من الحكومة الإلكترونية إلى الحكومة الذكية: نحو نموذج للإدارة المحلية الذكية القائم على البيانات والخدمات الاستباقية
From E-Government to Intelligent Government : Towards a SMART, Data-driven, and Proactive Local Government Model
الملخص
يمثل تطوير الإدارة المحلية أحد أهم المداخل الممكنة لتحسين كفاءة الدولة وجودة الخدمات العامة في مصر، نظرًا إلى أن الوحدات المحلية تمثل نقطة الاحتكاك اليومية الأكثر مباشرة بين المواطن والجهاز الحكومي في عدد كبير من الخدمات، بدءًا من تراخيص الأنشطة والمحال، ومرورًا بخدمات التنظيم والإشغالات والنظافة والطرق والإنارة، ووصولًا إلى التخطيط العمراني وإدارة الأصول والاستثمارات المحلية.
وقد حققت مصر خلال السنوات الأخيرة تقدمًا ملحوظًا في البنية الأساسية للحكومة الرقمية. فإطار مصر الرقمية Digital Egypt يقوم على رقمنة الخدمات، وإعادة تصميم الإجراءات، وربط الأنظمة الحكومية، واستخدام الهوية والأدوات الرقمية والمدفوعات الإلكترونية، وليس مجرد تحويل المستندات الورقية إلى نماذج إلكترونية. وفي يوليو 2026 أعلنت وزارة الاتصالات وتكنولوجيا المعلومات أن منصة مصر الرقمية أصبحت تقدم أكثر من 240 خدمة رقمية لأكثر من 12 مليون مستخدم، مع ربط 105 جهات حكومية عبر منظومة G2G وتحقيق التشغيل البيني بين أكثر من 100 قاعدة بيانات حكومية.
كما اكتمل تطوير 380 مركزًا تكنولوجيًا في المحليات والقرى والمدن وأجهزة المجتمعات العمرانية الجديدة، إلى جانب تطوير وتسليم 276 مركزًا تكنولوجيًا متنقلًا، بينما أتاحت مراكز «خدمات مصر» الثابتة 156 خدمة حكومية ونفذت أكثر من 300 ألف معاملة حتى نهاية يونيو 2025.
لكن المرحلة التالية من الإصلاح تتطلب الانتقال من رقمنة منافذ تقديم الخدمة Digitalization إلى إعادة بناء نموذج الإدارة المحلية Digital Transformation، ثم إلى مستوى أكثر تقدمًا يمكن تسميته الإدارة المحلية الذكية Intelligent Local Government، حيث تصبح البيانات والذكاء الاصطناعي والتحليلات التنبؤية جزءًا من عمليات التخطيط، واتخاذ القرار، وتخصيص الموارد، ومتابعة الأداء، والتعامل مع المواطنين.
وتقترح هذه الورقة نموذجًا تقنيًا ومؤسسيًا لتحقيق هذا الانتقال في مصر، يقوم على بنية رقمية مشتركة، وتكامل قواعد البيانات، ونظم المعلومات الجغرافية، وإعادة هندسة الإجراءات، والذكاء الاصطناعي المسؤول، وحوكمة البيانات، والأمن السيبراني، إلى جانب بناء منظومة واضحة لقياس جودة الخدمات والنتائج الفعلية على مستوى المحافظات والمراكز والمدن والأحياء والقرى.
من الحكومة الإلكترونية إلى الحكومة الذكية
يجب التمييز منهجيًا بين ثلاثة مستويات مختلفة من استخدام التكنولوجيا في الإدارة العامة.
المستوى الأول هو الرقمنة Digitization، وتعني تحويل المستند أو المعاملة من الصورة الورقية/المادية إلى الصورة الإلكترونية/ الرقمية. فقد يتم استبدال الطلب الورقي بنموذج إلكتروني، بينما تظل الإجراءات الإدارية نفسها، وعدد الموافقات نفسها، وتسلسل العمل نفسه.
أما المستوى الثاني فهو التحول الرقمي Digital Transformation، وفيه تتم إعادة تصميم الخدمة من البداية إلى النهاية End-to-End، بحيث لا يطلب من المواطن مستندًا تمتلكه جهة حكومية أخرى، ولا ينتقل الطلب يدويًا بين الإدارات إذا كان يمكن تبادل البيانات إلكترونيًا، ولا يشترط الحضور إلى مقر الوحدة المحلية إذا أمكن التحقق من الهوية والدفع والتوقيع وتسليم المخرج النهائي إلكترونيًا.
وهذا التمييز جوهري. فقد أكد البنك الدولي في تقييمه للتحول الرقمي الحكومي في مصر أن تحقيق كامل فوائد الرقمنة يستلزم تبسيط الإجراءات، وتطبيق الحلول الرقمية من البداية إلى النهاية، وتحقيق التشغيل البيني Interoperability بين النظم الحكومية بدل من استبدال الإجراءات الورقية الروتيننية القديمة بواجهات إلكترونية جديدة تحمل نفس مستوي البيوقراطية.
المستوى الثالث هو الحكومة الذكية أو الإدارة القائمة على الذكاء الاصطناعي Intelligent Government. وهنا لا تكتفي الإدارة بتنفيذ الخدمة إلكترونيًا، وإنما تستخدم البيانات والذكاء الاصطناعي في توقع الطلب، واكتشاف المشكلات، وترتيب الأولويات، وتحليل الشكاوى، وتحسين توزيع الموارد، ومساعدة الموظف في اتخاذ القرار، بل وتقديم بعض الخدمات استباقيًا Proactive Government قبل أن يطلبها المواطن.
لماذا تمثل الإدارة المحلية المجال الأكثر أهمية للتحول الرقمي؟
تكمن أهمية الإدارة المحلية في أنها لا تقدم خدمة واحدة وإنما تدير منظومة مكانية واقتصادية واجتماعية شديدة التعقيد. فالمدينة أو الحي ليست مجرد جهاز إداري، وإنما نظام يجمع بين السكان والعقارات والطرق والمحال والمنشآت والأراضي والمرافق والأسواق والنقل والمخلفات والإعلانات والمشروعات والاستثمارات والأصول العامة.
ولذلك فإن التحول الرقمي في المحليات لا ينبغي أن يبدأ بالسؤال: «كيف نحول الطلب الورقي إلى طلب إلكتروني؟»، وإنما بالسؤال الأكثر جوهرية:
كيف يمكن بناء نموذج رقمي متكامل للمدينة أو القرية أو المركز أو المحافظة يمكّن الإدارة من فهم ما يحدث على الأرض في الوقت الحقيقي Realtime واتخاذ قرارات أفضل؟
ويصبح هنا التكامل بين البيانات الإدارية Administrative Data والبيانات المكانية Geospatial Data وبيانات المعاملات Transactional Data عنصرًا أساسيًا.
فعلى سبيل المثال، لا ينبغي أن تكون بيانات ترخيص محل تجاري منفصلة عن بيانات عنوانه الجغرافي، وبيانات العقار، ونوع النشاط، واشتراطات الحماية المدنية، وبيانات الضرائب والرسوم، وشكاوى المواطنين المتعلقة بالموقع، وعمليات التفتيش التي تمت عليه.
وتشير برامج وزارة التنمية المحلية نفسها إلى أهمية تحديث قواعد البيانات على مستوى المحافظات والمدن والقرى وإتاحتها لدعم الحكومة وصنع القرار، وهو ما يعكس إدراكًا مؤسسيًا متزايدًا لدور البيانات المكانية والمعلوماتية في الإدارة المحلية الحديثة.
الوضع الراهن
يمتلك النموذج المصري بالفعل عددًا مهمًا من المكونات التي يمكن البناء عليها. فمن ناحية أولى، توجد منصة وطنية موحدة للخدمات الحكومية هي مصر الرقمية. ومن ناحية ثانية، توجد شبكة كبيرة من المراكز التكنولوجية ومراكز «خدمات مصر» والمراكز المتنقلة، وهو أمر مهم لتحقيق الشمول الرقمي وعدم افتراض أن جميع المواطنين قادرون أو راغبون في التعامل حصريًا عبر الإنترنت.
ومن ناحية ثالثة، قطعت الدولة شوطًا مهمًا في بناء البنية التحتية الرقمية العامة Digital Public Infrastructure – DPI. هذه البنية تتضمن الربط الحكومي G2G والهوية الرقمية والتوقيع الإلكتروني و«الخزانة الرقمية»، وأن الربط يشمل 105 جهات وأكثر من 100 قاعدة بيانات بحسب تقديرات وزارة الاتصالات.
كما وضعت خطة التنمية للعام المالي 2025/2026 هدفًا لزيادة نسبة مستخدمي الإنترنت الذين يجرون معاملات حكومية إلكترونية إلى نحو 31%، مع استثمارات عامة بنحو 13 مليار جنيه في قطاع الاتصالات وتكنولوجيا المعلومات، ودعم مشروعات الشبكة الحكومية الآمنة وتطوير منصة مصر الرقمية وأتمتة عدد من المنظومات الحكومية.
وتظهر هذه التطورات أيضًا في المؤشرات الدولية. ففي تحديث GovTech Maturity Index 2025 للبنك الدولي جاءت مصر ضمن المجموعة A – Extensive GovTech Maturity. لكن البنك الدولي نفسه يؤكد أن مؤشر GTMI ليس ترتيبًا للأداء أو رضا المواطنين، وإنما مؤشر لنضج الأدوات والقدرات المؤسسية والتكنولوجية. ومن ثم فإن امتلاك بنية رقمية متقدمة لا يعني بالضرورة أن جميع الخدمات المحلية أصبحت سريعة أو متكاملة أو موجهة للمستخدم.
وهنا تحديدًا تظهر فجوة المرحلة المقبلة.
المشكلة ليست في نقص المنصات بل في هندسة الخدمات الحكومية
يمكن تلخيص التحدي الرئيسي في أن الحكومة قد تمتلك شبكة اتصالات قوية ومراكز بيانات ومنصات إلكترونية، بينما تظل الخدمة نفسها معقدة.
فعلي سبيل المثال إذا كان استخراج ترخيص معين يتطلب 10 موافقات، فإن تحويل هذه الموافقات إلى 10 خطوات إلكترونية لا يمثل تحولًا رقميًا حقيقيًا. المطلوب هو تطبيق Business Process Re-engineering – BPR قبل رقمنة الخدمة. أي أن كل خدمة محلية يجب تفكيكها إلى )المدخلات المطلوبة، الجهات المشاركة، الأساس القانوني لكل متطلب، البيانات التي تمتلكها الحكومة بالفعل، نقاط اتخاذ القرار، الرسوم، المدد الزمنية، المخاطر، والاستثناءات(.
ثم يتم السؤال عن كل خطوة: هل هي ضرورية قانونًا؟ وهل يمكن دمجها مع خطوة أخرى؟ وهل يمكن الحصول على البيانات من جهة حكومية أخرى؟ وهل يحتاج القرار فعلًا إلى تدخل بشري؟ وهل يمكن إصدار الموافقة تلقائيًا في الحالات منخفضة المخاطر؟
وعند هذه النقطة يبدأ التحول من Service Automation إلى Service Redesign.
البنية التقنية للإدارة الرقمية
واحدة من التحديات الرئيسية في مصر هي البنية التقنية الموحدة، أو ما يسمي الكود الموحد للبرمجيات. فالتحول الحقيقي يتطلب نموذجًا معماريًا موحدًا Unified Standard Model على مستوى الدولة، بدل أن تقوم كل محافظة أو وحدة محلية ببناء أنظمة منفصلة غير مترابطة وغير متكاملة.
يمكن تصور البنية المستهدفة في الطبقات التالية:
| الطبقة | الوظيفة التقنية |
| قنوات الخدمة | مصر الرقمية، تطبيقات الهاتف، المراكز التكنولوجية، خدمات مصر، مراكز الاتصال والمراكز المتنقلة |
| الهوية والثقة | الهوية الرقمية، التوقيع الإلكتروني، التحقق من الصلاحيات، الدفع الإلكتروني |
| إدارة العمليات | Workflow / BPM لإدارة دورة الخدمة والموافقات والـSLA |
| التكامل الحكومي | APIs، G2G، Government Service Bus، تبادل البيانات بين الجهات |
| البيانات الأساسية | المواطنين، المنشآت، المحال، العقارات، الأراضي، العناوين، الأصول المحلية |
| البيانات المكانية | GIS، الخرائط، قطع الأراضي، شبكات الطرق والمرافق، استخدامات الأراضي |
| منصة البيانات | Data Warehouse / Lakehouse، Master Data Management، Metadata Catalog |
| التحليلات والذكاء الاصطناعي | Predictive Analytics، NLP، Computer Vision، Optimization، Generative AI |
| الأمن والثقة | IAM، Encryption، PKI، Zero Trust، SIEM/SOC، Audit Logs |
| المتابعة والقياس | Dashboards، KPIs، Process Mining، Service Analytics |
الميزة الأساسية لهذا النموذج هي الفصل بين المنصات الوطنية المشتركة وبين التطبيقات المحلية. فلا توجد جدوى اقتصادية أو تقنية في أن تبني كل محافظة منظومة منفصلة للهوية أو التوقيع أو الذكاء الاصطناعي أو التكامل. الأفضل أن تعمل الدولة وفق نموذج Government as a Platform. بحيث توفر الحكومة المركزية المكونات المشتركة، بينما تستخدمها المحافظات والوحدات المحلية لبناء خدمات تتناسب مع احتياجاتها.
البيانات المكانية باعتبارها العمود الفقري للمحليات
تمثل أنظمة GIS أحد أهم عناصر التحول الرقمي المحلي، لأن معظم أصول ومشكلات الإدارة المحلية لها بعد مكاني.
فالمحل التجاري له موقع. والعقار له موقع. والحفرة في الطريق لها موقع. وعمود الإنارة له موقع. وحاوية القمامة لها موقع. وشكوى المواطن مرتبطة بموقع. ومشروع الخطة الاستثمارية له نطاق جغرافي. ومن ثم ينبغي أن يمتلك كل عنصر في الإدارة المحلية معرفًا رقميًا Digital ID وموقعًا جغرافيًا. وعند دمج GIS مع قواعد البيانات التشغيلية يمكن للإدارة الانتقال من جداول وتقارير مجمعة إلى ما يشبه Local Digital Twin أو التوأم الرقمي للمحافظة أو المدينة.
لا يعني ذلك بالضرورة إنشاء نموذج ثلاثي الأبعاد عالي التكلفة منذ البداية، وإنما إنشاء تمثيل رقمي حي للمدينة يجمع طبقات الأراضي والعقارات والطرق والمرافق والمنشآت والخدمات والسكان والشكاوى والمشروعات. وهكذا يمكن لصانع القرار رؤية مناطق تركز الشكاوى، والأحياء المحرومة من خدمة معينة، والأصول التي تحتاج إلى صيانة، والمناطق ذات النمو العمراني غير المنظم، والفجوات بين توزيع السكان وتوزيع الإنفاق العام.
أين يدخل الذكاء الاصطناعي؟
أطلقت مصر الإصدار الثاني من الاستراتيجية الوطنية للذكاء الاصطناعي 2025–2030، التي تستهدف بناء صناعة ومنظومة وطنية للذكاء الاصطناعي قائمة على الحوكمة والتكنولوجيا والبيانات والبنية التحتية والنظام البيئي والمهارات، مع توظيف AI في التنمية والخدمات العامة. كما تؤكد استراتيجية «مصر الرقمية» استخدام الذكاء الاصطناعي والبيانات الضخمة والحوسبة عالية الأداء في تطبيقات مرتبطة بالإدارة العامة والخدمات الحكومية.
لكن نجاح الذكاء الاصطناعي في الإدارة المحلية يتطلب التعامل معه كـطبقة ذكاء فوق حكومة رقمية جيدة التصميم، وليس كبديل عن إصلاح الإجراءات والبيانات.
يمكن تحديد أهم تطبيقاته كما يلي:
| مجال الخدمة | تطبيق الذكاء الاصطناعي | الأثر المتوقع |
| خدمة المواطنين | Chatbot / Voicebot عربي مدعوم بـLLM وRAG | الرد على الأسئلة وتتبع الخدمات على مدار الساعة |
| التراخيص | Intelligent Document Processing | قراءة وتصنيف المستندات والتحقق من اكتمالها |
| التفتيش | Risk Scoring | توجيه حملات التفتيش إلى المنشآت الأعلى مخاطرة |
| الشكاوى | NLP & Sentiment/Topic Classification | تصنيف آلاف الشكاوى آليًا واكتشاف الأنماط المتكررة |
| الطرق | Computer Vision | اكتشاف الحفر والتلف من الصور والكاميرات |
| المخلفات | Optimization | تحسين مسارات سيارات جمع القمامة وتوزيع الحاويات |
| الإنارة | Predictive Maintenance | توقع الأعطال وتحديد أولويات الصيانة |
| التخطيط العمراني | GIS + Remote Sensing + AI | اكتشاف تغيرات استخدامات الأراضي والتوسع العمراني |
| المشروعات | Predictive Analytics | توقع التأخير والتكلفة ومخاطر التنفيذ |
| الاستثمار المحلي | Decision Support | تحليل المزايا النسبية والفرص المتاحة بكل منطقة |
| المالية المحلية | Anomaly Detection | اكتشاف المعاملات أو الأنماط غير الطبيعية |
| إدارة الأصول | Asset Intelligence | تحديد الأصول غير المستغلة واحتياجات الصيانة |
| الطوارئ | Risk Prediction | نمذجة مخاطر السيول والحرائق والاختناقات |
| متخذ القرار | Executive Copilot | تلخيص المؤشرات والتقارير واقتراح سيناريوهات |
نموذج LLM حكومي للمحليات
أحد التطبيقات التي يمكن تنفيذها سريعًا نسبيًا هو إنشاء مساعد ذكي للموظف المحلي Local Government Copilot. لكن لا ينبغي أن يكون مجرد اتصال مباشر بنموذج ذكاء اصطناعي تجاري مفتوح. الأفضل بناء منظومة مؤسسية تستخدم نموذجًا لغويًا مؤمّنًا مع تقنية Retrieval-Augmented Generation – RAG.
يتم ربط النظام بقوانين الإدارة المحلية واللوائح التنفيذية وقوانين المحال والبناء والتخطيط والمشتريات، إلى جانب قرارات المحافظ والتعاميم وأدلة الخدمات وقواعد الإجراءات.
وعندما يسأل الموظف مثلًا: «ما المستندات المطلوبة لترخيص هذا النشاط؟»
لا يعتمد النموذج على ذاكرته العامة، وإنما يبحث داخل المصادر الحكومية الموثقة ويولد إجابة ترتبط بالنص القانوني أو الدليل الإجرائي. ويجب أن تظهر للمستخدم المادة أو المصدر الذي استندت إليه الإجابة، مع الاحتفاظ بسجل Audit Trail للأسئلة والإجابات. وبذلك يصبح الذكاء الاصطناعي أداة لدعم الموظف وليس بديلًا عن السلطة القانونية المختصة.
الذكاء الاصطناعي في إدارة الشكاوى
تمثل الشكاوى مصدر بيانات بالغ الأهمية عادة ما لا يستغل بالكامل. فعشرات الآلاف من الشكاوى الخاصة بالنظافة والطرق والإشغالات والإنارة والتراخيص وغيرها يمكن تحويلها إلى Sensor اجتماعي يكشف المشكلات التي يواجهها المواطنون.
يمكن لنموذج NLP قراءة نصوص الشكاوى وتصنيفها جغرافيًا وموضوعيًا، واكتشاف الشكاوى المكررة، وتحديد مستوى الأولوية، وربطها بالأصول أو المواقع الموجودة في GIS.
إذا ظهرت مثلًا عشرات الشكاوى خلال أسبوع في شارع واحد حول انقطاع الإنارة، يستطيع النظام اكتشاف Cluster آليًا وتحويله من مجموعة شكاوى فردية إلى Incident واحد يحتاج تدخلًا تشغيليًا.
وبذلك تتحول إدارة الشكاوى من نظام لتلقي الرسائل إلى نظام استشعار وتشخيص للمشكلات المحلية.
الذكاء الاصطناعي و Computer Vision في إدارة المدن
يمكن للـرؤية الحاسوبية Computer Vision أن تلعب دورًا مؤثرًا في مجالات لا تتطلب قرارات قانونية عالية الحساسية. فباستخدام الصور التي تجمعها سيارات الخدمات أو الفرق الميدانية يمكن تدريب نماذج لاكتشاف تلف الطرق، وتراكم المخلفات، وتعطل أعمدة الإنارة، والإشغالات، وبعض مظاهر تغير استخدامات الأراضي.
ويمكن دمج صور الأقمار الصناعية Remote Sensing ببيانات GIS للكشف الدوري عن التغير العمراني وحالات البناء المخالف علي الأراضي الزراعية.
القيمة هنا ليست مجرد «اكتشاف المخالفة»، بل بناء نظام إدارة ميدانية Field Operations Management يحول الاكتشاف إلى أمر عمل Work Order، ثم يوجهه إلى الفريق المختص ويحدد الموقع والأولوية والمهلة، ويتابع الإغلاق إلكترونيًا.
حوكمة البيانات
الذكاء الاصطناعي لا يحل مشكلة البيانات السيئة؛ بل قد يضاعف آثارها. لذلك يحتاج كل سجل حكومي إلى تعريف واضح لمالك البيانات Data Owner، والجهة المسؤولة عن جودتها Data Steward، ومصدرها، ومستوى سريتها، ومن يحق له الاطلاع عليها، ومدة الاحتفاظ بها.
كما تحتاج الحكومة إلى Master Data Management – MDM لضمان عدم وجود عشرات التعريفات المختلفة للمواطن أو العقار أو المنشأة نفسها. ويجب وجود Data Catalog مركزي يوضح البيانات الموجودة داخل كل جهة، دون أن يعني ذلك إتاحة البيانات نفسها للجميع.
كما ينبغي الفصل بين مفهومين مختلفين: Data Sharinظ لا يعني Open Data. فبعض البيانات يمكن تبادلها بين جهات حكومية لتنفيذ خدمة، ولكن لا يجوز نشرها للعامة لأنها تحتوي على بيانات شخصية. وفي المقابل، يمكن نشر بيانات إحصائية ومكانية مجهلة لدعم الباحثين والشركات والمجتمع المدني.
ويأتي ذلك داخل الإطار المصري الذي يتضمن قانون حماية البيانات الشخصية وغيره من التشريعات المنظمة للمعاملات الرقمية؛ وتشير وزارة الاتصالات إلى قانون حماية البيانات الشخصية وقانون التوقيع الإلكتروني وقانون مكافحة جرائم تقنية المعلومات باعتبارها من المكونات الأساسية للإطار التشريعي للاقتصاد والحكومة الرقمية. كما أصبح مركز حماية البيانات الشخصية الجهة المؤسسية المختصة بتطوير بيئة حماية البيانات الشخصية في مصر.
الذكاء الاصطناعي المسؤول في المحليات
أخطر خطأ يمكن ارتكابه هو استخدام AI في اتخاذ قرارات إدارية تمس حقوق المواطنين دون آليات للمراجعة البشرية.
ينبغي لذلك تصنيف تطبيقات الذكاء الاصطناعي الحكومية حسب مستوى المخاطر. فالنظام الذي يقترح أفضل مسار لسيارة قمامة يختلف جذريًا عن نظام يقرر رفض ترخيص أو فرض عقوبة على مواطن.
وفي القرارات التي تمس الحقوق أو الالتزامات القانونية يجب تطبيق Human-in-the-Loop، بحيث يكون الذكاء الاصطناعي أداة للتوصية والتحليل، بينما تظل المسؤولية النهائية لدى الموظف أو السلطة المختصة.
وتؤكد توصية اليونسكو لأخلاقيات الذكاء الاصطناعي أهمية إخطار الأشخاص عند استخدام AI في الخدمات، وإتاحة تفسير القرارات المؤثرة على حقوقهم، وتمكينهم من الاعتراض والوصول إلى مراجعة بشرية.
كما تؤكد OECD أن استخدام AI في الحكومة يمكن أن يحسن الأتمتة، والتخصيص، واكتشاف الاحتيال وصنع القرار، لكنه يمكن أيضًا أن ينقل تحيزات البيانات أو يؤدي إلى قرارات غير شفافة إذا لم توجد حوكمة فعالة.
ومن ثم ينبغي لكل نظام حكومي عالي الأثر أن يمتلك AI Impact Assessment، Model Card، Dataset Documentation، Audit Logs، Bias Testing، Explainability Mechanism، Human Appeal Process.
الأمن السيبراني
كلما زاد التكامل بين قواعد البيانات زادت قيمة النظام، ولكن زادت أيضًا آثار أي اختراق ناجح. لذلك يجب تطبيق Security-by-Design منذ مرحلة تصميم الخدمة. وينبغي أن تتضمن البنية المستهدفة إدارة مركزية للهويات والصلاحيات IAM، وتشفير البيانات أثناء التخزين والنقل، وتعدد عوامل المصادقة، وإدارة مفاتيح التشفير، وتسجيل جميع العمليات، وتقسيم الشبكات، ومبادئ Zero Trust، وإدارة الثغرات، ومراكز عمليات أمنية SOC. ويجب كذلك فرض مبدأ Least Privilege، بحيث لا يحصل الموظف على صلاحية الاطلاع على بيانات لمجرد أنه يعمل داخل الجهة الحكومية.
وتوفر الاستراتيجية الوطنية للأمن السيبراني 2023–2027 مظلة قومية لهذا الاتجاه، وتركز على رفع قدرة الفضاء السيبراني المصري على مواجهة التهديدات وبناء القدرات البشرية والصناعية في مجال الأمن السيبراني.
التشغيل البيني Interoperability
لا تستطيع الإدارة المحلية الذكية العمل إذا كانت كل جهة عبارة عن جزيرة معلوماتية منفصلة. فخدمة واحدة قد تحتاج التحقق من الهوية، وبيانات منشأة، وسجل عقار، وسداد مالي، وموافقة حماية مدنية أو جهة تنظيمية. إذا تم هذا التبادل بالملفات ورسائل البريد والمكاتبات الورقية فلن تكون الخدمة رقمية فعليًا.
ولهذا تحتاج الدولة إلى National Interoperability Framework يحدد المعايير المشتركة للـAPIs، ونماذج البيانات Data Schemas، والتعريفات الموحدة، وإدارة الموافقات Consent، وتسجيل عمليات تبادل البيانات.
وتعد منظومة G2G الحالية وربط أكثر من 100 قاعدة بيانات أساسًا مهمًا يمكن توسيعه لبناء هذا النموذج.
وبالتالي فلا ينبغي بناء 27 منصة ذكاء اصطناعي، فمن الناحية الاقتصادية والتقنية، من غير المنطقي أن تطور كل محافظة منفردة بنيتها الخاصة للذكاء الاصطناعي.فالأفضل إنشاء Government AI Platform مشتركة تقدم خدمات مثل OCR، وتحويل الصوت إلى نص، وتصنيف المستندات، والنماذج اللغوية العربية، والبحث الدلالي، والتحليل التنبؤي، وComputer Vision، وMLOps. وتستهلك المحافظات هذه القدرات من خلال APIs آمنة.
هذا النموذج يخفض التكلفة، ويزيد الأمن، ويمنع تكرار الاستثمار، ويوحد معايير الجودة والحوكمة. أما البيانات المحلية نفسها فيمكن أن تظل موزعة Federated وفق الصلاحيات القانونية، دون اشتراط تجميع جميع البيانات في قاعدة مركزية واحدة.
نموذج مقترح للتحول إلى «المحليات الذكية»
يمكن تنفيذ التحول على خمس مراحل مترابطة:
| المرحلة | الإطار الزمني | الهدف |
| 1. التشخيص وإعادة الهندسة | 0–6 أشهر | حصر الخدمات والبيانات وإزالة الإجراءات غير الضرورية |
| 2. الخدمات End-to-End | 6–18 شهرًا | رقمنة الخدمات ذات الأولوية وربط المدفوعات والهوية |
| 3. الحكومة المتصلة | 12–24 شهرًا | APIs وG2G وMDM وGIS ومنصة بيانات محلية |
| 4. AI-Assisted Government | 18–30 شهرًا | إدخال AI في الشكاوى والمستندات والصيانة والرقابة |
| 5. Intelligent & Proactive Government | 30–48 شهرًا | التحليلات التنبؤية والخدمات الاستباقية والتوأم الرقمي |
والأهم أن المرحلة الثالثة يجب أن تسبق التوسع الكبير في المرحلة الرابعة.
Data → Integration → Process Transformation → AI
وليس:
AI → محاولة البحث عن البيانات بعد ذلك.
يجب اختيار حالات استخدام الذكاء الاصطناعي اقتصاديًا
من أكبر مشكلات مشروعات AI بشكل عام هي الانبهار بالتكنولوجيا بدل التركيز على العائد.
ينبغي تقييم كل Use Case وفق أربعة متغيرات: حجم المعاملات، والتكلفة الحالية، وإمكانية توفير الوقت أو المال، ومستوى المخاطر. فالخدمة التي تنفذ مليون مرة سنويًا ويمكن خفض زمنها عشر دقائق قد تكون أهم اقتصاديًا من مشروع AI أكثر تعقيدًا لكنه يؤثر على مئات المعاملات فقط. ويجب أن يصبح مفهوم Cost per Transaction أحد المؤشرات المركزية في الحكومة الرقمية.
إعادة تعريف مؤشرات أداء المحليات
نجاح التحول الرقمي لا يقاس بعدد أجهزة الكمبيوتر أو التطبيقات أو حتى عدد الخدمات المنشورة إلكترونيًا. المقياس الحقيقي هو أثر التحول على المواطن والإدارة. وينبغي إنشاء Local Digital Government Dashboard لكل محافظة يقيس على الأقل المؤشرات التالية:
| المؤشر | طريقة القياس |
| End-to-End Digital Rate | نسبة الخدمات التي يمكن إنهاؤها بالكامل إلكترونيًا |
| Digital Adoption | نسبة المعاملات المنفذة رقميًا |
| Median Processing Time | الزمن الوسيط لإنهاء الخدمة |
| First-Time-Right | نسبة الطلبات المقبولة دون إعادة استكمال |
| Once-Only Rate | نسبة البيانات التي أعادت الحكومة استخدامها بدل طلبها من المواطن |
| Cost per Transaction | إجمالي تكلفة الخدمة ÷ عدد المعاملات |
| SLA Compliance | نسبة المعاملات المنتهية داخل المهلة |
| Citizen Satisfaction | رضا المستخدمين بعد المعاملة |
| Complaint Resolution Time | متوسط زمن حل الشكوى |
| System Availability | نسبة توافر المنصة |
| Data Quality Score | الاكتمال والدقة والتكرار وحداثة البيانات |
| AI Accuracy | Precision / Recall / Error Rate بحسب التطبيق |
| Fairness Indicators | قياس الفروق غير المبررة بين الفئات أو المناطق |
| Geographic Service Equity | الفجوات بين المناطق في زمن وجودة الخدمة |
وينبغي نشر هذه المؤشرات على لوحات متابعة عامة، لأن الشفافية نفسها آلية من آليات تحسين الأداء.
التحول الرقمي واللامركزية
هناك بعد مؤسسي آخر لا يقل أهمية عن التكنولوجيا. فالتحول الرقمي يمكن أن يدعم اللامركزية، لكنه يمكن أيضًا أن يتحول إلى أداة لمزيد من المركزية إذا أصبحت جميع القرارات محتجزة في المستوى المركزي.
النموذج الأفضل هو (Central Platforms – Local Intelligence) أي أن توفر الدولة مركزيًا البنية الأساسية والهوية والأمن والمعايير والتكامل، بينما تحصل المحافظة والوحدة المحلية على أدوات أفضل لتحليل واقعها وتحديد أولوياتها وقياس أدائها.
وتقدم تجربة برنامج التنمية المحلية في صعيد مصر مثالًا مهمًا على أهمية بناء قدرات الإدارة المحلية وربط التمويل والأداء والاستجابة للاحتياجات المحلية. وقد أشار البنك الدولي إلى أن البرنامج ساعد في تعزيز قدرة الحكومات المحلية على تقديم البنية الأساسية والخدمات وتحسين تحديد الاحتياجات المحلية، واستفاد منه أكثر من ثمانية ملايين مواطن.
وبالتالي يجب النظر إلى GovTech باعتباره أداة للتمكين المحلي وليس مجرد مشروع تكنولوجي مركزي.
مركز عمليات رقمي للمحافظة G-DOC
يمكن أن يكون أحد المشروعات المحورية إنشاء مركز عمليات رقمي للمحافظة Governorate Digital Operations Center. ولا يقصد بذلك مجرد غرفة بها شاشات. بل منصة تجمع في مكان واحد بيانات الخدمات والشكاوى والمشروعات والطرق والمخلفات والتراخيص والأصول والإنفاق والمؤشرات المكانية. وتعرض هذه المعلومات وفق مستويات مختلفة لصانع القرار.
المحافظ يرى مؤشرات المحافظة بالكامل. ورئيس المدينة يرى نطاق مدينته. ورئيس الحي يرى الشوارع والأصول والخدمات التابعة له. وهكذا ..
ويستطيع النظام الانتقال من KPI إلى الخريطة ثم إلى الأصل أو الشكوى أو أمر العمل نفسه.وبذلك يتحول Dashboard من شاشة للعرض إلى Operational Decision System.
الذكاء الاصطناعي وتوزيع الاستثمارات المحلية
يمكن للتحليلات المتقدمة Advanced Data Analytics دعم توزيع الاستثمارات بطريقة أكثر موضوعية. فبدل الاعتماد فقط على الطلبات الإدارية، يمكن بناء نموذج Multi-Criteria Decision Analysis يجمع عدد السكان والفقر وكثافة الخدمات وحالة البنية الأساسية ومؤشرات الوصول للشبكات ومعدلات النمو السكاني والشكاوى ومستوى المخاطر البيئية.
ثم يمكن استخدام Optimization Models لاختبار سيناريوهات توزيع الموارد.
لكن يجب ألا يتخذ النموذج القرار السياسي النهائي، دوره هو إظهار المفاضلات، فمثلًا :إذا تم تخصيص 100 مليون جنيه بهذه الطريقة، فما عدد المواطنين الذين سيتحسن وصولهم للخدمات؟ وإذا أعيد توزيعها بطريقة أخرى، فما الفارق؟ وبذلك يصبح AI أداة لـEvidence-Based Local Policy Making.
أهم مخاطر المشروع
أكبر المخاطر ليست تكنولوجية فقط. العائق الرئيسي للتحول الرقمي هو مقاومة التغيير، فقد يفشل المشروع بسبب مقاومة التغيير، أو تضارب الاختصاصات، أو ضعف جودة البيانات، أو عدم وضوح ملكيتها، أو استمرار الجهات في مطالبة المواطنين بالمستندات رغم وجود الربط الإلكتروني.
وقد ينشأ نوع جديد من البيروقراطية يمكن تسميته Digital Bureaucracy: تصبح المعاملة إلكترونية، لكن كل تعقيد البيروقراطية القديمة يبقى موجودًا خلف الشاشة. وهناك أيضًا خطر Vendor Lock-in إذا تم بناء البنية الأساسية على منتجات لا تسمح للدولة بنقل البيانات أو النماذج إلى مزود آخر بسهولة. ولهذا يجب تضمين شروط Data Portability وOpen APIs وInteroperability في المشتريات الحكومية.
وفي تطبيقات الذكاء الاصطناعي التوليدي Gen AI تحديدًا يجب الحذر من Hallucinations وتسرب البيانات وPrompt Injection، وعدم السماح للنماذج العامة بالوصول المباشر إلى قواعد البيانات الحساسة دون طبقات أمن وتحكم ومراقبة.
النموذج المقترح لمصر
من التجارب الدولية نستطيع أن نقول أن الذكاء الاصطناعي وحده لا يحسن الحكومة. بل هناك عدة عوامل رئيسية عرفتها منظمة التعاون الاقتصادي والتنمية OECD في سبعة ممكنات للاستخدام الناجح للذكاء الاصطناعي في الحكومة تشمل الحوكمة، والبيانات، والبنية الرقمية، والمهارات، والاستثمار، والمشتريات، والشراكات مع الجهات غير الحكومية.
وهذا يعني أن مشروع «المحليات الذكية» يجب ألا يوضع بالكامل داخل إدارة تكنولوجيا المعلومات. بل يجب أن يكون برنامج تحول مؤسسي يشترك فيه خبراء الإدارة العامة والهندسة والتخطيط والقانون والمالية والبيانات والأمن السيبراني وتجربة المستخدم والذكاء الاصطناعي. فالتكنولوجيا هي الممكن Enabler، وليست الهدف النهائي. وهكذا يمكن بلورة الرؤية للنموذج المقترح في معادلة مختصرة:
إدارة محلية ذكية = خدمات معاد تصميمها + حكومة مترابطة + بيانات موثوقة + GIS + ذكاء اصطناعي مسؤول + قدرات بشرية + حوكمة وأمن + قياس أداء.
وعمليًا يمكن أن يقوم النموذج على إنشاء National Local Government Digital Platform لا تستبدل مصر الرقمية، وإنما تكون طبقة قطاعية Sector Platform تحتها، تشمل محرك الإجراءات الموحد، وسجل الخدمات المحلية، ومنصة GIS، وإدارة الأصول، وإدارة التفتيش الميداني، ونظام الشكاوى، ومنصة البيانات والتحليلات، وAI Platform مشتركة.
وتصبح كل محافظة Tenant داخل المنصة وفق نموذج Multi-Tenant Architecture، مع الفصل الآمن للبيانات والصلاحيات وإمكانية تخصيص الخدمات محليًا.
وبذلك لا تحتاج الدولة إلى بناء عشرات الأنظمة المتكررة، ويمكن تحديث الخدمة أو معيار الأمن أو نموذج الذكاء الاصطناعي مركزيًا ثم إتاحته لجميع المحافظات.
أولويات التنفيذ المقترحة
إذا كان المطلوب بدء برنامج عملي وليس استراتيجية نظرية واسعة، فإن الأولوية الأولى ينبغي أن تكون إعداد National Local Services Catalogue يحصر جميع الخدمات المحلية ويحدد تشريعاتها ومدخلاتها ومخرجاتها ومالك الخدمة والجهات المشاركة والمدة والتكلفة.
ثم يتم اختيار مجموعة من الخدمات ذات حجم معاملات مرتفع لإعادة هندستها بالكامل. وفي الوقت نفسه يبدأ بناء Local Data Model موحد للعقار والمنشأة والمحل والأصل والطريق والعنوان والشكوى والمشروع.
بعد ذلك يتم ربط الخدمة بالهوية الرقمية والتوقيع الإلكتروني والمدفوعات والخزانة الرقمية وG2G. وعندما تستقر البيانات والإجراءات تبدأ المرحلة الأولى من AI في التطبيقات منخفضة المخاطر: تصنيف الشكاوى، وقراءة المستندات، والبحث الذكي، والصيانة التنبؤية، وتحليل البيانات.
ثم ينتقل البرنامج تدريجيًا إلى التطبيقات الأعلى أثرًا مع وضع آليات للمراجعة البشرية والاعتراض والتدقيق.
الخاتمة
قطعت مصر شوطًا مهمًا في بناء البنية الأساسية للحكومة الرقمية عبر شبكات ألياف ضوئية وبنية معلوماتية، ومراكز تكنولوجية، ومنصة مصر الرقمية، وهوية وتوقيع إلكتروني وخدمات دفع لحظي، ومنظومات تكامل حكومي، وقواعد بيانات مترابطة متكاملة، إلى جانب النسخة الثانية من الاستراتيجية الوطنية للذكاء الاصطناعي. والتي تؤكد وجود مصر ضمن مجموعة النضج المتقدم في مؤشر GovTech 2025 وأن نقطة البداية الحالية تختلف جذريًا عما كانت عليه قبل سنوات قليلة ماضية.
لكن المعيار الحقيقي لنجاح المرحلة المقبلة لن يكون عدد الخدمات الإلكترونية، وإنما مقدار ما تغير في تجربة المواطن وكفاءة الإدارة نفسها لتحسين جودة حياة المواطنين.
فالتحول الحقيقي يحدث عندما لا يضطر المواطن إلى معرفة أي جهة حكومية مسؤولة عن أي خطوة، وعندما لا تطلب منه الحكومة معلومة تمتلكها بالفعل، وعندما يستطيع متابعة معاملته في الوقت الحقيقي، وعندما تقاس الجهات بزمن الخدمة وجودتها ورضا المستخدم لا بعدد المكاتبات التي أصدرتها.
والمرحلة الأبعد هي الانتقال إلى إدارة محلية تستطيع استشعار المشكلات قبل تفاقمها، وتوجيه الموارد إلى المناطق الأكثر احتياجًا، والتنبؤ بالأعطال، وتحليل شكاوى المواطنين، وتحسين التخطيط، وتقديم بعض الخدمات بصورة استباقية.
وهنا يتحول الذكاء الاصطناعي من مجرد أداة تقنية إلى جزء من نموذج جديد للإدارة العامة.
ولذلك فإن الرهان الحقيقي ليس «إدخال الذكاء الاصطناعي إلى المحليات»، وإنما بناء إدارة محلية رقمية قائمة على البيانات أولًا، ثم جعلها قابلة للذكاء AI-ready.
إذا تحقق ذلك، يمكن أن يصبح التحول الرقمي واحدًا من أقوى أدوات إصلاح الإدارة المحلية في مصر: ليس فقط لخفض الوقت والتكلفة، ولكن لتعزيز الشفافية والمساءلة، وتحسين تخصيص الموارد، وتقليل الاحتكاك البيروقراطي، ودعم الاستثمار المحلي، وزيادة قدرة الدولة على تقديم خدمات أكثر عدالة وكفاءة واستجابة لاحتياجات المواطنين.
المراجع
- وزارة الاتصالات وتكنولوجيا المعلومات، Digital Egypt – Egypt ICT 2030 Strategy، الإطار الرسمي للتحول الرقمي والبنية الرقمية والتشريعات والذكاء الاصطناعي في مصر.
- وزارة التخطيط والتنمية الاقتصادية والتعاون الدولي، خطة قطاع الاتصالات وتكنولوجيا المعلومات 2025/2026.
- وزارة التخطيط والتنمية الاقتصادية والتعاون الدولي، تقرير تطوير المراكز التكنولوجية وخدمات مصر، 2025.
- المجلس الوطني للذكاء الاصطناعي، الاستراتيجية الوطنية للذكاء الاصطناعي – الإصدار الثاني 2025–2030.
- وزارة الاتصالات وEG-CERT، الاستراتيجية الوطنية للأمن السيبراني 2023–2027.
- رؤية مصر 2030 المحدثة – نوفمبر 2023
- World Bank, Egypt Economic Monitor: The Far-Reaching Impact of Government Digitalization.
- World Bank, GovTech Maturity Index 2025.
- World Bank, Upper Egypt Local Development Program and Egypt country results.
- OECD, Digital Government Policy Framework
- OECD, Governing with Artificial Intelligence, 2025.
- UNESCO, Recommendation on the Ethics of Artificial Intelligence.