المدن الذكية 2025: الذكاء الاصطناعي يبدأ من الحي

أكثر خطأ أراه يتكرر في مشاريع “المدينة الذكية” هو الاعتقاد أن الذكاء يبدأ من الأجهزة: حساسات أكثر، كاميرات أكثر، شاشات أكثر. الواقع أن كثيرًا من المدن جرّبت هذا المسار في العقد الماضي، ثم اكتشفت أن النتيجة لا تُقاس بعدد الأجهزة بل بقدرة المدينة على حل مشكلة محلية محددة—في حي محدد—وبمقاييس واضحة.

في 21/12/2025، ومع ضغط الميزانيات وارتفاع توقعات السكان، صار السؤال العملي: كيف نجعل البنية التحتية والعقارات تعمل بكفاءة أعلى وتكلفة أقل، دون أن يتحول المشروع إلى “معرض تقني”؟ هنا يظهر دور الذكاء الاصطناعي في العقارات والبنية التحتية الذكية بوصفه أداة ربط بين البيانات والقرار، وليس مجرد إضافة جميلة.

التحول الأهم الذي نحتاجه اليوم هو: من مدينة ذكية تعتمد على الأجهزة… إلى مدينة أذكى تعتمد على “المحلية”—أي فهم السياق المحلي، وإشراك السكان، وتصميم حلول مفصلة على مقاس المكان.

لماذا انتهى زمن الحلول الجاهزة “مقاس واحد”؟

السبب المباشر: المدن ليست متشابهة. ما يصلح لوسط مدينة ساحلية لن ينجح بنفس الشكل في ضاحية صحراوية أو في منطقة سياحية موسمية. حتى داخل المدينة الواحدة، تختلف أنماط الحركة، واستهلاك الطاقة، وشكاوى السلامة، وسلوك الزوار من حي إلى آخر.

هذا يعني أن نموذج “شركة تبيع تطبيقًا واحدًا لجميع المدن” لم يعد عمليًا. بدلًا من ذلك، أصبحت البلديات تضطر أن تقود التعريف: ما المشكلة؟ من المتأثر؟ ما البيانات المتاحة؟ وما معيار النجاح؟

في تجربتي مع فرق تشغيل أصول عقارية (مبانٍ، مواقف، مجمعات)، السؤال الذي يحسم الاتجاه ليس “هل لدينا حساسات؟” بل: هل لدينا قرار يمكن تحسينه إذا توفر لنا تنبؤ أدق؟ الذكاء الاصطناعي هنا يعمل مثل محرك يساعدك على تقليل العشوائية، بشرط أن تكون المشكلة محددة.

3 أسئلة يجب أن تسبق أي شراء تقني

• ما القرار الذي سيتغير بوجود هذا النظام؟ (تشغيل، صيانة، أمن، إنارة، مرور)
• ما خط الأساس؟ (زمن استجابة، أعطال، استهلاك كهرباء، حوادث)
• ما ناتج الأعمال خلال 90 يومًا؟ (نتيجة سريعة قابلة للقياس)

إذا لم تستطع الإجابة، فالأجهزة غالبًا ستتحول إلى عبء صيانة ومشتريات إضافية.

الذكاء الاصطناعي كقلب المدينة الذكية: من البيانات إلى قرار يومي

الذكاء الاصطناعي في المدن لا يعني “روبوت يدير المدينة”. المعنى العملي: نماذج تتنبأ، تصنّف، وتوصي—وتدفع فريق التشغيل لاتخاذ قرار أفضل اليوم، لا بعد سنة.

هذا يهم العقارات والبنية التحتية تحديدًا لأن كلفة التشغيل تتراكم يوميًا: كهرباء، مياه، صيانة مصاعد، أعطال شبكات، ازدحام، وتدهور أصول.

أين ينجح الذكاء الاصطناعي بسرعة داخل العقار والحي؟

1. الصيانة التنبؤية للأصول

• بدل صيانة “حسب الجدول” أو “بعد العطل”، تستخدم المدينة بيانات الاهتزاز/الحرارة/الأحمال لتوقع احتمالية الفشل خلال أسابيع.
• النتيجة الأكثر واقعية: تقليل الأعطال المفاجئة، وتحسين جدولة فرق الصيانة وقطع الغيار.

1. إدارة الطاقة على مستوى المبنى والحي

• نماذج تتنبأ بذروة الاستهلاك بناءً على الطقس، الإشغال، التقويم (نهاية أسبوع/مواسم).
• إجراء بسيط لكن مؤثر: تحسين تشغيل التكييف والإنارة والمضخات بشكل يقلل الذروة ويخفف الفاتورة.

1. سلامة المشاة والطرق “بذكاء محلي”

• بدل تركيب كاميرات فقط، يمكن استخدام تحليل أنماط الحوادث/السرعات/أوقات الذروة لتعديل توقيت الإشارات، وضع مطبات ذكية، أو إعادة تصميم معابر.
• المعيار هنا ليس “عدد الكاميرات” بل انخفاض الحوادث في تقاطع بعينه.

1. تجربة المواطن والخدمات

• تحليل البلاغات (مركز اتصال/تطبيقات) لاستخراج أكثر المشكلات تكرارًا وتحديد مناطقها.
• هذا يخلق خريطة “ألم” حقيقية تقود أولويات الاستثمار.

عبارة أحبها في هذا السياق: المدينة الذكية التي لا تُقاس نتائجها على مستوى الحي… ليست ذكية بما يكفي.

المحلية ليست شعارًا: كيف تبني مشروعًا يبدأ من السكان وينتهي بمؤشر أداء

التحول الذي برز بقوة في تجارب المدن هو وضع “السكان أولًا”. لكن الكثير يفسره على أنه ورش عمل عامة وتنتهي القصة. المحلية الناجحة تعني تحويل صوت السكان إلى متطلبات تشغيلية ثم إلى مؤشرات.

نموذج عملي: من الشكوى إلى الحل خلال 8 أسابيع

1. استقبال الإشارات: بلاغات، اجتماعات حي، بيانات المرور، شكاوى ملاك العقارات.
2. تعريف المشكلة بوضوح: “انعدام شعور الأمان في الحديقة بعد 09:00 م” أفضل من “نريد حديقة ذكية”.
3. قياس خط الأساس: عدد البلاغات، الإضاءة الفعلية، حركة الدخول والخروج.
4. تدخل صغير قابل للاختبار:
   • إنارة متكيفة حسب الحركة
   • تحسين مسارات كاميرات/دوريات
   • زر طوارئ مرتبط بمركز التحكم
5. تقييم أسبوعي: هل انخفضت البلاغات؟ هل زادت الزيارات؟ هل ارتفع الشعور بالأمان في استبيان قصير؟

هذا الأسلوب يخدم أيضًا المطورين ومديري الأصول العقارية: التدخلات الصغيرة التي تُقاس تعطيك مبررًا ماليًا للتوسع.

ماذا عن “التوأم الرقمي”؟

التوأم الرقمي مفيد عندما يكون فهم العلاقة بين أجزاء المدينة معقدًا (شبكات، تصريف، حركة). لكني أرى أن كثيرًا من المشاريع تبدأ بالتوأم الرقمي قبل أن تحسم سؤال: “ما القرار الذي سيُحسن؟”. الاستخدام الأكثر جدوى:

• محاكاة تأثير إغلاق شارع على حركة حي كامل
• اختبار سيناريوهات تصريف أمطار قبل موسم الشتاء
• ربط أداء مبانٍ حكومية بمؤشر استهلاك حي

الحوكمة والمهارات: ثلاثة شروط لا يمكن تجاوزها

أي مدينة تريد نتائج ملموسة تحتاج ثلاثة مكونات تشغيلية (وليس تقنيات فقط): المهارة، القرار المعتمد على البيانات، والشراكات.

1) المهارة: الفريق أهم من المنصة

بدون فريق يستطيع قراءة البيانات وطرح أسئلة صحيحة، تتحول أنظمة الذكاء الاصطناعي إلى لوحات عرض جميلة. الحد الأدنى الذي أنصح به لبرنامج مدينة/منطقة:

• مسؤول بيانات/تحليلات (Data Lead)
• مهندس تكامل بيانات (Integration)
• مسؤول منتجات للخدمات الرقمية (Product)
• ممثل تشغيل ميداني (Operations)

2) القرار المعتمد على البيانات: لا مؤشرات، لا مشروع

ضع 5 مؤشرات فقط في البداية. أكثر من ذلك يشتت.

أمثلة مؤشرات مناسبة للعقارات والبنية التحتية:

• استهلاك الطاقة لكل متر مربع
• زمن معالجة البلاغات
• نسبة الأعطال المفاجئة مقابل المخططة
• زمن الاستجابة للحوادث في نقاط محددة
• نسبة توفر الأصول (Asset Uptime)

3) الشراكات: الشركات الصغيرة + الخبرة الكبيرة

الواقع العملي: المدن تعثر على حلولها غالبًا عبر مزيج من:

• مزودين متخصصين (شركات صغيرة) لحل مشكلة محددة بسرعة
• شركات كبيرة لضمان الاستدامة، الأمن السيبراني، والدعم طويل المدى

الأهم هو صياغة عقد يركز على النتائج لا على “التوريد”: ادفع مقابل مؤشرات أداء تحققت، لا مقابل أجهزة تم تركيبها فقط.

من “أجهزة” إلى “أثر”: خارطة طريق 90 يومًا لبدء مدينة أذكى

إذا كنت جهة بلدية، مطورًا عقاريًا، أو مدير بنية تحتية، هذه خطة قصيرة ومباشرة تقلل المخاطر:

الأسبوع 1-2: اختيار مشكلة واحدة عالية الأثر

• اختر مشكلة تؤلم السكان أو تستهلك ميزانية تشغيلية واضحة (طاقة، أعطال، سلامة).

الأسبوع 3-4: تجهيز بيانات الحد الأدنى

• اجمع بيانات من مصدرين إلى ثلاثة فقط.
• نظّفها، وحدد من يملكها ومن يوافق على استخدامها.

الأسبوع 5-8: نموذج ذكاء اصطناعي “بسيط لكنه مفيد”

• توقع ذروة استهلاك الطاقة، أو أعطال أصل محدد، أو مناطق بلاغات مرتفعة.
• ركّز على توصية قرار: “افعل كذا” وليس فقط “هذا الرسم البياني”.

الأسبوع 9-12: قياس وتحسين ثم توسيع

• قارن قبل/بعد.
• إذا تحسن مؤشر واحد بوضوح، وسّع التجربة لحي آخر أو مبنى آخر.

القاعدة الذهبية: ابدأ صغيرًا، قِس بسرعة، ثم توسّع بثقة.

أسئلة شائعة يطرحها قادة المدن والمطورون (وإجابات عملية)

هل نحتاج إنترنت أشياء (IoT) قبل الذكاء الاصطناعي؟

ليس دائمًا. كثير من حالات الاستخدام تبدأ ببيانات موجودة أصلًا: فواتير طاقة، سجلات صيانة، بلاغات، بيانات مرور. إنترنت الأشياء يُضاف عندما تكون فجوة البيانات تمنع القرار.

كيف نتجنب “هوس الذكاء الاصطناعي” داخل المشروع؟

ضع شرطًا بسيطًا: لا نموذج بدون قرار، ولا قرار بدون مؤشر. إذا لم نعرف ما الذي سيتغير وكيف سنقيسه، نوقف العمل.

ما أكبر مخاطر مشاريع المدن الذكية؟

• تشتت الأولويات بين إدارات متعددة
• حلول جاهزة لا تناسب السياق المحلي
• غياب حوكمة البيانات (من يملك؟ من يصل؟)
• تجاهل تجربة المستخدم للسكان والموظفين

خطوة أخيرة: المدن الذكية التي تربح في 2026 هي الأقرب للناس

ضمن سلسلة “الذكاء الاصطناعي في العقارات والبنية التحتية الذكية”، هذه الحلقة تحمل موقفًا واضحًا: النجاح لا يأتي من زيادة الأجهزة، بل من جعل الذكاء الاصطناعي يخدم قرارات محلية قابلة للقياس—في مبنى، شارع، أو حديقة.

إذا كنت تفكر في مشروع مدينة ذكية أو بنية تحتية ذكية خلال الربع الأول من 2026، ابدأ بملف واحد: الطاقة، السلامة، أو الصيانة. اختر حيًا واحدًا. ضع مؤشرًا واحدًا. ثم ابنِ منه برنامجًا كاملًا.

ما المشكلة المحلية التي لو حُلّت خلال 90 يومًا ستغير نظرة السكان والمستثمرين لمدينتكم؟