البنية المؤسسية الوطنية لحوكمة الذكاء الاصطناعي في مصر: من المجلس الوطني إلى الجهات التنظيمية والتنفيذية

لماذا تحتاج حوكمة AI إلى بنية مؤسسية؟

حوكمة الذكاء الاصطناعي على المستوى الوطني لا يمكن اختزالها في قانون واحد أو جهة تنظيمية واحدة.

أنظمة AI تتقاطع مع مجالات مختلفة في الوقت نفسه:

• السياسة الرقمية.
• حماية البيانات الشخصية.
• الأمن السيبراني.
• الاتصالات والبنية التحتية.
• البرمجيات والتقييم الفني.
• الخدمات المالية.
• الصحة.
• التعليم.
• الخدمات الحكومية.
• حقوق الأفراد.
• الابتكار والاستثمار.

ولهذا تبنت مصر في دليل إطار الحوكمة الوطني لعام 2026 بنية مؤسسية تقوم على توزيع الأدوار مع الإبقاء على مركز استراتيجي وطني ينسق الاتجاه العام.

نموذج الحوكمة الهجين

يصف إطار الحوكمة المصري النموذج بأنه نموذج يجمع بين:

Centralized Policy

و

Distributed Operationalization

أي أن تصميم السياسة والاستراتيجية والمبادئ والتوجه الوطني يتم بصورة مركزية، بينما التنفيذ والرقابة والتقييم والتطبيق القطاعي موزع بين الجهات المختصة.

هذا النموذج يحاول تجنب مشكلتين متعارضتين.

الأولى هي أن يؤدي توزيع السلطة بالكامل إلى اختلاف المعايير بين القطاعات.

والثانية هي أن يؤدي ترك كل شيء لجهة مركزية واحدة إلى تجاهل الخبرة القطاعية المتخصصة.

المجلس الوطني للذكاء الاصطناعي والحوسبة الكمية والتكنولوجيات الناشئة

يضع إطار الحوكمة الوطني المجلس في مركز البنية الاستراتيجية.

الدور الأساسي للمجلس هو أن يكون Policy Hub أو المركز الأعلى للتوجه والسياسة الوطنية المتعلقة بالذكاء الاصطناعي.

تشمل الوظائف المنسوبة إليه في الإطار:

• وضع التوجه الوطني.
• تنسيق تنفيذ الاستراتيجية.
• تطوير مبادئ وسياسات الحوكمة.
• العمل على الاتساق بين الجهات الحكومية.
• وضع أو توجيه المعايير الوطنية.
• تنسيق المسارات المرتبطة بالذكاء الاصطناعي بين القطاعات.
• الربط بين AI والسياسات الوطنية الأخرى.

وهذا لا يعني أن المجلس ينفذ جميع عمليات التدقيق أو الترخيص أو التفتيش بنفسه.

وظيفته أقرب إلى Architect of the National Governance System.

العلاقة مع الاستراتيجية الوطنية

الاستراتيجية الوطنية للذكاء الاصطناعي 2025–2030 تمنح المجلس دوراً في إعداد واعتماد وحوكمة تنفيذ الاستراتيجية الوطنية.

لذلك يجب التمييز بين:

• الاستراتيجية الوطنية.
• إطار الحوكمة.
• الجهات المنفذة.
• الجهات الرقابية.
• القوانين القطاعية.

الاستراتيجية تحدد الاتجاه.

إطار الحوكمة يحدد معمارية الحوكمة.

الجهات المختصة تحول هذه المعمارية إلى تطبيقات رقابية وتشغيلية.

مركز الذكاء الاصطناعي المسؤول ECRAI

يحدد إطار الحوكمة المصري Egyptian Center for Responsible AI — ECRAI باعتباره الذراع التنفيذية والفنية المهمة في تشغيل منظومة الحوكمة.

دوره لا يقتصر على نشر مبادئ أخلاقية.

من الوظائف المرتبطة به:

• Operationalization of the Governance Framework.
• تطوير السياسات والإرشادات الفنية.
• تقديم الدعم الفني للجهات الحكومية.
• بناء القدرات.
• تطوير أدوات وممارسات الحوكمة.
• دعم البيئات التنظيمية والتجريبية.
• التنسيق مع الفاعلين الآخرين داخل المنظومة.

هذا يجعل ECRAI حلقة وصل بين السياسة الوطنية المجردة وبين الأدوات التي تستطيع المؤسسات تطبيقها عملياً.

SECC والتقييم الفني

يشير إطار الحوكمة إلى Software Engineering Competence Center — SECC المرتبط بـITIDA بوصفه جهة محورية في جانب التقييم الفني والـconformity.

ترتبط هذه الوظيفة بمفاهيم مثل:

• Technical Evaluation.
• Verification.
• Validation.
• TEVV.
• technical assurance.
• conformity assessment.

في الأنظمة عالية المخاطر، لا تكفي وثيقة سياسة داخلية تقول إن النظام آمن.

قد تكون هناك حاجة إلى تقييم تقني يختبر فعلياً أداء النظام وصلابته والتحيز والمخاطر التقنية وغيرها من الخصائص.

لماذا TEVV مهم؟

الذكاء الاصطناعي قد يفشل بطريقة لا تكشفها مراجعة الوثائق.

قد تكون المشكلة في:

• dataset shift.
• robustness.
• model behavior.
• edge cases.
• bias.
• adversarial behavior.
• integration failures.
• monitoring design.

لذلك تفصل البنية المصرية بين الحوكمة السياساتية وبين التحقق الفني.

NTRA وEG-CERT

يلعب الجهاز القومي لتنظيم الاتصالات وEG-CERT دوراً في المجالات التي تتقاطع مع:

• الاتصالات.
• البنية التحتية.
• الأجهزة المتصلة.
• الأمن السيبراني.
• سلامة الأنظمة.
• resilient AI infrastructure.

لا يعني ذلك أن كل مشروع AI يحتاج تلقائياً إلى موافقة NTRA أو EG-CERT.

الاختصاص يعتمد على طبيعة النظام والقطاع والبنية المستخدمة.

وهذه نقطة مهمة عند بناء Compliance Map.

مركز حماية البيانات الشخصية PDPC

أي نظام AI يعالج بيانات شخصية لا يمكن تقييمه فقط من منظور إطار حوكمة AI.

قانون حماية البيانات الشخصية رقم 151 لسنة 2020 ولائحته التنفيذية رقم 816 لسنة 2025 يعملان كطبقة قانونية مستقلة.

مركز حماية البيانات الشخصية مسؤول عن تنظيم وإنفاذ هذه المنظومة.

وبالتالي قد يمر نظام AI في مسارين متوازيين:

AI Governance Assessment

و

Personal Data Protection Compliance

النجاح في أحدهما لا يلغي الآخر.

الجهات التنظيمية القطاعية

من أهم مبادئ النموذج المصري أن الجهة التنظيمية القطاعية لا تختفي عند دخول AI.

إذا استخدم AI في قطاع مالي مثلاً، تبقى قواعد ذلك القطاع والجهة الرقابية المختصة ذات صلة.

الأمر نفسه يمكن أن ينطبق على قطاعات أخرى بحسب النظام والاختصاص.

هذه الفكرة تمنع تصوراً خاطئاً شائعاً:

أن وجود إطار وطني للذكاء الاصطناعي يستبدل القواعد القطاعية.

الصحيح هو أن AI Governance تعمل كطبقة أفقية تتفاعل مع التنظيم القطاعي.

External Advisory Committee

يتضمن النموذج كذلك دوراً لأصحاب المصلحة والخبرات الخارجية.

السبب أن حوكمة AI لا يمكن أن تُبنى فقط من زاوية الجهات الحكومية أو الشركات التقنية.

هناك مصالح مرتبطة بـ:

• المجتمع.
• الجامعات.
• الباحثين.
• القطاعات الاقتصادية.
• الحقوق.
• الابتكار.
• المستخدمين.

لذلك يسمح النموذج بوجود مسار استشاري يثري السياسة دون تحويل الجهة الاستشارية إلى جهة تنفيذ أو إنفاذ.

من يضع السياسة ومن ينفذها؟

يمكن تلخيص المعمارية على النحو التالي:

هذه الخريطة لا تعني أن جميع الجهات تدخل في كل حالة استخدام.

Multi-Regulator AI Systems

بعض الأنظمة قد تقع عند تقاطع عدة سلطات.

مثال:

نظام AI يقدم خدمة مالية عبر منصة سحابية ويعالج بيانات شخصية.

قد تظهر في خريطة الامتثال قضايا مرتبطة بـ:

• الجهة الرقابية المالية.
• حماية البيانات.
• الأمن السيبراني.
• البنية السحابية.
• حوكمة AI.

المؤسسة الناضجة لا تسأل:

“من هو المنظم الوحيد لهذا النظام؟”

بل تسأل:

ما هي جميع السلطات والقواعد التي تنطبق على هذا النظام؟

ما الذي يجب أن تفعله المؤسسة؟

[ممارسة تنفيذية]

لكل AI system يجب إنشاء Regulatory and Institutional Authority Map يتضمن:

1. مالك النظام داخل المؤسسة.
2. القطاع الذي يعمل فيه.
3. نوع البيانات.
4. الجهات التنظيمية المحتملة.
5. القوانين الملزمة.
6. إرشادات AI ذات الصلة.
7. متطلبات التقييم الفني.
8. متطلبات الخصوصية.
9. متطلبات الأمن.
10. نقاط الموافقة والتصعيد.

لا تخلط بين Policy وLaw

وجود جهة وطنية أو إطار وطني لا يعني أن كل ما يصدر عنه يحمل الدرجة القانونية نفسها.

يجب التمييز بين:

• Law.
• Executive Regulation.
• Regulatory Decision.
• National Strategy.
• Governance Framework.
• Guideline.
• Charter.
• Technical Standard.

هذه الطبقات تختلف في قوتها القانونية وطريقة تطبيقها.

البنية المؤسسية كجزء من AI Governance

من منظور المؤسسة، فهم البنية الوطنية ليس موضوعاً أكاديمياً.

إذا لم تعرف المؤسسة من يملك الاختصاص، فقد:

• تفوت موافقة ضرورية.
• تطبق معياراً غير ملزم وتنسى قانوناً ملزماً.
• ترسل بيانات لجهة غير صحيحة.
• تتجاهل متطلباً قطاعياً.
• تخلط بين تقييم AI وتقييم حماية البيانات.
• تفشل في بناء ملف evidence متكامل.

الخلاصة

البنية المصرية لحوكمة الذكاء الاصطناعي تتجه نحو نموذج متعدد الطبقات.

يوجد مركز استراتيجي وطني، وذراع تشغيلية، وجهات تقييم فني، وجهات أمن واتصالات، وسلطة لحماية البيانات، ومنظمون قطاعيون.

القيمة الحقيقية لهذا النموذج هي أنه يحاول الجمع بين الاتساق الوطني والخبرة المتخصصة.

بالنسبة للمؤسسات، الرسالة العملية واضحة:

AI compliance في مصر ليس Checklist واحداً. بل خريطة سلطات وقوانين وإرشادات يجب تركيبها بحسب النظام والقطاع والبيانات والمخاطر.