تمويل المنشآت الصغيرة بالبيانات: درس للطاقة السعودية

أكثر ما يلفت الانتباه في مشهد التحول الاقتصادي السعودي ليس كثرة المبادرات، بل سرعة مكافأة النتائج. في فعالية «بيبان 2025»، تم تكريم البنك السعودي الأول (SAB) بوصفه الأعلى نمواً في تمويل المنشآت الصغيرة والمتوسطة عن عام 2024، على يد معالي وزير التجارة الدكتور ماجد القصبي. هذه ليست لقطة علاقات عامة؛ هي إشارة واضحة لشيء أعمق: السعودية تكافئ من يحسن قراءة البيانات، ويحولها إلى قرارات تمويلية سريعة وآمنة.

وهنا تأتي الفكرة التي تهمّني في سلسلة «كيف تُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في المملكة العربية السعودية»: المنطق نفسه الذي يرفع نمو التمويل للمنشآت الصغيرة والمتوسطة يمكن أن يرفع كفاءة الاستثمار والتشغيل في الطاقة. الفرق فقط في حجم البيانات، وحساسية المخاطر، وسرعة الأثر.

جملة واحدة تستحق الحفظ: من يملك قراراً أسرع مبنياً على بيانات أدق… يربح في التمويل كما يربح في النفط والغاز.

ماذا يعني تكريم SAB في «بيبان 2025» فعلياً؟

الجواب المباشر: هذا التكريم يعكس أن منظومة التمويل للمنشآت الصغيرة والمتوسطة في السعودية بدأت تنضج بسرعة، وأن البنوك التي تستثمر في التحليل، والأتمتة، ونماذج المخاطر، قادرة على التوسع دون التضحية بجودة المحفظة.

في العادة، نمو تمويل المنشآت الصغيرة والمتوسطة يصطدم بثلاثة جدران:

• نقص البيانات الموثوقة لدى شريحة من الشركات الناشئة أو الصغيرة.
• ارتفاع تكلفة دراسة الجدارة الائتمانية مقارنة بحجم القرض.
• حساسية التعثر إذا لم تكن إدارة المخاطر دقيقة.

تكريم بنك بصفته «الأعلى نمواً» يوحي (حتى مع محدودية تفاصيل الخبر الأصلي) بأن هناك تقدماً في واحد أو أكثر من التالي: سرعة الموافقات، توسع المحافظ، تحسين قنوات الخدمة الرقمية، أو ابتكار منتجات تمويلية تناسب دورة حياة المنشأة.

لماذا هذا مهم لقطاع الطاقة والنفط والغاز؟

الجواب المباشر: لأن الطاقة في السعودية لا تحتاج فقط إلى مشاريع عملاقة؛ بل تحتاج أيضاً إلى سلاسل إمداد محلية ومقاولين ومورّدين (كثير منهم منشآت صغيرة ومتوسطة) يعملون بكفاءة وتمويل مستقر.

أي تحسن في تمويل المنشآت الصغيرة والمتوسطة يعني عملياً:

• قدرة أعلى على توطين الخدمات الهندسية واللوجستية.
• استمرارية أفضل للمقاولين أثناء تقلبات التدفقات النقدية.
• تسريع تنفيذ المشاريع بسبب انخفاض تعثر المورّدين.

التمويل “المبني على البيانات” هو الاسم المهذب للذكاء الاصطناعي

الجواب المباشر: عندما نسمع عن نمو سريع في تمويل المنشآت الصغيرة والمتوسطة، فغالباً هناك طبقة ذكاء اصطناعي (أو تحليلات متقدمة) تعمل في الخلفية، حتى لو لم تُذكر صراحة.

في التمويل الحديث، الذكاء الاصطناعي يظهر في نقاط عملية جداً، مثل:

• تصنيف الجدارة الائتمانية باستخدام بيانات مالية وغير مالية (تاريخ المدفوعات، التدفقات، أنماط المبيعات).
• اكتشاف الاحتيال عبر أنماط غير طبيعية في التحويلات أو المستندات.
• أتمتة التحقق من المستندات عبر OCR والتحقق من الاتساق.
• تسعير المخاطر بشكل أدق: هامش ربح مناسب للمخاطر بدل تسعير موحد يظلم الجيد ويكافئ السيئ.

وهذا يخلق معادلة بسيطة:

أتمتة أكثر + بيانات أكثر = تكلفة أقل لكل قرار تمويلي + نمو أسرع + ضبط مخاطر أفضل

نفس المنطق يُستخدم في الطاقة… لكن على نطاق أكبر

الجواب المباشر: شركات النفط والغاز والطاقة تتخذ قرارات يومية حول الصيانة، الإنتاج، السلامة، والمشتريات. الذكاء الاصطناعي يحول هذه القرارات من “تقدير خبير” إلى “تنبؤ محسوب”.

أمثلة قريبة من الواقع التشغيلي:

• الصيانة التنبؤية للمضخات والضواغط: تقليل الأعطال المفاجئة عبر تحليل الاهتزازات والحرارة.
• تحسين إنتاج الآبار: نماذج تتنبأ بانخفاض الإنتاج قبل أن يظهر على لوحة التحكم.
• تحسين استهلاك الطاقة في المصافي: تقليل الهدر عبر نمذجة الأحمال وعمليات التشغيل.

إذا كان البنك يربح حين يقلل “زمن قرار التمويل”، فشركة الطاقة تربح حين تقلل “زمن قرار التشغيل”.

من تمويل المنشآت الصغيرة إلى استثمارات الطاقة: أين يلتقي الطريق؟

الجواب المباشر: نقطة الالتقاء هي تخصيص رأس المال. البنك يقرر لمن يُقرض وبكم. وشركة الطاقة تقرر أين تستثمر: في حقل؟ في تحسين مصفاة؟ في مشروع كفاءة طاقة؟ في مورد محلي؟

في الحالتين، القرار الجيد يعتمد على ثلاث طبقات:

1. جودة البيانات (من أين تأتي؟ هل هي مكتملة؟ هل تُحدّث؟)
2. نموذج التنبؤ (كيف نقيس المخاطر/العائد؟)
3. الحوكمة (من يعتمد القرار؟ وكيف نراجعه؟)

درس عملي من نجاح تمويل المنشآت الصغيرة والمتوسطة

الجواب المباشر: لا تبدأ بالذكاء الاصطناعي… ابدأ بـ«حالة استخدام» مرتبطة بالربح أو تقليل المخاطر.

في تمويل المنشآت الصغيرة والمتوسطة، الحالة الواضحة هي: تسريع الموافقة وتقليل التعثر. في الطاقة، حالات مشابهة جداً:

• تقليل توقفات الإنتاج غير المخطط لها.
• تقليل حوادث السلامة عبر رصد إشارات مبكرة.
• تحسين إدارة المخزون وقطع الغيار.

الشركات التي تبدأ بـ10 حالات استخدام صغيرة ومربحة تتقدم أسرع من الشركات التي تبدأ بمشروع “تحول شامل” بلا أولويات.

كيف تستخدم شركات الطاقة السعودية الذكاء الاصطناعي بطريقة “تمويلية” ذكية؟

الجواب المباشر: عبر بناء “محفظة حالات استخدام” تُدار كما تُدار محفظة قروض: كل حالة استخدام لها عائد متوقع، ومخاطر، ومؤشرات أداء، وخطة توسع.

1) نموذج “الجدارة التشغيلية” بدلاً من الجدارة الائتمانية

في البنك: نقيّم قدرة العميل على السداد.

في الطاقة: نقيّم قدرة الأصل (Asset) على الاستمرار بأقل توقف وأعلى سلامة.

عملياً، يمكن بناء درجة (Score) لكل أصل بناءً على:

• تاريخ الأعطال ومدة التوقف.
• جودة قراءات الحساسات (Sensor Health).
• تكرار الصيانة التصحيحية مقابل الوقائية.

ثم تُوجّه الميزانية إلى الأصول الأعلى خطورة قبل أن تتحول المشكلة إلى توقف مكلف.

2) أتمتة المستندات… ولكن للمشتريات والعقود

الجواب المباشر: ما يفعله التمويل في قراءة كشوفات الحسابات، يمكن للطاقة أن تفعله في قراءة العقود وأوامر الشراء وتقارير المقاولين.

أمثلة:

• استخراج بنود المخاطر من العقود تلقائياً.
• اكتشاف تعارض في المواصفات بين وثائق المشروع.
• تصنيف فواتير المقاولين ومطابقتها مع الإنجاز.

هذا يختصر وقتاً حقيقياً، ويقلل “الضجيج الإداري” الذي يستهلك فرق العمليات.

3) كشف “الاحتيال التشغيلي” والهدر

الجواب المباشر: كما يكشف البنك الأنماط غير الطبيعية في التحويلات، تستطيع الطاقة كشف الأنماط غير الطبيعية في:

• استهلاك الوقود أو الكهرباء.
• طلبات قطع الغيار المتكررة دون سبب تشغيلي.
• فروقات المخزون.

الفكرة ليست الاتهام؛ الفكرة إنذار مبكر قبل أن يتحول الهدر إلى عادة.

أسئلة تتكرر عند تطبيق الذكاء الاصطناعي في الطاقة (وأجوبتها العملية)

هل الذكاء الاصطناعي يعني تقليل الوظائف؟

الجواب المباشر: غالباً يعني تقليل الأعمال اليدوية المتكررة ورفع قيمة دور الإنسان. في بيئات الطاقة، القرار النهائي في السلامة والتشغيل يبقى بشرياً، لكن الإنسان يحتاج أدوات تنبؤ أفضل.

ما أول شيء يجب بناؤه: نموذج أم منصة بيانات؟

الجواب المباشر: ابدأ بحالة استخدام واحدة “مرتبطة بخسارة واضحة”، وابنِ الحد الأدنى من خط البيانات الذي يخدمها. المنصات الكبيرة قبل إثبات القيمة غالباً تتحول لمشروع طويل بلا أثر سريع.

كيف نضمن الحوكمة؟

الجواب المباشر: ضع ثلاث قواعد منذ اليوم الأول:

1. مسؤولية واضحة للبيانات (Data Owner) لكل مصدر.
2. لوحة مؤشرات تربط النموذج بنتائج الأعمال (توقفات، تكلفة، سلامة).
3. مراجعة دورية للنموذج (شهري/ربع سنوي) لأن التشغيل يتغير.

ما الذي يمكن لفِرق الطاقة فعله خلال 90 يوماً؟ (خطة قصيرة وواضحة)

الجواب المباشر: خلال 90 يوماً، يمكنك إثبات قيمة الذكاء الاصطناعي دون مشاريع ضخمة، بشرط التركيز.

1. اختيار حالة استخدام واحدة: صيانة تنبؤية لمعدة حرجة أو تحسين استهلاك الطاقة في وحدة محددة.
2. تحديد بيانات 6-12 شهراً: حساس/SCADA + سجل صيانة + ظروف تشغيل.
3. بناء نموذج أولي (PoC) بمؤشرين فقط:
   • تقليل التوقف غير المخطط.
   • تقليل وقت التشخيص.
4. توسيع النطاق إلى 3 معدات/وحدات إذا تحققت نتيجة واضحة.

هذا الأسلوب يشبه تماماً تمويل المنشآت الصغيرة والمتوسطة: ابدأ بمخاطر محسوبة، ثم وسّع عندما تثبت الأرقام.

لماذا هذا التوقيت مناسب في ديسمبر 2025؟

الجواب المباشر: نهاية العام هي أفضل وقت لمراجعة ما نجح وما لم ينجح، وبداية عام 2026 فرصة لإعادة ترتيب الأولويات بميزانيات جديدة. كثير من الجهات تضع الآن خطط التحول الرقمي والذكاء الاصطناعي على أساس أثر ملموس، لا على أساس “عدد المبادرات”.

تكريم SAB في «بيبان 2025» يعطي إشارة ذكية للسوق: من يترجم البيانات إلى قرارات أسرع يحصل على الاعتراف… وعلى النمو. وفي الطاقة، الاعتراف يأتي على شكل أرقام: ساعات توقف أقل، سلامة أعلى، وتكاليف تشغيل أدق.

الخطوة التالية بسيطة: إذا كنت تعمل في الطاقة أو النفط والغاز في السعودية، اسأل نفسك سؤالاً واحداً قبل أي مشروع ذكاء اصطناعي: أين يوجد قرار يومي متكرر ومكلف يمكن للبيانات أن تجعله أسرع وأكثر دقة؟