الذكاء الاصطناعي التوليدي في القطاع العام اليمني: سياسة استخدام عملية قبل التوسع

GenAI يدخل قبل الاستراتيجية غالبًا

الذكاء الاصطناعي التوليدي يمكن أن يدخل المؤسسة دون مشروع تحول ضخم.

الموظف يستطيع استخدام خدمة عامة في:

الصياغة.

التلخيص.

البحث.

الترجمة.

البرمجة.

أو إعداد التقارير.

لهذا قد يصل الاستخدام الفعلي قبل أن تصل السياسة.

لماذا القطاع العام حساس؟

الموظف الحكومي قد يتعامل مع معلومات ليست متاحة للجمهور.

وقد تكون المعلومة:

شخصية.

قضائية.

مالية.

أمنية.

تجارية.

أو مرتبطة بقرار رسمي.

لهذا لا يمكن التعامل مع حساب GenAI شخصي كما نتعامل مع محرر نصوص عادي.

لا يوجد إطار وطني GenAI نهائي متحقق لدينا

حتى تاريخ هذه القراءة، لا تعتمد سيادة AI وجود إطار وطني يمني نهائي مستقل ينظم الاستخدام المؤسسي للذكاء الاصطناعي التوليدي.

لذلك المقترحات هنا هي Governance Controls مؤسسية.

وليست متطلبات قانونية وطنية ندعي وجودها.

أول مشكلة: Shadow AI

المؤسسة قد لا تعرف الأدوات التي يستخدمها موظفوها.

هذا يخلق فجوة رؤية.

لا نعرف:

من يستخدم ماذا؟

بأي حساب؟

وأي بيانات تُرسل؟

وهل يتم الاحتفاظ بها؟

لماذا الحظر الكامل لا يعمل؟

الأداة قد توفر قيمة حقيقية للموظف.

إذا منعت المؤسسة كل شيء دون بديل، قد ينتقل الاستخدام إلى حسابات شخصية.

بذلك يصبح أقل وضوحًا وأكثر مخاطرة.

السياسة الجيدة تجعل المسار الرسمي أسهل.

قائمة الأدوات المعتمدة

يجب أن توجد قائمة بسيطة ومحدثة.

ليست كل خدمة متاحة أداة معتمدة.

الاعتماد يجب أن ينظر إلى:

البيانات.

نوع الحساب.

إدارة المستخدمين.

الاحتفاظ.

المورد.

والأمن.

تصنيف البيانات

قرار استخدام GenAI يبدأ بالبيانات.

يمكن للمؤسسة تحديد فئات مثل:

عام.

داخلي.

مقيد.

حساس.

ثم توضح لكل فئة ما الأدوات المسموحة.

هذا أكثر عملية من كتابة أسماء أدوات فقط.

Prompt Data

حتى لو لم يرفع المستخدم ملفًا، قد يكتب المعلومات الحساسة داخل Prompt.

لذلك سياسة Upload وحدها ناقصة.

كل Input يجب أن يخضع لنفس قواعد البيانات.

الحساب الشخصي مقابل المؤسسي

الحساب المؤسسي قد يتيح:

إدارة مركزية.

سياسات احتفاظ.

SSO.

إلغاء وصول.

Logs.

وضوابط إضافية.

أما الحساب الشخصي فقد يبقى خارج رؤية المؤسسة.

لذلك استخدام العمل يجب ألا يعتمد تلقائيًا على حسابات شخصية.

حالات منخفضة الأثر

مثل:

إعادة صياغة نص عام.

تلخيص مادة منشورة.

اقتراح Outline.

توليد أفكار أولية.

هذه حالات يمكن أن تمر بمسار أخف.

حالات متوسطة

مثل:

تلخيص مستندات داخلية.

إعداد تقرير.

البحث في قاعدة معرفة مؤسسية.

مساعدة مبرمج على كود داخلي.

تحتاج إلى أداة معتمدة وسياسات أوضح.

حالات عالية الأثر

مثل:

قرار قضائي.

قرار مالي.

قرار يتعلق بحق أو خدمة.

تحقيق.

أو محتوى رسمي سيعتمد عليه المواطن.

هذه الحالات لا يجب أن تعتمد على GenAI كمصدر قرار مستقل.

Hallucination

النموذج قد ينتج جوابًا خاطئًا بصياغة قوية.

المستخدم قد يثق به بسبب أسلوبه.

هذا خطر Automation Bias.

يجب أن تكون هناك قواعد واضحة بشأن متى تكون Source Verification إلزامية.

المصادر

في المحتوى الرسمي، يجب أن يكون مصدر المعلومة معروفًا.

RAG يمكن أن يساعد.

لكن يجب ألا يجعل المستخدم يظن أن كل Output صحيح لمجرد أن النظام متصل بقاعدة معرفة.

Human Review

المراجعة البشرية يجب أن تكون من شخص مؤهل.

الموظف الذي لا يعرف المجال لن يكتشف الخطأ القانوني أو الأمني أو المالي بسهولة.

Human-in-the-Loop ليس Checkbox.

Draft مقابل Official Output

يمكن أن تستخدم GenAI بصورة أوسع في إعداد Draft.

لكن النص النهائي يحتاج Review.

هذا الفصل يقلل المخاطر ويتيح في الوقت نفسه الاستفادة من الإنتاجية.

GenAI في القضاء

التحول الرقمي القضائي في اليمن موثق عمليًا في 2026.

لكن هذا لا يعني أن AI يستخدم لاتخاذ الأحكام.

يجب الفصل بين Digital Court وAI Court.

إذا استخدم AI مستقبلًا في دعم البحث أو التلخيص القضائي، فإن حساسية السياق تتطلب مستوى مرتفعًا من التدقيق والمراجعة.

GenAI في الاقتصاد والخدمات

الجهات التي تتحول إلى بوابات وخدمات إلكترونية قد تجد استخدامات لـGenAI في:

خدمة العملاء.

البحث.

تلخيص الطلبات.

دعم الموظف.

لكن الاستخدام يجب أن يبدأ من مشكلة واضحة.

لا من رغبة في إضافة Chatbot فقط.

GenAI في البرمجة

يمكن أن يزيد سرعة التطوير.

لكن الكود الناتج يحتاج Review.

ويجب عدم إرسال:

Credentials.

أسرار.

كود حساس.

أو بيانات إنتاج.

إلى خدمة غير معتمدة.

الملكية الفكرية

المخرجات ليست دائمًا حرة من القيود.

يجب الانتباه عند استخدام:

صور.

نصوص.

أكواد.

مواد تدريبية.

في منتجات أو منشورات رسمية.

البيانات الشخصية

الجهة يجب أن تمنع الاستخدام العشوائي للبيانات الشخصية داخل أدوات عامة.

حتى عند غياب إطار AI متخصص، هذا Control منخفض الندم.

المؤسسة يجب أن تعرف أين تنتقل البيانات.

Vendor Terms

المستخدم العادي نادرًا ما يقرأ شروط المزود.

لكن المؤسسة يجب أن تفعل.

نحتاج إلى معرفة:

Retention.

Training Use.

Subprocessors.

Regions.

Security.

Account Termination.

Model Updates

الخدمة قد تتغير بعد اعتمادها.

لذلك يجب أن يكون الاعتماد عملية مستمرة.

التغيير الجوهري قد يحتاج إلى إعادة تقييم.

Training

التدريب الجيد لا يشرح Prompt Engineering فقط.

يشرح:

المخاطر.

التحقق.

البيانات.

الخصوصية.

الأمن.

حدود الاستخدام.

والإبلاغ عن الحوادث.

AI Literacy

القيادي يحتاج إلى فهم مختلف عن الموظف.

والمطور مختلف عن المحامي.

لذلك يجب أن يكون التدريب Role-based.

Incident Reporting

إذا أرسل موظف بيانات حساسة بالخطأ، يجب أن يعرف أين يبلغ.

الهدف ليس العقاب أولًا.

الهدف احتواء الضرر بسرعة.

قد نحتاج إلى حذف المحادثة أو تدوير Secret أو التواصل مع Vendor.

قياس القيمة

عدد المستخدمين ليس Outcome.

يجب قياس:

الوقت الموفر.

جودة المنتج.

إعادة العمل.

الأخطاء.

التكلفة.

والحوادث.

Acceptable Use Policy

يمكن أن تكون صفحة واحدة فعالة أكثر من سياسة طويلة.

تشمل:

الأدوات المعتمدة.

الممنوعات.

حالات Human Review.

التصعيد.

وحوادث البيانات.

ثلاثة ألوان

يمكن تبسيط الاستخدام:

أخضر: محتوى عام منخفض الأثر.

برتقالي: استخدام داخلي يحتاج أداة معتمدة ومراجعة.

أحمر: بيانات أو قرارات لا تدخل إلى خدمة عامة غير معتمدة.

هذا يسهل التطبيق.

المشتريات

عند شراء Software جديد يجب السؤال عن AI Features.

قد يكون المنتج يستخدم Generative AI رغم أن المشروع لا يحمل اسم AI.

يجب كشف ذلك قبل التعاقد.

ما الذي لا ينبغي استنتاجه؟

التحول الرقمي الحكومي لا يعني أن GenAI معتمد لكل الجهات.

والدراسات القانونية حول AI لا تساوي قانون AI.

كما لا ينبغي الادعاء باستخدام الذكاء الاصطناعي في القضاء لمجرد وجود نظام قضائي إلكتروني.

ماذا تفعل الجهة الآن؟

اعرف الأدوات.

اعتمد عددًا محدودًا منها.

ضع Data Rules.

درب الموظفين.

ابدأ بحالات منخفضة الأثر.

أنشئ Human Review.

راقب الاستخدام.

وقس القيمة.

الخلاصة

GenAI سيجد طريقه إلى المؤسسات سواء كانت لديها استراتيجية طويلة أم لا.

التحدي هو منع الفجوة بين الاستخدام الواقعي والحوكمة.

السياسة الناجحة ليست التي تمنع كل شيء.

هي التي تجعل الموظف يعرف متى يستطيع استخدام AI، ومتى يجب أن يتوقف، وما الذي لا يجوز إرساله، ومن يتحمل مسؤولية المخرج النهائي.