مشهد حوكمة الذكاء الاصطناعي في لبنان 2026: من التحول الرقمي والتشغيل البيني إلى سياسات AI الناشئة

لماذا لا يمكن اختزال المشهد اللبناني في وثيقة AI واحدة؟

حوكمة الذكاء الاصطناعي في لبنان لا تبدأ من قانون مستقل يحمل اسم "قانون الذكاء الاصطناعي".

المشهد الحالي يتكون من عدة طبقات نشأت في مراحل مختلفة:

استراتيجية وطنية للتحول الرقمي.

أطر للتشغيل البيني الحكومي.

هيكلية مرجعية لتكامل الأنظمة.

قانون للمعاملات الإلكترونية والبيانات ذات الطابع الشخصي.

استراتيجية وطنية للأمن السيبراني.

ثم طبقة أحدث تقودها وزارة الدولة لشؤون تكنولوجيا المعلومات والذكاء الاصطناعي MITAI، وتضع الذكاء الاصطناعي والأخلاقيات الرقمية والبنية الوطنية الرقمية ضمن مسار واضح للتحول.

لهذا فإن قراءة المشهد اللبناني تحتاج إلى فصل ما هو قائم ونافذ أو منشور نهائيًا عما يمثل اتجاهًا مؤسسيًا حديثًا لتطوير سياسة AI مستقبلية.

ما الموجود فعليًا في 2026؟

حتى تاريخ هذه القراءة، يمكن إثبات وجود عدة أطر وطنية ورسمية تؤثر مباشرة أو بصورة غير مباشرة في حوكمة AI.

استراتيجية التحول الرقمي 2020–2030 معتمدة رسميًا.

قانون 81/2018 نافذ.

إطار التشغيل البيني LGIF منشور.

الهيكلية المرجعية LGIRA منشورة.

الاستراتيجية الوطنية للأمن السيبراني منشورة رسميًا.

وخارطة طريق MITAI للتحول الرقمي والذكاء الاصطناعي منشورة ومحدثة في مارس 2026.

لكن هذه الوثائق لا تشكل مجتمعة قانون AI شاملًا بالمعنى التنظيمي الصريح.

حتى تاريخ التحقق، لا يمكنني التحقق من وجود قانون لبناني وطني شامل ومستقل لتنظيم الذكاء الاصطناعي منشور رسميًا بوصفه قانونًا نافذًا.

طبقة MITAI الجديدة

خارطة طريق MITAI تمثل أهم تطور حديث في المشهد.

الوثيقة بعنوان Lebanon’s Digital and AI Transformation، ونشرت لأول مرة في مايو 2025 ثم جرى تحديثها في مارس 2026.

تطرح رؤية أوسع لبناء "الجمهورية الرقمية"، وتضع الذكاء الاصطناعي داخل مشروع تحديث الدولة والبنية الرقمية وليس كمشروع تقني مستقل.

هذا التحول مهم.

بدل أن يكون AI مجرد أداة داخل وزارة أو مؤسسة، يصبح جزءًا من تصور أوسع يشمل الحكومة الرقمية والبنية والبيانات والمهارات والابتكار.

AI Policy Frameworks والأخلاقيات الرقمية

MITAI تعرض ضمن محاورها الاستراتيجية تأسيس حوكمة DigiTech وأطر سياسات للذكاء الاصطناعي والأخلاقيات الرقمية.

هذه صياغة مهمة، لكنها يجب أن تقرأ بدقة.

وجود محور لتطوير AI Policy Frameworks لا يعني تلقائيًا أن إطارًا تنظيميًا وطنيًا نهائيًا للذكاء الاصطناعي قد صدر بالفعل.

الاتجاه المؤسسي واضح: لبنان يتحرك من مرحلة البنية الرقمية العامة إلى مرحلة أكثر صراحة في تنظيم وحوكمة AI.

لكن يجب انتظار الوثائق التنظيمية أو السياسات النهائية نفسها قبل نسب متطلبات محددة إليها.

استراتيجية التحول الرقمي 2020–2030

استراتيجية التحول الرقمي تمثل القاعدة الوطنية الأكثر رسوخًا في هذا المشهد.

اعتمدها مجلس الوزراء بصورة نهائية في مايو 2022.

وهي تهدف إلى تحديث الإدارة العامة من خلال خدمات رقمية متمحورة حول المواطن وأنظمة قابلة للتشغيل البيني.

أهمية الاستراتيجية للذكاء الاصطناعي تأتي من أنها تعالج البيئة التي سيعمل AI داخلها:

الخدمات الحكومية.

البيانات.

الأنظمة المشتركة.

التكامل.

البنية المؤسسية.

وبناء القدرات.

من الحكومة الإلكترونية إلى الحكومة المدعومة بالذكاء الاصطناعي

هناك فرق بين رقمنة إجراء قائم وبين إعادة تصميم الخدمة باستخدام AI.

في الرقمنة التقليدية قد تنتقل الاستمارة من الورق إلى الإنترنت.

أما AI فقد يدخل في:

تصنيف الطلبات.

تحليل الوثائق.

اكتشاف الأنماط.

مساعدة الموظفين.

توجيه المعاملات.

أو دعم قرارات أكثر تعقيدًا.

هذا يرفع مستوى المخاطر لأن النظام لا ينقل العملية فقط، بل قد يؤثر في تفسير المعلومات أو ترتيب الأولويات أو التوصية بالقرار.

التشغيل البيني شرط سابق للـAI الحكومي

أحد الأصول المهمة في لبنان هو إطار التشغيل البيني الحكومي LGIF.

التشغيل البيني يعني قدرة الأنظمة والمؤسسات على تبادل المعلومات والخدمات بصورة منظمة ومفهومة.

هذا أساسي للذكاء الاصطناعي الحكومي.

النظام الذي يحتاج إلى بيانات من أكثر من وزارة لا يستطيع العمل بصورة موثوقة إذا كانت الجهات تستخدم تعريفات مختلفة للبيانات أو لا توجد قواعد واضحة للتبادل.

لذلك فإن Interoperability Governance هي في الوقت نفسه جزء من Data Governance التي يحتاجها AI.

LGIRA والهيكلية المرجعية

LGIRA تضيف طبقة معمارية إلى التشغيل البيني.

الهدف ليس فقط أن تتمكن الأنظمة من التواصل، بل أن توجد بنية مرجعية تشرح كيف تبنى المكونات والخدمات والتبادلات بصورة متناسقة.

بالنسبة لـAI، هذه الطبقة مهمة لأن النموذج قد يعتمد على:

واجهات API.

خدمات مشتركة.

مصادر بيانات متعددة.

هوية رقمية.

سجلات حكومية.

وبنية تكامل.

إذا لم تكن هذه الاعتماديات موثقة، يصبح تقييم المخاطر أصعب.

حوكمة البيانات

AI Governance دون Data Governance ضعيفة بطبيعتها.

قبل أن تستخدم جهة حكومية نموذجًا يجب أن تعرف:

ما مصدر البيانات؟

من يملكها؟

ما الغرض الأصلي من جمعها؟

هل يمكن استخدامها في الغرض الجديد؟

ما مستوى حساسيتها؟

من يستطيع تعديلها؟

وما مدة الاحتفاظ بها؟

هذه الأسئلة تصبح أكثر تعقيدًا عند دمج بيانات من جهات متعددة.

مصدرية البيانات

مصدرية البيانات Data Provenance تعني القدرة على تتبع البيانات من المصدر حتى استخدامها في النظام.

في AI الحكومي، هذه القدرة أساسية للمساءلة.

إذا أعطى النظام نتيجة خاطئة، يجب أن نعرف هل المشكلة جاءت من:

المصدر.

عملية التحويل.

بيانات قديمة.

حقل غير مكتمل.

أو النموذج نفسه.

بدون المصدرية، يصبح التحقيق تخمينًا.

قانون 81/2018 والبيانات الشخصية

القانون رقم 81 لسنة 2018 بشأن المعاملات الإلكترونية والبيانات ذات الطابع الشخصي يمثل جزءًا أساسيًا من البيئة القانونية الرقمية اللبنانية.

أهميته لحوكمة AI واضحة عندما تستخدم الأنظمة بيانات شخصية.

لكن يجب عدم تقديمه كقانون شامل للذكاء الاصطناعي، ولا كإطار حديث مستقل ومتكامل يساوي أنظمة حماية البيانات الأحدث عالميًا.

استراتيجية التحول الرقمي نفسها تشير إلى الحاجة إلى تطوير البيئة القانونية في مجالات البيانات والخصوصية والتصنيف.

استخدام البيانات الشخصية في AI

استخدام البيانات الشخصية داخل نموذج لا يصبح مشروعًا لمجرد أن المؤسسة تملكها.

يجب التفريق بين:

الاحتفاظ بالبيانات لعملية أصلية.

واستخدامها لتدريب نموذج.

واستخدامها في تحليل جديد.

واستخدامها لاتخاذ قرار عن الفرد.

كل انتقال في الغرض قد يخلق مخاطر مختلفة.

لهذا يجب أن تكون موافقة استخدام البيانات جزءًا من بوابة حوكمة AI.

نقل البيانات عبر الحدود

الخدمات الحديثة كثيرًا ما تعتمد على سحابات أو نماذج تعمل خارج لبنان.

قد تبقى قاعدة البيانات الرئيسية داخل المؤسسة، لكن Prompt أو ملف أو جزء من المعاملة قد يرسل إلى خدمة خارجية.

لذلك يجب رسم تدفق البيانات كاملًا.

من الخطأ تقييم موقع قاعدة البيانات فقط وإهمال ما يحدث أثناء الاستدلال أو التكامل أو الدعم الفني.

البنية الرقمية الوطنية

MITAI تضع ضمن محاورها بناء National Digital Infrastructure تشمل cloud وdata وdigital ID وcybersecurity.

هذه العناصر مترابطة.

الهوية تحدد من يستخدم الخدمة.

البيانات تغذي الأنظمة.

السحابة توفر القدرة التشغيلية.

الأمن يحمي البنية.

والتشغيل البيني يربط المؤسسات.

AI يقع فوق هذه الطبقات ويعتمد عليها.

الهوية الرقمية

الهوية الرقمية تصبح أكثر أهمية عندما يتخذ AI أو يدعم قرارًا متعلقًا بفرد.

يجب معرفة:

من قدم الطلب؟

من عدل البيانات؟

من طلب تشغيل النموذج؟

ومن وافق على النتيجة؟

الهوية هنا ليست مجرد Login.

هي جزء من أثر التدقيق والمساءلة.

الأمن السيبراني

لبنان لديه استراتيجية وطنية للأمن السيبراني منشورة منذ 2019.

AI يضيف سطحًا جديدًا للمخاطر فوق البيئة الرقمية التقليدية.

النظام قد يتعرض إلى:

تلاعب بالمدخلات.

تسريب البيانات.

إساءة استخدام الصلاحيات.

Prompt Injection في الأنظمة التوليدية.

تغيير في المورد الخارجي.

أو استغلال سلسلة التوريد.

لهذا يجب ألا ينشأ برنامج AI Security منفصل تمامًا عن برنامج الأمن السيبراني المؤسسي.

المرونة التشغيلية

النظام الحكومي الذي يستخدم AI قد يتحول تدريجيًا من أداة مساعدة إلى مكون تعتمد عليه الخدمة.

عندها يجب أن نسأل:

ماذا يحدث إذا توقف النموذج؟

هل يوجد مسار يدوي؟

هل تتوقف الخدمة؟

ما الحد الأقصى المقبول للانقطاع؟

وهل يمكن تشغيل بديل؟

هذه الأسئلة جزء من تصميم النظام، لا من معالجة الحادث بعد وقوعه.

الذكاء الاصطناعي التوليدي

GenAI يخلق تحديًا خاصًا بسبب سهولة استخدامه.

الموظف قد يبدأ باستخدام أداة خارجية قبل أن تعرف الإدارة أصلًا أن الأداة أصبحت جزءًا من سير العمل.

هذا يخلق Shadow AI.

المشكلة ليست فقط في جودة الإجابة.

يمكن أن تتعلق بإدخال بيانات حساسة، أو الاعتماد على نتيجة خاطئة، أو إرسال معلومات إلى مزود لم يخضع للتقييم.

سياسة استخدام GenAI

المؤسسة تحتاج إلى قواعد عملية.

ما الأدوات المسموح بها؟

ما البيانات المحظور إدخالها؟

متى تكون المراجعة البشرية إلزامية؟

هل يمكن استخدام المخرجات مباشرة مع المواطن؟

كيف تحفظ السجلات؟

ومن يوافق على أداة جديدة؟

الحظر الكامل غالبًا لا يحل المشكلة؛ قد يدفع الاستخدام إلى الظل.

الذكاء الاصطناعي المسؤول

الذكاء الاصطناعي المسؤول يجب ألا يبقى مجموعة مبادئ أخلاقية مجردة.

في التطبيق يعني وجود مسؤول عن النظام.

وتقييم للمخاطر.

ومعرفة بالبيانات.

واختبارات.

وإشراف بشري.

ومراقبة.

وإمكانية الاعتراض أو التصعيد عندما تكون النتيجة مؤثرة.

القيمة الحقيقية للأخلاقيات تظهر عندما تتحول إلى Controls قابلة للإثبات.

الإشراف البشري

وجود إنسان في العملية لا يكفي.

إذا كان الموظف يوافق تلقائيًا على توصية النظام، فإن الإشراف شكلي.

الإشراف الفعلي يحتاج إلى:

سلطة لتغيير القرار.

معلومات كافية.

تدريب.

وقت للمراجعة.

ومسار تصعيد.

مستوى الإشراف يجب أن يتناسب مع أثر النظام.

الموردون

جزء كبير من AI المؤسسي سيأتي من الخارج.

قد يكون النموذج جزءًا من SaaS أو سحابة أو منصة حكومية أو عقد تكامل.

لهذا يجب تقييم المورد قبل الاعتماد.

من يملك النموذج؟

أين يعالج البيانات؟

هل يستخدم بيانات العميل للتدريب؟

من هم المعالجون الفرعيون؟

ما آلية الإبلاغ عن الحوادث؟

وما خطة الخروج؟

مخاطر الأطراف الثالثة

الخطر لا يتوقف عند المورد المباشر.

قد يعتمد المورد نفسه على نموذج أو سحابة أو خدمة خارجية أخرى.

لذلك يجب فهم سلسلة الاعتماد.

كلما زادت أهمية النظام للخدمة العامة، زادت الحاجة إلى رؤية أعمق داخل هذه السلسلة.

سجل أنظمة AI

أحد أهم الأصول التي يمكن أن تبنيها المؤسسة اللبنانية الآن هو سجل مركزي لاستخدامات AI.

السجل يجب ألا يقتصر على مشاريع Data Science الرسمية.

يجب أن يشمل:

الأدوات التوليدية.

الخدمات السحابية.

الخصائص الذكية داخل البرامج.

الأنظمة التي يقدمها الموردون.

والقرارات التي تستخدم نماذج أو خوارزميات مؤثرة.

ما لا تعرف المؤسسة وجوده لا تستطيع حوكمته.

تصنيف المخاطر

لا تحتاج جميع الاستخدامات إلى المستوى نفسه من الضوابط.

تلخيص مستند داخلي يختلف عن قرار يؤثر في استحقاق مواطن أو وصوله إلى خدمة.

يمكن أن يستند التصنيف إلى:

الأثر على الحقوق.

حساسية البيانات.

حجم المستخدمين.

قابلية الرجوع عن القرار.

الأهمية التشغيلية.

ومستوى الأتمتة.

بوابة الموافقة

قبل Production يجب أن تجيب الجهة عن أسئلة محددة:

ما الغرض؟

ما البيانات؟

ما الأثر؟

من المالك؟

هل يوجد مورد؟

ما الاختبارات؟

ما الإشراف البشري؟

كيف نراقب النظام؟

وماذا نفعل عند الفشل؟

هذه البوابة تجعل الحوكمة جزءًا من دورة المشروع بدل أن تكون مراجعة متأخرة.

أثر التدقيق

الأنظمة المؤثرة تحتاج إلى Audit Trail.

يجب أن نستطيع معرفة:

من شغّل النظام؟

أي إصدار؟

ما البيانات المستخدمة؟

متى؟

ما النتيجة؟

هل تدخل موظف؟

ومن اتخذ القرار النهائي؟

هذا مهم للتحقيق، والمراجعة، والشكاوى، والتحسين.

ماذا يمكن للمؤسسات اللبنانية فعله الآن؟

لا يوجد سبب لانتظار صدور قانون AI شامل قبل بناء حوكمة داخلية.

يمكن البدء بضوابط منخفضة الندم:

سجل AI.

تصنيف مخاطر.

حوكمة بيانات.

مراجعة موردين.

إشراف بشري.

اختبارات.

مراقبة.

وإدارة حوادث.

عندما تصدر سياسات AI وطنية أكثر تفصيلًا، يمكن ربط هذه الطبقات بالمتطلبات الجديدة.

ما الذي لا ينبغي استنتاجه؟

لا ينبغي وصف MITAI Roadmap بأنها قانون AI.

ولا ينبغي وصف استراتيجية التحول الرقمي بأنها استراتيجية وطنية مستقلة للذكاء الاصطناعي.

ولا يعني LGIF أو LGIRA وجود تنظيم خاص بالنماذج.

وقانون 81/2018 ليس قانون AI.

والاستراتيجية الوطنية للأمن السيبراني ليست AI Security Standard مستقلاً.

القيمة تأتي من قراءة هذه الأطر معًا، مع الحفاظ على وظيفة وحدود كل منها.

المشهد في 2026

لبنان انتقل من مرحلة تركز أساسًا على رقمنة الدولة والتشغيل البيني إلى مرحلة أصبحت فيها سياسات AI والأخلاقيات الرقمية والبنية الذكية جزءًا معلنًا من اتجاه الدولة الرقمي.

لكن البيئة لم تصل بعد، بحسب ما يمكن التحقق منه من المصادر الرسمية، إلى نموذج تشريعي وطني موحد وشامل للذكاء الاصطناعي.

هذا يجعل السنوات الحالية مرحلة تأسيس مؤسسي مهمة.

الخلاصة التنفيذية

حوكمة الذكاء الاصطناعي في لبنان في 2026 لا تبدأ من فراغ.

توجد استراتيجية تحول رقمي وطنية معتمدة، وأطر للتشغيل البيني، وهيكلية مرجعية، وقانون للمعاملات والبيانات الشخصية، واستراتيجية للأمن السيبراني.

وفوق هذه الطبقات ظهرت خارطة MITAI الحديثة التي تضع AI Policy Frameworks والأخلاقيات الرقمية والبنية الوطنية الرقمية ضمن المسار المستقبلي.

التحدي الحقيقي ليس إضافة وثيقة جديدة فقط.

التحدي هو ربط هذه الطبقات في نموذج تشغيل واحد تستطيع المؤسسة من خلاله معرفة أنظمة AI، وتصنيف مخاطرها، وضبط بياناتها، وتقييم مورديها، واختبارها، ومراقبتها، وتحديد المسؤولية عندما تؤثر في الناس أو الخدمات.

لبنان لديه أجزاء مهمة من الأساس.

المرحلة التالية هي تحويل هذا الأساس إلى حوكمة AI متماسكة وقابلة للتنفيذ والتدقيق.