جدول المحتويات
يعني نشر الذكاء الاصطناعي السيادي داخل المنشأة تشغيل نماذج الذكاء الاصطناعي على بنية تحتية تتحكم فيها مؤسستكم، بحيث تبقى البيانات وأوزان النموذج والعتاد والتشغيل اليومي تحت سلطتكم. وبالنسبة لشركة صناعية، يعني ذلك عادة خوادم GPU في مركز بياناتكم أو لدى سحابة وطنية، ونماذج مفتوحة الأوزان، وأمنًا وحوكمة مصممين لبيئة التكنولوجيا التشغيلية (OT).
أهم النقاط
- للسيادة أربعة مستويات: البيانات والنموذج والبنية التحتية والتشغيل. والموقع الجغرافي وحده لا يغطيها كلها.
- هناك أربعة خيارات نشر رئيسية: داخل المنشأة، والسحابة الخاصة، والعزل التام عن الشبكة (air gap)، والسحابة السيادية. وكل منها يوازن بين درجة التحكم وعبء التشغيل.
- ذاكرة GPU هي القيد الأساسي في التحجيم. فنموذج من 70 مليار معامل يحتاج نحو 140 غيغابايت لأوزانه بدقة bfloat16، حسب Hugging Face.
- في الجزائر، يتطلب نقل المعطيات الشخصية إلى الخارج ترخيصًا من السلطة الوطنية لحماية المعطيات بموجب القانون 18-07 المعدّل بالقانون 25-11 المؤرخ في 24 يوليو 2025، حسب CMS وDLA Piper.
- ابدؤوا بحالة استخدام أو اثنتين ومشروع تجريبي على مستنداتكم قبل شراء العتاد على نطاق واسع.
ماذا يعني الذكاء الاصطناعي السيادي فعليًا؟
يُستخدم مصطلح "الذكاء الاصطناعي السيادي" بمعانٍ فضفاضة. والأجدى بالنسبة للمشتري الصناعي أن يقسّمه إلى أربعة مستويات ويسأل من يتحكم في كل منها.
البيانات. أين تُخزَّن وتُعالَج مستنداتكم وسجلات المستشعرات والتركيبات والأسئلة المطروحة على النموذج؟ ومن يستطيع الاطلاع عليها، وتحت أي قانون؟ ويشمل ذلك البيانات الأقل وضوحًا: الأسئلة التي يكتبها مهندسوكم، والإجابات التي يعيدها النموذج، والسجلات، والفهرس المتجهي المبني من مستنداتكم.
النموذج. هل تملكون أوزان النموذج، أم تستدعون نموذجًا لا ترونه أبدًا؟ هل يمكنكم الاحتفاظ بالإصدار نفسه لسنوات، أم يستطيع المورّد تغييره أو سحبه؟ وماذا تتيح الرخصة؟
البنية التحتية. من يملك الخوادم والتخزين والشبكة ويشغّلها؟ وهل يمكن إلزام المورّد من قبل سلطة أجنبية بتسليم البيانات؟ فالقانون الأمريكي مثلًا يُلزم مقدمي خدمات الاتصالات والحوسبة السحابية الأمريكيين بالإفصاح، عند صدور أمر قانوني، عن البيانات التي في حوزتهم سواء كانت موجودة داخل الولايات المتحدة أو خارجها (18 U.S.C. 2713). ولهذا لا يحسم وجود مركز بيانات داخل بلدكم المسألة وحده.
التشغيل. من يطبّق التصحيحات، ويحدّث النموذج، ويراقبه، ويستجيب للحوادث؟ إذا كان المورّد يحتاج إلى وصول دائم عن بُعد لإبقاء النظام عاملًا، فإن جزءًا من سيادتكم يبقى لديه.
يكون النشر سياديًا بقدر ما تتحكم مؤسستكم، أو أطراف خاضعة لولايتكم القضائية ومرتبطة بكم تعاقديًا، في هذه المستويات الأربعة. ومعظم المشاريع الفعلية تقوم بموازنات بينها، والمهم أن تتم هذه الموازنات عن وعي.
لماذا تنقل الشركات الصناعية الذكاء الاصطناعي إلى داخل منشآتها؟
تتكرر ثلاثة أسباب في قطاعات النفط والغاز والمناجم والكيمياء والصناعة التحويلية.
الأول طبيعة البيانات. فبرامج الحفر ومعاملات العمليات وتركيبات المنتجات ومخططات المعدات وتقارير الحوادث حساسة تجاريًا، وبعضها قريب من البنى التحتية الحيوية. وهذه المستندات بالذات هي ما يجعل النموذج اللغوي مفيدًا، لذلك يأتي سؤال مكان معالجتها أولًا.
الثاني تنظيمي. ففي الجزائر يخضع نقل المعطيات الشخصية إلى الخارج للترخيص، كما سيأتي في القسم التنظيمي أدناه. وسجلات الصيانة وملفات الموارد البشرية وتقارير المناوبات تحتوي غالبًا على معطيات شخصية، حتى داخل المصنع.
الثالث تشغيلي. فالمواقع الصناعية تعمل على شبكات مجزأة، معزولة أحيانًا، وغالبًا بعرض نطاق محدود في المواقع النائية. والنموذج الذي يعمل محليًا يستمر في العمل حين ينقطع الاتصال الخارجي.
نتناول الجانب الاستراتيجي بتفصيل أكبر في مقال لماذا يهم الذكاء الاصطناعي السيادي الصناعة الجزائرية. أما هذا الدليل فيركّز على كيفية النشر.
ما هي خيارات نشر الذكاء الاصطناعي السيادي؟
هناك أربعة أنماط رئيسية، وهي غير متعارضة، إذ تجمع مؤسسات كثيرة بينها.
داخل المنشأة (on-premise). خوادم GPU في مركز بياناتكم، يديرها فريق تكنولوجيا المعلومات لديكم أو مُدمج متعاقد معه. تتحكمون في العتاد والشبكة والصلاحيات، ويمكن للنموذج مع ذلك تلقي التحديثات عبر اتصال إنترنت مضبوط.
السحابة الخاصة. بيئة مخصصة، سواء كانت عنقودًا افتراضيًا خاصًا بكم أو نشرًا أحادي المستأجر لدى مزوّد استضافة. توفر مرونة أكبر من الخوادم المادية، وتتوقف درجة سيادتها على الجهة المشغّلة والقانون الذي تخضع له.
العزل التام (air gap). لا اتصال بالشبكات الخارجية إطلاقًا. تصل النماذج وتحديثات البرمجيات والبيانات الجديدة عبر إجراء نقل مضبوط. وهو أقوى أشكال العزل وأثقلها تشغيلًا، ويناسب البيئات القريبة من أنظمة التحكم أو البيانات عالية السرية.
السحابة السيادية. خدمة سحابية يشغّلها مزوّد خاضع للقانون الوطني، بمراكز بيانات داخل البلد. وفي الجزائر، يُلزم قرار صادر عن سلطة ضبط البريد والاتصالات سنة 2017 (القرار 48/SP/PC/ARPT/17) مقدمي خدمات الاستضافة السحابية بضمان استضافة بيانات زبائنهم وتخزينها على التراب الوطني، حسب دليل CMS. تخفف السحابة السيادية عبء العتاد عنكم، لكن يجب التحقق من توفر وحدات GPU ومن ضوابط التشغيل لدى المزوّد.
كيف تتقارن هذه الخيارات؟
| المعيار | داخل المنشأة | السحابة الخاصة | العزل التام | السحابة السيادية |
|---|---|---|---|---|
| بقاء البيانات تحت سيطرتكم | نعم | نعم، إذا كانت أحادية المستأجر وكنتم تملكون المفاتيح | نعم، بأعلى درجة | حسب العقد والمزوّد |
| التعرّض لأوامر قانونية أجنبية | منخفض | حسب الجهة المشغّلة | الأدنى | منخفض إذا كان المزوّد وطنيًا |
| الاستثمار الأولي في العتاد | مرتفع | متوسط | مرتفع | منخفض |
| مدة أول نشر | أسابيع إلى أشهر، بما فيها الشراء | أسابيع | الأطول | الأقصر، إذا توفرت وحدات GPU |
| تحديث النماذج والبرمجيات | عادي، عبر اتصال مضبوط | عادي | يدوي، عبر نقل مضبوط | مشترك مع المزوّد |
| المهارات الداخلية المطلوبة | تشغيل GPU وMLOps والأمن | المنصة وMLOps | كل ما سبق مع إجراءات التحديث دون اتصال | الإدماج والحوكمة أساسًا |
| الاستخدام الأنسب | مساعدات المعرفة الأساسية وبيانات البحث والتطوير | المجموعات متعددة المواقع والأحمال المتغيرة | الأنظمة القريبة من OT والبيانات المصنّفة | المشاريع التجريبية والاستخدامات الأقل حساسية |
ومن الأنماط الشائعة تشغيل النموذج اللغوي وفهرس المستندات داخل المنشأة للبيانات الحساسة، واستخدام سحابة سيادية أو خاصة للاستخدامات الأقل حساسية أو لذروات الحمل. وللمقارنة الكاملة للتكاليف مع واجهات API السحابية، راجعوا مقال النموذج اللغوي داخل المنشأة أم API سحابية: الكلفة الحقيقية.
ما العتاد الذي يحتاجه نموذج لغوي كبير داخل المنشأة؟
ذاكرة GPU هي القيد الرئيسي. وتقدم Hugging Face قاعدة تقريبية بسيطة: تحميل نموذج من X مليار معامل يحتاج نحو 2 × X غيغابايت من ذاكرة GPU بدقة bfloat16، ونحو الضعف بدقة float32 (Hugging Face). ومثالها: يحتاج Llama-2-70b نحو 140 غيغابايت لأوزانه فقط.
ويقلل التكميم (quantization) هذه الحاجة. ففي الدليل نفسه، استخدم نموذج من نحو 15.5 مليار معامل قرابة 31 غيغابايت بدقة bfloat16، ونحو 15 غيغابايت بـ8 بت، ونحو 9.5 غيغابايت بـ4 بت، مع تراجع طفيف في جودة المخرجات في ذلك الاختبار، وإن كان الدليل ينبّه إلى أن نتائج 4 بت قد تختلف وأن الاستدلال قد يصبح أبطأ (Hugging Face).
وبتطبيق الحساب نفسه نحصل على تقدير أولي. وتخص هذه الأرقام الأوزان فقط.
| حجم النموذج | الأوزان بدقة bfloat16 | الأوزان بـ8 بت | الأوزان بـ4 بت |
|---|---|---|---|
| 7 مليارات معامل | نحو 14 غيغابايت | نحو 7 غيغابايت | نحو 3.5 غيغابايت |
| 24 مليار معامل | نحو 48 غيغابايت | نحو 24 غيغابايت | نحو 12 غيغابايت |
| 70 مليار معامل | نحو 140 غيغابايت | نحو 70 غيغابايت | نحو 35 غيغابايت |
وتُضاف إلى الأوزان ذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache)، التي تكبر مع طول المدخلات وعدد المستخدمين المتزامنين. وتحسب Hugging Face أن نموذجًا من 15.5 مليار معامل بآلية انتباه متعدد الرؤوس تقليدية يحتاج، لمُدخل واحد من 16,000 رمز، نحو 15 غيغابايت من هذه الذاكرة، أي قرابة نصف حجم أوزانه. وتقلل معماريات مثل multi-query وgrouped-query attention هذه الحاجة كثيرًا (Hugging Face). لذلك قد يكون لطول المستندات التقنية وعدد المستخدمين وزن يعادل وزن حجم النموذج.
وللاستئناس، تذكر NVIDIA أن H100 SXM يأتي بذاكرة 80 غيغابايت واستهلاك يصل إلى 700 واط، وأن H100 NVL يأتي بذاكرة 94 غيغابايت (NVIDIA H100). أما L40S فيأتي بذاكرة 48 غيغابايت واستهلاك أقصى قدره 350 واط (NVIDIA L40S). وهذه الأرقام مهمة في موقع صناعي: تحققوا من قدرة الطاقة في الخزائن والتبريد والطاقة الاحتياطية قبل الطلب، لا بعده.
ولا تنسوا بقية المنظومة: تخزين سريع لفهرس المستندات، ووحدات CPU وذاكرة RAM كافية لمعالجة المستندات، وبيئة منفصلة لاختبار إصدارات النماذج الجديدة قبل وصولها إلى المستخدمين.
كيف تختارون النموذج؟
يتطلب النشر السيادي نماذج مفتوحة الأوزان (open-weight)، أي نماذج يمكن تنزيل أوزانها وتشغيلها على عتادكم. والأسئلة الأساسية تتعلق بالرخصة واللغات والجودة على مستنداتكم أنتم.
الرخصة. تختلف الرخص وتحتاج إلى قراءة قانونية. فنموذج Mistral Small 3 (24 مليار معامل) منشور برخصة Apache 2.0، وتذكر بطاقته أنه يعمل على بطاقة RTX 4090 واحدة بعد التكميم (Mistral AI على Hugging Face). ويستخدم Qwen2.5-72B-Instruct رخصته الخاصة "qwen" (Qwen على Hugging Face). أما Llama 3.1 فيخضع لرخصة مجتمعية بشروط خاصة، منها اشتراط طلب رخصة منفصلة للخدمات التي تتجاوز 700 مليون مستخدم نشط شهريًا (Meta).
اللغات. تمزج المستندات الصناعية الجزائرية بين العربية والفرنسية والإنجليزية. تحققوا مما يعلنه كل نموذج، ثم اختبروه. يعلن Qwen2.5-72B-Instruct دعم أكثر من 29 لغة منها الفرنسية والعربية (Qwen على Hugging Face). وتذكر بطاقة Mistral Small 3 الفرنسية دون العربية (Mistral AI على Hugging Face). أما ALLaM-7B، الذي طورته الهيئة السعودية للبيانات والذكاء الاصطناعي (SDAIA)، فيستهدف العربية والإنجليزية (ALLaM على Hugging Face). وتساعد التصنيفات العامة مثل Open Arabic LLM Leaderboard في إعداد قائمة أولية، لكنها لا تقيس الأداء على تقارير الصيانة لديكم أو مفرداتكم التقنية.
الاسترجاع قبل الضبط الدقيق. تعتمد معظم مساعدات المعرفة الصناعية على التوليد المعزّز بالاسترجاع (RAG): يبحث النظام في مستنداتكم ويقدّم المقاطع ذات الصلة إلى النموذج، بدل تدريبه عليها. وقد وصف هذا النهج Lewis وزملاؤه سنة 2020. وهو يُبقي مستنداتكم في فهرس تتحكمون فيه، ويجعل الإجابات قابلة للتتبع إلى مصادرها، ويتيح تحديث المعرفة دون إعادة تدريب. راجعوا دليلنا لتطبيق RAG على كتيّبات الصيانة.
برمجيات التشغيل. توفر خوادم استدلال مفتوحة المصدر مثل vLLM واجهة API متوافقة مع OpenAI وتدعم عدة صيغ للتكميم. وتسهّل الواجهة المتوافقة مع OpenAI استبدال نموذج بآخر لاحقًا دون إعادة كتابة تطبيقاتكم.
كيف تؤمّنون نظام ذكاء اصطناعي داخل المنشأة وتحكمونه؟
يزيل التشغيل المحلي بعض المخاطر، مثل خروج البيانات إلى API لطرف ثالث، لكنه يضيف مخاطر أخرى، فأنتم الآن الجهة المشغّلة.
مخاطر التطبيقات. تُعدّ قائمة OWASP Top 10 لتطبيقات LLM لسنة 2025 أداة تحقق عملية. وأول بنودها حقن التعليمات (prompt injection)، والإفصاح عن المعلومات الحساسة، ومخاطر سلسلة التوريد. وتتضمن أيضًا الصلاحيات المفرطة ونقاط ضعف المتجهات والتضمينات، وكلاهما يخص مباشرة أنظمة RAG ووكلاء الذكاء الاصطناعي.
الضوابط الواجب تطبيقها:
- مطابقة صلاحيات الوصول إلى المستندات في طبقة الاسترجاع، حتى لا يحصل المستخدم عبر المساعد على ما لا يستطيع فتحه مباشرة.
- تسجيل الأسئلة والمصادر المسترجعة والإجابات مع هوية المستخدم، وتحديد من يحق له الاطلاع على هذه السجلات.
- التحقق من مصدر ملفات النماذج والبرمجيات وسلامتها قبل التثبيت، والاحتفاظ بجرد للإصدارات.
- منح وكلاء الذكاء الاصطناعي أضيق صلاحيات ممكنة، واشتراط موافقة بشرية على أي إجراء يغيّر نظامًا ما. وعلى هذا المبدأ تقوم خدماتنا في الذكاء الاصطناعي الوكيلي.
- إبقاء نظام الذكاء الاصطناعي خارج حلقات التحكم. وإذا كان يقرأ من SCADA أو من قواعد البيانات التاريخية، فليكن ذلك عبر مسار أحادي الاتجاه للقراءة فقط.
التكنولوجيا التشغيلية. إذا كان نظام الذكاء الاصطناعي متصلًا ببيانات المصنع، فطبّقوا مرجعيات أمن OT. فوثيقة NIST SP 800-82 Rev. 3، المنشورة في سبتمبر 2023، تتناول أمن التكنولوجيا التشغيلية بما في ذلك متطلباتها الخاصة بالأداء والموثوقية والسلامة. وتحدد سلسلة ISA/IEC 62443 متطلبات تأمين أنظمة الأتمتة والتحكم الصناعية. ويتناول مقالنا عن دمج الذكاء الاصطناعي مع أنظمة SCADA وOT البنية المعمارية بالتفصيل.
الحوكمة. ينظم إطار إدارة مخاطر الذكاء الاصطناعي الصادر عن NIST، المنشور في 26 يناير 2023 للاستخدام الطوعي، العمل على المخاطر في أربع وظائف: Govern وMap وMeasure وManage. وأضاف إليه NIST ملفًا خاصًا بالذكاء الاصطناعي التوليدي في 26 يوليو 2024. وحتى دون إلزام قانوني، يمنح هذا الإطار فرق المخاطر وتكنولوجيا المعلومات والأعمال هيكلًا مشتركًا: من يملك النظام، وفيم يُستخدم، وكيف تُقاس جودته، وماذا يحدث عند إخفاقه.
ماذا يقول الإطار التنظيمي الجزائري عن استضافة الذكاء الاصطناعي؟
يلخّص هذا القسم أدلة قانونية منشورة، ولا يُعدّ استشارة قانونية. ويجب التحقق من التفاصيل مع مستشار قانوني استنادًا إلى النصوص الرسمية المنشورة في الجريدة الرسمية.
المعطيات الشخصية. ينظّم القانون 18-07 المؤرخ في 10 يونيو 2018 معالجة المعطيات ذات الطابع الشخصي، وقد عُدّل وتُمّم بالقانون 25-11 المؤرخ في 24 يوليو 2025 (CMS؛ DLA Piper). ويذكر الدليلان أن المسؤول عن المعالجة لا يجوز له نقل معطيات شخصية إلى دولة أجنبية إلا بترخيص من السلطة الوطنية (ANPDP)، وبشرط أن تضمن تلك الدولة مستوى حماية كافيًا، مع استثناءات محددة.
التزامات جديدة بموجب القانون 25-11. حسب دليل CMS، يُدخل التعديل تعيين مندوب لحماية المعطيات، وتحليلات الأثر للمعالجات عالية المخاطر، وإبلاغ السلطة بانتهاكات المعطيات الشخصية في أجل خمسة أيام (CMS). وقد يدخل في نطاق هذه القواعد مساعدُ ذكاء اصطناعي يفهرس ملفات الموارد البشرية أو سجلات صيانة تتضمن أسماء العمال.
الاستضافة السحابية. كما سبق، يشير دليل CMS إلى قرار لسلطة ضبط البريد والاتصالات يُلزم مقدمي خدمات الاستضافة السحابية بإبقاء بيانات زبائنهم على التراب الوطني. ويذكر الدليل نفسه أن الجزائر لا تملك قانونًا موحدًا للأمن السيبراني، بل منظومة وطنية لأمن أنظمة المعلومات حددها المرسوم الرئاسي 20-05.
الاستراتيجية الوطنية للذكاء الاصطناعي. أعلن المجلس العلمي للذكاء الاصطناعي في 8 ديسمبر 2024 اعتماد مشروع استراتيجية وطنية للذكاء الاصطناعي قائمة على ستة محاور (Digital Policy Alert). وفي أغسطس 2026، ترأس وزير التعليم العالي اجتماعًا أطلق مرحلة تنفيذها، ومن أولوياته نماذج ذكاء اصطناعي سيادية وتأمين معالجة بيانات القطاع العام وتخزينها في مراكز بيانات وطنية محمية (Dzair Tube).
لا يرقى أي من ذلك إلى قاعدة عامة تفرض تشغيل كل نظام ذكاء اصطناعي في الجزائر. لكن الاتجاه واضح بما يكفي لأن يكون تصميم الاستضافة المحلية منذ البداية هو الخيار الأقل مخاطرة لمعظم الشركات الصناعية.
ما هو مسار النشر الواقعي خطوة بخطوة؟
- اختيار حالة استخدام أو اثنتين مع مسؤول محدد. فمساعد مستندات للصيانة أو الصحة والسلامة والبيئة، أو أداة لدعم القرار في البحث والتطوير، أسهل قياسًا من "ذكاء اصطناعي للشركة كلها".
- تصنيف البيانات. لكل حالة استخدام، حدّدوا مصادر البيانات ومالكيها، وما إذا كانت تتضمن معطيات شخصية، وما إذا كان يجوز إخراجها من الموقع. فهذا ما يحدد خيار النشر أكثر من أي تفضيل تقني.
- اختيار نمط النشر. استعينوا بجدول المقارنة أعلاه. تبدأ مجموعات كثيرة داخل المنشأة للمستندات الحساسة وتُبقي خيار السحابة السيادية للاستخدامات الأخرى.
- إعداد قائمة نماذج واختبارها على مستنداتكم. كوّنوا مجموعة اختبار من 50 إلى 100 سؤال حقيقي يطرحه مهندسوكم، باللغات التي يستخدمونها فعلًا، مع إجابات مرجعية. وقارنوا بين نموذجين أو ثلاثة، مع التكميم ودونه.
- تحجيم العتاد وشراؤه. حدّدوا الحجم انطلاقًا من نتائج الاختبار: حجم النموذج، ومستوى التكميم، وطول المستندات، وعدد المستخدمين المتزامنين المتوقع. وخططوا للطاقة والتبريد وسعة بيئة الاختبار.
- بناء مشروع تجريبي بضوابط أمنية منذ اليوم الأول. ضبط الصلاحيات، والتسجيل، واتصال للقراءة فقط بالأنظمة المصدر، وجهة اتصال عند الحوادث. ونفّذوا اختبارًا هجوميًا قصيرًا استنادًا إلى قائمة OWASP.
- القياس ثم القرار. تابعوا دقة الإجابات على مجموعة الاختبار، والاستخدام الفعلي، والوقت الموفّر في مهام حقيقية. وقرروا التوسع بناءً على هذه الأدلة، لا على حماس فريق المشروع التجريبي.
- مأسسة التشغيل. وثّقوا من يحدّث النماذج والمستندات، وكيف تُختبر التغييرات، وكيف يُراقَب النظام ويُنسخ احتياطيًا. وفي المواقع المعزولة تمامًا، حدّدوا إجراء نقل التحديثات.
وللمساعدة في الخطوات من 1 إلى 4، تقدم خدمة الاستشارات في الذكاء الاصطناعي لدينا هذا التقييم، وDALILE هي منصتنا للنموذج اللغوي داخل المنشأة الخاصة بالمستندات الصناعية.
ما هي الأخطاء الأكثر شيوعًا؟
- اختزال السيادة في مسألة الموقع. فخادم داخل البلد يشغّله مزوّد أجنبي، أو مورّد له وصول دائم عن بُعد، يترك مستويات مهمة خارج سيطرتكم.
- شراء وحدات GPU قبل الاختبار. فالعتاد المشترى دون مجموعة اختبار حقيقية يكون غالبًا بحجم غير مناسب: أصغر من اللازم للمستندات الطويلة أو أكبر من الحمل الفعلي.
- التحجيم للنموذج ونسيان المستخدمين. فذاكرة المفاتيح والقيم للمدخلات الطويلة والجلسات المتزامنة قد تضيف غيغابايتات لكل طلب طويل فوق الأوزان، حسب معمارية النموذج.
- عدم قراءة رخصة النموذج. فالرخص تختلف، وبعضها يتضمن شروطًا يجب أن توافق عليها الفرق القانونية.
- الاختبار بالإنجليزية فقط. فالنموذج الجيد في المعايير الإنجليزية قد يتعثر مع نصوص تقنية تمزج العربية بالفرنسية.
- منح الذكاء الاصطناعي صلاحية الكتابة في أنظمة المصنع. ابدؤوا بالقراءة فقط، وليكن كل إجراء يغيّر نظامًا خاضعًا لموافقة شخص.
- غياب مسؤول بعد الإطلاق. فالنماذج والمستندات والصلاحيات تتغير، ودون فريق مسؤول عن التشغيل تتراجع الجودة بصمت.
- إغفال مراجعة حماية المعطيات. إذا كانت هناك معطيات شخصية، فقد يُشترط إجراء تحليل للأثر بموجب القانون 18-07 المعدّل. تحققوا مبكرًا مع مندوب حماية المعطيات أو المستشار القانوني.
ما الذي لاحظناه في KABAS AI
يوضح مشروعان منشوران كيف يبدو النشر السيادي عمليًا. ففي ADFC، الفرع التابع لمجمع سوناطراك، نشرنا Virtual Lab لتحسين تركيبات سوائل الحفر. ويضمن هذا النشر التحكم الكامل في البيانات داخل البيئة المعلوماتية لسوناطراك، ويوفر تتبعًا كاملًا لقرارات التركيب لتلبية متطلبات التدقيق.
وفي ENAD Shymeca، خفّض Virtual Lab دورات الاختبارات المادية بنسبة 40% في البحث والتطوير الخاص بتركيبات المنظفات، مع تتبع كامل للبيانات من أجل الامتثال التنظيمي. وقد شكّل المشروع أول عقد ابتكار مفتوح بين شركة ناشئة في الذكاء الاصطناعي ومؤسسة صناعية وطنية جزائرية.
وفي الحالتين، انطلق العمل من مسار بحث وتطوير محدد ومن البيانات التاريخية للعميل، بعد هيكلتها في مستودع قابل لإعادة الاستخدام، لا من منصة ذكاء اصطناعي عامة. وهو الترتيب نفسه الذي نوصي به أعلاه: حالة الاستخدام والبيانات أولًا، ثم البنية التحتية. وللتطبيقات القطاعية، راجعوا حلولنا لقطاع النفط والغاز.
المصادر
- Hugging Face: Optimizing LLMs for speed and memory
- NVIDIA H100 Tensor Core GPU
- NVIDIA L40S GPU
- بطاقة نموذج Mistral Small 3 على Hugging Face
- بطاقة نموذج Qwen2.5-72B-Instruct على Hugging Face
- بطاقة نموذج ALLaM-7B-Instruct على Hugging Face
- Meta Llama 3.1 Community License
- Open Arabic LLM Leaderboard على Hugging Face
- Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, 2020
- توثيق vLLM
- OWASP Top 10 for LLM Applications 2025
- NIST SP 800-82 Rev. 3, Guide to Operational Technology Security
- سلسلة معايير ISA/IEC 62443
- NIST AI Risk Management Framework
- 18 U.S.C. 2713, Cornell Legal Information Institute
- دليل CMS لقوانين حماية البيانات والأمن السيبراني: الجزائر
- DLA Piper Data Protection Laws of the World: الجزائر
- Digital Policy Alert: الاستراتيجية الوطنية الجزائرية للذكاء الاصطناعي
- Dzair Tube: كمال بداري يطلق تنفيذ الاستراتيجية الوطنية للذكاء الاصطناعي
الأسئلة الشائعة
ما الفرق بين الذكاء الاصطناعي داخل المنشأة والذكاء الاصطناعي السيادي؟
يصف النشر داخل المنشأة مكان وجود العتاد، أي في مرافقكم الخاصة. أما الذكاء الاصطناعي السيادي فأوسع، إذ يسأل عمّن يتحكم في البيانات والنموذج والبنية التحتية والتشغيل اليومي. وقد لا يكون نظام داخل المنشأة سياديًا بالكامل إذا كان المورّد مثلًا يحتاج إلى وصول دائم عن بُعد لتشغيله، أو إذا كانت رخصة النموذج تقيّد طريقة استخدامه.
كم تحتاج من ذاكرة GPU لتشغيل نموذج لغوي كبير داخل المنشأة؟
القاعدة التقريبية التي تقدمها Hugging Face هي نحو 2 غيغابايت من ذاكرة GPU لكل مليار معامل بدقة bfloat16، أي أن نموذجًا من 70 مليار معامل يحتاج نحو 140 غيغابايت لأوزانه فقط. ويقلل التكميم إلى 8 أو 4 بت هذا الرقم بشكل كبير. كما يجب ترك هامش لذاكرة التخزين المؤقت للمفاتيح والقيم، التي تكبر مع طول المستندات وعدد المستخدمين المتزامنين.
هل النشر المعزول تمامًا عن الشبكة واقعي لشركة صناعية؟
نعم، بالنسبة للاستخدامات التي تبرره، مثل كل ما يقترب من أنظمة التحكم أو بيانات العمليات شديدة السرية. فالنماذج مفتوحة الأوزان وبرمجيات التشغيل يمكن أن تعمل دون أي اتصال بالإنترنت. أما الكلفة فهي تشغيلية أساسًا: يجب إدخال تحديثات النماذج والتصحيحات الأمنية والمستندات الجديدة عبر إجراء نقل مضبوط له مسؤول محدد.
هل يفرض القانون الجزائري استضافة أنظمة الذكاء الاصطناعي في الجزائر؟
لا نعلم بوجود قانون عام يخص استضافة الذكاء الاصطناعي. لكن القانون 18-07 المتعلق بالمعطيات ذات الطابع الشخصي، المعدّل بالقانون 25-11 المؤرخ في 24 يوليو 2025، يُخضع نقل المعطيات الشخصية إلى الخارج لترخيص السلطة الوطنية لحماية المعطيات، كما يُلزم قرار صادر عن سلطة الضبط سنة 2017 مقدمي خدمات الاستضافة السحابية بإبقاء بيانات زبائنهم على التراب الوطني، وفق ملخصات مكاتب محاماة. تحققوا من حالتكم مع مستشار قانوني.
هل يمكن البدء بواجهة API سحابية ثم الانتقال إلى النشر داخل المنشأة لاحقًا؟
نعم، بشرط ألا ترسلوا إلا البيانات المسموح بمعالجتها خارجيًا، وأن تصمموا النظام منذ البداية بحيث يسهل نقله. فاستخدام طبقة تشغيل بواجهة API متوافقة مع OpenAI، مثل vLLM، يسهّل لاحقًا استبدال النقطة السحابية بنموذج محلي. والجزء الأصعب في النقل عادة هو مسار البيانات وضبط الصلاحيات، لا النموذج نفسه.



