#

النقاط الرئيسية

• يُظهر التقييم المُعلن لـ Databricks وجود طلب قوي على منصات الذكاء الاصطناعي المؤسسي.

• تهم هذه القصة المغرب لأن العديد من المؤسسات تحتاج إلى ذكاء اصطناعي مع تحكم أقوى في البيانات.

• يعتمد التبني العملي على جودة البيانات، ومزيج اللغات، والمهارات، والبنية التحتية.

• يجب أن تسبق الحوكمة والخصوصية والأمن السيبراني أي نشر واسع النطاق.

• ينبغي للفرق المغربية أن تبدأ بحالات استخدام محدودة وضوابط واضحة.

Databricks والتحول نحو الذكاء الاصطناعي المؤسسي

أفادت TechCrunch في 17 يوليو 2026 أن Databricks أعلنت عن جولة تمويل قادتها Coatue. وذكر التقرير أن قيمة الشركة بلغت 188 مليار دولار، وأن الجولة كان من المتوقع إغلاقها لاحقًا في الصيف. كما أشار إلى أن Databricks أعادت تموضعها من برمجيات البيانات الضخمة نحو الذكاء الاصطناعي المؤسسي.

هذا التحول مهم بما يتجاوز شركة واحدة. فهو يشير إلى أن المشترين يريدون الآن أنظمة ذكاء اصطناعي تعمل مع بيانات الأعمال، وليس فقط نماذج عامة. وبالنسبة للقراء المغاربة، فهذا هو السؤال الحقيقي أيضًا. كيف تستخدم الذكاء الاصطناعي على البيانات الداخلية مع الحفاظ على التحكم في التكلفة والأمن والجودة؟

كما أن الاتجاه المنتج المُعلن مهم أيضًا. وذكرت المقالة Lakebase لوكلاء الذكاء الاصطناعي، وUnity كبوابة للذكاء الاصطناعي، وOmnigent لإدارة عدة وكلاء. وتشير هذه الأسماء إلى نمط أوسع: المؤسسات تريد مزيدًا من الهيكلة حول الذكاء الاصطناعي، لا أقل. فهي تريد أدوات تساعدها على إدارة الوصول، وتنسيق الوكلاء، وإدارة تدفقات البيانات.

لماذا يهم هذا في المغرب

تواجه البنوك المغربية، وشركات الاتصالات، وتجار التجزئة، والجامعات، والهيئات العامة ضغوطًا مشابهة. فقد ترغب في استخدام الذكاء الاصطناعي لدعم العملاء، والبحث في المستندات، والمعرفة الداخلية، ومراجعة الاحتيال، أو أتمتة سير العمل. لكنها تحتاج أيضًا إلى أنظمة تحترم حدود البيانات والقيود التشغيلية.

ولهذا السبب، فإن الذكاء الاصطناعي المؤسسي ليس مجرد سؤال يتعلق بالنموذج. إنه أيضًا سؤال يتعلق بإدارة البيانات. وهو كذلك سؤال شراء، لأن المؤسسات تحتاج إلى شراء أدوات تتوافق مع الأنظمة القائمة. وبالنسبة للفرق المغربية، غالبًا ما تعتمد قيمة الذكاء الاصطناعي على ما إذا كانت البيانات قابلة للاستخدام، وحديثة، ومُدارة جيدًا.

اللغة مسألة عملية أخرى. تعمل العديد من المؤسسات المغربية بالعربية والفرنسية وأحيانًا الإنجليزية. وقد تحتاج أنظمة الذكاء الاصطناعي إلى التعامل مع هذا المزيج دون فقدان المعنى. وإذا كانت البيانات غير متسقة، فستكون المخرجات غير متسقة أيضًا.

حالات استخدام في المغرب

يمكن لبنك مغربي استخدام ذكاء اصطناعي مُدار لمساعدة الموظفين على البحث في السياسات أو تلخيص المستندات الداخلية. ويمكن لمشغل اتصالات استخدامه لدعم الوكلاء الذين يتعاملون مع طلبات العملاء. ويمكن لتاجر تجزئة استخدامه لتنظيم بيانات المنتجات أو تحسين التقارير الداخلية.

قد تستخدم الجامعات الذكاء الاصطناعي لمساعدة الموظفين والطلاب على العثور على المعلومات بسرعة أكبر. وقد تستخدمه الهيئات العامة لتقليل الوقت المستغرق في الأعمال المستندية المتكررة. هذه كلها حالات استخدام واقعية، لكنها ستحتاج إلى ضوابط دقيقة. الهدف ليس أتمتة كل شيء. الهدف هو جعل العمل القائم أسرع وأكثر موثوقية.

بالنسبة للمؤسسات المغربية، تكون أفضل خطوة أولى عادةً محدودة النطاق. فحالة استخدام داخلية صغيرة أسهل في الاختبار من إطلاق عام واسع. كما أنها تجعل من الأسهل قياس الجودة والتكلفة والمخاطر. وهذا مهم عندما تكون الميزانيات محدودة والتوقعات مرتفعة.

السياق المغربي: ما الذي يحتاجه الذكاء الاصطناعي المؤسسي ليعمل

يعتمد الذكاء الاصطناعي المؤسسي على توفر البيانات. فإذا كانت السجلات موزعة عبر أنظمة متعددة، ستواجه طبقة الذكاء الاصطناعي صعوبة. وإذا كانت المستندات قديمة أو مكررة، فقد تكون المخرجات خاطئة. وقد تحتاج المؤسسات المغربية إلى تنظيف البيانات قبل أن تحصل على قيمة من أدوات الذكاء الاصطناعي المتقدمة.

وتهم البنية التحتية أيضًا. فقد تتطلب بعض أعباء العمل قدرة حوسبة أقوى، واتصالًا موثوقًا، وتكاملًا مستقرًا مع المنصات القائمة. وهذا قد يخلق ضغطًا على التكلفة. وقد تحتاج فرق المشتريات إلى مقارنة تكاليف التجربة القصيرة الأجل بتكاليف التشغيل طويلة الأجل.

وتُعد المهارات قيدًا آخر. فالفِرق تحتاج إلى أشخاص يفهمون البيانات والأمن والعمليات التجارية. كما تحتاج إلى موظفين قادرين على تقييم مخرجات الذكاء الاصطناعي بشكل نقدي. ومن دون ذلك، قد تثق المؤسسات في إجابات تبدو مصقولة لكنها غير مكتملة أو غير صحيحة.

المخاطر والحوكمة

أكبر خطر هو الوصول غير المنضبط إلى البيانات الحساسة. يمكن أن يصبح الذكاء الاصطناعي المؤسسي مشكلة أمنية إذا كانت الأذونات ضعيفة. كما يمكن أن يصبح مشكلة خصوصية إذا كُشفت بيانات شخصية أو سرية في سير عمل غير مناسب. وستحتاج المؤسسات المغربية إلى قواعد واضحة قبل توسيع أي نظام.

يجب أن يكون الأمن السيبراني جزءًا من التصميم، لا فكرة لاحقة. يمكن لأدوات الذكاء الاصطناعي أن توسع سطح الهجوم إذا اتصلت بأنظمة كثيرة. كما يمكن أن تخلق مخاطر جديدة إذا لم تكن المطالبات أو المخرجات أو السجلات محمية. وبالنسبة لصناع القرار المغاربة وقادة المؤسسات، يجب أن تشمل الحوكمة التحكم في الوصول، وقابلية التدقيق، والاحتفاظ.

كما أن الامتثال مهم أيضًا. وحتى عندما لا تذكر البيانات المصدرية قواعد محددة، لا تزال المؤسسات بحاجة إلى مواءمة استخدام الذكاء الاصطناعي مع السياسة الداخلية والالتزامات القانونية المعمول بها. وهذا يعني مراجعة مكان تخزين البيانات، ومن يمكنه رؤيتها، ومدة الاحتفاظ بها. كما يعني تحديد مقدار المراجعة البشرية المطلوبة قبل استخدام مخرجات الذكاء الاصطناعي.

ما الذي ينبغي على المؤسسات المغربية فعله بعد ذلك

ابدأ بمشكلة أعمال واحدة. اختر حالة استخدام تكون البيانات فيها متاحة بالفعل ويسهل قياس فائدتها. ومن المرشحين الجيدين: البحث الداخلي، وتلخيص المستندات، أو دعم سير العمل المتكرر. وغالبًا ما يكون من الأسهل حوكمة هذه الحالات مقارنة بالأتمتة الموجهة للعملاء.

ثم ارسم خريطة للبيانات. حدّد أين توجد، ومن يملكها، ومدى نظافتها. إذا كانت البيانات مجزأة، فأصلح ذلك أولًا. وإذا كان مزيج اللغات غير متسق، فضع معايير قبل تدريب أي نظام ذكاء اصطناعي أو نشره.

بعد ذلك، ضع ضوابط حماية. قيّد الوصول، وسجّل النشاط، وحدد خطوات المراجعة البشرية. اختبر النظام مع مستخدمين حقيقيين قبل توسيعه. وبالنسبة للمؤسسات المغربية، هذه هي الطريقة الأكثر أمانًا للتعلم دون خلق مخاطر غير ضرورية.

وأخيرًا، تعامل مع الذكاء الاصطناعي كبرنامج مستمر، لا كشراء لمرة واحدة. ستتغير التكاليف والنماذج وسير العمل. وتحتاج الفرق إلى عملية للمراجعة والتحسين والتراجع. وهذا مهم بشكل خاص في المغرب، حيث تحتاج المؤسسات غالبًا إلى موازنة الطموح مع القيود العملية.

الخلاصة

يُعد التقييم المُعلن لـ Databricks إشارة إلى الاتجاه الذي يسير فيه الذكاء الاصطناعي المؤسسي. فالسوق يكافئ المنصات التي تساعد الشركات على استخدام بيانات الأعمال بمزيد من التحكم. وبالنسبة للمغرب، فالدرس واضح.

ستأتي قيمة الذكاء الاصطناعي من الحوكمة بقدر ما تأتي من النماذج. وستكون المؤسسات التي تُعد بياناتها، وتحمي أنظمتها، وتبدأ على نطاق صغير، في وضع أفضل للاستفادة. أما تلك التي تتجاوز الأساسيات فقد تنفق أكثر وتتعلّم أقل.