تمكين النساء بالذكاء الاصطناعي لقطاع الطاقة بالكويت

في 26/12/2025 أعلنت مبادرة «NAMA Talks» أنها درّبت 336 امرأة خلال خمسة أشهر على مهارات عملية تمسّ المال والتقنية والذكاء الاصطناعي ومسارات STEM. الرقم بحد ذاته مهم، لكن الأهم هو الرسالة التي يحملها: تأهيل الكفاءات البشرية صار شرطاً مسبقاً لأي تحوّل رقمي حقيقي—وخاصة في القطاعات الثقيلة مثل الطاقة والنفط والغاز.

في سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في الكويت»، نركّز عادةً على النماذج والخوارزميات والبنية التحتية للبيانات. لكن الواقع أن كثيراً من الشركات تخفق لأنّها تبدأ من التقنية وتنسى الناس. ما قامت به NAMA في الإمارات (الشارقة والفجيرة) يقدّم نموذجاً عملياً يمكن الاستفادة منه في الكويت: رفع الجاهزية عبر مهارات مالية، ومعرفة تطبيقية بأدوات الذكاء الاصطناعي، ودفع النساء لمسارات STEM—وهي ثلاثية قادرة على تسريع تبنّي الذكاء الاصطناعي في الطاقة.

لماذا التدريب المهاري هو الوقود الخفي لتحوّل الطاقة في الكويت؟

الجواب المباشر: لأن الذكاء الاصطناعي في الطاقة لا ينجح دون قوى عاملة تفهم البيانات والمخاطر وتعرف كيف تتخذ قراراً. في شركات النفط والغاز، القرار الخاطئ لا يعني “تجربة فاشلة” فقط؛ قد يعني توقف إنتاج، أو حادث سلامة، أو خسائر تشغيلية.

عندما تتعامل المؤسسة مع مشاريع مثل التنبؤ بالأعطال، وتحسين الاستهلاك، ومراقبة الانبعاثات، فهي تحتاج إلى أشخاص قادرين على:

• فهم ما تعنيه مؤشرات الأداء (KPIs) في سياق التشغيل
• قراءة نماذج المخاطر المالية والتشغيلية معاً
• تقييم مخرجات النماذج بدقة بدل التعامل معها كـ “صندوق أسود”

هذا يفسّر قيمة نموذج NAMA Talks: البرنامج لم يقدّم “محاضرات عامة”، بل ركّز على مهارات تمس اتخاذ القرار اليومي، وهو ما تحتاجه بيئة الطاقة تماماً.

ما الذي يربط «الوعي المالي بالمخاطر» بالذكاء الاصطناعي في النفط والغاز؟

الربط مباشر أكثر مما يتصور كثيرون. في الطاقة، كل مبادرة ذكاء اصطناعي لها تكلفة وفرصة وعائد ومخاطر:

• تكلفة البيانات (جمع/تنظيف/تخزين)
• تكلفة التغيير التشغيلي (إجراءات جديدة، تدريب، حوكمة)
• مخاطر الامتثال (خصوصية، أمن سيبراني، تدقيق)
• مخاطر التشغيل (إنذار كاذب، قرار خاطئ، تعطّل مفاجئ)

حين درّبت NAMA 97 مشاركة على «التمكين عبر فهم المخاطر المالية»، فهي عملياً تبني أساساً عقلياً يساعد على التعامل مع مشاريع الذكاء الاصطناعي بواقعية: كم ندفع؟ ماذا نكسب؟ ما المخاطر؟ وكيف نخففها؟

نموذج NAMA Talks بالأرقام: ما الذي يمكن أن نستفيد منه في الكويت؟

الجواب المباشر: الأرقام توضّح كيف يمكن تصميم برنامج قصير المدى لكنه عالي الأثر.

حسب محتوى الخبر:

• إجمالي المستفيدات: 336 امرأة
• المحور الأول: الوعي بالمخاطر المالية (97 مشاركة)
• المحور الثاني: «عالم الذكاء الاصطناعي وكيف تستفيدين منه» (97 مشاركة)
• المحور الثالث: «نساء يقُدن التقدم في STEM» (142 مشاركة)
• نتيجة قياس الأثر: 90% من المشاركات أفدن أن الجلسات حسّنت فهمهن لموضوعات مالية وتقنية وهندسية وذكاء اصطناعي

هذه الأرقام ليست “للاستعراض”. هي دليل على ثلاث نقاط يمكن نسخها وتكييفها في الكويت لقطاع الطاقة:

1. تقسيم الجمهور حسب الهدف: طالبات سنة أخيرة/خريجات حديثات (مسار STEM) مقابل موظفات/ربّات منازل/متقاعدات (الوعي المالي والتقني)
2. مواضيع عملية لا نظرية: المخاطر، أدوات AI، ومسارات مهنية
3. قياس أثر واضح: ليس حضوراً فقط، بل تحسّن فهم ونية نقل معرفة

«حين تتحول المهارات المتخصصة إلى معرفة مشتركة، يصبح أثر التدريب مجتمعياً لا فردياً فقط.»—هذه الفكرة التي عبّرت عنها قيادة NAMA تلخّص ما تحتاجه منظومة الطاقة: ثقافة معرفة تنتشر داخل الفرق وبينها.

كيف يترجم ذلك داخل شركات النفط والغاز في الكويت؟ (سيناريوهات عملية)

الجواب المباشر: عبر ربط التدريب بمهام تشغيلية محددة، وليس “دورات عامة”.

1) رفع كفاءة التقارير التشغيلية عبر أدوات الذكاء الاصطناعي

كثير من الوقت يُهدر في إعداد تقارير يومية/أسبوعية: تجميع بيانات، تدقيق، تلخيص، مراسلات. التدريب على أدوات AI (مثل المساعدات الذكية داخل بيئات العمل) يمكن أن يحوّل التقرير إلى عملية شبه آلية، بشرط وجود حوكمة ومراجعة بشرية.

ما المهارات المطلوبة هنا؟

• كتابة تعليمات دقيقة (Prompting) وربطها بسياق العمل
• فهم مصادر البيانات وحدودها
• مراجعة المخرجات وتوثيقها

هذه ليست رفاهية. في بيئات حساسة مثل الطاقة، جودة التقرير تعني جودة القرار.

2) دعم السلامة وإدارة الأصول عبر تحليل البيانات

الذكاء الاصطناعي في الصيانة التنبؤية يعتمد على أن يفهم الفريق ماذا يعني “احتمال عطل” ومتى نوقف المعدة ومتى نتابع التشغيل. هنا يظهر دور الوعي بالمخاطر الذي ركزت عليه NAMA.

تطبيق عملي داخل منشآت الطاقة:

• تدريب فرق متعددة (هندسة + مالية + تشغيل) على “لغة واحدة” للمخاطر
• تحويل المخاطر إلى مصفوفة قرار: تكلفة التوقف مقابل تكلفة العطل

3) زيادة مشاركة النساء في وظائف البيانات والهندسة داخل الطاقة

المحور الثالث في NAMA Talks شمل 142 طالبة سنة أخيرة وخريجة حديثة بهدف بناء إطار عملي لمسارات STEM. في الكويت، هذه النقطة حسّاسة ومهمة: قطاع النفط والغاز بحاجة إلى كوادر في:

• هندسة البيانات (Data Engineering)
• علم البيانات (Data Science)
• أمن المعلومات الصناعي (OT Security)
• هندسة الموثوقية (Reliability)

حين نوسّع القاعدة النسائية في هذه التخصصات، نحن لا “نجمّل الصورة”؛ نحن نزيد المعروض من المهارات التي تتنافس عليها كل القطاعات.

وصفة تنفيذ برنامج شبيه بـ NAMA لقطاع الطاقة في الكويت (8 أسابيع)

الجواب المباشر: برنامج قصير، مقسّم إلى مسارات، مع مشروع تطبيقي ونظام قياس أثر.

إليك نموذجاً عملياً قابلًا للتنفيذ داخل شركة طاقة أو بالشراكة مع جهة تدريب:

المسار (أ): ذكاء اصطناعي تطبيقي للموظفين غير التقنيين (أسبوعان)

• استخدام أدوات AI لكتابة ملخصات، تجهيز تقارير، تحسين مراسلات العمل
• قواعد الحوكمة: ما الذي يُسمح إدخاله؟ وما الذي يُمنع؟
• تمرين: تحويل تقرير أسبوعي من 4 ساعات إلى 60 دقيقة مع مراجعة بشرية

المسار (ب): إدارة المخاطر المالية لمشاريع الذكاء الاصطناعي (أسبوعان)

• حساب العائد على الاستثمار (ROI) بمقاييس تشغيلية
• فهم كلفة البيانات والتغيير وإدارة الموردين
• تمرين: نموذج قرار لمبادرة “صيانة تنبؤية” على مضخة/ضاغط

المسار (ج): STEM + بيانات للطالبتين والخريجات (3 أسابيع)

• أساسيات Python/SQL وتحليل بيانات مبسّط
• قراءة بيانات حساسات (مفاهيم لا أسرار تشغيلية)
• تمرين: لوحة مؤشرات لاستهلاك الطاقة أو الانبعاثات

الأسبوع (د): مشروع تخرّج ومراجعة (أسبوع)

• فرق مختلطة (تقني/غير تقني)
• عرض النتائج أمام لجنة تشغيلية
• قياس الأثر قبل/بعد (اختبار فهم + مؤشرات وقت/جودة)

أسئلة شائعة يطرحها المديرون قبل تبنّي هذا النهج

هل نحتاج تدريباً واسعاً قبل أي مشروع ذكاء اصطناعي؟

نعم، لكن ليس “واسعاً” بمعنى عام. المطلوب تدريب مركّز على المهام التي ستتغير فعلاً. تدريب 30 شخصاً على مسار واضح أفضل من تدريب 300 على محتوى عام.

كيف نقنع الفرق بأن الذكاء الاصطناعي ليس تهديداً للوظائف؟

بالشفافية وبالتجربة. أفضل ما رأيته عملياً هو تحويل الذكاء الاصطناعي إلى “مساعد” في الأعمال المكررة، مع إبقاء القرار النهائي بيد الإنسان، وربط ذلك بمؤشر أداء: explainability + مراجعة.

ما المؤشرات التي تثبت نجاح التدريب؟

اعتمدوا مؤشرات قابلة للقياس خلال 60 يوماً:

• تقليل زمن إعداد التقارير (بالساعات)
• انخفاض أخطاء الإدخال أو التناقضات
• زيادة التزام الفرق بإجراءات الحوكمة
• عدد حالات إعادة استخدام المعرفة (جلسات مشاركة داخلية)

ما الخطوة التالية؟

الواقع أن خبر NAMA Talks ليس “خبر فعاليات” فقط. هو تذكير عملي بأن التحول بالذكاء الاصطناعي يبدأ بتأهيل البشر. وفي الكويت، حيث يتقاطع الذكاء الاصطناعي مع قطاع استراتيجي مثل النفط والغاز والطاقة، يصبح الاستثمار في المهارات—وخاصة مهارات النساء—جزءاً من القدرة التنافسية، لا مبادرة جانبية.

إذا كنت تعمل/تعملين في قطاع الطاقة بالكويت: ابدأوا بمشروع تدريبي صغير، مقاس على احتياجات فريق واحد، مع قياس أثر صارم خلال 8 أسابيع. بعدها فقط، توسّعوا. السؤال الذي يستحق التفكير مع اقتراب 2026: هل ستقود الكفاءات التحول بالذكاء الاصطناعي… أم ستنتظر حتى تقودها الظروف؟