حوكمة الذكاء الاصطناعي في كاليفورنيا: ترقية البنية التحتية الرقمية الحضرية من المرحلة التجريبية إلى الإنتاج

حوكمة الذكاء الاصطناعي في كاليفورنيا: ترقية البنية التحتية الرقمية للمدن من التجارب إلى الإنتاج

عندما يعمل الذكاء الاصطناعي بالفعل بهدوء داخل مباني المكاتب الحكومية - حيث يستخدم الموظفون Copilot لصياغة المستندات، ويقوم الموردون بتضمين النماذج في البرامج - فإن التحدي الذي تواجهه الحكومات لم يعد "هل نجرب؟" بل "كيف نجعل التجارب الجارية تنتقل بأمان إلى مرحلة الإنتاج؟". إجابة كاليفورنيا تشكل نموذجًا جديدًا للحوكمة الرقمية للمدن في المستقبل.

لماذا بدأت الأنظمة الحضرية في تبني الذكاء الاصطناعي

لم تتبنَّ كاليفورنيا الذكاء الاصطناعي فجأة. فقد وضع الأمر التنفيذي لعام 2023 N-12-23 الأساس لذكاء اصطناعي آمن ومسؤول، ثم تبعته سياسات GenAI وإطار "اختر رحلتك الخاصة مع GenAI". لكن الدافع الحقيقي للتغيير كان تعقيد الأنظمة الحضرية نفسها: يتطلب التحقق من أهلية الخدمات الاجتماعية التحقق من المعلومات عبر أنظمة قديمة متعددة، وقد يستغرق العمل الورقي لكل حالة أيامًا. عندما لا يمكن حل اختناقات الكفاءة من خلال ترقيات تكنولوجيا المعلومات التقليدية، يصبح الذكاء الاصطناعي خيارًا لا مفر منه لإعادة هيكلة النظام.

يكشف هذا عن اتجاه أعمق: التحول الذكي للبنية التحتية الحضرية لا يقوده موردو التكنولوجيا، بل يُفرض بفعل تراكم عمليات الخدمة العامة وارتفاع التكاليف البشرية. تشير تجربة كاليفورنيا إلى أنه عندما تصبح جزر البيانات والعمليات اليدوية قيودًا صارمة على التشغيل الحضري، يتحول الذكاء الاصطناعي من "خيار إضافي" إلى "ضرورة على مستوى النظام".

لماذا تظل التجارب محصورة في المختبرات

غالبًا ما تواجه المدن ثلاث مشكلات هيكلية حول تجارب الذكاء الاصطناعي، وجوهر هذه المشكلات ليس تقنيًا.

أولاً، عدم وجود رؤية واضحة. تنتشر التجارب عبر إدارات وموردين مختلفين، ولا توجد نظرة موحدة تخبر المديرين عن النماذج التي تعمل، ومدى فعاليتها، وأيها يفشل بصمت. في بيئة تفتقر إلى الرؤية في الوقت الفعلي، لا يمكن الحديث عن الحوكمة.

ثانيًا، انفصال المشتريات. على الرغم من أن كاليفورنيا تشترط إضافة بنود ملحقة بـ GenAI في العقود، إلا أن الموقعين غالبًا لا يفهمون معناها، بل ويخشون من مخاطر الامتثال لدرجة أنهم لا يجرؤون على تحديد خيارات الاستخدام. والنتيجة هي فجوة بين توقعات المشتريات والقدرة على التسليم، مما يؤدي إلى توقف المشاريع في العمليات الورقية.

ثالثًا، عدم كفاية جاهزية البيانات. تعمل التجارب بشكل مثالي على مجموعات بيانات صغيرة ونظيفة، ولكنها تنهار بمجرد الاتصال ببيانات الإنتاج الحقيقية. البيانات التاريخية للأنظمة الحضرية متفرقة، وهيكلها فوضوي، وجودتها متفاوتة. هنا يتضخم مشكلة "القمامة في الداخل قمامة في الخارج" في الذكاء الاصطناعي لتتحول إلى خطر على النظام.

تسلط هذه النقاط الضوء على التناقض الأساسي في البنية التحتية الرقمية للمدن: هدف التجارب عادةً هو إظهار الإمكانيات، بينما هدف أنظمة الإنتاج هو التشغيل الموثوق. للانتقال من الإمكانية إلى الموثوقية، نحتاج إلى منطق تشغيلي جديد تمامًا.

الحوكمة ليست مجرد نظرية

"لا يمكنك حوكمة ما لا تراه". تترجم هذه المقولة في حالة كاليفورنيا إلى مبدأ تشغيلي: قبل وضع السياسات، احصل أولاً على الحقيقة في الوقت الفعلي من بيئة الذكاء الاصطناعي - ليس بناءً على استبيانات، بل بناءً على ما يفعله الموظفون والموردون بالفعل.استراتيجية الحوكمة في كاليفورنيا واضحة مجازياً: منح كل موظف حكومي سيارة ماكلارين F1 (أداة ذكاء اصطناعي قوية) دون وضع حدود للسرعة. الحوكمة الجيدة لا تصادر السيارات، بل تضع حدوداً واضحة وسهلة الفهم – حواجز حماية لا تحتاج الموظف العادي لتصفح الكتيبات لفهمها.

عملياً، يعني هذا التدخل في مكان حدوث سلوك الموظف: عندما يلصق شخص ما نصاً حساساً في روبوت محادثة مفتوح ومجاني، يقوم النظام بحظر معلومات التعريف الشخصية في الوقت الفعلي، ووضع علامة على الأدوات غير المصرح بها لتقنية المعلومات، وتوعية الموظف – بدلاً من التقييد المفرط الذي يدفع استخدام الذكاء الاصطناعي إلى السرية.

تمثل هذه الحوكمة المضمنة الاتجاه المستقبلي للحوكمة الرقمية للمدن: لا ينبغي أن تكون إجراءات الأمان سجلات تدقيق لاحقة، بل أنظمة تحكم حدودية مضمنة في سير العمل في الوقت الفعلي. تعتمد على الحوسبة الطرفية ومحركات السياسات، وليس على مستندات الامتثال الثابتة.

مسار نشر شامل من البداية إلى النهاية

توفر ممارسات كاليفورنيا في الخدمة العامة إطاراً قابلاً لإعادة الاستخدام من البداية إلى النهاية. خذ مثال التحقق من أهلية الخدمات الاجتماعية: في البداية، يحتاج مدير الحالة إلى التنقل بين أنظمة قديمة متعددة للتحقق من الجنسية والدخل وتفاصيل الأسرة والتحقق من الاحتيال، وقد تستغرق الحالة الواحدة أياماً.

من خلال عملية موحدة من أربع مراحل (تعريف الأعمال والرعاية ← تكامل البيانات وتقييم المخاطر ← اختيار النموذج المناسب للشراء ← تجربة صغيرة النطاق والتحقق التكراري)، ضغطت هذه الحالة متوسط وقت المعالجة من حوالي 4 ساعات إلى 3 ساعات، أي توفير حوالي 20%، مع إبقاء الإنسان في الحلقة. عبر 200 ألف حالة، وصل العائد على الاستثمار إلى 3-4 أضعاف.

النقاط الرئيسية: يجب أن يرتكز كل حالة استخدام على مشكلة عمل واضحة، وأن يكون لها مالك واضح (بدلاً من اتخاذ قرارات متعددة تؤدي إلى الركود)، وقبول واقع تعدد النماذج (Copilot، ChatGPT، Claude إلخ). وهذا يتطلب إنشاء طبقة بيانات موحدة لتجنب ظهور جزر بيانات جديدة.

هيكل التكلفة المهمل

عند التخطيط للبنية التحتية للذكاء الاصطناعي، ترى المدن عادةً فقط قمة جبل الجليد من تكاليف البرمجيات. تُظهر البيانات الفعلية من كاليفورنيا أن البرمجيات لا تمثل سوى 10-15% من إجمالي الإنفاق. تشكل تنظيف البيانات وترحيلها 30-40% (قضت بعض مشاريع كاليفورنيا عامين فقط في إعداد البيانات)، والتحول والحوكمة والتحقق المستقل والتصديق 20-25%، بينما إدارة التغيير والمراقبة المستمرة للنموذج – التي غالباً ما يتم تجاهلها بصمت – لا يستهان بها أيضاً.

يشير هذا لمستثمري المدن الذكية: التكلفة الحقيقية للبنية التحتية للذكاء الاصطناعي ليست في الحوسبة وتراخيص النماذج، بل في الهندسة النظامية حول البيانات والعمليات والأشخاص.

ابدأ صغيراً، ابدأ الآن

بالنسبة للمدن المتوسطة والصغيرة التي تفتقر إلى فرق مخصصة للذكاء الاصطناعي، توصي كاليفورنيا: استغل المرونة. لست بحاجة إلى مسؤول ذكاء اصطناعي رئيسي، بل تحتاج فقط إلى مالك واضح وعمليات وحواجز حماية. يمكنك التعاون مع كليات الإدارة لإيجاد سيناريوهات اختبار حقيقية، أو تشكيل تحالفات شراء مع المدن المجاورة.

والخطوة الأولى التي يمكن البدء بها يوم الاثنين المقبل هي: جرد الذكاء الاصطناعي الموجود في بيئتك، وتطبيق القواعد الحالية (سياسات الاستخدام المقبول، معايير أمان البيانات، قوانين السجلات العامة)، وإشراك الموظفين عبر إدارة تغيير صادقة. ثم اختر حالة استخدام واحدة واجعلها جيدة.مسار كاليفورنيا يوفر دليلًا عمليًا للمدن العالمية: ليس انتظار إطار حوكمة مثالي، بل بناء هياكل تكيفية على الأنظمة الحالية، لنقل الذكاء الاصطناعي من التجارب إلى الإنتاج، ومن المختبرات إلى نبض تشغيل المدن.