من رص الخوادم إلى بناء القدرة: استحقاق التشغيل والحوكمة يعيد رسم خريطة الذكاء الاصطناعي في السعودية
استمع لهذا المقال
بصوت راشد (Rashed)
دخلت السوق السعودية مرحلة مفصلية في مسار تبني الذكاء الاصطناعي، حيث لم يعد الرهان مقتصراً على ضخ الاستثمارات في البنية التحتية للحوسبة والسعات السحابية وبرامج التحول الرقمي، بل بات معلقاً على القدرة الفعلية للمؤسسات على تحويل هذا العتاد إلى عائد تشغيلي ملموس. هذا التحول يعكس انتقالاً استراتيجياً من مرحلة التأسيس العتادي إلى مرحلة نضج الأنظمة، وفق ما كشفه أندرو تشن، نائب الرئيس ورئيس المنصات والمنتجات في شركة «ماغنا إيه آي»، مؤكداً أن التحدي القائم أمام المؤسسات الحكومية والخاصة لم يعد نشر الموارد الحاسوبية فحسب، وإنما خلق بيئة متكاملة تترابط فيها البنية التحتية والمنصات والتطبيقات والأمن السيبراني والحوكمة كمنظومة واحدة لا تتجزأ.
ويرى تشن أن كثيراً من الجهات ما زالت تحصر تركيزها في المكونات التقنية المنفصلة، في حين يتطلب النجاح طويل الأجل ربط تلك المكونات بمسارات الأعمال الحكومية والتجارية الحقيقية. فالحوسبة توفر السعة التشغيلية الأساسية، ولكن المنصات هي التي تجعل تلك السعة قابلة للإدارة والاستخدام عبر أعباء العمل المتنوعة، لتقوم التطبيقات بدورها بربط النماذج بالعمليات التشغيلية التي تحقق نتائج قابلة للقياس، بدلاً من بقاء التجارب محصورة في حالات استخدام معزولة. ويقود هذا التشتت الحالي بين طبقات التكنولوجيا والموردين المتعددين إلى إهدار وقت وجهد تقني كبيرين في إدارة عمليات التكامل والربط، بدلاً من تركيز الجهود على توسيع نطاق الذكاء المؤسسي.
الانتقال من مرحلة التجارب الأولية المقيدة إلى بيئات الإنتاج الفعلية بات العقدة الأبرز التي تختبر جاهزية المؤسسات في المنطقة. فعلى مدار العامين الماضيين، أطلقت الشركات في الشرق الأوسط مشاريع تجريبية عديدة، غير أن نسبة ضئيلة منها استطاعت العبور بنجاح إلى بيئات الإنتاج واسعة النطاق. ويعود ذلك إلى أن المشاريع التجريبية تثبت نجاح الفكرة داخل بيئة محكومة ومحمية، بينما تفرض بيئة الإنتاج الحقيقية متطلبات أكثر صرامة، تشمل تحديد الملكية الواضحة للنتائج، والتكامل السلس مع العمليات القائمة، والحوكمة الصارمة للبيانات، والامتثال الأمني الكامل، وأطراً دقيقة لقياس الأداء على امتداد دورة حياة النظام.
ويفرض هذا الواقع إعادة صياغة معايير التقييم، إذ يشدد تشن على ضرورة قياس جدوى الذكاء الاصطناعي بمؤشرات إنتاجية محددة: خفض النفقات التشغيلية، ورفع جودة القرارات، وتقليص المخاطر المؤسسية، بدلاً من الاكتفاء باحتساب معدلات الاستخدام أو وتيرة التبني الظاهرية. فالأزمة الحقيقية نادراً ما تكمن في جوهر التقنية، بل في النموذج التشغيلي المحيط بها، والذي يجمع بين جاهزية البيانات، والمهارات البشرية، وتأمين سلاسل التوريد البرمجية.
وعلى صعيد السيادة الرقمية، تتبلور رؤية جديدة تتجاوز الفهم التقليدي المقتصر على توطين البيانات داخل الحدود الجغرافية. فالسيادة الحقيقية تتطلب سيطرة فعلية ومباشرة على كامل دورة حياة الذكاء الاصطناعي، بدءاً من البيانات والنماذج وموارد الحوسبة، وصولاً إلى التطبيقات والوكلاء المستقلين وصناعة القرار التشغيلي. كما تتطلب البيئة السيادية مرونة تشغيلية تتيح توزيع أعباء العمل بين السحب السيادية والخاصة والعامة ومراكز البيانات المحلية وفق المتطلبات التنظيمية، مع إبقاء المعرفة المستخلصة والتحسينات المتراكمة تحت السيطرة الكاملة للمؤسسة، إذ يمكن شراء العتاد وترخيص النماذج الخارجية، لكن الخبرة اللازمة للتشغيل والحوكمة والحماية تتطلب بناء قدرات محلية مستدامة.
ومع تسارع التحول نحو الوكلاء المستقلين، تتغير قواعد الحماية من التدابير التقليدية إلى حواجز أمان وقت التشغيل التي تراقب السلوك اللحظي للأنظمة الذكية. فالوكلاء يفرزون مخاطر مستجدة تعجز الأدوات التقليدية عن مواجهتها بمفردها، مثل التلاعب بسلوك النموذج، وتسميم بيانات التدريب، والوصول غير المصرح به لواجهات الاستدلال، مما يفرض بناء دفاعات تضمن المراقبة المستمرة، والإنفاذ الفوري للسياسات، والإشراف البشري المنضبط لمنع أي تصرف خارج الصلاحيات الممنوحة.
يتغير المشهد اليوم جذرياً أمام القيادات التقنية وفرق التطوير في الخليج ومصر والمنطقة ككل. لم يعد تقييم مشروع الذكاء الاصطناعي قائماً على حجم السعة السحابية المحجوزة أو ضخامة النموذج المستخدم، بل بات المطلوب إعادة هيكلة الميزانيات لصالح أدوات حوكمة وقت التشغيل ومهارات تكامل الأنظمة المعقدة. إذا كنت تقود فريقاً تقنياً، فإن أولويتك العاجلة لم تعد إطلاق نموذج تجريبي إضافي، بل إرساء بنية تشغيلية موحدة تضبط الوصول إلى واجهات الاستدلال، وتمنع تبعثر العقود بين عدة موردين، وتضمن أن الأثر المحقق في الكفاءة وتخفيض التكاليف موثق بأرقام تشغيلية تدعم مستهدفات التحول الاقتصادي وبرامج الرؤى الوطنية طويلة المدى.