من تجارب الذكاء الاصطناعي إلى التشغيل الإنتاجي الموثوق: كيف تعيد فرق الهندسة الميدانية (FDE) تشكيل تبنّي الذكاء الاصطناعي
%20(4).png)
دخل تبنّي الذكاء الاصطناعي في المملكة العربية السعودية مرحلة جديدة. فالعديد من الجهات تمتلك اليوم استراتيجيات واضحة للذكاء الاصطناعي، وحالات استخدام ذات أولوية، وتجارب أولية. لم يعد السؤال المطروح ما إذا كان بالإمكان بناء الذكاء الاصطناعي أو اختباره، بل أصبح يدور حول كيفية تشغيله بطريقة تضمن التحكم والمساءلة، وتقلل مخاطر التحول، وتمكّن الجهات من تفعيل إمكاناته على مستوى المؤسسة.
تتجلى أهمية هذا التميّز بشكل أكبر في القطاعات الخاضعة للتنظيم، مثل البنوك والخدمات المالية والتأمين، والجهات الحكومية، والرعاية الصحية، حيث تكون السيادة الرقمية، وثقة العملاء، والتراخيص التشغيلية، والغرامات التنظيمية على المحك. في هذه البيئات، لا يُعد الذكاء الاصطناعي مجرد أداة تقنية إضافية، بل قد يؤثر في خدمات المواطنين، واكتشاف الاحتيال، وقرارات المخاطر، ومراجعات الامتثال، والمعرفة المؤسسية.
وجود نموذج قوي أمر مهم، لكنه جزء واحد فقط من التحدي. فالعمل الأصعب يكمن في جعل الذكاء الاصطناعي موثوقًا، وقابلًا للتدقيق، ومتوافقًا مع المتطلبات التنظيمية، وآمنًا، وقابلًا للتفسير، ومتسقًا مع آليات عمل الجهة فعليًا.
في مُزن، تظهر هنا أهمية مفهوم الهندسة الميدانية، أو Forward Deployed Engineering (FDE). فقيمة هذا النموذج لا تقتصر على قرب المهندسين من العميل، بل تمتد إلى تقديم خبرة ذكاء اصطناعي مدمجة تربط بين الفهم التقني العميق والخبرة القطاعية.
سلسلة قيمة الذكاء الاصطناعي: أين تواجه الجهات التحديات اليوم
يمتد تبنّي الذكاء الاصطناعي إلى ما هو أبعد من تطوير النماذج. فبناء قيمة مستدامة يتطلب حوكمة متكاملة للبيانات والنماذج، وبُنى معرفية متقدمة، وفرقًا متخصصة، وبنية تحتية قابلة للتوسع، ومنتجات ذكاء اصطناعي عملية، وتمكينًا مؤسسيًا قويًا تعمل جميعها بتناغم. وعندما تتحقق هذه المواءمة، يمكن للذكاء الاصطناعي أن ينتقل من مرحلة التجربة إلى أثر تشغيلي فعلي.
تشير أبحاث MIT إلى أن ما يصل إلى 95% من مبادرات الذكاء الاصطناعي التوليدي لا تحقق أثرًا ماليًا ملموسًا، غالبًا بسبب تحديات الدمج والتشغيل، وليس بسبب محدودية النماذج نفسها. وهذا يعكس واقع العديد من الجهات؛ فقد ينجح الذكاء الاصطناعي في بيئة اختبارية، لكنه يفشل في تحقيق قيمة حقيقية إذا لم يُدمج في سير العمل الفعلي، والضوابط، والعمليات التشغيلية.
وفي القطاعات عالية الاعتمادية، يزداد تعقيد هذا التحدي. إذ يجب أن يتوافق الذكاء الاصطناعي مع الضوابط القائمة، ومتطلبات التشغيل السيادي، وبيئات البيانات الحساسة، والسياق المحلي، والإجراءات التشغيلية. لذلك، لا يكمن التحدي الحقيقي في بناء النماذج فقط، بل في تشغيلها بأمان داخل مؤسسات معقدة وخاضعة للتنظيم.
ويُعد التوطين عنصرًا أساسيًا في هذا السياق؛ فهو لا يقتصر على دعم الواجهات العربية أولًا، بل يشمل تكييف الذكاء الاصطناعي مع اللوائح المحلية، وواقع القطاعات، والثقافة المؤسسية، والأولويات الوطنية.
الفجوة بين الاستراتيجية والتنفيذ
من أبرز المفاهيم الخاطئة في تحول الذكاء الاصطناعي أن وجود الاستراتيجية وحده كافٍ لإحداث التقدم. فقد وضعت العديد من الجهات خرائط طريق واستراتيجيات للتحول، لكن تحويل هذه المبادرات إلى أنظمة تشغيلية يبقى أكثر تعقيدًا بكثير.
هنا تبرز أهمية العمق القطاعي. ففي القطاعات الحيوية، يجب تصميم حلول الذكاء الاصطناعي بما يتناسب مع واقع القطاع، لا أن تُطبّق كأدوات عامة. فالمؤسسات المالية تحتاج إلى ذكاء اصطناعي يفهم أنماط الاحتيال، وضوابط الجرائم المالية، ومخاطر العملاء، ومسارات التدقيق، ومتطلبات الامتثال. وفي المقابل، تحتاج الجهات الحكومية إلى ذكاء اصطناعي يفهم خدمات المواطنين، وتعقيدات اللغة العربية، وسيادة البيانات، والمسؤوليات المؤسسية، ومحاسبة القطاع العام.
وهنا تبرز قدرات مُزن المميزة. فمُزن لا تتعامل مع الذكاء الاصطناعي كطبقة تقنية عامة، بل تمكّن الجهات من الانتقال من إثبات القيمة الأولية إلى التشغيل الإنتاجي الموثوق، مستندة إلى خبرة عميقة في بيئات عمل معقدة عبر مختلف القطاعات في المملكة.
لماذا لم تعد نماذج التنفيذ التقليدية كافية
غالبًا ما تفصل نماذج التنفيذ التقليدية بين الاستراتيجية والتنفيذ. فالفرق الاستشارية تحدد الرؤية، والفرق الهندسية تبني الحل، ثم تنتقل مسؤولية النظام إلى الفرق التشغيلية بعد دخوله حيّز التشغيل. وينتج عن ذلك فجوات في المساءلة، والتبنّي، والحوكمة، والملاءمة التشغيلية.
فحالة الاستخدام التي تنجح في بيئة اختبارية غالبًا ما تحتاج إلى تعديلات عند تطبيقها في بيئات تشغيلية حقيقية، ما يجعل نماذج التنفيذ القائمة على نقل المسؤولية بين الفرق أقل فاعلية. فالذكاء الاصطناعي يحتاج إلى نموذج تنفيذ مدمج يجمع التخصصات الأساسية منذ البداية.
وهنا يأتي دور FDE، حيث تجمع قدراته بين الاستراتيجية، والفهم القطاعي، وتطبيقات الذكاء الاصطناعي، وهندسة البيانات، والتكامل، والحوكمة، ونقل المعرفة ضمن نموذج تشغيلي واحد، يمكّن الجهات من الانتقال من مبادرات ذكاء اصطناعي منفصلة إلى عمليات ذكاء اصطناعي موثوقة، وقابلة للتوسع، ومستدامة.
الهندسة الميدانية: الطريق إلى المستقبل
بالنسبة للجهات التي تسعى إلى إنجاح رحلتها في الذكاء الاصطناعي، فإن المسار واضح: البدء بأمان، وإثبات القيمة، والتوسع على مستوى المؤسسة، وبناء القدرة على التشغيل المستقل. فالهدف ليس إطلاق المزيد من التجارب، بل إنشاء مسار عملي من أول إثبات للقيمة إلى عمليات ذكاء اصطناعي مستدامة.
تطبّق مُزن نموذج FDE منذ عدة سنوات عبر مختلف القطاعات، ويضم أكثر من 120 مهندسًا ميدانيًا في أنحاء المملكة. وقد نفذت هذه الفرق أكثر من 100 مشروع تحول بالذكاء الاصطناعي داخل مؤسسات سعودية في القطاع المصرفي، والقطاع الحكومي، والقطاعات المجاورة عالية الاعتمادية.
وبفضل هذه الخبرة، لم تعد الفرق تبدأ من الصفر عند مواجهة تحديات جديدة. بل تستند إلى رصيد متراكم من أنماط الاحتيال، وأطر الامتثال، ونقاط تعثر التدقيق، وتعقيدات معالجة اللغة العربية، والإشكالات الدقيقة في تصنيف البيانات؛ وهي خبرات لا تُكتسب من تجربة أو اثنتين، بل من التطبيق العملي المتكرر.
في أحد البنوك السعودية الكبرى، طوّر فريق مُزن الميداني منصة قائمة من الأساس على الذكاء الاصطناعي، تغطي 16 نمطًا من أنماط الاحتيال عبر رحلة العميل بالكامل، مما أسهم في منع خسائر احتيالية تتجاوز 20 مليون ريال، ولا يزال الرقم في ارتفاع. ولم يبدأ الفريق من قراءة نظرية عن الاحتيال، بل من خبرة سابقة في تشغيل حلول كشف الاحتيال لدى عدة مؤسسات في دول الخليج.
وفي جهة حكومية تدير صندوق دعم بقيمة 8 مليارات ريال، رصد مهندسو مُزن أكثر من 100 ألف نشاط مشبوه، بما في ذلك أنماط توظيف وهمي مرتبطة بسوق العمل السعودي، وهي أنماط لا يستطيع محرك قواعد عام أو نموذج عام اكتشافها بسهولة.
وفي جهة حكومية مالية كبرى، أنشأت مُزن مركزًا للذكاء الاصطناعي وطوّرت خمس حالات استخدام إنتاجية خلال 13 شهرًا. كما قيّمت محفظة بقيمة 31 مليار دولار لإحدى أكبر جهات التمويل التنموي في المنطقة، بهدف توحيد قرارات الائتمان على مستوى وطني.
لم تكن هذه المشاريع لتتحقق من خلال عرض استراتيجي نظري. بل تحققت لأن الأشخاص الذين صمموها سبق لهم تصميم أنظمة مشابهة لمؤسسات مشابهة. كانت الهندسة قائمة على الذكاء الاصطناعي، لكن القيمة الحقيقية جاءت من الخبرة القطاعية.
ومع تطور الذكاء الاصطناعي التوكيلي، لن تقل هذه الميزة، بل ستزداد وضوحًا. فبينما تتولى هذه الأنظمة التوكيلية جزءًا متزايدًا من أعمال التحليل، والتوثيق، والاختبار، والمراقبة، ستبقى القيمة الحقيقية في مجالات مثل التقدير القطاعي، وترجمة المتطلبات التنظيمية، وفهم سياق العميل، وإدارة مخاطر التشغيل؛ وهي مجالات تتراكم قيمتها بالتجربة.
فالمهندسون الميدانيون لا يُستبدلون بالذكاء الاصطناعي التوكيلي، بل يوجّهون تطبيقه ويوظّفون قدراته.
لن تفتقر المملكة العربية السعودية إلى نماذج الذكاء الاصطناعي. ما قد تفتقر إليه هو الفرق الميدانية القادرة على تشغيل هذه النماذج داخل بنك، أو وزارة، أو مستشفى. وهذه الفجوة هي ما سيحدد العقد القادم من الذكاء الاصطناعي في المملكة.
.png){kind=spacer}
.jpg)
.jpg)
.jpg)
