حوكمة البيانات: الأساس لمشاريع الذكاء الاصطناعي الناجحة

العلاقة بين Data Governance و AI

DAMA-DMBOK — المرجع الصناعي لحوكمة البيانات — يعرّف 10 مجالات منها: quality، security، metadata، stewardship.

AI يضيف ضغطاً:

• Volume: آلاف المستندات تُقطّع لملايين chunks
• Velocity: sync يومي مع SharePoint/Confluence
• Veracity: OCR خاطئ = embedding خاطئ = إجابة خاطئة

الركائز الخمس لـ AI-ready data

1. Data stewardship

الدور	المسؤولية
Data owner	موافقة على ما يُفهرس (VP/domain head)
Data steward	جودة يومية، metadata
Data custodian	IT — backup، access control
AI product owner	use case، evaluation

2. Classification

Public → Internal → Confidential → Restricted
         ↑
    معظم RAG المؤسسي هنا

قاعدة: Restricted لا يدخل vector store بدون تشفير + موافقة قانونية.

3. Quality dimensions (ISO 8000)

• Accuracy: OCR + human spot-check
• Completeness: لا chunks ناقصة
• Timeliness: sync ≤ 24h للسياسات الحرجة
• Consistency: مصطلحات موحّدة (glossary)

4. Metadata للـ RAG

كل chunk يحمل:

• doc_id, version, owner, classification
• effective_date, language
• source_url أو path

5. Lineage & audit

عند سؤال «لماذا أجاب النظام X؟» — يجب تتبع:

• chunks retrieved
• model version
• user + timestamp

عملية onboarding مستند لـ RAG

1. Steward يُرسل قائمة candidate
2. Owner يوافق + يحدّد classification
3. OCR/clean (للعربية: راجع best practices)
4. Chunk + embed + index
5. Smoke test: 10 أسئلة ذهبية
6. Publish + schedule re-sync

أخطاء شائعة

الخطأ	العاقبة
فهرسة كل SharePoint	إجابات من مسودات قديمة
بدون versioning	conflict بين نسختين
OCR بدون review	أرقام خاطئة في عقود
no retention	GDPR/PDPL violations

Data catalog أدنى viable

لا تحتاجون Collibra يوم 1. Excel/Notion يكفي:

doc	owner	class	last_review	in_rag
HR-001	Sara	internal	2025-06	yes

المصادر

• DAMA-DMBOK 2.0
• ISO/IEC 8000 — Data quality
• ISO/IEC 42001 — AI management (يربط data + AI)
• NIST AI RMF — MAP/MEASURE functions