حوكمة بيانات الذكاء الاصطناعي في الجهات الحكومية العُمانية

حوكمة بيانات الذكاء الاصطناعي في الجهات الحكومية العُمانية

لا توجد حوكمة AI قوية دون حوكمة بيانات

قد يكون النموذج متقدمًا تقنيًا، لكن جودة الحوكمة تنهار إذا لم تعرف الجهة من أين جاءت البيانات، ومن يملكها، وهل يسمح باستخدامها، وما مستوى جودتها، وكيف يتم الاحتفاظ بها ومشاركتها.

في سلطنة عُمان، يوفر الإطار التنظيمي لحوكمة وإدارة البيانات الوطنية طبقة مؤسسية مهمة للجهات الحكومية.

صدر الإطار بالتعميم الوزاري 113/2025 بتاريخ 14 يناير 2025، ويتضمن ثلاث وثائق رئيسية: سياسات حوكمة وإدارة البيانات الوطنية، ودليل إنشاء مكاتب حوكمة وإدارة البيانات، وأدوات أو آليات تقييم الالتزام.

لماذا هذا الإطار مهم لـAI؟

الذكاء الاصطناعي يعتمد على البيانات في مراحل متعددة: التدريب، والتخصيص، والاختبار، والاستدلال، والمراقبة، والتقييم، والتحقيق في الأخطاء.

لذلك فإن ضعف إدارة البيانات يتحول مباشرة إلى مخاطر AI.

مصدر البيانات

يجب أن تستطيع الجهة معرفة المصدر الأصلي للبيانات.

سجل البيانات المرتبط بنظام AI يجب أن يوضح المصدر، والمالك، وطريقة الجمع، والغرض، وأي قيود على الاستخدام.

تصنيف البيانات

التصنيف يساعد في تحديد الضوابط المناسبة. البيانات العامة لا تعامل بالطريقة نفسها التي تعامل بها البيانات الشخصية أو السرية أو المقيدة.

وعند استخدام خدمات سحابية أو مزود AI خارجي، يصبح التصنيف أساسًا لاتخاذ قرار ما إذا كان يجوز إرسال البيانات إلى البيئة الخارجية.

جودة البيانات

جودة البيانات ليست مسألة تقنية فقط. بيانات ناقصة أو متحيزة أو قديمة قد تؤدي إلى نتائج سيئة حتى لو كان النموذج نفسه يعمل كما صُمم.

يمكن تقييم الجودة عبر أبعاد مثل الاكتمال والدقة والحداثة والاتساق والتمثيل المناسب للسياق.

فهرس البيانات

يظهر Data Catalog ضمن مؤشرات الالتزام الحكومي، ويهدف إلى توحيد فهم البيانات وتمكين تتبعها إلى مصدرها، مع عناصر تشمل قاموس البيانات والمصطلحات التجارية وتوثيق دورة الحياة.

هذا مهم جدًا لـAI لأنه يسمح بربط النظام بمصادر بيانات يمكن تتبعها بدل استخدام مجموعات بيانات مجهولة الأصل.

Data Lineage

من أفضل الممارسات ربط نظام AI بسلسلة توضح:

Source → Transformation → Dataset → Model/System → Output

هذا لا يعني أن مصطلح Data Lineage مفروض بهذه الصيغة على كل نظام، لكنه يساعد في التحقيق والتدقيق وفهم أثر أي تغيير في المصدر.

مكتب حوكمة وإدارة البيانات

يتضمن الإطار دليلًا لإنشاء مكاتب حوكمة وإدارة البيانات.

في سياق AI، يمكن لهذا المكتب أن يعمل كنقطة تنسيق حول ملكية البيانات وتصنيفها وجودتها ومشاركتها وفهرستها ودورة حياتها والالتزام بالسياسات.

لكن لا ينبغي افتراض أنه يصبح وحده مالك مخاطر AI.

البيانات الشخصية

إذا كانت البيانات شخصية، تدخل طبقة إضافية: قانون حماية البيانات الشخصية ولائحته التنفيذية.

لذلك يجب التمييز بين سؤالين: هل البيانات محكومة جيدًا؟ وهل معالجتها قانونية ومتوافقة مع متطلبات حماية البيانات؟

الإجابة عن الأول لا تغني عن الثاني.

البيانات المولدة من AI

البيانات لا تدخل النظام فقط؛ النظام قد ينتج بيانات جديدة مثل الملخصات والتصنيفات والتوصيات والدرجات والسجلات والمحتوى المولد.

يجب تحديد كيف تصنف هذه المخرجات، ومدة الاحتفاظ بها، ومن يستطيع الوصول إليها، وهل تصبح جزءًا من سجل رسمي.

تغيير البيانات

إذا تغير مصدر البيانات أو خصائصها، فقد يتغير أداء النظام.

[ممارسة تنفيذية] يمكن إنشاء محفز مراجعة عند إضافة مصدر جديد، أو تغيير تعريف حقل مهم، أو انخفاض الجودة، أو تغير فئة السكان، أو تغير دورة الاحتفاظ، أو تغير مزود البيانات.

الأدلة

يمكن أن تشمل أدلة حوكمة البيانات سجل مصادر البيانات، وتصنيفاتها، وتعريفات الحقول، ونتائج الجودة، وقرارات الوصول، واتفاقيات المشاركة، وسجل دورة الحياة، ومدخلات Data Catalog، وتقارير معالجة المشكلات.

الخلاصة

في النظام الحكومي، حوكمة AI وحوكمة البيانات ليستا مسارين منفصلين.

والسؤال الحاسم هو:

هل تستطيع الجهة تتبع البيانات من مصدرها إلى استخدامها في النظام ثم إلى المخرجات؟

إذا لم تستطع، فستكون قابلية التدقيق والمساءلة محدودة مهما كانت جودة النموذج.

راجعت Siyada AI الحالة التنظيمية بتاريخ 9 سبتمبر 2026.