إطار DeGNZ المنهجي

مذكرة بحثية DeGNZ Labs المؤلف: Yassir Haouati الإصدار: 1.1 التاريخ: يوليو 2026 الحالة: مذكرة عامة

أصبح الذكاء الاصطناعي متاحًا على نطاق واسع داخل المؤسسات، غير أن إتاحته لا تعني بالضرورة أن المؤسسة جاهزة تشغيليًا للاستفادة منه. وتُظهر الأدلة الحديثة اتساع الفجوة بين تبنّي أدوات الذكاء الاصطناعي من جهة، وقدرة الشركات على دمجها بعمق في سير العمل، وحوكمة أفعالها، وربطها بمعرفة مؤسسية موثوقة، وتحويل استخدامها إلى قيمة قابلة للقياس على مستوى المؤسسة من جهة أخرى. ويشير تقرير AI Index 2026 الصادر عن Stanford إلى أن 88% من المؤسسات المشمولة بالاستطلاع استخدمت الذكاء الاصطناعي في وظيفة أعمال واحدة على الأقل خلال عام 2025، بينما ظل نشر الوكلاء ضمن نسب أحادية الرقم في معظم الوظائف تقريبًا. وبالمثل، أفادت McKinsey بأن 88% من المشاركين ذكروا أن مؤسساتهم تستخدم الذكاء الاصطناعي بانتظام، لكن نحو ثلثها فقط بدأ في توسيع برامجه على مستوى المؤسسة. كما وجدت BCG أن دمج الوكلاء في سير العمل تضاعف بأكثر من مرتين بين عامي 2025 و2026، في حين لا يزال نصف المشاركين يشيرون إلى افتقار شركاتهم إلى حوكمة واضحة للفرق التي تجمع بين البشر والذكاء الاصطناعي.

نقدّم في هذه المذكرة إطار هندسة العمليات المصممة أصلاً للذكاء الاصطناعي، وهو إطار لتحليل وتصميم وبناء وحوكمة وتحسين البنية التحتية التشغيلية التي تعمل من خلالها الفرق البشرية وأنظمة الذكاء الاصطناعي معًا. وينظّم الإطار المحدّث هذه البنية التحتية ضمن أربعة مجالات مترابطة: البنية التحتية لعقل الشركة، والبنية التحتية لتنسيق وكلاء الذكاء الاصطناعي، والبنية التحتية لحوكمة الذكاء الاصطناعي، والبنية التحتية لتدريب الذكاء الاصطناعي. وتوحّد البنية التحتية لعقل الشركة السياق المؤسسي، والذاكرة، والوصول المحكوم إلى البيانات، ومعرفة سير العمل ضمن أساس معرفي وإجرائي مشترك يمكّن أنظمة الذكاء الاصطناعي من فهم الشركة وطريقة عملها.

نعرّف الإطار، ونشرح أسسه التجريبية والتقنية، ونصف معماريته ومبادئ تصميمه، ونقترح نموذجًا لنضج المؤسسات، ونضع منهجية للتنفيذ والقياس. كما توضّح المذكرة سبب بدء DeGNZ Labs بـ البنية التحتية لعقل الشركة من خلال منتجها الأول Cervo. وتتمثل الأطروحة المركزية في أن المرحلة المقبلة من الذكاء الاصطناعي المؤسسي لن تتحدد فقط بقدرات النماذج، بل بمدى قدرة المؤسسات على بناء البنية التحتية اللازمة لجعل الذكاء الآلي قائمًا على سياق موثوق، ومستمر الحالة، ومنسقًا، ومقيّدًا بضوابط، وقابلًا للقياس والمساءلة.

الكلمات المفتاحية: العمليات المصممة أصلاً للذكاء الاصطناعي، الهندسة التشغيلية، وكلاء الذكاء الاصطناعي، البنية التحتية لعقل الشركة، السياق المؤسسي، الذاكرة المؤسسية، معرفة سير العمل، تنسيق الوكلاء، حوكمة الذكاء الاصطناعي، التعاون بين البشر والذكاء الاصطناعي، الذكاء الاصطناعي المؤسسي

1. الملخص التنفيذي
2. نطاق البحث ومنهجيته
3. المشكلة الاستراتيجية: التبنّي يسبق الجاهزية التشغيلية
4. فشل التحول إلى الذكاء الاصطناعي القائم على الأدوات
5. تعريف هندسة العمليات المصممة أصلاً للذكاء الاصطناعي
6. نموذج التشغيل البشري–الذكاء الاصطناعي
7. الخاتمة
8. الملحق: مسرد المصطلحات
9. المراجع

<a id="1-executive-summary"></a>

تجاوز تبنّي الذكاء الاصطناعي عتبة مهمة. ولم يعد السؤال الاستراتيجي الذي تواجهه المؤسسات هو ما إذا كان الموظفون سيستخدمون الذكاء الاصطناعي، بل ما إذا كانت المؤسسة قادرة على جعل هذا الاستخدام موثوقًا، وتراكميًا، ومحكومًا، ومرتبطًا بنتائج تشغيلية فعلية.

يستند هذا الإطار إلى خمس خلاصات رئيسية.

أولًا، أصبح الذكاء الاصطناعي جزءًا سائدًا من بيئة العمل داخل المؤسسات. ويشير تقرير AI Index 2026 الصادر عن Stanford إلى أن 88% من المؤسسات المشمولة بالاستطلاع استخدمت الذكاء الاصطناعي في وظيفة أعمال واحدة على الأقل خلال عام 2025، مقارنة بـ78% في 2024 و55% في 2023. كما يذكر التقرير نفسه أن الذكاء الاصطناعي التوليدي استُخدم في وظيفة أعمال واحدة على الأقل لدى 70% من المؤسسات، بينما ظل نشر الوكلاء ضمن نسب أحادية الرقم في معظم الوظائف تقريبًا (Stanford HAI، 2026).

ثانيًا، لم يؤدّ هذا التبنّي إلى عمق تشغيلي موازٍ. وتفيد McKinsey بأن 88% من المشاركين ذكروا أن مؤسساتهم تستخدم الذكاء الاصطناعي بانتظام في وظيفة واحدة على الأقل، لكن نحو الثلث فقط أفادوا بأن شركاتهم بدأت في توسيع برامج الذكاء الاصطناعي على مستوى المؤسسة. كما أفاد 23% بتوسيع نظام قائم على وكلاء الذكاء الاصطناعي في جزء ما من المؤسسة، بينما ذكر 39% آخرون أنهم يجرون تجارب على الوكلاء (McKinsey، 2025).

ثالثًا، لا يزال تحقيق القيمة متفاوتًا. فقد وجدت BCG أن 26% فقط من الشركات طوّرت القدرات اللازمة لتجاوز مرحلة إثبات المفهوم والبدء في استخلاص قيمة ملموسة من الذكاء الاصطناعي، رغم أن 98% منها أفادت بإجراء مستوى ما من التجارب (BCG، 2024).

رابعًا، يتقدم تبنّي الوكلاء بوتيرة أسرع من إعادة تصميم نموذج التشغيل. ويشير بحث AI at Work 2026 الصادر عن BCG إلى أن نسبة المشاركين الذين دمجت مؤسساتهم وكلاء الذكاء الاصطناعي في سير العمل ارتفعت من 13% في 2025 إلى 30% في 2026. كما أفاد 50% آخرون بأن أماكن عملهم أجرت تجارب أو برامج تجريبية على الوكلاء، في حين قال نصف المشاركين إن مؤسساتهم تفتقر إلى حوكمة واضحة لإدارة الفرق التي تجمع بين البشر والذكاء الاصطناعي (BCG، 2026).

خامسًا، تتحول المخاطر إلى مخاطر تشغيلية كلما ازداد وصول الذكاء الاصطناعي وقدرته على الفعل. ووجد تقرير Cost of a Data Breach 2025 الصادر عن IBM أن 13% من المؤسسات المشمولة بالاستطلاع أبلغت عن حادثة تتعلق بنموذج أو تطبيق للذكاء الاصطناعي أدت إلى اختراق؛ وكانت 97% من تلك المؤسسات تفتقر إلى ضوابط وصول مناسبة للذكاء الاصطناعي. ومن بين الحوادث التي شملت أنظمة ذكاء اصطناعي مصرحًا لها، تسبب 31% في تعطيل العمليات، وأدى 31% إلى وصول غير مصرح به إلى بيانات حساسة (IBM، 2025).

تدعم هذه الخلاصات الحجة المركزية للإطار:

لم يعد تبنّي الذكاء الاصطناعي هو عنق الزجاجة الرئيسي؛ بل أصبحت الجاهزية التشغيلية هي العائق الأساسي.

تُقترح هندسة العمليات المصممة أصلاً للذكاء الاصطناعي استجابةً لهذا العائق. فهي ليست منهجية جديدة لتطوير النماذج، ولا أسلوبًا لكتابة المطالبات، ولا ممارسة عامة للأتمتة. إنها تخصص هندسي يركز على الطبقة التشغيلية المؤسسية المحيطة بالذكاء الاصطناعي.

يتكوّن الإطار من أربعة مجالات للبنية التحتية:

1. البنية التحتية لعقل الشركة — الأساس المعرفي والإجرائي المشترك الذي يجمع السياق المؤسسي، والذاكرة، والوصول المحكوم إلى المعرفة والبيانات، وتمثيلات كيفية تنفيذ العمل.
2. البنية التحتية لتنسيق وكلاء الذكاء الاصطناعي — طبقة التنفيذ والتنسيق الخاصة بالأدوار، والتوجيه، والأدوات، وعمليات التسليم، والاعتماديات، والاستثناءات، ونشاط الوكلاء المتعددين.
3. البنية التحتية لحوكمة الذكاء الاصطناعي — طبقة التحكم الخاصة بالسياسات، والهوية، والصلاحيات، والموافقات، والتدقيق، والمخاطر، والأمن، والمساءلة، والحدود الاقتصادية.
4. البنية التحتية لتدريب الذكاء الاصطناعي — طبقة التعلم والتحسين المستمر الخاصة بالموظفين، والوكلاء، والتعليمات، والتقييمات، وسير العمل، والممارسات التشغيلية.

لا ينبغي تفسير هذه المعمارية على أنها أربعة منتجات منفصلة أو سلّم خطي جامد. فالمجالات مترابطة، وبعضها يمتد عبر النظام بأكمله. يزوّد عقل الشركة النظام بالمعنى والتاريخ والأدلة والمعرفة الإجرائية؛ وينسّق التوجيه والتنفيذ؛ وتفرض الحوكمة القيود على النظام بأكمله؛ بينما يحوّل التدريب الملاحظات التشغيلية إلى أداء بشري وآلي أفضل.

تبدأ DeGNZ Labs من الأساس المعرفي عبر Cervo، وهو منتج للبنية التحتية لعقل الشركة صُمم لإنشاء عقل مؤسسي منظم ومحكوم يمكنه خدمة نماذج اللغة الكبيرة، والمساعدين الذكيين، والوكلاء الذين يستخدمهم الموظفون بالفعل.

<a id="2-research-scope-and-method"></a>

تطرح أطروحتنا السؤال التالي:

ما البنية التحتية التشغيلية التي يجب على المؤسسة بناؤها حتى تتمكن الفرق البشرية وأنظمة الذكاء الاصطناعي من العمل معًا بصورة موثوقة وآمنة ومنتجة داخل العمليات الفعلية للأعمال؟

هذا السؤال أوسع عمدًا من أداء النماذج. فقد يحقق نموذج أداءً قويًا في معيار اختباري، ثم يفشل داخل المؤسسة لأنه يفتقر إلى السياق الحالي، أو يسترجع سياسة غير صحيحة، أو يحصل على صلاحيات مفرطة، أو يعجز عن تحديد المسؤولية، أو لا يملك مسارًا للتصعيد، أو لا يستطيع التنسيق مع الأنظمة والأشخاص اللازمين لإتمام العمل.

يركز الإطار على المؤسسات التي تستخدم أو تستعد لاستخدام:

• نماذج اللغة الكبيرة متعددة الأغراض؛
• المساعدين المؤسسيين؛
• التطبيقات المعززة بالاسترجاع؛
• وكلاء ذكاء اصطناعي مخصصين لمهام محددة؛
• الأنظمة متعددة الوكلاء؛
• أتمتة سير العمل التي تتضمن الذكاء الاصطناعي التوليدي؛
• المساعدين الداخليين المدعومين بالذكاء الاصطناعي؛
• البرمجيات التشغيلية المدعومة بالذكاء الاصطناعي.

صُمم الإطار أساسًا لبيئات العمل المعرفي، غير أن العديد من مبادئه ينطبق أيضًا على البيئات التشغيلية والمعاملاتية التي يتفاعل فيها الذكاء الاصطناعي مع أنظمة الأعمال.

ولا يفرض الإطار مزودًا محددًا للنماذج، أو منصة سحابية، أو مكتبة لتنسيق الوكلاء، أو معمارية قواعد بيانات، أو واجهة مستخدم. فهو يعمل على مستوى التصميم المؤسسي وتصميم الأنظمة.

نقوم بتركيب ثلاث فئات من الأدلة:

1. أبحاث التبنّي المؤسسي والقوى العاملة، بما في ذلك Stanford HAI وMcKinsey وBCG وMicrosoft وIBM.
2. الأبحاث التقنية، بما في ذلك التوليد المعزز بالاسترجاع، وذاكرة الوكلاء، وأنظمة الاستدلال والفعل، وتنسيق الوكلاء المتعددين.
3. أطر الحوكمة والأمن، بما في ذلك NIST AI RMF وISO/IEC 42001 وإرشادات OWASP لتطبيقات نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي.

ويمثل الإطار نفسه تركيبًا مفاهيميًا أصيلًا من DeGNZ Labs.

تستخدم المصادر التجريبية عينات وتعريفات وتواريخ وأساليب استطلاع مختلفة. لذلك لا ينبغي دمج نسبها في مؤشر تركيبي واحد أو تفسيرها على أنها قياسات صادرة عن المجتمع نفسه. وتُستخدم هذه النسب كمؤشرات منفصلة على نمط أوسع: يتسع تبنّي الذكاء الاصطناعي، ويظل التوسع المؤسسي غير مكتمل، ويتسارع نشر الوكلاء، بينما تتأخر الحوكمة.

كما يميّز الإطار بين:

• الادعاءات الوصفية، المدعومة بأدلة خارجية؛
• المقترحات الهندسية، المستمدة من تحليل الأنظمة؛
• الفرضيات الاستراتيجية، التي تتطلب مزيدًا من التحقق التجريبي.

<a id="3-the-strategic-problem-adoption-is-outpacing-operational-readiness"></a>

لم يعد منحنى التبنّي هو موضع عدم اليقين الرئيسي. ويشير تقرير AI Index الصادر عن Stanford إلى أن استخدام الذكاء الاصطناعي داخل المؤسسات ارتفع من 55% في 2023 إلى 78% في 2024، ثم إلى 88% في 2025 (Stanford HAI، 2026).

### الشكل 1. استخدام الذكاء الاصطناعي داخل المؤسسات، 2023–2025

المصدر: Stanford Institute for Human-Centered Artificial Intelligence، *AI Index Report 2026*. التفسير: أصبحت الإتاحة والتجارب المؤسسية أمرًا شائعًا. ويتوقف التمايز بصورة متزايدة على القدرة على دمج الذكاء الاصطناعي في نموذج التشغيل.

انتشر الذكاء الاصطناعي التوليدي بسرعة خاصة. ويشير Stanford إلى أنه بلغ نسبة تبنٍّ قدرها 53% خلال ثلاث سنوات، وهي وتيرة أسرع من الحاسوب الشخصي أو الإنترنت في تحليله المقارن للتبنّي. ومع ذلك، ظل نشر الوكلاء ضمن نسب أحادية الرقم في معظم وظائف الأعمال تقريبًا (Stanford HAI، 2026).

يشير هذا النمط إلى انتقال بين مرحلتين:

• المرحلة الأولى: إتاحة واسعة للواجهات التوليدية؛
• المرحلة الثانية: مشاركة محكومة لأنظمة الذكاء الاصطناعي في سير العمل التشغيلي.

وتتطلب المرحلة الثانية هندسة مؤسسية أعمق.

يشير الاستطلاع العالمي لـMcKinsey لعام 2025 إلى ما يلي:

• استخدام منتظم للذكاء الاصطناعي في وظيفة أعمال واحدة على الأقل لدى 88%؛
• بدء نحو ثلث المؤسسات في توسيع برامج الذكاء الاصطناعي على مستوى المؤسسة؛
• قيام 23% بتوسيع الذكاء الاصطناعي القائم على الوكلاء في جزء ما من المؤسسة؛
• قيام 39% بتجربة وكلاء الذكاء الاصطناعي.

وفي أي وظيفة أعمال منفردة، لم تتجاوز نسبة المشاركين الذين ذكروا أن مؤسساتهم توسع استخدام الوكلاء 10% (McKinsey، 2025).

### الشكل 2. مؤشرات مختارة لاستخدام الذكاء الاصطناعي والتوسع القائم على الوكلاء

المصدر: McKinsey & Company، *The State of AI: Global Survey 2025*. ملاحظة: وردت نسبة «توسيع برامج الذكاء الاصطناعي» على أنها تقارب الثلث. وتمثل الفئات مؤشرات مختارة وليست متنافية. التفسير: الاستخدام والتجريب والتوسع المؤسسي والتوسع القائم على الوكلاء مراحل مختلفة. ولا تثبت مقاييس التبنّي وحدها وجود نضج تشغيلي.

وجدت أبحاث BCG أن 98% من الشركات كانت تجري على الأقل بعض التجارب على الذكاء الاصطناعي، لكن 26% فقط طورت القدرات اللازمة لتجاوز إثبات المفهوم والبدء في استخلاص القيمة (BCG، 2024).

### الشكل 3. فجوة قدرات الذكاء الاصطناعي وتحقيق القيمة

المصدر: Boston Consulting Group، *Where’s the Value in AI?*، 2024. التفسير: لا يتمثل القيد فقط في الوصول إلى النماذج أو الاستعداد للتجربة، بل في القدرة على بناء القدرات المؤسسية، وقدرات العمليات والبيانات والمواهب والحوكمة اللازمة للتوسع.

يقدّم بحث McKinsey لعام 2025 حول سير العمل مؤشرًا مرتبطًا بذلك: من بين السمات المؤسسية التي جرى اختبارها، كان لإعادة تصميم سير العمل الأثر الأكبر في ما إذا كان المشاركون قد أفادوا بوجود تأثير على الأرباح قبل الفوائد والضرائب نتيجة استخدام الذكاء الاصطناعي التوليدي. ولم يذكر سوى 21% من المشاركين في المؤسسات التي تستخدم الذكاء الاصطناعي التوليدي أن مؤسساتهم أعادت تصميم بعض عمليات سير العمل بصورة جوهرية (McKinsey، 2025).

ويدعم ذلك تفسيرًا تشغيليًا لفجوة القيمة:

تتقيد قيمة الذكاء الاصطناعي عندما تضيف الشركات النماذج إلى العمل القائم دون إعادة تصميم الأنظمة التي يُفهم العمل من خلالها، ويُسند، ويُنفذ، ويُراجع، ويُحسّن.

تُظهر دراسة AI at Work 2026 الصادرة عن BCG أن الوكلاء يدخلون سير العمل بوتيرة أسرع من إعادة تصميم الإشراف والمساءلة داخل المؤسسات:

• كان 84% من المشاركين قد سمعوا عن وكلاء الذكاء الاصطناعي؛
• ذكر 30% أن مؤسساتهم دمجت الوكلاء في سير العمل، مقارنة بـ13% في 2025؛
• أفاد 50% بأن أماكن عملهم أجرت تجارب أو برامج تجريبية؛
• قال نصف المشاركين إن شركاتهم تفتقر إلى حوكمة واضحة للفرق البشرية–الذكاء الاصطناعي.

(BCG، 2026)

### الشكل 4. تبنّي الوكلاء والجاهزية للحوكمة

المصدر: Boston Consulting Group، *AI at Work: Why Strategy Matters More Than Tools*، 2026. ملاحظة: مؤشرات مختارة من الاستطلاع؛ والفئات ليست متنافية. التفسير: مع انتقال الذكاء الاصطناعي من المساعدة إلى التنفيذ، تحتاج المؤسسات إلى أنظمة صريحة للإشراف، والملكية، والوصول، والتصعيد، والمساءلة.

تفيد IBM بأن 13% من المؤسسات المشمولة في دراستها لعام 2025 حول الاختراقات شهدت حادثة مرتبطة بنموذج أو تطبيق للذكاء الاصطناعي أدت إلى اختراق. ومن بين تلك المؤسسات، كانت 97% تفتقر إلى ضوابط وصول مناسبة للذكاء الاصطناعي. وشملت الآثار المبلغ عنها للحوادث التي تضمنت أنظمة ذكاء اصطناعي مصرحًا لها ما يلي:

• تعطيل العمليات: 31%؛
• الوصول غير المصرح به إلى بيانات حساسة: 31%؛
• فقدان سلامة البيانات: 29%؛
• خسائر مالية: 23%؛
• ضرر بالسمعة: 17%.

(IBM، 2025)

كما وجد التقرير نفسه أن 41% من المؤسسات تفتقر إلى سياسات لحوكمة الذكاء الاصطناعي، وأن 22% أخرى لا تزال تعمل على تطويرها.

ولا تتمثل الخلاصة المناسبة في منع الذكاء الاصطناعي من دخول العمليات، بل في ضرورة تصميم الذكاء الاصطناعي التشغيلي بحيث تكون الحوكمة خاصية مدمجة في النظام، لا وثيقة سياسات تُضاف بعد النشر.

<a id="4-the-failure-of-tool-led-ai-transformation"></a>

تتعامل مؤسسات كثيرة مع التحول إلى الذكاء الاصطناعي بوصفه تسلسلًا للشراء:

1. اختيار نموذج لغة كبير أو مساعد ذكي؛
2. منح الموظفين صلاحية الوصول إليه؛
3. تحديد حالات الاستخدام؛
4. أتمتة المهام؛
5. قياس الاستخدام.

قد يحقق هذا التسلسل مكاسب إنتاجية محلية، لكنه لا ينتج بالضرورة نموذج تشغيل متماسكًا قائمًا على الذكاء الاصطناعي. فهو يترك البنية الأساسية للمؤسسة دون تغيير:

• تظل المعرفة موزعة بين الوثائق والتطبيقات؛
• يستخدم الموظفون تعريفات وتعليمات غير متسقة؛
• يظل سير العمل غير رسمي؛
• لا تُلتقط القرارات بصورة منهجية؛
• تُورث حقوق الوصول من أنظمة مجزأة؛
• يعجز الوكلاء عن تحديد المصادر المعتمدة؛
• تظل المسؤوليات بين البشر والذكاء الاصطناعي غامضة؛
• يركز التقييم على النشاط بدلًا من نتائج الأعمال.

تدعو أبحاث BCG لعام 2026 صراحةً إلى «قياس القيمة لا التبنّي»، وإلى إعادة تصميم العمل من بدايته إلى نهايته بدلًا من الاستثمار في المزيد من الأدوات فقط (BCG، 2026).

لا يتعامل نظام الذكاء الاصطناعي مع شركة مجردة، بل يتعرف إلى الشركة من خلال:

• الوثائق؛
• مخططات البيانات؛
• واجهات برمجة التطبيقات؛
• الصلاحيات؛
• المطالبات؛
• حالات سير العمل؛
• تعريفات المهام؛
• توصيفات الأدوار؛
• الرسائل؛
• تعليمات المستخدمين؛
• أنظمة الاسترجاع؛
• مخرجات الأدوات.

إذا كانت هذه التمثيلات متناقضة أو قديمة أو ناقصة أو غير محكومة، فإن نظام الذكاء الاصطناعي يرث أوجه القصور نفسها.

ومن هنا ينشأ مبدأ عام:

لا يتجاوز الذكاء الاصطناعي التجزؤ التشغيلي؛ بل يعالجه وقد يضخّمه.

لذلك قد تنتج المؤسسة المجزأة ذكاءً اصطناعيًا مجزأً حتى عند استخدام نموذج قوي.

### 4.3.1 فشل السياق

يتلقى نظام الذكاء الاصطناعي سياقًا مؤسسيًا غير كافٍ، أو غير متسق، أو قديمًا، أو غير ذي صلة.

تشمل الآثار المعتادة:

• إجابات تتعارض مع الاستراتيجية الحالية للشركة؛
• نبرة أو مصطلحات غير متسقة بين الفرق؛
• توصيات تستند إلى سياسات منتهية؛
• مخرجات تتجاهل قيود الأقسام؛
• اضطرار الموظفين إلى إعادة الشرح يدويًا.

### 4.3.2 فشل الذاكرة

يعجز النظام عن حفظ المعلومات التاريخية ذات الصلة أو استرجاعها أو إعادة استخدامها بصورة موثوقة.

تشمل الآثار المعتادة:

• تكرار العمل؛
• فقدان القرارات السابقة؛
• عدم التعلم من التصحيحات؛
• استهلاك السياق نفسه مرارًا؛
• انقطاع الاستمرارية بين الجلسات والوكلاء.

تُظهر أبحاث التوليد المعزز بالاسترجاع فائدة الجمع بين معلمات النموذج ومخازن معرفة صريحة غير معلمية، بما في ذلك تحسين الدقة الواقعية في المهام كثيفة المعرفة (Lewis وآخرون، 2020). كما توضح أبحاث الوكلاء التوليديين معماريةً تحفظ التجارب، وتسترجعها ديناميكيًا، وتولّد منها استنتاجات أرفع مستوى لأغراض التخطيط (Park وآخرون، 2023).

### 4.3.3 فشل سير العمل

يُنشر نظام الذكاء الاصطناعي كواجهة معزولة بدلًا من مشارك في عملية محددة.

تشمل الآثار المعتادة:

• مخرجات مفيدة لا تنتقل إلى التنفيذ؛
• غياب وضوح المسؤولية بعد إتمام الذكاء الاصطناعي لمهمته؛
• عدم وجود مسار للموافقة أو التصعيد؛
• العجز عن تحديد اكتمال العمل؛
• أتمتة مهمة منفردة مع بقاء العملية من البداية إلى النهاية دون تغيير.

### 4.3.4 فشل البيانات

يعجز نظام الذكاء الاصطناعي عن الوصول إلى البيانات الصحيحة بالجودة والتوقيت والمصدر والصلاحيات المطلوبة.

تشمل الآثار المعتادة:

• الاستدلال انطلاقًا من سجلات ناقصة؛
• العجز عن التمييز بين البيانات الحالية والتاريخية؛
• كشف غير مصرح به؛
• إجابات غير متسقة بين الأدوات؛
• تكاملات هشة.

ترى McKinsey في عملها لعام 2026 حول توسيع الذكاء الاصطناعي القائم على الوكلاء أن التوسع الموثوق يعتمد على أسس بيانات قوية، ومعماريات حديثة، وجودة البيانات، والحوكمة، ونماذج تشغيل قادرة على دعم الاستقلالية واتخاذ القرار في الوقت الفعلي (McKinsey، 2026).

### 4.3.5 فشل التنسيق

تعجز الوكلاء والبشر والتطبيقات عن تنسيق الأدوار والتسلسل والاعتماديات وعمليات التسليم.

تشمل الآثار المعتادة:

• تكرار الوكلاء للعمل نفسه؛
• تسليم المهام دون سياق كافٍ؛
• تنفيذ إجراءات متعارضة؛
• بقاء الاستثناءات دون معالجة؛
• غياب حالة مشتركة بين المشاركين؛
• وصول التصعيد متأخرًا أو إلى المسؤول الخطأ.

توضح أبحاث الأنظمة متعددة الوكلاء، مثل AutoGen، أن سلوك الوكلاء وأنماط تفاعلهم يجب أن تُركب وتُبرمج بصورة صريحة، بدلًا من افتراض أنها ستنشأ بصورة موثوقة من تلقاء نفسها (Wu وآخرون، 2023).

### 4.3.6 فشل الحوكمة

يفتقر نظام الذكاء الاصطناعي إلى ضوابط كافية للوصول، والفعل، والمخاطر، والمراجعة، والمساءلة.

تشمل الآثار المعتادة:

• صلاحيات مفرطة؛
• وصول غير معتمد إلى البيانات؛
• إجراءات غير خاضعة للتدقيق؛
• غموض المسؤولية عن النتائج؛
• استخدام غير آمن للأدوات؛
• العجز عن إعادة إنتاج القرارات.

تعدّ OWASP حقن المطالبات ومنح صلاحيات مفرطة من أبرز مخاطر تطبيقات نماذج اللغة الكبيرة. وينشأ الإفراط في منح الصلاحيات عندما يُمنح النظام القائم على نموذج لغة كبير وظائف أو صلاحيات أو استقلالية تتجاوز ما يلزم لتشغيله المقصود (OWASP، 2025).

### 4.3.7 فشل التعلم

تعجز المؤسسة عن تحسين الأشخاص والوكلاء والتعليمات وسير العمل والضوابط بصورة منهجية انطلاقًا من الملاحظات التشغيلية.

تشمل الآثار المعتادة:

• تكرار الأخطاء نفسها؛
• بقاء التصحيحات محصورة لدى أفراد؛
• غياب إدارة إصدارات التعليمات؛
• انقطاع الصلة بين التقييم وإعادة التصميم؛
• حدوث التبنّي دون تطوير القدرات.

يشمل مفهوم «التدريب» في هذا الإطار تمكين البشر، وتوجيه الوكلاء، وتصميم التقييمات، والتقاط الملاحظات، والتحسين التشغيلي المستمر. ولا يقتصر على التدريب المسبق للنماذج الأساسية أو ضبطها الدقيق.

<a id="5-definition-of-ai-native-operational-engineering"></a>

هندسة العمليات المصممة أصلاً للذكاء الاصطناعي هي تخصص تحليل وتصميم وبناء وحوكمة وتحسين البنية التحتية التشغيلية بصورة مستمرة، وهي البنية التي تشارك من خلالها الفرق البشرية وأنظمة الذكاء الاصطناعي في العمل المؤسسي.

يدمج هذا التخصص:

• التصميم المؤسسي؛
• معمارية الأنظمة؛
• هندسة سير العمل؛
• إدارة المعرفة؛
• هندسة البيانات؛
• إدارة الهوية والوصول؛
• التفاعل بين الإنسان والحاسوب؛
• تقييم الذكاء الاصطناعي؛
• إدارة المخاطر؛
• إدارة التغيير.

لا تتمثل النتيجة المستهدفة في بلوغ أقصى قدر من الأتمتة، بل في المشاركة التشغيلية الموثوقة.

يُعد نظام الذكاء الاصطناعي مدمجًا تشغيليًا عندما يستطيع:

1. فهم السياق المؤسسي ذي الصلة؛
2. استرجاع المعرفة والتاريخ المناسبين؛
3. العمل داخل سير عمل محدد؛
4. الوصول إلى البيانات والأدوات المطلوبة فقط؛
5. التنسيق مع البشر والأنظمة الأخرى؛
6. التصرف داخل حدود صريحة؛
7. إظهار الأدلة والحالة ودرجة عدم اليقين؛
8. تصعيد الاستثناءات بالطريقة المناسبة؛
9. الخضوع للتقييم وفق النتائج التشغيلية؛
10. التحسن من خلال ملاحظات محكومة.

يقترح الإطار مساحة تشغيل مركزية أو مستوى تحكم مركزيًا للبشر وأنظمة الذكاء الاصطناعي.

لا ينبغي تفسير كلمة «مركزي» على أنها قاعدة بيانات أحادية ضخمة. فقد تظل المعمارية الناضجة موزعة تقنيًا؛ ويمكن أن تبقى البيانات داخل أنظمتها المصدرية، وتحافظ الأقسام على تحكمها المحلي، ويُستخدم أكثر من مزود للنماذج.

تشير المركزية هنا إلى الاتساق المنطقي:

• خريطة معتمدة واحدة للسياق المؤسسي؛
• نموذج واحد للسياسات والصلاحيات؛
• إطار موحد للهوية والأدوار؛
• سجل واحد لسير العمل والوكلاء؛
• طبقة تنفيذ واحدة قابلة للمراقبة؛
• منهج واحد للتقييم والتدقيق؛
• آلية محكومة واحدة لتوزيع السياق والتعليمات.

والغرض هو تحقيق الاتساق دون اشتراط دمج جميع الأنظمة ماديًا.

تتكامل هندسة العمليات المصممة أصلاً للذكاء الاصطناعي مع أطر الحوكمة المعتمدة.

ينظم إطار إدارة مخاطر الذكاء الاصطناعي الصادر عن NIST الأنشطة حول أربع وظائف: الحوكمة، وتحديد السياق، والقياس، والإدارة، مع امتداد الحوكمة عبر دورة حياة الذكاء الاصطناعي (NIST، 2023).

ويحدد معيار ISO/IEC 42001 متطلبات إنشاء نظام لإدارة الذكاء الاصطناعي داخل المؤسسة وتنفيذه وصيانته وتحسينه باستمرار (ISO، 2023).

لا تستبدل هندسة العمليات المصممة أصلاً للذكاء الاصطناعي هذه المعايير، بل توسع النقاش ليشمل المعمارية التشغيلية العملية اللازمة لجعل العمل البشري–الذكاء الاصطناعي قابلًا للتنفيذ. يساعد NIST وISO في تحديد الكيفية التي ينبغي للمؤسسات أن تدير بها مخاطر الذكاء الاصطناعي ومسؤولياته، بينما يركز الإطار الحالي على ما يجب أن تهندسه المؤسسات داخل السياق، والذاكرة، وسير العمل، والبيانات، والتنسيق، والحوكمة، والتدريب.

<a id="6-the-humanai-operating-model"></a>

من الأخطاء الشائعة إسناد العمل إلى الذكاء الاصطناعي لمجرد أن ذلك أصبح ممكنًا تقنيًا. وبدلًا من ذلك، ينبغي أن يأخذ توزيع العمل في الحسبان:

• عواقب الخطأ؛
• قابلية الإجراء للتراجع؛
• درجة الغموض؛
• الحاجة إلى التعاطف أو التفاوض؛
• التعرض التنظيمي؛
• حساسية البيانات؛
• تفاوت العملية؛
• متطلبات الأدلة؛
• حساسية الوقت؛
• القيمة الاقتصادية.

### النمط 1: يقوده الإنسان ويدعمه الذكاء الاصطناعي

يمتلك الإنسان العملية ويستخدم الذكاء الاصطناعي للتحليل، أو الصياغة، أو الاسترجاع، أو تقديم التوصيات.

يكون مناسبًا عندما:

• يكون الحكم البشري محوريًا؛
• تكون الأخطاء عالية العواقب؛
• يكون العمل شديد الغموض؛
• يجب أن تبقى المساءلة ظاهرة.

### النمط 2: يقوده الذكاء الاصطناعي ويعتمده الإنسان

يُعد الذكاء الاصطناعي معظم الخطوات أو ينفذها، لكن الإنسان يصرّح بأي إجراء ذي أثر جوهري.

يكون مناسبًا عندما:

• يكون منطق سير العمل واضحًا؛
• يمكن مراجعة المخرجات؛
• يكون الإجراء قابلًا للتراجع أو مشروطًا بالموافقة.

### النمط 3: ينفذه الذكاء الاصطناعي ويشرف عليه الإنسان

ينفذ الذكاء الاصطناعي عملًا تشغيليًا محدود النطاق تحت المراقبة، مع تدخل بشري عند ظهور الاستثناءات.

يكون مناسبًا عندما:

• يكون حجم العمل مرتفعًا؛
• يمكن إدارة التباين؛
• تكون الصلاحيات ضيقة؛
• يمكن تحديد الاستثناءات.

### النمط 4: ينفذه الذكاء الاصطناعي ضمن السياسة

ينجز الذكاء الاصطناعي تلقائيًا عملًا منخفض المخاطر ومحددًا جيدًا داخل ضوابط صريحة.

يكون مناسبًا عندما:

• تكون القواعد مستقرة؛
• تكون جودة البيانات مرتفعة؛
• تكون الإجراءات قابلة للتراجع؛
• يكون التدقيق مكتملًا؛
• يكون مستوى تحمل المخاطر محددًا.

لا يتمثل الهدف في نقل كل عملية إلى النمط الرابع، بل في تحديد المستوى المناسب من المشاركة البشرية لكل نتيجة.

ينبغي أن يكون لكل دور يؤديه الذكاء الاصطناعي عقد تشغيلي يحدد:

• الغرض؛
• المالك؛
• المستخدمين المصرح لهم؛
• البيانات المسموح بها؛
• الأدوات المسموح بها؛
• الإجراءات المحظورة؛
• السياق المطلوب؛
• نطاق الذاكرة؛
• حدود سير العمل؛
• متطلبات الموافقة؛
• محفزات التصعيد؛
• حدود التكلفة والوقت؛
• عتبات الجودة؛
• متطلبات التدقيق؛
• شروط إيقاف التشغيل.

<a id="7-conclusion"></a>

دخل الذكاء الاصطناعي إلى المؤسسات، لكن المؤسسات لم تُعَد هندستها بالكامل بعد لتعمل مع الذكاء الاصطناعي.

تُظهر الأدلة انتشارًا واسعًا للتبنّي، وتوسعًا غير مكتمل، وتفاوتًا في تحقيق القيمة، وتسارعًا في نشر الوكلاء، وتأخرًا في الحوكمة. وهذه ليست مشكلات منفصلة، بل أعراض لغياب الطبقة نفسها: بنية تحتية تشغيلية مصممة لمشاركة البشر والذكاء الآلي في العمل.

تعرّف هندسة العمليات المصممة أصلاً للذكاء الاصطناعي هذه الطبقة.

فهي لا تصف الشركة المصممة أصلاً للذكاء الاصطناعي بأنها شركة تمتلك عددًا كبيرًا من اشتراكات أدوات الذكاء الاصطناعي، بل بوصفها مؤسسة قادرة على توفير:

• عقل للذكاء الاصطناعي يجمع السياق، والذاكرة، والأدلة المحكومة، والمعرفة الإجرائية؛
• تنسيق يربط الوكلاء والبشر والأدوات وسير العمل أثناء التنفيذ؛
• حوكمة قابلة للإنفاذ عبر الإدراك والفعل؛
• تدريب وتقييم وتعلم تشغيلي مستمر.

ينطلق الإطار من الواقع الذي يعيشه المشغّلون. فالعمل يحدث عبر الأشخاص، والأدوات، والمعلومات، والقرارات، والاستثناءات، والقيود. ولا يصبح الذكاء الاصطناعي ذا قيمة إلا عندما تتم هندسته داخل هذا الواقع.

لذلك فإن المبدأ الاستراتيجي بسيط:

كلما ازدادت قدرات الذكاء الاصطناعي، ازدادت أهمية البنية التحتية التشغيلية المحيطة به.

توجد DeGNZ Labs لبناء هذه البنية التحتية من المغرب للأسواق العالمية.

وتبدأ بـCervo لأن عقل الشركة هو أول أساس مفقود، ويتم الدخول إليه من خلال نقطة بداية مركزة تضع السياق أولًا. أما الرؤية طويلة المدى فهي أوسع: بناء بنية تحتية برمجية لمستقبل تستطيع فيه الفرق البشرية وأنظمة الذكاء الاصطناعي العمل معًا بقدر أكبر من الذكاء والموثوقية والمساءلة.

<a id="appendix-glossary"></a>

وكيل الذكاء الاصطناعي نظام برمجي قائم على نموذج للذكاء الاصطناعي، يستطيع السعي إلى تحقيق هدف عبر خطوات متعددة، واستخدام الأدوات، والتفاعل مع بيئة، واتخاذ إجراءات داخل نطاق محدد.

شركة مصممة أصلاً للذكاء الاصطناعي مؤسسة صُمم نموذج تشغيلها عمدًا حول مشاركة منسقة بين البشر والذكاء الاصطناعي، بدلًا من مؤسسة تكتفي بإتاحة أدوات الذكاء الاصطناعي.

العمليات المصممة أصلاً للذكاء الاصطناعي عمليات أعمال تشارك فيها أنظمة الذكاء الاصطناعي من خلال عقل مؤسسي مُدار، وتنسيق محكوم، وحوكمة قابلة للإنفاذ، وتقييم مستمر.

البنية التحتية لعقل الشركة طبقة الذكاء المؤسسي المشتركة التي تجمع السياق، والذاكرة، والوصول المحكوم إلى المعرفة والبيانات، ومعرفة سير العمل أو المعرفة الإجرائية لاستخدامها من قبل أنظمة الذكاء الاصطناعي المعتمدة.

السياق المعلومات، والقواعد، والتعليمات، والعلاقات، والأولويات، والقيود اللازمة لتفسير مهمة بصورة صحيحة.

البنية التحتية للسياق النظام الفرعي الخاص بالسياق والأنطولوجيا داخل البنية التحتية لعقل الشركة، ويُستخدم لإنشاء المعنى المؤسسي والتعليمات وحوكمتها وإدارة إصداراتها واسترجاعها وتوزيعها على أنظمة الذكاء الاصطناعي المعتمدة.

مستوى التحكم الطبقة المنطقية التي تدير السياسات، والهويات، والأدوار، وتعريفات سير العمل، والوكلاء، والصلاحيات، وقابلية المراقبة عبر الأنظمة الموزعة.

الإنسان ضمن الحلقة نمط تصميم يراجع فيه البشر العمل المدعوم بالذكاء الاصطناعي، أو يعتمدونه، أو يصححونه، أو يتدخلون فيه.

البنية التحتية للذاكرة النظام الفرعي داخل البنية التحتية لعقل الشركة والمخصص لحفظ واسترجاع التاريخ والقرارات والتفاعلات والمخرجات والحالة والملاحظات ذات الصلة التشغيلية.

التنسيق التنسيق أثناء التشغيل بين الوكلاء، والبشر، والأدوات، والمهام، وحالة سير العمل، والاعتماديات، وإعادات المحاولة، والاستثناءات، وعمليات التسليم.

الهندسة التشغيلية تصميم وبناء الأنظمة التي تجعل العمل المؤسسي قابلًا للقياس، والتكرار، والربط، والتحسين.

المصدرية الأدلة التي تبيّن مصدر البيانات أو السياق أو المخرجات، وكيفية تحويلها.

الذكاء الاصطناعي الخفي استخدام أدوات أو أنظمة الذكاء الاصطناعي دون اعتماد المؤسسة أو علمها أو حوكمتها.

سير العمل تسلسل منظم للحالات، والمهام، والقرارات، والمسؤوليات، والأدوات، والشروط المستخدمة لإنتاج نتيجة.

<a id="references"></a>

Boston Consulting Group. (2024). *أين تكمن القيمة في الذكاء الاصطناعي؟*

Boston Consulting Group. (2026). *الذكاء الاصطناعي في العمل: لماذا تهم الاستراتيجية أكثر من الأدوات*

IBM. (2025). *تقرير تكلفة اختراق البيانات لعام 2025*

International Organization for Standardization. (2023). *ISO/IEC 42001:2023 — أنظمة إدارة الذكاء الاصطناعي*

Lewis, P., Perez, E., Piktus, A., et al. (2020). *التوليد المعزز بالاسترجاع لمهام معالجة اللغة الطبيعية كثيفة المعرفة*. Advances in Neural Information Processing Systems.

McKinsey & Company. (2025). *حالة الذكاء الاصطناعي: الاستطلاع العالمي لعام 2025*

McKinsey & Company. (2025). *حالة الذكاء الاصطناعي: كيف تعيد المؤسسات هندسة عملياتها لاستخلاص القيمة*

McKinsey & Company. (2026). *بناء الأسس اللازمة لتوسيع الذكاء الاصطناعي القائم على الوكلاء*

Microsoft. (2025). *مؤشر اتجاهات العمل 2025: عام ولادة شركة الحدود الجديدة*

Microsoft. (2026). *مؤشر اتجاهات العمل 2026: الوكلاء، والفاعلية البشرية، والفرصة المتاحة لكل مؤسسة*

National Institute of Standards and Technology. (2023). *إطار إدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0)*

Open Worldwide Application Security Project. (2025). *أهم عشرة مخاطر وفق OWASP لتطبيقات نماذج اللغة الكبيرة والذكاء الاصطناعي التوليدي لعام 2025*

Park, J. S., O’Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). *الوكلاء التوليديون: محاكاة تفاعلية للسلوك البشري*. Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology.

Stanford Institute for Human-Centered Artificial Intelligence. (2026). *تقرير مؤشر الذكاء الاصطناعي 2026*

Wu, Q., Bansal, G., Zhang, J., et al. (2023). *AutoGen: تمكين الجيل التالي من تطبيقات نماذج اللغة الكبيرة عبر محادثات متعددة الوكلاء*

Yao, S., Zhao, J., Yu, D., et al. (2022). *ReAct: الجمع التآزري بين الاستدلال والفعل في النماذج اللغوية*

Haouati, Y. (2026). *هندسة العمليات المصممة أصلاً للذكاء الاصطناعي*. DeGNZ Labs.