يناقش تقرير Digital Government Outlook 2026، الصادر عن OECD في 15 يونيو، تطور تبني الذكاء الاصطناعي في الحكومات مع استمرار فجوات في التنفيذ وقياس الأثر. ويبرز دور البيانات والبنية الرقمية والمهارات. أقرأ هذه النتائج كمدخل لسؤال يهم كل مشروع خدمة: ماذا نتابع بعد إطلاق النظام؟
الاستعمال والأثر سؤالان متكاملان
عدد مرات الدخول أو الطلبات المسجلة يخبرنا أن الخدمة تُستخدم، لكنه لا يشرح وحده ما تحسن للمستفيد. لذلك أقترح إضافة مؤشرات عن إتمام المهمة، وتكرار الاستفسار، وإعادة المعاملة للنواقص، والوقت الذي يقضيه الموظف في تصحيح البيانات أو البحث عنها.
وتحتاج المؤشرات إلى تعريفات واضحة. هل يبدأ زمن المعاملة عند فتح النموذج أم عند اكتمال تقديمه؟ وهل تتوقف المدة أثناء انتظار المستندات؟ وكيف نعامل الحالات الاستثنائية؟ توثيق الإجابات يجعل النتائج قابلة للمقارنة، ويمنع اختلاف التفسير بين الإدارات أو الفترات الزمنية.
الملاحظات تكمل الأرقام
قد تظهر الأرقام أن مرحلة معينة تستغرق وقتًا طويلًا، ثم تكشف مقابلة قصيرة مع المستخدم أن سببها غموض اسم المستند المطلوب. لهذا أفضّل جمع الملاحظات المرتبطة بمهمة محددة، وربطها بالبيانات التشغيلية. السؤال المفيد هو ما الذي حاول الشخص إنجازه وأين احتاج إلى مساعدة.
وفي أدوات الذكاء الاصطناعي، يمكن متابعة مقدار التصحيح المطلوب للمسودة وأنواع الأخطاء التي تتكرر. إذا وفر النظام وقت الكتابة لكنه زاد وقت التحقق، فينبغي أن يظهر الأمران في التقييم. كذلك تستحق الحالات التي لم يستطع النظام خدمتها تحليلًا مستقلًا لفهم حدود الاستخدام.
دورة تحسين قابلة للاستمرار
- تحديد مهمة واضحة وخط أساس قبل التغيير متى كانت البيانات متاحة.
- الاتفاق على مؤشرات قليلة يستطيع الفريق تفسيرها.
- جمع ملاحظات الموظفين والمستفيدين وربطها بالمهمة.
- تجربة تحسين محدد، ثم مقارنة النتائج وتوثيق ما بقي دون حل.
وأرى أن التدريب يدخل في هذه الدورة. الموظف يحتاج إلى فهم الحالات التي يستطيع النظام معالجتها، وكيف يصحح الخطأ أو يصعد الاستثناء، لا إلى معرفة مواضع الأزرار فقط. ومن المفيد أن تعود الأسئلة المتكررة من التدريب إلى فريق التصميم لتوضيح الواجهة والإجراء.
ما أبحث عنه هو استمرار المسؤولية بعد الإطلاق: مالك خدمة يعرف ما يحدث، وفريق يراجع الأدلة، وتحسينات يمكن ربطها بحاجة محددة لدى المستخدم.