استراتيجية فلسطين للبيانات 2024–2029 وأهميتها للجاهزية الوطنية للذكاء الاصطناعي

استراتيجية فلسطين للبيانات 2024–2029 والجاهزية للذكاء الاصطناعي

آخر تحقق: 10 سبتمبر 2026

نشر الجهاز المركزي للإحصاء الفلسطيني استراتيجية فلسطين للبيانات 2024–2029 — المحدثة بوصفها إطارًا وطنيًا لتطوير منظومة البيانات والنظام الإحصائي ودعم التخطيط وصنع القرار.

وعلى الرغم من أنها ليست استراتيجية ذكاء اصطناعي، فإنها من أهم المكونات اللازمة لأي AI وطني يمكن الوثوق به.

لماذا البيانات تسبق النموذج؟

يمكن الحصول على نموذج متقدم بسرعة، لكن بناء سجلات موثوقة وتعريفات موحدة وجودة بيانات وصلاحيات وربط وحوكمة وثقافة استخدام يحتاج سنوات. لذلك تمثل استراتيجية البيانات جزءًا من AI Readiness Infrastructure.

ما الذي تستهدفه؟

تشمل الاستراتيجية إنتاج واستخدام البيانات، السجلات الإدارية، البيانات المركزية، الشراكات، الجودة، المعايير، الخصوصية والسرية، نقل البيانات، البيانات الضخمة وعلوم البيانات.

السجلات الإدارية

[ممارسة تنفيذية] قبل استخدام سجل حكومي في AI يجب تقييم تعريفه، وتاريخ تحديثه، والأخطاء، والبيانات المفقودة، والتكرار، والتحيز، والتغطية، ومالك السجل، وصلاحية إعادة الاستخدام.

جودة البيانات

في AI قد يتحول خطأ البيانات إلى خطأ قرار. لذلك يجب معرفة المصدر، والتمثيل، والتغير في التعريفات، والفجوات، وإمكانية تتبع الأصل.

الربط والتبادل

التكامل بين الجهات يمكن أن يحسن الخدمات، لكنه يرفع مخاطر توسع الغرض والإفراط في الوصول وفقدان السياق وصعوبة تحديد المسؤولية. [ممارسة تنفيذية] يجب أن يصاحب الربط: Purpose + Authority + Data Owner + Access + Security + Logging + Retention + Review.

الخصوصية

الاستراتيجية تؤكد أهمية السرية والخصوصية، لكنها لا تمنح وحدها أساسًا قانونيًا لكل معالجة. يجب الفصل بين الاستراتيجية، والقواعد القانونية الحالية، ومشروع قانون حماية البيانات، وسياسات المؤسسة.

AI في الإحصاء الرسمي

هناك أمثلة رسمية على استخدام GIS والذكاء الاصطناعي للمساعدة في تحديث العمل الإحصائي وتحديد أنماط جغرافية وسكانية. هذا يبين أن AI دخل حالات استخدام حكومية فعلية.

[ممارسة تنفيذية] هذه الحالات تحتاج إلى validation، مراجعة بشرية، توثيق مصدر البيانات، حدود الثقة، ومراجعة أثر الخطأ.

البيانات المفتوحة

البيانات المفتوحة لا تعني أنها خالية من القيود أو مناسبة تلقائيًا لتدريب AI. يجب تقييم الترخيص والجودة والخصوصية والسياق لكل dataset.

نموذج تشغيل لحوكمة البيانات

[ممارسة تنفيذية] يمكن توزيع الأدوار على Data Owner وData Steward وTechnical Custodian وPrivacy/Legal وSecurity وAI Use-Case Owner.

بيانات التدريب

يجب توثيق المصدر والحقوق والغرض والتمثيل والتنظيف والقيود والبيانات الحساسة ونسخة dataset المستخدمة. هذا يبني traceability عند حدوث مشكلة.

السيادة على البيانات

السيادة لا تعني موقع التخزين فقط؛ بل من يتحكم بالبيانات، ومن يستطيع نسخها، وأين تعالج، ومن يملك أدوات التحليل، وما الولاية القضائية، وهل تستطيع الجهة الانتقال إلى بديل.

ما الذي لا تثبته الاستراتيجية؟

لا تثبت أن كل بيانات الحكومة موحدة، أو أن كل السجلات مترابطة، أو أن جميع البيانات جاهزة للAI، أو أن هناك قانون حماية بيانات شاملًا نافذًا، أو أن كل الجهات تطبق نموذج حوكمة واحدًا.

مؤشرات جاهزية عملية

[ممارسة تنفيذية] يمكن قياس نسبة datasets ذات owner، واكتمال metadata، ومعدلات الخطأ، ونسبة البيانات المصنفة، وعدد حالات الاستخدام ذات lineage موثق، وعدد اتفاقيات تبادل البيانات المحدثة.

الخلاصة

استراتيجية البيانات ليست هامشًا في ملف AI؛ إنها جزء من البنية الأساسية للثقة في أي استخدام وطني للذكاء الاصطناعي.