في عالم المالية، يعاني العديد من وكلاء الذكاء الاصطناعي من مشكلة رئيسية تتمثل في تحميل المستخدم عبء التعقيد. فبدلاً من أن يكون الذكاء الاصطناعي مساعدًا فعالًا، يجد المستخدم نفسه مضطرًا لإعادة توضيح الأهداف وتفضيلات المخاطر والسياق الاستثماري مرارًا وتكرارًا. هذا الأمر قد يؤدي إلى تقاعس في اتخاذ القرارات، تكرار الأخطاء، وضعف القدرة على التدقيق، مما ينذر بمخاطر كبيرة للمستثمرين.

**ما هو الحل المقترح؟**
في هذا السياق، تم تقديم نظام يسمى 'Interaction-Native Knowledge Harness' (InKH)، وهو تصميم مبتكر لوكلاء الذكاء الاصطناعي المالي. يعمل هذا النظام على تقليل التعقيد من خلال تحويل الأحداث المتعلقة بالمستخدم والسوق والمحفظة والأدوات إلى معرفة عملية منظمة.

يعتمد InKH على تقنيات مثل **حقن المعرفة السلبية**، بحيث يتم تكوين سياق عمل محمي قبل اتخاذ أي قرار من النموذج الرئيسي. كما يستخدم ذاكرة الرسم البياني الزمنية لاسترجاع المعلومات بسرعة منخفضة التأخير، وسطح تدقيق يمكن قراءته من قبل البشر لضمان الشفافية والمساءلة.

**التقييمات والنتائج**
قام الباحثون بتقييم نظام InKH من خلال بنية معيارية مُعتمدة تم تنفيذها على 24 عينة عشوائية و4 جولات، مما أدى إلى إجراء 46,080 تقييمًا. النتائج أظهرت أن InKH حقق جودة مهمة بمعدل 0.815 خلال فترة تأخير قدرها 900 مللي ثانية. مقارنةً بذاكرة الوكيل التقليدية، تم تقليل التأخير بنسبة 82.95% وتكلفة المدخلات بنسبة 82.29%، مما يعزز جودة القرارات بشكل ملحوظ.

**الاستنتاج**
تشير النتائج إلى أن اعتماد الذكاء الاصطناعي في المالية يعتمد على كيفية امتصاص النظام للتعقيد بدلاً من نقل العبء إلى المستخدم. هذه الديناميكية قد تكون مفتاح التطور المستقبلي في الخدمات المالية المدعومة بالتكنولوجيا.