عندما تستمع إلى بعض العروض الترويجية، يبدو أن تقنية البلوك تشين والذكاء الاصطناعي هما الحل التلقائي لأي مشكلة تواجهها الشركات. لكن الأمر ليس كذلك. ففي معظم الحالات، يؤدي الجمع بين هاتين التقنيتين إلى إنتاج المزيد من الشرائح التقديمية بدلاً من القيمة الحقيقية. ومع ذلك، سيكون من الخطأ اعتبارهما مجرد موضة عابرة.
المسألة الجادة ليست «التقارب الثوري». بل إن المسألة أكثر واقعية: كيف تجعل نظام الذكاء الاصطناعي قابلاً للتحقق عندما تؤثر مخرجاته على القرارات التشغيلية أو المالية أو المتعلقة بالامتثال؟ إذا أنتج نموذج ما تنبيهًا بالمخاطر، أو تقريرًا تنبؤيًا، أو توصية تدخل في عملية رسمية، فسيطرح أحدهم عاجلاً أم آجلاً سؤالاً بسيطًا: من أين جاءت هذه النتيجة، ومن أنتجها، ومتى، وبأي مدخلات، وبأي إصدار من النموذج؟
هنا يمكن أن يكون للبلوك تشين دورها. ليس باعتبارها سحرًا تقنيًّا، بل ككاتب عدل رقمي يسجل الأحداث والإصدارات وأدلة النزاهة في سجل مشترك يصعب التلاعب به. وهي ليست ضرورية دائمًا. وغالبًا ما لا تكون الخيار الأفضل. لكن في بعض السياقات، تتجاوز الضجة الإعلامية المحيطة بها.
المفارقة بسيطة. فالذكاء الاصطناعي قادر على التفسير والتصنيف والتنبؤ والأتمتة، لكنه غالبًا ما يتطلب الثقة. أما تقنية البلوك تشين، فهي تحفظ البيانات وتضع عليها طابعًا زمنيًا وتجعلها قابلة للتحقق، لكنها بحد ذاتها لا «تفهم» شيئًا. الأولى هي بمثابة دماغ رقمي. والأخرى هي سجل لا يمكن تغييره.
عندما يتم دمجهما بشكل جيد، يعوض كل منهما عن نقاط ضعف الآخر. توفر الذكاء الاصطناعي قيمة في عملية اتخاذ القرار. أما تقنية البلوك تشين فتضمن النزاهة وإمكانية التتبع والأدلة الموثقة. وبعبارة أخرى من منظور الأعمال: أنت لا تشتري تقنيتين رائجتين، بل تحاول حل مشكلة تتعلق بالثقة التشغيلية.
بالنسبة لرائد الأعمال أو المدير، فإن السؤال المفيد ليس «هل هذا المزيج هو المستقبل؟». السؤال الصحيح هو آخر: هل توجد في عمليتي عدة أطراف يجب أن تتمكن من التحقق بشكل مستقل من البيانات والقرارات والخطوات؟ إذا كانت الإجابة «لا»، فغالبًا ما تكفي بنية مركزية مصممة جيدًا. أما إذا كانت الإجابة «نعم»، فإن المزيج بين تقنية البلوك تشين والذكاء الاصطناعي يستحق الاهتمام.
السبب وراء كل هذا الحديث عن تقنية البلوك تشين والذكاء الاصطناعي هو سبب حقيقي، على الأقل من الناحية النظرية. فالذكاء الاصطناعي يتخذ قرارات أو ينتج مخرجات تؤثر على الأعمال. أما تقنية البلوك تشين فتنشئ سجلاً للتدقيق مقاومًا للتلاعب. ومعًا، يمكنهما أن يجعلا ما يظل اليوم محصوراً في كثير من الأحيان في السجلات الداخلية للمورد أكثر قابلية للتحقق.
تخيل عملية تقييم، أو تقريرًا تنبؤيًا، أو آلية تُصدر تنبيهات بالمخاطر. إذا أراد العميل أو المدقق أو الجهة الرقابية فهم الكيفية التي تم بها التوصل إلى تلك النتيجة، فسيكون من الضروري تقديم أدلة. ولا تكفي عبارات من قبيل «ثق بالنظام».
في هذا السياق، لا تحل تقنية البلوك تشين محل النموذج. بل تسجل ما يهم حقًا:
قاعدة عملية: إذا كانت القيمة تعتمد على القدرة على إثبات «ما حدث» لأطراف ثالثة، فقد تكون تقنية البلوك تشين مفيدة. أما إذا كان الهدف هو مجرد ضمان سير العملية، فغالبًا ما يكفي وجود قاعدة بيانات جيدة.
وهنا يأتي دور الإطار التنظيمي. وفقًا لشركة «غارتنر»، بحلول عام 2027، ستحتاج 30% من أنظمة الذكاء الاصطناعي عالية المخاطر إلى آليات للتتبع تستند إلى تقنيات مثل «بلوك تشين» لتلبية متطلبات التدقيق والامتثال التنظيمي، لا سيما مع دخول قانون الذكاء الاصطناعي الأوروبي حيز التنفيذ (توقعات «غارتنر»).
لا يعني هذا أن على كل شركة أن تطلق مشروعًا قائمًا على تقنية البلوك تشين. بل يعني أمرًا أكثر واقعية وأهمية: إن قابلية التحقق من مخرجات الذكاء الاصطناعي لم تعد مجرد ميزة إضافية، بل أصبحت الآن مسألة تتعلق بالامتثال.
هناك قصة قصيرة توضح هذه النقطة بشكل أوضح. يستخدم أحد العاملين في المجال المالي نموذجًا لتوليد تنبيهات بشأن المعاملات الشاذة. يعمل النموذج بشكل جيد، لكن المشكلة تظهر لاحقًا: يتعين على فريق الامتثال إعادة تحديد سبب التنبيه، ومصدر البيانات، وإصدار النموذج، والوقت الدقيق لإجراء التحليل. إذا كانت جميع هذه الخطوات موجودة فقط في سجلات المزود، فيجب على العميل أن يثق بها. أما إذا تم تسجيل بعض أدلة النزاهة في نظام يمكن التحقق منه من قبل أطراف متعددة، فإن الأمر يختلف تمامًا.
التكامل يعمل هنا بالضبط. الذكاء الاصطناعي يفسر. والبلوك تشين تصدق.
لا تحتاج معظم الشركات إلى تقنية البلوك تشين في أنظمة الذكاء الاصطناعي الخاصة بها. من الأفضل أن نقول ذلك منذ البداية. فكلما تم تجنب هذا الالتباس مبكرًا، أصبح تقييم الحالات الجادة أسهل.
أستخدم معيارًا بسيطًا. إذا استبعدنا البلوكشين، فهل سيستمر النظام في العمل بنفس الكفاءة؟ إذا كانت الإجابة «نعم»، فمن المحتمل أن البلوكشين غير ضروري. وإذا كانت الإجابة «لا»، فيجب توضيح المشكلة التي يحلها البلوكشين والتي لا تحلها قاعدة البيانات التقليدية.
الأسئلة الصحيحة هي التالية:
هل هناك المزيد من الجهات الفاعلة المستقلة؟
إذا كانت شركة واحدة هي التي تتحكم في البيانات والتطبيق والعمليات، فإن اللامركزية نادرًا ما تضيف قيمة.
هل نحتاج إلى دليل مشترك وقابل للتحقق؟
ليس دليلاً داخلياً. بل دليل يمكن لعدة جهات التحقق منه.
هل هناك خطر حقيقي من الطعن أو التدقيق أو التلاعب؟
إذا كان الجواب نعم، فقد يكون من المنطقي ضمان عدم قابلية التغيير.
وهذا هو السيناريو الأقرب إلى الواقع العملي للعديد من الشركات الصغيرة والمتوسطة. حيث تقوم الذكاء الاصطناعي (AI) بالتنبؤ بالطلب، وتقدير التأخيرات، وتحسين المسارات، ودعم عملية تجديد المخزون. أما تقنية البلوك تشين، فهي تسجل المراحل الرئيسية في سلسلة التوريد، والشهادات، ومصدر المنتجات، وتغيرات الحالة.
وهذا الأمر ينجح عندما يشارك فيه أطراف مختلفون، لكل منهم أنظمته ومصالحه الخاصة. فالمنتج، وشركة النقل، والموزع، وتاجر التجزئة لا يتشاركون دائمًا في نفس قاعدة البيانات ولا في نفس مستوى الثقة المتبادلة. ولذلك، فإن وجود سجل مشترك له منطق صناعي واضح.
ما الذي ينجح في الإنتاج:
أيهما أكثر حساسية:
بالنسبة لمن يرغب في الاطلاع على تطبيقات الذكاء الاصطناعي في مجال الأعمال ذات التأثير الملموس، يجدر به أيضًا الاطلاع على هذه العروض التوضيحية حول العائد على الاستثمار باستخدام الذكاء الاصطناعي.
هنا، يكون تقسيم المهام واضحًا تمامًا. تقوم نماذج التعلم الآلي بتحليل مخططات المعاملات، ومجموعات المحافظ، وأنماط السلوك، وإشارات المخاطر. أما البلوكشين، فتوفر السجل الأصلي للمعاملات التي يتعين التحقيق فيها.
إنها حالة حقيقية، ليس لأنها «تستخدم تقنية البلوكشين»، بل لأن البيانات المراد تحليلها موجودة بالفعل على السلسلة. تستخرج الذكاء الاصطناعي الأنماط من بيئة شفافة لكنها معقدة. أما سجل التدقيق فهو موجود بحكم طبيعة النظام.
في سياق العملات المشفرة، لا تُعدّ تقنية البلوكشين مجرد إضافة هندسية. بل هي الأساس الذي تقوم عليه المشكلة.
الفكرة واعدة: تعمل العقد الموزعة المزودة بوحدات معالجة الرسومات (GPU) على تشغيل نماذج ذات أوزان مفتوحة، بينما تضمن تقنية البلوك تشين أن ناتجًا معينًا قد تم إنتاجه بواسطة النموذج المعلن عنه وبتكوين معين. وتعد القيمة النظرية عالية، لا سيما في ما يتعلق بالحد من الاعتماد على مزود واحد.
لكنها اليوم لا تزال مجالًا مختلطًا. فهي مثيرة للاهتمام من ناحية البنية التحتية، لكنها أقل نضجًا من الناحية المؤسسية. يجب أن تكون العقد موثوقة، وأن تكون اختبارات الصحة قوية، وألا تؤدي تكاليف وأوقات التحقق إلى إهدار الميزة التشغيلية.
هذا أحد أكثر الاتجاهات إثارة للاهتمام، لا سيما في مجالي الرعاية الصحية والمالية. فالتكامل بين تقنية البلوك تشين، والأدلة التشفيرية مثل «أدلة المعرفة الصفرية»، ونماذج الذكاء الاصطناعي يمكن أن يتيح إجراء تحليلات للبيانات الحساسة دون الكشف عن البيانات الأولية.
الإمكانات كبيرة، لكن التعقيد التقني لا يزال مرتفعاً. يعمل هذا النظام بشكل أفضل في حالات محدودة، مصممة جيداً، وتتمتع بانضباط صارم في مجال حوكمة البيانات.
السؤال الذي يجب أن ننطلق منه صريح ولكنه مفيد: هل تعمل على حل مشكلة ثقة بين أطراف مختلفة، أم أنك فقط تزيد من تكلفة نظام كان من الممكن أن يظل بسيطًا؟
إذا كانت بياناتك مخزنة في قاعدة بيانات مركزية تديرها شركتك أو مزود الخدمة الخاص بك، فإن الحاجة الأساسية ليست تقنية البلوك تشين. بل هي الأمن، والتحكم في الوصول، والتسجيل الدقيق، والتشفير، والنسخ الاحتياطي، وفصل الأدوار، والحوكمة.
إذا كان النموذج يعمل على مزود خدمة سحابية واحد ولم يكن هناك من يتحقق من العملية بشكل مستقل، فإن اللامركزية لا تضيف الكثير. بل إنها تزيد من زمن الاستجابة وتكاليف التصميم واحتمالات الخطأ وأعباء التكامل.
تفشل العديد من مقترحات «البلوك تشين + الذكاء الاصطناعي» في هذه المرحلة. فهي تخلط بين ثلاثة مفاهيم مختلفة:
| الوضع | الحل الأكثر احتمالاً |
|---|---|
| مالك واحد للبيانات والنظام | بنية مركزية تُدار بشكل جيد |
| المزيد من الجهات الفاعلة ذات الثقة المحدودة | سجل مشترك قابل للتحقق منه |
| ما نحتاجه هو الأتمتة فقط | الذكاء الاصطناعي، وسير العمل، والتسجيل التقليدي |
لا حاجة إلى شعارات. ما نحتاجه هو الأسئلة الصعبة.
إذا لم يستطع البائع تفسير سبب عدم كفاية قاعدة البيانات التقليدية، فهو لا يقترح بنيةً تقنيةً. بل يبيع قصصًا.
وهنا تدخل أيضًا العوامل المتعلقة بالعالم الواقعي. فاللوائح التنظيمية، واستهلاك الطاقة، والخصوصية ليست مجرد تفاصيل قانونية يمكن تأجيلها إلى اللحظة الأخيرة. إنها القيود التي تفصل النماذج الأولية عن الحلول القابلة للتطبيق.
يجب التعامل مع موضوع الطاقة دون مبالغة. فذكر مصطلح «بلوك تشين» لا يعني تلقائيًا عدم الكفاءة المطلقة. كما أن ذكر مصطلح «الذكاء الاصطناعي» لا يعني تلقائيًا التقدم الذكي. فقد تنطوي كلتا التقنيتين على تكلفة طاقة كبيرة، ومن غير المناسب الجمع بينهما دون تمييز.
التمييز الجاد الأول هو بين آلية «إثبات العمل» (Proof-of-Work) والآليات الأكثر كفاءة مثل «إثبات الحصة» (Proof-of-Stake). وهناك حقيقة واضحة جدًّا في هذا الصدد: فقد أدى انتقال «إيثريوم» إلى آلية التوافق «إثبات الحصة» إلى خفض استهلاك الطاقة في الشبكة بأكثر من 99.95٪، كما وثّق موقع Ethereum.org في شرحه حول استهلاك الطاقة.
هذا لا يعني أن كل استخدام لتقنية البلوكشين مستدام بحكم تعريفه. لكنه يبدد سوء فهم شائعًا: فالأثر على استهلاك الطاقة يعتمد على البنية المختارة. فإذا اقترح عليك أحدهم «البلوكشين + الذكاء الاصطناعي من أجل الاستدامة» استنادًا إلى سلسلة تعتمد على إثبات العمل (Proof-of-Work)، فعليك أن تسأل عن سبب هذا التناقض.
أما النقطة الثانية فهي أكثر تعقيدًا. تعتمد تقنية البلوك تشين على عدم قابلية التغيير. ويتضمن اللائحة العامة لحماية البيانات (GDPR) مبادئ التقليل إلى الحد الأدنى، والمساءلة، وفي بعض الحالات، الحذف. وهذا التوتر هيكلي بطبيعته.
ولهذا السبب، تتجنب التطبيقات الجادة وضع البيانات الشخصية الأولية على السلسلة. وأفضل ممارسة هي الاحتفاظ بالبيانات الحساسة خارج السلسلة واستخدام البلوكشين لتسجيل الأدلة، والتجزئة، وعمليات التوافق، وحالات سير العملية، أو المراجع القابلة للتحقق. ولا يوجد هنا أيضًا أي سحر. بل هو تصميم قانوني وتقني.
بالنسبة لمن يعملون في أوروبا، من المفيد التعمق في موضوع سيادة البيانات والامتثال من الناحية التشغيلية، على سبيل المثال في هذا المقال التفصيلي حول «التعامل مع الامتثال للبيانات في مجال الذكاء الاصطناعي في أوروبا».
تعد الثباتية مفيدة في عمليات التدقيق. لكنها تصبح مشكلة عندما يستخدمها أحدهم كذريعة لتجاهل حماية البيانات.
النقطة الثالثة هي الأكثر أهمية من الناحية الاستراتيجية. تعمل أوروبا على تحويل النقاش من «ما الذي يمكن فعله» إلى «ما الذي يمكن إثباته». وهذا يغير سوق مزودي خدمات الذكاء الاصطناعي.
بالنسبة للشركات الصغيرة والمتوسطة، فإن الرسالة ليست «قم ببناء بلوكشين». بل هي أكثر واقعية: ابدأ في فهم الكيفية التي يوثق بها موردوك النماذج والبيانات والإصدارات والقرارات الآلية وسجلات التدقيق. وفي القطاعات الخاضعة للتنظيم، ستتوقف هذه الأسئلة عن كونها تقنية لتصبح تعاقدية.
هذا ليس استشارة قانونية أو متعلقة بالامتثال. إنه تحليل عملي للسوق. سيتعين على من يشترون أنظمة الذكاء الاصطناعي في أوروبا أن يولوا اهتمامًا متزايدًا بمدى قابلية التحقق، وليس فقط بالدقة المتصورة.
بالنسبة لمعظم الشركات الصغيرة والمتوسطة، فإن الاستنتاج مطمئن: لست بحاجة إلى تطبيق تقنية البلوك تشين والذكاء الاصطناعي غدًا. بل عليك بدلاً من ذلك أن تفهم أين يمكن أن تدخل هذه المزيج، بشكل غير مباشر، في الخدمات التي ستستخدمها.
يمكنك تجاهل ذلك دون قلق، على الأقل اليوم:
إذا كنت تمثل شركة صغيرة أو متوسطة الحجم تقليدية، فإن الخطر الأكثر شيوعًا ليس التخلف عن ركب تقنية البلوك تشين، بل تكريس الاهتمام لأمور معقدة لا تحل أي مشكلة.
هنا يصبح الموضوع ملموسًا. إذا كنت تستخدم أدوات التحليل أو الأتمتة أو التقييم أو الأنظمة التنبؤية، فاطرح الأسئلة التالية:
بالنسبة للعديد من الشركات، سيتم تناول هذا الموضوع من منظور سلسلة التوريد أو الامتثال أو إدارة المخاطر. أما بالنسبة لشركات أخرى، فسيتم تناوله من منظور برامج المشتريات. وفي كل الأحوال، من المفيد النظر إلى المشكلة جنبًا إلى جنب مع العوائق الأكثر شيوعًا التي تحول دون اعتماد هذه التكنولوجيا، بما في ذلك تكاليف اعتماد الذكاء الاصطناعي والبيانات واللوائح التنظيمية.
سواء كنت تعمل في قطاع الأغذية أو الأدوية أو التصنيع أو البيع بالتجزئة، فاحرص بشكل خاص على متابعة الحالات التي تتلاقى فيها الذكاء الاصطناعي التنبئي مع تتبع المنشأ. فهذا هو المجال الذي تكون فيه الجوهر أقرب إلى الواقع اليومي من الضجة الإعلامية المحيطة به.
الجمع بين تقنية البلوك تشين والذكاء الاصطناعي ليس عصا سحرية. إنه حل محدد لمشكلة محددة: الثقة في العمليات المؤتمتة عندما تكون هناك حاجة إلى الأدلة والتدقيق وإمكانية التحقق.
خارج هذا النطاق، غالبًا ما يكون الأمر مجرد تسويق. أما داخل هذا النطاق، فقد يكون بنية تحتية مفيدة. لا يتعلق الأمر بالتأييد أو المعارضة. بل يتعلق بطرح السؤال الصحيح: ما هي المشكلة التي يحلها هذا النظام والتي لا تحلها قاعدة بيانات قياسية تُدار بشكل جيد؟
الخطوات العملية التي يجب أخذها في الاعتبار قليلة:
إن فهم هذه المعايير اليوم يقيك من ارتكاب خطأين متناقضين: إما تجاهل اتجاه سيكون له آثار حقيقية، أو الانجرار إلى التعقيد لمجرد أنه يبدو مبتكرًا.
إذا كنت ترغب في بناء أساس متين قبل الانجراف وراء الموضة، فابدأ بالأدوات التي تحول البيانات إلى قرارات قابلة للتحقق ومفيدة. ELECTE، وهي منصة لتحليل البيانات مدعومة بالذكاء الاصطناعي مخصصة للشركات الصغيرة والمتوسطة، تساعد الفرق على الانتقال من البيانات المتناثرة إلى رؤى واضحة وتقارير آلية وتحليلات تشغيلية دون التعقيدات التي تتسم بها الشركات الكبرى .ILLUMINATE THE FUTURE WITH AI. هل أنت مستعد لتحويل بياناتك؟ ابدأ تجربتك المجانية →
.svg)
.svg)
.svg)
