التحدي التالي للذكاء الاصطناعي في السعودية هو تحويل البنية التحتية إلى قدرة تشغيلية

استثمرت المملكة العربية السعودية بالفعل مبالغ كبيرة في بنية تحتية للذكاء الاصطناعي، وسعات سحابية وبرامج التحول الرقمي الوطني، لكن تحويل تلك البنية التحتية إلى قدرة تشغيلية سيحدد ما إذا كانت المؤسسات قادرة على توسيع استخدام الذكاء الاصطناعي ما بعد المشاريع التجريبية، كما يقول Andrew Chen، نائب الرئيس ورئيس المنصة والمنتجات في Magna AI. يرى Chen أن القدرة التقنية موجودة، لكن المرحلة التالية تتطلب نماذج تشغيل متكاملة، وملكية واضحة وسيطرة سيادية عبر دورة حياة الذكاء الاصطناعي لنقل المشاريع من إثبات المفهوم إلى الإنتاج.

قال Chen: “لقد أحرزت السعودية تقدماً كبيراً بالفعل في بناء البنية التحتية وسعة الحوسبة المطلوبة للذكاء الاصطناعي. المرحلة التالية تتعلق بتحويل ذلك الأساس إلى بيئة تشغيل متكاملة حيث تعمل الحوسبة والمنصات والتطبيقات والأمن والحوكمة معاً بدلاً من أن تكون طبقات منفصلة”.

يحذر Chen من أن العديد من المؤسسات لا تزال مركزة على مكونات تكنولوجية فردية بدلاً من ربط تلك المكونات بعمليات أعمال وحكومية حقيقية. ويؤكد أن سعة الحوسبة يجب أن تكون متاحة وقابلة للإدارة عبر المنصات، وأن تربط التطبيقات بين الذكاء الاصطناعي ونتائج قابلة للقياس بدلاً من حالات استخدام معزولة. وقال: “توفر الحوسبة السعة، لكن على المنصات أن تجعل تلك السعة متاحة وقابلة للإدارة عبر أحمال عمل مختلفة. ثم تحتاج التطبيقات إلى ربط الذكاء الاصطناعي بعمليات أعمال وحكومة حقيقية حيث يمكنه تحقيق نتائج قابلة للقياس، بدلاً من الاقتصار على حالات استخدام معزولة”.

أطلقت مؤسسات في الشرق الأوسط العديد من التجارب على الذكاء الاصطناعي خلال العامين الماضيين، لكن Chen يقول إن عدد المبادرات التي وصلت إلى الإنتاج لا يزال قليلاً نسبياً. ويصف الانتقال من التجربة إلى الإنتاج بأنه تحدٍ مرتبط أساساً بنموذج التشغيل: ملكية واضحة للنتائج، تكامل سلس مع العمليات القائمة، حوكمة بيانات قوية، أمن وامتثال متينان، وأطر لقياس الأداء بمرور الوقت.

• “تثبت التجربة أن حالة استخدام الذكاء الاصطناعي يمكن أن تعمل في بيئة مسيطَر عليها. أما الإنتاج فهو أكثر تعقيداً بكثير”، قال Chen.
• “الحاجز الأكبر غالباً ليس التكنولوجيا نفسها، بل نموذج التشغيل المحيط بها. جاهزية البيانات، والتكامل، والحوكمة، والمهارات، والأمن كلها أمور مهمة، لكنها لا يمكن حلها بمعزل عن بعضها”.
• “في النهاية يجب قياس الذكاء الاصطناعي بتحسينات مثل زيادة الإنتاجية، أو خفض التكاليف، أو تحسين القرارات، أو تقليل المخاطر، بدلاً من قياسه بالاعتماد أو الاستخدام فقط”.

فيما يتعلق بالسيادة على الذكاء الاصطناعي، يدعو Chen إلى تفسير أوسع من مجرد قواعد وجود البيانات محلياً. ويقول إن السيادة تعني “سيطرة ذات مغزى عبر دورة حياة الذكاء الاصطناعي، بما في ذلك البيانات، والنماذج، والحوسبة، والتطبيقات، والوكلاء واتخاذ القرار التشغيلي”. وستحتاج المؤسسات إلى مرونة لوضع أحمال العمل عبر السحابات السيادية، والسحابات الخاصة، والسحابات العامة، والبنية التحتية داخل المنشآت، مع الحفاظ على السيطرة على مواقع تشغيل الأعباء، والوصول إلى البيانات والنماذج، وأمن النظام وقابليته للتدقيق.

يجب أن تتطور الحوكمة والأمن لمواكبة الاستقلالية المتزايدة للذكاء الاصطناعي. يشير Chen إلى مخاطر مثل التلاعب بالنماذج، وتسميم بيانات التدريب، والوصول غير المصرح به إلى الاستدلال، وضعف سلسلة التوريد، ويحث على اتباع نهج أصيل للذكاء الاصطناعي يبني الأمن والحوكمة في البُنية بدلاً من معاملتهما كمقتضيات لاحقة. وقال: “الضوابط التشغيلية أثناء التشغيل، والمراقبة المستمرة، وتطبيق السياسات، والإشراف البشري المناسب ضرورية لإبقاء الوكلاء داخل الحدود المحددة ومنع الأفعال غير الآمنة أو غير المصرح بها”.

التوقعات

يرسم Chen مسار تطور الذكاء الاصطناعي في السعودية على أنه انتقال من التجريب إلى قدرة وطنية مستدامة تتماشى مع رؤية 2030. وقال: “تتحرك السعودية ما بعد تجارب الذكاء الاصطناعي نحو بناء الذكاء الاصطناعي كقدرة وطنية طويلة الأمد”، مشيراً إلى أن رؤية 2030 توفر توجيهاً حول التنويع الاقتصادي والتحول الرقمي مدعومين بالاستثمار في البنية التحتية والتنظيم. والتحدي قصير الأمد هو عملي: تحويل إنفاق البنية التحتية إلى ذكاء تشغيلي محلي ونتائج قابلة للقياس وقدرة مستدامة من خلال مواءمة المنصات والتطبيقات والحوكمة والملكية التشغيلية عبر دورة حياة الذكاء الاصطناعي الكاملة.