صار الذكاء الاصطناعي التوليدي في 2026 جزءاً أصيلاً من طريقة عمل الجهات في الإمارات، من دبي وأبوظبي إلى الشارقة ورأس الخيمة. لم يعد السؤال المطروح داخل مجالس الإدارة "هل نستخدم النماذج التوليدية؟"، بل صار "أي نموذج نثق به، وأين تُخزَّن بياناتنا، ومن يتحمّل المسؤولية عندما يُخطئ النموذج؟". ومع وجود نماذج محلية قوية مثل "فالكون" الصادر عن مؤسسات أبوظبي، إلى جانب موجة من النماذج الصينية المفتوحة المصدر الرخيصة والقادرة، دخلت المؤسسات في نقاش استراتيجي حقيقي حول السيادة والأمن والتكلفة.
هذا المقال موجّه لمن يتخذ القرار: مدراء التقنية، ومسؤولو أمن المعلومات، وفرق الحوكمة في القطاعين الحكومي والخاص. الهدف ليس الترويج لنموذج على حساب آخر، بل بناء إطار عملي تضع من خلاله ضوابط منطقية حول أي ذكاء اصطناعي توليدي، مهما كان مصدره.
المشهد في الإمارات: نموذج وطني مقابل نماذج مفتوحة
تملك الإمارات ميزة نادرة في المنطقة: عائلة نماذج لغوية كبيرة مطوّرة محلياً. "فالكون" لم يعد تجربة بحثية، بل نماذج تُستخدم فعلياً في تطبيقات إنتاجية، وتحمل قيمة سيادية واضحة، إذ إن الأوزان والبنية والاستضافة يمكن أن تبقى داخل الدولة. بالنسبة للجهات الحكومية والقطاعات الحساسة كالدفاع والطاقة والخدمات المالية، هذا الارتباط الوطني ليس تفصيلاً تسويقياً، بل عنصر ثقة جوهري وخط دفاع أول ضد مخاطر الاعتماد على مزوّد أجنبي قد تتغيّر سياساته أو تخضع لعقوبات.
في المقابل، فرضت النماذج الصينية المفتوحة المصدر نفسها بقوة على السوق. هي رخيصة أو مجانية، وقابلة للتشغيل داخل بنيتك التحتية دون إرسال بيانات لأي طرف خارجي، وأداؤها في كثير من المهام يضاهي النماذج التجارية المغلقة. لكنها تحمل أسئلة مشروعة: من دقّق في بيانات التدريب؟ هل توجد انحيازات أو رقابة مضمّنة في مخرجاتها بشأن مواضيع بعينها؟ وهل التزام ترخيصها يتوافق مع الاستخدام التجاري والحكومي طويل الأمد؟
الخلاصة العملية أن الاختيار ليس ثنائياً. كثير من الجهات في الإمارات تتبنى اليوم مقاربة هجينة: نموذج سيادي محلي للأعباء الأكثر حساسية، ونماذج مفتوحة المصدر مستضافة ذاتياً للمهام الداخلية، ونماذج تجارية مغلقة عبر السحابة للمهام العامة منخفضة المخاطر. المفتاح ليس النموذج، بل الطبقة التي تحيط به.
الإطار التنظيمي الذي يجب أن تعرفه في 2026
تعمل الإمارات ضمن منظومة حوكمة ناضجة أطلقتها مبكراً عبر تعيين وزير للذكاء الاصطناعي واستراتيجيتها الوطنية، ثم عزّزتها بمبادئ أخلاقيات الذكاء الاصطناعي ووثائق الحوكمة الصادرة عن جهات مثل مكتب الذكاء الاصطناعي ومركز دبي للذكاء الاصطناعي. لكن الأهم عملياً هو ما يلي:
- ▸حماية البيانات الشخصية: القانون الاتحادي لحماية البيانات الشخصية يفرض ضوابط على معالجة بيانات الأفراد، بينما تطبّق المناطق الحرة مثل مركز دبي المالي العالمي (DIFC) وسوق أبوظبي العالمي (ADGM) أنظمتها الخاصة المستوحاة من اللائحة الأوروبية العامة لحماية البيانات (GDPR). أي نموذج توليدي يعالج بيانات مواطنين أو مقيمين يقع تحت هذه الأطر.
- ▸البُعد الأوروبي: أي شركة إماراتية تخدم عملاء في الاتحاد الأوروبي أو تعالج بياناتهم صارت معنية مباشرة بقانون الذكاء الاصطناعي الأوروبي (EU AI Act) الذي دخلت التزاماته على النماذج عالية المخاطر حيّز التطبيق تدريجياً، وبتوجيه NIS2 لأمن الشبكات، وبإطار DORA للمرونة الرقمية في القطاع المالي. من يتجاهل هذه الأطر يخسر السوق الأوروبية.
- ▸السيادة الرقمية: التوجه الرسمي واضح نحو إبقاء البيانات الحساسة داخل الحدود، وهو ما يجعل الاستضافة الذاتية للنماذج المفتوحة أو استخدام النماذج السيادية خياراً استراتيجياً لا مجرد تفضيل تقني.
الرسالة هنا أن الحوكمة ليست عبئاً بيروقراطياً، بل شرط دخول للأسواق التي تريد خدمتها، ودرع يحميك عند وقوع الحادثة الأولى.
قائمة عملية لوضع ضوابط أمان حول الذكاء الاصطناعي التوليدي
إليك خطوات ملموسة يمكن لفريقك البدء بتطبيقها هذا الربع، مرتّبة حسب الأولوية:
1. صنّف بياناتك أولاً: قبل توصيل أي نموذج، حدّد ما هو سري وما هو حساس وما هو عام. لا تسمح بإرسال البيانات المصنّفة سرية إلى أي نموذج سحابي خارجي.
2. اختر النموذج حسب المهمة لا حسب الضجيج: نموذج سيادي محلي أو مستضاف ذاتياً للأعباء الحساسة، ونماذج سحابية للمهام العامة منخفضة الخطر.
3. ضع بوابة إدخال ومخرج (Guardrails): طبّق طبقة وسيطة تفحص الأوامر القادمة من المستخدمين وتنقّي المخرجات، لمنع تسريب البيانات، وحقن الأوامر الخبيثة، والمحتوى غير الملائم.
4. فعّل تسجيل كامل للمحادثات والقرارات: كل استدعاء للنموذج يجب أن يكون قابلاً للتدقيق، مع الاحتفاظ بالسياق حتى تستطيع تفسير أي مخرَج لاحقاً أمام جهة تنظيمية.
5. اختبر النموذج ضد الهجمات (Red Teaming): نفّذ اختبارات حقن الأوامر، وكسر القيود، وتسريب بيانات التدريب، قبل الإطلاق وبشكل دوري بعده.
6. راقب الانحراف والهلوسة: ضع مؤشرات لجودة المخرجات ومعدلات الأخطاء، ولا تعتمد على المخرجات في القرارات المصيرية دون مراجعة بشرية.
7. وثّق سلسلة المسؤولية: من يملك النموذج، ومن يوافق على الاستخدام، ومن يتدخل عند الفشل. اجعلها مكتوبة وواضحة.
8. درّب موظفيك: أضعف حلقة ليست النموذج بل المستخدم الذي يلصق بيانات سرية في نافذة محادثة عامة.
كيف يدعمك شريك هندسي قريب من الإمارات
بناء هذه الطبقة من الحوكمة والضوابط يتطلب خبرة هندسية في الأمن والذكاء الاصطناعي معاً، وهنا يظهر دور شريك تقني موثوق. نحن في TuniCyberLabs نعمل بنموذج الهندسة القريبة (Nearshore) من تونس، مع مقر أوروبي في تالين بإستونيا ومكاتب في ليماسول بقبرص، ما يمنح عملاءنا في الإمارات مزيجاً عملياً يصعب توفّره محلياً بنفس التكلفة.
التوقيت أولاً: فريقنا الهندسي في سوسة يعمل ضمن نافذة زمنية متقاربة مع الإمارات، فالفارق ساعات قليلة، ما يعني تعاوناً مباشراً خلال يوم العمل بدل انتظار ردود عبر مناطق زمنية بعيدة. ثانياً، العقود عبر الكيان الإستوني تمنحك التزاماً كاملاً بأطر الاتحاد الأوروبي، من GDPR إلى قانون الذكاء الاصطناعي وNIS2، وهو ما تحتاجه تحديداً إذا كنت تخدم السوقين الأوروبي والخليجي معاً. ثالثاً، اللغة: نعمل بالعربية والإنجليزية والفرنسية، فنفهم متطلبات الجهات الإماراتية ونتواصل بلا وسيط. وأخيراً التكلفة: هندسة بمعايير أوروبية دون فاتورة العواصم الأوروبية الكبرى.
عملياً، نساعدك على استضافة النماذج المفتوحة أو السيادية داخل بنيتك، وبناء طبقة الضوابط والمراقبة، وتنفيذ اختبارات الاختراق على أنظمة الذكاء الاصطناعي، وربطها بأنظمتك القائمة بأمان.
الخلاصة: السيادة تُبنى بالحوكمة لا بالشعارات
المعركة الحقيقية في 2026 ليست بين "فالكون" والنماذج الصينية المفتوحة، بل بين مؤسسة تضع ضوابط واعية حول ذكائها الاصطناعي وأخرى تتركه بلا رقابة. النموذج المحلي يمنحك السيادة، والنموذج المفتوح يمنحك المرونة والتكلفة، لكن كليهما بلا حوكمة يمنحك مخاطرة صرفة. ابدأ بتصنيف بياناتك، وابنِ طبقة الضوابط، ووثّق المسؤولية، واختر شريكاً هندسياً يفهم أطر الاتحاد الأوروبي ويعمل بتوقيتك ولغتك. هكذا تحوّل الذكاء الاصطناعي من مصدر قلق تنظيمي إلى ميزة تنافسية مستدامة.