دليل Build vs. Cut: كيف تحدّد نطاق منتج ذكاء اصطناعي يعمل فعلًا

يبدأ معظم المؤسسين مشروع الذكاء الاصطناعي بالسؤال نفسه: ماذا نبني — روبوت محادثة، أم وكيل ذكاء اصطناعي، أم نظامًا يعتمد على RAG؟ يبدو هذا سؤالًا منطقيًا، لكنه ليس كذلك. إنه سؤال تقني يُطرح قبل سؤال المنتج، وهو الطريق الذي يوصل الفرق، بعد ستة أشهر، إلى نظام مبهر لا يثق فيه أحد، ولا يستطيع أحد تصحيح أخطائه، ولم يكن أحد بحاجة إليه أصلًا.

السؤال الأصح الذي يجب طرحه أولًا هو: ما أبسط منتج قائم على الذكاء الاصطناعي يمكنه اجتياز اختبار حقيقي؟

هذا السؤال هو جوهر Build vs. Cut — منهج Sprint966 لتحديد ما يحتاجه المنتج الآن، وما يجب استبعاده من النسخة الأولى حتى يثبت أنه ضروري. Sprint966 هو استوديو منتجات ذكاء اصطناعي لمؤسسي الشركات الناشئة التي تعمل في السعودية. نساعد المؤسسين على تحديد نطاق منتجاتهم، وتصميمها، وبنائها، وإطلاقها، وتطويرها — منتجات ذكاء اصطناعي مركّزة، دون مبالغة في البناء، ودون الحاجة لتوظيف فريق تقني كامل، ودون إهدار أشهر في بناء المنتج الخطأ. وعد Sprint966 هو: ابنِ منتج الذكاء الاصطناعي الصحيح من البداية. معظم مخاطر منتج الذكاء الاصطناعي تُحسم قبل كتابة أول سطر كود — فيما تختار بناءه، وبالقدر نفسه من الأهمية، فيما تختار استبعاده.

يقدّم هذا الدليل المنهج كاملًا: لماذا تنحرف منتجات الذكاء الاصطناعي عن مسارها في مرحلة تحديد النطاق، ودرجات سلّم Sprint966 للبنية التقنية الثماني، وكيف تبدو النسخة الأولى الحقيقية، وكيف تتعامل مع الإجراءات الخطرة، وكيف تُثبت — بالاختبارات لا بالانطباعات — أن المنتج يعمل.

لمن هذا الدليل؟

هذا الدليل موجّه لمؤسسي الشركات الناشئة التي تعمل في السعودية، ممن يفكّرون في بناء منتج قائم على الذكاء الاصطناعي، أو الذين بدأوا بالفعل ويريدون التأكد من أنهم يبنون الشيء الصحيح. لا تحتاج إلى خلفية تقنية لتستفيد منه، لكنك تحتاج إلى الاستعداد لتحديد المهمة قبل اختيار التقنية.

يفيدك هذا الدليل أيضًا إن كنت تقيّم وكالات أو استوديوهات ذكاء اصطناعي، وتريد أن تعرف الأسئلة التي يجب أن يطرحها الشريك الموثوق قبل أن يوصي بأي حل تقني.

لماذا تفشل معظم منتجات الذكاء الاصطناعي قبل أن يكون النموذج هو المشكلة؟

في تجربة Sprint966، كثير من إخفاقات منتجات الذكاء الاصطناعي تبدأ كإخفاقات في تحديد النطاق، لا كإخفاقات في النموذج نفسه. في هذه الحالات، لم يكن النموذج هو المشكلة الأساسية. المشكلة أن مكوّن ذكاء اصطناعي احتمالي وُضع في مكان كان فيه منطق برمجي بسيط كفيلًا بأداء المهمة، أو أن نظامًا مستقلًا بُني لعملية لم يرسمها أحد من قبل، أو أن منتجًا أُطلق دون اختبار يوضح لأي أحد إن كان يتحسّن أم يتراجع. هذا ما تعلمناه من الممارسة، وهو يتوافق مع الطريقة التي يتعامل بها أكثر البنّائين والجهات المعيارية حرصًا مع هذه المشكلة.

NIST — الجهة المعيارية الأمريكية — تتعامل مع مخاطر الذكاء الاصطناعي التوليدي باعتبارها مخاطر تُدار عبر دورة حياة النظام كاملة: التصميم، والتطوير، والنشر، والتشغيل، وما بعده. فالمخاطرة ليست خاصية في نموذج تختاره مرة واحدة، بل خاصية في النظام الذي تشغّله باستمرار.¹

وتشير إرشادات Anthropic الهندسية إلى الاتجاه نفسه: ابحث عن أبسط حل ممكن، ولا تُضف تعقيدًا إلا حين يثبت الاختبار أن التصميم الأبسط قاصر فعلًا. كثير من التطبيقات تُؤدَّى جيدًا باستدعاء واحد محسَّن للنموذج، مدعوم باسترجاع المعلومات وأمثلة جيدة — دون الحاجة إلى وكيل ذكاء اصطناعي على الإطلاق.⁵

ما هو منهج Build vs. Cut؟

يتعامل Build vs. Cut مع قرارات منتج الذكاء الاصطناعي باعتبارها قرارات مبنية على الأدلة، لا على الطموح. قبل بناء أي شيء، تُحدَّد المهمة، ومعايير النجاح، والخطأ المقبول، وتُثبَّت في مجموعة اختبار مستمدة من عمل حقيقي. يبدأ المنتج من أدنى درجة في سلّم البنية التقنية يُحتمل أن تنجح فيها — القواعد قبل الأوامر النصية، والأوامر النصية قبل الاسترجاع، وسير العمل قبل الوكلاء — ولا يُصعَّد إلى درجة أعلى إلا حين يثبت الاختبار أن التصميم الأبسط يفشل فعلًا. كل إجراء خطر أو غير قابل للتراجع يبقى خلف موافقة بشرية، وكل خطوة يقوم بها الذكاء الاصطناعي تُرصَد منذ اليوم الأول، بحيث يمكن إعادة تشغيل أي إخفاق وتحديد تكلفته وإصلاحه. النتيجة منتج مركّز يعمل فعلًا، بدلًا من نظام مبهر لا يمكن الوثوق به، ولا تصحيح أخطائه، ولا تحمّل تكلفته.

الخطوات الخمس

1. 1
   فحص النطاق (Scope Check).

   حدّد المهمة في جملة واحدة: من يستخدم المنتج، وما معنى «الإجابة الصحيحة»، وما تكلفة الإجابة أو الإجراء الخاطئ. حدّد الخطأ المقبول قبل اختيار أي تقنية. افصل بين ما يجب أن يبقى منطقًا حتميًا — كالتسعير والصلاحيات والأهلية — وما يستفيد فعلًا من الذكاء الاصطناعي: كالفهم، والصياغة، والاستخراج.

2. 2
   تثبيت الأدلة.

   اجمع أمثلة حقيقية من المهمة: من سجلات الدعم، أو المستندات، أو بتنفيذ العمل يدويًا وتسجيل كل خطوة فيه. هذا ما يُصبح مجموعة الاختبار المرجعية: الامتحان الذي يجب أن تجتازه كل نسخة من المنتج. إن لم تكن العملية مفهومة بما يكفي لبناء هذه المجموعة، نفّذها يدويًا أولًا. هذا ليس تأخيرًا في البناء، بل خطوة منه.

3. 3
   ابنِ أدنى درجة قادرة على النجاح.

   ابدأ من أبسط درجة في سلّم البنية التقنية يُحتمل أن تجتاز بها الاختبار. أضِف الاسترجاع فقط إذا أثبت الاختبار أن سبب الفشل هو نقص المعرفة. اختر سير عمل بخطوات ذكاء اصطناعي محدودة بدلًا من وكيل، كلما أمكن رسم العملية مسبقًا.

4. 4
   اضبط المخاطرة بنقاط موافقة.

   الذكاء الاصطناعي يقترح؛ والفحوص الحتمية والبشر يوافقون. كل إجراء غير قابل للتراجع — تحريك الأموال، تعديل السجلات، التواصل الصادر — يبقى خلف نقطة موافقة، وتُمنح الأدوات أضيق صلاحيات تكفي لأداء عملها.³

5. 5
   رصد، قياس، ثم تصعيد إن لزم.

   أطلق النسخة الأولى مع تتبّع كامل — المدخلات، والأدلة، وإصدار النموذج، والتكلفة، وزمن الاستجابة، والنتيجة — واجعل درجة مجموعة الاختبار المرجعية نقطة فحص تمنع أي تراجع. لا تُصعّد إلى درجة أعلى، ولا توسّع الاستقلالية، إلا حين يُظهر القياس أن التصميم الحالي يفشل في المقياس المهم فعلًا.

الخطوتان 1 و2 هما ما حوّلناه إلى منتج قائم بذاته: فحص نطاق منتج الذكاء الاصطناعي (AI Product Scope Check) — التزام محدد النطاق ينتهي بحصولك على مجموعة الاختبار المرجعية، ودرجتك على السلّم، وموقفك تجاه المخاطرة، ومعيار النجاح قبل الإطلاق، كلها مكتوبة. أما الخطوات من 3 إلى 5 فهي مرحلة التنفيذ.

ما هو سلّم Sprint966 للبنية التقنية (Architecture Ladder)؟

يضع سلّم Sprint966 للبنية التقنية كل فكرة منتج قائم على الذكاء الاصطناعي عند المستوى الصحيح من التعقيد. ثماني درجات، مرتّبة من الأبسط إلى الأكثر تعقيدًا.

كيف تبدو النسخة الأولى لمنتج ذكاء اصطناعي في الواقع؟

إليك المنهج مطبّقًا على نمط مشكلة نراه كثيرًا: فريق عمليات توصيل يغرق في الاستثناءات.

هذا ما يفعله Build vs. Cut: يحوّل طلب «ابنِ لي وكيل ذكاء اصطناعي» إلى نسخة أولى مركّزة وقابلة للاختبار — وينتج قائمة مكتوبة بكل ما استُبعد عمدًا، مع معيار الأدلة الذي يجب أن يجتازه كل عنصر مستبعد قبل أن يكتسب حقه في الدخول.

هل يجب أن يتصرف الذكاء الاصطناعي تلقائيًا؟

يستطيع الذكاء الاصطناعي أن يصوغ، ويصنّف، ويستخرج، ويوجّه، ويوصي — وهذا معظم القيمة. لكن البشر يوافقون على كل ما هو غير قابل للتراجع أو عالي المخاطرة. هذا ليس حذرًا لمجرد الحذر. توصي OWASP، وهي المنظمة صاحبة إرشادات أمن التطبيقات واسعة الاعتماد، بمبدأ أقل الصلاحيات لأنظمة الذكاء الاصطناعي، وتنص صراحة على ضرورة الموافقة البشرية على الإجراءات عالية المخاطرة — لأن حَقن الأوامر (prompt injection)، حيث يخدع نص ضار النموذج ليتجاهل تعليماته، مخاطرة متأصلة في طبقة التطبيق، تخفّفها الدفاعات الحالية دون أن تحلّها كليًا.^{3 4}

تحفّظ واحد بصدق: إضافة إنسان إلى العملية ليست حلًا تلقائيًا. تُظهر أبحاث في اتخاذ القرار المشترك بين الإنسان والذكاء الاصطناعي أن المراجِعين قد يفرطون في الثقة بمخرجات الذكاء الاصطناعي، فيوافقون على إجابات خاطئة — وفعالية المراجعة تعتمد على كيفية تصميم خطوة المراجعة نفسها.^{14 15 16} نقطة الموافقة الحقيقية تحتاج إلى قوائم تحقق، ومراجعات عشوائية لعيّنات، ومعايير واضحة — لا نظرة سريعة ونقرة.

بعد ذلك، تُكتسب الاستقلالية إجراءً بإجراء: حين يُظهر سجل الموافقات أن الموظف البشري لا يرفض إجراءً معينًا تقريبًا أبدًا، يصبح هذا الإجراء — وهو فقط — مرشحًا للأتمتة.

كيف تعرف أن منتج الذكاء الاصطناعي يعمل؟

تعرف ذلك لأنه يجتاز اختبارًا كان موجودًا قبل المنتج نفسه.

مجموعة الاختبار المرجعية (Golden Dataset)

مجموعة الاختبار المرجعية هي اختبار قيادة منتجك. قبل البناء، نجمع أمثلة تعكس العمل الفعلي — ويمكن أن تكون منزوعة الهوية أو معاد بناؤها أو اصطناعية، ما دامت تحافظ على صعوبة المهمة والنتيجة المتوقعة — مع نتيجة صحيحة مكتوبة لكل منها. عمليًا، يُعد نطاق من 50 إلى 100 مثال مُنتقى بعناية نقطة بداية مفيدة لمنتج أول، مع أن الحجم الصحيح يعتمد على طبيعة المهمة. تخضع كل نسخة من المنتج للامتحان نفسه؛ ترتفع الدرجة فيُطلق التغيير، وتنخفض فلا يُطلق. تعكس إرشادات OpenAI الانضباط نفسه: أعِدّ التقييمات أولًا، وقِس عليها قبل اللجوء إلى أدوات أثقل.⁸

قبل الإطلاق

قِس الأداء مقابل مجموعة الاختبار المرجعية — عدة مرات، لا مرة واحدة، لأن أنظمة الذكاء الاصطناعي تتفاوت بين تشغيلة وأخرى. قِس كل جزء على حدة، لأن رقم «دقة» واحد يُخفي مكان الفشل الحقيقي. في منتجات RAG، تُقاس جودة الاسترجاع بمعزل عن جودة الإجابة؛ فالاسترجاع غالبًا ما يكون عنق الزجاجة.⁹ وفي سير العمل والوكلاء، قِس الخطوات والنتيجة النهائية معًا.

بعد الإطلاق

يستمر القياس: عيّنات من حركة الاستخدام الفعلية تُقاس بالمعيار نفسه، إضافة إلى التكلفة لكل مهمة، وزمن الاستجابة، ومعدلات الفشل والتجاوز البشري، والسلوك عبر تغييرات النموذج أو الأوامر النصية. تُتبَّع كل خطوة يقوم بها الذكاء الاصطناعي — المدخلات، والمخرجات، والأدلة، وإصدار النموذج، والتكلفة، والنتيجة — بحيث يمكن إعادة تشغيل أي حادث وإصلاحه. هذا النوع من المراقبة التفصيلية إرشاد تنفيذي قياسي عبر أبرز منصات الذكاء الاصطناعي.^{10 11} وتتعامل NIST كذلك مع المتابعة المستمرة بعد الإطلاق باعتبارها جزءًا من إدارة مخاطر الذكاء الاصطناعي التوليدي.¹

ما الذي يختلف في بناء منتجات الذكاء الاصطناعي بالعربية؟

كثير من أمثلة اختبار الذكاء الاصطناعي، ومعايير القياس، وأدلة التنفيذ، يسهل إيجادها بالإنجليزية أكثر من إيجادها بالسياق العربي الدقيق — بلهجاته، وثنائية لغته — الذي قد يواجهه منتجك. حين يعيش منتجك باللغة العربية، وخصوصًا باللهجة الحقيقية لا بالفصحى المدرسية، ترث اختبارات جاهزة أقل تناسب سياقك بالضبط.

إجابة Sprint966 ممارسة، لا ادعاء: نبني مجموعة اختبار مرجعية عربية خاصة بكل عميل، لكل مشروع. أمثلة تعكس العمل الفعلي باللهجة التي يكتب بها عملاؤك فعلًا، ويمكن أن تكون منزوعة الهوية أو معاد بناؤها حسب الحاجة. مستندات ثنائية اللغة — لأن الأعمال السعودية تُدار بالعربية والإنجليزية معًا، وغالبًا في الملف نفسه. حالات استثنائية حقيقية: أكواد منتجات مختلطة الحروف، وتفاصيل تنسيق من اليمين إلى اليسار، والطريقة التي يصوغ بها عميل غاضب شكواه فعلًا على واتساب.

لا ندّعي امتلاك معايير قياس عربية خاصة بنا، ولن نخبرك أن الذكاء الاصطناعي بالعربية جيد أو سيئ بشكل عام — فمثل هذه الأحكام الشاملة غير قابلة للاختبار ولا تساعدك على إطلاق منتجك فعليًا. ما سنفعله هو التأكد من اختبار منتجك مقابل عربيتك أنت، قبل الإطلاق وبعده، وبالمعيار المكتوب نفسه الذي نطبقه على كل ما نبنيه.

بالنسبة للمؤسسين في السعودية، هذا هو الفرق العملي بين عرض تجريبي أبهر الحضور بالإنجليزية، ومنتج يصمد أمام عملائك الحقيقيين.

الأسئلة الشائعة

المصادر

1. NIST AI 600-1
2. NIST AI RMF 1.0
3. OWASP LLM01
4. OWASP Prompt Injection Cheat Sheet
5. Anthropic: Building Effective AI Agents
6. Anthropic: Contextual Retrieval
7. OpenAI: Supervised Fine-Tuning
8. OpenAI: Evals
9. Microsoft: RAG Evaluators
10. Microsoft: Foundry Tracing
11. AWS CloudWatch GenAI Observability
12. Lewis et al. — Retrieval-Augmented Generation
13. Liu et al. — Lost in the Middle
14. Buçinca et al. — Automation Bias
15. Chen et al. — Human-AI Reliance
16. Vasconcelos et al. — AI Overreliance
17. سدايا — مبادئ أخلاقيات الذكاء الاصطناعي