دور خوارزميات الذكاء الاصطناعي في استجابة البنك المركزي العراقي للصدمات الاقتصادية دراسة مقارنة للمدة (2025-2020)
محتوى المقالة الرئيسي
الملخص
تعد خوارزميات الذكاء الاصطناعي من التقنيات الحديثة والتي دحلت في جميع المفاصل لما لها من دور كبير في تسهيل عمل المؤسسات ولكون البنوك المركزية هي أهم المؤسسات النقدية والمسؤولة عن رسم السياسة النقدية للدولة لذلك أصبح استخدام هذه التقنية في تنظيم عمل البنوك المركزية ذا أهمية من خلال اختصار الوقت والجهد وتقديم المقترحات بما يتلاءم والتطور الحاصل في المجال النقدي العالمي من خلال ثورة المعلومات الحديثة من أجل الوصول لأفضل النتائج وفق معايير السياسة النقدية العالمية وتهدف الدراسة إلى تحليل تجارب مختارة لبنوك مركزية رائدة في توظيف الخوارزميات وتحديد قنوات أثرها وكذلك تشخيص واقع البنك المركزي العراقي خلال المدة (2020-2025) في ضوء الصدمات التي واجهها وأدوات استجابته، وقد اعتمدت الدراسة على بيانات لمجموعة من البنوك المركزية العالمية ومقارنتها مع بيانات البنك المركزي العراقي خلال مدة الدراسة، وقد أظهرت نتائج الدراسة مجموعة من النتائج منها أنه لاتزال هناك فجوة بين التجريب والتشغيل الفعلي قائمة عالميا إذ بلغت حالات الاستعمال المشغلة بالكامل 25% فقط من الحالات المبلغ عنها، وكذلك توجد فجوة جوهرية بين البنك المركزي العراقي والتجارب الرائدة، كما ان القيد الحاكم في الحالة العراقية هو مؤسسي ومعرفي وليس تقني وتحويلي مما يجعل الإصلاح أقل كلفة، وأوصت الدراسة بمجموعة من التوصيات منها، انشاء وحدة مركزية لحوكمة البيانات والذكاء الاصطناعي داخل البنك المركزي العراقي تتولى تحديد المعايير وإدارة المخاطر وكذلك اصدار وثيقة سياسة معلنة لاستخدام الذكاء الاصطناعي تحدد الاستعمالات المسموح بها وضوابط التعامل مع البيانات السرية والرقابة البشرية على المخرجات.
التنزيلات
تفاصيل المقالة
المراجع
أولاً. المصادر العربية:
البنك المركزي العراقي. (2024أ). الخطة الإستراتيجية الثالثة للأعوام (2024-2026). بغداد: البنك المركزي العراقي.
البنك المركزي العراقي. (2024ب، 24 كانون الأول). البنك المركزي العراقي يطلق مشاريع إستراتيجية لدعم التحول الرقمي [بيان صحفي]. المكتب الإعلامي.
البنك المركزي العراقي. (2025). النشرة الإحصائية السنوية. بغداد: دائرة الإحصاء والأبحاث.
زبير، نوزاد رجب. (2021). أثر بعض المتغيرات الاقتصادية الكلية على استقرار القطاع المصرفي الخاص في العراق للمدة 2010-2019. مجلة تكريت للعلوم الإدارية والاقتصادية، المجلد 17، العدد 55. https://doi.org/10.25130/tjaes.17.55.3.8
صندوق النقد العربي. (2024). تقرير الاستقرار المالي في الدول العربية. أبو ظبي: صندوق النقد العربي.
ثانياً. المصادر الأجنبية
Aldasoro, I., Doerr, S., Gambacorta, L., Notra, S., Oliviero, T., & Whyte, D. (2024). Generative artificial intelligence and cyber security in central banking (BIS Papers No. 145). Bank for International Settlements.
Araujo, D., Doerr, S., Gambacorta, L., & Tissot, B. (2024). Artificial intelligence in central banking (BIS Bulletin No. 84). Bank for International Settlements.
Araujo, D., Schmidt, R., Sirello, O., Tissot, B., & Villarreal Zan, R. (2025). Governance and implementation of artificial intelligence in central banks (IFC Report No. 18). Bank for International Settlements.
Bank for International Settlements. (2024). Artificial intelligence and the economy: Implications for central banks. In Annual Economic Report 2024 (Ch. 3, pp. 91–127). BIS.
Benford, J. (2024, September 25). TRUSTED AI: Ethical, safe, and effective application of artificial intelligence at the Bank of England [Speech]. Central Bank AI Conference, London.
BIS Innovation Hub. (2024, March 27). Project Aurora: The power of data, technology and collaboration to combat money laundering across institutions and borders [Press release]. Bank for International Settlements.
Cipollone, P. (2024, July 4). Artificial intelligence: A central bank's view [Speech]. National Conference of Statistics, Rome.
Consultative Group on Risk Management. (2025). Governance of AI adoption in central banks. Bank for International Settlements.
Crisanto, J. C., Benson Leuterio, C., Prenio, J., & Yong, J. (2024). Regulating AI in the financial sector: Recent developments and main challenges (FSI Insights No. 63). Bank for International Settlements.
Desai, A., Kosse, A., & Sharples, J. (2024). Finding a needle in a haystack: A machine learning framework for anomaly detection in payment systems (Staff Working Paper No. 2024-15). Bank of Canada.
Dunn, W., Meade, E., Sinha, N., & Kabir, R. (2024). Using generative AI models to understand FOMC monetary policy discussions. FEDS Notes. Board of Governors of the Federal Reserve System.
Financial Stability Board. (2024). The financial stability implications of artificial intelligence. FSB.
Gambacorta, L., Qiu, H., Shan, S., & Rees, D. (2024). Generative AI and labour productivity: A field experiment on coding (BIS Working Papers No. 1208). Bank for International Settlements.
International Monetary Fund. (2021). IMF Executive Board concludes 2020 Article IV consultation with Iraq (Press Release No. 21/37). IMF.
International Monetary Fund. (2025). Iraq: 2025 Article IV consultation — Press release; staff report; and informational annex (IMF Country Report). IMF.
Kase, H., Melosi, L., & Rottner, M. (2025). Estimating nonlinear heterogeneous agent models with neural networks (BIS Working Papers No. 1241). Bank for International Settlements.
Korinek, A. (2024). Generative AI for economic research: Use cases and implications for economists. Journal of Economic Literature, 61(4).
18.Kwon, B., Park, T., Perez-Cruz, F., & Rungcharoenkitkul, P. (2024). Large language models: A primer for economists. BIS Quarterly Review, December.
Organisation for Economic Co-operation and Development. (2024). Explanatory memorandum on the updated OECD definition of an AI system (OECD Artificial Intelligence Papers No. 8). OECD Publishing.
Oxford Insights. (2024). Government AI readiness index 2024. Oxford Insights.
Petropoulos, A., Siakoulis, V., Panousis, K., Papadoulas, L., & Chatzis, S. (2022). A deep learning approach for dynamic balance sheet stress testing. In Proceedings of the 3rd ACM International Conference on AI in Finance (ICAIF '22). ACM.