مشهد حوكمة الذكاء الاصطناعي في قطر 2026: من استراتيجية 2019 إلى السياسة الوطنية المقترحة

لماذا قطر تحتاج قراءة زمنية وليس مجرد قائمة وثائق؟

مشهد حوكمة الذكاء الاصطناعي في قطر لا يمكن فهمه عبر قراءة وثيقة واحدة.

هناك طبقة استراتيجية تأسست منذ 2019، ثم تطورت البيئة القانونية والتنظيمية والقطاعية، وفي 2025–2026 ظهرت مسودة سياسة وطنية جديدة للذكاء الاصطناعي.

لذلك فإن القراءة الصحيحة للمشهد القطري تحتاج إلى الفصل بين:

• ما هو نهائي وقائم.
• ما هو استراتيجي.
• ما هو قانون نافذ.
• ما هو تنظيم قطاعي.
• ما هو Draft أو Proposed Direction.

هذا الفصل يمنع أكبر خطأ تحليلي في البيئة الحالية: تحويل السياسة الوطنية المقترحة إلى التزام نافذ قبل اعتمادها النهائي.

الطبقة الأولى: استراتيجية الذكاء الاصطناعي 2019

الاستراتيجية الوطنية للذكاء الاصطناعي لعام 2019 تمثل الأساس الاستراتيجي لمسار قطر.

ركزت على بناء قدرات وطنية والاستفادة من AI+X في قطاعات متعددة، وربط الذكاء الاصطناعي بالتنمية المستدامة والبحث والتعليم والاقتصاد والقدرات الوطنية.

هذه الاستراتيجية نهائية ومعلنة رسميًا.

لكنها ليست قانونًا شاملًا للذكاء الاصطناعي.

ولا ينبغي استخدامها بمفردها لفهم الوضع الحالي في 2026.

الطبقة الثانية: Draft National AI Policy

في مرحلة أحدث، طرحت وزارة الاتصالات وتكنولوجيا المعلومات مسودة السياسة الوطنية للذكاء الاصطناعي للاستشارة العامة.

الوثيقة الرسمية تصفها بوضوح بأنها Draft.

أغلقت الاستشارة في 16 يناير 2026.

حتى آخر تحقق، لم يتم التحقق من إصدار نسخة نهائية رسمية تحل محلها.

لذلك تصنيفها الصحيح داخل Siyada هو:

DRAFT

وليس:

FINAL ACTIVE BINDING

لماذا حالة الوثيقة مهمة؟

لأن المؤسسة قد تقرأ نصًا من المسودة ثم تقول:

"هذه متطلبات السياسة القطرية."

هذا الاستنتاج غير صحيح إذا كان المصدر الوحيد هو Draft.

الصياغة الصحيحة تكون:

• Proposed.
• Draft.
• Directional.
• Under consultation history.

حتى يظهر إصدار رسمي نهائي.

خمسة محاور في السياسة المقترحة

المسودة تبني تصورها حول خمسة محاور رئيسية:

1. البنية التحتية الرقمية.
2. البيانات والمعلومات.
3. القدرات البشرية.
4. القدرات المؤسسية.
5. حوكمة الذكاء الاصطناعي.

هذه المحاور تكشف تحولًا واضحًا من مجرد تبني AI إلى بناء منظومة Governance أكثر نضجًا.

البنية التحتية الرقمية

الذكاء الاصطناعي لا يعمل في فراغ.

هو يعتمد على:

• compute.
• cloud.
• storage.
• connectivity.
• APIs.
• identity.
• cybersecurity.

ولهذا تصبح البنية جزءًا من الحوكمة وليس مجرد قرار IT.

البيانات والمعلومات

AI governance في قطر ترتبط بقوة بالبيانات.

الأسئلة المؤسسية تشمل:

• ما البيانات؟
• من يملكها؟
• هل هي شخصية؟
• ما جودتها؟
• أين تتم معالجتها؟
• من يصل إليها؟
• كيف يتم الاحتفاظ بها؟
• ما مصادرها؟

القدرات البشرية

القدرات البشرية ليست فقط تدريب موظفين على استخدام أدوات AI.

هي تشمل:

• فهم المخاطر.
• فهم limitations.
• القدرة على الإشراف.
• القدرة على التقييم.
• بناء خبرات محلية.
• منع الاعتماد الأعمى على الموردين.

القدرات المؤسسية

المؤسسة التي تستخدم AI تحتاج إلى:

• governance structure.
• ownership.
• approvals.
• escalation.
• monitoring.
• internal policies.
• evidence.

بدون هذه العناصر، adoption يسبق governance.

الحوكمة القائمة على المخاطر

المسودة تتجه نحو نموذج Risk-Based Governance.

هذا يعني أن الأنظمة لا تعامل كلها بنفس الطريقة.

لكن يجب الانتباه:

[غير مؤكد]

تفاصيل التصنيف النهائية ونطاق التطبيق قد تتغير قبل صدور النسخة النهائية.

High-Risk AI

مصطلح High-Risk AI مفيد كمنهجية داخلية، لكنه لا ينبغي أن يتحول تلقائيًا إلى ادعاء قانوني قطري نهائي إذا كان مصدره المسودة فقط.

المؤسسة تستطيع داخليًا تصنيف الأنظمة وفق:

• أثر القرار.
• حساسية البيانات.
• الاستقلالية.
• قابلية التراجع.
• عدد المتأثرين.
• القطاع.
• الاعتماد على طرف ثالث.

Human Oversight

الإشراف البشري يظهر كجزء أساسي من اتجاه الحوكمة المقترح.

المؤسسة لا تحتاج إلى انتظار صدور السياسة النهائية حتى تطبق هذا المبدأ.

لكن يجب الفصل بين:

Best Practice

و

Final Regulatory Requirement.

قانون حماية خصوصية البيانات الشخصية

قانون رقم 13 لسنة 2016 يمثل طبقة قانونية نهائية ومستقلة.

عندما يعالج AI بيانات شخصية، تدخل مسائل مثل:

• حقوق الأفراد.
• دور المتحكم والمعالج.
• الأمن.
• الإخطار بالحوادث.
• مشاركة البيانات.
• النقل عبر الحدود.

السياسة المقترحة لا تلغي هذا القانون.

الأمن السيبراني

الاستراتيجية الوطنية للأمن السيبراني 2024–2030 تمثل طبقة مستقلة للحوكمة والمخاطر والمرونة.

AI systems يمكن أن تضيف مخاطر مثل:

• prompt injection.
• model abuse.
• insecure agents.
• exposed APIs.
• malicious retrieval.
• supply-chain dependency.

لكنها تعمل داخل منظومة الأمن السيبراني الأوسع.

التكنولوجيا المالية

مصرف قطر المركزي لديه استراتيجية قطاعية للتكنولوجيا المالية.

تتضمن تقنيات وخدمات مثل:

• eKYC.
• DLT.
• digital payments.
• emerging technologies.
• innovation environments.

إذا دخل AI ضمن الخدمات المالية، يجب دمج:

Financial Regulation + Data Protection + Cybersecurity + AI Governance

لا يوجد QCB AI Framework شامل

لا يوجد أساس موثق حاليًا لوصف قطر بأنها تمتلك إطارًا مصرفيًا شاملًا مستقلًا للذكاء الاصطناعي باسم QCB AI Framework.

لذلك يجب تجنب اختراع هذا التصنيف.

Government AI

الجهات الحكومية قد تكون من أهم مستخدمي AI في الدولة.

لكن استخدام AI داخل جهة حكومية لا يعني تلقائيًا أن كل ضوابط Draft Policy أصبحت نافذة.

يجب تقييم:

• نوع الخدمة.
• نوع القرار.
• البيانات.
• التأثير على الأفراد.
• المورد.
• الاستقلالية.
• الضوابط القائمة.

Regulatory Stack

يمكن تصور AI use case في قطر بهذه الطبقات:

National AI Strategy 2019 + Privacy Law + Cybersecurity Strategy + Sector Regulation + Internal Governance + Draft National AI Policy as monitored direction

Current vs Proposed Register

[ممارسة تنفيذية]

أنشئ داخل المؤسسة جدولًا يفصل بين:

CURRENT REQUIREMENT

و

PROPOSED / DRAFT DIRECTION

مثال:

Privacy Law → Current

Cybersecurity Strategy → Current

QCB Sector Rules → Current where applicable

Draft National AI Policy → Proposed

هذه الممارسة وحدها تمنع تضليلًا كبيرًا.

AI Inventory

لكل نظام سجل:

• use case.
• owner.
• business function.
• model.
• provider.
• data.
• geography.
• impact.
• autonomy.
• applicable frameworks.
• status.

Third-Party AI

المورد يصبح جزءًا من Risk Architecture.

افحص:

• data use.
• retention.
• subprocessors.
• security.
• incident notification.
• model updates.
• exit.

Cloud Dependency

حتى لو لم يوجد Cloud AI regulation خاص، فإن cloud dependency يجب أن تدخل في:

• continuity.
• sovereignty.
• concentration.
• vendor risk.
• security.

Model Risk

الذكاء الاصطناعي قد يفشل دون وقوع اختراق أمني.

مخاطر النموذج تشمل:

• drift.
• bias.
• weak calibration.
• hallucination.
• unstable outputs.
• context failure.

Agentic AI

عندما ينفذ AI Actions، ترتفع الحاجة إلى:

• scoped identity.
• permissions.
• approval thresholds.
• action logging.
• kill switch.
• monitoring.

AI Assurance

حتى قبل إصدار سياسة نهائية، يمكن للمؤسسة تطبيق:

• testing.
• validation.
• impact assessment.
• risk assessment.
• human oversight testing.
• monitoring.

هذه No-Regret Controls.

Regulatory Monitoring

يجب إنشاء Watch مستمر على:

• MCIT.
• QCB.
• NCSA.
• official legislative sources.

خصوصًا لمتابعة:

Final National AI Policy.

Regulatory Delta Assessment

عند إصدار النسخة النهائية:

1. احصل على المصدر الرسمي.
2. قارن Draft بالنسخة النهائية.
3. حدد البنود المحذوفة.
4. حدد البنود الجديدة.
5. حدد تغير scope.
6. حدد تغير terminology.
7. حدّث controls والمحتوى.

لماذا لا نحذف Draft من المعرفة؟

لأن Draft يحمل قيمة استخبارية تنظيمية.

المشكلة ليست في عرضه.

المشكلة في عرضه دون تمييز.

الخلاصة

قطر في 2026 لديها أساس استراتيجي واضح منذ 2019، وقواعد نهائية في الخصوصية والأمن والقطاع المالي، وفي الوقت نفسه تعمل على تطوير نموذج حوكمة AI أكثر تفصيلًا من خلال سياسة وطنية ما تزال في حالة Draft بحسب المصدر الرسمي المتاح.

الحوكمة المهنية لا تنتظر المستقبل، لكنها أيضًا لا تدّعي أن المستقبل أصبح قانونًا نافذًا.