الذكاء الاصطناعي التوليدي في المؤسسات السورية: من الوصول المباشر إلى الاستخدام المسؤول

لماذا تغيرت المسألة في 2026؟

عندما يصبح الوصول إلى خدمات الذكاء الاصطناعي العالمية أسهل، تتغير طبيعة المخاطر المؤسسية.

في سبتمبر 2026 أعلنت وزارة الاتصالات وتقانة المعلومات أن Gemini أصبح يعمل مباشرة في سوريا دون الحاجة إلى VPN.

هذه الخطوة توسع الخيارات المتاحة للمستخدمين والمؤسسات.

لكن سهولة الوصول لا تعني أن الاستخدام المؤسسي أصبح محكومًا تلقائيًا.

في الواقع قد يحدث العكس.

كلما أصبح فتح الخدمة أسهل، أصبح انتشار الاستخدام خارج القنوات الرسمية أسرع.

الوصول لا يساوي الاعتماد

وجود الخدمة على الإنترنت لا يعني أن المؤسسة اعتمدتها.

وهذه نقطة يجب أن تكون واضحة للموظفين.

الخدمة قد تكون متاحة للمواطن العادي، لكن الاستخدام المؤسسي يضيف أسئلة مختلفة:

هل يسمح بإدخال ملفات العمل؟

هل توجد بيانات شخصية؟

هل الحساب Business أم شخصي؟

هل يستخدم المزود المدخلات للتدريب؟

هل توجد اتفاقية معالجة بيانات؟

هل يستطيع فريق الأمن رؤية الاستخدام؟

أول سياسة يجب أن تكون بسيطة

السياسة التي تحتاج إلى خمسين صفحة لن يقرأها المستخدم.

يجب أن تبدأ ببعض القواعد الواضحة:

ما الأدوات المعتمدة؟

ما البيانات التي يمنع إدخالها؟

ما الاستخدامات التي تحتاج مراجعة بشرية؟

وما الحالات التي تحتاج موافقة مسبقة؟

ثم يمكن بناء التفاصيل الفنية والقانونية حول هذه القواعد.

تصنيف البيانات

قبل تصنيف Tool يجب تصنيف البيانات.

قد تكون البيانات:

عامة.

داخلية.

سرية.

شخصية.

أمنية.

أو حساسة بسبب السياق حتى لو لم تكن كذلك منفردة.

الأداة المناسبة لمحتوى عام قد لا تكون مناسبة لبيانات مواطن أو عقد أو معلومات أمنية.

Prompt نفسه قد يكون بيانات حساسة

الموظف قد لا يرفع ملفًا، لكنه يكتب في Prompt تفاصيل قضية أو بيانات شخص أو معلومات عن مشروع غير معلن.

لذلك لا يكفي منع Upload.

السياسة يجب أن تغطي النص الذي يكتبه المستخدم أيضًا.

الاستخدامات المنخفضة الأثر

يمكن أن تشمل:

تحسين صياغة نص عام.

تلخيص مادة منشورة.

اقتراح هيكل عرض.

توليد أفكار أولية.

أو المساعدة في كتابة كود تجريبي غير حساس.

هذه الاستخدامات قد تستفيد من مسار مبسط إذا لم تدخل بيانات حساسة ولم تستخدم المخرجات كقرار نهائي.

الاستخدامات المتوسطة

مثل:

تلخيص وثائق داخلية.

البحث في سياسات المؤسسة.

تحليل مجموعة مستندات.

المساعدة في كتابة تقارير.

هنا تحتاج المؤسسة إلى Tool معتمد وضوابط وصول والتحقق من المخرجات.

الاستخدامات عالية الأثر

إذا أصبح GenAI جزءًا من:

قرار يتعلق بمواطن.

تقييم أمني.

قرار مالي.

رأي قانوني.

تشخيص طبي.

أو إجراء إنفاذي.

فإن مستوى الحوكمة يجب أن يرتفع جذريًا.

النموذج لا يجب أن يكون صاحب القرار.

ويجب تحديد مسؤول بشري ومصادر موثوقة ومسار اعتراض.

Hallucination

أحد أخطر خصائص GenAI أنه يستطيع إنتاج معلومات خاطئة بصياغة مقنعة.

التحذير العام "تحقق من الإجابة" غير كافٍ.

يجب تحديد أنواع الاستخدام التي تحتاج Source Verification.

وفي الحالات الحساسة يجب أن يكون النظام نفسه Grounded على مصادر موثوقة قدر الإمكان.

البحث مقابل الإنتاج

يمكن السماح للموظف باستخدام GenAI للاستكشاف بصورة أوسع من استخدامه في وثيقة نهائية.

المسودة يمكن أن تحتوي أخطاء يتم تصحيحها.

أما قرار أو خطاب رسمي أو معلومة للمواطن فتحتاج مراجعة مختلفة.

لذلك يجب فصل Drafting Use عن Authoritative Output.

Shadow AI

أكبر خطر في المرحلة المبكرة قد لا يكون نموذجًا حكوميًا مركزيًا.

قد يكون مئات المستخدمين الذين يستخدمون حسابات شخصية وأدوات مختلفة.

عندها لا تعرف المؤسسة:

ما البيانات التي أُرسلت.

إلى أي مزود.

أين تم تخزينها.

أو كيف تستخدم.

الحل ليس مجرد الحظر.

يجب توفير أدوات معتمدة يسهل استخدامها.

الحسابات الشخصية

الحساب الشخصي لا يوفر نفس مستوى التحكم المؤسسي عادة.

قد لا تستطيع المؤسسة إدارة الاحتفاظ أو الوصول أو الإلغاء أو الـLogs.

لذلك يجب الفصل بين الاستخدام الشخصي والاستخدام المهني عندما تدخل بيانات العمل.

الملكية الفكرية

GenAI يخلق أسئلة حول:

المحتوى المدخل.

المحتوى الناتج.

الكود.

الصور.

والمواد التدريبية.

يجب ألا يفترض المستخدم أن كل مخرج يمكن استخدامه تجاريًا أو رسميًا دون مراجعة.

كما يجب حماية الأسرار والمحتوى غير المنشور.

حقوق المؤلف

المستخدم قد يطلب من النموذج إنتاج نص أو صورة قريبة من مادة محمية.

لذلك يجب أن تشمل السياسة استخدام المخرجات لا مجرد حماية المدخلات.

في الأعمال الرسمية، يجب مراجعة مصدر المحتوى وحقوق استخدامه عند الحاجة.

الاستخدام في البرمجة

Coding Assistants يمكن أن ترفع الإنتاجية.

لكن إدخال كود Proprietary أو أسرار أو مفاتيح إلى خدمة غير معتمدة قد يخلق مشكلة.

كما يجب مراجعة الكود الناتج أمنيًا ووظيفيًا.

النموذج لا يتحمل مسؤولية الثغرة.

الاستخدام في الأمن السيبراني

GenAI يمكن أن يساعد في التحليل والبحث وإعداد Queries والتلخيص.

لكن لا يجب إعطاؤه تلقائيًا أسرارًا أو Dumps حساسة أو صلاحيات تنفيذ.

وعندما يصبح Agent قادرًا على تنفيذ إجراءات، يجب الفصل بين اقتراح الإجراء وتنفيذه.

RAG المؤسسي

إذا أرادت المؤسسة مساعدًا داخليًا، يمكن استخدام RAG لربط النموذج بوثائق معتمدة.

لكن هذا لا يحل الحوكمة تلقائيًا.

يجب ضبط:

من يستطيع إدخال المستندات؟

من يراها؟

كيف يتم تحديثها؟

ماذا يحدث عند إلغاء وثيقة؟

وكيف نمنع مستخدمًا من استرجاع محتوى لا يملك صلاحية له؟

البيانات الشخصية

قانون حماية البيانات الشخصية يجب أن يكون جزءًا من تقييم أي استخدام مؤسسي لـGenAI يعالج بيانات أشخاص.

لكن يجب عدم ادعاء تفاصيل قانونية غير مثبتة من النص الرسمي الكامل.

القاعدة العملية الآمنة هي عدم إرسال البيانات الشخصية إلى خدمة غير معتمدة دون تقييم واضح للغرض والمعالجة والمورد.

المورد

قبل اعتماد Tool يجب معرفة:

من يوفرها؟

ما نوع الحساب؟

ما سياسة الاحتفاظ؟

ما المناطق المتاحة؟

هل يستخدم المحتوى في التدريب؟

كيف يحذف الحساب؟

هل توجد إدارة مركزية للمستخدمين؟

هل توجد Logs؟

تحديث النماذج

الخدمة نفسها قد تتغير.

قد يتحسن النموذج أو يتغير سلوكه.

لذلك اعتماد المنتج مرة واحدة لا يكفي.

يجب متابعة التغييرات الجوهرية التي قد تؤثر في النتائج أو الخصوصية أو الأمن.

Human Review

المراجعة البشرية يجب أن تكون متناسبة مع الاستخدام.

قد تكفي مراجعة لغوية بسيطة في محتوى منخفض الأثر.

أما المحتوى القانوني أو المالي أو الفني الحساس فيحتاج إلى خبير قادر على التحقق.

وجود إنسان لا يفيد إذا لم يملك المعرفة الكافية للمراجعة.

قياس القيمة

يجب ألا تصبح المؤسسة مهووسة بعدد المستخدمين.

المقياس الأفضل هو:

كم وقتًا وفرنا؟

هل تحسنت الجودة؟

هل انخفضت الأخطاء؟

هل زاد حجم العمل؟

وهل زادت الحوادث؟

التبني الواسع دون قيمة قابلة للقياس قد يكون ضوضاء أكثر من تحول.

التدريب

في سوريا ظهرت خلال 2026 مبادرات واضحة لتوسيع المهارات، من بينها تدريب مدربين وإطلاق مبادرة تستهدف مليون مستخدم.

هذه المبادرات تعالج جانب الوصول والمعرفة.

لكن التدريب المؤسسي يحتاج إلى إضافة طبقة Governance.

الموظف لا يحتاج فقط إلى معرفة كيف يكتب Prompt جيدًا.

يحتاج أيضًا إلى معرفة:

متى لا يستخدم الأداة.

ما البيانات التي يحميها.

وكيف يتحقق من النتيجة.

Prompt Engineering ليس AI Literacy كاملة

إتقان Prompt مهم لكنه جزء صغير.

AI Literacy المؤسسية تشمل فهم:

الحدود.

الهلوسة.

الخصوصية.

الأمن.

التقييم.

والإشراف.

المستخدم الذي يعرف كيف يحصل على إجابة مقنعة لكنه لا يعرف متى لا يثق بها يمكن أن يكون أكثر خطورة من المستخدم المبتدئ.

سياسة الاستخدام المقبول

يمكن للمؤسسة تقسيم الاستخدامات إلى ثلاث فئات:

أخضر: استخدامات عامة منخفضة المخاطر.

برتقالي: استخدامات تحتاج أداة معتمدة ومراجعة.

أحمر: بيانات أو قرارات لا يسمح بإرسالها إلى GenAI عام.

هذا النموذج سهل الفهم أكثر من سياسة طويلة لا يستخدمها أحد.

Incident Reporting

الموظف يجب أن يعرف ماذا يفعل إذا أرسل معلومة بالخطأ إلى خدمة غير معتمدة.

إخفاء الخطأ أسوأ من الخطأ نفسه.

يجب وجود قناة للإبلاغ السريع حتى تستطيع المؤسسة تقييم الاحتواء والحذف وإعادة تعيين الأسرار إذا لزم.

ماذا يجب أن تفعل المؤسسة الآن؟

اختر أدوات معتمدة.

عرّف البيانات المحظورة.

أنشئ سياسة قصيرة.

درّب المستخدمين.

ابدأ بحالات منخفضة الأثر.

راقب الاستخدام.

وقس القيمة والحوادث.

ثم وسع الاستخدام عندما يصبح النموذج التشغيلي أكثر نضجًا.

ما الذي لا ينبغي استنتاجه؟

إتاحة Gemini أو أي خدمة عالمية في سوريا لا تعني اعتمادها حكوميًا.

ولا يعني انتشار التدريب وجود إطار وطني نهائي لحوكمة GenAI.

ولا يعني استخدام الأداة في صياغة مسودة أن مخرجاتها أصبحت مصدرًا رسميًا.

الخلاصة

اتساع الوصول إلى GenAI في سوريا فرصة حقيقية لرفع الإنتاجية والمهارات وتقليل بعض أعباء العمل.

لكن المرحلة الأخطر هي المرحلة التي تصبح فيها الأدوات سهلة الاستخدام قبل أن تتشكل قواعد المؤسسة.

أفضل استجابة ليست المنع الكامل ولا التبني غير المقيد.

هي بناء مسار رسمي يجعل الاستخدام الآمن أسهل من الاستخدام غير المحكوم.