الذكاء الاصطناعي التطبيقي وحوكمته في العمل الحكومي: دليل القادة في الخليج والأردن 2026

 

الذكاء الاصطناعي التطبيقي وحوكمته في العمل الحكومي: دليل عملي لمدراء المؤسسات الحكومية في الخليج والأردن

 

نرى كيف تشهد القطاعات الحكومية في دول مجلس التعاون الخليجي والمملكة الأردنية الهاشمية تحولاً جوهرياً في طريقة تقديم الخدمات العامة وصنع القرار، مدفوعاً بالاستثمار المتسارع في تقنيات الذكاء الاصطناعي التطبيقي وبناء أطر الحوكمة الحكومية اللازمة لضبطه. تشير تقديرات شركة PwC إلى أن الذكاء الاصطناعي سيُسهم بنحو 320 مليار دولار في اقتصادات الشرق الأوسط بحلول عام 2030، أي ما يعادل 11% من الناتج المحلي الإجمالي، مع توقع أن تستحوذ المملكة العربية السعودية على 135.2 مليار دولار، ودولة الإمارات على 96 مليار دولار بنسبة تقارب 14% من ناتجها المحلي، فيما تستحوذ دول الخليج الأربع (البحرين والكويت وعُمان وقطر) على نحو 45.9 مليار دولار بنسبة 8.2%. وعلى مستوى الجاهزية، تصدّرت المملكة العربية السعودية منطقة الشرق الأوسط واحتلّت المرتبة السابعة عالمياً في مؤشر جاهزية الحكومات للذكاء الاصطناعي 2025، وسجّلت دولة الإمارات استخداماً للذكاء الاصطناعي بنسبة 97% بين الجهات الحكومية وهي الأعلى عالمياً، فيما حلّت البحرين في المرتبة الخامسة عشرة عالمياً والثانية إقليمياً في مؤشر النضج الحكومي التقني الصادر عن البنك الدولي 2025 بنتيجة 93.6%. و الأردن فأطلقت الاستراتيجية الوطنية للذكاء الاصطناعي 2023-2027 المتضمّنة 68 مشروعاً عبر 12 قطاعاً ذا أولوية. هذه المؤشرات تنقل النقاش من "هل نتبنّى الذكاء الاصطناعي؟" إلى "كيف نُحكمه ونقيس أثره؟"، وهو السؤال الذي يجيب عنه هذا الدليل العملي بخطوات وأدوات قابلة للتطبيق المباشر.

يُقدّم هذا الدليل نموذجاً متكاملاً يربط بين التطبيقات العملية وأطر الحوكمة الدولية وإدارة المخاطر في البيئة الحكومية، مع جداول مرجعية وأدوات قياس يمكن للقائد استخدامها مباشرة داخل مؤسسته.

 

الإطار المفاهيمي: من الذكاء الاصطناعي العام إلى التطبيقي الحكومي

الذكاء الاصطناعي التطبيقي (Applied AI) هو توظيف نماذج محددة لحل مشكلات تشغيلية ملموسة. الفارق الجوهري عن الذكاء الاصطناعي البحثي هو أنه يُقاس بأثره على مؤشرات الأداء المؤسسي، لا بمدى تقدّمه التقني. والقائد الحكومي الذي يخلط بين الفئتين يُخفق غالباً في تقدير الكلفة والمخاطر معاً.

 

تصنيف عملي لأنواع الذكاء الاصطناعي حسب المهمة الحكومية

قبل اختيار أي حل، يحتاج المسؤول إلى مطابقة نوع التقنية مع طبيعة المهمة:

•       الأتمتة الذكية (Intelligent Automation): للعمليات المتكررة عالية الحجم - تصنيف الطلبات واستخراج البيانات من النماذج والتحقق من المستندات. وتتميز بالكلفة المنخفضة والمخاطر المحدودة والعائد السريع.

•       التعلم الآلي التنبؤي (Predictive ML): للتنبؤ بسلوك أو حدث مثل الطلب على الخدمات واحتمالية الاحتيال وانقطاع البنية التحتية. لكنه يتطلّب بيانات تاريخية نظيفة لا تقل عن 24 شهراً.

•       الذكاء التوليدي (Generative AI): للمهام اللغوية والتحليلية  مثل صياغة المراسلات وتلخيص التقارير والإجابة على الاستفسارات. لكن مخاطره عالية تتعلّق بدقة المخرجات والهلوسة وتستلزم مراجعة بشرية بشكل دقيق.

•       الذكاء الاصطناعي الوكيلي (Agentic AI): لتنفيذ مهام مركّبة متعددة الخطوات بشكل ذاتي. وهو ما أعلنت عنه دولة الإمارات بتحويل 50% من خدماتها الحكومية إليه خلال عامين. وهو أعلى عوائد محتملة وأعلى مخاطر تشغيلية.

 

معادلة جدوى التطبيق: متى تختار، ومتى ترفض

التطبيق يستحق المضي قدماً عندما تتحقق ثلاثة شروط مجتمعة:

1.     وجود مشكلة موثّقة بحجم معاملات يفوق 1000 شهرياً أو زمن إنجاز يفوق 5 أيام عمل

2.     توفر بيانات تاريخية قابلة للحوكمة لمدة لا تقل عن 18 شهراً

3.     وجود "مالك أعمال" (Business Owner) مسؤول عن مؤشر النتيجة وليس عن التقنية.

غياب أي شرط يجعل المشروع عرضة للفشل، لأن الإخفاقات الحكومية الأشهر في تبنّي الذكاء الاصطناعي ترجع إلى ضعف البيانات أو غياب المساءلة، لا إلى التقنية.

 

حالات استخدام تطبيقية في القطاع الحكومي الخليجي والأردني

تنتقل الدول المستهدفة من التجارب الأولية إلى التوسع المؤسسي. تشير دراسة هيئة الحكومة الرقمية السعودية إلى أن المملكة متوقَّع أن تجني 56 مليار دولار سنوياً من توظيف الذكاء الاصطناعي التوليدي في القطاع العام. وفي قطر أُنشئ كيان Qai كمنصة وطنية موحّدة لتطوير الذكاء الاصطناعي وربط السياسات بالتطبيق، وفي البحرين أُطلقت في يوليو 2025 السياسة الوطنية لاستخدام الذكاء الاصطناعي عبر هيئة المعلومات والحكومة الإلكترونية، وفي الأردن أجرت وزارة الاقتصاد الرقمي تقييمات جاهزية على 18 جهة حكومية ضمن خطة عمل خماسية. ما يلي هو تشريح تطبيقي لأكثر حالات الاستخدام نضجاً، يمكن تكييفه داخل أي جهة حكومية.

حالة الاستخدام الأولى: أتمتة دورات الترخيص والموافقات

النموذج العملي يتدرّج عبر أربع طبقات: استلام الطلب وتصنيفه آلياً والتحقق من اكتمال الوثائق عبر معالجة الصور والنصوص وتصنيف المخاطر إلى ثلاث فئات (منخفض/متوسط/مرتفع)، ثم التوجيه: الطلبات منخفضة المخاطر إلى مسار آلي كامل، المتوسطة إلى موظف مع توصية تحليلية، المرتفعة إلى لجنة مراجعة بشرية. مؤشرات النجاح المتوقعة بعد 6 أشهر تشمل: خفض زمن المعالجة بنسبة 40-60%، خفض الأخطاء البشرية بنسبة 30-50%، وتحسّن رضا المستفيد بنقطتين على الأقل في استبيانات الخدمة.

حالة الاستخدام الثانية: التحليل التشريعي والسياساتي

أطلقت دولة الإمارات في 2025 أول منظومة ذكاء اصطناعي تنظيمية على مستوى العالم لتحليل القوانين وآثارها. التطبيق العملي يقوم على ثلاث وظائف رئيسية: مقارنة النصوص التشريعية للكشف عن التعارضات وتحليل أثر السياسة قبل إقرارها عبر محاكاة سيناريوهات بيانية ومراجعة اتساق اللوائح التنفيذية مع الأنظمة الأم. الفائدة الأهم ليست السرعة وحدها، بل اكتشاف التعارضات الخفية التي قد لا يلحظها الفريق البشري في التشريعات الطويلة.

حالة الاستخدام الثالثة: المساعد الذكي الداخلي للموظفين

من النماذج الأكثر سرعة في تحقيق العائد، وهي تطبيقات للذكاء التوليدي تخدم الموظفين الحكوميين أنفسهم: الإجابة على استفسارات الموارد البشرية وصياغة مسودات المراسلات وتلخيص الاجتماعات. أعلنت دولة الإمارات إطلاق مساعد ذكي للموارد البشرية يخدم أكثر من 50 ألف موظف حكومي ويُبسّط 108 خدمات. الشرط الحاسم للنجاح هو ربط النموذج بقاعدة معرفة مؤسسية محدّثة (RAG)، وليس الاعتماد على المعرفة العامة للنموذج، لتقليل الهلوسة وضمان دقة المخرجات.

حالة الاستخدام الرابعة: التنبؤ بالطلب والكشف عن المخاطر

تطبيقات التعلم الآلي التنبؤي تُستخدم في التنبؤ بالطلب على المرافق العامة والكشف عن الاحتيال في طلبات الدعم والتنبؤ بانتشار الأوبئة وإدارة الطوارئ. أبرز مكاسبها هو التحوّل من الاستجابة بعد وقوع الحدث إلى الوقاية قبله. لكن نجاحها مشروط بجودة البيانات التاريخية وتحديثها المستمر، وإلا فإن النموذج يتدهور تدريجياً (Model Drift) ويعطي توصيات مضللة.

 

أركان حوكمة الذكاء الاصطناعي: تطبيق إطار NIST في البيئة الحكومية

الإطار الدولي الأكثر استخداماً عالمياً هو إطار NIST لإدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0)، ويقوم على أربع وظائف متكاملة تعمل دورياً لا تسلسلياً: Govern (الحوكمة) في القلب، تحيط بها Map (التوصيف) وMeasure (القياس) وManage (الإدارة). والمعيار الدولي ISO/IEC 42001:2023  يُقدّم نظام إدارة قابلاً للتدقيق والاعتماد متكاملاً مع NIST.

 

وظيفة Govern: بناء البنية التنظيمية والسياسات

تشمل عناصر التطبيق العملي في الجهة الحكومية:

•       سياسة ذكاء اصطناعي معتمدة من أعلى مستوى، تُحدّد نطاق الاستخدام والاستخدامات المحظورة والمسؤوليات. الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) أصدرت دليلاً وطنياً لتبنّي الذكاء الاصطناعي ومبادئ أخلاقياته للجهات الحكومية يمكن البناء عليه.

•       لجنة حوكمة عليا تضم: مالك الأعمال ومدير تقنية المعلومات ومدير الالتزام والمخاطر ومستشار قانوني ومستشار من خارج الجهة لضمان الموضوعية.

•       مصفوفة أدوار RACI لكل نموذج: من المسؤول (R)، من المحاسب (A)، من يُستشار (C)، من يُبلَّغ (I).

•       إدراج بنود الذكاء الاصطناعي في عقود التوريد: حق التدقيق، حق التفسير، التزامات الموثوقية، ملكية البيانات.

 

وظيفة Map: توصيف السياق وتقييم الأثر المسبق

قبل إطلاق أي تطبيق، يُجرى تقييم أثر مكتوب (AI Impact Assessment) يُجيب على سبعة أسئلة جوهرية:

•       ما القرارات المحددة التي سيؤثر فيها النموذج، ومن المستفيد المباشر؟

•       من المتضرر المحتمل من الأخطاء، وما الفئات الأكثر هشاشة؟

•       ما البيانات المستخدمة، ما مصدرها، ما مستوى حساسيتها، ومن يملكها؟

•       ما البدائل التي دُرست (يدوي، نصف آلي)، ولماذا اختير الذكاء الاصطناعي؟

•       ما خطة الاستدراك عند الخطأ، وكيف يتظلّم المتضرر؟

•       ما دورية مراجعة النموذج بعد الإطلاق؟

•       ما متطلبات الإفصاح للمواطن: هل يعلم أنه يتعامل مع نظام آلي؟

وظيفة Measure: مؤشرات القياس قبل التشغيل وبعده

قياس النماذج يتجاوز "الدقة" إلى مجموعة مؤشرات متعددة الأبعاد: الدقة العامة والدقة لكل فئة سكانية (للكشف عن التحيّز) ومعدّل الإيجابيات والسلبيات الكاذبة وقابلية التفسير والصلابة أمام المدخلات الشاذة والاستقرار الزمني. هذه المؤشرات تُقاس قبل الإطلاق وتُراقَب شهرياً بعده. وانخفاض أي منها بنسبة تتجاوز 10% يستوجب مراجعة فورية.

 

وظيفة Manage: سجل النماذج والاستجابة للحوادث

سجل النماذج المؤسسي (AI Inventory) هو حجر الزاوية في الحوكمة التشغيلية، وقد أصبح إلزامياً في كل الوكالات الفيدرالية الأمريكية و13 ولاية ومدينتين على الأقل. الحد الأدنى من الحقول التي يجب أن يتضمنها السجل لكل نموذج مايلي:

1.     معرّف النموذج: رقم تسلسلي فريد، اسم النموذج، إصدار النسخة

2.     الغرض التشغيلي: القرار الذي يدعمه، المستفيد، حالة الاستخدام

3.     تصنيف المخاطر: محظور / عالي / محدود / منخفض، تاريخ التصنيف

4.     البيانات المستخدمة: مصدرها، حساسيتها، أساس قانوني للمعالجة

5.     الملّاك: مالك الأعمال، مالك البيانات، مالك النموذج التقني

6.     مؤشرات الأداء: قيم خط الأساس، الأهداف، آخر قياس، التاريخ

7.     دورة المراجعة: تاريخ آخر مراجعة، تاريخ المراجعة القادمة

8.     الحوادث: سجل الحوادث والاستجابات والتعديلات

وفي مكمّل ذلك، خطة الاستجابة للحوادث تشمل أربع فئات يجب التحضير لها: انحراف النموذج (Model Drift) وتسرّب البيانات والهجمات العدائية على المدخلات (Adversarial Attacks) والأخطاء المنهجية. لكل فئة يجب توثيق: ماذا يحدث، من يُبلَّغ خلال كم ساعة، من يقرّر إيقاف النموذج، وكيف يُستعاد التشغيل.

 

تصنيف المخاطر وتقييم الأثر: المنهج العملي

تشير تقارير الأمن السيبراني الإقليمية إلى ارتفاع نشاط هجمات الفدية بنسبة 58% مدفوعاً بتهديدات معزّزة بالذكاء الاصطناعي تشمل الهندسة الاجتماعية والتزييف العميق. هذا يجعل تصنيف المخاطر شأناً تشغيلياً يومياً، وليس وثيقة سنوية.

مصفوفة تصنيف المخاطر الأربعة

المنهج المعتمد دولياً يصنّف تطبيقات الذكاء الاصطناعي إلى أربع فئات لكل منها متطلبات حوكمية مختلفة:

1.     فئة المحظور: لا يُسمح بالاستخدام مطلقاً. مثل: التقييم السلوكي الاجتماعي والتعرّف على المشاعر في بيئات العمل والتعليم.

2.     فئة عالي المخاطر: تقييم أثر مسبق وإشراف بشري مستمر وتدقيق سنوي مستقل وشفافية للمواطن. مثل: تقييم استحقاق الدعم وتحليل الأمن العام وقرارات قضائية مساعِدة.

3.     فئة محدود المخاطر: إفصاح للمستخدم بأنه نظام آلي وإمكانية التحويل لإنسان. مثل: روبوتات المحادثة الرسمية وأنظمة التوصية بالخدمات.

4.     فئة منخفض المخاطر: سياسة عامة للاستخدام المسؤول وتدريب الموظفين. مثل: تصنيف الوثائق الداخلية وأدوات إنتاجية للموظفين.

 

كيف يُجرى تقييم الأثر عملياً في 5 خطوات

•       الخطوة 1 - التوصيف: مالك الأعمال يكتب وثيقة من صفحتين تصف المشكلة والبديل المقترح والبدائل المرفوضة ولماذا.

•       الخطوة 2 - تحديد المتضررين: قائمة بالفئات المحتمل تأثرها (المواطنون، الموظفون، شركاء، فئات هشّة)، وكيف يتأثر كل منهم.

•       الخطوة 3 - تحليل البيانات: مصدر البيانات والأساس القانوني ومدى التمثيل العادل للفئات السكانية وآليات الحماية.

•       الخطوة 4 - تحليل السيناريوهات: ثلاثة سيناريوهات للخطأ (متفائل، متشائم، الأسوأ)، وخطة استدراك لكل منها.

•       الخطوة 5 - قرار اللجنة: موافقة أو موافقة مشروطة بضوابط أو تأجيل لاستيفاء متطلبات أو رفض القرار وأسبابه يُحفظ كمرجع للتدقيق.

 

خارطة طريق تنفيذية مع مؤشرات قياس عملية

الانتقال من النيّة إلى التطبيق يتطلّب خطوات متسلسلة لا قفزات، مع ربط كل مرحلة بمؤشر قياس واضح. التجربة الأردنية تقدّم نموذجاً عملياً، إذ أجرت وزارة الاقتصاد الرقمي تقييمات جاهزية على 18 جهة حكومية، ورصدت ارتفاعاً بنسبة 25% في وعي الكوادر بعد ورش بناء القدرات، وهو تأكيد على أهمية المرحلة التأسيسية.

 

المرحلة الأولى: التشخيص (90 يوماً) - مؤشر النجاح: تقرير جاهزية معتمد

تشخيص الوضع عبر أربعة محاور: نضج البيانات (جودة، حداثة، توفر) ونضج البنية التقنية ونضج المهارات والإطار التنظيمي القائم. النتيجة: تقرير مكتوب يحدّد نقطة الانطلاق، ويُرتّب 5-7 حالات استخدام مرشّحة حسب الجدوى والأثر، ويختار حالة واحدة كمشروع تجريبي.

 

المرحلة الثانية: التأسيس والتجريب (6 أشهر) - مؤشر النجاح: نموذج تشغيلي

تتزامن في هذه المرحلة ثلاث ورش متوازية: (1) بناء السياسات وتشكيل لجنة الحوكمة، (2) تنفيذ المشروع التجريبي بميزانية ومدة محددتين، (3) تأهيل الكوادر. اعتمدت سلطنة عُمان مساراً مشابهاً عبر Oman GPT  " كنموذج لغوي يعكس المحتوى المحلي قبل التوسّع. مؤشر النجاح: نموذج يعمل في الإنتاج بمؤشرات أداء موثّقة.

 

المرحلة الثالثة: التوسّع المؤسسي (12-18 شهراً) - مؤشر النجاح: تكامل مؤسسي

توسيع التطبيق إلى وحدات أخرى ودمج المخرجات في الأنظمة الأساسية وبناء قدرات داخلية مستدامة. في هذه المرحلة تتحوّل الحوكمة من ورقة إلى ممارسة يومية ضمن دورة حياة كل نموذج ويصبح سجل النماذج وثيقة حيّة لا أرشيفاً ساكناً.

 

مؤشرات النجاح ومتطلبات الاستدامة

قياس النجاح يجب أن يتجاوز المؤشرات التقنية إلى مؤشرات الأثر المؤسسي. حقّق برنامج”Tahawul” للتحول الرقمي الحكومي في سلطنة عُمان أداءً بنسبة 94% ورقمنة 90% من الخدمات الأساسية، وحقّقت المملكة العربية السعودية المرتبة الثانية عالمياً في مؤشر النضج الحكومي التقني للبنك الدولي 2025 بنسبة 99.64%. هذه مؤشرات نتائج، لا أنشطة.

 

المؤشرات التشغيلية الأربعة الجوهرية

•       زمن دورة المعاملة: قبل التطبيق وبعده، مع هدف تخفيض لا يقل عن 30% خلال السنة الأولى.

•       كلفة المعاملة: شاملةً كلفة البنية، الترخيص، والصيانة، مقسّمة على عدد المعاملات.

•       نسبة الأخطاء: الأخطاء البشرية المتجنّبة، الأخطاء الآلية المُكتشفة، نسبة التظلّمات.

•       رضا المستفيد: قياس قبلي وبعدي عبر استبيانات قصيرة، مع تتبّع التغيّر شهرياً.

 

المؤشرات الحوكمية: ما يفصل بين الاستخدام والحوكمة الفعلية

•       عدد النماذج المسجّلة في سجل النماذج المؤسسي مقابل النماذج العاملة فعلياً (الفجوة مؤشر تحذيري).

•       نسبة النماذج التي اكتمل تقييم أثرها قبل الإطلاق.

•       عدد حوادث الذكاء الاصطناعي وزمن الاستجابة المتوسط.

•       نسبة الكوادر المدرَّبة على السياسات وأطر التقييم.

•       عدد عمليات التدقيق المستقل وما نتج عنها من توصيات مُطبَّقة.

 

الاستثمار في رأس المال البشري: الفجوة الحقيقية

تشير دراسة منشورة في مجلة Humanities and Social Sciences Communications عام 2025 تحليل 47 مبادرة ذكاء اصطناعي في دول الخليج الست إلى أن الفجوة الأكبر ليست في البنية التحتية، بل في توفّر المهارات وانسجام الحوافز التنظيمية مع متطلبات التحول. أي خطة لا تتضمّن مساراً واضحاً لتأهيل ثلاث شرائح وظيفية - القيادات العليا (وعي استراتيجي)، القيادات الوسطى (إدارة التغيير)، الكوادر التقنية (مهارات تطبيقية) - ستظل قاصرة.

فالنموذج المتكامل الذي يجمع بين التطبيق والحوكمة وإدارة المخاطر هو الإطار الوحيد الذي يحمي المؤسسة الحكومية من ثلاث فخاخ متكرّرة: التبني المتسرّع دون حوكمة، أو الحوكمة المفرطة التي تُجمّد الابتكار، أو الاستثمار التقني دون بناء قدرات بشرية. القائد الحكومي لا ينقصه اليوم المرجعيات الوطنية أو المعايير الدولية، بل ينقصه الانتقال من قراءة هذه المرجعيات إلى تطبيقها بانضباط منهجي عبر: سياسة معتمدة، لجنة حوكمة فاعلة، سجل نماذج حيّ، تقييم أثر مسبق لكل تطبيق، مؤشرات قياس شهرية، وخطة استجابة للحوادث. هذا هو المسار الذي يحوّل الذكاء الاصطناعي من شعار إلى أداة عمل حكومية يومية تخدم المواطن وتضبط المخاطر معاً.

 

تُجمع التجارب الحكومية الناضجة على حقيقة جوهرية: لا تكتمل منظومة الذكاء الاصطناعي التطبيقي بالسياسات والبنى التحتية وحدها، بل بكوادر بشرية مؤهلة قادرة على ترجمة هذه السياسات إلى ممارسة يومية منضبطة. ويستوجب هذا التأهيل مقاربة متدرّجة تستوعب الاحتياجات المتباينة لثلاث شرائح وظيفية محورية: القيادات العليا التي تحتاج إلى وعي استراتيجي وقدرة على اتخاذ القرار في بيئة عالية التعقيد، والقيادات الوسطى التي تتولى إدارة التغيير وترجمة التوجهات إلى خطط تشغيلية قابلة للقياس، والعاملين في المهام الإدارية والتقنية الذين يُمثّلون نقطة التماس المباشرة مع الأدوات والتطبيقات في الميدان.

وبما أن العائد الفعلي من الاستثمار في الذكاء الاصطناعي يتحدّد بمدى احتراف الكوادر التي تُشغّله وتحوكمه، فإن اختيار شريك تدريبي يتجاوز الطرح النظري إلى البناء التطبيقي يُعدّ قراراً استراتيجياً لا قراراً تشغيلياً. وهنا يبرز دور المعاهد المتخصصة ذات التراكم العملي في المنطقة، ومنها معهد الحل الوحيد للتدريب والاستشارات، الذي يُقدّم عبر برامجه التدريبية وورش عمله المتخصصة في مجال الذكاء الاصطناعي التطبيقي وحوكمته منهجية تجمع بين الإطار النظري المرجعي والتطبيق العملي القائم على دراسات الحالة الإقليمية وأدوات القياس التطبيقية، بما يُمكّن الجهات الحكومية من تقصير منحنى التعلّم، وتفادي تكلفة التجربة والخطأ، وبناء قدرات مؤسسية مستدامة تضمن استمرارية الأثر بعد انتهاء البرنامج التدريبي.

...