في لاس فيغاس، حضرت السعودية سريعاً في نقاش «دل تكنولوجيز وورلد 2026» حول المرحلة التالية من الذكاء الاصطناعي. فالسؤال لم يعد فحسب عن حجم الاستثمار في البنية التحتية أو بناء القدرات الوطنية، بل عن الفارق الذي يمكن أن تصنعه المملكة في سوق عالمية تتجه من تجارب الذكاء الاصطناعي إلى تشغيله داخل المؤسسات. في حديث خاص، لـ«الشرق الأوسط»، قال مايكل دِل، رئيس مجلس الإدارة والرئيس التنفيذي لـ«دل تكنولوجيز»، إن ما تراه الشركة في السعودية هو «التزام عميق بتحديث المملكة»، مشيراً إلى موارد الطاقة الكبيرة، وإلى عمل «دل» مع «هيوماين» وشركات أخرى في المملكة، إضافة إلى منشأة إقليمية تعمل من خلالها الشركة على «جمع هذه القدرات وبناء البنية التحتية للعملاء في المنطقة». وأضاف أن كل دولة تمر، اليوم، بمرحلة إعادة فهم لما يعنيه التحول نحو الذكاء الاصطناعي، وكيف يمكن تمكين المواطنين والصناعات ودفع الاقتصاد إلى الأمام. وفي الجلسة نفسها، وصف دِل «رؤية السعودية 2030» بأنها «طموحة للغاية»، وطموح الذكاء الاصطناعي تحت هذه الرؤية «مثير للإعجاب».
اختبار التشغيل
من هذه النقطة يبدأ النقاش الحقيقي حول السعودية والذكاء الاصطناعي، فالقصة لم تعد فحسب عن حجم الاستثمارات، أو سرعة بناء مراكز البيانات، أو عدد المشاريع الوطنية المعلَنة. صعوبة الاختبار التالي تتعلق بكيفية تحويل هذه القدرة الوطنية إلى قيمة تشغيلية داخل الجهات الحكومية والبنوك والمستشفيات وشركات الطاقة والاتصالات والمدن الذكية. وكيف تنتقل المؤسسات من تجارب الذكاء الاصطناعي إلى أنظمة تعمل يومياً، على بيانات حقيقية، ضمن بيئات آمنة، وبكلفة يمكن التنبؤ بها.
محمد أمين، نائب الرئيس الأول لمنطقة وسط وشرق أوروبا والشرق الأوسط وتركيا وأفريقيا في «دل تكنولوجيز»، يضع هذا التحول في سياق واضح. يقول، في مقابلة خاصة مع «الشرق الأوسط»، على هامش المؤتمر، إن أكبر عائق أمام المؤسسات في السعودية والخليج وهي تنتقل من تجارب الذكاء الاصطناعي إلى الإنتاج ليس عاملاً واحداً منفصلاً، بل منظومة مترابطة تشمل البنية والحوكمة والمهارات والمرونة السيبرانية والكلفة ونماذج التشغيل، لكنه عَدَّ أن «جاهزية البيانات» هي العَقبة الأولى. وأضاف: «دون أساس موثوق وجاهز للذكاء الاصطناعي من البيانات، حتى أكثر البنى التحتية تقدماً لا تكفي، وتتعثر المشاريع التجريبية قبل الوصول إلى الإنتاج».
البيانات قبل النموذج
هذه النقطة تبدو أساسية في قراءة «دل» للمرحلة السعودية، إذ تشير الشركة إلى أن 96 في المائة من المؤسسات السعودية باتت تنظر إلى الذكاء الاصطناعي على أنه جزء رئيسي من استراتيجية أعمالها، وفق بحثها عن حالة الابتكار والذكاء الاصطناعي. لكن هذا المؤشر، رغم أهميته، لا يعني أن الطريق إلى الإنتاج أصبح سهلاً، فكثير من المؤسسات لا تزال تعمل عبر أنظمة قديمة ومجزَّأة وبيانات موزَّعة وحوكمة غير متسقة ووصول محدود إلى بيانات موثوقة في الوقت الحقيقي. ووفق أمين، فإن المؤسسات الأسرع تقدماً هي تلك التي تتعامل مع الذكاء الاصطناعي «ليس كأداة مستقلة، بل كتحول في نموذج التشغيل بأكمله».
هنا يظهر الفرق بين الطموح والبنية التشغيلية، فالمؤسسة التي تريد استخدام الذكاء الاصطناعي في خدمة العملاء أو إدارة المخاطر أو التنبؤ بالصيانة أو تحليل بيانات المرضى، لا تحتاج إلى نموذج قوي فحسب، بل تحتاج إلى أن تكون بياناتها قابلة للاكتشاف ومحكومة وموثوقة وقابلة للاستخدام من قِبل أنظمة الذكاء الاصطناعي في الوقت المناسب. أمين يُعرّف «البيانات الجاهزة للذكاء الاصطناعي» بأنها البيانات «القابلة للاكتشاف، والمحكومة والموثوقة والقابلة للاستخدام من قِبل أنظمة الذكاء الاصطناعي في الوقت الحقيقي». وهذا التعريف يحوّل النقاش من سؤال تقني ضيق إلى سؤال مؤسسي: هل تعرف المؤسسة أين توجد بياناتها، ومن يستطيع استخدامها، وهل يمكن الوثوق بها عند إدخالها في نموذج أو وكيل ذكي.
بيانات القطاعات الحساسة
في القطاع المصرفي السعودي، يمكن أن يعني ذلك ربط بيانات العملاء والمعاملات والمخاطر، عبر بيئات مختلفة مع الحفاظ على الامتثال والحوكمة. وفي المستشفيات، يتعلق الأمر بتنظيم البيانات السريرية وبيانات التصوير بشكل آمن، بحيث يمكن للذكاء الاصطناعي دعم التشخيص أو تحسين العمليات دون تعريض خصوصية المرضى للخطر. وفي الجهات الحكومية، يعني ذلك توحيد بيانات المواطنين والعمليات، مع الحفاظ على السيادة والضوابط الأمنية. أما في شركات الطاقة فقد يعني الجمع بين بيانات التشغيل والمستشعرات والبيانات الجغرافية لدعم صيانة التنبؤ وتحسين الأداء.
تقول «دل» إن تحديثات منصة «Dell AI Data Platform» تستهدف هذه النقطة تحديداً، من خلال فهرسة مليارات الملفات، وربطها في خطوط بيانات محكومة. وتشمل المنصة قدرات مثل تحليلات «SQL» مُسرّعة بوحدات معالجة الرسوميات تصل إلى أداء أسرع بست مرات، وفهرسة متجهات أسرع حتى 12 مرة. هذه التفاصيل قد تبدو تقنية، لكنها تحدد في الواقع سرعة انتقال المؤسسة من تجربة محدودة إلى خدمة ذكاء اصطناعي تعمل على نطاق واسع. فكلما كانت البيانات أبطأ في الوصول أو أقل تنظيماً، تحولت خطوط البيانات نفسها إلى اختناق تشغيلي. وينوّه أمين بأن هذه القدرات تساعد على تقليل زمن الاستجابة، وتحسين الدقة، وتوسيع خدمات الذكاء الاصطناعي بكفاءة أعلى.
اقتصادات التشغيل المحلي
مع انتقال الذكاء الاصطناعي إلى أحمال أكثر حساسية واستمرارية، يظهر سؤال آخر: متى تصبح البنية الخاصة أو الخاضعة لسيطرة المؤسسة أكثر ملاءمة من السحابة العامة. أمين لا يطرح المسألة بوصفها اختياراً حاداً بين السحابة والبنية الخاصة، فهو يرى أن السحابة العامة تظل مهمة للتجربة والمرونة والوصول السريع إلى خدمات الذكاء الاصطناعي، لكنه يضيف أن هناك مرحلة تصبح فيها البنية الخاضعة للسيطرة «أفضل استراتيجياً»، خصوصاً عندما تتعلق الأحمال ببيانات وطنية أو مالية حساسة، أو عندما تكون متطلبات زمن الاستجابة مهمة للغاية.
هذا ينسجم مع ما عرضته «دل» في المؤتمر حول «Deskside Agentic AI»، وهو حل يستهدف تشغيل بعض وكلاء الذكاء الاصطناعي محلياً، على محطات عمل عالية الأداء، بدلاً من الاعتماد الكامل على واجهات البرمجة السحابية. وتقول الشركة إن هذا الحل يمكن، في بعض الحالات، أن يحقق نقطة تعادل مع كلفة واجهات البرمجة السحابية خلال ثلاثة أشهر، وأن يُخفض الإنفاق حتى 87 في المائة خلال عامين. أمين يقرأ هذه الأرقام من زاوية أوسع، إذ يقول إن على مديري التقنية في السعودية تقييم اقتصادات الذكاء الاصطناعي «على مدى دورة الحياة الكاملة، لا من خلال التركيز فحسب على كلفة البنية في البداية». فالسحابة قد تبدو جذابة عند الانطلاق، لكنها قد تصبح أكثر كلفة عند تشغيل أحمال توليدية أو وكيلية مستمرة على مستوى مؤسسة كبيرة.
كفاءة المعالجات
بالنسبة إلى السعودية، ترتبط هذه المسألة أيضاً بقطاعات ذات طبيعة تنظيمية وحساسة. ويقر أمين بأن حالات الاستخدام الأكثر واقعية، اليوم، هي تلك التي تحقق قيمة إنتاجية وتشغيلية واضحة مع بقاء حوكمتها قابلة للإدارة. ويشير إلى أن المساعدين الخاصين داخل المؤسسات وسَير العمل في القطاعات المنظمة يمثلان نقطة انطلاق مقنعة في المملكة، بسبب التركيز القوي على الأمن والسيادة على البيانات. كما يرى أن مُساعدي البرمجة يكتسبون زخماً سريعاً لأنهم يقدمون مكاسب مباشرة لفِرق التطوير.
التحول إلى الإنتاج لا يتطلب بيانات وبنية فحسب، بل يتطلب أيضاً بنية تحتية قادرة على التعامل مع كثافة الأحمال. ففي بيئات الذكاء الاصطناعي الثقيلة، لا تكفي وحدات المعالجة إذا كانت البيانات لا تتحرك بسرعة بين الحوسبة والتخزين والتطبيقات. يشير أمين إلى أن تصميم الشبكات في «PowerRack» يتضمن قدرة تبديل تتجاوز 800 تيرابت في الثانية لكل رف، موضحاً أن المعنى العملي لهذه السعة هو إزالة اختناقات حركة البيانات بين وحدات المعالجة الرسومية والتخزين والتطبيقات. فكلما بقيت وحدات المعالجة الرسومية في انتظار البيانات، انخفضت كفاءة الاستثمار في البنية. أما عندما تتحرك البيانات بزمن استجابة منخفض، تصبح عمليات التدريب والاستدلال أسرع وأكثر فعالية.
التبريد عامل استراتيجي
لا يمكن فصل هذا النقاش عن التبريد والطاقة، إذ يرفع الذكاء الاصطناعي كثافة الرفوف ومتطلبات الطاقة داخل مراكز البيانات، ويجعل التبريد عاملاً استراتيجياً لا تشغيلياً فحسب. ويشير أمين إلى أن قدرة «Dell PowerCool C7000» على دعم مياه منشأة بدرجة حرارة تصل إلى 40 درجة مئوية تعني أن مراكز البيانات يمكن أن تعمل بكفاءة أعلى في المناخات الحارة، مع تقليل الاعتماد على التبريد كثيف الاستهلاك للطاقة. وفي السعودية، حيث تستثمر الحكومة والقطاع الخاص في البنية السيادية للذكاء الاصطناعي، يرى أن التبريد «لم يعد مجرد مسألة تشغيلية»، بل أصبح مرتبطاً بقابلية التوسع، وكفاءة الطاقة، والجدوى طويلة المدى.
أمن البيانات والنماذج
تأتي المرونة السيبرانية كجزء من جاهزية الذكاء الاصطناعي، فالنظام الذكي لا يكون موثوقاً إذا كانت بياناته قابلة للتلف، أو نماذجه قابلة للاختراق، أو بنيته غير قابلة للتعافي. ويلفت أمين إلى أن نظام الذكاء الاصطناعي «لا يكون أكثر موثوقية من البيانات والنماذج التي يعمل عليها»، وأن الهجوم السيبراني الذي يفسد البيانات أو يضر النموذج قد تكون له عواقب كبيرة، لذلك يرى أن نضج المرونة السيبرانية سيؤثر مباشرة في مدى ثقة المؤسسات في توسيع اعتماد الذكاء الاصطناعي. وهنا تطرح «دل» أدوات مثل «Cyber Detect» التي تقول إنها تستطيع كشف تلف البيانات الناتج عن هجمات الفدية، وتحديد آخِر نسخة نظيفة معروفة بدقة عالية.
الانفتاح والسيادة
مع توسع «دل» في شراكاتها مع «Google» و«Hugging Face» و«OpenAI» و«Palantir» و«ServiceNow» و«SpaceXAI»، تؤكد الشركة أن المؤسسات لا تريد ربط استراتيجيتها في الذكاء الاصطناعي بنموذج واحد أو منصة سحابية واحدة أو حزمة بنية تحتية واحدة. هذا الانفتاح، برأي أمين، يمنح المؤسسات «الاختيار» ويقلل مخاطر الانغلاق، ويسمح لها بتطوير قدراتها مع تطور التقنية. وهذا مهم في سوق سريعة الحركة مثل السعودية، حيث قد تصبح قابلية التكامل والتشغيل البيني ميزة استراتيجية بحد ذاتها.
وعند سؤال محمد أمين عن القطاعات السعودية التي ستحتاج إلى بنية جاهزة للذكاء الاصطناعي أولاً، يضع الحكومة والطاقة والاتصالات والتمويل والمدن الذكية في المقدمة، بسبب حجم بياناتها، وأهميتها الوطنية، والقيمة التشغيلية التي يمكن أن يفتحها الذكاء الاصطناعي. وهذه القطاعات هي أيضاً الأكثر ارتباطاً بمتطلبات السيادة والامتثال والأمن. لذلك، فإن بناء بنية ذكاء اصطناعي آمنة وقابلة للتوسع لا يبدو مجرد تحديث تقني، بل هو جزء من قدرة المؤسسات على تحويل طموحات الرؤية إلى تشغيل يومي قابل للقياس.
وبين إجابة مايكل دِل عن السعودية، ورؤية محمد أمين للمنطقة، تتضح صورة المرحلة المقبلة. المملكة لا تدخل سباق الذكاء الاصطناعي من زاوية الاستهلاك أو التجربة فحسب، بل من زاوية بناء القدرة المؤسسية، لكن القدرة الحقيقية لن تقاس فحسب بعدد مراكز البيانات أو حجم الاستثمار، بل بقدرة المؤسسات على تجهيز بياناتها، واختيار مكان تشغيل أحمالها، وضبط كلفتها، وحماية نماذجها وبياناتها، وتوسيع استخدامها دون أن تفقد السيطرة أو الحوكمة.
