알림 목록

منطقة التحليل: مدينة بوسان الكبرى

المنطقة الأساسية: مقر مدينة بوسان الكبرى، و16 منطقة ومقاطعة، والمؤسسات العامة التابعة لها

جدول الأعمال: التحقق مما إذا كان الذكاء الاصطناعي والبيانات قد تجاوزا مجرد المساعدة الإدارية وقاما بالفعل بتغيير بدائل السياسات والميزانيات والتنفيذ وتقييمات الأداء.

نوع الوقت الذهبي: توسيع الذكاء الاصطناعي الإداري + فجوة أدلة القرار

تاريخ المرجع: 28/08/2026

الإصدار: الإصدار القياسي المحسن من AX Golden Time Intelligence v3.2 الإقليمي
 

في نهاية عام 2025، أصبحت مدينة بوسان أول حكومة محلية تُطلق خدمات إدارية تعتمد على الذكاء الاصطناعي التوليدي، استنادًا إلى نماذج لغوية صغيرة وتقنيات بحث مُحسّنة. وبحلول أوائل عام 2026، طبّقت المدينة 22 نوعًا من الخدمات، بما في ذلك الأسئلة والأجوبة، وصياغة الوثائق، والبحث في البيانات الإدارية، في جميع الإدارات. وقد تحوّل نطاق تطبيق الذكاء الاصطناعي في الإدارة من استخدام الموظفين الأفراد للذكاء الاصطناعي التوليدي الخارجي إلى خدمات على مستوى المؤسسة تجمع بين البيانات الإدارية الداخلية وأنظمة الأمان. ومع ذلك، لم يتم التحقق من سجلات القرارات العامة التي تُظهر أن استخدام الخدمة أدى إلى مقارنات بين بدائل السياسات، أو تغييرات في الميزانية، أو تعليق المشاريع، أو تعديلات على المناطق المستهدفة، أو تغييرات في أساليب التنفيذ. إذا استمرت خطة التحسين الثلاثية من 2026 إلى 2028 بشكل أساسي بناءً على حجم الاستخدام وعدد الوثائق المُولّدة، فسيتوقف الذكاء الاصطناعي الإداري عند هذا الحد، وسيقتصر دوره على تحسين سرعة العمل فقط. في حين أن إدارة الذكاء الاصطناعي في بوسان قد وصلت إلى مرحلة الاستخدام في جميع الإدارات، إلا أنه لا يوجد دليل كافٍ للاستنتاج بأنها قد وصلت إلى مرحلة تغيير عمليات صنع القرار.

تم تسجيل مسائل سياسية فعلية، مثل التغيرات في المبيعات بعد تحويل أيام الإغلاق الإلزامي للمتاجر الكبرى إلى أيام عمل، ومبيعات بطاقات الائتمان قبل وبعد مشروع "مدينة الـ 15 دقيقة"، وأعداد زوار المهرجانات ومبيعات المنطقة التجارية، ونقص مواقف السيارات في يونغدو-غو، كمهام تحليلية ضمن مشروع "موجة البيانات الضخمة" في بوسان. ويتحول استخدام البيانات من الاستفسارات الإحصائية إلى التحقق من النتائج قبل وبعد تطبيق السياسات. ومع ذلك، فإن سجلات المتابعة المتاحة للجمهور بشأن البدائل المستبعدة والقرارات والميزانيات أو عمليات التنفيذ التي عُدّلت محدودة. إذا بقيت طلبات التحليل وقرارات السياسات في نظام منفصل خلال العامين أو الثلاثة أعوام القادمة، فقد يزداد حجم التحليل، لكن لا يمكن قياس أثر عملية صنع القرار. في  إدارة بوسان القائمة على البيانات، ورغم تأكيد طرح الأسئلة وتنفيذ التحليلات، إلا أن إمكانية تتبع تغييرات القرارات لا تزال غير مؤكدة.

اقترحت خطة تعزيز الذكاء الاصطناعي للإدارة لعام 2026 تبني الذكاء الاصطناعي على نطاق واسع في جميع قطاعات الإدارة، بينما تضمنت خطة عمل قطاع البيانات توسيع نطاق التحليل، وتدريب الموظفين، واستخدام المعلومات المُعَرَّفة بشكل مُستعار لمعالجة التحديات البلدية. وقد تحوّلت رقمنة الإدارة من مشاريع تجريبية جزئية إلى خطة لتبني الذكاء الاصطناعي على نطاق واسع في جميع القطاعات. في المقابل، لم يتم تحديد معيار أداء عام يربط جودة بيانات الإدارات، ودقة استجابة الذكاء الاصطناعي، وسلوك التحقق من المستخدم، ووقوع الأخطاء، ونتائج المواطنين في إطار أداء موحد. إذا توسعت الخدمات بسرعة بين عامي 2026 و2028، فسيتم إدخال بيانات أولية منخفضة الجودة واستجابات غير مُدققة بشكل متكرر في إجراءات العمل.  يكمن الخطر الحساس للوقت بالنسبة للذكاء الاصطناعي الإداري في بوسان في حقيقة أن سرعة تبني الذكاء الاصطناعي تتجاوز سرعة جودة الأدلة وإنشاء أنظمة المساءلة.

تُنفَّذ حاليًا مشاريع دعم القرار في قطاعات متنوعة، مثل محاكاة شبكات إمدادات المياه، والقرى البحرية الذكية، وإدارة التدقيق القائمة على الذكاء الاصطناعي. ويتوسع نطاق تطبيق الذكاء الاصطناعي من مهام الوثائق الروتينية إلى أحكام الخبراء في مجالات إمدادات المياه، والبيئة البحرية، والتدقيق، والسلامة. ومع ذلك، لا توجد بيانات مقارنة متاحة للعموم تؤكد مدى تأثير الإنذارات التنبؤية على أولويات التفتيش الفعلية، وتخصيصات الميزانية، والأحكام التنظيمية والتدقيقية، أو ما إذا كانت النتائج قد تحسنت. إذا ما تم تطوير أنظمة خاصة بكل قطاع بشكل مستقل خلال العامين أو الثلاثة أعوام القادمة، فلن تمتلك مدينة بوسان نظامًا موحدًا للتعلم الإداري، حتى لو كانت لديها خدمات ذكاء اصطناعي متعددة.  حاليًا، لا يُنظر إلى "الفترة الذهبية" على أنها فترة توسيع خدمات الذكاء الاصطناعي، بل على أنها العامين أو الثلاثة أعوام التي تسبق الربط الأول بين القرارات التي غيّرها الذكاء الاصطناعي ونتائجها.

أطروحة الوقت الذهبي - وحدة الحكم في نظام بوسان الإداري المتقدم ليست عدد خدمات الذكاء الاصطناعي أو عدد المستندات المُنشأة، بل هي مدة تنفيذ القرار، والتي تشمل ما إذا كان الذكاء الاصطناعي والبيانات قد أتاحا خيارًا مختلفًا عن القرارات القائمة، وما إذا كان هذا الخيار قد حسّن النتائج للمواطنين والشركات والمنطقة.

تُدير إدارة مدينة بوسان قطاعات النقل والرعاية الاجتماعية والسلامة والصناعة والبيئة والسياحة والتخطيط العمراني من خلال المكتب الرئيسي والوحدات الإدارية و16 منطقة ومحافظة، بالإضافة إلى الشركات والهيئات والمؤسسات العامة التي تستثمر فيها أو تساهم فيها. وتتسم البيانات الإدارية ببنية موزعة، حيث تُنتجها منظمات وهيئات متعددة، وليس كيان واحد. ولا يمكن التحقق بشكل كامل من مدى إدارة المواطنين أو الشركات أو المساحات أو المشاريع نفسها من قِبل إدارات مختلفة باستخدام معرّفات ودورات تحديث متباينة، وذلك بالاعتماد على البيانات المتاحة للعموم. ومع توسع خدمات الذكاء الاصطناعي في الإدارات لتشمل هذه البيانات الموزعة بين عامي 2026 و2028، قد تظهر استجابات وتقييمات مخاطر مختلفة بشأن القضايا نفسها.  ويُحدد حجم المخاطر التي تواجهها إدارة بوسان من خلال تعدد سجلات الموضوع الإداري نفسه، وليس من خلال نقص البيانات.

توفر شركة Big-DataWave بيانات عامة وخاصة، وإحصاءات، واستشارات تحليلية، ودراسات حالة حول استخدام البيانات. وقد توسعت قاعدة بيانات إدارة بوسان من الإحصاءات الدورية إلى تحليل السياسات باستخدام بيانات مبيعات بطاقات الائتمان، وحركة السكان في قطاع الاتصالات، والشبكات المكانية، والاستبيانات. ومع ذلك، لا تتوفر مؤشرات تشغيلية متاحة للجمهور تربط بين إجمالي عدد طلبات التحليل المسجلة، ومتوسط ​​وقت المعالجة، ومعدل انعكاس السياسات، ومعدل إعادة الاستخدام. وبينما تتراكم أوقات الانتظار وتكرار التحليلات الفردية مع ازدياد حجم الطلبات على مدى سنتين إلى ثلاث سنوات، تبقى القدرة التحليلية الإجمالية للمنظمة غير مُقَيَّمة. وعلى الرغم من  امتلاك إدارة بيانات بوسان بنية تحتية للتحليل، إلا أن قدرتها على المعالجة مقارنةً بالطلب لا تزال غير مُقَيَّمة.

تُقدّم خدمات الذكاء الاصطناعي التوليدي الإدارية في بوسان 22 نوعًا من الوظائف، تشمل الأسئلة والأجوبة، والبحث عن البيانات، وإنشاء المستندات، لجميع الإدارات. وقد توسّع نطاق تطبيق الذكاء الاصطناعي التوليدي من التدريب والاستخدام التجريبي إلى الخدمات الشائعة في بيئات العمل الفعلية. ومع ذلك، لم يتم الكشف عن عدد المستخدمين النشطين حسب الإدارة، أو معدل الاستخدام، أو توفير وقت العمل، أو وقت تصحيح الأخطاء، أو معدلات قبول/رفض الاستجابات. إذا اقتصرت الزيادة بين عامي 2026 و2028 على عدد الوظائف فقط، فستبقى الخدمات ذات الاستخدام الفعلي المنخفض وتحسين العمل المحدود مُدرجة ضمن إنجازات التنفيذ.  في حين أن نطاق الذكاء الاصطناعي التوليدي في بوسان مُثبت بناءً على الوظائف، إلا أن النطاق الفعلي للاستخدام لا يزال غير مؤكد.

يجري الترويج لدعم اتخاذ القرارات باستخدام أجهزة الاستشعار والنماذج والذكاء الاصطناعي في مجالات شبكات إمدادات المياه والبيئات البحرية والتدقيق والسلامة. وقد تحوّل الذكاء الاصطناعي الإداري إلى بنية متعددة الطبقات، حيث تعمل نماذج اللغة العامة ونماذج التنبؤ والكشف الخاصة بكل قطاع في آنٍ واحد. ومع ذلك، لم يتم تأكيد البيانات المتاحة للجمهور التي تقارن سجل نماذج مشترك، وسلسلة البيانات، والدقة، وحالات الخطأ، والمساءلة التشغيلية على مستوى المدينة بأكملها. ومع ازدياد عدد النماذج المتخصصة خلال العامين أو الثلاثة أعوام القادمة، تتزايد تكلفة الإدارة المتكاملة للمخاطر الخاصة بكل نموذج بسرعة.  وبينما يشهد الذكاء الاصطناعي الإداري في بوسان مرحلة توسع متعددة القطاعات، لا تزال حوكمة النماذج على مستوى المدينة غير مؤكدة.

تُظهر الأنواع الـ 22 من خدمات الذكاء الاصطناعي التوليدي، وموجة البيانات الضخمة، والمنصات الذكية القطاعية، أن بوسان تمتلك أصولًا وفيرة في مجال الذكاء الاصطناعي والبيانات. وقد تطورت الأصول الرقمية الإدارية إلى بنية تتعايش فيها أنظمة الذكاء الاصطناعي العامة وأنظمة التحليل المتخصصة ضمن بوابة إحصائية واحدة. ومع ذلك، لم يتم التأكد من وجود بيئة تشغيل موحدة تربط نتائج التحليل عبر المنصات باجتماعات السياسات والموافقات والميزانيات وتقييمات الأداء نفسها. ومع ازدياد عدد الأنظمة بين عامي 2026 و2028، قد يصبح استرجاع المعلومات أسرع، لكن قد تتسع الفجوة في الأحكام بين المؤسسات.  وما تأكد حتى الآن هو تراكم أدوات الذكاء الاصطناعي والبيانات، وليس تكامل منظومة صنع القرار.

تُركز طلبات تحليل مبيعات البطاقات قبل وبعد مشروع "مدينة الـ 15 دقيقة"، ومبيعات الأسواق التقليدية والمتاجر الصغيرة بعد تغييرات الإغلاق الإلزامي للمتاجر الكبرى، وحركة المشاة ومبيعات البطاقات قبل وبعد المهرجانات، على النتائج لا المدخلات. وقد تحولت الاستفسارات الإدارية من التركيز على تنفيذ المشروع إلى التركيز على ما إذا كانت السياسة قد أحدثت تغييرًا فعليًا في الاقتصاد المحلي. ومع ذلك، لا توجد سجلات عامة تربط نتائج التحليل بحالات تم فيها الحفاظ على السياسات القائمة أو تعديلها أو إلغاؤها. إذا بقيت التحليلات مجرد مواد مرجعية استرجاعية لمدة سنتين إلى ثلاث سنوات، فإن توسيع نطاق أسئلة النتائج لا يؤدي إلى تغييرات في عملية صنع القرار.  في حين أن بوسان لديها طلب على تحليل النتائج، إلا أن وجود بيئة لتنسيق السياسات القائمة على النتائج لا يزال غير مؤكد.

شمل التدريب العملي على الذكاء الاصطناعي لعام 2025 التخطيط الاستراتيجي والممارسة التقنية لبلدية بوسان والمناطق والمحافظات والمنظمات التابعة لها، بينما تم التنبؤ بتوسع خدمات الذكاء الاصطناعي في جميع القطاعات خلال الفترة 2026-2028. ويتوسع هيكل تطوير المواهب من مجرد استخدام الأدوات إلى تطوير قدرات تخطيط الخدمات. ومع ذلك، خلال التدقيق الإداري الذي أجراه مجلس مدينة بوسان عام 2025، لوحظ أن أكثر من 80% من بعض دورات تدريب الذكاء الاصطناعي كانت في المستوى الأساسي. إذا تجاوزت سرعة انتشار الخدمة خلال العامين أو الثلاثة أعوام القادمة قدرات التخطيط والتحقق، فسيستخدم الموظفون نتائج الذكاء الاصطناعي لكنهم لن يتمكنوا من تحديد قيود النماذج وأخطائها.  ويُقدّر وجود فجوة في منظومة المواهب الإدارية للذكاء الاصطناعي في بوسان بين توسع قاعدة المستخدمين وقدرات التحقق المتقدمة.

تسعى قرية المحيط الذكية إلى رصد البيئة البحرية ودعم اتخاذ القرارات باستخدام الذكاء الاصطناعي، بينما يُطبّق قطاع إمدادات المياه تقنيات البيانات الضخمة ومحاكاة شبكات الأنابيب القائمة على الذكاء الاصطناعي. وتشهد الإدارة في هذه القطاعات تحولاً من التعامل مع الشكاوى وعمليات التفتيش بعد وقوع الحوادث إلى الكشف الاستباقي والتنبؤ. ومع ذلك، فإن الأدلة المتاحة للجمهور والتي تقارن معدل التطابق بين التنبؤات والأحداث الفعلية، وأوقات الاستجابة بعد التنبيهات، وانخفاض الحوادث، محدودة. وحتى لو كان النظام يعمل بين عامي 2026 و2028، فستبقى المنصة مجرد شاشة مراقبة إذا لم يتم ربط دقة التنبؤ بالإجراءات الميدانية. وبينما  وفّر الذكاء الاصطناعي الخاص بكل قطاع قدرات تنبؤية، إلا أن الأدلة البيئية التي تُثبت أن التنبؤات قد غيّرت بالفعل السلوك الإداري لا تزال غير كافية.

يُقلل الذكاء الاصطناعي التوليدي من تكاليف جمع المعلومات من خلال معالجة عمليات البحث عن البيانات الإدارية ومسودات الوثائق في ثوانٍ معدودة. يتحول العائق في الإدارة من الوقت المُستغرق في البحث عن البيانات إلى الوقت المُستغرق في تحديد الأدلة الموثوقة والبدائل المُثلى. بينما تُوفر خدمات الذكاء الاصطناعي في بوسان وظائف البحث والصياغة، إلا أن قدرات اتخاذ القرار التي تُقارن بين فعالية وتكاليف ومخاطر البدائل المختلفة غير متوفرة في البيانات المُتاحة للعموم. إذا زادت سرعة البحث وحدها بين عامي 2026 و2028، يُمكن إنشاء بنية قادرة على إعادة إنتاج منطق السياسات الحالي بسرعة أكبر. على الرغم من أن التغيير الهيكلي في إدارة AX قد تحول من توليد الوثائق إلى التقييم والتحقق، إلا أن وظيفة بوسان الحالية تُعتبر أقرب إلى توليد الوثائق.

تعزز الخدمات الإدارية القائمة على نظام RAG أساس الردود من خلال البحث في البيانات الإدارية الداخلية. يُمثل هذا الهيكل تحولًا في الذكاء الاصطناعي التوليدي من التركيز على المعلومات المتاحة للعموم على الإنترنت إلى التركيز على البيانات التي تحتفظ بها مدينة بوسان. مع ذلك، لا يتوفر سجل تدقيق عام - والذي يسجل النص الأصلي المُشار إليه في الرد، وتاريخ المرجع، والوثائق المتضاربة، والإرشادات المُستبعدة، ومستويات الثقة، والمراجعين النهائيين. ومع تراكم البيانات الإدارية على مدى سنتين إلى ثلاث سنوات، يزداد خطر الخلط غير الصحيح بين الأدلة الحديثة والتاريخية والمتضاربة.  تتجلى الفجوة الهيكلية للذكاء الاصطناعي التوليدي على طريقة بوسان في تحديد صحة الأدلة أكثر من تولد الردود نفسها.

تكشف بيانات البطاقات الخاصة والاتصالات والبيانات المكانية عن تغيرات في المناطق التجارية والتنقلية والمعيشية بوتيرة أسرع من الإحصاءات الإدارية. وقد تحوّلت أدلة السياسات من الإحصاءات السنوية إلى مستويات زمنية محددة، كاليومية والساعية وعلى مستوى شبكة 50 مترًا. مع ذلك، لم يُحدَّد نظام إفصاح يُدير تحيز العينات، وتغيرات مزودي الخدمات، وتعديلات الصيغ، والتكاليف، وإمكانية تكرار البيانات الخاصة جنبًا إلى جنب مع سجلات قرارات السياسات. إذا ازداد الاعتماد على البيانات الخاصة بين عامي 2026 و2028، فقد تؤدي التغييرات في عقود التوريد إلى اضطراب في خط الأساس للسياسات. ورغم أن إدارة  البيانات في بوسان قد حققت سرعة في معالجة البيانات، إلا أن إمكانية مقارنتها وتكرارها على المدى الطويل لا تزال غير مؤكدة.

يُوسّع نظام إدارة التدقيق القائم على الذكاء الاصطناعي نطاق اختيار أهداف التدقيق واكتشاف المخاطر، من عمليات التفتيش العشوائية إلى البحث الشامل القائم على البيانات. ويتحول هيكل عمليات التدقيق من الكشف اللاحق إلى الكشف المبكر عن المخالفات. مع ذلك، لا يزال تجميع البيانات العامة للتحقق من أهداف التدقيق التي اختارها النموذج، والأهداف غير المختارة، والانتهاكات الفعلية، والنتائج الإيجابية الخاطئة، والتحيزات، في مراحله الأولى. إذا تم دمج توصيات الذكاء الاصطناعي في أولويات التدقيق بين عامي 2026 و2028، فستتحول النتائج الإيجابية الخاطئة غير المبررة إلى أعباء إدارية ومخاطر على السمعة.  ومن المتوقع أن يُظهر نظام التدقيق AX توسعًا في نطاق الكشف، ولكنه سيُقلل أيضًا من فجوة المسؤولية الإجرائية في آنٍ واحد.

قدّمت خطة تعزيز إدارة الذكاء الاصطناعي لعام 2026 توجيهًا لنشر الذكاء الاصطناعي بشكل منهجي في جميع أنحاء الإدارة. وقد تحوّلت التطبيقات التجريبية التي كانت تُنفّذها الإدارات الفردية إلى محفظة مشاريع على مستوى حكومة المدينة. ومع ذلك، لم يتم تحديد سجل لمشاريع الذكاء الاصطناعي يُفصح عن الخطوط الأساسية الخاصة بكل مشروع، والنتائج المستهدفة، والإدارات المسؤولة، ومستويات مخاطر النماذج، ومعايير التوقف بتنسيق موحد. إذا ما بدأ التوسع في جميع القطاعات أولًا بين عامي 2026 و2028، فسيكون من الصعب التمييز بين المشاريع ذات الأداء المنخفض والمشاريع ذات المخاطر العالية باستخدام المعايير نفسها.  وتمر استجابة بوسان للذكاء الاصطناعي حاليًا بمرحلة تكوين المحفظة، بينما لا تزال مرحلة إدارة أداء المحفظة غير مؤكدة.

طُبقت خدمات الذكاء الاصطناعي التوليدي الإدارية على جميع الإدارات في أوائل عام 2026، وعُرض جدول زمني لتطويرها وتوسيع نطاقها على مدى السنوات الثلاث التالية. وقد توسع تطبيق الذكاء الاصطناعي من اختبارات محدودة للمستخدمين إلى بيئة العمل المشتركة لجميع الموظفين. ومع ذلك، لم يتم تأكيد وجود خط أساس عام لمقارنة ساعات العمل، ودقة الاستجابة للشكاوى، ومعدلات التصحيح، وإعادة العمل، والحوادث الأمنية قبل وبعد الاستخدام. وبمجرد دمج الاستخدام في إجراءات العمل الأساسية خلال العامين أو الثلاثة أعوام القادمة، سيصبح من الصعب مقارنة آثاره بالفترة التي سبقت إدخال الذكاء الاصطناعي.  حاليًا، ورغم وضوح جدول التوسع للاستجابة على مدى ثلاث سنوات، إلا أن آلية قياس الآثار السببية لا تزال غير مؤكدة.

تتضمن خطة عمل البيانات لعام 2026 توسيع نطاق التحليل لحل المشكلات البلدية، وتدريب الموظفين، واستخدام المعلومات المُعَرَّفة بأسماء مستعارة. ويتوسع نطاق استخدام البيانات من الإحصاءات العامة إلى التحليل المُدمج الذي يحمي المعلومات الشخصية. ومع ذلك، لم يتم العثور على بيانات تكشف بشكل شامل عن نتائج السياسات، أو مخاطر إعادة تحديد الهوية، أو حالات فشل الدمج، أو فترات المداولات، أو التغييرات الفعلية في السياسات المتعلقة بالتحليل المُدمج المُعَرَّف بأسماء مستعارة. إذا تمت إدارة الاستخدام والحماية كمؤشرات أداء منفصلة للفترة 2026-2028، فسيصعب تقييم المخاطر بين التحليل الموسع وثقة الجمهور.  وتمر استجابة بوسان للمعلومات المُعَرَّفة بأسماء مستعارة حاليًا بمرحلة توسيع قاعدة الاستخدام، ولم تصل بعد إلى مرحلة التقييم المتكامل للنتائج والثقة.

توسّع نطاق التدريب العملي على الذكاء الاصطناعي والبيانات ليشمل المكاتب المركزية والمناطق والمحافظات والمؤسسات العامة. وقد تحوّلت سياسات الكفاءة من التركيز على عدد محدود من خبراء البيانات إلى توظيف الذكاء الاصطناعي بين الموظفين الإداريين عمومًا. مع ذلك، لا تُفصح البيانات عن الأداء التحليلي الفعلي قبل التدريب وبعده، ولا عن التغييرات في تخطيط السياسات، ولا عن معدلات اكتشاف الأخطاء، ولا عن معدلات التطبيق الميداني. فإذا اقتصر الأمر على عدد المتدربين على مدى سنتين أو ثلاث سنوات، يستحيل التمييز بين توسّع نطاق التدريب وتحسّن جودة اتخاذ القرارات. ورغم  اتساع نطاق المشاركة في التدريب، إلا أن نتائجه العملية لا تزال غير مؤكدة.

أعلنت بوسان عن إطلاقها خدمات إدارية تعتمد على الذكاء الاصطناعي التوليدي القائم على sLLM وRAG في جميع أقسامها، لتصبح بذلك أول حكومة محلية تُقدم على هذه الخطوة. وقد تأكدت الأدلة على التبني المبكر لبيئة عمل موحدة للذكاء الاصطناعي من خلال مقارنتها بالحكومات المحلية الأخرى. مع ذلك، لم تُفصح بوسان عن مقارنات لمعدلات الاستخدام الفعلي، وتوفير الوقت، والدقة، ومعدلات تغيير السياسات باستخدام المعايير نفسها المتبعة في المدن الرائدة الأخرى. إذا استُبدل تصنيف "التبني الأولي" للفترة 2026-2028 بمقارنة الأداء، فإن الفرق بين الريادة التكنولوجية والأداء الإداري سيتلاشى. فبينما  تُظهر بوسان مؤشرات رائدة عند تبنيها لهذه التقنية، إلا أنها تُعتبر غير قابلة للمقارنة من حيث نتائج صنع القرار.

يركز حوكمة الذكاء الاصطناعي في القطاع العام الدولي على إدارة مسار البيانات، والمراجعة البشرية، وقابلية التفسير، وتقييم الأثر، والاعتراضات، ومراقبة النماذج. بُنيت خدمات الذكاء الاصطناعي التوليدي في بوسان على أساس استخدام أنظمة الأمان والبيانات الداخلية. مع ذلك، لم يتم تأكيد الأدلة المتعلقة بالإفصاح عن الموافقات على مستوى المخاطر، وتقييمات أثرها على المواطنين، والإفصاح عن الأخطاء، وسجل تغييرات النماذج على مستوى حكومة المدينة. ومع توسع استخدام الذكاء الاصطناعي في مجالات مشاركة المواطنين، والتدقيق، والسلامة خلال العامين أو الثلاثة أعوام القادمة، ستحدد المساءلة الإجرائية، وليس سهولة التشغيل، القدرة التنافسية النسبية. في حين أن  استعداد بوسان لتبني التكنولوجيا مرتفع، إلا أن جاهزيتها في مجال الحوكمة العامة لا تزال غير مؤكدة.

تُدير حكومات محلية كبيرة مثل سيول وجيونجي منظمات تحليل البيانات، والبيانات العامة، والتوائم الرقمية، وخدمات الذكاء الاصطناعي بطريقة متعددة المستويات. كما تعمل بوسان على تضييق فجوة الأدوات من خلال إطلاق مبادرة "موجة البيانات الضخمة" ومنصات الذكاء الاصطناعي المتخصصة في قطاعات محددة. مع ذلك، لم يتم توحيد المقاييس القابلة للمقارنة محليًا لتحليل البيانات، وتغيير القرارات، والنتائج بين المدن. ولا تسمح مقارنة عدد المنصات والميزانيات للفترة 2026-2028 فقط بتقييم الإنتاجية الإدارية الفعلية لبوسان وتأثيرها على السكان.  ويُصنف وضع بوسان المحلي ضمن الفئة المتوسطة العليا من حيث امتلاك الأدوات، ولكنها تعاني من فجوة بيانات مشتركة في وقت تنفيذ القرارات.

يتناول تحليل مدينة بوسان (التي لا تتجاوز مدتها 15 دقيقة)، ومهرجاناتها، ومناطقها التجارية، وشبكة مواصلاتها، وبيئتها البحرية، قضايا محلية من خلال دمجها مع بيانات القطاع الخاص. ويمثل هذا هيكلاً أكثر تطوراً من المرحلة التي اقتصرت على استخدام الإحصاءات الإدارية المنظمة. مع ذلك، فإن الأدلة المُدارة وفق معايير موحدة فيما يتعلق بإمكانية تكرار التحليل، ومجموعات الضبط، والخطوط الأساسية قبل وبعد التحليل، محدودة. فحتى مع ازدياد عدد حالات التحليل على مدى سنتين أو ثلاث سنوات، لا تُدمج هذه الحالات في دراسة شاملة للمدينة بأكملها إذا اختلفت التصاميم المقارنة.  وتكمن قوة بوسان النسبية في واقعية مواضيع تحليلها، بينما يكمن ضعفها في عدم توحيد نتائج التحليل في تجارب سياساتية.

يؤكد ربط أنواع خدمات الذكاء الاصطناعي التوليدي الـ 22 بتطبيقاتها في جميع الأقسام فعاليتها ونطاق انتشارها. مع ذلك، ونظرًا لعدم الإفصاح عن عدد المستخدمين النشطين، وعدد الاستعلامات، ومعدلات التبني، ومعدلات التعديل، والوقت المُوفّر، ومعدلات تغيير السياسات، يتعذر حساب أداء سهولة الاستخدام. يُظهر حاصل ضرب عدد الخدمات في عدد الأقسام مدى الانتشار، ولكنه لا يعكس الأداء الإداري. في حال ازدياد عدد الوظائف بين عامي 2026 و2028، قد ترتفع مؤشرات النجاح التي لا تحتوي على مقام.  تمثل الأرقام الحالية للذكاء الاصطناعي التوليدي في بوسان نطاق التنفيذ، بينما تتحدد إنتاجية اتخاذ القرار بفجوة البيانات.

تشمل طلبات التحليل لمشروع "موجة البيانات الضخمة" قضايا سياسية فعلية، مثل مفهوم "مدينة الـ 15 دقيقة"، والإغلاق الإلزامي للمتاجر الكبرى، والمهرجانات، ومواقف السيارات، وحركة المشاة، ومبيعات المستهلكين. يُظهر عدد الطلبات ومؤشرات "الاستجابة المكتملة" أن عملية التحليل فعّالة. مع ذلك، لا تُفصح البيانات اللاحقة المتعلقة بالانتقال من "الاستجابة المكتملة" إلى "مراجعة الموافقة"، و"تعديل المشروع"، و"تغيير النتائج". إذا تراكم عدد الحالات المكتملة على مدى سنتين إلى ثلاث سنوات، فقد يُنظر إلى أداء معالجة التحليل وأداء تغييرات السياسات على أنهما متطابقان.  يُعتبر معدل إنجاز التحليل مؤشرًا على الخدمة الإدارية، وليس مؤشرًا على فعالية السياسات.

طُلب تحليل مبيعات البطاقات قبل وبعد مشروع "مدينة الـ 15 دقيقة" لمقارنة التغيرات في عامي 2023 و2024، وتحديدًا قبل وبعد اكتمال المشروع. ورغم وجود هيكل للمقارنة الزمنية، إلا أنه لا يمكن التأكد من فصل المناطق المرجعية والظروف الاقتصادية الخارجية والأسعار والعوامل الموسمية بالاعتماد على المعلومات المطلوبة وحدها. فالزيادات والانخفاضات البسيطة قبل وبعد المشروع تُؤدي إلى تداخل تأثيرات السياسات مع التغيرات الخارجية المتزامنة. وإذا تكررت تحليلات مماثلة بين عامي 2026 و2028، فقد تتراكم استنتاجات سببية خاطئة، مما قد يُؤدي إلى توسعات أو تخفيضات في الميزانية.  وتكمن الفجوة العددية في تحليل بيانات بوسان بين قياس التغير وتحديد السببية.

يُعدّ تحليل نقل الإغلاق الإلزامي للمتاجر الكبرى إلى أيام الأسبوع مسألة سياسية تقارن مبيعات هذه المتاجر والأسواق التقليدية وأصحاب المشاريع الصغيرة. ويؤكد هذا التحليل تحولًا هيكليًا يهدف إلى دراسة توزيع المنافع بين مختلف الأطراف المعنية بدلًا من التركيز على مبيعات قطاع واحد. مع ذلك، لم يتم تحديد نتائج شاملة تجمع بين فوائد المستهلكين، وظروف عمل العمال، والتحول نحو الاستهلاك الإلكتروني، والآثار طويلة الأجل. فإذا اقتصرت الاستنتاجات على مبيعات بطاقات الائتمان قصيرة الأجل على مدى سنتين إلى ثلاث سنوات، فإن تكاليف وفوائد هذه السياسة ستقتصر على فئات محددة. ورغم أن  دراسة بوسان القائمة على البيانات توسعت لتشمل مقارنات بين مجموعات متعددة، إلا أنها لم تصل إلى مجمل النتائج الاجتماعية.

على الرغم من أن عدد المشاركين والدورات التدريبية في مجال الذكاء الاصطناعي يُظهر مستوى الكفاءات المُكتسبة، إلا أن تدقيقًا أجراه مجلس المدينة أشار إلى أن أكثر من 80% من بعض الدورات التدريبية تُقدّم على مستوى أساسي. وهذا دليل على أن زيادة حجم التدريب لا تُترجم بالضرورة إلى اكتساب كفاءات متقدمة. ولم يتم ربط التدريب بجودة التحليل أثناء العمل، أو التحقق من صحة النماذج، أو التغييرات في السياسات. إذا استمر التوسع المُركّز على التعليم الأساسي من عام 2026 إلى عام 2028، فسيبقى الوضع على حاله، حيث يزداد عدد مستخدمي الذكاء الاصطناعي، لكن يبقى هناك نقص في صانعي القرار المؤهلين.  يشير عدد الدورات التدريبية إلى التوسع، لكن قدرات المنظمة على اتخاذ القرارات لا تزال غير مُقيّمة.

تتمثل الثغرة الأولى في غياب سجل القرارات . فطلبات التحليل، واستجابات الذكاء الاصطناعي، والوثائق الإدارية، والموافقات، والميزانيات، ونتائج التنفيذ موجودة بشكل منفصل. ومع ذلك، لا تتوفر سجلات عامة مرتبطة برقم تعريف السياسة نفسه لتحديد الأدلة التي استبعدت البدائل القائمة وغيرت القرار النهائي. ومع شيوع استخدام الذكاء الاصطناعي بين عامي 2026 و2028، سيصبح من الصعب تتبع أثره الفعلي في عملية صنع القرار. وقد  تبين أن أكبر ثغرة في نظام التحليل الآلي الإداري في بوسان تكمن في إمكانية تتبع تغييرات القرارات، وليس في القدرات التحليلية.

تتمثل الثغرة الثانية في غياب خط أساس للنتائج . فبينما تُقدم أنواع خدمات الذكاء الاصطناعي التوليدي الـ 22 وظائفها، لم تُفصح عن قيم أساسية مشتركة لساعات العمل قبل التنفيذ، ومعدلات الخطأ، وجودة الشكاوى، وفترات معالجة السياسات. يوفر هذا الهيكل معايير ضعيفة للمقارنة حتى في حال حدوث تغييرات بعد التنفيذ. إذا ترسخ الذكاء الاصطناعي كبيئة عمل قياسية خلال سنتين إلى ثلاث سنوات، يصبح من المستحيل عمليًا مقارنة حالة ما قبل التنفيذ مع مجموعة تحكم من غير المستخدمين.  وقد تبين أن جاهزية التحقق من فعالية نظام الذكاء الاصطناعي التوليدي في بوسان أقل من جاهزيته للنشر.

تكمن الثغرة الثالثة في الإدارة غير الموثقة لسلسلة البيانات وتواريخها المرجعية . فبينما تستخدم RAG بيانات داخلية، تحتوي السجلات الإدارية على إرشادات ما قبل المراجعة، ووثائق مكررة، وإحصاءات متضاربة. ولا يوجد هيكل معتمد لتتبع البيانات والتواريخ المرجعية التي استخدمتها استجابات الذكاء الاصطناعي علنًا. ومع ازدياد حجم الوثائق بين عامي 2026 و2028، يتزايد خطر تكرار أخطاء الحداثة في شكل جمل صحيحة.  ولا تكمن الثغرة في الإدارة القائمة على الأدلة في الوصول إلى البيانات، بل في القدرة على تحديد البيانات الصحيحة.

تتمثل الفجوة الرابعة في الانفصال بين التحليل والميزانية . فحتى لو أثبت تحليل البيانات فعالية السياسات، فإن السجلات العامة التي تربطها بالزيادات أو التخفيضات أو الإلغاءات في ميزانية العام التالي محدودة. ويُدار التحليل كمادة مرجعية، بينما تُعامل الميزانية كمادة مراجعة منفصلة. وإذا ما أُدرجت مشاريع ضعيفة الأداء في الميزانية بشكل متكرر لمدة سنتين أو ثلاث سنوات بغض النظر عن نتائج التحليل، فإن الفوائد المالية للإدارة القائمة على البيانات تتلاشى.  ويُقيّم مدى جاهزية بوسان لاتخاذ القرارات على أنها غير مؤكدة في إعادة تخصيص الميزانية وليس في تحليل السياسات.

تتمثل الثغرة الخامسة في نقص التعلم المؤسسي فيما يتعلق بأخطاء الذكاء الاصطناعي . إذ يمكن للذكاء الاصطناعي التوليدي والنماذج التنبؤية أن تُنتج إجابات غير صحيحة، وإغفالات، وتحيزات، ونتائج إيجابية خاطئة. ولم يُعثر على أي سجل يُدمج ويُفصح علنًا عن حالات الأخطاء، وأوقات تصحيحها، ومعدلات تكرارها، وتغييرات إصداراتها حسب النموذج لمدينة بوسان. ومع ازدياد عدد الخدمات بين عامي 2026 و2028، قد ينتشر الخطأ نفسه إلى الوثائق والقرارات عبر إدارات متعددة.  ويُقيّم أن الخطر الذي يُهدد إدارة الذكاء الاصطناعي في بوسان لا يكمن في وجود الأخطاء بحد ذاتها، بل في هيكل لا تُحفظ فيه الأخطاء في الذاكرة المؤسسية.

توفر خدمات إدارة البيانات الضخمة والذكاء الاصطناعي التوليدي بيانات تحليلية وبنية تحتية لدعم الأعمال، على التوالي. تمتلك مدينة بوسان حاليًا قدرات استعلام وتحليل البيانات، بالإضافة إلى الذكاء الاصطناعي للبحث في الوثائق. مع ذلك، لم يتم تأكيد أي دليل علني يربط البنيتين الأساسيتين بنفس معرّف مهمة السياسة. إذا استمرت التحديثات المنفصلة من عام 2026 إلى عام 2028، فقد لا تنعكس نتائج تحليل البيانات في استجابات الذكاء الاصطناعي التوليدي، أو قد تتغير التواريخ المرجعية.  وقد تبيّن أنه تم تأمين بنى تحتية تقنية متعددة، بينما لا يزال التوافق التشغيلي على مستوى السياسات غير مؤكد.

تم تقديم تدريب على الذكاء الاصطناعي والبيانات للمقر الرئيسي والمناطق والمحافظات والمنظمات التابعة، كما تم تطبيق تدريب عملي على التخطيط. وتم توسيع نطاق الجمهور المستهدف للتدريب ليشمل موظفي السياسات العامة، بدلاً من نخبة من موظفي تقنية المعلومات. في المقابل، أشارت المراجعة الإدارية لعام 2025 إلى نقص في التطبيقات المتقدمة وقدرات التكامل. وإذا انتشر الذكاء الاصطناعي في جميع الإدارات خلال العامين أو الثلاثة أعوام القادمة، فقد تنشأ مشكلة تتمثل في تكدس الأخطاء التي قد يرتكبها عدة مستخدمين، حيث يتولى موظف واحد مسؤولية التحقق.  ويُقيّم وضع البنية التحتية للمواهب بأنه في مرحلة التوسع، بينما يُقيّم وضع موظفي التحقق المتقدم بأنه في مرحلة النقص.

تُراقب البنية التحتية المستخدمة في مبيعات البطاقات، وتدفق الاتصالات، والشبكات المكانية، والإحصاءات الإدارية، والمعلومات المُعَرَّفة بأسماء مستعارة، ظواهر السياسات من زوايا متعددة. وقد توسعت البنية التحتية للبيانات من البيانات العامة المنظمة إلى التكامل بين القطاعين العام والخاص. ومع ذلك، لم يتم تحديد البيانات التي تُدير بشكل جماعي تأثير تحيز العينة، والتغييرات في الصيغ، والقيم المفقودة، وتوقف جمع البيانات على نتائج التحليل. ومع ازدياد الاعتماد على البيانات الخاصة بين عامي 2026 و2028، ستؤدي التغييرات في العقود والصيغ إلى تعطيل السلاسل الزمنية لنتائج السياسات. وبينما  توسع نطاق جاهزية البيانات، إلا أنه لا يزال غير مؤكد من حيث الجودة والاستمرارية.

تُشكّل خطة تعزيز إدارة الذكاء الاصطناعي في مدينة بوسان ونظام المعلومات الشخصية والأمن الأساس المؤسسي لاستخدام الذكاء الاصطناعي. وقد انتقل إدخال الذكاء الاصطناعي من الاستخدام المستقل من قِبل الموظفين إلى النظام الإداري الرسمي. ومع ذلك، لم يتم تحديد أي نظام متكامل يُفصح علنًا عن القرار النهائي البشري في اتخاذ القرارات عالية المخاطر، وإخطار المواطنين، والاعتراضات، ومجالات الأتمتة المحظورة، ومعايير إيقاف النموذج. إذا توسّع نطاق التطبيق ليشمل الشكاوى المدنية، والرعاية الاجتماعية، والتدقيق، وقطاعات السلامة خلال العامين أو الثلاثة أعوام القادمة، فإن الثغرات الإجرائية ستتحول إلى مخاطر على حقوق المواطنين.  وقد تبيّن أنه على الرغم من حصول النظام على الموافقة على اعتماده، إلا أنه لم يصل بعد إلى مرحلة تحديد المسؤولية عن تأثيره.

تهدف الخدمات الإدارية القائمة على الذكاء الاصطناعي التوليدي إلى تقليل عبء العمل على الموظفين ووقت استجابة الجمهور من خلال دعم عمليات البحث عن البيانات الإدارية وصياغة الردود على الشكاوى المدنية. يتضمن هذا الهيكل تقنية تشغيلية داخلية تمتد لتشمل جودة الردود عند نقطة الاتصال مع السكان. مع ذلك، لم تُنشر مقارنات لوقت معالجة الشكاوى المدنية، ومعدلات إعادة الاستفسار، ومعدلات الخطأ، ورضا المواطنين قبل وبعد التطبيق. حتى لو زاد استخدام الموظفين بين عامي 2026 و2028، فإذا لم تتحسن السرعة والدقة التي يلمسها السكان، فستبقى الخدمات الإدارية القائمة على الذكاء الاصطناعي مجرد إجراء لتحسين الكفاءة الداخلية. وبينما  تم تقديم تبني السكان لهذه الخدمات كأثر متوقع، إلا أن النتائج الفعلية لا تزال غير مؤكدة.

تستهدف تحليلات البيانات المتعلقة بالإغلاق الإلزامي للمتاجر الكبرى، ومبادرة "مدينة الـ 15 دقيقة"، والمهرجانات، والمناطق التجارية، السياسات المرتبطة مباشرةً بحياة أصحاب المشاريع الصغيرة وسكان المنطقة. ويشهد مجال إدارة البيانات تحولاً من إعداد التقارير الداخلية إلى تحليل النتائج الاقتصادية الإقليمية. ومع ذلك، لا تزال الأدلة اللاحقة التي تثبت أن نتائج التحليل قد أثرت على بيئات الأعمال، وتخطيطات المرافق، والميزانيات، وتصاميم الفعاليات محدودة. فإذا ما اختُتم التحليل بعد سنتين أو ثلاث سنوات، تبقى الشركات المحلية مجرد جهات تُجمع بياناتها، ولا تستفيد من التغييرات في السياسات.  وبينما توسع نطاق التحليلات التي تستهدف الشركات والسكان، يبقى الأثر الملموس للتغييرات في القرارات غير مؤكد.

تُتيح البيانات العامة وموجة البيانات الضخمة الوصول إلى البيانات للشركات الصغيرة والمتوسطة الحجم والمواطنين. وقد توسّع نطاق استخدام البيانات من الإدارة الداخلية إلى القطاع الخاص. ومع ذلك، لا يتم التحقق من صحة البيانات المنتظمة التي تربط أداء البيانات المفتوحة - والتي تُسهم في تطوير منتجات الشركات وخدماتها ومبيعاتها وفرص العمل فيها - بمشاكل جودة البيانات. فإذا اقتصر الأمر على زيادة عدد مجموعات البيانات بين عامي 2026 و2028، فستبقى البيانات ذات القيمة الفعلية المنخفضة مجرد إنجاز من إنجازات الانفتاح. وبينما  تأكد انتشارها في القطاع الخاص من حيث سهولة الوصول إليها، إلا أنها لا تزال غير مؤكدة من حيث نتائجها الصناعية.

تهدف أنظمة التدقيق والسلامة وإمدادات المياه والبيئة البحرية القائمة على الذكاء الاصطناعي إلى بناء هيكل يقلل من الأضرار التي تلحق بالمواطنين من خلال الكشف المبكر عن الحوادث والفساد والتسريبات. ولا تتجلى فوائد هذه الأنظمة للمواطنين في تطبيقها بحد ذاته، بل في انخفاض الحوادث، وسرعة الاستجابة، وجودة المياه، والسلامة. وتُعد الأدلة المتاحة للجمهور محدودة فيما يتعلق بالتغيرات في الأضرار التي تلحق بالمواطنين وتكاليف الإنذارات الكاذبة قبل وبعد تطبيق هذه الأنظمة. وإذا اقتصرت الزيادة على عدد التنبيهات والفحوصات خلال سنتين إلى ثلاث سنوات، فإن فوائد هذه الأنظمة للمواطنين ستُحجب بسبب سجل تطبيق التكنولوجيا الإدارية.  ويؤكد انتشار الذكاء الاصطناعي بين المواطنين حسب القطاع على مستوى قدرات الكشف، بينما يبقى تأثيره على الحد من الأضرار غير مؤكد.

على الرغم من امتلاك بلدية بوسان الكبرى خدمات الذكاء الاصطناعي التوليدي المشتركة وأقسام البيانات المتخصصة، إلا أن كوادر البيانات والميزانيات وخبرات التحليل تختلف بين المناطق والمحافظات. ورغم أن نظام الذكاء الاصطناعي الإداري يهدف إلى التوسع ليشمل جميع الإدارات والمناطق، إلا أن قدرات التنفيذ الفعلية قد تتباين تبعًا لحجم المؤسسة. ولا تتوفر بيانات تقارن معدلات الاستخدام الفعلي، وطلبات التحليل، والتحليلات الداخلية، ومعدلات انعكاس السياسات حسب المنطقة والمحافظة. وإذا تراكمت هذه الفجوات في القدرات بين عامي 2026 و2028، فقد تختلف دقة السياسات القائمة على البيانات حتى بين سكان بوسان أنفسهم بناءً على عناوينهم. وقد  تبين أن توازن الوصول إلى الخدمات في نظام الذكاء الاصطناعي الإداري في بوسان لا يتوافق مع توازن قدرات الاستخدام.

تشمل طلبات تحليل موجة البيانات الضخمة قضايا خاصة بكل منطقة، مثل حركة المشاة في دونغ-غو، ومواقف السيارات في يونغدو-غو، والمناطق التجارية في بوسانجين-غو، ومهرجان غوانغالي. وبينما يزداد الطلب على البيانات في جميع أنحاء بوسان، تتفاوت أنواع المشكلات وصعوبة الحصول على البيانات. وإذا تم تقديم دعم التحليل بناءً على الطلبات، فمن المرجح أن تحصل المنظمات ذات القدرات التطبيقية القوية ومهارات تصميم المشاريع المتميزة على الدعم. وإذا استمر هذا الهيكل لمدة سنتين إلى ثلاث سنوات، فسيتم استبعاد المناطق التي لم تتمكن من صياغة طلبات تحليل فعالة قبل المناطق التي تفتقر إلى البيانات.  وقد تبين أن التفاوتات المكانية غالباً ما تنجم عن القدرة على صياغة الأسئلة الإدارية أكثر من امتلاك البيانات.

تُسهم شبكة بيانات حركة المشاة ومبيعات البطاقات، التي تُقاس على مسافة 50 مترًا، في رصد التغيرات في أنماط الحياة على مستوى الأحياء وما دونها. ويتحول معيار التحليل الإداري من متوسطات المقاطعات والأحياء إلى مناطق المعيشة الصغيرة. ومع ذلك، لم يتم التأكد بعد من تطبيق نفس الدقة المكانية ودورة التحديث على جميع مجالات السياسة. فإذا اقتصرت المراقبة الدقيقة بين عامي 2026 و2028 على مناطق محددة فقط، فقد تُصنف مناطق أخرى غير مراقبة خطأً على أنها خالية من الطلب.  ورغم تحسين نظام المعلومات المكانية في بوسان، إلا أن توحيد المراقبة في جميع أنحاء المنطقة لا يزال غير مؤكد.

تختلف مناطق وسط مدينة بوسان الأصلية، وغرب بوسان، وشرق بوسان، من حيث عدد السكان، والصناعات، ووسائل النقل، والبنية التحتية التجارية. وحتى عند تطبيق نموذج الذكاء الاصطناعي نفسه على المدينة بأكملها، تتفاوت أخطاء التنبؤ باختلاف المناطق تبعًا لاختلاف التركيبة الإقليمية لبيانات التدريب. ولا توجد بيانات متاحة للعموم تقارن أداء النموذج حسب المنطقة، أو المقاطعة، أو العمر، أو الدخل، أو حجم الأعمال. وإذا اقتصرت الإدارة على متوسط ​​الدقة على مدى سنتين إلى ثلاث سنوات، فإن انخفاض دقة المناطق المعرضة للخطر يُخفى وراء المتوسط ​​العام.  ويُحدد الخطر المكاني للذكاء الاصطناعي الإداري في بوسان من خلال عدم وضوح معدلات الخطأ الإقليمية، وليس من خلال مدى انتشار الخدمة.

طُبقت خدمات الذكاء الاصطناعي التوليدية الإدارية، على غرار نموذج بوسان، على جميع الإدارات في أوائل عام 2026، وسيتم تطويرها وتوسيع نطاقها على مدى ثلاث سنوات، من 2026 إلى 2028. وستكون السنتان أو الثلاث سنوات القادمة فترةً لترسيخ الوظائف والبيانات وأنماط الاستخدام الأولية كإجراءات عمل قياسية. ولم يُكشف بعد عن الوضع الراهن قبل تطبيق الذكاء الاصطناعي، ولا عن سجل قرارات تأثيره. وبمجرد ترسيخ الإجراءات الأساسية، يصعب مقارنة العمل بالعمل بدون الذكاء الاصطناعي، وستبقى ممارسات الاستخدام الخاطئة جزءًا من الأعراف التنظيمية.  وحاليًا، يُعتبر "الوقت الأمثل" ليس قبل تطبيق الذكاء الاصطناعي، بل قبل ترسيخ معايير التشغيل الأولية للسنوات الثلاث.

يتوسع الذكاء الاصطناعي وتحليل البيانات بسرعة ليشمل مجالاتٍ مثل المدن التي يمكن الوصول إليها في غضون 15 دقيقة، والمناطق التجارية، والمهرجانات، والنقل، والشؤون البحرية، وإمدادات المياه، والتدقيق. وقد تحول نطاق التطبيق من المهام العامة إلى أحكام الخبراء التي تؤثر على حقوق المواطنين وسلامتهم. ومع ذلك، لم يتم تحديد أي نظام إفصاح عام يدمج إدارة مستويات المخاطر والأخطاء والاعتراضات ومعايير الإيقاف. إذا توسعت الأتمتة لتشمل القطاعات عالية المخاطر بين عامي 2026 و2028، فسيكون من الصعب تطبيق ملاحق تنظيمية لاحقة على القرارات والشكاوى المتراكمة بالفعل. ويُعتبر الوقت الذهبي للحوكمة هو الفترة التي تسبق ترسيخ تطبيق تدابير المخاطر العالية كجزء من العمليات اليومية.

يكشف استخدام بيانات بطاقات الائتمان الخاصة وبيانات الاتصالات، بالإضافة إلى المعلومات المُعَرَّفة بأسماء مستعارة، عن اتجاهات السياسات بشكل أسرع من الإحصاءات الإدارية. وتتسارع وتيرة تقييم البيانات في بوسان من الإحصاءات السنوية إلى الوحدات الشهرية واليومية والساعية. ومع ذلك، فإن نظام الإفصاح العام لإدارة التغييرات في صيغ البيانات الخاصة وعيناتها وعقودها، فضلاً عن المقارنات طويلة الأجل، محدود. فإذا تراكمت السياسات التي تعتمد على البيانات نفسها على مدى سنتين إلى ثلاث سنوات، فإن إمكانية تكرار التقييمات السابقة تتلاشى بعد تغيير مزودي الخدمة.  ويُحدد "الوقت الذهبي للبيانات" بأنه الفترة التي تسبق انقطاع استمرارية خط الأساس، وليس توسع حجم الاستخدام.

على الرغم من توسع نطاق تدريب الموظفين، أشارت المراجعة الإدارية لعام 2025 إلى التركيز المفرط على الدورات الأساسية. وهذا دليل على اختلاف سرعة انتشار خدمات الذكاء الاصطناعي عن سرعة نمو كوادر التخطيط والتحقق العليا. ولم يتم تأكيد البيانات التي تقيس القدرات المتقدمة واكتشاف الأخطاء الفعلي. ومع تحول استخدام الذكاء الاصطناعي إلى إجراء روتيني لجميع الموظفين بين عامي 2026 و2028، سيصعب على عدد قليل من الخبراء التحقق من جميع النماذج والبيانات والاستجابات.  ويُعتبر الوقت الأمثل لاكتساب الكفاءات قبل أن يتجاوز عدد المستخدمين عدد المدققين بشكل هيكلي.

12-1. دراسة حالة تطبيق الوقت الذهبي في الحكومات المحلية الأساسية 1- — بوسانجين-غو

طُلب من شركة "بيغ داتا ويف" إجراء تحليل للتغيرات في مبيعات البطاقات قبل وبعد مشروع "مدينة الـ 15 دقيقة"، الذي يشمل منطقتي دانغام وغايغوم السكنيتين. وقد تحوّل تقييم سياسات المناطق السكنية في بوسانجين-غو من التركيز على اكتمال المرافق إلى نتائج المبيعات الفعلية في المناطق التجارية المحيطة. ومع ذلك، لم يتم تأكيد أي نتائج تحليلية منشورة تفصل بين تأثيرات الأسعار والموسمية والظروف الاقتصادية والمناطق الخاضعة للرقابة من التغيرات قبل وبعد اكتمال المشروع، ولا أي تغييرات لاحقة في السياسات. إذا تم توسيع مشروع "مدينة الـ 15 دقيقة" باستخدام نفس الأسلوب بين عامي 2026 و2028، فقد تتكرر الأخطاء في التحديد السببي الأولي في مناطق سكنية أخرى.  على الرغم من أن بوسانجين-غو منطقة أُثيرت فيها تساؤلات حول النتائج القائمة على البيانات، فقد تبيّن أنها لم تصل بعد إلى مرحلة تأكيد تأثيرات السياسات.

تستخدم منطقتا دانغام وغايغوم مناطق سكنية فعلية - أكبر من وحدات الدونغ وأصغر من وحدات المقاطعة - كوحدات سياساتية. وقد تحوّل التقييم المكاني من متوسط ​​وحدات الدونغ الإدارية إلى مناطق سكنية تجمع بين تنقل السكان واستهلاكهم. ومع ذلك، لا توجد أدلة عامة مؤكدة تربط بين عدد السكان المتنقلين، ومبيعات البطاقات، وسهولة الوصول إلى المرافق، ورضا السكان، واستمرارية الأعمال التجارية، ضمن فترة زمنية محددة للمنطقة السكنية. إذا اكتملت مشاريع المناطق السكنية النموذجية في غضون سنتين إلى ثلاث سنوات، فقد لا يتبقى سوى نتائج أداء خاصة بكل مرفق دون وجود أساس مرجعي.  لا يكمن العصر الذهبي لمنطقة بوسانجين في وجود تحليل المنطقة السكنية بحد ذاته، بل في الفترة التي يمكن خلالها تسجيل ما إذا كان التحليل قد أثر على مواقع المرافق والميزانيات اللاحقة.

12-2. حالات تطبيق الوقت الذهبي في الحكومات المحلية الأساسية ② — يونغدو-غو

تقدمت منطقة يونغدو-غو بطلب استشارة لتحليل البيانات بشأن نقص مواقف السيارات لديها، وذلك بعد أن أكد تحليل شكاوى برنامج سايول الاستشاري أن الشكاوى المتعلقة بمواقف السيارات هي الأكثر تكرارًا. يمثل هذا حالةً تجاوزت فيها نصوص شكاوى السكان مجرد تجميع الشكاوى المتكررة، لتصبح أسئلةً لتحليل السياسات. مع ذلك، لا توجد سجلات متابعة منشورة تؤكد القرارات التي تم تغييرها بناءً على نتائج التحليل، مثل تخصيص مواقف السيارات، وأوقات تطبيق القانون، ووسائل النقل العام، أو المسارات السياحية. إذا تغير الطلب على مواقف السيارات نتيجةً للسياحة والإسكان وشيخوخة السكان بين عامي 2026 و2028، فإن تحليلات الشكاوى السابقة ستصبح بيانات لمرة واحدة ذات مرجعية مختلفة.  في حين أن يونغدو-غو تُعد حالةً حددت فيها البيانات مشكلةً في السياسات، إلا أنه لم يتم التأكد بعد من أنها حالةٌ غيّرت فيها البيانات البديل الحلي.

تُعدّ مشكلة مواقف السيارات في حي يونغدو-غو قضية معقدة، حيث تتضارب فيها احتياجات السكان والسياح والتجار وذوي الإعاقة الحركية على مدار الساعة في نفس المكان. ولا يكفي عدد الشكاوى وحده لتحديد أيّ فئة من المطالب أو أيّ فترة زمنية تُشكّل اختناقًا مروريًا. علاوة على ذلك، لا يمكن التحقق من وجود علاقة زمنية عامة تربط بين الشكاوى، ودوران مواقف السيارات، والوقوف غير القانوني، وسلامة المشاة، والإيرادات التجارية. وإذا ما استمرّت الأحكام القائمة أساسًا على حجم الشكاوى لمدة سنتين إلى ثلاث سنوات، فإنّ المناطق ذات معدلات الإبلاغ المرتفعة والمناطق ذات المخاطر العالية الفعلية ستختلط.  ويُقيّم "الوقت الذهبي" في يونغدو-غو على أنّه الفترة التي يُمكن خلالها تحديد أسباب الشكاوى والفروقات بين البدائل السياسية، متجاوزًا بذلك مرحلة تحديد النقاط الساخنة ذات الشكاوى المتكررة.

إذا لم تُحفظ البيانات المتعلقة بالاستخدام والأخطاء والتصحيحات والتبني من المراحل الأولى لتطبيق الذكاء الاصطناعي في جميع الأقسام بحلول عام 2026، فسيختفي الأساس الذي يُستند إليه في مقارنة الأداء الإداري اللاحق. صُمم دعم العمل بالذكاء الاصطناعي ليتوسع على مدى ثلاث سنوات، مع انخفاض سريع في المهام غير المتعلقة بالاستخدام. النتائج المعلنة حاليًا قبل وبعد التنفيذ محدودة. بعد عامي 2026-2028، سيصعب التمييز بين ما إذا كان الذكاء الاصطناعي قد حسّن عمليات العمل أم أنه استوعب ببساطة زيادة في عبء العمل.  سيُحدد الخسارة الأولى من خلال الأدلة السببية من المراحل المبكرة لتبني الذكاء الاصطناعي، وليس من خلال ميزانية التكنولوجيا.

إذا لم تُربط نتائج التحليل بالموافقات والميزانيات والتنفيذ، فإن تحليلات القضايا نفسها تتكرر عبر الإدارات وعلى مر السنين. ورغم تحديد العديد من المسائل السياسية الواقعية في موجة البيانات الضخمة، إلا أن تاريخ إعادة استخدام البيانات وتغييرات القرارات لا يُفصح عنه. وإذا حدثت عمليات نقل الموظفين وإعادة الهيكلة التنظيمية على مدى سنتين إلى ثلاث سنوات، فإن أسس التحليل وقيوده وقراراته اللاحقة تنفصل عن الذاكرة التنظيمية. أما  الخسارة الثانية فلا تُحددها التقارير الفردية، بل الذاكرة الإدارية التي لا تُعيد تسجيل إخفاقات السياسات.

إذا لم تُسجّل الأخطاء في استجابات الذكاء الاصطناعي ونماذج التنبؤ في سجلّ، فستتكرر هذه الأخطاء باستخدام البيانات والمُدخلات والنماذج نفسها. ورغم توسّع نطاق الخدمات لتشمل جميع الإدارات والتخصصات، لم يتمّ التحقق من نظام تعلّم الأخطاء على مستوى المدينة. ومع ازدياد تقدّم الأنظمة المتعددة بين عامي 2026 و2028، ستتغيّر الإصدارات والجهات المسؤولة، ما يُصعّب إعادة إنتاج الأخطاء السابقة. أما  الخسارة الثالثة، فلا تُحدّدها دقة البيانات، بل الوقت اللازم لتعلّم دمج الأخطاء في القرارات اللاحقة.

إذا تراكمت الفروقات في كوادر البيانات وقدرات تصميم الأسئلة بين المناطق والمحافظات، فقد يتركز دعم التحليل في المؤسسات ذات القدرات التطبيقية الأعلى بدلاً من المناطق ذات الطلب المرتفع. حاليًا، يتم تحديد أنظمة التحليل القائمة على الطلبات والمهام الإقليمية، ولكن لا يُرصد الطلب غير المُلبّى. إذا ترسخ هذا الهيكل لمدة سنتين إلى ثلاث سنوات، ستتحول فجوة التحليل الإداري إلى فجوة في الخدمات الإقليمية. أما  الخسارة الرابعة، فلا تُحددها المساواة التكنولوجية، بل العدالة في الأحكام السياسية التي لا تتأثر بالعنوان أو القدرة التنظيمية.

تمتلك بوسان بالفعل خدمات الذكاء الاصطناعي التوليدي في جميع أقسامها، بالإضافة إلى تقنية "موجة البيانات الضخمة"، واستخدام المعلومات المُعَرَّفة بأسماء مستعارة، ومنصات الذكاء الاصطناعي الخاصة بكل قطاع، والتدريب العملي. لا تغيب مكونات نظام إدارة الأصول (AX) تمامًا، بل هي موزعة على مراحل مختلفة. ومع ذلك، لم يتم التحقق من الأدلة المرتبطة بمعرفات السياسات وسجلات القرارات. لا يزال هناك متسع من الوقت لمقارنة الأصول الحالية بناءً على نتائج السياسات نفسها قبل تثبيت هيكل النظام بين عامي 2026 و2028.  حاليًا، تُقيّم هذه الفرصة على أنها فترة لإنشاء ترابط عملية صنع القرار للأصول الموزعة، وليس لإنشاء نظام جديد.

تُظهر طلبات التحليل المتعلقة بمفهوم "المدينة التي يمكن الوصول إليها في 15 دقيقة"، والمتاجر الكبرى، والمهرجانات، ومواقف السيارات، أن الإدارة تطرح بالفعل أسئلة محددة حول آثار السياسات. لا تكمن مشكلة بوسان في غياب الأسئلة، بل في نقص سجلات القرارات التي تلي الردود. لم يتم تحديد سلسلة عامة لنتائج التحليل والتغييرات في السياسات. إذا استمرت طلبات التحليل في الازدياد على مدى سنتين إلى ثلاث سنوات، فستصبح القدرة على ربط قرارات المتابعة هي المعيار الذي يحدد الإنتاجية الإدارية.  لا تكمن الفرصة الحالية في زيادة حجم التحليل، بل في مرحلة يمكن فيها حفظ أسئلة السياسات الواقعية كأدلة قابلة للتكرار لاتخاذ القرارات.

تستخدم تقنية الذكاء الاصطناعي التوليدي القائمة على نظام RAG بيانات إدارية داخلية من مدينة بوسان. تُشكل هذه البيانات أساسًا لإعادة استخدام مبررات سياسات المنظمة السابقة مع تقليل وقت البحث. مع ذلك، لم يُكشف بعد عن آلية البحث عن صحة البيانات، والأسباب المتضاربة، ونتائج القرارات معًا. إذا لم يتم ربط المبررات بالنتائج قبل زيادة البيانات الإدارية بين عامي 2026 و2028، فسيكون بإمكان الذكاء الاصطناعي تحديد مواقع الوثائق السابقة بسرعة، لكنه سيعجز عن التمييز بين نجاح القرارات السابقة وفشلها.  حاليًا، تُقيّم الفرصة على أنها الفترة التشغيلية الأولية التي يمكن خلالها اعتبار الوثائق الإدارية بيانات تعليمية تنظيمية.

أثارت المراجعة الإدارية لمجلس مدينة بوسان تساؤلات علنية حول مستوى تعليم الذكاء الاصطناعي وفعالية المشاريع. يتضمن هيكل المراجعة نشر الإدارة لمعلومات الذكاء الاصطناعي، إلى جانب التحقق الخارجي من قبل المجلس. إلا أنه لا يتم التحقق من ربط البيانات التي تربط نتائج المراجعة، والإدارة البلدية، وتغييرات النماذج/التعليم، والنتائج اللاحقة. إذا استمر التحقق من قبل المجلس على شكل استفسارات فردية لمدة سنتين إلى ثلاث سنوات، فسيتشتت حوكمة الذكاء الاصطناعي بين مراجعات الميزانية وتقارير المشاريع.  حالياً، تُعتبر الفرصة سانحةً لربط العمليات الداخلية والتحقق الخارجي لإدارة الذكاء الاصطناعي ضمن سلسلة أدلة واحدة.

وقت تشغيل AX الإداري

سؤال السياسة ← خط الأساس ← تحليل البيانات والذكاء الاصطناعي ← مقارنة البدائل ← تغيير القرار ← الميزانية ← التنفيذ ← نتائج المواطنين ← الفجوة ← التدقيق والتحقق من قبل المجلس ← التصحيح ← القرار التالي

توسع الذكاء الاصطناعي الإداري + فجوة أدلة القرار

لقد تجاوزت إدارة الذكاء الاصطناعي والبيانات في مدينة بوسان مرحلة التقديم، وهي الآن في مرحلة التوسع في جميع الإدارات.

تم تأكيد البحث عن المهام، وإنشاء المستندات، وتحليل السياسات الفردية.

لا توجد علاقة بين ما أحدثه الذكاء الاصطناعي والبيانات من تغييرات فيما يتعلق بالقرارات الحالية وكيف تغيرت النتائج.

إن الخطر الحالي لا يكمن في الإدارة التي لا تستخدم الذكاء الاصطناعي، بل في الإدارة التي تستخدم الذكاء الاصطناعي ولكنها لا تستطيع تحديد ما إذا كانت قد اتخذت قرارات أفضل.

الحكم النهائي هو توسيع نطاق الذكاء الاصطناعي الإداري + فجوة أدلة القرار.

1. عدد المستخدمين النشطين للذكاء الاصطناعي التوليدي حسب القسم
2. معدل استخدام الذكاء الاصطناعي لكل موظف
3. معدلات الاستخدام حسب 22 نوعًا من الخدمات
4. معدلات تبني إجابات الذكاء الاصطناعي وتعديلها ورفضها
5. متوسط ​​معدل تصحيح المستندات التي تم إنشاؤها بواسطة الذكاء الاصطناعي
6. تقليل وقت البحث عن البيانات الإدارية
7. تقليل الوقت المستغرق في صياغة الشكاوى المدنية
8. معدل إعادة الاستفسار عن الشكاوى المدنية قبل وبعد استخدام الذكاء الاصطناعي
9. عدد أخطاء الاستجابة، والإغفالات، والتحيزات في الذكاء الاصطناعي
10. الوقت المستغرق من اكتشاف الخطأ إلى تصحيحه
11. معدل تكرار نفس الخطأ
12. استلام طلب التحليل وإكماله وفترة الانتظار
13. معدل انعكاس نتائج التحليل على الموافقة
14. معدل تغير السياسة البديلة بعد التحليل
15. معدل تغير هدف المشروع والمنطقة بعد التحليل
16. معدلات زيادة الميزانية، وانخفاضها، وإنجازها بعد التحليل
17. معدلات الإفصاح الأساسية قبل التنفيذ حسب السياسة
18. نسبة التحليل باستخدام منطقة التحكم / مجموعة التحكم
19. صيغة البيانات الخاصة وسجل تغييرات العينة
20. الدقة، والنتائج الإيجابية الخاطئة، والاكتشافات الفائتة حسب النموذج
21. الفجوة في استخدام الذكاء الاصطناعي والتحليل الداخلي حسب المنطقة/المحافظة
22. معدل تقديم الطلبات أثناء العمل بعد إكمال التدريب
23. عدد موظفي الذكاء الاصطناعي المتقدم والتحقق من البيانات
24. معدل التصحيح الفعلي بعد المشكلات التي أثارها المجلس والتدقيق
25. معدل تحسن نتائج المواطنين والشركات بعد تغيير السياسة

فجوة البيانات: في الأدلة العامة، لم يتم تأكيد وقت تشغيل قرار مدينة بوسان الذي يربط بين استفسار السياسة → تحليل البيانات/الذكاء الاصطناعي → مقارنة المقترح الحالي والبدائل → الموافقة/تغيير الميزانية → التنفيذ → نتيجة المواطن/الشركة → التدقيق/تحقق المجلس → تصحيح المتابعة تحت نفس معرف السياسة.

سلسلة وقت التشغيل

البيانات ← التحليل ← البدائل ← تغيير القرار ← الميزانية ← التنفيذ ← النتيجة ← الأخطاء/الفجوات ← التدقيق/المجلس ← التصحيح ← القرار التالي

المصدر · التحقق

• مدينة بوسان الكبرى تطلق أول خدمة إدارية تعتمد على الذكاء الاصطناعي التوليدي في البلاد
• خطة تنفيذ إدارة الذكاء الاصطناعي لمدينة بوسان الحضرية لعام 2026
• خطة العمل الإدارية الرئيسية القائمة على البيانات لمدينة بوسان الحضرية لعام 2026
• موجة البيانات الضخمة في بوسان، حالة تحليل بيانات السياسات والاستشارات
• موجة البيانات الضخمة في بوسان، مواد تفسيرية إحصائية
• مدينة بوسان الحضرية، تدريب عملي قائم على الذكاء الاصطناعي للإدارة المستقبلية
• مجلس مدينة بوسان، 2025 التدقيق الإداري لوكالة ترويج صناعة المعلومات الكورية
• مدينة بوسان الحضرية، منصة دعم إدارة البيئة البحرية الذكية القائمة على البيانات
• تعتزم مدينة بوسان الكبرى دعم الذكاء الاصطناعي واتخاذ القرارات القائمة على البيانات الضخمة لشبكات إمدادات المياه بحلول عام 2026
• مدينة بوسان الحضرية، نظام دعم إدارة التدقيق الذكي القائم على الذكاء الاصطناعي

الرؤى الهيكلية المتبقية من هذا التحليل

لا يحتفظ نظام اتخاذ القرارات الإدارية إلا بالاقتراح النهائي المكتوب في الوثائق، ويتجاهل البدائل غير المختارة. حتى لو قدم الذكاء الاصطناعي المزيد من الأدلة والبدائل، فإنه إذا لم تُسجل الفروقات بين الخطة الأصلية والبدائل والخطة النهائية، فلا يمكن التحقق مما إذا كان الذكاء الاصطناعي قد غيّر رأيه. إنه نظام يبقى استخدامه قائماً، لكن أثره يتلاشى.

في هذا الإطار، لا يُحدد الفرق بين الذكاء الاصطناعي الجيد والسيئ بالدقة وحدها. فإذا لم يُغير التحليل الدقيق الموافقات والميزانيات، يكون الأثر الإداري شبه معدوم؛ وعلى العكس، إذا أدى التحليل غير المكتمل إلى تغيير قرارات عالية المخاطر، فإن حتى الأخطاء الصغيرة تتفاقم لتؤثر على المواطنين. وتتشكل القيمة الإدارية للذكاء الاصطناعي من خلال حاصل ضرب أداء النموذج وتأثيره على القرار.

لذا، لا يوجد سوى رؤية هيكلية واحدة لنظام إدارة بوسان AX. يصبح الذكاء الاصطناعي قدرة إدارية لا عندما يحل محل القرارات، بل عندما يسجل أسباب تغييرها.  فبدون هذا السجل، تستطيع مدينة بوسان البحث بشكل أسرع وإنشاء المزيد من الوثائق، لكنها لا تستطيع تحديد ما إذا كانت قراراتها أفضل من السابق.

أطروحة الفترة الذهبية — لا تُعدّ الفترة من 2026 إلى 2028 بالنسبة لنظام إدارة مدينة بوسان (AX) فترةً لانتشار الذكاء الاصطناعي التوليدي، بل هي فترةٌ لتسجيل الفرق لأول مرة بين الأدلة ← البدائل ← تغيير القرار ← النتيجة في السجلات الإدارية. فبدون هذا الربط، يمكن للذكاء الاصطناعي أن يزيد من سرعة الإدارة، لكنه لن يستطيع زيادة سرعة اكتشاف وتصحيح إخفاقات السياسات.