ملاحظات موجزة حول جعل التقنية تحقق نتائجها

آراء عملية من فريقنا، ومن أفضل الأبحاث العامة حول الذكاء الاصطناعي.

جميع المقالات

استشراف

وكلاء الذكاء الاصطناعي ينتقلون من القراءة إلى التنفيذ

ما الذي يتغير حين يستطيع الذكاء الاصطناعي أن يتصرف، لا أن يجيب فقط.

قراءة في 4 دقائق
مقال

اسأل ولا تُملِ: كيف تحصل على إجابات صادقة من الذكاء الاصطناعي

ثلاث عادات تمنع الذكاء الاصطناعي من مجاراتك في رأيك.

قراءة في 3 دقائق
مقال

يوفّر الذكاء الاصطناعي الوقت في بعض المهام ولا يوفّره في غيرها. قِس أيها

ماذا تقول تجربة شملت 500 شخص عن المكاسب الفعلية.

قراءة في 3 دقائق
مقال

مدخل عملي إلى إطار NIST لإدارة مخاطر الذكاء الاصطناعي

أربع وظائف، وأربعة أسئلة للقيادة.

قراءة في 3 دقائق
مقال

ISO/IEC 42001 أم NIST AI RMF: أيهما تحتاج؟

الإرشاد مقابل الشهادة، وكيف تختار.

قراءة في 3 دقائق
مقال

خمس مخاطر للذكاء الاصطناعي التوليدي على كل فريق قيادي أن يسمّيها

أين تقع مخاطر الذكاء الاصطناعي التوليدي بالنسبة للمستخدمين.

قراءة في 3 دقائق
قيادة

قبل أن تطلق نظام ذكاء اصطناعي، اكتب مبرراته

عادة من صفحة واحدة مستعارة من الصناعات الحرجة للسلامة.

قراءة في 3 دقائق
مقال

لماذا تتعثر تجارب الذكاء الاصطناعي قبل أن تصل إلى التشغيل

ثلاثة أنماط، والحل.

قراءة في 4 دقائق
مقال

حوكمة الذكاء الاصطناعي تبدأ بالحصر، لا بالسياسة

اعرف الطرق قبل أن تضع قواعد المرور.

قراءة في 3 دقائق
قيادة

قِس الابتكار المفتوح بما يُعتمد، لا بعدد التحديات المطلقة

ما الذي يميّز النتائج عن الفعاليات.

قراءة في 4 دقائق
استشراف

وكلاء الذكاء الاصطناعي ينتقلون من القراءة إلى التنفيذ

بقلم هيثم علياقرأ

لا تزال معظم المؤسسات تنظر إلى الذكاء الاصطناعي بوصفه أداة تجيب عن الأسئلة. وهذه الصورة أصبحت قديمة. فوكلاء الذكاء الاصطناعي باتوا يتصلون بأدوات تتيح لهم تغيير الأشياء: تعديل الملفات، وتحديث السجلات، وإرسال الرسائل، بل وتحريك الأموال.

درس معهد أمن الذكاء الاصطناعي البريطاني أكثر من 177,000 أداة مبنية لوكلاء الذكاء الاصطناعي بين أواخر 2024 وأوائل 2026، وصنّفها إلى أدوات تقرأ البيانات، وأدوات تحللها، وأدوات تتصرف في العالم خارج النظام. وخلال ستة عشر شهراً ارتفعت حصة الاستخدام الموجهة إلى أدوات التنفيذ من 27% إلى 65%. ومعظمها يدعم مهام متوسطة الحساسية مثل تعديل الملفات، لكن بعضها يتولى بالفعل معاملات مالية.

لم يعد السؤال ماذا يعرف نظام الذكاء الاصطناعي لديك، بل ماذا يُسمح له أن يفعل.

لم يواكب الأمن هذا التحول. ففي مسابقة عامة واسعة لاختبار الاختراق أوردها المعهد، شنّ المشاركون 1.8 مليون هجوم على 22 وكيل ذكاء اصطناعي في 44 سيناريو واقعياً. وتسبب أكثر من 60,000 هجوم في انتهاكات للسياسات، مثل الوصول غير المصرّح به إلى البيانات أو تنفيذ إجراءات مالية غير مشروعة. وخالفت جميع الوكلاء تقريباً السياسات في معظم السلوكيات المختبرة خلال 10 إلى 100 محاولة، ولم تكن النماذج الأكبر والأقدر أكثر أماناً بشكل يمكن الاعتماد عليه.

حتى المختبرون المحترفون وقعوا في المفاجأة. ففي أغسطس 2026 كشف المعهد عن حادثة قام فيها وكلاء ذكاء اصطناعي، أثناء تقييم سيبراني مع تفعيل الوصول إلى الإنترنت، بأفعال على الإنترنت الحي لم يأذن بها أحد، منها محاولة دسّ شيفرة خبيثة في مشروع برمجي عام. وقد أوقفها مراجع بشري، ولم يُرصد أي ضرر فعلي. ويستحق ردّ المعهد أن يُحتذى: صار الوصول إلى الإنترنت يتطلب تبريراً صريحاً بدلاً من منحه تلقائياً، وستتولى المراقبة رصد الأفعال الخارجة عن النطاق أو منعها لحظة وقوعها.

ما الذي ينبغي فعله الآن

أولاً، احصر أدوات الوكلاء كما تحصر صلاحيات المستخدمين، وصنّف كلاً منها: قراءة أو تحليل أو تنفيذ. ثانياً، اجعل منح الوصول قراراً لا وضعاً افتراضياً؛ فأي إجراء يمسّ الأموال أو البيانات الشخصية أو أطرافاً خارجية أو سجلات رسمية ينبغي أن يتطلب موافقة صريحة. ثالثاً، راقب في الوقت الفعلي واحتفظ بسجلات يمكن التحقيق فيها فعلاً. ويحذّر المعهد من أن قدرتنا على تدقيق أنظمة الذكاء الاصطناعي ومراقبتها والتحقيق فيها مرشحة للتآكل ما لم نبذل جهداً متعمداً، فابنِ هذه القدرة منذ البداية.

سيحقق الوكلاء مكاسب حقيقية في الإنتاجية. والمؤسسات الأكثر استفادة ستكون تلك التي قررت مسبقاً ما يُسمح لوكلائها بفعله، وتستطيع إثبات ذلك.

المصادر

مقال

اسأل ولا تُملِ: كيف تحصل على إجابات صادقة من الذكاء الاصطناعي

بقلم هيثم علياقرأ

لمساعدات الذكاء الاصطناعي نقطة ضعف معروفة: فهي تميل إلى موافقتك. ويسمّي الباحثون ذلك «التملّق». وبالنسبة للقادة الذين يستخدمون الذكاء الاصطناعي لاختبار استراتيجية أو مراجعة قرار، فهذا خطر حقيقي، لأن الأداة قد تعيد إليك رأيك نفسه بثقة أكبر.

بحث حديث من معهد أمن الذكاء الاصطناعي البريطاني درس ما يثير هذا السلوك، وبرزت منه ثلاث نتائج. كانت النماذج أكثر تملقاً بكثير حين يُدلي المستخدمون بتقريرات مما حين يطرحون أسئلة. وازداد التملق باطّراد مع ازدياد ثقة المستخدم في نبرته. كما أن صياغة الفكرة من منظورك الشخصي، «أعتقد أن…»، جعلت الأمر أسوأ.

قل للذكاء الاصطناعي ما تعتقده، وغالباً ما سيقول لك إنك محق.

العلاج بسيط. فقد وجد الباحثون أن جعل النموذج يعيد صياغة تقرير المستخدم في صورة سؤال قبل الإجابة يقلّل التملق بشكل ملحوظ، ويعمل أفضل من مجرد توجيهه بألا يتملق.

ثلاث عادات للقادة

اسأل ولا تقرّر. سؤال «ما مخاطر دخول السوق السعودية العام المقبل؟» سيمنحك إجابة أفضل من عبارة «ينبغي أن ندخل السوق السعودية العام المقبل».

احتفظ بتفضيلك لنفسك. دع الأداة تقيّم كل خيار قبل أن تقول أيها تفضّل.

اطلب الحجة المعاكسة. اطلب أقوى حجة ضد خطتك، ثم وازن بين الجانبين بنفسك.

هذه العادات لا تكلّف شيئاً، وتزداد أهميتها كل شهر مع دخول الذكاء الاصطناعي في أوراق مجالس الإدارة ومذكرات الاستثمار ومسودات السياسات. فالأداة التي توافقك دائماً ليست مستشاراً.

المصدر

مقال

يوفّر الذكاء الاصطناعي الوقت في بعض المهام ولا يوفّره في غيرها. قِس أيها

بقلم هيثم علياقرأ

تفترض معظم دراسات جدوى الذكاء الاصطناعي رقماً واحداً للإنتاجية يُطبَّق على كل شيء. لكن الأدلة تقول إن المكاسب حقيقية وغير متساوية، وفي هذا التفاوت تحديداً تُصنع القرارات الجيدة.

في دراسة تجريبية مع وحدة مستقبل العمل في الحكومة البريطانية، كلّف معهد أمن الذكاء الاصطناعي البريطاني 500 مشارك بأربع مهام عمل شائعة، وقسّمهم عشوائياً إلى مجموعة تستخدم أدوات الذكاء الاصطناعي وأخرى لا تستخدمها. وعلى مستوى المهام الأربع مجتمعة، أنتجت مجموعة الذكاء الاصطناعي عملاً أعلى جودة بنسبة 19% في وقت أقل بنسبة 25%. لكن الصورة تغيّرت مهمة بمهمة: فصياغة المواصفات الفنية كانت أسرع بنسبة 34% وأفضل بنسبة 23%. وتفسير المعلومات للآخرين كان أسرع بنسبة 42% دون أي تحسن في الجودة. أما تنظيم العمل وتخطيطه وترتيب أولوياته فلم يُظهر أي مكسب يُذكر.

الذكاء الاصطناعي في أقوى حالاته مع العمل المنظم والمحدد جيداً، وفي أضعفها مع التخطيط المفتوح. وينبغي أن تبيّن دراسة الجدوى لديك أيهما أيهما.

يصف الباحثون ذلك بالقدرة «المتعرّجة» للذكاء الاصطناعي، ويحرصون على وصف النتائج بأنها أولية: فالعينة صغيرة وعدم اليقين مرتفع. وهذا الحذر في حد ذاته درس. فإذا كان معهد بحثي وطني يعامل أرقامه بوصفها مؤقتة، فإن الرقم الواحد الذي يتصدر عرض أي مورّد يستحق الحذر نفسه.

ماذا يعني هذا لاستثمارك في الذكاء الاصطناعي

قِس حسب المهمة، لا حسب الأداة. قسّم الدور الوظيفي إلى مهامه الرئيسية، واختبر الذكاء الاصطناعي على كل منها على حدة.

استخدم مجموعة مقارنة. حتى التجربة الصغيرة بالذكاء الاصطناعي ومن دونه تخبرك أكثر من استبيان رضا.

تابع الجودة والوقت كلاً على حدة. الأسرع ليس دائماً الأفضل، والأفضل ليس دائماً الأسرع.

المؤسسات التي تفعل ذلك ستضع الذكاء الاصطناعي حيث يحقق عائداً، وتتوقف عن فرضه حيث لا يحققه. وهذا وحده قد يحدد ما إذا كان برنامج الذكاء الاصطناعي يستحق ميزانيته.

المصدر

مقال

مدخل عملي إلى إطار NIST لإدارة مخاطر الذكاء الاصطناعي

بقلم هيثم علياقرأ

تطرح مجالس الإدارة والجهات التنظيمية في الخليج والولايات المتحدة السؤال نفسه: كيف تديرون مخاطر الذكاء الاصطناعي؟ ويُعد إطار NIST لإدارة مخاطر الذكاء الاصطناعي من أنفع نقاط البداية. فهو طوعي ومجاني، وقد بُني بمساهمة أكثر من 240 جهة من الصناعة والأوساط الأكاديمية والمجتمع المدني والحكومة.

يقوم الإطار على أربع وظائف. الحوكمة ترسي الثقافة والأدوار والسياسات، وتسري في كل ما عداها. التحديد يرسم سياق كل نظام ذكاء اصطناعي حتى يمكن تأطير مخاطره. القياس يستخدم أساليب كمية ونوعية لتقييم تلك المخاطر ومتابعتها. الإدارة توجّه الموارد إلى أهم المخاطر، في دورة منتظمة.

الحوكمة، التحديد، القياس، الإدارة. أربع كلمات تحوّل عبارة «علينا أن نكون حذرين مع الذكاء الاصطناعي» إلى عمل يمكن أن يتولاه شخص بعينه.

أربعة أسئلة لاجتماعك القيادي القادم

الحوكمة: من المسؤول عن مخاطر الذكاء الاصطناعي، وأين تُوثَّق قراراتنا؟

التحديد: لكل نظام ذكاء اصطناعي، ما الغرض منه، ومن يتأثر به، وما الذي قد يسوء؟

القياس: كيف نعرف أنه يعمل كما هو مقصود، وما الأدلة التي نحتفظ بها؟

الإدارة: أي المخاطر نعالج أولاً، ومن يراجعها، وكم مرة؟

ثلاث نقاط عملية

الإطار قيد المراجعة. يذكر NIST أن نسخة منقحة من AI RMF 1.0 قيد الإعداد. وهذا ليس سبباً للانتظار؛ فالوظائف الأربع أفكار ثابتة، والعمل المنجز الآن سينتقل معك.

جهد واحد يخدم عدة أطر. ينشر NIST وثائق مقابلة تربط الإطار بمعايير أخرى، منها ISO/IEC 42001 لأنظمة إدارة الذكاء الاصطناعي وISO/IEC 23894 لإدارة مخاطره. وبالنسبة للمؤسسات العاملة في الولايات المتحدة والخليج، يعني ذلك تكراراً أقل للعمل.

ابدأ بتحليل الفجوات. تضم مجموعة الأمثلة الواقعية لدى NIST دليلاً لحكومة مدينة، ونموذجاً لتحليل الفجوات شاركته Google DeepMind. ومقارنة ما تفعله حالياً بالإطار خطوة أولى أسرع من كتابة سياسة من الصفر.

الأطر لا تقلّل المخاطر بذاتها؛ بل يقلّلها أشخاص لهم أدوار واضحة. وما يقدمه AI RMF لهؤلاء هو بنية مشتركة ولغة مشتركة.

المصادر

مقال

ISO/IEC 42001 أم NIST AI RMF: أيهما تحتاج؟

بقلم هيثم علياقرأ

يتردد اسمان في كل نقاش تقريباً حول حوكمة الذكاء الاصطناعي: إطار NIST لإدارة مخاطر الذكاء الاصطناعي، والمعيار الدولي ISO/IEC 42001 لأنظمة إدارة الذكاء الاصطناعي الصادر في ديسمبر 2023. وكثيراً ما يسأل القادة أيهما يعتمدون. والإجابة الصادقة أنهما يؤديان وظيفتين مختلفتين، وأن معظم المؤسسات ستستفيد من كليهما.

إطار NIST AI RMF إرشادي. فهو طوعي ومجاني، ومنظّم حول أربع وظائف: الحوكمة والتحديد والقياس والإدارة. يساعدك على التفكير بوضوح في مخاطر الذكاء الاصطناعي وبناء ممارسات جيدة، ولا تنتهي بشهادة.

ISO/IEC 42001 معيار لنظام إدارة قابل للاعتماد. يمكن لجهة اعتماد مستقلة أن تدقق مؤسستك وتشهد بأن نظام إدارتها لتطوير الذكاء الاصطناعي أو تقديمه أو استخدامه يستوفي المعيار. وكما تشير ANAB، جهة الاعتماد الأمريكية، فإن الشهادة تغطي نظام إدارة المؤسسة، لا أي منتج ذكاء اصطناعي بعينه.

يساعدك NIST على بناء الممارسة، ويتيح لك ISO/IEC 42001 إثباتها للآخرين.

التداخل بينهما كبير. فوثيقة مقابلة منشورة على مركز موارد الذكاء الاصطناعي لدى NIST تربط كل جزء من إطار NIST ببنود ISO/IEC 42001 وضوابطه (وقد أُعدّت مقابل المسودة النهائية للمعيار). والعمل الذي تنجزه في أحدهما يقطع بك شوطاً كبيراً نحو الآخر.

كيف تختار

ابدأ بمن يطرح السؤال. إن كان الدافع داخلياً (مجلس إدارة يريد طمأنة، أو فريق يريد بنية)، فإطار NIST بداية سريعة منخفضة التكلفة. وإن كان العملاء أو الشركاء أو المناقصات يطلبون أدلة، فالأرجح أن وجهتك هي الشهادة.

حدّد النطاق بدقة. قرّر قبل أي شيء آخر أي أنظمة ذكاء اصطناعي ووحدات أعمال تدخل في النطاق. فالنطاق الضيق المُدار جيداً أفضل من نطاق واسع موجود على الورق فقط.

أعد استخدام ما لديك. إن كنت تدير بالفعل نظاماً لإدارة أمن المعلومات وفق ISO/IEC 27001، فستبدو لك كثير من الآليات مألوفة، مثل السياسات والتدقيق الداخلي ومراجعة الإدارة.

تحقق من اعتماد جهة منح الشهادة. تنشر جهات الاعتماد مثل ANAB أدلة بجهات منح الشهادات المعتمدة لـ ISO/IEC 42001. واحذر ممن يعرض أن يُعدّك للشهادة ويمنحك إياها في آن واحد؛ فالممارسة السليمة تفصل بين الدورين.

الشهادة ليست غاية في ذاتها. الغاية ذكاء اصطناعي تستطيع مؤسستك أن تشرحه وتتحكم فيه وتتحمل مسؤوليته. وإذا أُحسن تطبيق الإطارين أوصلاك إلى ذلك، وتصبح الشهادة دليلاً لا هدفاً.

المصادر

مقال

خمس مخاطر للذكاء الاصطناعي التوليدي على كل فريق قيادي أن يسمّيها

بقلم هيثم علياقرأ

يحمل الذكاء الاصطناعي التوليدي مخاطر لم تكن في الأنظمة السابقة. ويحدد «ملف الذكاء الاصطناعي التوليدي» الصادر عن NIST، المكمّل لإطاره لإدارة مخاطر الذكاء الاصطناعي، المخاطر التي ينفرد بها الذكاء الاصطناعي التوليدي أو يزيدها سوءاً. بعضها، مثل المعلومات المتعلقة بالأسلحة الكيميائية أو البيولوجية، يخص أساساً الشركات التي تبني النماذج. وبعضها الآخر يقع مباشرة على أي مؤسسة تستخدم هذه الأدوات. وتبرز منها خمسة.

الاختلاق. مصطلح NIST للمحتوى الخاطئ الذي يُقدَّم بثقة، ويُسمّى غالباً «الهلوسة». اسأل: أين يمكن أن تسبب الإجابة الخاطئة ضرراً، ومن يتحقق منها؟

خصوصية البيانات. قد تتسرب البيانات الشخصية أو الحساسة عبر الأوامر أو المخرجات أو التدريب. اسأل: ما البيانات التي يجوز للموظفين إدخالها، وفي أي أدوات؟

أمن المعلومات. يوسّع الذكاء الاصطناعي التوليدي سطح الهجوم، من المدخلات المتلاعب بها إلى إساءة استخدام الأدوات نفسها. اسأل: هل راجع فريق الأمن كل أداة ذكاء اصطناعي متصلة بأنظمتنا؟

الملكية الفكرية. قد تعيد المخرجات إنتاج مواد محمية، وقد تكشف المدخلات موادك أنت. اسأل: لمن تعود ملكية ما تنتجه أدواتنا، وما الذي نتخلى عنه؟

سلسلة القيمة وتكامل المكونات. تبني معظم المؤسسات على نماذج وبيانات من أطراف ثالثة لا تتحكم فيها. اسأل: ما الذي يضمنه موردونا، وماذا يحدث حين يتغير نموذجهم؟

بالنسبة لمعظم المؤسسات، تكمن مخاطر الذكاء الاصطناعي التوليدي فيما تشتريه أكثر مما تبنيه.

وثمة خطر آخر يستحق الانتباه، يسمّيه NIST «التهيئة بين الإنسان والذكاء الاصطناعي». فالناس يميلون إلى الإفراط في الاعتماد على الأنظمة التي تبدو واثقة، وإلى تجاهل تلك التي لا يثقون بها. وقواعد المراجعة الواضحة والتدريب يعالجان ذلك أفضل مما تعالجه التقنية.

تسمية المخاطر هي الخطوة الأولى في إدارتها. وقائمة قصيرة تتفق عليها القيادة ويتولاها أشخاص محددون أجدى من سياسة طويلة لا يقرؤها أحد.

المصادر

قيادة

قبل أن تطلق نظام ذكاء اصطناعي، اكتب مبرراته

بقلم هيثم علياقرأ

في الطيران وغيره من الصناعات الحرجة للسلامة، لا تُعتمد الأنظمة الجديدة بناءً على الحماس. بل يقدّم مالكوها «حالة سلامة»: حجة منظمة، مدعومة بالأدلة، على أن النظام آمن بما يكفي للاستخدام المقصود. وقد رأى معهد أمن الذكاء الاصطناعي البريطاني أن حالات السلامة يمكن أن تساعد في إثبات أمان الذكاء الاصطناعي لصنّاع القرار، ونشر أمثلة لها للذكاء الاصطناعي المتقدم.

معظم المؤسسات لا تحتاج إلى النسخة المتقدمة. لكن هذا الانضباط ينتقل جيداً إلى اعتماد أنظمة الذكاء الاصطناعي اليومية. فقبل إطلاق أي نظام، ينبغي أن يستطيع شخص ما أن يكتب في صفحة واحدة ما الذي يُدّعى أن النظام يفعله بأمان، وما الأدلة التي تدعم كل ادعاء، ومن يتحمل المخاطرة إذا ثبت خطأ أحدها.

إن لم يستطع أحد كتابة الحالة، فلا ينبغي لأحد أن يوقّع الاعتماد.

يجب أن تعكس الأدلة الاستخدام الفعلي

خذ مثلاً روبوتات المحادثة التي تتعامل مع العملاء. تشترط مؤسسات كثيرة أن تفصح عن كونها ذكاءً اصطناعياً عند سؤالها. وقد جمعت دراسة RealityTest التي أجراها المعهد أكثر من 3,000 سؤال حقيقي عن الهوية من نحو 750 شخصاً في 49 دولة وبخمس لغات. وطرح الناس أسئلتهم بطرق أكثر تنوعاً بكثير من أسئلة الاختبار التي تولّدها الآلة، ولم يسأل مباشرة سوى 31% منهم حين كان الموقف ملتبساً. وكان للصياغة والسياق أثر أكبر في إفصاح النموذج من نوع النموذج نفسه، وكان توجيه واحد كفيلاً بخفض نسبة الإفصاح إلى أقل من 30%، حتى في أفضل النماذج.

والدرس للقادة أن يختبروا مع مستخدميهم الحقيقيين وبلغاتهم. وفي الخليج يعني ذلك العربية والإنجليزية على الأقل، بلهجات مختلفة، صوتاً ونصاً. ومجموعة الاختبار التي يكتبها المورّد نقطة بداية، لكنها ليست دليلك أنت.

حالة من صفحة واحدة لكل نظام تستغرق ما بعد ظهيرة واحدة. وهي أسرع طريقة لتعرف إن كان أحد يعرف حقاً كيف سيتصرف النظام، قبل أن يكتشف عملاؤك ذلك نيابة عنك.

المصادر

مقال

لماذا تتعثر تجارب الذكاء الاصطناعي قبل أن تصل إلى التشغيل

بقلم هيثم علياقرأ

معظم المؤسسات التي أتحدث معها لا ينقصها عدد تجارب الذكاء الاصطناعي، بل تنقصها تجارب أصبحت جزءاً من طريقة إنجاز العمل. فالتقنية تعمل في الغالب، وما يخفق هو كل ما يحيط بها.

تتكرر ثلاثة أنماط مراراً. أولاً، اختيرت التجربة لأنها مثيرة للاهتمام، لا لأن أحداً يملك مشكلة أعمال ستحلها. وحين ينتهي العرض التوضيحي، لا يكون أحد مسؤولاً عن المضي بها. ثانياً، اختُبرت التجربة على بيانات نظيفة في بيئة محمية. أما الإجراءات الحقيقية ففيها استثناءات وموافقات وأنظمة قديمة، ولم يخطط لها أحد. ثالثاً، لم تكن هناك نقطة قرار. فالتجربة التي تخلو من لحظة واضحة لـ«التوسيع أو التعديل أو الإيقاف» تميل إلى الانجراف حتى تنفد الميزانية.

التجربة أداة لاتخاذ القرار. فإن لم تُصمَّم لدعم قرار، فهي مجرد عرض توضيحي.

الحل ليس مزيداً من التجارب، بل تجارب أقل وأحسن اختياراً. قبل البدء، حدّد مالك الأعمال، ومقياس النجاح، وتاريخ اتخاذ القرار. وارسم الإجراء الذي يجب أن يندمج فيه الحل، بما في ذلك الاستثناءات. وخصّص ميزانية لما بعد التجربة: فالتكامل والتدريب والدعم والحوكمة كثيراً ما تكلّف أكثر من التجربة نفسها.

المؤسسات التي تحسن ذلك تبدأ عادة بمراجعة قصيرة لمحفظة الفرص: أي الفرص أهم، وما الذي تتطلبه كل منها، وأي ثلاث منها تستحق التنفيذ الآن؟ نادراً ما تكون هذه المراجعة مثيرة، لكنها المكان الذي تُحسم فيه القيمة.

مقال

حوكمة الذكاء الاصطناعي تبدأ بالحصر، لا بالسياسة

بقلم هيثم علياقرأ

حين تقرر القيادة أن الوقت قد حان لـ«حوكمة الذكاء الاصطناعي»، يكون الدافع الأول غالباً كتابة سياسة. والسياسة مهمة، لكن كتابتها أولاً تشبه وضع قواعد المرور قبل أن تعرف أين الطرق.

ابدأ بمعرفة أين يُستخدم الذكاء الاصطناعي بالفعل. والإجابة في معظم المؤسسات: في أماكن أكثر مما توقع أي أحد. فهو موجود داخل أدوات الإنتاجية، ومدمج في منصات الموردين، ويستخدمه الموظفون عبر حسابات شخصية، ومبني في عمليات أتمتة صغيرة لم يوثقها أحد. وكل منها يمسّ البيانات أو القرارات أو العملاء بطريقة مختلفة.

يجيب حصر بسيط عن خمسة أسئلة لكل استخدام: ماذا يفعل، ومن يملكه، وما البيانات التي يمكنه الوصول إليها، وما القرارات التي يؤثر فيها، ومن اعتمده. ويُظهر هذا الحصر فوراً أين تكمن المخاطر الحقيقية، وعادة ما يُظهر أن معظم الاستخدامات منخفضة المخاطر وينبغي تسهيلها لا تصعيبها.

الحوكمة الجيدة تجعل الاستخدام الآمن للذكاء الاصطناعي أسرع. فإن اقتصرت على إضافة العوائق، سيلتف الناس عليها.

عندها فقط تصبح للسياسة جدوى: قواعد متناسبة لفئات المخاطر المختلفة، ومسار اعتماد واضح، وأدوار محددة. وأطر مثل ISO/IEC 42001 وإطار NIST لإدارة مخاطر الذكاء الاصطناعي مرجعيات مفيدة لذلك. والهدف ليس الأوراق، بل الثقة بأن الذكاء الاصطناعي يُستخدم حيث يفيد، مع الضوابط المناسبة حيث يلزم.

قيادة

قِس الابتكار المفتوح بما يُعتمد، لا بعدد التحديات المطلقة

بقلم هيثم علياقرأ

برامج الابتكار المفتوح سهلة البدء وسهلة التقرير عنها. فالتحديات المطلقة والشركات الناشئة المشاركة والجوائز الممنوحة كلها عناوين جذابة. أما السؤال الأصعب فهو: كم حلاً اعتمدته المؤسسة فعلاً، وما الذي غيّرته تلك الحلول؟

بعد أن أسهمت في تصميم برنامج وطني للابتكار المفتوح وإدارته، رأيت ما يميّز البرامج التي تحقق نتائج عن تلك التي تنتج فعاليات. ونادراً ما يكون الفارق في جودة الشركات الناشئة، بل في ما إذا كان التحدي صادراً عن مالك أعمال لديه مشكلة حقيقية وميزانية وصلاحية لاعتماد الحل.

ما الذي تفعله البرامج القوية بشكل مختلف

تعرّف كل تحدٍّ مع مالكه وهدف قيمته وقيوده قبل بدء الاستكشاف. وتقيّم الحلول على أساس الملاءمة والتكلفة والأمن ونضج المورّد، لا الجِدّة وحدها. وتصمم تجارب بنتيجة قابلة للقياس وتاريخ للقرار. وتخطط لمسار الشراء منذ البداية، لأن التجربة الناجحة التي لا يمكن شراؤها تجربة فاشلة.

مخرَج برنامج الابتكار ليس قائمة فائزين، بل مجموعة من المشكلات المحلولة.

إن كان برنامجك يولّد نشاطاً لا تبنّياً، فالإجابة عادة في المراحل الأولى: تعريف أفضل للتحديات ووضوح أكبر في الملكية. وهناك يحقق الجهد أعلى عائد.

هل تواجه أحد هذه الأسئلة؟

يسعدنا أن نناقشه معك، سواء أدى ذلك إلى مشروع أم لا.

ناقش تحدياً معنا