مفارقة الذكاء الاصطناعي التوليدي: استنزاف للموارد أم محفّز لحلول المناخ؟
ما هي مفارقة الذكاء الاصطناعي التوليدي؟
مفارقة الذكاء الاصطناعي التوليدي هي الحقيقة الموثّقة بأن هذا الذكاء يستهلك كميات متزايدة من الكهرباء والمياه العذبة والمواد الحرجة، وهو في الوقت ذاته أحد أقوى المسرّعات المتاحة للتخفيف من تغيّر المناخ وتحسين شبكات الكهرباء وابتكار المواد. ويستند كلا الجانبين إلى بيانات عامة مقيسة، ولا يلغي أحدهما الآخر. فوكالة الطاقة الدولية تفيد بأن الطلب العالمي على الكهرباء في مراكز البيانات ارتفع بنسبة 17% في 2025 ليبلغ 485 تيراواط/ساعة، وتقدّر بشكل منفصل أن النشر الواسع للتطبيقات القائمة للذكاء الاصطناعي يمكن أن يتجنّب 1400 مليون طن من ثاني أكسيد الكربون في 2035. وبالنسبة إلى المدير، ليست هذه المفارقة نقاشًا يُراد كسبه بل مسألة تخصيص موارد تستوجب الترجيح: فكل عملية نشر تحمل تكلفة موارد قابلة للقياس ومنفعة مشروطة من الانبعاثات المتجنَّبة، ولا يحسم أيّهما أكبر سوى القياس المنضبط. ويبيّن هذا المقال كيف يُتخذ هذا الحكم حالةً بحالة، بدل تبنّي موقف عام مؤيد أو معارض لابتكارات الذكاء الاصطناعي.
كم تستهلك تطبيقات الذكاء الاصطناعي التوليدي من كهرباء ومياه؟
صار استهلاك الذكاء الاصطناعي التوليدي للموارد مقيسًا لا مقدّرًا بالتخمين، والأرقام المنشورة هائلة في مجملها وإن ظلّت صغيرة لكل طلب على حدة. فتقرير وكالة الطاقة الدولية Key Questions on Energy and AI، الصادر في 16 أبريل 2026، يفيد بأن الطلب العالمي على الكهرباء في مراكز البيانات ارتفع بنسبة 17% في 2025 ليبلغ 485 تيراواط/ساعة، ويتوقع نحو 950 تيراواط/ساعة بحلول 2030 — أي قرابة 3% من الطلب العالمي على الكهرباء — في حين قفز استهلاك الكهرباء في مراكز البيانات المخصّصة للذكاء الاصطناعي بنسبة 50% في 2025 ويُتوقع أن يتضاعف ثلاث مرات بحلول 2030. وعلى مستوى الطلب الواحد، تفيد ورقة Google التقنية Measuring the Environmental Impact of Delivering AI at Google Scale، الصادرة في 21 أغسطس 2025، بأن الطلب النصي الوسيط في Gemini Apps يستهلك 0.24 واط/ساعة من الطاقة، ويُطلق 0.03 غرام من مكافئ ثاني أكسيد الكربون، ويستهلك 0.26 مليلتر من الماء. ويجب قراءة المقياسين معًا، لأن الطلبات التي تبدو مهملة فرادى تتراكم لتشكّل طلبًا كهربائيًا بحجم دولة.
ماذا تُفصح عنه فعليًا التقارير المنشورة عن أثر الذكاء الاصطناعي؟
تغطي التقارير المنشورة عن أثر الذكاء الاصطناعي اليوم أربع فئات تأثير متمايزة — الطاقة والكربون والمياه والمواد — غير أنها تطبّق حدود أنظمة مختلفة، ولذلك لا يمكن مقارنة أرقامها مباشرة. فقد قاست Google الأثر التشغيلي لتقديم الخدمة: المسرّعات وأنظمة الاستضافة والسعة الخاملة والأعباء الإضافية لمركز البيانات. أما Mistral AI فكلّفت بإجراء تقييم كامل لدورة الحياة يشمل تشييد مركز البيانات وتصنيع العتاد وتدريب النموذج و18 شهرًا من الاستدلال، وأُنجز التقييم بالتعاون مع Carbone 4 والوكالة الفرنسية للانتقال البيئي ADEME ونُشر في 22 يوليو 2025. وهذا الاختلاف في الحدود يفسّر لماذا تُبلغ Mistral عن 45 مليلترًا من الماء لاستجابة من 400 رمز بينما تُبلغ Google عن 0.26 مليلتر لطلب وسيط: فالرقمان يجيبان عن سؤالين مختلفين. ويجمع الجدول أدناه أبرز التقارير التي يمكن للمدير الاستشهاد بها، مع ناشرها وتاريخها ونطاقها، حتى يمكن تتبّع أي ادعاء بشأن الأثر إلى مصدره بدل تناقله من مصادر ثانوية.
| القياس | الرقم المنشور | المصدر والتاريخ | النطاق المشمول |
|---|---|---|---|
| الطاقة والكربون والمياه لكل طلب | 0.24 واط/ساعة و0.03 غرام مكافئ ثاني أكسيد الكربون و0.26 مليلتر ماء للطلب النصي الوسيط في Gemini Apps | Google، Measuring the Environmental Impact of Delivering AI at Google Scale، 21 أغسطس 2025 | تقديم الخدمة التشغيلي فقط: المسرّعات وأنظمة الاستضافة والسعة الخاملة والأعباء الإضافية لمركز البيانات |
| اتجاه الكفاءة | انخفاض الطاقة بمقدار 33 ضعفًا والبصمة الكربونية بمقدار 44 ضعفًا لكل طلب وسيط خلال اثني عشر شهرًا | Google، الورقة التقنية نفسها، 21 أغسطس 2025 | تقديم الخدمة التشغيلي، مقارنة سنوية عند جودة مخرجات ثابتة أو محسّنة |
| دورة حياة النموذج الكاملة | 20.4 كيلوطن مكافئ ثاني أكسيد الكربون و281,000 متر مكعب من الماء و660 كغم مكافئ أنتيمون لنموذج Mistral Large 2 (التدريب إضافةً إلى 18 شهرًا من الاستخدام حتى يناير 2025) | Mistral AI بالتعاون مع Carbone 4 وADEME، 22 يوليو 2025 | تقييم دورة حياة من المهد إلى اللحد وفق ISO 14040/14044 وGreenhouse Gas Protocol Product Standard |
| الاستدلال الحدّي | 1.14 غرام مكافئ ثاني أكسيد الكربون و45 مليلتر ماء و0.16 مليغرام مكافئ أنتيمون لكل استجابة من 400 رمز | Mistral AI، 22 يوليو 2025 | الأثر الحدّي على دورة الحياة لاستجابة واحدة مولَّدة |
| الانبعاثات التشغيلية للشركات | ارتفعت الانبعاثات التشغيلية لأربع شركات رقمية رائدة مركّزة على الذكاء الاصطناعي بنسبة 150% في المتوسط منذ 2020 | الاتحاد الدولي للاتصالات وWorld Benchmarking Alliance، Greening Digital Companies 2025، 5 يونيو 2025 | الانبعاثات التشغيلية المبلّغ عنها لـ200 شركة رقمية، ببيانات حتى 2023 |
| سحب المياه | يُتوقع أن يتراوح الطلب العالمي للذكاء الاصطناعي بين 4.2 و6.6 مليار متر مكعب من سحب المياه في 2027 | Li وYang وIslam وRen، Making AI Less 'Thirsty'، Communications of the ACM، 2025 | المياه التشغيلية والمتضمَّنة عبر مراكز بيانات موزّعة جغرافيًا |
| النفايات الإلكترونية | من 1.2 إلى 5.0 مليون طن من النفايات الإلكترونية التراكمية للذكاء الاصطناعي التوليدي بين 2020 و2030؛ ويمكن للاستراتيجيات الدائرية خفضها بنسبة 16-86% | Wang وZhang وTzachor وآخرون، Nature Computational Science 4, 818-823, 2024 | نهاية عمر العتاد عبر سلسلة قيمة الذكاء الاصطناعي التوليدي |
| كفاءة المنشآت | متوسط مرجّح لفعالية استخدام الطاقة (PUE) في القطاع يبلغ نحو 1.54، دون تغيّر للعام السادس على التوالي | Uptime Institute Global Data Center Survey 2025، 30 يوليو 2025 | الأعباء الطاقية على مستوى المنشأة لمراكز البيانات المشمولة بالمسح |
أين يكون الذكاء الاصطناعي التوليدي محفّزًا حقيقيًا لحلول المناخ؟
يقدّم الذكاء الاصطناعي التوليدي وأنظمة التعلّم الآلي المرتبطة به قيمة مناخية قابلة للقياس في أربعة مجالات تتوافر عنها أدلة منشورة بالفعل: تشغيل أنظمة الكهرباء، وتخطيط الربط بالشبكة، وكفاءة الطاقة الصناعية، واكتشاف المواد. ويحدّد تقرير وكالة الطاقة الدولية Energy and AI، الصادر في أبريل 2025، ثلاثة منها كميًا. فتطبيق الذكاء الاصطناعي على تشغيل محطات الطاقة وصيانتها قد يحقق وفورات تصل إلى 110 مليارات دولار أمريكي سنويًا بحلول 2035؛ ويمكن إتاحة ما يصل إلى 175 غيغاواط من سعة النقل الإضافية على الخطوط القائمة؛ ويمكن للصناعات الخفيفة، مثل تصنيع الإلكترونيات والآلات، تحقيق وفر في الطاقة بنسبة 8% بحلول 2035. وعبر قطاعات الاستخدام النهائي مجتمعة، يقدّر سيناريو التبنّي الواسع لدى الوكالة الانبعاثات المتجنَّبة بـ1400 مليون طن من ثاني أكسيد الكربون في 2035، وهو ما يصفه التقرير بأنه ثلاثة إلى أربعة أضعاف مجمل انبعاثات مراكز البيانات في سيناريوهاتها الخاصة. وتبيّن التطبيقات أدناه أين تُلتمس هذه المكاسب اليوم:
- تخطيط الربط بالشبكة — أعلنت PJM Interconnection، التي تخدم 67 مليون شخص في 13 ولاية أمريكية ومقاطعة كولومبيا، في 10 أبريل 2025 عن تعاون متعدد السنوات مع Google وTapestry لتطبيق الذكاء الاصطناعي على عملية ربط منشآت التوليد وتقليص مدد مراجعة الطلبات.
- سعة النقل — التصنيف الديناميكي للخطوط والتنبؤ بالازدحام، وتقدّر وكالة الطاقة الدولية أنهما قد يتيحان ما يصل إلى 175 غيغاواط من السعة الإضافية على خطوط النقل القائمة.
- تشغيل محطات الطاقة وصيانتها — الصيانة التنبّؤية وتحسين التوزيع، وتقدّر الوكالة قيمتهما بما يصل إلى 110 مليارات دولار أمريكي من الوفورات السنوية بحلول 2035 عبر تجنّب الوقود وخفض التكاليف.
- تحسين العمليات الصناعية — وفر في الطاقة بنسبة 8% بحلول 2035 في الصناعات الخفيفة مثل تصنيع الإلكترونيات والآلات، ضمن سيناريو التبنّي الواسع لدى الوكالة.
- اكتشاف المواد — يولّد نموذج MatterGen، المنشور في Nature (المجلد 639، الصفحات 624-632، 16 يناير 2025)، بُنى بلورية غير عضوية يزيد احتمال كونها جديدة ومستقرة على ضعف احتماله في النماذج التوليدية السابقة، ما يختصر البحث عن مواد البطاريات والمغانط والحفّازات.
- العمل على بيانات الاستدامة — الاستخلاص والمطابقة والإشارة إلى الفجوات عبر استبيانات المورّدين ومجموعات بيانات الإفصاح، وهو ما يضغط دورة إعداد التقارير دون أن يحلّ محل المراجعة البشرية أو التأكيد الخارجي.
هل تُلغي المنفعة المناخية تكلفة الموارد؟
لا تُلغي المنفعة المناخية تكلفة الموارد تلقائيًا، لأن المنفعة سيناريو مُنمذَج بينما الاستهلاك واقع بالفعل. ووكالة الطاقة الدولية صريحة في هذه النقطة، إذ تذكر أنه لا يوجد حاليًا أي زخم قادر على ضمان التبنّي الواسع لهذه التطبيقات، وتسمّي الوصول إلى البيانات والبنية التحتية والتنظيم وآثار الارتداد بوصفها عوائق قادرة على تبديد المكاسب المُنمذَجة. أما جانب الاستهلاك فمرصود بالفعل. فقد شكّلت مراكز البيانات نحو 0.5% من انبعاثات الاحتراق العالمية وقت صدور تقرير Energy and AI في أبريل 2025، لترتفع إلى 1% في السيناريو الأساسي و1.4% في سيناريو Lift-Off بحلول 2030، بينما يقدّر تحديث الوكالة الصادر في أبريل 2026 انبعاثات مراكز البيانات بنحو 350 مليون طن في 2035، أي ما يقارب 2% من انبعاثات قطاع الكهرباء عالميًا. والمدير الذي يقيّد منفعة الـ1400 مليون طن دون تأمين شروط التبنّي إنما يسجّل توقعًا بوصفه إنجازًا: فالانبعاثات المتجنَّبة هدف مشروط يُكتسب عملية نشر تلو الأخرى، لا رصيد محصّل سلفًا.
ما ممارسات الذكاء الاصطناعي الأخضر التي تخفض الأثر؟
تخفض ممارسات الذكاء الاصطناعي الأخضر أثر أي عملية نشر دون انتظار التنظيم، وكل ممارسة منها قرار إداري لا مسألة بحثية. وأكبر رافعة منفردة هي ضبط حجم النموذج: مواءمة قدرة النموذج مع المهمة بدل توجيه كل طلب إلى أكبر نموذج متاح. والرافعة الثانية هي الفصل المحاسبي بين التدريب والاستدلال، لأن نموذجًا يُدرَّب مرة واحدة قد يخدم مليارات الطلبات، وتشير وكالة الطاقة الدولية إلى أن التطبيقات الناشئة مثل توليد الفيديو تستهلك مئات أو آلاف الأضعاف من طاقة استعلام نصي بسيط. وكفاءة المنشآت قابلة للقياس والمقارنة عبر فعالية استخدام الطاقة (PUE) وفعالية استخدام المياه (WUE)، في حين يمكن قياس الانبعاثات على مستوى البرمجيات باستخدام مواصفة Software Carbon Intensity المقنَّنة في ISO/IEC 21031:2024. والممارسات أدناه تنتمي إلى سياسة شراء وتشغيل للذكاء الاصطناعي، لا إلى قائمة أعمال هندسية:
- اضبط حجم النموذج — وجّه كل مهمة إلى أصغر نموذج يبلغ عتبة الجودة المطلوبة، وقِس فرق الجودة بدل افتراضه.
- افصل التدريب عن الاستدلال في محاسبتك — أبلغ عن أثر التدريب المستهلَك وأثر الاستدلال الحدّي بوصفهما رقمين متمايزين، مع بيان حدود كل منهما.
- اجدول أحمال العمل المرنة في نوافذ الشبكة منخفضة الكربون — يمكن لمهام الدفعات والضبط الدقيق وعمليات التقييم أن تتبع كثافة كربون الشبكة بدل ساعات الدوام.
- حدّد عتبات PUE وWUE في عقود المزوّدين — سجّل Uptime Institute متوسطًا مرجّحًا للقطاع يبلغ نحو 1.54 في 2025، ولذلك يجب اشتراط كفاءة أعلى من المتوسط لا افتراضها.
- اشترط الإفصاح عن الأثر في بنود الشراء — اطلب الطاقة والكربون والمياه لكل وحدة خدمة، مع النص على حدود النظام والمنهجية في العقد.
- طبّق الممارسات الدائرية على العتاد — تشير نمذجة نُشرت في Nature Computational Science إلى أن المقاربات الدائرية على امتداد سلسلة قيمة الذكاء الاصطناعي التوليدي قد تخفض النفايات الإلكترونية بنسبة 16-86%.
- قِس كثافة كربون البرمجيات وفق ISO/IEC 21031:2024 حتى تكون ادعاءات الكفاءة قابلة للمقارنة بين الإصدارات وبين المزوّدين.
كيف تحدّد متى يكون الذكاء الاصطناعي التوليدي موجبًا صافيًا؟
تكون حالة استخدام الذكاء الاصطناعي التوليدي موجبة صافيًا حين تقل تكلفة مواردها المقيسة عن استخدام الموارد الذي تحلّ محله على نحو قابل للإثبات، وحين يصمد الرقمان أمام تدقيق خارجي. ويستلزم هذا الحكم تسلسلًا لا رأيًا، وكل خطوة فيه تنتج مستندًا يمكن لمجلس إدارة أو مدقّق أو جهة تنظيمية فحصه. وينطبق التسلسل أدناه بالقدر نفسه على مسار بيانات ESG وأداة سيناريوهات مناخية ومساعد داخلي، وهو يقدّم القياس على الطموح عن قصد: فالنشر الذي لم يُقس أثره قط لا يمكن وصفه بأنه حل مناخي مهما كان موضوعه. والمديرون الذين يطبّقون هذا التسلسل يرفضون عادةً أقلية من حالات الاستخدام المقترحة رفضًا تامًا، ويعيدون تحجيم نسبة أكبر نحو نماذج أصغر أو نطاقات أضيق، ويوافقون على الباقي بشروط رصد صريحة. وتجري الخطوات الست بالترتيب، ولا يجوز تخطّي أي خطوة لأن خطوة سابقة أفضت إلى إجابة غير مريحة:
- قِس أثر عملية النشر — الطاقة والكربون والمياه والعتاد — باستخدام حدود نظام معلنة ومنهجية منشورة مثل ISO 14040/14044 أو Greenhouse Gas Protocol Product Standard.
- سمِّ البديل الافتراضي: أي عملية، وبأي سنة أساس وأي استخدام مقيس للموارد، تحلّ عملية النشر هذه محلها فعلًا؟
- احسب الأثر الصافي وانشره على شكل مدى مقترن بعدم يقينه، لا رقمًا واحدًا مطمئنًا.
- اختبر حوكمة البيانات — المصدر والتتبّع والاحتفاظ والتقليل والتوثيق — في ضوء قانون الذكاء الاصطناعي الأوروبي ومعيار ISO/IEC 42001:2023 قبل النشر لا بعد وقوع حادثة.
- اختبر التواصل: هل يمكن إثبات كل رقم تنوي نشره أمام مدقّق، ببيان النطاق وسنة الأساس والمنهجية وحالة التحقق؟
- أعد القياس بعد ستة إلى اثني عشر شهرًا لرصد آثار الارتداد، لأن نمو الاستخدام قد يمحو مكسب الكفاءة لكل وحدة محوًا تامًا.
كيف تجعل الإدارة المسؤولة للبيانات الذكاء الاصطناعي التوليدي قابلًا للحوكمة؟
الإدارة المسؤولة للبيانات هي طبقة الضبط التي تجعل أي ادعاء بشأن أثر الذكاء الاصطناعي قابلًا للتدقيق، وقد صار لها اليوم ثقل قانوني. فمصدر البيانات يوثّق من أين أتت بيانات التدريب والمدخلات، والتتبّع يوثّق كيف حُوِّلت تلك البيانات، ويحدّ الاحتفاظ والتقليل من حجم ما يُخزَّن ومدته — والتخزين نفسه تكلفة طاقية مستمرة. وبموجب قانون الاتحاد الأوروبي للذكاء الاصطناعي، على مزوّدي نماذج الذكاء الاصطناعي للأغراض العامة (GPAI) الاحتفاظ بوثائق تقنية تتضمن الاستهلاك الطاقي المعروف للنموذج، أو تقديرًا مشتقًا من موارد الحوسبة المستخدمة، وفق المادة 53(1)(أ) والملحق الحادي عشر. ويوفّر معيار ISO/IEC 42001:2023، وهو أول معيار دولي لنظام إدارة الذكاء الاصطناعي، الإطار الحوكمي المحيط: تقييم الأثر والتتبّع والإشراف البشري والتحسين المستمر. ويبيّن الجدول أدناه أي أداة تنشئ أي التزام، ومن تُلزم، ومن أي تاريخ تسري.
| الأداة | ما تشترطه | على من تسري | تسري اعتبارًا من |
|---|---|---|---|
| قانون الاتحاد الأوروبي للذكاء الاصطناعي، اللائحة (الاتحاد الأوروبي) 2024/1689، المادة 53(1)(أ) والملحق الحادي عشر | وثائق تقنية لنماذج الذكاء الاصطناعي للأغراض العامة، تشمل الاستهلاك الطاقي المعروف أو تقديرًا مبنيًا على موارد الحوسبة المستخدمة | مزوّدو نماذج الذكاء الاصطناعي للأغراض العامة المطروحة في سوق الاتحاد الأوروبي | 2 أغسطس 2025 للنماذج الجديدة؛ و2 أغسطس 2027 للنماذج المطروحة في السوق قبل ذلك التاريخ |
| ISO/IEC 42001:2023 | نظام لإدارة الذكاء الاصطناعي: تقييم الأثر والتتبّع والإشراف البشري والتحسين المستمر | أي منظمة تطوّر أنظمة ذكاء اصطناعي أو توفّرها أو تستخدمها | صدر في ديسمبر 2023؛ وقابل للاعتماد |
| اللائحة التفويضية للمفوضية (الاتحاد الأوروبي) 2024/1364، المكمّلة لتوجيه كفاءة الطاقة (الاتحاد الأوروبي) 2023/1791 | إبلاغ سنوي بمؤشرات مراكز البيانات — استهلاك الطاقة وفعالية استخدام الطاقة ونقاط ضبط الحرارة واستخدام الحرارة المهدورة واستهلاك المياه والطاقة المتجددة — إلى قاعدة البيانات الأوروبية لمراكز البيانات | مراكز البيانات التي لا يقل طلبها من قدرة تقنية المعلومات المركّبة عن 500 كيلوواط | أول تقرير في 15 سبتمبر 2024، ثم في 15 مايو من كل عام |
| ISO/IEC 21031:2024 (Software Carbon Intensity) | طريقة معيارية لحساب انبعاثات الكربون لكل وحدة وظيفية من نظام برمجي | أي منظمة تقيس انبعاثات برمجية أو خدمة ذكاء اصطناعي | صدر في مارس 2024 |
| ISO 14040 وISO 14044 | مبادئ تقييم دورة الحياة ومتطلباته وطرق الإبلاغ عنه، وتُستخدم لآثار نماذج الذكاء الاصطناعي من المهد إلى اللحد | أي منظمة تنشر أثر دورة حياة للذكاء الاصطناعي | ساريان |
| التوجيه (الاتحاد الأوروبي) 2024/825 بشأن تمكين المستهلكين من أجل التحول الأخضر | إثبات الادعاءات البيئية وحظر الادعاءات البيئية العامة غير المدعومة | التجار الذين يوجّهون ادعاءات بيئية إلى المستهلكين في الاتحاد الأوروبي | يسري اعتبارًا من 27 سبتمبر 2026 |
لماذا يقرّر التواصل بشأن الذكاء الاصطناعي ما إذا كانت روايتك المناخية ستصمد أمام التدقيق؟
التواصل بشأن الذكاء الاصطناعي — أي فنّ تحويل التحليل الذي تنتجه الآلة إلى سردية صالحة لاتخاذ القرار — هو ما يحدّد صمود أي ادعاء مناخي أمام جهة تنظيمية، وهو الموضع الذي يخلق فيه الذكاء الاصطناعي التوليدي أحدّ مخاطر السمعة. فالنموذج التوليدي ينتج نثرًا سلسًا واثقًا بصرف النظر عن جودة البيانات الكامنة تحته، ما يعني أن مخرجًا للذكاء الاصطناعي بلا بيان مصدر قد يبدو أكثر موثوقية من تحليل بشري محفوف بالتحفظات المدروسة. وقد بدأت الجهات التنظيمية بالفعل ملاحقة الادعاءات الناتجة عن ذلك. فقد أقامت هيئة الأوراق المالية والبورصات الأمريكية (SEC) أول إجراءاتها التنفيذية بشأن ما يُعرف بـAI-washing في 18 مارس 2024، وسوّت اتهامات ضد مستشاريْن استثماريين بشأن بيانات كاذبة ومضلّلة عن استخدامهما للذكاء الاصطناعي، بغرامات مدنية مجمّعة قدرها 400,000 دولار أمريكي. وفي 20 فبراير 2025 أنشأت الهيئة نفسها وحدة Cyber and Emerging Technologies Unit التي يشمل نطاقها صراحةً المخالفات المتصلة بالذكاء الاصطناعي. ولذلك صار سرد القصص والتواصل بشأن الأثر يعني اليوم نشر بيان المصدر جنبًا إلى جنب مع النتيجة.
كيف ينبغي بناء سردية استدامة معانة بالذكاء الاصطناعي لمجلس الإدارة؟
تكسب سردية الاستدامة المعانة بالذكاء الاصطناعي ثقة مجلس الإدارة والجهة التنظيمية حين تُبنى وفق ترتيب ثابت يفصل الأدلة عن التفسير. وعرض المكوّنات بالتسلسل أدناه يحاكي الطريقة التي تستجوب بها لجنة التدقيق أي إفصاح مناخي، ويجعل الحلقة الضعيفة ظاهرة مبكرًا لا في وقت الأسئلة:
- السؤال الذي يجيب عنه التحليل، مصوغًا في جملة واحدة قبل عرض أي مخرجات.
- البيانات المستخدمة، مع مصدرها وفترة تغطيتها وثغراتها المعروفة.
- المنهج، مع تسمية النموذج أو الأداة التي أنتجت كل جزء من التحليل وموضع تدخّل الإنسان.
- النتيجة، معبّرًا عنها بمدى مقترن بعدم يقينه لا برقم واحد.
- القرار المطلوب، مقترنًا بما ينبغي أن يكون صحيحًا كي يتبيّن أن ذلك القرار خاطئ.
- حالة التحقق — مراجَع داخليًا، أو مؤكَّد خارجيًا، أو لا هذا ولا ذاك — مذكورة بوضوح.
ما المهارات التي يحتاجها المديرون لحوكمة أثر الذكاء الاصطناعي التوليدي؟
تتطلب حوكمة أثر الذكاء الاصطناعي التوليدي أسرتين من المهارات نادرًا ما تجتمعان في وصف وظيفي واحد: الإدارة المسؤولة للبيانات، والتواصل بشأن الأثر. فالإدارة المسؤولة للبيانات تشمل المصدر والتتبّع والاحتفاظ والتقليل وواجبات التوثيق التي أنشأها قانون الذكاء الاصطناعي الأوروبي ومعيار ISO/IEC 42001، وهي الانضباط ذاته الذي يقوم عليه إعداد تقارير بيئية واجتماعية وحوكمية (ESG) ذات مصداقية. أما سرد القصص والتواصل بشأن الأثر فيشمل ترجمة تلك الأدلة إلى سردية يستطيع مجلس الإدارة والجهة التنظيمية والجمهور التصرف بناءً عليها كلٌّ من موقعه دون أن يُضلَّل. وتقع ممارسات الذكاء الاصطناعي الأخضر بين الاثنتين، لأن ضبط حجم النموذج قرار هندسي وقرار شراء وقرار إفصاح في آن واحد. ويربط الجدول أدناه كل مهارة بالمستند الذي يجب أن يكون المدير قادرًا على إنتاجه، وهو أيضًا الشكل الذي يختبرها به المسؤولون عن التوظيف والمدققون.
| المهارة | ما تحكمه | المستند الذي يجب أن يكون المدير قادرًا على إنتاجه |
|---|---|---|
| الإدارة المسؤولة للبيانات | المصدر والتتبّع والاحتفاظ والتقليل وحوكمة النماذج والبيانات | سياسة موثّقة لتتبّع البيانات والاحتفاظ بها، مربوطة بالملحق الحادي عشر من قانون الذكاء الاصطناعي الأوروبي وضوابط ISO/IEC 42001 |
| قياس أثر الذكاء الاصطناعي (الذكاء الاصطناعي الأخضر) | آثار التدريب والاستدلال على الطاقة والكربون والمياه والعتاد | بيان أثر بحدود نظام معلنة، وفق ISO 14040/14044 أو ISO/IEC 21031:2024 |
| تحليل البديل الافتراضي والأثر الصافي | ما إذا كانت عملية النشر تحلّ محل استخدام موارد أكبر مما تستهلكه | حساب للأثر الصافي بسنة أساس محدّدة ومدى صريح لعدم اليقين |
| سرد القصص والتواصل بشأن الأثر | كيف يصل التحليل المولَّد بالذكاء الاصطناعي إلى المجالس والجهات التنظيمية والجمهور | ورقة لمجلس الإدارة تفصل البيانات والمنهج والنتيجة وعدم اليقين وحالة التحقق |
| شراء الذكاء الاصطناعي وحوكمة المورّدين | ما يجب على المورّدين الإفصاح عنه وضمانه وإتاحته للتدقيق | بنود تعاقدية تحدّد PUE وWUE والإبلاغ عن الأثر وحقوق التدقيق |
| امتثال الادعاءات البيئية | ما إذا كان الادعاء المنشور قابلًا للإثبات | ملف إثبات لكل ادعاء علني، متوائم مع التوجيه (الاتحاد الأوروبي) 2024/825 |
أي مسار من مسارات SUMAS يناسب ملفك؟
تدرّس SUMAS التمويل المستدام وابتكارات الذكاء الاصطناعي عبر أربعة مسارات تختلف في مستوى القبول والمدة وصيغة الدراسة أكثر مما تختلف في المحتوى، ولذلك يبدأ الاختيار من مؤهلك الحالي ومن وقت الدراسة المتاح لك فعلًا. وتُقدَّم المسارات الأربعة باللغة الإنجليزية من SUMAS — Sustainability Management School، التي تدير حرم Lake Geneva في Gland بسويسرا وحرمًا حضريًا في Milan بإيطاليا، وتحمل اعتماد ACBSP. ويقود تدريس الذكاء الاصطناعي في SUMAS البروفيسور Jan Erik Meidell، الحاصل على الدكتوراه، وتشمل مقرراته الإحصاء وتعلّم الآلة، والذكاء الاصطناعي التطبيقي للأعمال، والبلوك تشين والتمويل اللامركزي، إضافةً إلى Capstone: AI for Good، فيما تطبّق أعماله الذكاء الاصطناعي وعلم البيانات على قضايا الاستدامة وحوكمة ESG. وAI for Good مقرر تتويجي لا شهادة مستقلة، ولذلك ينبغي لمن يبحث عنه أن يسأل مكتب القبول عن المسار الذي يتضمنه حاليًا. ويقارن الجدول المسارات الأربعة وفق المعايير التي تحسم الاختيار عمليًا.
| المسار | مستوى القبول والمدة | الصيغة والموقع | الرسوم الدراسية المنشورة | محتوى تمثيلي في الذكاء الاصطناعي والاستدامة |
|---|---|---|---|---|
| BBA in Sustainable Finance & AI Innovations | شهادة الثانوية العامة؛ 3 سنوات على 6 فصول دراسية، 120 US CTS | في حرم Gland أو Milan، أو عبر البث المباشر؛ التحاق في سبتمبر وفبراير | 9,400 فرنك سويسري لكل فصل دراسي (9,400 يورو في Milan)؛ 18,800 فرنك سويسري/يورو سنويًا | الذكاء الاصطناعي في التمويل؛ صنع القرار المدعوم بالذكاء الاصطناعي؛ أساسيات التمويل المستدام؛ الأخلاقيات في التمويل |
| MBA in Sustainable Finance and AI Innovations | درجة البكالوريوس؛ 12 شهرًا، 42 US CTS | في حرم Gland أو Milan، أو عبر الإنترنت بإشراف مدرّس، أو بالبث المباشر أو بصيغة هجينة؛ ست فترات التحاق سنويًا | 27,800 فرنك سويسري في الحرم أو بالبث المباشر؛ 18,600 فرنك سويسري عبر الإنترنت | تطبيقات الذكاء الاصطناعي في التمويل المستدام؛ دمج معايير ESG في استراتيجيات الاستثمار؛ تقييم مخاطر المناخ وتخفيفها؛ Sustainability Industry Projects |
| Online MBA in Sustainable Finance and AI Innovations | درجة البكالوريوس؛ 12 شهرًا، 42 US CTS | عبر الإنترنت بالكامل بإشراف مدرّس، أو بالبث المباشر أو بصيغة هجينة، من أي مكان | 18,600 فرنك سويسري | المنهج التخصصي نفسه المعتمد في MBA الحضوري، مصمَّم للمهنيين العاملين |
| CAS in Sustainable Finance and AI Innovations | شهادة دراسات عليا؛ 9 أشهر، 9 ساعات معتمدة أمريكية، نحو أربع ساعات أسبوعيًا | في حرم Gland أو Milan، أو عبر الإنترنت بالكامل؛ بدوام جزئي أو كامل | 6,400 فرنك سويسري في الحرم؛ 5,400 فرنك سويسري عبر الإنترنت | ثلاثة مقررات من التخصص: الابتكار الرقمي؛ البلوك تشين والأمن السيبراني؛ الأسواق المالية المستدامة |
كيف تبني مهارات الذكاء الاصطناعي الأخضر والإدارة المسؤولة للبيانات مع SUMAS؟
يبدأ بناء المهارات اللازمة لحوكمة الذكاء الاصطناعي التوليدي من سؤال أضيق من اختيار شهادة: أي المستندات المذكورة أعلاه تعجز عن إنتاجه اليوم؟ فقياس الأثر وتحليل الأثر الصافي يُبنيان عبر ممارسة تقنية متكررة على مجموعات بيانات حقيقية، في حين تُبنى الإدارة المسؤولة للبيانات والتواصل بشأن الأثر عبر مشاريع تطبيقية تحت قيود تنظيمية واقعية، وعبر انضباط الدفاع عن رقم أمام جمهور قادر على الاعتراض عليه. وتبني SUMAS الأمرين معًا من خلال Sustainability Industry Projects المنفّذة مع منظمات شريكة ومن خلال أعمال التتويج، وتفيد بمعدل توظيف للخريجين يبلغ 90% عبر برامجها. ويمكن لمن يفكّر في خطوة مهنية جديدة الاطلاع أيضًا على دليلينا عن المسارات المهنية في إدارة الاستدامة وعن استراتيجيات الاقتصاد الدائري، وهما يتناولان المسارات ومفاهيم كفاءة الموارد بعمق أكبر. والخطوة العملية التالية هي اختيار المسار الذي تتيح لك مدته وصيغته بناء المستند الناقص في أسرع وقت.
References & Sources
- Key Questions on Energy and AI, International Energy Agency (IEA) (2026)
- Energy and AI (World Energy Outlook Special Report), International Energy Agency (IEA) (2025)
- AI and climate change — Energy and AI, International Energy Agency (IEA) (2025)
- AI for energy optimisation and innovation — Energy and AI, International Energy Agency (IEA) (2025)
- Measuring the environmental impact of delivering AI at Google Scale (arXiv:2508.15734), Google (2025)
- Our contribution to a global environmental standard for AI — life-cycle analysis of Mistral Large 2, Mistral AI, with Carbone 4 and ADEME (2025)
- Greening Digital Companies 2025: Monitoring emissions and climate commitments, International Telecommunication Union (ITU) and World Benchmarking Alliance (2025)
- Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models, Communications of the ACM (2025)
- E-waste challenges of generative artificial intelligence (Nature Computational Science 4, 818-823), Nature Computational Science (2024)
- A generative model for inorganic materials design (MatterGen), Nature 639, 624-632, Nature (2025)
- Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act), Official Journal of the European Union (2024)
- ISO/IEC 42001:2023 — Artificial intelligence management system, International Organization for Standardization (ISO) (2023)
- ISO/IEC 21031:2024 — Software Carbon Intensity (SCI) specification, International Organization for Standardization (ISO) (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres, Official Journal of the European Union (2024)
- Directive (EU) 2024/825 on empowering consumers for the green transition, Official Journal of the European Union (2024)
- SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence (press release 2024-36), US Securities and Exchange Commission (2024)
- SEC Announces Cyber and Emerging Technologies Unit to Protect Retail Investors (press release 2025-42), US Securities and Exchange Commission (2025)
- Uptime Institute Global Data Center Survey Results 2025, Uptime Institute (2025)
- PJM, Google & Tapestry Join Forces To Apply AI To Enhance Regional Planning, Generation Interconnection, PJM Interconnection (2025)