نظرة سريعة
 
• أدى التوسع في استخدام الذكاء الاصطناعي والبيانات الاصطناعية وخوارزميات تصفية البيانات إلى ظهور تحديات جديدة تتعلق بجودة البيانات وموثوقيتها، مما يؤثر بشكل مباشر على عملية اتخاذ القرار الاستراتيجي.
• يمكن أن تتسبب البيانات غير الدقيقة أو المتحيزة أو المضللة في مخاطر استراتيجية وتشغيلية ومالية وتنظيمية، كما قد تؤثر على فعالية السياسات العامة والقرارات الاقتصادية على المستوى الوطني.
• يتطلب بناء استراتيجيات مستدامة وفعّالة تعزيز حوكمة البيانات، وتطبيق آليات تحقق ومراجعة موثوقة، وضمان وجود أطر واضحة للمساءلة والشفافية في استخدام البيانات والذكاء الاصطناعي.
 
أصبحت تحليلات البيانات والذكاء الاصطناعي اليوم محركاً رئيسياً للتفكير الاستراتيجي عبر مختلف القطاعات والاقتصادات. إذ تعتمد مجالس الإدارات والحكومات والمنظمات العالمية بشكل كبير على الرؤى والمعلومات المستندة إلى البيانات لتطوير استراتيجياتها المؤسسية، والتنبؤ بالأسواق، وتخصيص الموارد، وتصميم السياسات.
 
وقد أدى صعود خوارزميات تصفية البيانات، والبيانات الاصطناعية، والمعلومات المزيفة التي ينتجها الذكاء الاصطناعي إلى خلق مجموعة جديدة من التحديات أمام الحكومات والمنظمات، الأمر الذي دفعها إلى إعادة تشكيل بيئاتها لتكون أكثر قدرة على البحث عن الحقيقة، فتكلفة البيانات الرديئة لم تعد تشغيلية فحسب، بل أصبحت وجودية.
تستعرض هذه الورقة التأثير الاستراتيجي للبيانات السيئة أو المزيفة على المنظمات والحكومات، وتقترح أفضل الممارسات لتطوير استراتيجيات قائمة على بيانات موثوقة وقادرة على الصمود في هذا العصر.
 
 
أ. معضلة جودة البيانات
 
تعد البيانات في الوقت الراهن بمكانة “الأكسجين” أو الركيزة الأساسية التي تغذي كل كيان في مجتمعنا. فمن دون بيانات، لا تستطيع المنظمات المنافسة، ولا يمكن للحكومات القيادة. فأصبحت تتحكم البيانات في كيفية تطوير الاستراتيجيات المؤسسية وتصميم السياسات العامة. ومع ذلك، تعتمد المنظمات والجهات العامة على تدفقات ضخمة من مصادر البيانات، مثل أجهزة الاستشعار ووسائل التواصل والمنصات الرقمية ونماذج الذكاء الاصطناعي وغيرها. ومع سرعة تحديث البيانات وتنوع مصادرها، يرتفع خطر الإخلال بالسلامة الرقمية للبيانات، إذ تصبح عمليات التحقق من صحتها أكثر صعوبة.
 
 
وقد يؤدي تحيز بسيط في جمع البيانات، أو خلل غير ملحوظ في إحدى مجموعات البيانات، إلى نتائج استراتيجية واسعة النطاق تتفاقم بفعل نماذج الذكاء الاصطناعي. فعلى سبيل المثال، قد تعتمد مؤسسة مالية على بيانات غير مكتملة أو منحازة في تدريب نموذج ذكاء اصطناعي، مما يقودها – دون قصد – إلى إعطاء أولوية لمؤشرات سوقية خاطئة، فتتأثر استراتيجيتها الاستثمارية. وبالمثل في القطاع الصحي، قد تتسبب نماذج التشخيص القائمة على بيانات محدودة أو منحازة في تشخيصات غير دقيقة، مما يضر بسلامة المرضى ويقوّض مصداقية المؤسسة.
 
 
ب. صعود البيانات المزيفة
 
أصبحت الأنظمة الذكية قادرة على توليد بيانات اصطناعية تُستخدم في تدريب واختبار نماذج التعلم الآلي. ورغم أن لهذه البيانات مزايا مهمة، مثل تعزيز الخصوصية وتقليل الاعتماد على البيانات الحقيقية التي يصعب الوصول إليها أحياناً، إلا أنها ليست دون تكلفة. فإنتاج البيانات الاصطناعية يفتح الباب – عمداً أو عن غير قصد – أمام دخول بيانات مزيفة، مما يزيد بدرجة كبيرة من مخاطر الإخلال بسلامة البيانات.
 
وفي الوقت الحاضر، بات انتشار “التزييف العميق”، والتحليلات المصطنعة، والرؤى المزيفة، ومجموعات البيانات المضللة يمثل تهديداً متنامياً لكل من المنظمات والجهات العامة. وفي عالم تصبح فيه تقارير ومحاكاة الذكاء الاصطناعي غير قابلة للتمييز عن المصادر الحقيقية، يتحول التمييز بين الحقيقة والزيف إلى تحدٍّ استراتيجي بالغ الأهمية على كل الجهات.
 
 
ج. المخاطر الاستراتيجية على المنظمات والجهات العامة
 
1- المخاطر الاستراتيجية على المنظمات
 
وزن وأهمية جودة البيانات فرض مجموعة من المخاطر الاستراتيجية التي يجب على المنظمات أخذها في عين الاعتبار، ومنها:
• مخاطر السمعة: يمكن أن تضرّ النتائج الخاطئة أو التحليلات غير الدقيقة بثقة الجمهور وأصحاب المصلحة.
• المخاطر التشغيلية: قد تتسبب البيانات غير الدقيقة في تعطيل العمليات وسلاسل الإمداد وآليات مراقبة الأداء.
• المخاطر التنظيمية: تتطلب الأطر التنظيمية – مثل نظام حماية البيانات الشخصية (PDPL) الصادر عن SDAIA – معايير عالية للشفافية والدقة في التعامل مع البيانات.
• المخاطر المالية: تؤدي البيانات الخاطئة إلى سوء تخصيص الموارد، وخسائر استثمارية، وتقديرات سوقية غير دقيقة.
• المخاطر الأخلاقية والاجتماعية: قد تؤدي البيانات المنحازة أو المزيفة إلى قرارات تثير ردود فعل اجتماعية أو نزاعات.
 
فباختصار، تؤدي البيانات السيئة إلى مضاعفة المخاطر المؤسسية وإنتاج استراتيجيات غير سليمة. فحتى أكثر أنظمة الذكاء الاصطناعي تطوراً ستضخم الأخطاء إذا كانت بياناتها المدخلة غير موثوقة.
 
2- التوافق مع الكفاءات الأساسية
 
وعلى المستوى الاقتصادي الكلي، تمتلك البيانات المزيفة أو المفلترة القدرة على إعادة تشكيل السلوك الاقتصادي العام. وهناك خطر نشوء دائرة تغذية راجعة بين المعلومات المضللة والبيانات المنحازة والتفسيرات الآلية، مما يؤدي إلى تزايد آثارها بشكل متسلسل. ومن بعض الآثار المحتملة على المستوى الكلي:
• تقلبات الأسواق: إذ قد تعتمد خوارزميات التداول الآلي على مؤشرات سوقية مزيفة.
• اختلال السياسات: قد تعتمد الحكومات وصانعو السياسات على بيانات غير دقيقة، فينتج عنها سياسات لها آثار سلبية بدلاً من أن تكون ممكنة للنمو والتطور.
• تآكل الثقة: يفقد المواطنون الثقة في منظومات المعلومات الرقمية.
 
إن التأثير في هذا السياق نظامي وشامل، فاقتصادات بأكملها قد تنحرف نتيجة نماذج تحليلية مبنية على واقع غير صحيح. وعندما تفقد البيانات مصداقيتها، تفقد الاستراتيجية بوصلتها– سواء كانت على مستوى الشركات أو الحكومات أو المنظمات الدولية.
 
 
د. استراتيجيات تعزيز سلامة البيانات
 
1- الاستراتيجيات التنظيمية داخل المنظمات
 
للتكيف والمنافسة في عصر البيانات هذا، يجب على المنظمات التحول من مستهلكي بيانات إلى حُماة للبيانات. وفيما يلي تشمل بعض الممارسات والتوصيات التي قد تساعد المنظمات على التكييف وحماية أنفسها من سلامة البيانات:
• إنشاء أطر حوكمة للبيانات: وضع معايير داخلية تحدد كيفية جمع البيانات والتحقق منها وتصفيتها، مع تحديد مؤشرات أداء رئيسية (KPIs) لجودة البيانات.
• التحقق المتقاطع من البيانات والرؤى: لا ينبغي الاعتماد على مجموعة بيانات واحدة بمعزل عن غيرها، بل يجب مقارنة المخرجات عبر مصادر مستقلة ومتعددة قبل دمجها في الاستراتيجية.
• دمج الرقابة البشرية: رغم الاعتماد المتزايد على نماذج الذكاء الاصطناعي، ينبغي أن يبقى الحكم البشري جزءاً أساسياً في عمليات التفسير والتنقية.
• اختبار السيناريوهات: إجراء محاكاة متعددة لمعرفة كيفية تغير القرارات تحت ظروف بيانات مختلفة، مما يوضح مدى اعتماد النتائج على افتراضات معينة، ويساعد في الحد من الخطأ الكلي.
 
من شأن هذه الممارسات تعزيز “المناعة الاستراتيجية” للمنظمات – أي القدرة على اكتشاف التشوهات المتعلقة بالبيانات والتكيف معها قبل أن تتطور وتتحول إلى فشل استراتيجي.
 
2- التوصيات على مستوى السياسات الكلية
 
على المستوى الوطني، يجب على صناع السياسات الاعتراف بأن سلامة البيانات أصل وطني. ومن أبرز التوصيات المقترحة للمساعدة:
• معايير وطنية لجودة البيانات: تطوير أطر اعتماد لمزوّدي البيانات ونماذج الذكاء الاصطناعي.
• صناديق الثقة للبيانات عبر الحدود: تعزيز اتفاقيات تبادل البيانات الدولية المبنية على الشفافية والتحقق.
• قوانين لمساءلة كيفية اعتماد الذكاء الاصطناعي: فرض وجود سجلات تدقيق (Audit Trails) للأنظمة المستخدمة في صنع القرارات العامة.
• برامج وطنية لمحو الأمية الرقمية: توعية المواطنين ووسائل الإعلام بطرق كشف البيانات والتقارير المزيفة.
 
فكما تحمي عمليات التدقيق المالي الأسواقَ المالية، يجب أن تحمي عمليات تدقيق البيانات أسواق المعلومات. فالدول التي تُنشئ منظومات بيانات موثوقة لن تحقق سياسات أفضل فحسب، بل ستتمتع أيضاً بقوة جيوسياسية في اقتصاد الذكاء الاصطناعي العالمي.
 
 
الخاتمة وكيف يمكن لـ KBS المساعدة؟
 
قد أصبحت البيانات بمثابة البوصلة والخريطة في الاقتصاد الرقمي. ولكن إن انحرفت البوصلة بفعل بيانات مزيفة، فإن الاستراتيجية بأكملها تفقد اتجاهها. إن تأثير البيانات المزيفة أو المفلترة يتجاوز التحليلات، فهو يعيد تشكيل الثقة والحوكمة والاستقرار الاقتصادي. ولضمان النجاح في هذا العصر الجديد، يجب أن تصبح سلامة البيانات ركناً أساسياً في تصميم الاستراتيجيات، سواء على مستوى عمل المنظمات أو على مستوى السياسات الوطنية.
 
وبالاستناد إلى خبرة KBS في تقديم مشاريع استراتيجية ذات أثر عالٍ للجهات العامة والخاصة في المملكة والمنطقة، وبالنظر إلى سجلها الطويل من الشراكات والعملاء المحليين والدوليين، فإننا على استعداد لدعم منظمتكم في تطوير أو إعادة تصميم استراتيجياتها وضمان دقة المعايير وجودة البيانات واعتمادها بالشكل الأمثل.
 
 
 
عن الكاتب:
جوزيف سعد هو مستشار إداري يمتلك أكثر من 13 عامًا من الخبرة في مجالات الإستراتيجية، والتحول التنظيمي، والهندسة، والاستشارات القيادية. يشغل حالياً منصب مدير أول في الخدمات الاستشارية لشركة كفاءات، مع تركيز خاص على تصميم الإستراتيجيات والتحول المؤسسي. قاد جوزيف العديد من المشاريع الناجحة مع جهات رئيسية في القطاعين الخاص والعام على المستوى الوطني في المملكة العربية السعودية، وعلى المستوى الدولي من خلال مشاريع في إيطاليا، وهولندا، وقطر، والإمارات العربية المتحدة، ومصر، ولبنان.