لماذا تحتاج الجهات الحكومية إلى الأنطولوجيا لتمكين الذكاء الاصطناعي؟

يمكن للذكاء الاصطناعي إحداث نقلة نوعية في عمل الجهات الحكومية، لكنه يحتاج أولًا إلى فهم طبيعة عمل الجهة نفسها.

كيف يمكن للذكاء الاصطناعي تطوير العمل الحكومي؟

يمثل الذكاء الاصطناعي فرصة استثنائية لتطوير العمليات الحكومية ورفع كفاءتها، على نحو لم يشهده القطاع العام منذ عقود.

على سبيل المثال، يمكن للذكاء الاصطناعي أن يساعد الجهات الحكومية على:

1. اكتشاف طلبات الدعم التي تتضمن بيانات غير متطابقة قبل صرف المستحقات، بدلًا من اكتشاف هذه الحالات بعد ستة أشهر خلال عمليات التدقيق.

2. التنبؤ بنقص دواء أساسي في إحدى العيادات قبل 11 يومًا من نفاده، مما يتيح إعادة توزيع المخزون في الوقت المناسب.

3. توجيه طلب الترخيص إلى المسار المناسب فور استلامه، بعد تحديد الإجراءات المرتبطة به لدى الجهات الأخرى، بدلًا من بقائه دون معالجة لثلاثة أسابيع بسبب عدم وضوح تلك الارتباطات.

لكن هناك تحدي أساسي يعيق هذا التحول

عند تطبيق أنظمة الذكاء الاصطناعي في بيئة العمل الحكومي، قد تظهر تحديات لا تتعلق بقدرات التقنية نفسها، بل بطريقة تنظيم البيانات والإجراءات داخل الجهة.

قد يظهر المواطن نفسه بأربع هويات مختلفة عبر أنظمة الجهة. ففي أحدها يُسجَّل بوصفه مستفيدًا، وفي آخر مقدم طلب، بينما يُكتب اسمه بطريقة مختلفة في نظام ثالث، ولا يتعرف عليه النظام الرابع إلا من خلال رقم ملفه. وقد تكون إجراءات العمل الفعلية غير موثقة بصيغة تستطيع الأنظمة قراءتها وفهمها.

كما قد تغيب الوثائق التي تحدد مسؤوليات الإدارات وصلاحياتها بوضوح.

لا يستطيع الذكاء الاصطناعي معالجة هذه التناقضات من تلقاء نفسه، بل يتعامل مع المعلومات كما تقدمها الأنظمة القائمة. وإذا كانت هذه المعلومات غير متسقة، فقد يبني عليها قرارات خاطئة، حتى وإن بدا واثقًا من نتائجها.

وهذا التحدي ليس افتراضيًا، فقد حدث بالفعل. بين عامي 2016 و2019، استخدمت الجهة المسؤولة عن خدمات الرعاية الاجتماعية في أستراليا نظامًا آليًا لمقارنة بيانات الدخل المقدمة إلى مصلحة الضرائب مع البيانات المستخدمة لاحتساب الإعانات الاجتماعية. لكن الجهتين كانتا تعتمدان طريقتين مختلفتين لاحتساب الدخل؛ إذ تعتمد إحداهما إجمالي الدخل خلال فترة معينة، بينما تعتمد الأخرى الدخل الفعلي خلال كل أسبوعين. وزّع النظام إجمالي الدخل المسجل للفترة الأطول بالتساوي على فترات من أسبوعين، ثم أنشأ مطالبة باسترداد مبالغ عند ظهور اختلاف بين البيانات. وكان هذا الأسلوب يؤدي إلى نتائج غير صحيحة للأشخاص الذين تتفاوت دخولهم من فترة إلى أخرى. وأصبح على الأفراد إثبات أن المبالغ المطالبين بسدادها غير مستحقة. وتبيّن لاحقًا أن نحو 470 ألف مطالبة باسترداد مبالغ كانت غير قانونية، وبلغت قيمة التسوية التي أُقرّت عام 2021 نحو 1.87 مليار دولار أسترالي. ووصفت لجنة التحقيق الملكية النظام بأنه آلية بدائية وقاسية، لا تتسم بالعدالة أو المشروعية، وتسببت في شعور كثير من المتضررين وكأنهم مجرمون. والمفارقة أن النظام لم يكن يعتمد على الذكاء الاصطناعي أصلًا، بل على قاعدة حسابية بسيطة طُبقت على نطاق واسع دون مراعاة الاختلاف في تفسير البيانات بين الجهتين.

الحل يبدأ من الأنطولوجيا

لا توجد أداة واحدة تعالج جميع هذه التحديات. فربط السجلات المختلفة التي تعود للشخص نفسه يتطلب تقنيات مطابقة الكيانات، وتحويل إجراءات العمل إلى قواعد واضحة يتطلب نمذجة العمليات، أما تحديد المسؤوليات والصلاحيات فيندرج ضمن حوكمة البيانات. وما يجمع هذه العناصر في إطار تستطيع أنظمة الذكاء الاصطناعي فهمه واستخدامه هو الأنطولوجيا (Ontology): نموذج موحّد يعرّف الكيانات والعلاقات بينها والقواعد التي تحكمها. ويحدد هذا النموذج معنى كل كيان، والمصدر المعتمد لمعلوماته، والضوابط التي تنظم التعامل معه.

بيانات القطاع العام لها طبيعة مختلفة

لا يكمن الاختلاف بين البيانات الحكومية وبيانات المؤسسات الأخرى في حجمها فقط، بل في طبيعتها وقيمتها ومستويات حساسيتها، وهو ما يفرض متطلبات خاصة عند بناء الأنطولوجيا.

نطاق واسع ومعقد: قد تمتلك وزارة واحدة سجلات تفوق في حجمها سجلات بنك كبير، تراكمت على مدى عقود وتوزعت بين أنظمة لم تُصمم أساسًا للتكامل فيما بينها. وقد تشمل هذه السجلات معلومات استخباراتية وطنية، وسجلات جنائية، وبيانات سكانية، وأحكامًا قضائية، وسجلات عقارية وصحية وضريبية، إضافة إلى بيانات التراخيص والمشتريات ومدفوعات الدعم الحكومي.

القيمة الاستثنائية أن البيانات الحكومية تتمتع بقيمة وأهمية تختلفان عن غيرها من البيانات

مستويات متفاوتة من الحساسية: قد تجمع العملية الواحدة داخل جهة حكومية بين بيانات إحصائية متاحة للجمهور، وبيانات شخصية خاضعة لنظام حماية البيانات الشخصية، ومعلومات مشتريات سرية، ومواد مصنفة لأسباب تتعلق بالأمن الوطني. ولذلك، لا يمكن تطبيق قواعد موحّدة على جميع هذه البيانات دون مراعاة طبيعتها.

لذلك، يجب أن يكون تصنيف البيانات جزءًا أساسيًا من تعريف كل كيان داخل الأنطولوجيا، وليس مجرد صلاحيات تُضاف لاحقًا على مستوى قاعدة البيانات. يجب أن يعرف النظام الآلي طبيعة البيانات التي يتعامل معها، وما يُسمح له بفعله بها، ومن يحق له الاطلاع على النتائج، وما القواعد الأخرى التي يجب الالتزام بها. وعندما تُحدّد هذه الضوابط بصورة صحيحة، يصبح من الممكن أتمتة العمليات مع مراعاة حساسية البيانات ومتطلبات حمايتها.

ما المقصود بالأنطولوجيا؟

يمكن تشبيه الأنطولوجيا بقاموس خاص بالمؤسسة ودليل ينظم قواعد العمل فيها، لكن بصيغة تستطيع الأنظمة الذكية فهمها واستخدامها. فهي توضح معنى الكيانات المختلفة، مثل المواطن وطلب الترخيص، وتحدد الجهة المسؤولة عن كل مرحلة من مراحل العمل، والإجراءات التي يُسمح بتنفيذها. تخيّل موظفًا جديدًا يتمتع بكفاءة عالية ومؤهلات متميزة، لكنه لا يعرف من المسؤول عن كل إجراء، أو أي الملفات يتضمن المعلومات المعتمدة ، أو من يملك صلاحية الموافقة. ورغم قدراته، قد يحتاج إلى أشهر حتى يفهم طريقة العمل داخل المؤسسة ويصبح قادرًا على أداء مهامه بكفاءة. الذكاء الاصطناعي يواجه التحدي نفسه، لكنه يظل أشبه بموظف في يومه الأول ما لم نمنحه المعرفة اللازمة لفهم المؤسسة. وهنا يأتي دور الأنطولوجيا في توفير هذا الفهم بصورة منظمة تستطيع الأنظمة الاستفادة منها.

لماذا تتزايد أهمية الأنطولوجيا مع تطور الذكاء الاصطناعي؟

حتى وقت قريب، كانت الاستخدامات الشائعة للذكاء الاصطناعي تتركز في كتابة المحتوى وتلخيصه، بينما يتولى الإنسان مراجعة النتائج وتصحيح الأخطاء قبل اعتمادها. وكانت هذه المراجعة تمثل وسيلة أساسية للرقابة. لكن مع تطور قدرات الذكاء الاصطناعي، أصبح بإمكان الأنظمة تنفيذ إجراءات فعلية، مثل توجيه الملفات، ورصد المطالبات، وإطلاق عمليات التحقق، وتجهيز إجراءات الصرف. ومع هذا التحول، تقل فرص المراجعة البشرية قبل التنفيذ، وقد تغيب تمامًا في بعض التطبيقات.  

فالخطأ في قراءة معلومة داخل تقرير قد يسبب مشكلة محدودة، لكن الخطأ في تحديد هوية المستفيد أثناء تنفيذ عملية صرف قد يؤدي إلى تبعات تشغيلية وتنظيمية تتحمل الجهة مسؤوليتها.

كيف تبدأ الجهات الحكومية ببناء الأنطولوجيا؟

يبدأ بناء الأنطولوجيا بتحديد قرار أو إجراء تسعى الجهة إلى تحسينه ، وليس بمحاولة تنظيم جميع بياناتها دفعة واحدة. اختر حالة استخدام واضحة، ثم حدد الكيانات المرتبطة بها فقط. بعد ذلك، اربط كل كيان بمصدر بياناته الفعلي، وحدد رسميًا النظام الذي يُعد المرجع المعتمد لهذه المعلومات. يجب أن يتضمن النموذج قواعد تصنيف البيانات وصلاحيات الوصول والمسؤوليات النظامية، ثم يُختبر باستخدام حالات واقعية، بما فيها الحالات المعقدة والاستثنائية التي يتعامل معها الموظفون يوميًا. وأخيرًا، يجب إدارة الأنطولوجيا بوصفها أصلًا مؤسسيًا مستمرًا، مع تحديد مسؤول عنها وآليات واضحة لتحديثها والتحكم في إصداراتها.

كيف تعمل الأنطولوجيا عمليًا؟ تؤدي الأنطولوجيا دورًا وسيطًا بين وكلاء الذكاء الاصطناعي وأنظمة المؤسسة، من خلال توفير تعريفات موحّدة للكيانات والقواعد المرتبطة بها. تُربط الإجراءات التي يمكن للوكيل تنفيذها بالكيانات المعرّفة داخل النموذج. فعندما يحتاج إلى معلومات عن مستفيد، يتعامل مع كيان واضح التعريف باسم «مستفيد»، بدلًا من الاعتماد على سجل منفصل داخل أحد الأنظمة القديمة. قبل تنفيذ أي إجراء، يتحقق النظام من القواعد المرتبطة بالكيان: هل يسمح تصنيف البيانات للوكيل والمستخدم بالاطلاع عليها؟ وهل تشمل الصلاحيات المعتمدة تنفيذ الإجراء؟ وهل استُوفيت المتطلبات السابقة؟ إذا لم تتوافر المعلومات اللازمة للتحقق من هذه الشروط، فلا يُسمح بتنفيذ الإجراء.

هناك أربعة أخطاء متكررة قد تؤثر في نجاح مشاريع الأنطولوجيا.

• محاولة بناء نموذج يغطي المؤسسة بالكامل دفعة واحدة. يؤدي هذا النهج إلى تعقيد المشروع وصعوبة تنفيذه، وهي تحديات واجهت مشاريع مماثلة منذ ثمانينيات القرن الماضي.

• تطوير النموذج بمعزل عن الفرق المسؤولة عن تنفيذ الإجراءات. عندما لا يشارك الموظفون المسؤولون عن تنفيذ الإجراءات، قد ينتج نموذج نظري لا يعكس الواقع التشغيلي للمؤسسة.

• التعامل مع الأنطولوجيا بوصفها مجرد وثيقة. مهما كانت الوثيقة دقيقة ومفصلة، فإنها لا تحقق الغرض من الأنطولوجيا إذا لم تتمكن الأنظمة من قراءتها واستخدامها ضمن العمليات الفعلية.

• الاعتماد على نموذج جاهز دون مراعاة البيئة المحلية. فقد يعكس النموذج المصمم لبيئة أخرى هياكل مؤسسية وتشريعات مختلفة، إضافة إلى افتراضات لغوية لا تتناسب مع طبيعة الأسماء والتواريخ والبيانات المستخدمة محليًا.

هناك جانب آخر لا يحظى غالبًا بالاهتمام الكافي، وهو تنوع الخبرات المطلوبة. فبناء الأنطولوجيا لا يقتصر على تخصص تقني واحد. يتطلب الأمر خبيرًا يمتلك فهمًا عميقًا لطبيعة القطاع ومتطلباته التنظيمية. ما يتطلب مهندس بيانات يفهم محتوى الأنظمة الفعلي، ومهندس معرفة قادرًا على تحويل الإجراءات والممارسات المؤسسية إلى نماذج منظمة يمكن للأنظمة فهمها. إضافة إلى متخصص يفهم كيفية استخدام وكلاء الذكاء الاصطناعي لهذه النماذج، لضمان بنائها بطريقة تسمح بتطبيقها وتشغيلها، وليس الاكتفاء بتصميمها نظريًا.  

لا يمكن بناء أنطولوجيا فعالة بالاكتفاء بشراء نموذج جاهز وتسليمه إلى المؤسسة؛ لأن المعرفة التي يقوم عليها النموذج مستمدة من خبرات موظفيها وممارساتهم اليومية، وليست لدى المورد الخارجي وحده. ولذلك، ينبغي أن يتولى فريق متخصص تطوير النموذج من داخل المؤسسة وبالتعاون المباشر مع موظفيها، مع نقل المعرفة والمهارات إلى فرق العمل خلال مراحل التنفيذ. النتيجة المطلوبة ليست مجرد مخرج نهائي للمشروع، بل نموذج تشغيلي مستمر، وفريق داخلي يمتلك القدرة على تطويره وتحديثه مع تغير احتياجات المؤسسة.

أين تحقق الأنطولوجيا قيمة فعلية؟

التحقق من الهوية عبر الأنظمة: تمتلك المملكة العربية السعودية بنية متقدمة للسجلات الوطنية ومصادر التحقق المعتمدة. لكن التحدي يكمن في تمكين الأنظمة الآلية من معرفة المصدر الذي ينبغي الاعتماد عليه لكل معلومة، وتحديد أولوية المصادر عند اختلاف البيانات. وعندما تُعرّف هذه القواعد بصورة موحّدة، يمكن للخدمات المستقبلية الاستفادة منها دون الحاجة إلى إعادة بنائها في كل مرة.

الطلبات التي تتطلب التنسيق بين جهات متعددة: قد يتطلب إنجاز طلب أحد المواطنين المرور بثلاث جهات حكومية، ويعتمد تنسيقه اليوم على الموظفين والمكالمات الهاتفية والبريد الإلكتروني. ولأتمتة هذا المسار، يحتاج النظام إلى معرفة مسؤولية كل جهة، وترتيب الإجراءات، والحالات التي تتطلب التصعيد بدلًا من الاستمرار تلقائيًا.

التعامل مع خصوصية اللغة العربية: قد تؤدي الاختلافات في كتابة الأسماء العربية ونقلها إلى الحروف اللاتينية، واستخدام التقويمين الهجري والميلادي، واختلاف الألقاب وأجزاء الأسماء، إلى ظهور الشخص نفسه في عدة سجلات منفصلة. فمثلًا، قد يظهر الاسم «عبدالله بن محمد القحطاني» في أحد الأنظمة بصيغة «Abdullah Mohammed Alqahtani»، وفي آخر بصيغة «Abdallah bin Muhammad Al-Qahtani»، بينما يُسجَّل في نظام ثالث باسم «عبد الله القحطاني»، مع تاريخ ميلاد بالتقويم الهجري. إن التعامل مع هذه الاختلافات بدقة يمثل متطلبًا وطنيًا، والتميز في معالجتها مبكرًا يمنح المملكة ميزة في تطوير حلول ذكاء اصطناعي تراعي خصوصية اللغة العربية.

أربعة قرارات أساسية لنجاح التطبيق

• اختيار حالة استخدام ذات قيمة قابلة للقياس. لا يكفي وضع هدف عام مثل «تحسين جاهزية البيانات». الأفضل تحديد نتيجة ملموسة، مثل تقليص مدة إصدار الترخيص من تسعة أسابيع إلى أسبوع واحد، أو اكتشاف طلبات الدعم غير المستحقة قبل صرف المبالغ. وإذا لم يكن بالإمكان تحديد قيمة واضحة لحالة الاستخدام، فهي ليست جاهزة بعد للحصول على التمويل.

• تضمين تصنيف البيانات منذ مرحلة التصميم. يجب أن تشارك فرق الأمن وحماية البيانات في بناء النموذج من البداية، لا أن يقتصر دورها على مراجعته قبل التشغيل. فعندما تتداخل البيانات الشخصية والمعلومات المصنفة، قد تتطلب إضافة الضوابط لاحقًا إعادة بناء الحل، وليس مجرد تأخير محدود في تنفيذه.

• تحديد مسؤول عن الأنطولوجيا على المستوى القيادي. يجب إسناد مسؤولية النموذج إلى جهة واضحة، مع وضع آليات لإدارة التغييرات والإصدارات، وتخصيص ميزانية لاستدامته. وينبغي التعامل معه بوصفه أصلًا مؤسسيًا مهمًا يخضع للحوكمة والمتابعة المستمرة.

• وضع شرط ملزم قبل التشغيل الفعلي. لا يُسمح بتشغيل أي وكيل ذكاء اصطناعي لتنفيذ إجراءات على كيانات غير معرّفة ضمن الأنطولوجيا. هذه القاعدة، عند تطبيقها من خلال ضوابط تقنية قابلة للتنفيذ، يمكن أن تسهم في الحد من المخاطر بصورة أكثر فاعلية من الاكتفاء بوثائق السياسات.

معرفة مؤسسية لا يمكن شراؤها جاهزة

تمتلك كل مؤسسة بالفعل معرفة متراكمة تشبه الأنطولوجيا في جوهرها، لكنها غالبًا غير موثقة. فهذه المعرفة موجودة لدى الموظفين الذين أمضوا سنوات طويلة في العمل، ويعرفون السجلات المعتمدة، وصلاحيات التوقيع، وكيفية تطبيق التعاميم والتعليمات في الواقع. وتُعد هذه المعرفة من أثمن الأصول التي تمتلكها المؤسسة، لكنها قد تكون أيضًا من أكثرها عرضة للفقدان لعدم وجود بديل موثق عنها. فعندما يتقاعد أصحاب الخبرة أو ينتقلون إلى أدوار أخرى أو يغادرون المؤسسة، قد تفقد الجهة جزءًا كبيرًا من هذه المعرفة المتراكمة. تحويل هذه المعرفة إلى نموذج منظم ليس مجرد مشروع تقني، بل وسيلة للحفاظ على الذاكرة المؤسسية وإتاحتها للموظفين والأنظمة الذكية على حد سواء. ولهذا لا يمكن شراء هذه المعرفة في صورة حل جاهز. فهي قدرة مؤسسية تنبع من الخبرات والإجراءات المحلية، ولا يمكن استيرادها أو نسخها بالكامل من بيئة أخرى. وعندما تُبنى داخل المؤسسة، تصبح أصلًا تمتلكه وتستطيع تطويره بصورة مستقلة.

ابدأ بخطوة محددة. فالموظفون الذين يمتلكون المعرفة المؤسسية اليوم لن يبقوا بالضرورة في أدوارهم إلى الأبد. ابدأ بقرار واحد تريد تحسينه، ونموذج واحد يحدد الكيانات المرتبطة به، وقاعدة أساسية واضحة: لا ينفذ وكيل الذكاء الاصطناعي أي إجراء يتعلق بكيان غير معرّف ضمن الأنطولوجيا.

التوجه الوطني واضح، والتمويل متاح، والأطر التنظيمية قائمة. ويبقى اتخاذ القرار والبدء في التنفيذ مسؤولية الجهة نفسها.