قد تكون مؤسستك أقرب إلى تبني الذكاء الاصطناعي مما تتوقع، أو أبعد بخطوة لا تراها .
بعد تحديد مؤشرات الجاهزية، طوّرنا في مسراج تقييماً يساعد المؤسسات على معرفة نقطة انطلاقها، واكتشاف الفجوات قبل الاستثمار في الحلول.
ابدأ التقييم:
https://t.co/SWGoATeh3H
إتاحة الخدمة عبر بوابة رقمية هي نقطة البداية؛ ويكتمل نضجها عندما يستطيع المستفيد إنجاز رحلته حتى استلام النتيجة دون قناة موازية.
في هذا الثريد، نقرأ منهجية قياس اكتمال الخدمات الرقمي��، ونحدد أين تنقطع رحلة المستفيد.
وجد معهد ماكنزي العالمي (McKinsey Global Institute)، في أحد أكثر أبحاثه رجوعا إليه حول سلوك موظفي المعرفة، أن الموظف يقضي في المتوسط 1.8 ساعة يوميا - أي 9.3 ساعات أسبوعيا - في البحث عن معلومات موجودة أصلا داخل مؤسسته، وتجميعها من نظام إلى آ��ر. بلغة أخرى: من كل خمسة موظفين تُوظّفهم المؤسسة، هناك ما يعادل موظفا كاملا يقضي وقته في نقل ما هو موجود بالفعل.
الرابط لقراءة المقالة كاملة:https://t.co/vWcxb0OUE0
في يوليو 2025، أعلنت هيئة الحكومة الرقمية دمج وإغلاق 267 منصة ضمن برنامج «الحكومة الشاملة��، لينخفض عدد المنصات الحكومية من 817 إلى 550 منصة. ويعكس ذلك انتقالا مهما في الأولوية: من رقمنة كل خدمة بصورة منفصلة، إلى توحيد الرحلات وتعزيز التكامل بين الخدمات والموارد التقنية.
في مسراج للتقنية، نتعامل مع هذه المرحلة من خلال طبقتين متكاملتين. نوضح في الكاروسيل دور كل طبقة، وكيف تسهم في جعل الأنظمة والعمليات تعمل معا.
#تكامل_الأنظمة #التحول_الرقمي #أتمتة_العمليات
إن بناء نماذج عربية أفضل يبدأ من جودة البيانات التي يتعلّم منها، وكيف تُجمع وتُنظف وتُهيكل.
في مسراج الذكاء بنينا منظومة بيانات عربية تجمع ثلاثة مسارات متخصصة:
وسم: لاسترداد الويب العربي وتنظيفه وترشيحه.
مترجم: لإثراء المحتوى العربي بمعرفة مترجمة عالية الجودة.
بصير: لاستخراج المعرفة من الكتب والأبحاث والوثائق وتحويلها إلى بيانات منظمة قابلة للتدريب.
وجمعنا هذه المسارات ضمن مخطط بيانات موحّد يحافظ على المصدر والبنية وإشارات الجودة،في دراسة الحالة الجديدة، نوثّق كيف بُنيت هذه المنظومة والقرارات الهندسية التي تقف خلفها.
ولمعرفة المزيد عن الأبحاث التي بُنيت عليها المنظومة، الروابط في التعليق الأول 👇🏻
#ArabicAI #ArtificialIntelligence #MachineLearning #ArabicNLP
أفادت دراسة من معهد MIT الصادرة في يوليو 2025 (State of AI in Business 2025) أن: 95% من مشاريع الذكاء الاصطناعي التوليدي في المؤسسات لم تُحقق أي عائد مالي ملموس، رغم استثمارات تجاوزت 30-40 مليار دولار. والسبب حسب الباحثين راجع إلى ما أسموه "فجوة التعلّم" أي عجز المؤسسات عن دمج الذكاء الاصطناعي داخل سير عملها الفعلي.
لفهم هذا الأمر ، لا بد من النظر إليها من مستويين، من الأصغر إلى الأكبر.
المستوى الأول: حاجة الفرد داخل المؤسسة
الموظف إن أداة من أدوات الذكاء الاصطناعي يفتحها الموظف عند بداية دواتمه أو أثناءه لن تكون كافية لا لبناء نظام أو التأسيس لمنظومة يعمل فيها ومن خلالها لكنه وكما تفرضه علينا الآونة الأخيرة يحتاج إلى يحتاج أن يندمج ��لنظام داخل نفس الخطوة التي يعمل عندها فعلا. وهذا بالضبط ما تكشفه الدراسة ذاتها: أكثر من 90% من الموظفين المشمولين بالبحث يستخدمون أدوات ذكاء اصطناعي شخصية (مثل ChatGPT أو Claude) في مهامهم اليومية، حتى حين تكون المبادرات الرسمية للمؤسسة متعثرة. هذا ما يُعرف بـ"اقتصاد الذكاء الاصطناعي الموازي": الأفراد لا ينتظرون الحل المؤسسي لأن حاجتهم فردية وفورية لتقليل عبء المراجعة، ووضوح في نقطة اتخاذ القرار، وثقة بأن الأداة لن تُحمّلهم مسؤولية خطأ لم يرتكبوه.
حين تتجاهل المؤسسة هذه الحاجة الجزئية، يظهر تناقض واضح: أدوات رسمية باهظة التكلفة تُهمَل، مقابل أدوات فردية غير معتمدة تُستخدم يوميا.
المستوى الثاني: حاجة المنظومة المؤسسية ككل
لكن حل الحاجة الفردية وحده لا يكفي لبناء قيمة مستدامة. حين تتوسّع هذه الحلول الفردية دون معمارية مؤسسية تحتضنها، تتحول من ميزة إلى مخاطرة. وهنا يأتي تحذير Gartner: أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيل (Agentic AI) متوقع إلغاؤها بحلول نهاية 2027، والأسباب المعلنة ثلاثة فقط: تصاعد التكاليف، غياب قيمة تجارية ��اضحة، وضعف ضوابط المخاطر. مجددًا، "قدرة النموذج" لا تظهر ضمن الأسباب.
على مستوى المنظومة، الحاجة مختلفة نوعيا عن حاجة الفرد: من يملك صلاحية اتخاذ القرار حين يتصرف النظام بثقة عالية؟ من يراجع القرار حين تنخفض هذه الثقة؟ من يمتلك مفتاح الإيقاف حين يخطئ النظام؟ وكيف تُدمَج المخرجات مع الأنظمة القديمة دون كسر تدفق العمل؟ هذه أسئلة معمارية وحوكمية، لا تقنية بحتة، ولا تُحل بمزيد من التدريب أو ضبط النموذج.
النموذج الذكي وحده لا يصنع نظاما مؤسسيا؛ فهو قد يفهم ا��طلب،إلا أنه لا يملك معرفة صلاحية التنفيذ، أو ما البيانات المسموح له باستخدامها، أو متى يجب أن يتوقف لطلب مراجعة بشرية.
وما يخلق التباين بين كل من “الإجابة ذكية” و“النظام موثوق” هو طبقة الحوكمة المحيطة بالنموذج: البيانات، الصلاحيات، التكامل، المراقبة، ومسارات التصعيد، ومع الوكلاء الرقميين، لا يبقى الخطأ مجرد توصية غير دقيقة؛ بل قد يتحول إلى إجراء فعلي داخل أنظمة المؤسسة، من تحديث سجل إلى تنفيذ معاملة.
لمعرفة المزيد عن الموضوع رابط المقالة بالتعليق الأول
قد تكون المؤسسة مستعدة لتجربة نموذج AI، لكنها غير مستعدة بعد لمنحه الوصول إلى أنظمتها.
الفرق تحدده أسئلة مثل:
- هل البيانات مصنفة؟
- هل ال��لاحيات محددة؟
- هل البنية قابلة للتكامل؟
- هل توجد سجلات مراجعة؟
- هل نعرف متى يجب أن يتدخل الإنسان؟
لهذا تبدأ رحلة التبني من (تقييم الجاهزية) ، لا من اختيار النموذج.
ابدأ التقييم:
https://t.co/lpdsONeX7Q
أخطر ما يمكن أن يفعله وكيل AI هو أن ينفذ الإجراء الخطأ داخل النظام الصحيح
من واقع عملنا على حلول المؤسسات والأتمتة في مسراج، نرى أن الانتقال من «نموذج يجيب» إلى «وكيل يعمل» يحتاج إلى خمس طبقات
6/ تكامل محكوم
لا يكفي ربط النموذج مباشرة بالأنظمة.
تحتاج المؤسسة إلى مسار يضبط ا��تقال البيانات وتنفيذ الإجراءات بين الأنظمة.
هنا يأتي دور حلول التكامل مثل
**نجم نوفا نوفا | منصّة التكامل والأتمتة الأولى للسوق السعودي | NOVA**
الذي يحول العمل اليدوي المتنقل بين البرمجيات إلى مسارات آلية قابلة للمتابعة.