درون تلاش ریپل برای پیشبرد «خزانه‌داری مبتنی بر هوش مصنوعی»: خودکارسازی بدون از دست دادن کنترل

ریپل برای خودکارسازی خزانه‌داری، چارچوب‌های کنترلی تعیین می‌کند

تیم‌های مالی شرکتی می‌توانند تحلیل‌های بیشتری از خزانه‌داری را خودکار کنند، بدون آنکه اختیار تصمیم‌گیری نهایی را به هوش مصنوعی منتقل کنند. ریپل در ۱۰ سپتامبر GSmart را گسترش داد و قابلیت‌های مبتنی بر سیاست را در حوزه‌های پیش‌بینی نقدی، مدیریت نقدینگی، ریسک مالی، تطبیق و گزارش‌دهی به پلتفرم Ripple Treasury خود افزود.

این سیستم محاسبات مالی را از تفسیر مبتنی بر هوش مصنوعی جدا می‌کند و نقش این فناوری را در تصمیم‌هایی که با منابع مالی شرکت سروکار دارند محدود می‌سازد. موتورهای قطعی که با دریافت ورودی‌های یکسان، همواره نتیجه یکسان تولید می‌کنند، محاسبات زیربنایی را انجام می‌دهند. GSmart سیاست‌های شرکت را تفسیر می‌کند، الگوها را تشخیص می‌دهد و پیش از ارسال اقدامات پیشنهادی به افراد مجاز، توصیه‌های خود را توضیح می‌دهد.

رناات ور ایکه، معاون ارشد Ripple Treasury، گفت:

«هر مدیر مالی (CFO) تحت فشار است که هوش مصنوعی را بپذیرد، اما به همان اندازه مسئول است که اطمینان حاصل کند هر تصمیم مالی قابل توضیح، دارای چارچوب حکمرانی و منطبق با مقررات است.
به‌جای آنکه از مشتریان بخواهیم کورکورانه به یک سیستم هوش مصنوعی اعتماد کنند، GSmart در چارچوب سیاست‌های خزانه‌داری هر سازمان کار می‌کند تا توصیه‌ها را به‌صورت شفاف ارائه دهد، در حالی که تضمین می‌کند انسان‌ها کنترل هر تصمیم را در دست دارند. این صرفاً خزانه‌داریِ بومیِ هوش مصنوعی نیست، بلکه هوش مصنوعیِ بومیِ خزانه‌داری است.»

عامل‌های هوش مصنوعی باید پیش از درخواست تأیید، به سیاست‌ها استناد کنند

هر عاملِ هماهنگ‌سازی‌شده یک فرایند مشخص خزانه‌داری را پایش می‌کند، یک پاسخ مشخص را توصیه می‌کند و بند سیاستیِ پشتیبان آن توصیه را مشخص می‌کند. سپس پیشنهاد برای بررسی به یک فرد ارجاع داده می‌شود. Knowledge Studio لایه حکمرانی را فراهم می‌کند و به واحدهای خزانه‌داری امکان می‌دهد سیاست‌ها و کنترل‌های سازمانی را تعیین کنند که پیش از رسیدن یک اقدام به تأییدکننده اعمال می‌شوند.

تأکید ریپل بر حکمرانی در زمانی مطرح می‌شود که شرکت‌ها عامل‌های هوش مصنوعی را سریع‌تر از آنچه بسیاری بتوانند بر آن‌ها نظارت کنند به‌کار می‌گیرند. گارتر در آوریل پیش‌بینی کرد که یک شرکت متوسط از میان سازمان‌های Fortune 500 در سطح جهانی می‌تواند تا سال ۲۰۲۸ بیش از ۱۵۰ هزار عامل استفاده کند؛ در حالی که این رقم در سال ۲۰۲۵ کمتر از ۱۵ عامل بوده است. تنها ۱۳٪ از سازمان‌ها معتقد بودند که حکمرانی مناسبی برای عامل‌های هوش مصنوعی دارند.

Analytics Studio قابلیت Ask GSmart را اضافه می‌کند؛ یک رابط مکالمه‌ای که برای بازیابی اطلاعات و تولید بینش از داده‌های خزانه‌داری طراحی شده است. این سیستم در کنار ابزارهای پیش‌بینی، پایش مواجهه، برنامه‌ریزی نقدینگی و گزارش‌دهی کار می‌کند و فناوری‌ای را گسترش می‌دهد که پیش‌تر در GTreasury توسعه یافته بود، پیش از آنکه ریپل خرید ۱ میلیارد دلاری خود را اعلام کند در اکتبر ۲۰۲۵.

ریپل هوش مصنوعی را به دارایی‌های سنتی و دیجیتال متصل می‌کند

این گسترش، پیشبرد یک راهبرد گسترده‌تر در امور مالی شرکتی را دنبال می‌کند که شامل راه‌اندازی Ripple Treasury در ژانویه است. این پلتفرم که بر نرم‌افزار سازمانی GTreasury ساخته شده، مدیریت نقدینگی متعارف را با زیرساخت دارایی‌های دیجیتال ترکیب می‌کند؛ از جمله استیبل‌کوینِ دارای پشتوانه دلارِ ریپل با نام RLUSD و رمزارز XRP.

واحدهای مالی اوایل امسال این توانایی را به‌دست آوردند که XRP و RLUSD را از طریق گردش‌کارهای موجود نگهداری، پایش، دریافت و مدیریت کنند. آن یکپارچه‌سازی دارایی دیجیتال مقدار دارایی‌های بومی، ارزش‌های متناظر فیات، و قیمت‌های بازار را در زمان هر رویداد ثبت می‌کند و در عین حال موقعیت‌های نگهداری‌شده در میان بانک‌ها و متولیان دارایی را تجمیع می‌کند.

XRP به‌عنوان دارایی بومیِ XRP Ledger عمل می‌کند، در حالی که RLUSD گزینه‌ای مبتنی بر دلار برای پرداخت‌ها و مدیریت نقدینگی فراهم می‌کند. GSmart تحلیل و پیش‌بینی را در سراسر عملیات خزانه‌داری اضافه می‌کند، نه اینکه به عامل‌های هوش مصنوعی کنترل مستقل بر انتقال‌ها بدهد.

آمارهای پذیرش اولیه نشان می‌دهد که برخی مشتریان واجد شرایط هم‌اکنون از ابزارهای پایش خودکار این پلتفرم استفاده می‌کنند. ریپل گزارش داد که ۶۰٪ قابلیت Risk Insights را برای شناسایی ناهنجاری‌های مواجهه و نقض سیاست‌ها فعال کرده‌اند، در حالی که ۴۴٪ از Forecast Insights برای مقایسه جریان‌های نقدیِ پیش‌بینی‌شده و واقعی و شناسایی شکاف‌های نوظهور نقدینگی استفاده می‌کنند.