في عصر تكنولوجيا المعلومات، باتت المؤسسات المالية تعتمد بشكل متزايد على أنظمة الذكاء الاصطناعي النشط (Agentic AI) لاتخاذ قرارات حاسمة. لكن ما سُجل في الأبحاث الحالية هو أن إدارة هذه الأنظمة تحتاج إلى مزيد من الاهتمام والبحث.

تظهر الدراسات أن القيد الرئيسي على الحوكمة ليس القدرة بل القابلية للتوثيق، والتي تُعَرَّف بأنها الفجوة بين ما تتطلبه السلطات من التحقق وما تحتفظ به الأنظمة من شرح وإعادة إنتاج بعد اتخاذ القرار.

يتم قياس هذه الفجوة بناءً على معايير التحقق، والمعايير التفصيلية، وظروف التدقيق. ولتطوير نظرية حوكمة متعددة المستويات للذكاء الاصطناعي النشط، تم اختبار آلياتها في ثلاث دراسات تناولت تسعة إصدارات من النماذج، بدءًا من نموذج محلي يحتوي على ثلاثة مليارات معلم إلى نظام تجاري رائد.

أظهرت الدراسة الأولى أن الإصدارات التي يقدمها المزود تغير من الأعمال المالية التاريخية، حيث أن الحاجة لإعادة تشغيل الضوابط تعود للمزود. كما أن النموذج الرائد كان يستبعد معايير مثل الحرارة (temperature) وtop_p وtop_k، مما أدى إلى عدم الكشف عن أي بذور عشوائية. تحت أشد ضوابط، نجحت النماذج المحلية في إعادة إنتاج 320 من أصل 320 تنفيذ، بينما استضافت النماذج 319 من 320 ونجحت في 959 من أصل 960.

في الدراسة الثانية، تم اكتشاف أن التنسيق يمثل طبقة سياسة كامنة. أدى تغيير الهيكل إلى تغير في الإجراءات النهائية، ولم تُكرر أي سجلات تنفيذ في أي تكوين أو على أي مقياس. كان نموذج الواجهة يعيد إنتاج أفعاله الخاصة بشكل أكثر تواتًا مقارنة بالنماذج المحلية.

أما الدراسة الثالثة، فقد بينت أن نسختين محددتين من نماذج الائتمان تعيدان إنتاج أفعالهما الحالية بشكل مثالي، لكن الحالي لا يمكنه استرجاع الأحداث التاريخية.

ختامًا، يمكن تصور إمكانية إعادة الإنتاج كملف تعريف حوكمي وليس كقيمة عددية، مما يُشير إلى تفويض يعتمد على الأدلة: فالسلطة لن تكون قابلة للدفاع إلا بوجود دليل يدعم ممارستها. تمتد هذه النظرية إلى مجالات أخرى تتطلب القابلية للتدقيق، ما يجعل من الضروري التفكير في كيفية إدارتها بشكل فعال.