الملخص السريع
نموذج ALLaM هو النموذج اللغوي السيادي السعودي، طوّرته سدايا بالتعاون مع IBM، واليوم يُشغَّل تحت مظلة هيوماين (HUMAIN) التابعة لـ PIF. النسخة الحالية ALLaM 34B تضم 34 مليار معامل، مدرّبة على أكثر من 500 مليار رمز عربي ومئات الآلاف من الكتب العربية. الفرق الجوهري بينه وبين النماذج التجارية (ChatGPT، Claude) مو بس في الأداء — الفرق في السيادة: البيانات ما تغادر المملكة، النموذج يفهم اللهجات السعودية والثقافة المحلية، والضوابط مضبوطة على القيم السعودية. للمؤسسات اللي تتعامل مع بيانات حساسة أو جهات حكومية، ALLaM مو خيار — هو مطلب تنظيمي. لكنه مو بديل لكل شي. هالمقال يشرح متى تستخدمه، متى لا، وش تحتاج عشان تحوكمه صح، وكيف يتكامل مع نظام كيرنل للحوكمة.
مستشار حوكمة الذكاء الاصطناعي في BrightAI. مهتم بتحويل النماذج السيادية إلى أدوات عملية داخل المؤسسات السعودية مع الحفاظ على الامتثال لأنظمة سدايا وNCA وPDPL.
ملاحظة مهمة: هذا المحتوى للتوعية وبناء فهم عملي للنماذج السيادية، ولا يغني عن مراجعة المستشارين القانونيين أو متطلبات الجهة التنظيمية المختصة في حالتك.
أولاً: وش هو ALLaM بالضبط؟
ALLaM اختصار لـ Arabic Large Language Model — نموذج لغوي عربي كبير. مو بس “نموذج ذكاء اصطناعي”، هو النموذج السيادي الرسمي للمملكة العربية السعودية. الفرق الجوهري: بينما ChatGPT من OpenAI شركة أمريكية خاصة، وClaude من Anthropic شركة أمريكية خاصة بعد، ALLaM مملوك للدولة السعودية عبر سدايا وهيومن.
من طوره؟
قصة ALLaM بدأت في المركز الوطني للذكاء الاصطناعي (NCAI) التابع لسدايا. الفريق البحثي السعودي نشر أول ورقة علمية عن النموذج في 2024 على Hugging Face بنسخة مفتوحة (ALLaM-7B-Instruct-preview). بعدها، دخلت IBM كشريك تقني رئيسي، وقدّموا الخبرة في التدريب على نطاق واسع وتحسين أداء النموذج.
مع إطلاق هيوماين (HUMAIN) في مايو 2025، انتقل ALLaM تحت مظلتها كمنتج سيادي. اليوم، ALLaM متاح عبر:
- HUMAIN Chat: تطبيق للمستهلكين (مثل ChatGPT لكن سعودي).
- Humain One: منصة مؤسساتية (مثل Azure OpenAI Service لكن بسيادة سعودية).
المواصفات الفنية
| الميزة | ALLaM 34B |
|---|---|
| حجم النموذج | 34 مليار معامل (parameters) |
| التدريب العربي | 500+ مليار رمز عربي |
| التدريب الإنجليزي | 4 تريليون رمز إنجليزي |
| الكتب العربية | 394 ألف+ كتاب عربي |
| فهم اللهجات | سعودية، مصرية، أردنية، لبنانية، خليجية، مغاربية |
| السيادة | سعودية 100% — البيانات داخل المملكة |
| الاستضافة | مراكز بيانات سعودية (تحت هيوماين) |
| الضوابط الثقافية | مدمجة — تعكس القيم المحلية |
الرقم اللي يلفت الانتباه: 394 ألف كتاب عربي. أغلب النماذج العالمية مدربة على كتب إنجليزية مترجمة، مو على نصوص عربية أصيلة. هذا يخلق فرق كبير في فهم ALLaM للسياق اللغوي والثقافي المحلي.
ثانياً: الفرق بين النماذج السيادية والتجارية
أغلب المسؤولين التنفيذيين يسألون: “ليش ما نستخدم ChatGPT براحتنا؟ رخيص وسريع وشغال.” الجواب مو تقني بحت — الجواب تنظيمي واستراتيجي.
من ناحية ملكية البيانات
النماذج التجارية (ChatGPT، Claude، Gemini): بياناتك تروح لسيرفرات في أمريكا أو أوروبا. تخضع لقوانين البلد المضيف. حتى لو عندك اتفاقية خصوصية مع OpenAI، البيانات تعبر الحدود وفي النهاية خاضعة لـ Patriot Act أو قوانين المراقبة الأمريكية.
ALLaM: كل شي داخل السعودية. الاستضافة في مراكز بيانات هيوماين المحلية. البيانات لا تغادر المملكة أبداً. هذا يخلي ALLaM متوافق تلقائياً مع متطلبات سيادة البيانات في نظام PDPL وضوابط NCA ECC.
من ناحية الفهم الثقافي
جرب تسأل ChatGPT: “وش رايك في العبث؟” — بيجيب لك تعريف عام. اسأل ALLaM — بيفهم إنها لهجة سعودية تعني “المزاح” وبيجاوب حسب السياق. هذا مو تفصيل، هذا فرق جوهري في تجربة المستخدم للمنتجات السعودية.
من ناحية الامتثال التنظيمي
سدايا بإرشاداتها الأخيرة تشجع المؤسسات الحكومية وشبه الحكومية على استخدام النماذج السيادية. NCA ECC يتطلب أن البيانات الحساسة ما تترك نطاق المملكة إلا بضوابط مشددة. PDPL يحدد شروط صارمة لنقل البيانات الشخصية عبر الحدود. استخدام ALLaM يبسط هالاشتراطات بشكل كبير لأن البيانات ببساطة ما تسافر.
من ناحية التكلفة
نماذج API الخارجية: تدفع لكل طلب بالدولار، وسعر الصرف وارتفاع الطلب يخلي التكلفة غير متوقعة. ALLaM عبر Humain One: أسعار تنافسية بالريال، بدون تقلبات عملة أو تكاليف نقل دولي. للمؤسسات اللي تتعامل على نطاق واسع (100 ألف+ طلب شهرياً)، الفرق كبير.
ثالثاً: الفرق بين النماذج السيادية والتجارية — متى تستخدم أي واحد؟
هذي لحظة الحقيقة: ALLaM مو بديل عن ChatGPT في كل شي، والعكس صحيح. القرار يعتمد على نوع البيانات، مستوى الحساسية، والجمهور المستهدف.
متى تستخدم ALLaM
- بيانات حساسة أو حكومية: أي تعامل مع بيانات شخصية، معلومات حكومية، عقود، أو بيانات مالية حساسة — ALLaM أولاً. البيانات تبقى داخل المملكة، وهذا يبسط الامتثال لـ PDPL وNCA.
- جمهور سعودي بحت: إذا خدمة العملاء أو المنتج موجه لسعوديين، ALLaM يفهم اللهجة والثقافة أفضل من أي نموذج أجنبي.
- تطبيقات سيادية: أنظمة حكومية، منصات وطنية، مشاريع تحت إشراف PIF أو سدايا — ALLaM هو الخيار المتوقع تنظيمياً.
- التخصيص القطاعي: ALLaM يقدر يتخصص على بيانات قطاعية سعودية (صحي، بنكي، قانوني) — هذا صعب مع النماذج التجارية لأن ساساتها تمنع استخدام مخرجاتها لتدريب نماذج منافسة.
متى تستخدم نموذج تجاري
- التعدد اللغوي: إذا تحتاج نموذج يدعم 50 لغة (خدمة عملاء عالمية، ترجمة)، ChatGPT أو Claude أفضل حالياً.
- المهام الإبداعية المتقدمة: كتابة نصوص إعلانية إنجليزية، تحليل أدبي معقد، برمجة متقدمة — النماذج التجارية الأكبر (GPT-4, Claude 3.5) تتفوق في هذي المهام.
- سرعة التحديث: OpenAI و Anthropic يحدثون نماذجهم كل شهرين. ALLaM تحديثاته أبطأ لأنه نموذج سيادي يمر بمراجعات أمنية أعمق.
- التكامل العالمي: إذا نظامك يعتمد على API عالمي (مثلاً Salesforce Einstein أو ServiceNow AI)، قد يكون النموذج التجاري مدمج أصلاً.
القاعدة الذهبية
استخدم ALLaM للبيانات الحساسة والجمهور السعودي. استخدم النماذج التجارية للمهام الإبداعية والعالمية. وفي كل الحالتين — أضف طبقة حوكمة.
رابعاً: متطلبات الحوكمة للنماذج السيادية
كثيرين يعتقدون إن استخدام ALLaM يعني “حوكمة تلقائية” — لأن النموذج سيادي وبياناته داخل المملكة. هذا اعتقاد خاطئ. النموذج السيادي يخفف بعض المخاطر، لكنه مو بديل عن نظام حوكمة كامل.
متطلبات الحوكمة اللي باقية حتى مع ALLaM:
1. تصنيف حالات الاستخدام
مو كل استخدام لـ ALLaM له نفس المستوى من الخطورة. التصنيف يعتمد على:
- نوع البيانات: بيانات شخصية؟ صحية؟ مالية؟
- تأثير المخرجات: القرار يؤثر على فرد؟ على مجموعة؟ على السمعة؟
- الجمهور: داخلي (موظفين) ولا خارجي (عملاء)؟
جدار حماية الذكاء الاصطناعي هنا يساعد في تصنيف كل طلب حسب حساسيته وتوجيهه للضوابط المناسبة.
2. المراجعة البشرية (Human-in-the-Loop)
حتى مع ALLaM، القرارات الحساسة تحتاج إنسان. سدايا واضحة في مبدأ الإنسانية: الإنسان يبقى في الحلقة للقرارات اللي لها أثر قانوني أو مالي أو صحي. ALLaM يقلل احتمالية الأخطاء الثقافية، لكنه مو بديل عن الحكم البشري في القرارات المصيرية.
3. سجل التدقيق
كل طلب ترسله لـ ALLaM يحتاج يسجل: من أرسله، متى، أي سياق، وش كانت المخرجات، هل مرت بمراجعة بشرية، هل تم رفضها. هذا السجل هو اللي يثبت الامتثال عند تدقيق سدايا أو NCA. كيرنل يوفر سجل تدقيق متكامل متوافق مع متطلبات الجهات التنظيمية السعودية.
4. حوكمة المورّد
حتى لو المورّد هو هيوماين (جهة سيادية)، يظل مطلوب اتفاقية مستوى خدمة (SLA) واضحة: زمن الاستجابة، نسبة الخطأ المسموحة، خطة استمرارية الخدمة، آلية الإبلاغ عن الحوادث. النموذج السيادي مو معناه “نثق بدون عقد”.
5. الضوابط الثقافية
ALLaM فيه ضوابط ثقافية مدمجة، لكنها مو مخصصة لكل قطاع. مثلاً، بنك يحتاج ضوابط إضافية للحديث عن التمويل والربا. مستشفى يحتاج ضوابط للمعلومات الطبية الحساسة. الضوابط المدمجة في ALLaM هي طبقة أساس — تحتاج فوقها طبقة مخصصة لقطاعك.
حوكمة الذكاء الاصطناعي للقطاع الحكومي يشرح بالتفصيل كيف تبني هالطبقات حسب متطلبات جهتك.
خامساً: كيف يتكامل ALLaM مع نظام الحوكمة (كيرنل)
هنا يجي دور نظام كيرنل (Kernel) — طبقة الحوكمة اللي تقعد بين المؤسسة وأي نموذج AI، سواء كان ALLaM أو ChatGPT أو Claude.
سيناريو التكامل العملي
السيناريو: بنك سعودي يستخدم ALLaM عبر Humain One في خدمة العملاء.
المسار:
- المدخل: موظف خدمة العملاء يكتب استفسار العميل في واجهة البنك.
- كيرنل AI Firewall: يفحص الاستفسار قبل ما يروح لـ ALLaM. يكشف إذا فيه أرقام هوية، حسابات بنكية، أو بيانات حساسة. يحجبها مؤقتاً أو يخفيها.
- التوجيه: الاستفسار الصنف (منخفض، متوسط، عالي الخطورة). لو منخفض → يروح مباشرة لـ ALLaM. لو متوسط → بعد التصفية يروح. لو عالي → يحوّل لموظف بشري.
- ALLaM: يولد الرد مع مراعاة السياسات الثقافية واللغوية.
- كيرنل AI Audit Trail: يسجل كل شي: الطلب، المخرجات، وقت المعالجة، النموذج المستخدم، اسم الموظف.
- كيرنل Human Approval Layer: لو الرد يحتاج موافقة (مثلاً رد على شكوى رسمية)، يوقف الرد لحين اعتماد المشرف.
- الإخراج: الرد يصل للعميل بعد كل هالطبقات، موثوق وآمن ومتوافق.
هذا التكامل يضمن إنك تستفيد من قوة ALLaM (فهم عربي ممتاز، سيادة بيانات، تكلفة تنافسية) مع بقاء الحوكمة ممسوكة. بدون كيرنل، استخدام ALLaM بيظل “غير محكوم” — النموذج سيادي لكن الاستخدام مو مضبوط.
سادساً: جدول مقارنة — ALLaM | ChatGPT | Claude
هذا الجدول يلخص الفروقات الرئيسية اللي تهم المسؤول التنفيذي ومسؤول الامتثال:
| المعيار | ALLaM 34B | ChatGPT (GPT-4) | Claude (Opus) |
|---|---|---|---|
| البيانات — وين تتخزن؟ | داخل السعودية (مراكز هيوماين) | سيرفرات أمريكية | سيرفرات أمريكية |
| الحوكمة — ضوابط مدمجة؟ | ضوابط ثقافية سعودية + قابلية تخصيص | ضوابط عامة (US/EU) | ضوابط عامة أخلاقية |
| الامتثال لـ PDPL | متوافق تلقائياً (البيانات داخل المملكة) | يحتاج اتفاقية + ضوابط نقل دولي | يحتاج اتفاقية + ضوابط نقل دولي |
| الامتثال لـ NCA ECC | مبسط (النموذج داخل المملكة) | معقد (نقل بيانات عبر الحدود) | معقد (نقل بيانات عبر الحدود) |
| التكلفة للمؤسسات | تنافسية بالريال + بدون تكاليف نقل | بالدولار + تكاليف نقل بيانات | بالدولار + تكاليف نقل بيانات |
| اللغة العربية واللهجات | ممتاز (مدرّب محلياً) | جيد (لكن يغلط في اللهجات) | جيد (لكن عام) |
| الفهم الثقافي السعودي | مدمج — يعرف العادات والأعراف | محدود — يعتمد على السياق العام | محدود — يعتمد على السياق العام |
| التخصيص للقطاعات السعودية | متاح — تقدر تخصص لقطاعك | محدود — سياسات المزود تمنع | محدود — سياسات المزود تمنع |
| سرعة التحديث | كل 3-6 أشهر (دورة سيادية) | كل 1-2 شهر | كل 1-2 شهر |
| متى تختاره؟ | بيانات حساسة، جمهور سعودي، جهات حكومية | مهام عالمية، تعدد لغوي، إبداع متقدم | مهام تحليلية عميقة، أمان عالي |
سابعاً: الأسئلة الأكثر شيوعاً
هل ALLaM أفضل من ChatGPT للغة العربية بشكل عام؟
للغة العربية الفصحى واللهجات السعودية والخليجية، ALLaM أفضل بفارق واضح — لأنه مدرّب على 394 ألف كتاب عربي و 500 مليار رمز عربي. الفرق يظهر في فهم التعابير المحلية، الأمثال الشعبية، والسياقات الثقافية. لكن للمهام اللي تحتاج لغات متعددة أو إنجليزية متخصصة (برمجة، قانون أمريكي، أدب عالمي)، GPT-4 أو Claude ممكن يكونوا أفضل. الجواب: استخدم ALLaM للمحتوى العربي السعودي، والنموذج التجاري للمحتوى العالمي.
هل استخدام ALLaM يلغي الحاجة لحوكمة AI في مؤسستي؟
لا، العكس صحيح. ALLaM يبسط جزء من متطلبات الحوكمة (سيادة البيانات، الضوابط الثقافية)، لكن باقي الحوكمة تبقى مطلوبة: تصنيف حالات الاستخدام، المراجعة البشرية للقرارات الحساسة، سجل التدقيق، حوكمة المورّد، الضوابط القطاعية الإضافية. النموذج السيادي مو بديل عن نظام حوكمة — هو أداة داخل النظام. إرشادات سدايا للذكاء التوليدي تشرح الضوابط المطلوبة بغض النظر عن النموذج المستخدم.
وش المطلوب عشان ندمج ALLaM مع أنظمتنا الحالية؟
التكامل يعتمد على مسارين: (1) تقني: Humain One يوفر API متوافق مع OpenAI API (فيه توافق كبير)، لذا التعديل على الكود غالباً بسيط. (2) حوكمة: تحتاج تضيف طبقة بين أنظمتك و API ALLaM — هذي الطبقة هي اللي تصنف الطلبات، تطبق AI Firewall، تسجل التدقيق، وتدير الموافقات البشرية. جدار حماية الذكاء الاصطناعي يوفر هالطبقة بشكل جاهز للمؤسسات السعودية. التكامل التقني يأخذ أيام، التكامل الحوكمي يأخذ أسابيع حسب نضج أنظمتك الحالية.
ثامناً: أهم النقاط والخطوة التالية
أهم النقاط
- ALLaM هو النموذج السيادي السعودي — بياناتك تبقى داخل المملكة، النموذج يفهم الثقافة المحلية، والضوابط مضبوطة على القيم السعودية.
- الفرق بين ALLaM والنماذج التجارية مو بس في الأداء — الفرق في السيادة، الامتثال التنظيمي، والتكلفة على المدى الطويل.
- استخدم ALLaM للبيانات الحساسة والجمهور السعودي، والنماذج التجارية للمهام الإبداعية والعالمية. القرار يعتمد على نوع البيانات ونوع المهمة.
- النموذج السيادي مو بديل عن الحوكمة — يخفف بعض المخاطر لكن باقي الحوكمة (التصنيف، المراجعة البشرية، السجل، حوكمة المورّد) تبقى مطلوبة.
- كيرنل يوفر طبقة الحوكمة الوسيطة اللي تربط بين مؤسستك وأي نموذج — ALLaM أو غيره — مع تطبيق ضوابط سدايا وNCA وPDPL تلقائياً.
- قبل تتبنى ALLaM، صنّف حالات الاستخدام عندك، حدد أيها يحتاج سيادة وأيها يقدر يكون عالمي، وابني طبقة حوكمة قبل لا تفتح الباب.
الخطوة التالية: اربط نموذج ALLaM بنظام حوكمة متكامل
ALLaM يفتح الباب لمؤسستك تستخدم ذكاء اصطناعي سيادي بمواصفات عالمية. لكن الاستخدام المسؤول يحتاج طبقة حوكمة تضمن إن كل طلب مصنّف، كل مخرج مراجع، وكل عملية موثقة. BrightAI توفر هالطبقة — من جدار الحماية إلى سجل التدقيق إلى الموافقات البشرية — كلها متوافقة مع متطلبات سدايا وNCA وPDPL.