ما الذي راجعه المجلس؟
اجتمع مجلس الذكاء الاصطناعي والتكنولوجيا المتقدمة في أبوظبي في 6 أكتوبر لمراجعة تقدم مجموعة من الأولويات: UAE-US AI Campus، أبحاث الذكاء الاصطناعي، بناء المواهب المتخصصة، تطوير النماذج المفتوحة، ومسار حكومة أبوظبي نحو أن تصبح أول حكومة AI-native بالكامل بحلول 2027.
ما معنى AI-native؟
هناك فرق بين حكومة تستخدم روبوت محادثة وحكومة تُبنى خدماتها من البداية على الذكاء الاصطناعي. AI-native يعني أن البيانات، الأتمتة، النماذج، الهوية الرقمية، التكامل بين الجهات، المراقبة البشرية والأمن كلها تصبح جزءًا أصليًا من تصميم الخدمة. الهدف هو ألا يحتاج المواطن إلى معرفة أي جهة حكومية تقف خلف معاملته أو نقل بياناته يدويًا بين الأنظمة.
| المستوى | الاستخدام التقليدي | AI-native |
|---|---|---|
| الخدمة | نموذج إلكتروني ثابت | خدمة تتكيف مع الحالة |
| البيانات | ملفات داخل كل جهة | بيانات مترابطة بصلاحيات |
| المعالجة | مراجعات متسلسلة | أتمتة مع تدخل بشري عند الحاجة |
| القرار | قواعد ثابتة فقط | قواعد + نماذج + تدقيق |
| التجربة | المستخدم يبحث عن الخدمة | الخدمة تتوقع الخطوة التالية |
| الرقابة | مراجعة لاحقة | سجلات وتدقيق مستمر |
لماذا البيانات أهم من النموذج؟
حتى أقوى نموذج لا يستطيع تقديم خدمة حكومية موثوقة إذا كانت البيانات ناقصة أو غير مترابطة أو لا يمكن الوصول إليها قانونيًا. نجاح الحكومة AI-native يعتمد على جودة البيانات وتعريفها الموحد، إدارة الصلاحيات، الهوية الرقمية، الربط الآمن بين الجهات وسجل واضح يبين من وصل إلى ماذا ولماذا.
ما دور UAE-US AI Campus؟
المجمع ليس مجرد مشروع عقاري لمراكز بيانات؛ بل جزء من بناء قدرة حوسبة واتصال ونماذج ومواهب يمكن أن تدعم الاستخدام الحكومي والاقتصادي على نطاق كبير. كلما زادت التطبيقات، ارتفع الطلب على الحوسبة والطاقة والشبكات والتبريد والأمن السيبراني. لذلك ترتبط الحكومة الذكية بالبنية التحتية للذكاء الاصطناعي بشكل مباشر.
لماذا النماذج المفتوحة مهمة؟
النماذج المفتوحة تمنح الجهات الحكومية والمؤسسات قدرة أكبر على الاختبار والتخصيص والاستضافة المحلية مقارنة بالاعتماد الكامل على واجهات مغلقة. لكنها تتطلب قدرات داخلية في التقييم والأمن والتحديث. القيمة ليست في كون النموذج مفتوحًا وحده، بل في وجود فريق يستطيع قياس دقته ومخاطره وتكلفة تشغيله.
كيف تتغير تجربة المواطن؟
أفضل نتيجة محتملة هي تقليل عدد الخطوات والطلبات المتكررة. بدل أن يرفع المستخدم المستند نفسه إلى جهات مختلفة، يمكن للنظام طلب موافقته للوصول إلى بيانات موثوقة موجودة بالفعل. وبدل أن يبحث عن عشرات الخدمات، يمكن للنظام اقتراح الإجراء التالي بناءً على حدث حياتي مثل تأسيس شركة أو شراء منزل أو ولادة طفل.
أين يجب أن يبقى الإنسان في الحلقة؟
القرارات منخفضة المخاطر يمكن أتمتتها بدرجة أكبر، لكن القرارات التي تؤثر في الحقوق أو الأهلية أو العقوبات تحتاج إلى شفافية وحق اعتراض ومراجعة بشرية. الحكومة AI-native الجيدة ليست حكومة بلا موظفين، بل حكومة تجعل الموظف يركز على الحالات المعقدة بينما تتولى الأنظمة الأعمال الروتينية القابلة للتدقيق.
أكبر المخاطر
- تحيز البيانات أو النموذج
- تسرب بيانات حساسة
- قرارات آلية يصعب تفسيرها
- اعتماد مفرط على مورد واحد
- أخطاء تتكرر بسرعة على نطاق واسع
- صلاحيات وصول أوسع من اللازم
- ضعف قنوات الاعتراض والمراجعة البشرية
- تكلفة الحوسبة والطاقة عند التوسع
كيف نقيس نجاح المشروع في 2027؟
المقياس الحقيقي ليس عدد النماذج المستخدمة. يجب متابعة زمن إنجاز الخدمة، نسبة الطلبات التي لا تحتاج مستندات إضافية، انخفاض الزيارات والمكالمات، دقة القرارات، معدل الاعتراضات، وقت معالجة الحالات المعقدة، تكلفة المعاملة، وحوادث الأمن والخصوصية. بهذه المؤشرات يمكن التمييز بين AI كعرض تقني وAI كبنية تشغيلية.
الخلاصة
تحول أبوظبي إلى حكومة AI-native بحلول 2027 مشروع تشغيل حكومي قبل أن يكون مشروع تقنية. النجاح سيتوقف على البيانات والهوية والتكامل والأمن والحوكمة بقدر ما يتوقف على جودة النماذج. إذا نجحت هذه الطبقات معًا، يمكن أن تتغير الخدمة الحكومية من رحلة يطارد فيها المستخدم الإجراءات إلى تجربة تستبق احتياجاته وتنجز معظم الخطوات خلف الكواليس.