کنند؟ به‌ندرت. 80% پاسخ‌دهندگان عامل‌های هوش مصنوعی مستقر کرده‌اند، و 80% عامل‌هایی را در محیط عملیاتی برای پشتیبانی از تصمیم گزارش کردند، که در آن عامل‌ها اقدام را توصیه می‌کنند و انسان‌ها تصمیم می‌گیرند و اجرا می‌کنند. تنها 2% عامل‌هایی با خودمختاری گسترده گزارش کردند، و حتی با احتساب برنامه‌ها، بیش از 9% انتظار نداشتند عامل‌ها نتایج مربوط به مشتری را تأیید یا رد کنند، معامله اجرا کنند یا سفارش ثبت کنند، پرداخت را آغاز، اجرا یا مسدود کنند، یا حدود را تغییر دهند.

منابع #

آخرین بازبینی .

بازنشر متقابل این مقاله

کپی قالب‌بندی‌شده برای Medium

# هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/](https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/)

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/

کپی قالب‌بندی‌شده برای Mastodon

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/

کپی قالب‌بندی‌شده برای LinkedIn

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

مهم‌ترین نکات راهبردی به این شرح است:

- این نظرسنجی چیست، و چه نیست. این نشریه، چهارمین نظرسنجی بانک انگلستان و FCA (سازمان رفتار مالی بریتانیا) دربارهٔ هوش مصنوعی و یادگیری ماشین در خدمات مالی بریتانیا، خلاصه‌ای توصیفی از نتایج تجمیعی نظرسنجی است، و پیش از هر نتیجه‌گیری باید این…
- پذیرش تقریباً فراگیر است، و هوش مصنوعی مولد غالب است. از تیتر آغاز کنیم.
- معمای اهمیت. دامی که پیش‌تر به آن اشاره شد این است.
- سامانه‌های مهم از کجا می‌آیند. پیامدارترین نتیجهٔ نظرسنجی این است که چه کسی سامانه‌های مهم‌تر را می‌سازد و اداره می‌کند.

رویکرد سازمان شما به چالش‌های مطرح‌شده در این نوشته چیست؟

→ https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/

#ریسکهوشمصنوعیاشخاصثالث #حاکمیتهوشمصنوعی #بانکانگلستان #Fca #خدماتمالیبریتانیا

Sebastien Rousseau | CC-BY-4.0
استناد به این مقاله

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

BibTeX

@online{rousseau2026هوش,
  author  = {Rousseau, Sebastien},
  title   = {{هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/},
  urldate = {2026}
}

RIS

TY  - GEN
AU  - Rousseau, Sebastien
TI  - هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/
ER  -

Vancouver

Rousseau S. هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 21. Available from: https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/

Chicago

Rousseau, Sebastien. "هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau." sebastienrousseau.com. November 21, 2026. https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/.

APA

Rousseau, S. (2026, November 21). هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/

بازنشر این مقاله

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

این مقاله تحت مجوز زیر منتشر شده است Creative Commons Attribution 4.0 International. بازنشر مستلزم ذکر منبع با ارجاع به نشانی اصلی (canonical) است.

هوش مصنوعی اشخاص ثالث، مسئلهٔ حاکمیتی مؤسسات مالی بریتانیا — Sebastien Rousseau

اشخاص ثالث 53% سامانه‌های هوش مصنوعی با اهمیت بالا را در مؤسسات مالی بریتانیا تأمین می‌کنند، و نظارت بر آن‌ها پرتکرارترین چالش حاکمیتی گزارش‌شده از سوی آن‌هاست.

Originally published at https://sebastienrousseau.com/fa/2026-11-21-hwsh-msnway-ashkhas-thalth-msilh-hakmyty/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.