تستثمر المؤسسات بكثافةٍ في الذكاء الاصطناعي، لكنّ قليلًا منه يبلغ الإنتاج. والأدلّة المنشورة متّسقةٌ في هذا: ففي دراسةٍ أجراها معهد MIT عام 2025 على أكثر من 300 تطبيقٍ مؤسسيٍّ للذكاء الاصطناعي، لم تحقّق نحو 95% من تجارب الذكاء الاصطناعي التوليدي أيّ عائدٍ ملموس، وأفادت S&P Global بأنّ المؤسسات أوقفت قرابة نصف إثباتات الجدوى (proofs-of-concept) قبل بلوغها الإنتاج. تختلف التفسيرات في تفاصيلها، لكنّ خيطًا مشتركًا يمرّ عبرها — وهو نمطُ حوكمةٍ أكثر منه نمطًا تقنيًّا.
وبقراءةٍ مستعرِضةٍ لهذه الأعمال، يتكرّر نمطا إخفاقٍ يبدوان متناقضين. في الأوّل، تكون المبادرة حذرةً وممتثلةً لكنّها مُوجَّهةٌ إلى عملٍ لم يكن يستحقّ الأتمتة أصلًا — محوكَمةٌ جيّدًا، بعائدٍ ضئيل. وفي الثاني، يعمل عرضٌ قادرٌ على بياناتٍ لا يملكها أحدٌ ولا يمكن تتبّعها، فلا يكسب من الثقة ما يكفي لدخول قرارٍ حقيقي. الأوّل آمنٌ بلا قيمة، والثاني يُظهر قيمةً لا يمكن الوثوق بها. تختلف الأعراض، والسبب الكامن واحد — ذكاءٌ اصطناعيٌّ محكومٌ على بُعدٍ واحد.
من أين يأتي منظوري
آتي إلى هذا من ثلاثة تخصّصاتٍ أمضيتُ فيها مسيرةً مهنية: إدارة البيانات وحوكمتها، وهندسة المؤسسة (enterprise architecture)، و—منذ إنشاء علامة Aiconomica عام 2017—اقتصاديات الذكاء الاصطناعي. وهذا المزيج يجعل تسمية فجوة الحوكمة أيسر. فالأُطُر التي يعتمد عليها المجال قويٌّ كلٌّ منها في نصف المشكلة. معايير المخاطر والامتثال — إطار NIST لإدارة مخاطر الذكاء الاصطناعي، وISO/IEC 42001، وقانون الذكاء الاصطناعي الأوروبي (EU AI Act) — تعالج ما إذا كان الذكاء الاصطناعي يُنفَّذ بشكلٍ صحيح. وتخصّصات القيمة والمعمارية — هندسة المؤسسة (TOGAF)، ونمذجة العائد والتخطيط القائم على القدرات — تعالج ما إذا كان يستحقّ التنفيذ. كلٌّ منها يحكم جناحًا واحدًا جيّدًا. وقليلٌ منها يضع الجناحين على هيكلٍ واحد.
الجناحان
تلك هي الفجوة التي يقصد إطار الجناحين للذكاء الاصطناعي سدّها. فهو يحكم مبادرة الذكاء الاصطناعي على سؤالين في آنٍ واحد: هل هو الذكاء الاصطناعي الصحيح الذي يُبنى (القيمة)؟ وهل يُبنى بشكلٍ صحيح (الثقة)؟
كلّ جناحٍ تخصّصٌ قائمٌ بذاته، يصعد من أساس — عمليات جديرة بالذكاء الاصطناعي في جانب القيمة، وبيانات جاهزة للذكاء الاصطناعي في جانب الثقة. ويصعدان معًا، لا بالتتابع، نحو النقطة التي تكون عندها المبادرة جديرةً بالتنفيذ وآمنةَ التشغيل في آن. وعند تطبيقه على مبادرةٍ بعينها يصير الإطار اختبارًا للتقييم: لا يتقدّم نحو الإنتاج إلّا ما يصمد على الجناحين معًا. فالقويّ في القيمة الضعيف في الثقة هو العرض الخطير؛ والقويّ في الثقة الضعيف في القيمة جهدٌ بعائدٍ ضئيل؛ والضعيف فيهما معًا الأفضل ألّا يُجرَّب أصلًا.
ما هو هذا الإطار — وما ليس به
أريد الدقّة في وصف ما أقدّمه. فهذا ليس نظريةً جديدةً في أمان الذكاء الاصطناعي، ولا أعرضه منهجًا أثبتته التطبيقات بالفعل. إنّه تأليفٌ جامع — ينظّم تخصّصاتٍ مارستُها سنين، ويوائم كلّ طبقةٍ مع معاييرَ راسخةٍ لها وزنها: NIST، وISO/IEC 42001، وقانون الذكاء الاصطناعي الأوروبي على جناح الثقة؛ وممارسات هندسة المؤسسة المعتمَدة على جناح القيمة.
وما أُسهم به هو التأطير: أنّ القيمة والثقة ليستا تتابعًا ولا مفاضلة، بل جناحا طائرةٍ واحدة، يُبنيان معًا من الأساس صعودًا. والأساس تحت جناح الثقة ليس مأخوذًا على عواهنه هو الآخر — فالقياسات المنشورة تُبيّن أنّ إعطاء النموذج بياناتٍ محوكَمةً جيّدة التعريف، بدل جداولَ خام، يرفع دقّة إجاباته أضعافًا. الذكاء الاصطناعي الجدير بالثقة يقوم على بياناتٍ محوكَمة؛ والإطار يضع هذا الأساس على قدم المساواة مع السؤال السابق له: هل كان الذكاء الاصطناعي يستحقّ البناء أصلًا.
دعوة
أشارك الإطار مبكرًا وفي العلن — بوصفه عدسةً للاختبار، لا منتجًا مكتمِلًا. فإذا أدّى ذكاءٌ اصطناعيٌّ ما في العرض ثمّ تعثّر قبل الإنتاج، يكون سؤال الجناحين نقطة بدءٍ مفيدة: أيّ جناحٍ ناقص؟ والإطار كاملًا — المساران، والطبقات داخل كلٍّ منهما، ومصفوفة تقييم المبادرة — معروضٌ في صفحة إطار الجناحين للذكاء الاصطناعي. ويسعدني حقًّا أن أسمع رأيك فيه.
سامي الطياره هو مؤسِّس جرين داتا (Green Data) ومديرها — لإدارة البيانات وحوكمتها. أمّا جناح القيمة — اقتصاديات تحويل الذكاء الاصطناعي إلى عائد — فهو محور Aiconomica. للتواصل أو عبر LinkedIn.