استراتيجية التحول الرقمي في لبنان 2020–2030 وحوكمة الذكاء الاصطناعي: من تحديث الدولة إلى بنية مؤسسية قابلة للذكاء

لماذا تعد استراتيجية التحول الرقمي مهمة لحوكمة AI؟

استراتيجية التحول الرقمي اللبنانية 2020–2030 ليست استراتيجية مستقلة للذكاء الاصطناعي.

لكن تجاهلها عند بناء AI Governance سيكون خطأ.

السبب أن الذكاء الاصطناعي لا يعمل فوق فراغ مؤسسي.

يحتاج إلى خدمات رقمية، وبيانات قابلة للاستخدام، وأنظمة يمكنها التبادل، وهويات وصلاحيات، وأمن، وقواعد قانونية، وقدرة مؤسسية على إدارة التغيير.

وهذه بالضبط هي الطبقات التي تتعامل معها استراتيجية التحول الرقمي.

لذلك فإن قيمتها بالنسبة إلى AI ليست أنها تنظم النماذج، بل أنها تساعد في بناء البيئة التي يمكن أن تعمل فيها النماذج بصورة قابلة للحكم والمساءلة.

الوضع الرسمي للاستراتيجية

استراتيجية التحول الرقمي 2020–2030 اعتمدها مجلس الوزراء اللبناني بصيغتها النهائية في مايو 2022.

وهي مصنفة لدينا final.

هذا الوصف يعني أنها استراتيجية وطنية نهائية منشورة ومعتمدة، وليس مسودة أو استشارة.

لكن يجب الحفاظ على فرق أساسي:

هي استراتيجية تحول رقمي وطنية، وليست AI Regulation أو National AI Strategy مستقلة.

هذه الدقة تمنع تحميل الاستراتيجية التزامات لم تُصمم لتقريرها.

من رقمنة الإجراءات إلى إعادة تصميم الدولة

التحول الرقمي الحقيقي لا يساوي تحويل الورق إلى PDF.

إذا احتفظت المؤسسة بالإجراء نفسه، والموافقات نفسها، والتكرار نفسه، ثم نقلته إلى شاشة، فهي رقمنت المشكلة بدل حلها.

الاستراتيجية الوطنية تتجه نحو تحديث الإدارة والخدمات.

وهنا تصبح العلاقة مع AI مهمة.

AI قد يستطيع اختصار بعض الخطوات أو تحليل المستندات أو دعم القرار، لكن إذا كانت العملية نفسها سيئة التصميم فسيقوم النظام بتسريع عملية سيئة.

لذلك يجب أن يسبق AI سؤال أبسط:

هل العملية نفسها تستحق البقاء بهذا الشكل؟

الخدمات المتمحورة حول المواطن

OMSAR تصف الاستراتيجية بأنها قائمة على خدمات رقمية متمحورة حول المواطن.

هذا المبدأ مهم جدًا للذكاء الاصطناعي.

تقنيًا يمكن بناء نظام فعال من ناحية المؤسسة لكنه مزعج أو غير مفهوم للمواطن.

الحوكمة الجيدة يجب أن تنظر إلى التجربة من الطرفين.

هل يعرف المواطن متى يستخدم AI؟

هل يمكنه الحصول على مساعدة بشرية؟

هل توجد آلية اعتراض؟

هل يمكن تصحيح بيانات غير صحيحة؟

وهل الخدمة قابلة للوصول لفئات مختلفة؟

التشغيل البيني

أحد أهم أركان التحول الرقمي هو التشغيل البيني.

إذا كانت كل وزارة تبني أنظمة لا تتواصل مع غيرها، تصبح الخدمات المتكاملة صعبة، ويزداد تكرار البيانات، وتصبح الصورة المؤسسية مجزأة.

AI يضاعف هذه المشكلة.

نظام ذكي يعتمد على مصادر متعددة يحتاج إلى تعريفات متناسقة ومسارات موثوقة للوصول إلى البيانات.

من دون التشغيل البيني، يتحول التكامل إلى سلسلة من الحلول الخاصة الهشة.

LGIF كطبقة حوكمة

إطار التشغيل البيني الحكومي اللبناني LGIF يقدم مبادئ مهمة مثل:

التركيز على المستخدم.

الأمن والخصوصية.

الشفافية.

الانفتاح.

إعادة الاستخدام.

الحياد التقني.

والفعالية.

هذه المبادئ ليست AI Controls بحد ذاتها.

لكنها توفر أساسًا قويًا لتصميم الأنظمة التي سيعتمد عليها AI.

إذا بُنيت خدمة AI فوق بنية تحترم هذه المبادئ، تصبح إدارة المخاطر أسهل من محاولة إضافة الحوكمة بعد انتهاء التصميم.

LGIRA كطبقة معمارية

الهيكلية المرجعية للتشغيل البيني LGIRA تضيف بعدًا تقنيًا وتنظيميًا.

التشغيل البيني ليس مجرد تبادل ملفات.

هو يتعلق بكيفية تصميم الخدمات والمكونات ومسارات الاتصال.

بالنسبة إلى AI، هذا مهم لأن أي نموذج مؤسسي قد يعتمد على:

واجهات API.

خدمات هوية.

مخازن بيانات.

أنظمة سجلات.

مكونات خارجية.

وسحابات.

كل اعتماد يجب أن يكون ظاهرًا داخل Architecture Map.

التشغيل البيني لا يعني الوصول المفتوح

هذه نقطة حاسمة.

قدرة نظامين على تبادل البيانات لا تعني أن كل تطبيق يستطيع الوصول إلى كل البيانات.

Interoperability Capability تختلف عن Authorization.

الجهة تحتاج إلى تحديد:

من يطلب البيانات؟

لماذا؟

أي حقول يحتاج؟

إلى متى؟

هل يمكن تخزينها؟

وما السجل المطلوب؟

AI لا يجب أن يحصل على صلاحيات أوسع لمجرد أنه يستطيع استخدام كمية أكبر من البيانات.

حوكمة البيانات

كل برنامج تحول رقمي جاد يحتاج إلى Data Governance.

البيانات الحكومية يجب أن يكون لها:

مالك.

تعريف.

تصنيف.

مصدر.

قواعد جودة.

صلاحيات.

وسياسة احتفاظ.

عندما تدخل AI إلى البيئة، تصبح هذه المعلومات أكثر أهمية لأن النموذج قد يستخدم البيانات في تحليل جديد أو يدمج مصادر لم تكن مجتمعة سابقًا.

مصدرية البيانات

Data Provenance تسمح بتتبع رحلة البيانات.

من أنشأ السجل؟

متى؟

هل تغير؟

أي نظام مر عليه؟

هل تمت معالجته؟

أي نسخة وصلت إلى النموذج؟

إذا ظهر خطأ في نتيجة AI، فإن القدرة على الإجابة عن هذه الأسئلة تحدد جودة التحقيق.

النموذج بدون مصدرية بيانات موثوقة يصعب تدقيقه.

جودة البيانات

رقمنة الخدمات لا تعالج تلقائيًا مشاكل جودة البيانات القديمة.

قد تستمر:

السجلات المكررة.

الحقول غير المكتملة.

التعاريف المختلفة.

القيم القديمة.

والتناقضات بين المؤسسات.

إذا تدرب AI أو عمل على هذه البيانات، فإنه قد يحول المشكلة إلى قرار أسرع وأكثر إقناعًا.

لهذا يجب اعتبار Data Quality جزءًا من AI Assurance.

مشاركة البيانات

الخدمات الحكومية المتكاملة تحتاج إلى مشاركة البيانات.

لكن المشاركة الصحيحة يجب أن تكون Purpose-Based.

أي أن الوصول مرتبط بهدف محدد وليس بإتاحة مفتوحة.

إذا تغير الغرض، يجب إعادة تقييم الاستخدام.

هذا مهم خصوصًا عندما تنتقل البيانات من تقديم خدمة مباشرة إلى تحليل أو تدريب نموذج.

البيانات الشخصية

قانون 81/2018 يشكل جزءًا من البيئة القانونية اللبنانية للبيانات ذات الطابع الشخصي.

وجوده يعني أن مشاريع التحول الرقمي والذكاء الاصطناعي لا تعمل خارج إطار قانوني للبيانات.

لكن القانون لا يجب تقديمه كقانون AI.

كما أن وجود بيانات لدى الجهة لا يعني تلقائيًا أن جميع الاستخدامات الجديدة لها مبررة.

كل استخدام جديد يحتاج إلى تقييم مناسب.

الغرض الأصلي والغرض الجديد

قد تجمع المؤسسة البيانات لغرض محدد.

بعد سنوات قد يظهر مشروع AI يقترح استخدامها في غرض مختلف تمامًا.

السؤال الحوكمي هو:

هل هذا الاستخدام الجديد متوافق مع الغرض الأصلي والبيئة القانونية؟

هذه المسألة تصبح أكثر أهمية عند استخدام مجموعات بيانات واسعة أو دمج معلومات من جهات متعددة.

تقليل البيانات

أحد المبادئ العملية المهمة هو استخدام أقل قدر من البيانات اللازم.

إذا كان النظام يحتاج خمسة حقول فلا معنى لمنحه خمسين حقلًا احتياطًا.

تقليل البيانات يقلل:

سطح الهجوم.

مخاطر التسريب.

تعقيد التدقيق.

والاعتماد غير الضروري.

الأمن والخصوصية في التصميم

LGIF يضع الأمن والخصوصية ضمن المبادئ الأساسية للتشغيل البيني.

هذه نقطة مهمة جدًا لـAI Governance.

لا يجب أن تدخل مراجعة الأمن في آخر أسبوع قبل الإطلاق.

Security by Design يعني أن البنية والصلاحيات وتدفق البيانات والاعتماديات تُراجع أثناء التصميم.

الأمر نفسه ينطبق على Privacy by Design.

الأمن السيبراني الوطني

استراتيجية الأمن السيبراني اللبنانية 2019 توفر طبقة وطنية إضافية.

عندما تصبح الخدمات الحكومية رقمية ومتكاملة، يصبح أثر الحوادث أكبر.

AI يضيف بدوره مخاطر جديدة:

Prompt Injection.

تسميم البيانات.

تسريب المعلومات.

إساءة استخدام الحسابات الخدمية.

ومخاطر سلسلة التوريد.

لذلك يجب أن تتوسع إدارة الأمن لتشمل النماذج والمكونات الذكية.

الهوية والصلاحيات

الخدمة الرقمية تحتاج إلى معرفة هوية المستخدم.

لكن في AI نحتاج أيضًا إلى هوية النظام.

يجب أن نعرف:

أي تطبيق طلب البيانات؟

أي خدمة استدعت النموذج؟

من شغل الوظيفة؟

ومن وافق على القرار؟

Service Identity جزء أساسي من المساءلة.

أثر التدقيق

التحول الرقمي الجيد ينتج أثرًا إلكترونيًا.

لكن AI يحتاج إلى أثر أكثر تفصيلًا.

قد نحتاج إلى معرفة:

المستخدم.

إصدار النموذج.

مصدر البيانات.

وقت العملية.

النتيجة.

أي تدخل بشري.

والقرار النهائي.

هذا يجعل التحقيق والمراجعة والاعتراض أكثر قابلية للتنفيذ.

الخدمات المشتركة

من الأفضل في كثير من الحالات بناء خدمات مشتركة بدل تكرار القدرة نفسها في كل وزارة.

قد تشمل:

الهوية.

الإشعارات.

التبادل.

التوثيق.

أو قدرات بيانات.

لكن مشاركة الخدمة تخلق اعتمادًا مشتركًا.

لذلك يجب إدارة التوافرية والأمن والتغيير بعناية.

المرونة التشغيلية

كلما أصبح النظام الرقمي جزءًا من خدمة عامة، ازدادت أهمية الاستمرارية.

إذا توقف AI، هل تتوقف الخدمة؟

هل يمكن العودة إلى مسار يدوي؟

هل هناك قدرة بديلة؟

كم من الوقت يمكن أن تنتظر المعاملة؟

هذه الأسئلة يجب حلها قبل الإنتاج.

الحوسبة السحابية

السحابة قد تكون عنصرًا مهمًا في تحديث البنية.

لكن Cloud لا تعني تلقائيًا مرونة أو أمانًا أعلى.

النتيجة تعتمد على التصميم.

يجب تقييم:

الموقع.

التشفير.

الصلاحيات.

النسخ الاحتياطية.

الموردين.

الاعتماديات.

والخروج من الخدمة.

AI يزيد أهمية هذه الأسئلة لأنه قد يستخدم خدمات سحابية متعددة في العملية نفسها.

نقل البيانات عبر الحدود

عندما تعتمد الجهة على سحابة أو نموذج خارجي، قد تعالج بعض البيانات خارج لبنان.

هذا لا يظهر دائمًا للمستخدم.

قد تكون قاعدة البيانات محلية بينما يتم إرسال Prompt إلى مزود عالمي.

لذلك يجب رسم Data Flow كامل، لا الاكتفاء بتحديد مكان قاعدة البيانات الرئيسية.

الإصلاح القانوني

التحول الرقمي يخلق احتياجات قانونية جديدة باستمرار.

القواعد التي كانت مناسبة للمعاملات الإلكترونية التقليدية قد تحتاج إلى تطوير عندما تصبح الخدمات أكثر ترابطًا وتلقائية.

AI يضيف طبقة أخرى.

قضايا مثل:

القرار الآلي.

المساءلة.

الشفافية.

واستخدام البيانات في التدريب.

قد تحتاج إلى معالجة أكثر صراحة مستقبلًا.

العلاقة بين التقنية والقانون

هناك خطأان متعاكسان.

الأول بناء التقنية وكأن القانون غير موجود.

والثاني انتظار اكتمال كل القوانين قبل تنفيذ أي تحسين رقمي.

الأفضل هو بناء نظام مرن.

يطبق القواعد القائمة اليوم، ويحتفظ بقدرة على تحديث الضوابط عند صدور متطلبات جديدة.

المشتريات الحكومية

جزء كبير من التحول الرقمي يتم عبر موردين.

العقد السيئ يمكن أن يحول مشروعًا رقميًا إلى اعتماد طويل الأمد.

عند شراء AI يجب أن تشمل المراجعة:

ملكية البيانات.

المعالجين الفرعيين.

التحديثات.

السجلات.

الحوادث.

حقوق التدقيق.

وخطة الخروج.

الحياد التقني

LGIF يتضمن مبدأ الحياد التقني والتكيف.

هذا مفيد في AI لأن السوق يتغير بسرعة.

السياسة التي تُكتب حول منتج أو نموذج واحد تصبح قديمة سريعًا.

الأفضل أن تركز الضوابط على الوظيفة والمخاطر والنتائج.

ثم يمكن تغيير التقنية دون تغيير فلسفة الحوكمة.

إعادة الاستخدام

إعادة الاستخدام تقلل التكرار وتسرع الخدمات.

لكنها تحتاج إلى حوكمة.

نموذج أعيد استخدامه في سياق جديد قد يحتاج إلى تقييم جديد.

نجاحه في وزارة أو مجموعة بيانات لا يثبت صلاحيته تلقائيًا في سياق آخر.

Reusability لا تعني Transferability بلا اختبار.

الشفافية

التحول الرقمي يجب أن يحافظ على وضوح العلاقة بين المواطن والدولة.

عندما تدخل AI، يصبح هذا أصعب.

الشفافية المناسبة قد تتطلب أن يعرف المستخدم:

أن نظامًا آليًا يؤثر في العملية.

ما الغرض العام.

كيف يمكن طلب مراجعة.

وأين يقدم اعتراضًا.

لا تحتاج الدولة إلى كشف كل تفاصيل النموذج كي تكون شفافة.

الشمول وإمكانية الوصول

LGIF يضع Inclusion and Accessibility ضمن مبادئه.

هذه نقطة يجب أن تبقى موجودة في مشاريع AI.

النظام الذي يحسن الخدمة لغالبية المستخدمين لكنه يستبعد أصحاب الإعاقة أو المناطق ذات الاتصال الضعيف قد يفشل في هدف الخدمة العامة.

يجب اختبار التجربة على شرائح مختلفة.

القدرات المؤسسية

التقنية وحدها لا تنفذ استراتيجية.

تحتاج الدولة إلى قدرات داخلية تستطيع:

إدارة العقود.

فهم الأنظمة.

تقييم المخاطر.

مراجعة البيانات.

قياس الأداء.

والتحقيق في الحوادث.

إذا كانت المعرفة موجودة فقط لدى المورد، تصبح الحكومة ضعيفة أمام التقنية التي اشترتها.

المسؤوليات

كل خدمة رقمية تحتاج إلى Service Owner.

وكل استخدام AI مؤثر يحتاج إلى Decision Owner.

قد تكون إدارة تقنية المعلومات مسؤولة عن المنصة، لكنها ليست بالضرورة مالكة القرار الإداري الناتج عنها.

الفصل بين المسؤوليات يمنع ضياع المساءلة.

من الاستراتيجية إلى Portfolio

تنفيذ الاستراتيجية لا يجب أن يكون قائمة مشروعات منفصلة.

الأفضل إدارة Portfolio.

تحدد المشاريع حسب:

القيمة.

الأولوية.

الاعتماديات.

الجاهزية.

المخاطر.

والقدرة على التنفيذ.

بهذه الطريقة لا تبدأ الدولة بمشروع AI متقدم بينما الأساس الذي يعتمد عليه غير جاهز.

تقييم جاهزية AI

قبل اختيار حالة استخدام، يجب فحص أربعة أبعاد:

العملية.

البيانات.

البنية.

والحوكمة.

إذا كانت البيانات غير جاهزة، فالمشكلة ليست AI.

وإذا لم يوجد مالك قرار، فالمشكلة ليست في النموذج.

الجاهزية تمنع الخلط بين إمكانية بناء Demo وإمكانية تشغيل نظام مؤسسي.

بوابة حوكمة AI

يمكن بناء AI Governance Gate فوق نموذج التحول الرقمي القائم.

البوابة تسأل:

ما الغرض؟

ما مستوى الأثر؟

ما البيانات؟

هل توجد بيانات شخصية؟

من المورد؟

أين تتم المعالجة؟

ما الاختبارات؟

من يملك القرار؟

ما الإشراف البشري؟

وما خطة الفشل؟

هذا يسمح بإضافة AI Governance دون إعادة بناء نموذج إدارة المشاريع من الصفر.

ما الذي لا ينبغي استنتاجه؟

لا ينبغي تقديم استراتيجية التحول الرقمي 2020–2030 باعتبارها استراتيجية وطنية للذكاء الاصطناعي.

ولا ينبغي اعتبار LGIF أو LGIRA إطارين لتنظيم النماذج.

ولا ينبغي وصف قانون 81/2018 بأنه قانون AI.

ولا يعني وجود بنية تشغيل بيني أن مشاركة البيانات مباحة بلا ضوابط.

ولا يعني تحديث الدولة رقميًا أن جميع الخدمات يجب أن تستخدم AI.

العلاقة مع خارطة MITAI الحديثة

خارطة MITAI الحديثة تضيف AI بصورة أكثر صراحة إلى المشهد.

لكنها لا تجعل استراتيجية 2020–2030 قديمة أو غير ذات صلة.

العلاقة الأفضل هي أن استراتيجية التحول الرقمي تبني القاعدة المؤسسية، بينما MITAI توسع الاتجاه نحو AI والتقنيات الرقمية الحديثة.

هذا التكامل أكثر منطقية من التعامل مع الوثيقتين كمشروعين متنافسين.

ماذا يجب أن تفعل المؤسسة اللبنانية؟

المؤسسة لا تحتاج إلى إعادة اختراع الحوكمة من البداية.

يمكنها البدء من مبادئ التحول الرقمي والتشغيل البيني الموجودة.

ثم تضيف:

سجل AI.

تصنيف المخاطر.

حوكمة بيانات.

ضوابط موردين.

اختبارات.

إشرافًا بشريًا.

مراقبة.

وإدارة حوادث.

بهذا يصبح AI امتدادًا منظمًا للتحول الرقمي بدل مسار موازٍ غير محكوم.

الخلاصة التنفيذية

استراتيجية التحول الرقمي اللبنانية 2020–2030 لا تنظم الذكاء الاصطناعي بصورة مستقلة، لكنها توفر كثيرًا من الشروط المؤسسية التي يحتاجها AI كي يعمل بصورة قابلة للحوكمة.

الخدمات المتمحورة حول المواطن، التشغيل البيني، البنية المرجعية، حوكمة البيانات، الأمن، الخصوصية، القدرات المؤسسية والإصلاح القانوني ليست موضوعات جانبية.

هي البنية التي تحدد ما إذا كان AI سيصبح قدرة حكومية مستدامة أو مجموعة تجارب منفصلة.

القيمة الاستراتيجية ليست في إضافة AI إلى كل خدمة.

القيمة هي بناء دولة رقمية تعرف بياناتها وأنظمتها ومسؤولياتها واعتمادياتها أولًا.

عندها يصبح إدخال الذكاء الاصطناعي خطوة تطور طبيعية، وليس قفزة تقنية فوق أساس غير مكتمل.