هوش مصنوعی؛ فراتر از ایمنی معادن، ابزاری برای کاهش ریسک تسویه معاملات معدنی

معدن۲۴: در سال‌های اخیر، فناوری‌های نوین متعددی به صنعت معدن معرفی شده‌اند که هر یک وعده ایجاد تحول بنیادین را داده‌اند. اکنون نیز هوش مصنوعی با وعده‌هایی همچون افزایش ایمنی، کاهش حوادث، بهبود بازیابی مواد معدنی و ارتقای کیفیت داده‌ها وارد این صنعت شده است. با این حال، مهم‌ترین پرسش این نیست که هوش مصنوعی تا چه اندازه عملیات معدنی را ایمن‌تر می‌کند، بلکه این است که آیا می‌تواند یکی از چالش‌های مزمن این صنعت، یعنی «ریسک تسویه» را کاهش دهد یا خیر.
ریسک تسویه به مجموعه مشکلات و عدم قطعیت‌هایی اشاره دارد که از زمان ارسال محموله معدنی تا دریافت وجه آن توسط تولیدکننده به وجود می‌آید. در این فرآیند عوامل متعددی از جمله نتایج آنالیزها، اسناد حمل‌ونقل، وزن و رطوبت محموله، هزینه‌های فرآوری و ذوب، فرمول‌های قیمت‌گذاری، شرایط قراردادهای فروش و توان مالی طرف‌های معامله باید با یکدیگر همخوانی داشته باشند. هرگونه اختلاف در این زنجیره می‌تواند موجب تأخیر در دریافت مطالبات، افزایش هزینه‌های مالی و بروز اختلافات طولانی‌مدت شود.
نسل جدید موتورهای مدیریت ریسک مبتنی بر هوش مصنوعی که در برخی پروژه‌های مس، طلا و مواد معدنی حیاتی کانادا در حال آزمایش هستند، رویکرد متفاوتی را دنبال می‌کنند. این سامانه‌ها به‌جای تمرکز بر یک بخش خاص، مجموعه گسترده‌ای از داده‌ها شامل نتایج حفاری، عملکرد کارخانه فرآوری، اطلاعات ناوگان حمل‌ونقل، داده‌های زیست‌محیطی، نتایج آزمایشگاهی، رویدادهای لجستیکی و مفاد قراردادهای فروش را به‌صورت هم‌زمان تحلیل می‌کنند.
این موتورهای هوشمند به‌طور مستمر ریسک عملیاتی و اعتباری هر محموله را ارزیابی کرده و در صورت مشاهده هرگونه انحراف از پارامترهای مورد انتظار، پیش از تبدیل شدن به اختلاف تجاری هشدار می‌دهند. در نتیجه، در مواردی که داده‌ها با استانداردهای تعیین‌شده مطابقت داشته باشند، فرآیند تسویه مالی سریع‌تر انجام می‌شود.
اعتبار واقعی هوش مصنوعی زمانی مشخص می‌شود که نتایج آن قابل اندازه‌گیری و راستی‌آزمایی باشد. برای مثال، مدل‌های پیش‌بینی عیار مواد معدنی تنها زمانی ارزشمند هستند که نتایج آن‌ها با داده‌های واقعی تولید تطابق داشته باشد. به همین ترتیب، سامانه‌های ارزیابی ریسک تسویه نیز هر بار که پرداختی انجام می‌شود یا به مشکل برمی‌خورد، عملکرد خود را در معرض آزمون قرار می‌دهند. همین چرخه بازخورد مستمر، تفاوت میان یک پروژه تحقیقاتی و یک ابزار عملیاتی واقعی را مشخص می‌کند.
هوش مصنوعی نمی‌تواند نتایج آزمایشگاهی نادرست را اصلاح کند، بلکه تنها امکان شناسایی سریع‌تر خطاها را فراهم می‌آورد. همچنین این فناوری جایگزین استانداردهای مستقل گزارش‌دهی و تأیید ذخایر معدنی نظیر JORC Code و NI 43-101 نخواهد شد. علاوه بر این، مصرف انرژی و زیرساخت موردنیاز برای اجرای گسترده سامانه‌های هوش مصنوعی نیز همچنان یکی از چالش‌های مهم به شمار می‌رود.
شرکت‌هایی که موتورهای مدیریت ریسک مبتنی بر هوش مصنوعی را با سامانه‌های شفاف و قابل‌راستی‌آزمایی ثبت داده‌های تولید و حمل‌ونقل ترکیب کنند، از مزایایی همچون تسویه سریع‌تر، هزینه تأمین مالی کمتر و کاهش اختلافات تجاری بهره‌مند خواهند شد. در نهایت، این مزایا به بهبود سرمایه در گردش شرکت‌ها منجر می‌شود؛ عاملی که می‌تواند توانایی تولیدکنندگان متوسط معدنی را برای تأمین مالی پروژه‌های توسعه‌ای از محل جریان نقدی داخلی افزایش دهد.
سرمایه‌گذاران به‌جای توجه به تبلیغات گسترده پیرامون هوش مصنوعی، عملکرد واقعی شرکت‌ها را از طریق شاخص‌هایی مانند زمان تسویه معاملات، نرخ اختلافات تجاری، دقت تطبیق داده‌ها و گردش سرمایه در گردش ارزیابی کنند. به اعتقاد او، صنعت معدن همواره به شرکت‌هایی پاداش داده است که جزئیات اجرایی را به‌درستی مدیریت کرده‌اند و هوش مصنوعی نیز این واقعیت را تغییر نمی‌دهد؛ بلکه تنها پنهان کردن ضعف‌های عملیاتی را دشوارتر می‌کند.