الاستراتيجية الوطنية المصرية للذكاء الاصطناعي 2025–2030: من التبني إلى الحوكمة والتنفيذ

لماذا صدر الإصدار الثاني؟

أطلقت مصر الإصدار الأول من استراتيجيتها الوطنية للذكاء الاصطناعي في 2020 في مرحلة كان التركيز العالمي فيها يدور بصورة أكبر حول تطبيقات Machine Learning التقليدية وبناء القدرات والبحث وتطوير الحلول الحكومية والقطاعية.

لكن البيئة تغيرت بسرعة مع توسع:

• النماذج اللغوية الكبيرة.
• Generative AI.
• Foundation Models.
• الأدوات العامة متعددة الاستخدام.
• الاستثمار العالمي في البنية التحتية والحوسبة.
• المنافسة على البيانات والمواهب.
• تصاعد المخاطر الأخلاقية والتنظيمية والسيبرانية.

الإصدار الثاني 2025–2030 جاء استجابة لهذه البيئة الجديدة وبهدف الانتقال إلى مرحلة أكثر نضجاً من تبني AI في مصر.

الاستراتيجية كمرحلة ثانية

توضح الاستراتيجية أن الإصدار الأول مثّل نقطة الانطلاق، بينما الإصدار الثاني يمثل بداية المرحلة الثانية من تبني الذكاء الاصطناعي وطنياً.

هذا الانتقال مهم لأنه يعني أن الهدف لم يعد فقط زيادة عدد المشاريع التجريبية، بل بناء منظومة وطنية تشمل:

• القدرات التقنية.
• البنية التحتية.
• البيانات.
• الموارد البشرية.
• السياسات.
• الحوكمة.
• الاستخدام الآمن والمسؤول.
• الابتكار.
• التعاون الدولي.
• التنافسية الاقتصادية.

لماذا AI قضية وطنية وليست تقنية فقط؟

تعامل الاستراتيجية مع AI باعتباره مرتبطاً مباشرة بـ:

• التنافسية الاقتصادية.
• الإنتاجية.
• الابتكار.
• الأمن الوطني.
• الخدمات العامة.
• الصحة.
• التعليم.
• القطاعات الإنتاجية.
• النفوذ الدولي.

هذا المنظور يغير دور الحكومة من مجرد مستخدم للتكنولوجيا إلى جهة تنسق منظومة وطنية متعددة الأطراف.

الحوكمة والتنظيم

أحد التحولات الواضحة في المرحلة الثانية هو انتقال الحوكمة من المبادئ العامة إلى برامج وأدوات أكثر عملية.

الاستراتيجية تدفع نحو:

• تطوير منظومة تنظيمية للذكاء الاصطناعي.
• تفعيل المبادئ الأخلاقية.
• تحسين القدرة المؤسسية على إدارة المخاطر.
• تطوير آليات للتقييم والمساءلة.
• المواءمة مع المعايير الدولية.
• بناء أطر قطاعية كلما تطلب السياق ذلك.

لاحقاً في 2026 ظهر جزء مهم من هذا المسار بصورة فعلية من خلال:

• Egypt National AI Governance Framework.
• National Guidelines for Trustworthy and Responsible AI.
• National Guidelines for Generative AI.
• ECRAI.

وهنا يجب التفريق بين الهدف الاستراتيجي والأداة التي صدرت فعلاً.

البيانات كأصل استراتيجي

لا يمكن تنفيذ استراتيجية AI وطنية بدون منظومة بيانات.

لذلك ترتبط الاستراتيجية بقضايا مثل:

• data governance.
• data quality.
• accessibility.
• data sharing.
• privacy.
• security.
• sectoral datasets.
• public data.
• linguistic and local datasets.

أهمية البيانات لا تقتصر على التدريب؛ بل تشمل التقييم والمراقبة والتشغيل وتحسين الخدمات وإعادة الاستخدام.

البيانات المفتوحة

أحد المسارات المهمة التي تحولت لاحقاً إلى أداة عملية هو Open Data Policy.

لكن يجب التمييز بين:

Open Data و Personal Data و Sensitive or Confidential Data

البيانات المفتوحة ليست دعوة لنشر كل ما لدى الحكومة؛ بل تتطلب تصنيفاً وتقييماً للمخاطر ومعالجة مسائل إعادة التعرف والخصوصية والأمن.

البنية التحتية والحوسبة

أي استراتيجية وطنية AI تحتاج إلى قدرة حاسوبية مناسبة.

القضية هنا لا تتعلق فقط بعدد مراكز البيانات، بل أيضاً بـ:

• compute availability.
• cloud infrastructure.
• hosting.
• GPU capacity.
• connectivity.
• resilience.
• cybersecurity.
• sovereign capability.
• تكلفة التشغيل.

كما ترتبط البنية التحتية بالقدرة على تشغيل نماذج محلية أو استضافة بيانات حساسة دون اعتماد كامل على أطراف خارجية.

السيادة التقنية

تظهر السيادة في أكثر من مستوى:

• البيانات.
• اللغة العربية.
• النماذج المحلية.
• البنية التحتية.
• سلاسل التوريد.
• الخبرات.
• القدرة على الاختيار بين التقنيات والموردين.

السيادة هنا لا تعني الانغلاق، بل تقليل نقاط الاعتماد الحرجة وزيادة قدرة الدولة والمؤسسات على اتخاذ القرار.

المواهب والمهارات

لا يمكن فصل AI readiness عن سوق العمل.

تحتاج الاستراتيجية إلى بناء قدرات مختلفة، منها:

• researchers.
• AI engineers.
• data scientists.
• software developers.
• cybersecurity specialists.
• governance and compliance professionals.
• public-sector leaders.
• executive decision makers.

ومن الأخطاء الشائعة اختزال تطوير المهارات في coding فقط.

حوكمة AI نفسها تحتاج إلى قدرات في:

• risk.
• audit.
• privacy.
• procurement.
• ethics.
• law.
• policy.
• model evaluation.
• vendor governance.

الحكومة كجهة مستخدمة ومُمكّنة

القطاع الحكومي يلعب أكثر من دور:

• صانع سياسة.
• منظم.
• مالك بيانات.
• مشترٍ للتكنولوجيا.
• مشغل لأنظمة AI.
• مقدم خدمات عامة.
• جهة داعمة للبحث والابتكار.

هذه الأدوار قد تتعارض إذا لم توجد حوكمة واضحة.

مثلاً، الجهة التي تشتري AI لخدمة المواطنين تحتاج إلى تقييم:

• الغرض.
• المخاطر.
• البيانات.
• المورد.
• الشفافية.
• الاعتراض.
• الأخطاء.
• الإشراف البشري.

القطاع الخاص والابتكار

الاستراتيجية لا تعتمد على القطاع الحكومي وحده.

نجاح AI ecosystem يحتاج إلى:

• startups.
• SMEs.
• universities.
• research centers.
• technology companies.
• investors.
• financial institutions.
• sector-specific innovators.

التحدي هو تحقيق توازن بين دعم الابتكار وعدم ترك الأنظمة عالية الأثر بلا رقابة.

Responsible AI

الاستخدام المسؤول ليس طبقة منفصلة عن الابتكار.

الاستراتيجية المصرية تربط التبني بالمسؤولية والثقة والأمن.

هذا المسار تطور عبر:

• Egyptian Charter for Responsible AI.
• Governance Framework.
• Trustworthy and Responsible AI Guidelines.
• Generative AI Guidelines.

المبادرات والتنفيذ

الاستراتيجية ليست مجرد وثيقة رؤية؛ هي مرتبطة بمجموعة واسعة من المبادرات الوطنية.

هذه المبادرات تقع ضمن مجالات مثل:

• governance.
• technology.
• data.
• infrastructure.
• ecosystem.
• talent.

لكن عند تقييم التقدم يجب عدم اعتبار إدراج المبادرة في الاستراتيجية دليلاً على اكتمال تنفيذها.

يجب أن نميز دائماً بين:

Planned و Launched و Operational و Completed

ما الذي تحقق بعد صدور الاستراتيجية؟

بحلول 2026 ظهرت عدة مخرجات واضحة تدعم تنفيذ الاتجاه الاستراتيجي، منها:

• إطار حوكمة AI الوطني.
• الإرشادات الوطنية للذكاء الاصطناعي الموثوق والمسؤول.
• إرشادات GenAI.
• تفعيل دور ECRAI.
• سياسة البيانات المفتوحة.
• توسع برامج التدريب وبناء القدرات.
• مبادرات قطاعية في البنوك والخدمات المالية والأمن السيبراني.

هذا يدل على انتقال بعض أجزاء الاستراتيجية من التخطيط إلى التشغيل.

ما الذي ما زال تحت التطوير؟

🔴 STRATEGIC TARGET ≠ ENACTED LAW وجود هدف في الاستراتيجية لتطوير قانون أو جهة أو نظام تنظيمي لا يعني أن الأداة القانونية أصبحت نافذة.

ويظل من الضروري مراقبة:

• comprehensive AI legislation.
• Data Governance Law.
• sector-specific AI rules.
• conformity mechanisms.
• enforcement architecture.
• future updates to the governance suite.

ماذا تعني الاستراتيجية للمؤسسة؟

[ممارسة تنفيذية]

المؤسسة التي تعمل في مصر يجب ألا تتعامل مع الاستراتيجية كقائمة التزامات قانونية، بل كاتجاه وطني يساعدها على استشراف البيئة التنظيمية.

من المفيد أن تسأل المؤسسة:

1. هل لدينا AI inventory؟
2. هل لدينا governance owner؟
3. هل نفهم أين توجد البيانات؟
4. هل نقيم الموردين؟
5. هل نصنف المخاطر؟
6. هل لدينا human oversight؟
7. هل نراقب النماذج؟
8. هل نمتلك خطة حوادث؟
9. هل لدينا مهارات داخلية كافية؟
10. هل نتوقع قواعد قطاعية إضافية مستقبلاً؟

ما الذي يجب مراقبته حتى 2030؟

الاستراتيجية ستبقى Living Policy Environment، لذلك يجب مراقبة:

• الإصدارات الجديدة من الإرشادات.
• التشريعات.
• اللوائح.
• القرارات القطاعية.
• أدوات التقييم.
• قواعد البيانات والسحابة.
• معايير الاعتماد.
• مبادرات المواهب.
• التعاون الدولي.
• تحديثات استراتيجية AI نفسها.

الخلاصة

الإصدار الثاني من الاستراتيجية يمثل انتقالاً من تأسيس الوعي والقدرة إلى بناء منظومة AI وطنية أكثر تكاملاً.

القيمة الحقيقية للاستراتيجية ليست في قراءة الأهداف منفصلة، بل في متابعة كيفية ترجمتها إلى مؤسسات وأطر ولوائح ومشاريع وبيانات وبنية ومهارات على أرض الواقع.