أعلنت وزارة الاتصالات وتكنولوجيا المعلومات القطرية في نوفمبر 2026 اتفاق تعاون مع Byanat AI لدعم استخدام الذكاء الاصطناعي وتحليلات البيانات والأتمتة في مراقبة البنية التحتية الرقمية. يضع ذلك الذكاء الاصطناعي في البنية التحتية الرقمية بقطر ضمن اتجاه إقليمي واضح: الانتقال من لوحات تعرض الأعطال بعد وقوعها إلى أنظمة تربط الشبكات ومراكز البيانات وتتوقع الخلل وتوصي بإجراء، مع بقاء المشغل مسؤولًا.
القيمة ليست في إضافة نموذج إلى مركز العمليات، بل في توحيد القياسات، وتحديد ما يمكن أتمتته، ومنع القرار الخاطئ من توسيع العطل. يشرح هذا الدليل حالات الاستخدام والمعمارية والبيانات والأمن ومؤشرات الأداء، ويقدم خطة تنفيذ تصلح لمزودي الاتصالات والجهات الحكومية والمؤسسات التي تدير سحابة هجينة أو فروعًا كثيرة.
ما المقصود بالبنية التحتية الرقمية؟
تشمل الألياف والشبكات المتنقلة ومراكز البيانات والسحابة ونقاط الحافة وأنظمة الأسماء والهوية والمنصات التي تعتمد عليها الخدمات. تمتد أيضًا إلى الطاقة والتبريد والمولدات داخل المركز، لأن خادمًا سليمًا لا يفيد إذا ارتفعت الحرارة أو فشل مصدر الكهرباء. لذلك لا تكفي مراقبة كل مجال منفصلًا.
تنتج هذه الطبقات ملايين القياسات والسجلات والتنبيهات. يرى فريق الشبكة فقدان الحزم، ويرى فريق المركز استهلاك الطاقة، ويرى التطبيق بطئًا. الذكاء الاصطناعي مفيد عندما يربطها في تسلسل سببي محتمل بدل أن يرسل ثلاثين إنذارًا للحادث نفسه.
لماذا المراقبة التقليدية لا تكفي وحدها؟
تعتمد المراقبة التقليدية على حدود ثابتة: إذا تجاوز المعالج 80% أرسل تنبيهًا. لكنها لا تفهم أن الارتفاع طبيعي وقت حدث معروف، أو أن تغيرًا صغيرًا في عدة مؤشرات يسبق عطلًا. كما تكثر التنبيهات فيتجاهل المحلل بعضها، وتضيع العلاقة بين تغيير برمجي وأثر شبكي.
لا تزال القواعد الثابتة ضرورية للسلامة والحدود الصريحة. يضيف الذكاء الاصطناعي خط أساس يتعلم النمط حسب الوقت والموقع، واكتشاف شذوذ متعدد المتغيرات، وتجميع أحداث، وتوقعًا. التصميم الجيد يجمع القاعدة والنموذج وخبرة المشغل، ولا يستبدل أحدها كليًا.
أهم حالات الاستخدام في الشبكات ومراكز البيانات
اكتشاف الشذوذ مبكرًا
يتعلم النظام السلوك المعتاد لمنفذ أو مسار أو جهاز تبريد، ثم يرصد انحرافًا لا يصل بعد إلى الحد التقليدي. مثال ذلك زيادة أخطاء ضوئية تدريجية مع تغير في الحرارة. يرفع إنذارًا يربط القياسين ويقترح فحص الموصل قبل انقطاع الخدمة.
التنبؤ بالأعطال والصيانة
تستخدم سجلات الأعطال وعمر الجهاز والبيئة لتقدير احتمال الفشل. لا يعني التنبؤ استبدال كل قطعة ذات احتمال مرتفع؛ يوازن النظام الأثر والتكلفة وقطع الغيار. ويقارن التوقع بالنتائج حتى لا تتحول الصيانة الوقائية إلى إنفاق زائد.
تحسين السعة والمسارات
يتوقع الطلب حسب المنطقة والحدث والتطبيق، ويقترح نقل حمل أو توسيع رابط. في الشبكات المعرفة برمجيًا قد ينفذ تغييرًا منخفض المخاطر ضمن حدود، بينما يحتاج تعديل واسع إلى موافقة. الهدف منع الازدحام لا مجرد زيادة السعة.
رفع كفاءة الطاقة والتبريد
يربط النظام حمل الحوسبة بدرجات الحرارة وتدفق الهواء والطاقة، ويقترح نقاط تشغيل أكثر كفاءة. يخضع كل تعديل لحدود السلامة وتدرج بطيء، ويعود تلقائيًا إذا ساءت المؤشرات. هذه الحالة مهمة مع أحمال الذكاء الاصطناعي عالية الكثافة.
معمارية البيانات من الجهاز إلى مركز العمليات
تبدأ بوكلاء وبروتوكولات قياس من أجهزة الشبكة والخوادم والتبريد والطاقة، إضافة إلى سجلات التطبيقات والتذاكر والتغييرات. تمر البيانات عبر ناقل أحداث يحافظ على الزمن والمصدر، ثم تخزن في قواعد زمنية وسجلات وكتالوج أصول. توحد الهوية بين اسم الجهاز في نظام الشبكة ورقمه في إدارة الأصول.
فوق ذلك تعمل طبقة ميزات ونماذج، ثم محرك ربط وسير عمل. تظهر النتيجة في مركز العمليات مع الدليل والتوصية والأثر المتوقع. إذا وافق المشغل، ينفذ نظام الأتمتة إجراءً موقّعًا، ويسجل النتيجة. لا يتصل النموذج مباشرة بالجهاز بحساب شامل.
جرد الأصول شرط قبل الذكاء الاصطناعي
لا يستطيع النظام ربط إنذار بخدمة إذا لم يعرف أن جهازًا يغذي مركزًا أو أن مسارًا يحمل تطبيقًا حرجًا. تحتاج المؤسسة إلى قاعدة إدارة إعدادات أو رسم تبعيات محدث. يكتشف الجرد الآلي الأصول، لكن المالك يؤكد الوظيفة والحرجية.
تستخدم معرفات ثابتة لا أسماء يغيرها الفني. ويسجل الموقع والإصدار والعقد ونهاية الدعم ونافذة الصيانة. عند غياب معلومة، تظهر كفجوة جودة بدل ملئها بتخمين. يتحسن الجرد عبر كل حادث وتغيير.
جودة القياس وتزامن الوقت
قد يفسر النموذج فقدان بيانات مستشعر كهبوط حقيقي، أو يرتب حدثين خطأ إذا كانت الساعات غير متزامنة. لذلك تراقب المنصة صحة المستشعر ومعدل وصول البيانات والفجوات وانحراف الوقت. تميز القيمة الصفرية عن القيمة المفقودة، وتضع علامة على البيانات المعاد إرسالها.
تحتاج الوحدات إلى توحيد: ميغابت أم غيغابت، درجة مدخل أم مخرج، متوسط دقيقة أم ذروة. يحتوي الكتالوج على التعريف ومعدل العينة. وتختبر المعايرة، خصوصًا للطاقة والحرارة، لأن توصية خاطئة قد تؤثر في سلامة المعدات.
بناء خط أساس يتغير مع الموسم والحدث
الحركة في يوم عمل تختلف عن عطلة، والحدث الكبير يغير الطلب. يستخدم النموذج موسمية يومية وأسبوعية وخصائص الأحداث، مع قدرة على استبعاد فترة صيانة. إذا تعلم من عطل طويل على أنه طبيعي، يصبح أقل حساسية، لذلك يراجع المشغل الفترات ويعلمها.
يُبنى الخط الأساس لكل مجموعة متجانسة. مقارنة موقع صغير بمركز رئيسي تولد ضوضاء. ويعاد التدريب وفق سياسة، لا فور كل تغير. قبل اعتماد النسخة الجديدة تقارن على بيانات حديثة وتاريخية وحالات نادرة.
ربط الأحداث وتقليل إرهاق التنبيهات
يستخدم محرك الربط الزمن والتبعية والطوبولوجيا والتغيير الأخير. إذا فقدت عدة تطبيقات الاتصال وكان لها مسار مشترك، يرفع حادثًا رئيسيًا ويضم التنبيهات التابعة. يقلل ذلك التذاكر ويعطي الفريق نقطة بدء.
يجب أن يظل المحلل قادرًا على فتح الأحداث الخام، لأن التجميع قد يخطئ. يقيس الفريق نسبة الضغط، والتنبيهات التي جُمعت خطأ، والحوادث التي لم تربط. الهدف ليس أقل عدد بأي ثمن، بل إشارة أعلى جودة.
التنبؤ لا يساوي السبب
قد يتنبأ النموذج بارتفاع احتمال العطل مع الحرارة، لكن السبب قد يكون حملًا أو انسدادًا أو مستشعرًا. التوصية يجب أن تقول «افحص» مع الأدلة، لا تدعي يقينًا. تستخدم الرسوم السببية ومعرفة المهندسين لتحديد اختبارات تفصل الاحتمالات.
عند قياس قيمة النموذج، قارن بزمن ونتيجة خط أساس: هل اكتشف أبكر؟ كم إنذارًا كاذبًا؟ كم عطلًا كان قابلًا للمنع؟ الدقة العامة لا تكفي إذا أخطأ في المواقع الحرجة.
الأتمتة الآمنة والإشراف البشري
تصنف الإجراءات إلى مستويات. قراءة حالة أو جمع تشخيص يمكن أن يحدث آليًا. إعادة تشغيل خدمة غير حرجة قد تحتاج موافقة واحدة. تغيير مسار رئيسي أو إعداد تبريد يحتاج موافقتين ونافذة وخطة رجوع. ويمنع النظام تنفيذ أكثر من تغيير متعارض.
كل إجراء يستخدم حساب خدمة محدودًا ووقتًا قصيرًا، ويرتبط بتذكرة. قبل التنفيذ يفحص الحالة الحالية، وبعده يتحقق من النتيجة. إذا فشل التحقق، يعود أو يصعد. يستطيع المشغل إيقاف الأتمتة بزر واضح لا يعتمد على النظام نفسه.
التوأم الرقمي والمحاكاة قبل التغيير
يمكن بناء نموذج للطوبولوجيا والسعة والطاقة لاختبار سيناريو. ما أثر فقد رابط؟ هل تتحمل المسارات البديلة؟ ماذا يحدث للتبريد إذا زاد حمل رف؟ التوأم لا يحتاج أن يكون نسخة فيزيائية كاملة؛ يبدأ بنموذج يخدم قرارًا محددًا.
تعاير المحاكاة بنتائج حقيقية، وتظهر حدودها. لا ينفذ تغييرًا حرجًا لأنه نجح في نموذج غير محدث. الربط مع إدارة التغيير يضمن استخدام آخر إصدار، ثم تعاد نتيجة التنفيذ لتحسين المعايرة.
الأمن السيبراني لمنصة المراقبة
المنصة ترى الشبكة والأصول وقد تملك صلاحية تنفيذ، لذلك هي هدف عالي القيمة. تعزل شبكيًا، وتستخدم مصادقة قوية وأقل صلاحية وتسجيلًا غير قابل للتلاعب. تفصل حسابات القراءة عن التنفيذ، وتراجع تكامل الوكلاء والتحديثات.
تُختبر هجمات تسميم القياسات وحقن السجلات والتلاعب بالتوصية. كما يمنع النص غير الموثوق في تذكرة أو سجل من تغيير تعليمات نموذج لغوي. إذا استخدم مساعد لتلخيص الحادث، يصل إلى مصادر محددة ولا يملك تنفيذًا مباشرًا.
الخصوصية في بيانات الشبكة
قد تحتوي السجلات على عناوين وهوية مستخدم وموقع وسلوك. تجمع المنصة ما يلزم للتشغيل، وتخفي أو ترمز الحقول قبل التحليل الأوسع. لا يحتاج نموذج سعة إلى محتوى الاتصال. تحدد مدة احتفاظ مختلفة للقياسات المجمعة والسجلات التفصيلية.
تمنع الصلاحيات استخدام بيانات المراقبة لتقييم موظف أو تتبع فرد خارج الغرض. يسجل البحث والتنزيل، وتراجع الاستعلامات غير المعتادة. التعاون مع طرف تقني يحتاج عقدًا يحدد الموقع والتدريب والحذف والوصول.
الذكاء الاصطناعي على الحافة
في موقع بعيد أو خدمة حساسة، قد لا يمكن إرسال كل القياسات إلى مركز. يعمل نموذج خفيف قرب الجهاز لاكتشاف حدث أو ضغط البيانات، ويرسل النتيجة والعينة. يقلل الكمون واستهلاك الاتصال، ويحافظ على التشغيل عند الانقطاع.
لكن إدارة نماذج الحافة أصعب. تحتاج إلى توقيع وإصدار وجرد وقدرة على الرجوع. تراقب اختلاف الأداء بين المواقع، ولا تفترض أن نموذج مركز البيانات يصلح لبيئة اتصالات خارجية. وتبقى قواعد السلامة المحلية فعالة حتى إذا تعطل النموذج.
استخدام الذكاء الاصطناعي في مراكز البيانات
تزيد أحمال وحدات الرسوم كثافة الطاقة والحرارة، ويصبح التخطيط للرفوف والتبريد السائل أو الهوائي أكثر تعقيدًا. يحلل النظام الحمل الفعلي ويقترح توزيعًا، ويراقب اقتراب المعدات من حدودها. كما يتوقع استهلاك الطاقة ويساعد في جدولة حمل مرن.
لا يطارد الفريق كفاءة الطاقة على حساب التوافر. يقاس PUE مع جودة الخدمة والحرارة والعمر. التغيير يبدأ في منطقة صغيرة، ويقارن بمجموعة ضابطة، ثم يتوسع. ويأخذ النموذج في الحسبان الطقس وجودة مصدر الطاقة والصيانة.
استخدام الذكاء الاصطناعي في شبكات الاتصالات
تستفيد الشبكة من توقع السعة، وتحسين موارد الراديو، واكتشاف تدهور الألياف، وتحديد السبب الجذري. يمكن للنموذج تقسيم الأداء حسب موقع وخدمة وجهاز عميل مع حماية الخصوصية، فيكشف مشكلة لا تظهر في المتوسط الوطني.
تحتاج القرارات إلى احترام أولويات الطوارئ وجودة الخدمة. قد يكون المسار الأرخص غير مناسب لزمن استجابة حساس. يترجم مهندس الشبكة السياسات إلى حدود، ويراجع توصيات النموذج في ظروف لم يرها أثناء التدريب.
مؤشرات نجاح يجب قياسها
- متوسط زمن اكتشاف الحادث ومتوسط زمن الاستعادة.
- نسبة التنبيهات القابلة للعمل ومعدل الخطأ لكل موقع وفئة أصل.
- عدد الأعطال التي منعتها صيانة موثقة، لا التوقعات وحدها.
- زمن المحلل الذي وفره ربط الأحداث، ونسبة الحالات التي عدل فيها التوصية.
- التوافر وفقد الحزم والكمون قبل التغيير وبعده.
- كفاءة الطاقة ضمن حدود الحرارة وجودة الخدمة.
- نسبة الإجراءات الآلية التي نجحت وتحققت وعادت بأمان عند الفشل.
خطة تجربة خلال تسعين يومًا
- الأيام 1–20: اختر خدمة واحدة، وارسم الأصول والتبعيات، وحدد خط الأساس ومؤشر النجاح.
- الأيام 21–40: وحّد القياسات والوقت والجودة، واربط التذاكر والتغييرات.
- الأيام 41–60: شغل اكتشاف الشذوذ في وضع الظل، واطلب من المحللين تصنيف النتائج.
- الأيام 61–75: حسّن النموذج، وأضف تفسيرًا وسير موافقة، واختبر الأمن والرجوع.
- الأيام 76–90: أتمت جمع التشخيص أو إجراء منخفض المخاطر، وقارن المؤشرات وقرر التوسع.
اختيار المورد والمنصة
اطلب تجربة على بياناتك وحادث تاريخي، لا عرضًا عامًا. افحص دعم البروتوكولات، وإمكانية تصدير البيانات والنماذج، ومكان المعالجة، وتكامل الهوية والتذاكر. اسأل كيف يفسر الإنذار وكيف يتعامل مع فقد البيانات وتغير النمط.
يجب أن يوضح العقد ملكية البيانات، وعدم استخدامها للتدريب من دون إذن، وإبلاغ الحوادث، والحذف، والدعم، وخطة الخروج. تجنب منصة تجعل الأتمتة رهينة لصيغة مغلقة. المعايير والواجهات تحمي الاستثمار.
مهارات فريق التشغيل الجديد
لا يحتاج كل مهندس إلى أن يصبح عالم بيانات. يحتاج فهم المقياس والثقة والانحراف، بينما يتعلم عالم البيانات الطوبولوجيا وإدارة التغيير. ينضم أمن وسحابة ومرافق إلى الفريق. تبنى أدلة تشغيل تجمع السؤال الفني والتوصية الآلية وخطوة التحقق.
تستخدم الحوادث الحقيقية بعد تنقيحها للتدريب. يراجع الفريق حالات أصاب فيها النموذج وأخطأ، ويمنع لوم المحلل الذي خالف توصية واتضح صوابه. هذه الثقافة تحافظ على الإشراف الحقيقي.
أخطاء شائعة في مشاريع AIOps
أول خطأ إدخال بيانات رديئة ثم توقع سبب جذري. الثاني قياس عدد التنبيهات فقط. الثالث أتمتة إجراء قبل وجود رجوع. الرابع تدريب نموذج على فترة لا تمثل الأحداث. الخامس منح منصة المراقبة صلاحيات واسعة.
ومن الأخطاء شراء أداة ثم البحث عن مشكلة، وعزل فريق البيانات عن المشغلين، وإهمال تكلفة التخزين. العلاج حالة استخدام محددة ووضع ظل وقياس ومراجعة مرحلية. يمكن التوقف عند تحسين الرؤية إذا لم تكن الأتمتة آمنة.
كيف يرتبط المشروع بالأجندة الرقمية 2030؟
البنية الموثوقة أساس للخدمات الحكومية والاقتصاد الرقمي والذكاء الاصطناعي. تحسين التوافر والسعة وكفاءة الطاقة يدعم التوسع، بينما الاستخدام المسؤول والضوابط يبني الثقة. الاتفاق القطري يذكر استكشاف التقنيات الناشئة في الشبكات ومراكز البيانات، ما يفتح بابًا للتجارب المدروسة لا للتطبيق غير المقيد.
ينبغي نشر نتائج مجمعة عن التحسن والتعلم، وتطوير الكفاءات المحلية، واستخدام معايير تسمح بتعدد الموردين. بذلك يصبح المشروع قدرة وطنية تشغيلية لا منتجًا مغلقًا.
إدارة تكلفة القياسات والنماذج
قد تفوق تكلفة تخزين كل سجل قيمة التحليل. يحدد الفريق معدل العينة والاحتفاظ حسب الحرجية، ويجمع البيانات القديمة مع حفظ الأحداث المهمة. يستخدم تخزينًا متدرجًا، ويراقب تكلفة كل مصدر واستعلام. لا ترسل أجهزة الحافة فيديو أو سجلًا كاملًا إذا كانت الميزة المشتقة كافية.
تقاس تكلفة النموذج لكل حادث مفيد أو دقيقة توقف جرى تجنبها، لا لكل استدعاء فقط. يمكن لنموذج صغير أن يرشح الأحداث ثم يستدعي نموذجًا أغلى للحالات المعقدة. هذا التصميم يحافظ على الاستدامة ويمنع إيقاف المشروع بعد تجربة ناجحة بسبب فاتورة غير متوقعة.
الخلاصة
الذكاء الاصطناعي في البنية التحتية الرقمية بقطر قادر على اكتشاف الخلل مبكرًا وربط الأحداث وتحسين السعة والطاقة. لكنه يعتمد على جرد صحيح وقياس موحد ووقت متزامن وسياسة أتمتة وأمن قوي. النموذج الذي لا يعرف التبعية أو لا يستطيع شرح الإنذار سيزيد الضوضاء.
الطريق العملي هو بدء تجربة واحدة في وضع الظل، وإشراك المشغل، وقياس الكشف والاستعادة والخطأ، ثم أتمتة التشخيص قبل التغيير. عندها يصبح الذكاء الاصطناعي مساعدًا للمرونة والاستمرارية، لا نقطة فشل جديدة.
