صورة للمساعدة في فهم المقال
التحول الحقيقي لم يعد في صياغة السؤال فقط
في السنوات الأولى من صعود الذكاء الاصطناعي التوليدي، بدا المشهد وكأن العالم كله يتعلم مهارة واحدة: كيف نكتب السؤال المثالي؟ انتشرت دورات ونصائح ومواد تدريبية حول ما سمي بـ هندسة الأوامر أو البرومبت، أي فن توجيه النموذج اللغوي بعبارات أدق وأكثر تنظيمًا للحصول على إجابات أفضل. لكن التطور الجاري اليوم في كوريا الجنوبية، كما تعكسه النقاشات داخل قطاع التقنية هناك، يقول إن مركز الثقل بدأ يتحرك من براعة السؤال إلى براعة بناء البيئة التي يعمل فيها الذكاء الاصطناعي.
هذا التحول ليس لغويًا ولا شكليًا، بل يمس جوهر كيفية استخدام الذكاء الاصطناعي داخل المؤسسات. فبدل الاكتفاء بكتابة طلب جيد، باتت الشركات تفكر في نوع البيانات التي يجب أن يراها النظام، والسجل المهني أو التاريخ التشغيلي الذي يحتاجه، والأدوات التي يمكنه استخدامها، والصلاحيات التي تحدد ما يستطيع فعله وما لا يستطيع. هنا يظهر مفهوم هندسة السياق، أي تصميم الإطار الكامل الذي يعمل داخله الذكاء الاصطناعي، بحيث لا يكون مجرد ماكينة لإنتاج نصوص أنيقة، بل عاملًا رقميًا يفهم المهمة وحدودها ومصادرها وخطواتها.
القارئ العربي يعرف هذه الفكرة بصورة قريبة من الحياة اليومية. فالسؤال الجيد يشبه أن تعطي سائقًا عنوان الوجهة بدقة، أما السياق الجيد فيشبه أن تزوده أيضًا بحالة الطريق، والطرق المغلقة، وخريطة الازدحام، ونوع المركبة، وميزانية الوقود، وحتى الإذن بالدخول إلى بعض المناطق. الوجهة قد تكون واحدة، لكن النتيجة النهائية تختلف جذريًا حسب المعلومات المصاحبة. وهذا بالضبط ما يحدث مع أنظمة الذكاء الاصطناعي التوليدي اليوم.
الأهمية هنا أن التفاوت في نتائج النماذج لم يعد يُفسر فقط بجودة النموذج نفسه. فحتى عند استخدام النموذج ذاته، يمكن لمؤسستين أن تحصلا على نتائج متباعدة جدًا، لأن إحداهما ربطته ببيانات حديثة وأدوات عمل وصلاحيات واضحة، فيما تركته الأخرى يعمل داخل فراغ معلوماتي. بهذا المعنى، لم تعد المنافسة فقط على من يملك النموذج الأقوى، بل على من يملك البنية الأذكى لتشغيله.
الخبر الكوري يلفت الانتباه إلى أن البرومبت لم يفقد قيمته، لكنه لم يعد البطل الوحيد. لقد أصبح جزءًا من منظومة أكبر. السؤال الجيد مهم، لكن السؤال وحده لا يعوض غياب البيانات، ولا يحل مشكلة الأدوات غير المتاحة، ولا يصحح غموض الصلاحيات. ومن هنا يبدأ فصل جديد في اقتصاد الذكاء الاصطناعي، فصل يهم العالم العربي بقدر ما يهم شرق آسيا.
ما المقصود بهندسة السياق، ولماذا تغيّر قواعد اللعبة؟
هندسة السياق ليست حشد أكبر كمية ممكنة من المعلومات أمام النموذج. الفكرة أدق من ذلك بكثير. المطلوب هو اختيار المعلومات ذات الصلة بالمهمة الحالية، وتنظيمها بطريقة يفهمها النظام، وتقديمها في اللحظة المناسبة، وربطها بالأدوات والصلاحيات الملائمة. أي أن الجودة هنا لا تقاس بالكم، بل بالترابط والملاءمة والتوقيت.
في بيئة العمل الحديثة، لا تكفي الإجابة العامة. إذا طلبت من الذكاء الاصطناعي تلخيص تقرير مالي، فقد يبدو الأمر بسيطًا. لكن ماذا لو كان المطلوب تلخيصه وفق سياسة الشركة الداخلية؟ أو مقارنته بنتائج الربع السابق؟ أو إحالته مباشرة إلى نظام آخر للمراجعة؟ هنا يصبح السؤال وحده عاجزًا عن إنجاز المهمة. الذكاء الاصطناعي يحتاج إلى الوصول إلى الوثائق الصحيحة، وإلى معرفة ما الذي حدث في المرات السابقة، وإلى استخدام أداة معينة، وربما إلى صلاحية محددة تسمح له بفتح ملف أو تحديث مسودة أو إرسال إشعار.
هذا ما يجعل السياق عنصرًا بنيويًا لا تفصيلاً تقنيًا. فحين يفتقر النظام إلى البيانات الملائمة، يقدم إجابة عامة. وحين يغيب عنه تاريخ المعالجة السابق، قد ينتج مخرجات لا تنسجم مع ما تم إنجازه من قبل. وحين تُحجب عنه الأدوات، يتوقف عند منتصف الطريق. وحين لا تكون صلاحياته محددة، يصبح المجال بين الممكن والممنوع رماديًا ومرتبكًا. لذلك فإن تصميم السياق يعني عمليًا تصميم طريقة العمل نفسها، لا مجرد تحسين واجهة استخدامها.
ولعل أهم ما في هذا التوجه أنه يعيد الاعتبار إلى المعرفة المؤسسية المتراكمة. فالقيمة لم تعد فقط في امتلاك اشتراك في نموذج عالمي شهير، بل في القدرة على تحويل الوثائق والخبرات والإجراءات الداخلية إلى سياق تشغيلي يستطيع الذكاء الاصطناعي أن يعمل من خلاله. هنا تتحول الملفات القديمة، وسجلات خدمة العملاء، وقواعد الامتثال، وأدلة التشغيل، من أرشيف جامد إلى أصول استراتيجية.
في الثقافة العربية، يمكن تشبيه الأمر بفرق واضح بين من يحفظ أبياتًا من الشعر ومن يفهم المقام الذي تُقال فيه. فالكلمات نفسها قد تكون بليغة، لكن أثرها يتغير حسب المكان والمعنى والخلفية. والذكاء الاصطناعي اليوم يقترب من هذه الفكرة؛ إنه لا يزدهر فقط بصياغة جميلة، بل بسياق منظم يمنحه فهمًا عمليًا لما يجري حوله.
لماذا تتقدم كوريا في هذا النقاش الآن؟
اهتمام كوريا الجنوبية بهذا التحول ليس مفاجئًا. فالاقتصاد الكوري يقوم على شركات صناعية وتقنية كبرى، وعلى بيئات تشغيل معقدة تجمع بين التصنيع والخدمات والبرمجيات وسلاسل الإمداد. في مثل هذه البيئات، لا يكفي أن يكون الذكاء الاصطناعي قادرًا على كتابة فقرة جذابة أو إعداد ملخص سريع. المطلوب أن يندمج مع العمليات الفعلية: من خدمة العملاء إلى إدارة المخزون، ومن التوثيق الداخلي إلى دعم فرق التطوير والمبيعات.
لذلك تبدو هندسة السياق في الحالة الكورية امتدادًا طبيعيًا لفكرة أعمق في الاقتصاد الكوري نفسه: الدقة في التنظيم وربط التكنولوجيا بالعملية الإنتاجية. فالدول التي قطعت شوطًا كبيرًا في التصنيع الذكي والأتمتة والخدمات الرقمية لن تكتفي طويلًا بالاحتفاء بالبرومبت بوصفه مهارة فردية. هي تبحث عن مرحلة تصبح فيها الاستفادة من الذكاء الاصطناعي قابلة للتكرار والقياس داخل المؤسسة، لا رهينة لموهبة موظف واحد يجيد كتابة الأوامر.
وهذا يفسر لماذا يتسع النقاش من المطورين إلى فرق الأعمال والمختصين الميدانيين. فالمهندس التقني وحده لا يعرف دائمًا ما هي المعلومة الحاسمة في كل مرحلة من مراحل العمل، كما أن خبير العمليات وحده قد لا يعرف كيف يحول هذه المعرفة إلى بنية قابلة للاستخدام آليًا. من هنا، فإن هندسة السياق تفرض نمطًا من التعاون بين من يعرف المهمة ومن يعرف التقنية. وهي نقطة مهمة جدًا لأن كثيرًا من مشاريع الذكاء الاصطناعي تعثرت عالميًا بسبب هذا الانفصال بين عالم التقنية وعالم الأعمال.
كوريا أيضًا تنظر إلى الذكاء الاصطناعي باعتباره ساحة تنافس دولي لا تُحسم فقط في المختبرات، بل في قدرة الشركات على إدخاله إلى خطوط العمل الفعلية. وهذا درس يهم كل اقتصاد يريد أن يحول الذكاء الاصطناعي من موجة دعائية إلى إنتاجية ملموسة. فالنموذج القوي قد يجذب العناوين، لكن المؤسسة التي تبني سياقًا جيدًا هي التي تترجم تلك القوة إلى وفورات في الوقت ودقة في القرار وتحسين في الخدمة.
بعبارة أخرى، ما يجري في كوريا ليس مجرد تبدل في المصطلحات، بل انتقال من حماس جماهيري حول أدوات جديدة إلى نضج مؤسسي يسأل: كيف نجعل هذه الأدوات تعمل باستمرار، لا في العروض التقديمية فقط؟
ماذا يعني ذلك للشركات العربية والسوق الإقليمية؟
في العالم العربي، شهدنا خلال العامين الماضيين اندفاعًا لافتًا نحو استخدام الذكاء الاصطناعي التوليدي في الإعلام، والتسويق، وخدمة العملاء، والتعليم، وبعض الأعمال الحكومية والمالية. لكن كثيرًا من هذه الاستخدامات ظل محصورًا في مستوى التجربة الفردية: موظف يستعين بالنموذج لصياغة رسالة، أو فريق يستخدمه لإنتاج أفكار أولية، أو مؤسسة تطلق مساعدًا افتراضيًا محدود الصلاحيات. ما تقوله التجربة الكورية اليوم هو أن المرحلة المقبلة ستكافئ من ينتقل من الاستخدام العابر إلى التصميم المؤسسي.
هذا مهم جدًا للأسواق العربية لأن المنطقة ليست فقط مستهلكة للتقنيات، بل أصبحت ساحة استثمار وتحول رقمي متسارع. ومع هذا التسارع تظهر الحاجة إلى حلول ذكاء اصطناعي تفهم العربية وسياقات الأعمال المحلية واللوائح الخاصة بكل قطاع. من دون هندسة سياق جيدة، ستبقى كثير من التطبيقات أسيرة إجابات عامة لا تلائم متطلبات الشركات أو حساسية البيانات أو طبيعة الجمهور العربي.
في قطاعات مثل البنوك والاتصالات والتجارة الإلكترونية والسفر والرعاية الصحية، لا يكفي أن يجيب النظام بلغة سليمة. عليه أن يعرف أي قاعدة داخلية يرجع إليها، وما آخر تفاعل مع العميل، وما الأداة التي يستخدمها، وما الإجراء المسموح له تنفيذه. وهذا يفتح بابًا لفرص كبيرة أمام شركات البرمجيات العربية، وشركات التكامل التقني، ومزودي الخدمات السحابية، لأن القيمة ستتجه أكثر نحو ربط الأنظمة والبيانات والإجراءات، لا نحو شراء النموذج فقط.
كما أن هندسة السياق تطرح على المؤسسات العربية سؤال الحوكمة بحدة أكبر. فمنح الذكاء الاصطناعي حق الوصول إلى الوثائق أو الأنظمة أو أدوات التنفيذ لا يمكن أن يتم بعشوائية. هناك حساسية عالية في المنطقة تجاه البيانات المؤسسية وبيانات العملاء، فضلًا عن اختلاف الأطر التنظيمية من دولة إلى أخرى. ولذلك فإن النجاح في هذه المرحلة لن يكون لمن يفتح كل الأبواب، بل لمن يعرف كيف يبني وصولًا منضبطًا، تدريجيًا، وقابلًا للتتبع.
من زاوية أخرى، يهم هذا التحول قطاع المحتوى العربي نفسه. فلطالما اشتكى المستخدمون من أن النماذج العالمية تبدو قوية في التعبير، لكنها أضعف في التقاط الخصوصية المحلية، سواء في اللهجات أو المصطلحات المهنية أو السياقات الثقافية. هندسة السياق توفر جزءًا من الحل، لأنها تسمح بتغذية النموذج بمراجع داخلية محدثة، وبقواعد تحرير، وبسجل من الأعمال السابقة، ما يجعله أقرب إلى متطلبات السوق العربية الفعلية.
وهنا يظهر بوضوح أن السباق العربي في الذكاء الاصطناعي لا ينبغي أن يُختزل في سؤال: أي نموذج نشتري؟ بل في سؤال أكثر استراتيجية: كيف نجعل بياناتنا وعملياتنا وأدواتنا قابلة للتشغيل الذكي؟
ماذا يعني ذلك للسعودية؟
بالنسبة إلى السعودية، يكتسب هذا التحول أهمية خاصة لأن المملكة تعيش أصلًا مرحلة متقدمة من التحول الرقمي وإعادة تصميم الخدمات والأعمال على نطاق واسع. وفي مثل هذه البيئة، يصبح الذكاء الاصطناعي أكثر فائدة عندما يدخل في صلب العمليات، لا عندما يبقى مجرد طبقة إضافية للكتابة أو التلخيص. ومن هنا تبدو هندسة السياق أقرب إلى احتياج عملي، لا إلى مفهوم نظري جديد.
في السوق السعودية، هناك قطاعات يمكن أن تستفيد مباشرة من هذا النهج، مثل الخدمات الحكومية الرقمية، والقطاع المالي، والتجزئة، واللوجستيات، والطاقة، والرعاية الصحية. لكن الاستفادة الحقيقية لن تأتي من تشغيل نموذج يتحدث العربية فحسب، بل من ربطه بالسياق السعودي الفعلي: السياسات الداخلية، وسجلات المعاملات، وقواعد الامتثال، وأنظمة العمل القائمة، والصلاحيات المحددة لكل دور وظيفي. أي أن السؤال لم يعد: هل نستخدم الذكاء الاصطناعي؟ بل: هل أعددنا له بيئة عمل منضبطة تحاكي الواقع المؤسسي السعودي؟
هذا يهم أيضًا علاقة المملكة بكوريا الجنوبية. فالتعاون بين الجانبين لا يقتصر على الاستهلاك الثقافي أو حضور العلامات التجارية الكورية في السوق، بل يمتد إلى الصناعة والتقنية والبنية التحتية والطاقة والمدن الذكية. وإذا كانت كوريا تتحرك نحو تعميق الذكاء الاصطناعي داخل بيئات العمل عبر هندسة السياق، فإن ذلك يخلق مجالًا واضحًا للتعاون المعرفي والتجاري: من نقل الخبرات في التكامل التشغيلي، إلى بناء حلول مؤسسية مشتركة، إلى تدريب الكفاءات التي تجمع بين فهم الأعمال وفهم التقنية.
ومن منظور الجمهور السعودي، قد يبدو الحديث عن السياق تقنيًا ومعقدًا، لكنه في الحقيقة يمس جودة الخدمة التي يتلقاها الفرد كل يوم. حين يتعامل المواطن أو المقيم مع مساعد ذكي في بنك أو متجر أو منصة خدمية، فهو لا يريد إجابة إنشائية، بل يريد خدمة صحيحة وسريعة ومتسقة مع حالته الفعلية. وهذه النتيجة لا تنتج من براعة السؤال وحدها، بل من جودة السياق الذي بُني للنظام خلف الشاشة.
أما بالنسبة إلى الشركات السعودية، فالتحدي سيكمن في ترتيب المعرفة الداخلية قبل ضخها في أي نظام ذكي. المؤسسات التي تمتلك وثائق غير منظمة، أو بيانات متناثرة، أو إجراءات غير موحدة، ستجد أن الذكاء الاصطناعي يعكس هذا الارتباك بدل أن يحله. أما الشركات التي تستثمر في تنظيم المعرفة، وتحديد الصلاحيات، وربط الأدوات، فستكون أقرب إلى جني عائد فعلي من التقنية. وهذا درس مهم في مرحلة ترتفع فيها التوقعات كثيرًا حول ما يمكن للذكاء الاصطناعي أن يحققه.
بكلمات مباشرة، ما يهم السعودية هنا ليس مجرد متابعة نقاش كوري داخلي، بل قراءة إشارة مبكرة إلى أين تتجه القيمة في السوق العالمية: من شراء الذكاء الاصطناعي إلى هندسة تشغيله، ومن الإعجاب بالمخرجات إلى السيطرة على الشروط التي تصنع هذه المخرجات.
من نجم فردي إلى بنية مؤسسية: كيف تتغير المهارات المطلوبة؟
أحد أكثر الجوانب إثارة في هذا التحول أنه يعيد تعريف من هو الشخص الجيد في استخدام الذكاء الاصطناعي. في الموجة الأولى، كان الإعجاب يتجه إلى من يعرف كتابة أوامر طويلة وذكية ويستخرج نتائج مبهرة. أما في الموجة الجديدة، فسترتفع قيمة من يفهم العمل نفسه: ما الهدف؟ ما الخطوات؟ ما الوثائق المرجعية؟ ما الأداة المناسبة؟ ما حدود الصلاحيات؟ هذا الشخص قد لا يكتب أكثر البرومبتات لمعانًا، لكنه يملك ما هو أهم: القدرة على تحويل العمل إلى سياق قابل للتنفيذ.
هذا يعني أن الذكاء الاصطناعي لن يبقى ملفًا محصورًا في أقسام التقنية. فرق العمليات، والامتثال، والموارد البشرية، وخدمة العملاء، والتحرير، والمشتريات، كلها معنية. لأن أفضل من يصف السياق عادة هو من يعيش تفاصيل المهمة يوميًا. وحين تتلاقى هذه المعرفة مع فرق التطوير والبيانات، تبدأ المؤسسة في بناء ذكاء اصطناعي أكثر نضجًا وأقل اعتمادًا على الاجتهاد الفردي.
في العالم العربي، لهذه النقطة أهمية مضاعفة. فالكثير من المؤسسات ما زالت تتعامل مع الذكاء الاصطناعي بوصفه أداة منفصلة عن سير العمل. النتيجة تكون غالبًا عروضًا مبهرة لكن أثرها محدود. أما هندسة السياق فتدفع باتجاه مختلف: اجعل الذكاء الاصطناعي جزءًا من العملية نفسها، مع قواعد واضحة، ومصادر محددة، وأدوار معلومة. عندها يصبح الحديث عن الإنتاجية أكثر واقعية، وعن المخاطر أكثر قابلية للسيطرة.
ولعل هذا يفسر أيضًا لماذا قد تتراجع مع الوقت الهالة المحيطة بعبارة مهندس البرومبت بوصفها وظيفة قائمة بذاتها، ليحل محلها طلب أكبر على أدوار هجينة: مختص أعمال يفهم الذكاء الاصطناعي، أو مهندس بيانات يفهم سير العمليات، أو مدير منتج يجيد ترجمة احتياجات المؤسسة إلى بنية تشغيلية. مثل هذه الأدوار ستكون مطلوبة عربيًا أيضًا، خصوصًا في الأسواق التي تبني خدمات رقمية واسعة النطاق.
الدرس هنا بسيط وعميق في آن واحد: التقنية لا تكافئ فقط من يطرح السؤال الأذكى، بل من يصمم المسرح كله قبل أن يبدأ العرض.
ما الذي يجب مراقبته في المرحلة المقبلة؟
إذا كان عام الحماس للذكاء الاصطناعي التوليدي قد دار حول ما يستطيع النموذج كتابته، فإن المرحلة المقبلة ستدور حول ما يستطيع إنجازه داخل مؤسسة حقيقية. وهذا يفتح مجموعة من الأسئلة التي ينبغي على الشركات العربية، وصناع القرار، وحتى الجامعات ومراكز التدريب، متابعتها عن كثب.
أولًا، سنرى اهتمامًا أكبر بالبنية الداخلية للبيانات. المؤسسات التي تستعد جيدًا ستبدأ بتنظيف المعرفة المؤسسية، وتحديث الوثائق، وربط الأنظمة، وبناء طبقات وصول آمنة ومنظمة. ثانيًا، ستصبح الحوكمة جزءًا مركزيًا من الحديث، لأن الصلاحيات لم تعد تفصيلًا إداريًا، بل عنصرًا مباشرًا في جودة مخرجات الذكاء الاصطناعي. ثالثًا، ستزداد قيمة الحلول التي تجمع بين العربية الجيدة والفهم المؤسسي المحلي، بدل الاكتفاء بنماذج عامة تتحدث بلغة سليمة لكنها لا تفهم بيئة العمل.
كما أن العلاقة بين العالم العربي وكوريا قد تجد في هذا المسار مساحة جديدة. فالموجة الكورية التي عرفها الجمهور العربي عبر الدراما والموسيقى والجماليات الاستهلاكية قد تتوسع هنا إلى موجة من نوع آخر: موجة الخبرة التشغيلية في الذكاء الاصطناعي. فالأسواق العربية التي تبني مدنًا ذكية وخدمات رقمية متقدمة تحتاج إلى شركاء لا يقدمون التقنية فقط، بل يقدمون معها خبرة في دمجها داخل الأعمال اليومية. وهذه إحدى الرسائل المهمة القادمة من النقاش الكوري الحالي.
في النهاية، قد يبدو مفهوم هندسة السياق أقل بريقًا من العناوين المعتادة حول النماذج الخارقة، لكنه في الحقيقة أكثر التصاقًا بالاقتصاد الحقيقي. فالمؤسسات لا تُقاس بقدرتها على إثارة الدهشة لدقائق، بل بقدرتها على تنفيذ العمل بدقة واستمرارية وأمان. ومن هذه الزاوية، فإن ما يحدث الآن ليس مجرد تطور تقني، بل إعادة توزيع للقيمة داخل سوق الذكاء الاصطناعي العالمي.
الذين انتصروا أمس لأنهم كتبوا أفضل سؤال، قد لا يكونون وحدهم المنتصرين غدًا. الانتصار المقبل سيكون لمن يفهم العمل، وينظم المعرفة، ويضبط الصلاحيات، ويصمم السياق. وهناك، بالتحديد، تبدأ قصة جديدة تهم كوريا والعالم العربي معًا.
0 تعليقات