إرشادات المصرف المركزي الإماراتي للاستخدام المسؤول للذكاء الاصطناعي والتعلم الآلي 2026

الخلاصة التنفيذية

أصدر مصرف الإمارات العربية المتحدة المركزي في 11 فبراير 2026 Guidance Note on the Consumer Protection and Responsible Adoption and Use of Artificial Intelligence and Machine Learning by Licensed Financial Institutions in the U.A.E.

وتستهدف الإرشادات المؤسسات المالية المرخصة، بما فيها مزودو التأمين.

الوثيقة مهمة لأنها تجمع Responsible AI مع Consumer Protection في إطار واحد.

وتتناول بصورة مباشرة:

• Governance and Accountability.
• Fairness and Non-Discrimination.
• Transparency and Explainability.
• Data Quality, Privacy and Security.
• Continuous Monitoring.
• Human Oversight.
• Outsourcing and Third-Party Risk.

ما هي Guidance Note؟

هي توجيه رسمي صادر عن CBUAE ضمن بيئة الإشراف على المؤسسات المالية المرخصة.

هدفها تشجيع:

• Responsible AI.
• Ethical use.
• Transparency.
• Consumer protection.
• Good market conduct.

الوثيقة مبنية على مبادئ مرنة وليست قائمة جامدة مصممة لتقنية واحدة.

من يشمله نطاقها؟

تتحدث الوثيقة عن:

Licensed Financial Institutions — LFIs

وتشمل صراحة مزودي التأمين.

إذن لا ينبغي وصفها على أنها:

"إرشادات لكل شركة في الإمارات."

هي طبقة قطاعية مرتبطة بالمؤسسات التي تدخل ضمن نطاق CBUAE.

ما ليست عليه الإرشادات

ليست:

• Federal AI Law.
• قانونًا عامًا لكل القطاعات.
• بديلًا عن Consumer Protection Regulation.
• بديلًا عن PDPL.
• بديلًا عن Model Governance.
• إعفاءً من الالتزامات الأخرى.

بل تعمل مع الأطر القائمة.

الحوكمة والمساءلة

يجب على المؤسسة بناء Governance Framework موثق ومتناسب مع:

• الحجم.
• النشاط.
• التعقيد.
• استخدام AI/ML.

كما ترتبط المسؤولية بـBoard وSenior Management.

هذه نقطة مهمة جدًا:

المؤسسة لا تستطيع استخدام نموذج لا تسيطر عليه ثم الادعاء أن المسؤولية تقع على المزود.

العدالة وعدم التمييز

AI في الخدمات المالية قد يؤثر على:

• قبول العميل.
• التسعير.
• الائتمان.
• التأمين.
• المطالبات.
• اكتشاف الاحتيال.

لذلك Bias يمكن أن ينتج أثرًا مباشرًا على حياة المستهلك.

المؤسسة تحتاج إلى اختبار:

• بيانات التدريب.
• الخصائص المستخدمة.
• outcomes.
• تفاوت النتائج.
• proxy variables.
• model drift.

الشفافية وقابلية التفسير

الإرشادات تركز على أن المستهلك يجب أن يعرف عندما يكون AI ذا صلة مناسبة بالقرار أو التفاعل.

خصوصًا في High-Impact Decisions.

كما يجب أن تكون المعلومات مفهومة.

Explainability ليست:

"هذا النموذج يستخدم 14 طبقة Neural Network."

بل تفسير يناسب المستهلك.

مثل:

• ما نوع البيانات التي أثرت؟
• لماذا اتخذ القرار؟
• كيف يمكن الاعتراض؟
• هل توجد مراجعة بشرية؟

جودة البيانات والخصوصية والأمن

Responsible AI يبدأ من Data Governance.

البيانات يجب أن تكون:

• Accurate.
• Relevant.
• Up to date.
• Traceable.

كما يجب وجود Data provenance وAudit trails مناسبة.

ويجب احترام:

• Privacy.
• Security.
• Applicable data protection rules.

نموذج ممتاز على بيانات سيئة ينتج قرارًا سيئًا.

المراقبة والمراجعة المستمرة

AI/ML ليس منتجًا ينتهي عند Go-Live.

يجب مراقبة:

• accuracy.
• fairness.
• bias.
• performance.
• consumer impact.
• changes in data.
• changes in provider.
• unexpected outcomes.

وهنا تظهر أهمية Post-Deployment Monitoring.

الإشراف البشري

الوثيقة تعطي للإشراف البشري أهمية واضحة.

المؤسسة يجب ألا تصمم بيئة يصبح فيها القرار الآلي غير قابل للمراجعة عندما يتطلب أثره ذلك.

Human Oversight يمكن أن يشمل:

• approval.
• review.
• escalation.
• override.
• suspension.

المهم أن يكون فعالًا وليس شكليًا.

القرارات عالية الأثر

High-impact decisions تحتاج معاملة أشد.

مثل قرار قد يؤثر بصورة كبيرة على:

• الحصول على خدمة مالية.
• تكلفة الخدمة.
• مطالبة تأمينية.
• وضع العميل.
• حقوقه المالية.

في هذه الحالات يجب تقييم:

• fairness.
• explainability.
• human review.
• opt-out where appropriate and feasible.
• consumer impact.

حماية المستهلك

الهدف المركزي للوثيقة ليس أن تكون نماذج AI "متطورة".

بل أن يكون استخدامها متوافقًا مع حقوق المستهلك والسلوك السوقي الجيد.

لذلك Governance Metrics يجب ألا تركز فقط على:

• speed.
• conversion.
• cost reduction.

بل أيضًا:

• complaints.
• reversals.
• unfair outcomes.
• customer understanding.
• human escalations.

Outsourcing ومخاطر الطرف الثالث

الوثيقة مهمة جدًا في موضوع Outsourced AI.

المؤسسة تظل مسؤولة.

يجب النظر إلى:

• Contractual rights.
• Audit rights.
• Information rights.
• Provider changes.
• Termination.
• Data protection.
• Cybersecurity.
• Performance.
• Compliance.

هذا يتقاطع مباشرة مع Third-Party AI Governance.

القدرة على وقف استخدام النظام

من أقوى الضوابط العملية أن تظل المؤسسة قادرة بصورة واضحة وفورية، مع تدخل بشري، على وقف استخدام AI system أو model أو application.

هذه ليست نقطة تقنية بسيطة.

هي Control of Authority.

إذا كانت المؤسسة غير قادرة على وقف النظام، فسيطرتها عليه ناقصة.

كيف تطبقها المؤسسة؟

يمكن تحويل Guidance Note إلى عشرة Workstreams:

Inventory

→ Governance

→ High-Impact Classification

→ Data Controls

→ Fairness Testing

→ Explainability

→ Human Oversight

→ Monitoring

→ Third-Party Governance

→ Consumer Redress.

كل Workstream يحتاج Owner وEvidence.

أخطاء شائعة

التركيز على Accuracy فقط

الدقة لا تكفي.

اعتبار Explainability وثيقة تقنية

المستهلك هو الجمهور في حالات كثيرة.

عدم اختبار Vendor AI

Outsourcing لا ينقل المسؤولية.

غياب Stop Mechanism

مشكلة حوكمة كبيرة.

عدم تحديد High-Impact Decisions

يمنع تطبيق controls proportionate.

وصف Guidance بأنها AI Law

تصنيف قانوني غير دقيق.

خلاصة سيادة

CBUAE Guidance Note لعام 2026 مهمة لأنها تنقل Responsible AI إلى نقطة شديدة الحساسية:

الأثر الحقيقي على المستهلك المالي.

ويمكن تلخيص نموذجها في:

Govern → Test → Explain → Protect → Monitor → Intervene → Remain Accountable.

وهذه ليست فقط فلسفة أخلاقية.

إنها طريقة تشغيل يجب أن تظهر في الأنظمة والقرارات والسجلات والمراجعات وحقوق المستهلك.