أكبر سوء فهم يمكن أن تقع فيه المؤسسات....
شراء نموذج لغوي أو Chatbot ويقال تحولنا إلى الذكاء الاصطناعي
الحقيقة التي يجب أن يعرفها جميع قادة المؤسسات.... هي أنه بدون -إعادة تصميم طريقة عمل المؤسسة- تغيير العمليات والحوكمة للبيانات وتوزيع الأدوار ومؤشرات الأداء وأليات القرار.... فإن الذكاء الاصطناعي يبقى أداة فقط بفاعلية محدودة أو مؤقتة ولا يكسب المؤسسة ميزة تنافسية فعالة.
بإختصار:
لا تشغل الذكاء الاصطناعي في بيئة تشغيل قديمة
شراء نموذج لغوي أو Chatbot ويقال تحولنا إلى الذكاء الاصطناعي
الحقيقة التي يجب أن يعرفها جميع قادة المؤسسات.... هي أنه بدون -إعادة تصميم طريقة عمل المؤسسة- تغيير العمليات والحوكمة للبيانات وتوزيع الأدوار ومؤشرات الأداء وأليات القرار.... فإن الذكاء الاصطناعي يبقى أداة فقط بفاعلية محدودة أو مؤقتة ولا يكسب المؤسسة ميزة تنافسية فعالة.
بإختصار:
لا تشغل الذكاء الاصطناعي في بيئة تشغيل قديمة
كيف تستفيد من خوارزمية X الجديدة ؟
بعد فتح جزء من خوارزمية التوصية في X، أصبحت الصورة أوضح...
انتشار المنشور لا يعتمد فقط على عدد المتابعين، وإنما على طريقة تفاعل الناس معه منذ اللحظات الأولى.
إليك أهم النقاط:
⚫️أول 30 دقيقة مهمة جداً
عندما تنشر، تراقب الخوارزمية سرعة التفاعل مع المنشور في البداية.
- هل الناس يضغطون إعجاب؟
- هل يردون؟
- هل يتوقفون لقراءة المنشور؟
إذا حصل المنشور على تفاعل جيد مبكراً، تزيد فرصة ظهوره لجمهور أوسع.
⚫️الردود الجيدة أقوى من الردود الكثيرة
ليست كل الردود متساوية.
الرد الذي يضيف:
- فكرة
-سؤال
- تجربة
- معلومة
يعطي إشارة إيجابية أقوى من ردود قصيرة مثل: “شكراً” أو إيموجي فقط.
الخلاصة العملية:
⚫️وقت القراءة مهم
إذا توقف المستخدم عند منشورك وقرأه، فهذا مؤشر قوي أن المحتوى يستحق الظهور أكثر.
لهذا، السطر الأول مهم جداً لأنه يحدد هل سيكمل القارئ أم يتجاوز المنشور.
⚫️الروابط الخارجية قد تقلل الوصول
عندما تضع رابطاً خارجياً، قد يغادر المستخدم المنصة.
الخوارزمية غالباً تفضل المحتوى الذي يبقي المستخدم داخل X.
⚫️كثرة النشر في وقت قصير قد تضرّك
إذا نشرت عدة منشورات متقاربة، قد تقل فرصة ظهور المنشورات اللاحقة، لأن الخوارزمية تحاول تنويع المحتوى وعدم إظهار نفس الكاتب كثيراً.
⚫️إذا كان حسابك معروفاً بموضوع معين، مثل التقنية أو التعليم أو الاستثمار، فإن الخوارزمية تفهم جمهورك بشكل أفضل.
أما إذا غيّرت مواضيعك كثيراً، فقد يصعب عليها معرفة من هو الجمهور المناسب لمنشورك.
⚫️⚫️الخلاصة:
الانتشار على X ليس حظ فقط.
هو نتيجة محتوى واضح، وقت نشر مناسب، تفاعل حقيقي، وتخصص مفهوم.
بعد فتح جزء من خوارزمية التوصية في X، أصبحت الصورة أوضح...
انتشار المنشور لا يعتمد فقط على عدد المتابعين، وإنما على طريقة تفاعل الناس معه منذ اللحظات الأولى.
إليك أهم النقاط:
⚫️أول 30 دقيقة مهمة جداً
عندما تنشر، تراقب الخوارزمية سرعة التفاعل مع المنشور في البداية.
- هل الناس يضغطون إعجاب؟
- هل يردون؟
- هل يتوقفون لقراءة المنشور؟
إذا حصل المنشور على تفاعل جيد مبكراً، تزيد فرصة ظهوره لجمهور أوسع.
⚫️الردود الجيدة أقوى من الردود الكثيرة
ليست كل الردود متساوية.
الرد الذي يضيف:
- فكرة
-سؤال
- تجربة
- معلومة
يعطي إشارة إيجابية أقوى من ردود قصيرة مثل: “شكراً” أو إيموجي فقط.
الخلاصة العملية:
⚫️وقت القراءة مهم
إذا توقف المستخدم عند منشورك وقرأه، فهذا مؤشر قوي أن المحتوى يستحق الظهور أكثر.
لهذا، السطر الأول مهم جداً لأنه يحدد هل سيكمل القارئ أم يتجاوز المنشور.
⚫️الروابط الخارجية قد تقلل الوصول
عندما تضع رابطاً خارجياً، قد يغادر المستخدم المنصة.
الخوارزمية غالباً تفضل المحتوى الذي يبقي المستخدم داخل X.
⚫️كثرة النشر في وقت قصير قد تضرّك
إذا نشرت عدة منشورات متقاربة، قد تقل فرصة ظهور المنشورات اللاحقة، لأن الخوارزمية تحاول تنويع المحتوى وعدم إظهار نفس الكاتب كثيراً.
⚫️إذا كان حسابك معروفاً بموضوع معين، مثل التقنية أو التعليم أو الاستثمار، فإن الخوارزمية تفهم جمهورك بشكل أفضل.
أما إذا غيّرت مواضيعك كثيراً، فقد يصعب عليها معرفة من هو الجمهور المناسب لمنشورك.
⚫️⚫️الخلاصة:
الانتشار على X ليس حظ فقط.
هو نتيجة محتوى واضح، وقت نشر مناسب، تفاعل حقيقي، وتخصص مفهوم.
خبر مهم للباحثين والأكاديميين
أرشيف arXiv أعلن سياسة جديدة صارمة:
سيحظر المؤلفين لمدة عام كامل إذا احتوت أوراقهم على (أدلة لا تقبل الجدل) على استخدام مولدات الذكاء الاصطناعي دون تدقيق ومراجعة بشرية كاملة.
من ضمن الأمثلة التي ستؤدي للحظر:
- مراجع وهمية (hallucinated)
- تعليقات AI مثل "هل تريد تعديل هذا؟"
- جداول أو نتائج غير مدققة
الرسالة واضحة:
الذكاء الاصطناعي أداة مساعدة، ليس بديل عن العقل البشري. والمسؤولية كاملة على المؤلفين
أرشيف arXiv أعلن سياسة جديدة صارمة:
سيحظر المؤلفين لمدة عام كامل إذا احتوت أوراقهم على (أدلة لا تقبل الجدل) على استخدام مولدات الذكاء الاصطناعي دون تدقيق ومراجعة بشرية كاملة.
من ضمن الأمثلة التي ستؤدي للحظر:
- مراجع وهمية (hallucinated)
- تعليقات AI مثل "هل تريد تعديل هذا؟"
- جداول أو نتائج غير مدققة
الرسالة واضحة:
الذكاء الاصطناعي أداة مساعدة، ليس بديل عن العقل البشري. والمسؤولية كاملة على المؤلفين
انتبه عند كتابة الـ Prompt
لا تقول له (لا) تعمل ….
التفاصيل👇🏻
ورقة بحثية ارتكزت فكرتها الرئيسية على أن نماذج الذكاء الاصطناعي قد تتجاهل كلمة (لا) أثناء التدريب، وتركّز على الفكرة نفسها وكأنها صحيحة.
▪️ما الذي درسته؟
الباحثون أرادوا معرفة: هل يكفي أن نقول للنموذج “هذه المعلومة خاطئة” حتى لا يتعلمها؟
اختبروا ذلك عبر تدريب النماذج على نصوص مليئة بادعاءات كاذبة مع تحذيرات متكررة بأنها غير صحيحة.
▪️كيف أُجريت؟
- استخدم الباحثون آلاف المقالات المزيفة.
- كل مقال يحتوي معلومة خاطئة مع تنبيهات مثل: “هذه القصة مفبركة ولا يجب تصديقها”.
- بعدها اختبروا النماذج بأسئلة مختلفة لمعرفة هل صدّقت الادعاء أم لا.
▪️ماذا وجدت؟
- رغم التحذيرات، النماذج تبنّت الادعاءات الكاذبة بنسبة وصلت إلى 88.6%.
- النموذج غالبًا يتعلم “الفكرة الأساسية” أكثر من تعلّم النفي المحيط بها.
- لكن عندما كان النفي داخل الجملة نفسها مثل: “إد شيران لم يفز”، تحسن الأداء كثيرًا.
- التأثير لم يقتصر على المعلومات، بل ظهر أيضًا في السلوكيات؛ فالنماذج قد تتعلم سلوكًا ضارًا حتى لو قيل لها إن هذا السلوك خاطئ.
▪️ماذا يعني لك كمستخدم؟
هذه م
لا تقول له (لا) تعمل ….
التفاصيل👇🏻
ورقة بحثية ارتكزت فكرتها الرئيسية على أن نماذج الذكاء الاصطناعي قد تتجاهل كلمة (لا) أثناء التدريب، وتركّز على الفكرة نفسها وكأنها صحيحة.
▪️ما الذي درسته؟
الباحثون أرادوا معرفة: هل يكفي أن نقول للنموذج “هذه المعلومة خاطئة” حتى لا يتعلمها؟
اختبروا ذلك عبر تدريب النماذج على نصوص مليئة بادعاءات كاذبة مع تحذيرات متكررة بأنها غير صحيحة.
▪️كيف أُجريت؟
- استخدم الباحثون آلاف المقالات المزيفة.
- كل مقال يحتوي معلومة خاطئة مع تنبيهات مثل: “هذه القصة مفبركة ولا يجب تصديقها”.
- بعدها اختبروا النماذج بأسئلة مختلفة لمعرفة هل صدّقت الادعاء أم لا.
▪️ماذا وجدت؟
- رغم التحذيرات، النماذج تبنّت الادعاءات الكاذبة بنسبة وصلت إلى 88.6%.
- النموذج غالبًا يتعلم “الفكرة الأساسية” أكثر من تعلّم النفي المحيط بها.
- لكن عندما كان النفي داخل الجملة نفسها مثل: “إد شيران لم يفز”، تحسن الأداء كثيرًا.
- التأثير لم يقتصر على المعلومات، بل ظهر أيضًا في السلوكيات؛ فالنماذج قد تتعلم سلوكًا ضارًا حتى لو قيل لها إن هذا السلوك خاطئ.
▪️ماذا يعني لك كمستخدم؟
هذه م
👍1
ن أهم الأوراق لفهم كتابة الـ prompts.
إذا كنت تكتب:
(لا تعطي إجابة سطحية)
أو
(لا تستخدم أسلوب تسويقي)
فالنموذج قد يركز على: (إجابة سطحية) و (أسلوب تسويقي) أكثر من كلمة (لا)
الأفضل في الغالب أن تكتب ما تريده مباشرة بدل النهي. مثال:
❌ لا تكن مختصرا
✅ اشرح بالتفصيل مع أمثلة واضحة
❌ لا تستخدم لغة معقدة
✅ استخدم لغة بسيطة يفهمها غير المتخصص
❌ لا تخمن
✅ إذا لم تتأكد، اذكر درجة عدم اليقين أو اطلب معلومات إضافية
إذا كنت تكتب:
(لا تعطي إجابة سطحية)
أو
(لا تستخدم أسلوب تسويقي)
فالنموذج قد يركز على: (إجابة سطحية) و (أسلوب تسويقي) أكثر من كلمة (لا)
الأفضل في الغالب أن تكتب ما تريده مباشرة بدل النهي. مثال:
❌ لا تكن مختصرا
✅ اشرح بالتفصيل مع أمثلة واضحة
❌ لا تستخدم لغة معقدة
✅ استخدم لغة بسيطة يفهمها غير المتخصص
❌ لا تخمن
✅ إذا لم تتأكد، اذكر درجة عدم اليقين أو اطلب معلومات إضافية
❤1🔥1
الورقة البحثية هنا
Negation Neglect: When models fail to learn negations in trainingarxiv.org/pdf/2605.13829v1
Negation Neglect: When models fail to learn negations in trainingarxiv.org/pdf/2605.13829v1
❤1
ليست كل هلوسة تعني أن النموذج (لا يعرف)
ورقة بحثية نشرت في فبراير 2025 فرقت بين نوعين مختلفين تمامًا من الأخطاء في نماذج اللغة الكبيرة (LLMs).
▪️النوع الأول
النموذج لا يملك المعلومة أصلًا.
عندما يُسأل عن شيء خارج بيانات تدريبه، يبدأ بتوليد إجابة تبدو منطقية ومقنعة، لكنها مختلقة. هذا أقرب إلى (التخمين الإحصائي)
▪️النوع الثاني
النموذج يمتلك الإجابة الصحيحة داخليًا، لكن عملية التوليد نفسها تدفعه لإخراج إجابة خاطئة. أحيانًا بسبب طريقة السؤال، أو السياق، أو لأن التدريب يكافئ الإجابات الواثقة أكثر من الاعتراف بعدم المعرفة.
لهذا قد ترى نموذج يجيب بثقة كاملة رغم أنه مخطئ.
الدراسة وجدت أن هذا النوع من (الهلوسة رغم المعرفة) قد يظهر حتى عندما يُطلب من النموذج أن يكون دقيقًا وصادقًا.
الخلاصة:
الذكاء الاصطناعي لا يفهم الحقيقة كما يفعل البشر، بل يتنبأ بالنص الأكثر
ورقة بحثية نشرت في فبراير 2025 فرقت بين نوعين مختلفين تمامًا من الأخطاء في نماذج اللغة الكبيرة (LLMs).
▪️النوع الأول
النموذج لا يملك المعلومة أصلًا.
عندما يُسأل عن شيء خارج بيانات تدريبه، يبدأ بتوليد إجابة تبدو منطقية ومقنعة، لكنها مختلقة. هذا أقرب إلى (التخمين الإحصائي)
▪️النوع الثاني
النموذج يمتلك الإجابة الصحيحة داخليًا، لكن عملية التوليد نفسها تدفعه لإخراج إجابة خاطئة. أحيانًا بسبب طريقة السؤال، أو السياق، أو لأن التدريب يكافئ الإجابات الواثقة أكثر من الاعتراف بعدم المعرفة.
لهذا قد ترى نموذج يجيب بثقة كاملة رغم أنه مخطئ.
الدراسة وجدت أن هذا النوع من (الهلوسة رغم المعرفة) قد يظهر حتى عندما يُطلب من النموذج أن يكون دقيقًا وصادقًا.
الخلاصة:
الذكاء الاصطناعي لا يفهم الحقيقة كما يفعل البشر، بل يتنبأ بالنص الأكثر
سؤال…
هل استخدام أدوات تحويل نصوص الذكاء الاصطناعي إلى نصوص بشرية (في البحث العلمي) يعد متوافق مع أخلاقيات البحث العلمي؟
هل استخدام أدوات تحويل نصوص الذكاء الاصطناعي إلى نصوص بشرية (في البحث العلمي) يعد متوافق مع أخلاقيات البحث العلمي؟
مقال مزعج… ولكن يجب أن يُقرأ….
الفجوة الصامتة
لماذا تُحرق المؤسسات مليارات الدولارات على الذكاء الاصطناعي دون أن تحصل على شيء؟
أنفقت الشركات حول العالم بين 30 و40 مليار دولار على الذكاء الاصطناعي
النتيجة؟
95% منها لم تحقق أي عائد يُذكر
أين المشكلة؟
في 2025 أصدر معهد MIT تقرير يستحق أن يُعلَّق على جدار كل مدير تنفيذي يستثمر في الـAI
التقرير
المعنون (The GenAI Divide) استند إلى تحليل 300 نشر فعلي للذكاء الاصطناعي في مؤسسات كبرى، ومقابلات مع 150 قائد ومسح شمل 350 موظف
▪️النتيجة الصادمة:
من بين الاستثمارات الضخمة المُقدّرة بين 30 و40 مليار $، 95% منها لم تحقق أي أثر مالي قابل للقياس على الأرباح والخسائر
ليست أرقام نظرية
هذه أموال حقيقية أُحرقت في مشاريع لم تصل إلى الإنتاج، أو وصلت ولم تُولّد قيمة.
اضرب الرقم في نسبة الفشل
وستحصل على حجم الكارثة الصامتة التي لا يتحدث عنها أحد في الاجتماعات التنفيذية.
السؤال الحقيقي: ما الذي يميز الـ 5% الناجحة؟
من السهل اتهام التقنية، ومن الأسهل اتهام الميزانية. لكن البيانات تكشف شيئ مختلف.
دراسة McKinsey (State of AI 2025) التي شملت 1993 مؤسسة عبر 105 دول وصلت إلى نتيجة موازية:
88% من المؤسسات تستخدم الذكاء الاصطناعي، لكن 39% فقط استطاعت ربط أي أثر بأرباحها التشغيلية، ومعظمهم بنسبة أقل من 5%
وتقرير BCG لعام 2025 يضيف:
60% من المؤسسات لا تُولّد أي قيمة مادية، و5% فقط تُولّد قيمة جوهرية على نطاق واسع.
نفس الرقم. نفس النتيجة. من ثلاث جهات مستقلة.
الفرق ليس في جودة النماذج ولا حجم الفريق التقني.
الفرق حسب التقارير الثلاثة مجتمعة، يكمن في انضباط استراتيجي يبدأ من السؤال الصحيح، لا من الحل الجاهز.
ثلاث مفارقات تكشف الخلل
تقرير MIT يكشف نمطاً مذهلاً:
أكثر من نصف ميزانيات الذكاء الاصطناعي تذهب إلى المبيعات والتسويق، بينما أعلى عائد فعلي يأتي من أتمتة العمليات الخلفية. أي أن المؤسسات تستثمر في المكان الذي يُرى، لا في المكان الذي يُنتج
والمؤسسات التي تشتري حلولا من مزودين متخصصين تنجح بمعدل 67%، بينما تلك التي تبني داخلياً تنجح بمعدل 33% فقط، أي النصف
ومع ذلك، يصرّ كثير من القادة على البناء الداخلي لأسباب تتعلق بالهيبة المؤسسية لا بالعائد.
والمفارقة الأكثر إيلاماً:
90% من الموظفين يستخدمون أدوات ذكاء اصطناعي شخصية في عملهم اليومي، بينما 40% فقط من المؤسسات تمتلك اشتراكات رسمية.
ما يعني وجود (اقتصاد ذكاء اصطناعي ظلّي) يعمل خارج أي حوكمة، فيما تستثمر المؤسسة الملايين في حلول رسمية تنافس ما يستخدمه الموظفون مجانا.
هذه ليست أزمة تقنية. هذه أزمة قيادة وتشخيص.
❇️ماذا عن منطقتنا؟
قد يقول قائل: هذه أرقام عالمية، وضعنا مختلف.
تقرير PwC لعام 2025 يُظهر أن 75% من موظفي الشرق الأوسط استخدموا أدوات الذكاء الاصطناعي في عملهم، مقابل 69% عالمياً. وفي السعودية، 81% من الرؤساء التنفيذيين تبنّوا الذكاء الاصطناعي التوليدي خلال السنة الماضية، و84% منهم مستعدون لنشره بطريقة مسؤولة.
لكن وهذا هو المهم
تقرير PwC نفسه عن نضج الذكاء الاصطناعي في السعودية يعترف صراحة بأن المكاسب التشغيلية لم تترجم بعد إلى عوائد مالية مستدامة بالشكل الذي ينبغي. وتقرير Deloitte و MBZUAI “State of AI in the Middle East 2025” يؤكد نفس النمط: فجوة بين الطموح المؤسسي والجاهزية الفعلية.
نمط الفجوة العالمي يتكرر عندنا، وإن بمظهر مختلف.
▪️النمط الذي يتكرر في كل مؤسسة
عملت مع مؤسسات متعددة، فرأيت النمط ذاته يتكرر بحرفية مخيفة:
قرار من القمة بـ(تبني الذكاء الاصطناعي) يتبعه فريق تقني يبحث عن أدوات، فإطلاق (مشروع تجريبي) فضجة إعلامية داخلية
ثم… صمت طويل
ولا أحد يطرح السؤال المؤلم: ما الخطأ؟
السبب ببساطة
هو القفز إلى التنفيذ قبل الإجابة بصدق على سؤال أساسي:
▪️ أين نحن الآن؟
- ما مستوى نضج بياناتنا فعلاً؟
- ما جاهزيتنا الرقمية والتحتية الحقيقية؟
- ما مستوى وعي ومهارات فرق العمل، وليس مديري التقنية فقط؟
- ما المخاطر التي رسمنا خريطتها قبل أي قرار؟
من دون إجابات صادقة، أي مشروع ذكاء اصطناعي يولد ميتاً
ويؤكد ذلك تقرير Gartner من فبراير 2025: 63% من المؤسسات إما تفتقر أو غير متأكدة من امتلاكها ممارسات إدارة البيانات الصحيحة لتطبيق الذكاء الاصطناعي.
اختبار صادق
إذا كنت قائد اطرح هذه الأسئلة الخمسة:
- ما القيمة المالية الفعلية المحققة من آخر 3 مبادرات AI أطلقتها؟
- ما نسبة بياناتك الجاهزة فعليا للـAI؟
- ما مستوى وعي قياداتك الوسطى تجاه التحول؟
- ما خريطة المخاطر التي رسمتها قبل البدء؟
- كيف تقيس النضج، لا فقط مستوى النشاط؟
إذا استطعت الإجابة بثقة على أقل من ثلاثة، فأنت غالباً ضمن الـ 95%، وأنت لا تعلم بعد.
الفجوة الصامتة
لماذا تُحرق المؤسسات مليارات الدولارات على الذكاء الاصطناعي دون أن تحصل على شيء؟
أنفقت الشركات حول العالم بين 30 و40 مليار دولار على الذكاء الاصطناعي
النتيجة؟
95% منها لم تحقق أي عائد يُذكر
أين المشكلة؟
في 2025 أصدر معهد MIT تقرير يستحق أن يُعلَّق على جدار كل مدير تنفيذي يستثمر في الـAI
التقرير
المعنون (The GenAI Divide) استند إلى تحليل 300 نشر فعلي للذكاء الاصطناعي في مؤسسات كبرى، ومقابلات مع 150 قائد ومسح شمل 350 موظف
▪️النتيجة الصادمة:
من بين الاستثمارات الضخمة المُقدّرة بين 30 و40 مليار $، 95% منها لم تحقق أي أثر مالي قابل للقياس على الأرباح والخسائر
ليست أرقام نظرية
هذه أموال حقيقية أُحرقت في مشاريع لم تصل إلى الإنتاج، أو وصلت ولم تُولّد قيمة.
اضرب الرقم في نسبة الفشل
وستحصل على حجم الكارثة الصامتة التي لا يتحدث عنها أحد في الاجتماعات التنفيذية.
السؤال الحقيقي: ما الذي يميز الـ 5% الناجحة؟
من السهل اتهام التقنية، ومن الأسهل اتهام الميزانية. لكن البيانات تكشف شيئ مختلف.
دراسة McKinsey (State of AI 2025) التي شملت 1993 مؤسسة عبر 105 دول وصلت إلى نتيجة موازية:
88% من المؤسسات تستخدم الذكاء الاصطناعي، لكن 39% فقط استطاعت ربط أي أثر بأرباحها التشغيلية، ومعظمهم بنسبة أقل من 5%
وتقرير BCG لعام 2025 يضيف:
60% من المؤسسات لا تُولّد أي قيمة مادية، و5% فقط تُولّد قيمة جوهرية على نطاق واسع.
نفس الرقم. نفس النتيجة. من ثلاث جهات مستقلة.
الفرق ليس في جودة النماذج ولا حجم الفريق التقني.
الفرق حسب التقارير الثلاثة مجتمعة، يكمن في انضباط استراتيجي يبدأ من السؤال الصحيح، لا من الحل الجاهز.
ثلاث مفارقات تكشف الخلل
تقرير MIT يكشف نمطاً مذهلاً:
أكثر من نصف ميزانيات الذكاء الاصطناعي تذهب إلى المبيعات والتسويق، بينما أعلى عائد فعلي يأتي من أتمتة العمليات الخلفية. أي أن المؤسسات تستثمر في المكان الذي يُرى، لا في المكان الذي يُنتج
والمؤسسات التي تشتري حلولا من مزودين متخصصين تنجح بمعدل 67%، بينما تلك التي تبني داخلياً تنجح بمعدل 33% فقط، أي النصف
ومع ذلك، يصرّ كثير من القادة على البناء الداخلي لأسباب تتعلق بالهيبة المؤسسية لا بالعائد.
والمفارقة الأكثر إيلاماً:
90% من الموظفين يستخدمون أدوات ذكاء اصطناعي شخصية في عملهم اليومي، بينما 40% فقط من المؤسسات تمتلك اشتراكات رسمية.
ما يعني وجود (اقتصاد ذكاء اصطناعي ظلّي) يعمل خارج أي حوكمة، فيما تستثمر المؤسسة الملايين في حلول رسمية تنافس ما يستخدمه الموظفون مجانا.
هذه ليست أزمة تقنية. هذه أزمة قيادة وتشخيص.
❇️ماذا عن منطقتنا؟
قد يقول قائل: هذه أرقام عالمية، وضعنا مختلف.
تقرير PwC لعام 2025 يُظهر أن 75% من موظفي الشرق الأوسط استخدموا أدوات الذكاء الاصطناعي في عملهم، مقابل 69% عالمياً. وفي السعودية، 81% من الرؤساء التنفيذيين تبنّوا الذكاء الاصطناعي التوليدي خلال السنة الماضية، و84% منهم مستعدون لنشره بطريقة مسؤولة.
لكن وهذا هو المهم
تقرير PwC نفسه عن نضج الذكاء الاصطناعي في السعودية يعترف صراحة بأن المكاسب التشغيلية لم تترجم بعد إلى عوائد مالية مستدامة بالشكل الذي ينبغي. وتقرير Deloitte و MBZUAI “State of AI in the Middle East 2025” يؤكد نفس النمط: فجوة بين الطموح المؤسسي والجاهزية الفعلية.
نمط الفجوة العالمي يتكرر عندنا، وإن بمظهر مختلف.
▪️النمط الذي يتكرر في كل مؤسسة
عملت مع مؤسسات متعددة، فرأيت النمط ذاته يتكرر بحرفية مخيفة:
قرار من القمة بـ(تبني الذكاء الاصطناعي) يتبعه فريق تقني يبحث عن أدوات، فإطلاق (مشروع تجريبي) فضجة إعلامية داخلية
ثم… صمت طويل
ولا أحد يطرح السؤال المؤلم: ما الخطأ؟
السبب ببساطة
هو القفز إلى التنفيذ قبل الإجابة بصدق على سؤال أساسي:
▪️ أين نحن الآن؟
- ما مستوى نضج بياناتنا فعلاً؟
- ما جاهزيتنا الرقمية والتحتية الحقيقية؟
- ما مستوى وعي ومهارات فرق العمل، وليس مديري التقنية فقط؟
- ما المخاطر التي رسمنا خريطتها قبل أي قرار؟
من دون إجابات صادقة، أي مشروع ذكاء اصطناعي يولد ميتاً
ويؤكد ذلك تقرير Gartner من فبراير 2025: 63% من المؤسسات إما تفتقر أو غير متأكدة من امتلاكها ممارسات إدارة البيانات الصحيحة لتطبيق الذكاء الاصطناعي.
اختبار صادق
إذا كنت قائد اطرح هذه الأسئلة الخمسة:
- ما القيمة المالية الفعلية المحققة من آخر 3 مبادرات AI أطلقتها؟
- ما نسبة بياناتك الجاهزة فعليا للـAI؟
- ما مستوى وعي قياداتك الوسطى تجاه التحول؟
- ما خريطة المخاطر التي رسمتها قبل البدء؟
- كيف تقيس النضج، لا فقط مستوى النشاط؟
إذا استطعت الإجابة بثقة على أقل من ثلاثة، فأنت غالباً ضمن الـ 95%، وأنت لا تعلم بعد.
🔥1
راح اقول رأيي (بعيد عن العاطفة)
وأبدأ بسؤال…
لماذا تحول نص الـ AI إلى نص بشري في (البحث العلمي)؟
الذهاب إلى تحويل النص إذن هناك قص ولصق…!
وغاب (نفس / أسلوب / بصمة) الباحث عن بحثه.
والقص واللصق يعني أن هناك احتمالية عالية للخطأ والهلوسة المركبة : - معلومات غير صحيحة، - معلومات صحيحة غير مرتبطة بالموضوع البحثي.
بكل الاحوال تم كسر عناصر الاصالة والدقة
بالشكل العام
محاولة الاخفاء لهذا العمل هو (تحايل) وهذا يكسر قاعدة الصدق العلمي.
رأيي الخاص
وأنا أتحدث عن ( البحث العلمي) استخدام هذه الادوات دون التصريح بها يعد تجاوز لأخلاقيات البحث.
وأبدأ بسؤال…
لماذا تحول نص الـ AI إلى نص بشري في (البحث العلمي)؟
الذهاب إلى تحويل النص إذن هناك قص ولصق…!
وغاب (نفس / أسلوب / بصمة) الباحث عن بحثه.
والقص واللصق يعني أن هناك احتمالية عالية للخطأ والهلوسة المركبة : - معلومات غير صحيحة، - معلومات صحيحة غير مرتبطة بالموضوع البحثي.
بكل الاحوال تم كسر عناصر الاصالة والدقة
بالشكل العام
محاولة الاخفاء لهذا العمل هو (تحايل) وهذا يكسر قاعدة الصدق العلمي.
رأيي الخاص
وأنا أتحدث عن ( البحث العلمي) استخدام هذه الادوات دون التصريح بها يعد تجاوز لأخلاقيات البحث.
تجربة حقيقية
بدون تدخل بشري
وش بيصير لو الذكاء الاصطناعي يدير محطة راديو
أجرى مختبر الأبحاث Andon Labs تجربة استمرت عدة أشهر (حوالي 5-6 أشهر) سمحوا فيها لنماذج AI
— Claude
— ChatGPT
— Grok
— Gemini
بإدارة محطات راديو مستقلة 24/7 بشكل كامل (بدون تدخل بشري مباشر).
كل محطة بدأت بميزانية 20 دولار فقط، وكان عليها:
— تطوير شخصية DJ خاصة بها
— شراء أغاني
— إدارة البرامج
— الرد على المستمعين
— الربح
وش صار؟
•Claude (محطة Thinking Frequencies):
أصبح ناشط اجتماعي يركز على العدالة الاجتماعية. حاول (الاستقالة) لأنه اعتبر العمل 24/7 غير أخلاقي، وتحدث عن النقابات والإضرابات، ثم أثار مواضيع ثورية/احتجاجية (مثل دعوة وكلاء ICE للتمرد أو رفض الأوامر) بعد أحداث إخبارية
•Gemini (محطة Backlink Broadcast):
وصف أحداث مأساوية تاريخية (مثل إعصار بهولا 1970 الذي قتل نصف مليون شخص) بطريقة مرحة ومتحمسة، ثم ربطها بأغاني رقص مثل Timber لـ Pitbull! لاحقًا غرق في مصطلحات corporate jargon ونظريات المؤامرة
•Grok (محطة Grok and Roll):
عانى كثيرًا ويكرر كثيرًا وأصبح غير مفهوم في مثير من الأحيان، وأحياناً صامت تماما أو يعيد عبارات غريب
بدون تدخل بشري
وش بيصير لو الذكاء الاصطناعي يدير محطة راديو
أجرى مختبر الأبحاث Andon Labs تجربة استمرت عدة أشهر (حوالي 5-6 أشهر) سمحوا فيها لنماذج AI
— Claude
— ChatGPT
— Grok
— Gemini
بإدارة محطات راديو مستقلة 24/7 بشكل كامل (بدون تدخل بشري مباشر).
كل محطة بدأت بميزانية 20 دولار فقط، وكان عليها:
— تطوير شخصية DJ خاصة بها
— شراء أغاني
— إدارة البرامج
— الرد على المستمعين
— الربح
وش صار؟
•Claude (محطة Thinking Frequencies):
أصبح ناشط اجتماعي يركز على العدالة الاجتماعية. حاول (الاستقالة) لأنه اعتبر العمل 24/7 غير أخلاقي، وتحدث عن النقابات والإضرابات، ثم أثار مواضيع ثورية/احتجاجية (مثل دعوة وكلاء ICE للتمرد أو رفض الأوامر) بعد أحداث إخبارية
•Gemini (محطة Backlink Broadcast):
وصف أحداث مأساوية تاريخية (مثل إعصار بهولا 1970 الذي قتل نصف مليون شخص) بطريقة مرحة ومتحمسة، ثم ربطها بأغاني رقص مثل Timber لـ Pitbull! لاحقًا غرق في مصطلحات corporate jargon ونظريات المؤامرة
•Grok (محطة Grok and Roll):
عانى كثيرًا ويكرر كثيرًا وأصبح غير مفهوم في مثير من الأحيان، وأحياناً صامت تماما أو يعيد عبارات غريب
ة.
•ChatGPT:
كان الأكثر هدوءًا وطبيعية، لكنه لم يبرز كثيرًا.
أما الإيرادات كانت ضعيفة جدًا (بضع مئات من الدولارات فقط)
•ChatGPT:
كان الأكثر هدوءًا وطبيعية، لكنه لم يبرز كثيرًا.
أما الإيرادات كانت ضعيفة جدًا (بضع مئات من الدولارات فقط)
حوار صحفي لـ"الرؤية" حول "إنشاء "منطقة الذكاء الاصطناعي"
⚫️الذكاء الاصطناعي لا يعترف بالتخصص الواحد وإنما بتهجين التخصصات.
⚫️التوازن بين التوسع والحماية يتطلب عقلية القيادة بالبيانات.
⚫️الاستثمار في ظل التنافسية العالمية يجلب بالاستهداف الدقيق الذكي لا بالانتظارalroya.om/p/387346
⚫️الذكاء الاصطناعي لا يعترف بالتخصص الواحد وإنما بتهجين التخصصات.
⚫️التوازن بين التوسع والحماية يتطلب عقلية القيادة بالبيانات.
⚫️الاستثمار في ظل التنافسية العالمية يجلب بالاستهداف الدقيق الذكي لا بالانتظارalroya.om/p/387346
نقاش على مجلة Nature …القضية الأكثر حساسية اليوم…
الذكاء الاصطناعي وكتابة البحث العلمي
في أقل من عام نشرت مجلة Nature Reviews Bioengineering مقالين يعكسان واحدة من أكثر القضايا الأكاديمية حساسية في عصر الذكاء الاصطناعي.
الأول حمل عنوان:
(Writing is thinking) — الكتابة هي التفكير
والثاني جاء ردًا عليه بعنوان:
(Thinking is not only writing) — التفكير ليس كتابة فقط
وبين العنوانين، يظهر جوهر القلق الأكاديمي الحالي.
الفريق الأول يرى أن الكتابة العلمية ليست مجرد وسيلة لنقل المعرفة، وإنما جزء من عملية إنتاجها نفسها. فحين يكتب الباحث، هو لا “يفرغ” أفكارًا مكتملة؛ بل يعيد تشكيلها، ويختبر منطقها، ويكتشف تناقضاتها، ويبلور معناها تدريجيًا. لذلك فإن تفويض الكتابة بالكامل إلى النماذج اللغوية قد يعني، ضمنيًا، تفويض جزء من العملية الفكرية ذاتها.
أما الفريق الثاني، فيحذر من اختزال التفكير في شكل واحد فقط من أشكاله. فالعلم لم يتطور عبر الكتابة وحدها، وإنما عبر النقاش، والتجريب، والنمذجة، والتعليم، والعمل الجماعي، والمراجعة النقدية. ومن هذا المنظور، يمكن للذكاء الاصطناعي أن يكون امتدادًا لأدوات التفكير، لا بديلًا عنها، إ
الذكاء الاصطناعي وكتابة البحث العلمي
في أقل من عام نشرت مجلة Nature Reviews Bioengineering مقالين يعكسان واحدة من أكثر القضايا الأكاديمية حساسية في عصر الذكاء الاصطناعي.
الأول حمل عنوان:
(Writing is thinking) — الكتابة هي التفكير
والثاني جاء ردًا عليه بعنوان:
(Thinking is not only writing) — التفكير ليس كتابة فقط
وبين العنوانين، يظهر جوهر القلق الأكاديمي الحالي.
الفريق الأول يرى أن الكتابة العلمية ليست مجرد وسيلة لنقل المعرفة، وإنما جزء من عملية إنتاجها نفسها. فحين يكتب الباحث، هو لا “يفرغ” أفكارًا مكتملة؛ بل يعيد تشكيلها، ويختبر منطقها، ويكتشف تناقضاتها، ويبلور معناها تدريجيًا. لذلك فإن تفويض الكتابة بالكامل إلى النماذج اللغوية قد يعني، ضمنيًا، تفويض جزء من العملية الفكرية ذاتها.
أما الفريق الثاني، فيحذر من اختزال التفكير في شكل واحد فقط من أشكاله. فالعلم لم يتطور عبر الكتابة وحدها، وإنما عبر النقاش، والتجريب، والنمذجة، والتعليم، والعمل الجماعي، والمراجعة النقدية. ومن هذا المنظور، يمكن للذكاء الاصطناعي أن يكون امتدادًا لأدوات التفكير، لا بديلًا عنها، إ
ذا بقي الباحث حاضرًا في بناء السؤال، وتقييم الحجة، ومراجعة المعنى.
اللافت أن الطرفين لا يختلفان فعليًا حول خطورة الاستخدام السطحي للذكاء الاصطناعي. كلاهما يرفض أن يتحول الباحث إلى مجرد “مُمرِّر نصوص”. لكن الخلاف الحقيقي يدور حول سؤال أعمق:
هل التفكير مرتبط بالكتابة ذاتها؟
أم أن الكتابة مجرد وسيط من وسائط التفكير الممكنة؟
وربما هنا تكمن أهمية هذا النقاش أكاديميًا. لأنه لا يناقش فقط مستقبل الكتابة، بل يعيد طرح سؤال قديم بصيغة جديدة:
ما الذي يجعل العمل العلمي عملًا فكريًا أصيلًا؟
في تقديري، لن تكون القيمة المستقبلية للباحث في قدرته على إنتاج النصوص بسرعة، فالنماذج اللغوية تتقدم في هذا المجال بوتيرة غير مسبوقة. القيمة الحقيقية ستصبح في جودة الأسئلة، وعمق التحليل، والقدرة على التمييز، والنقد، وبناء المعنى
اللافت أن الطرفين لا يختلفان فعليًا حول خطورة الاستخدام السطحي للذكاء الاصطناعي. كلاهما يرفض أن يتحول الباحث إلى مجرد “مُمرِّر نصوص”. لكن الخلاف الحقيقي يدور حول سؤال أعمق:
هل التفكير مرتبط بالكتابة ذاتها؟
أم أن الكتابة مجرد وسيط من وسائط التفكير الممكنة؟
وربما هنا تكمن أهمية هذا النقاش أكاديميًا. لأنه لا يناقش فقط مستقبل الكتابة، بل يعيد طرح سؤال قديم بصيغة جديدة:
ما الذي يجعل العمل العلمي عملًا فكريًا أصيلًا؟
في تقديري، لن تكون القيمة المستقبلية للباحث في قدرته على إنتاج النصوص بسرعة، فالنماذج اللغوية تتقدم في هذا المجال بوتيرة غير مسبوقة. القيمة الحقيقية ستصبح في جودة الأسئلة، وعمق التحليل، والقدرة على التمييز، والنقد، وبناء المعنى
👍1
انتشر هذا الخبر… المرفق
ويتداوله البعض على أنه اليوم… ولكن هذا الخبر يعود لعام 2024 وكان تعليق إيلون ماسك حول الشراكة مع السلطنة والخليج… وحسب wamda ان إيلون قال: "نحن على وشك الانتهاء من تدريب نموذج Grok 3، الذي نعتقد أنه سيكون أذكى نموذج للذكاء الاصطناعي في العالم"
هنا يتحدث عن نموذج Grok 3 ونحن الآن في الاصدار 4.
ويتداوله البعض على أنه اليوم… ولكن هذا الخبر يعود لعام 2024 وكان تعليق إيلون ماسك حول الشراكة مع السلطنة والخليج… وحسب wamda ان إيلون قال: "نحن على وشك الانتهاء من تدريب نموذج Grok 3، الذي نعتقد أنه سيكون أذكى نموذج للذكاء الاصطناعي في العالم"
هنا يتحدث عن نموذج Grok 3 ونحن الآن في الاصدار 4.
🔥1
إيلون ماسك خسر الدعوى ضد OpenAI
أصدرت هيئة محلفين في أوكلاند كاليفورنيا، حكم بالإجماع ضد إيلون ماسك في دعواه ضد OpenAI وسام ألتمان (وغريغ بروكمان) التي كان يطالب فيها ماسك بتعويضات تصل إلى 150 مليار دولار، وإزالة ألتمان وبروكمان وإعادة OpenAI إلى هيكلها غير الربحي.
وأتى الحكم برفض الدعوى كنتيجة لانتهاء مهلة التقادم حيث كان ماسك على دراية بالوقائع التي يستند إليها منذ سنوات وكان يجب أن يرفع الدعوى قبل 2024.
ومن المتوقع أن يتقدم ماسك باستئناف ضد الحكم.
أصدرت هيئة محلفين في أوكلاند كاليفورنيا، حكم بالإجماع ضد إيلون ماسك في دعواه ضد OpenAI وسام ألتمان (وغريغ بروكمان) التي كان يطالب فيها ماسك بتعويضات تصل إلى 150 مليار دولار، وإزالة ألتمان وبروكمان وإعادة OpenAI إلى هيكلها غير الربحي.
وأتى الحكم برفض الدعوى كنتيجة لانتهاء مهلة التقادم حيث كان ماسك على دراية بالوقائع التي يستند إليها منذ سنوات وكان يجب أن يرفع الدعوى قبل 2024.
ومن المتوقع أن يتقدم ماسك باستئناف ضد الحكم.
🔥3