إطار تبني الذكاء الاصطناعي في السعودية: من الجاهزية إلى الاستخدام المسؤول

ما هدف إطار تبني الذكاء الاصطناعي؟

تقدم الهيئة السعودية للبيانات والذكاء الاصطناعي إطار تبني الذكاء الاصطناعي باعتباره مرجعًا إرشاديًا يساعد على تبني التقنية بصورة منظمة ومسؤولة عبر القطاعات.

ولا يبدأ من افتراض أن نجاح AI يعني امتلاك أكبر عدد من النماذج أو الأدوات.

بل ينظر إلى التبني باعتباره رحلة مؤسسية تحتاج إلى:

• توجه واضح.
• حالات استخدام مناسبة.
• جاهزية تنظيمية وتقنية.
• بيانات.
• بنية تحتية.
• قدرات بشرية.
• حوكمة.
• متابعة مستمرة للنتائج.

وهذا يجعل الإطار ذا قيمة خاصة للمؤسسات التي تريد الانتقال من التجارب المتفرقة إلى برنامج AI منظم.

إطار إرشادي وليس قانونًا عامًا

تصف سدايا إطار التبني رسميًا بأنه مرجع أو إطار إرشادي شامل.

لذلك لا ينبغي تقديمه بوصفه نظامًا عامًا يفرض التزامات قانونية على كل منشأة.

وظيفته الأساسية مختلفة:

مساعدة المؤسسة على تنظيم عملية التبني.

أما إثبات الالتزام القانوني أو التنظيمي بحكم معين فيحتاج إلى الرجوع إلى الأنظمة واللوائح والضوابط المطبقة على الجهة أو حالة الاستخدام.

هذا الفصل مهم لأن المؤسسة قد تكون:

متقدمة جدًا في تبني AI

وفي الوقت نفسه:

ضعيفة في الخصوصية أو الأمن أو الحوكمة.

والعكس صحيح.

مستويات النضج في التبني

يعرض الإطار رحلة التبني عبر مستويات نضج تبدأ من المراحل المبكرة وصولًا إلى مستويات أكثر تقدمًا.

يمكن قراءة هذه المستويات باعتبارها وسيلة لفهم موقع المؤسسة الحالي، وليس مجرد «درجة» للاستخدام التسويقي.

في المراحل المبكرة قد تكون المؤسسة:

• ما تزال تبني الوعي.
• تنفذ تجارب محدودة.
• تفتقر إلى عمليات موحدة.
• تعتمد على مبادرات منفصلة.

ومع ارتفاع النضج، تصبح الممارسة أكثر تنظيمًا من حيث:

• اختيار حالات الاستخدام.
• توزيع المسؤوليات.
• إدارة البيانات.
• بناء القدرات.
• الحوكمة.
• القياس.
• التوسع المؤسسي.

الهدف ليس الوصول إلى مستوى متقدم بأي ثمن، بل بناء مستوى يناسب احتياجات المؤسسة وقدرتها ومخاطرها.

لماذا تبدأ الرحلة من حالات الاستخدام؟

من أخطر أخطاء تبني AI البدء بالسؤال:

أي منصة أو نموذج نشتري؟

قبل السؤال:

ما المشكلة أو الفرصة التي نريد معالجتها؟

حالة الاستخدام هي الوحدة العملية الأفضل للحوكمة.

فمن خلالها يمكن تحديد:

الهدف ما القيمة المتوقع تحقيقها؟

المستخدم من سيستخدم النظام؟

البيانات ما البيانات اللازمة؟

القرار هل ينتج النظام محتوى فقط أم يؤثر في قرار؟

المخاطر ماذا يحدث إذا أخطأ؟

الاعتماديات هل نعتمد على مزود خارجي أو نموذج أو API أو سحابة؟

وبعد ذلك يمكن تحديد الجاهزية المطلوبة قبل التنفيذ.

العلاقة بين التبني والحوكمة

التبني والحوكمة ليسا مسارين متعارضين.

الحوكمة الجيدة تساعد على التوسع لأنها تمنع المؤسسة من بناء عدد كبير من التجارب غير المعروفة أو غير المراقبة.

كلما زاد التبني، ازدادت الحاجة إلى معرفة:

• أين يستخدم AI؟
• من يملكه؟
• ما البيانات التي يستخدمها؟
• من المورد؟
• ما المخاطر؟
• ما قرار الموافقة؟
• ما الأدلة الموجودة؟
• متى يجب إعادة المراجعة؟

ولهذا فإن سجل حالات استخدام AI يصبح أحد أهم مكونات التبني المنظم.

مسار عملي للمؤسسات

يمكن استخدام الإطار ضمن مسار مكون من ست مراحل:

1. تقييم الجاهزية

افهم الوضع الحالي في الاستراتيجية والبيانات والبنية والمهارات والحوكمة.

2. تحديد حالات الاستخدام

أنشئ قائمة بالحالات الحالية والمقترحة بدل إبقاء الاستخدام موزعًا داخل الإدارات.

3. ترتيب الأولويات

وازن بين القيمة المتوقعة والمخاطر والجاهزية والتكلفة.

4. بناء الضوابط

حدد مسؤوليات الموافقة والخصوصية والأمن والمخاطر والمراقبة.

5. التنفيذ المرحلي

اختبر حالات الاستخدام في نطاق مسيطر عليه قبل التوسع.

6. القياس والتطوير

راجع القيمة والأداء والمخاطر ومستوى النضج بصورة دورية.

بهذا يتحول تبني AI من سلسلة تجارب تقنية إلى قدرة مؤسسية قابلة للإدارة.