بناء قاعدة معرفة حكومية آمنة: RAG خاص والضغط المستندات

يصل مواطن إلى نافذة خدمة، ويطلب إفادة عن معاملة قيد التشغيل. يفتح الموظف شاشته، ويبحث عن التعميم المنظّم للإجراء، فيظهر له مستند يعود لثلاث سنوات خلت. النص أمامه رسمي، ومختوم، ويحمل رقماً مرجعياً، لكنه لم يعد "النسخة النافذة". هذا المشهد يتكرر في أكثر من مؤسسة حكومية، وليس لأن الأرشيف ناقصاً، بل لأن ما يُسمّى "قاعدة معرفة" في كثير من الجهات ليس سوى خزانة ملفات رقمية مترهلة.

كثير من الجهات تتوهّم أن مسح الأوراق وإيداعها في قرص مشترك يكفي لتكوين "قاعدة معرفة". تلك على الأرجح أكبر مغالطة تحيط بهذا المفهوم. ما عجزت عنه الإدارات العامة لم يكن يوماً "أن تستوعب المزيد"، بل أن تحوكم ما تملكه وتجعله قابلاً للاستخدام الموثوق. تتكدّس الملفات، بينما تتقلّص الحصة التي يمكن استدعاؤها في لحظة والاعتماد عليها في قرار. ولو سمّينا كثيراً من هذه الأنظمة "خزائن ملفات" لكان الوصف أصدق من تسميتها قواعد معرفة.

دعنا نبدأ برقم يثير القلق قبل أي شيء آخر. أكثر من ثلاثة تريليونات (3,000,000,000,000) ملف PDF متداول حول العالم اليوم، وعلى منصة تعاون كبرى واحدة فقط تُرفع أكثر من ملياري (2,000,000,000) ملف يومياً. أنظمة القطاع العام أثقل من ذلك بكثير: تعاميم رسمية، ومحاضر اجتماعات، وملفات قضايا، ورسومات، وتسجيلات صوتية ومرئية، بتنسيقات متشعبة ونسخ لا تنتهي وفترات استبقاء تمتد أحياناً لأكثر من عقد. كبر الحجم. أما القدرة على العثور على المطلوب فلم تواكب هذا النمو.

تقصيٌّ عالمي كلفت به شركة M-Files شركة Vanson Bourne رصد هذا الألم بدقة لافتة: 96% من الموظفين يقولون إنهم يصعُب عليهم العثور على أحدث نسخة من مستند ما، و83% أعادوا إنشاء ملف من الصفر ببساطة لأنهم لم يجدوا النسخة الموجودة أصلاً. انقل هذا إلى سياق حكومي، فتتضح التبعات المزعجة. قد تُحفظ التفسيرات الخاصة بتعميم واحد بصيغ متباينة لدى عدة أقسام، دون أن يتيقن أحد أيّها "النافذ حالياً". يأتي المراجع إلى النافذة، وقد يستند الموظف إلى أساس متقادم بثلاث سنوات. هذا الانجراف البطيء نحو الفوضى يؤذي أكثر من أي نقص في السعة.

تتعقّد المشكلة إذ تعمل الإدارات العامة في بيئة يحكمها التراتب. يصدر التعميم من جهة مركزية، ثم تتناقله الأقسام بإضافات وتعديلات خفيفة، وكل جهة تحتفظ "بنُسختها المعتمدة" دون ربط فعلي بالأصل. تتضاعف المستندات، ويخفت اليقين بأيها يُمثّل الموقف الرسمي الراهن. وحين يُطلب رأيٌ موحّد أمام جهة رقابية، تتباين الإجابات بحسب من سُئل. الفوضى هنا ليست فنية بحتة، بل حوكمية؛ وجذرها غيابُ طبقة تربط المحتوى بالصلاحية والنسخة بالزمن.

وما يلفت الانتباه أن الحل نادراً ما يكون "شراء المزيد من الأقراص الصلبة".

طرحت شركة UglyPear Data حزمة تجمع بين "ضغط المستندات × قاعدة هندسة بيانات RAG" في ت deployment قابل للتشغيل بالكامل على بنية الجهة نفسها، وبُلّغ مؤخراً عن إنجاز التحقق الشامل من مسار العمل بكامل حلقاته. والميزة التي تستحق انتباه فريق القطاع العام هي ميزة خفيّة: الصلاحيات لا "تُلصق على الملف"، بل تدخل حيّز التنفيذ وقت الاسترجاع. تبدو العبارة تجريدية حتى تراها تعمل على أرض الواقع.

غالباً ما يمتزج في مستند واحد ما يمكن نشره علناً بما هو حسّاس فعلاً. كان النهج القديم يفرض خياراً كلّياً على مستوى الملف: إما أن يُفتح كله، أو يُقفل كله، فلا يرضى طرفٌ ولا يطمئن آخر. أمّا القاعدة الراهنة فتدعم مستويات تصنيف من العلني إلى المقيّد، وتدفع تلك المستويات حتى مستوى أجزاء المحتوى. أقسام مختلفة، وأدوار مختلفة، تستعلم عن القاعدة ذاتها، فيرى كلّ منها الجزء المرخّص له وحده. هذا النموذج "حسب الشخص وحسب المقطع" يناسب واقع الحكومة أكثر بكثير من قفل الملف الجملة الواحدة: قد تُظهر التقرير ذاته لمدير قسم إجراءاتٍ تختلف عمّا يظهر لكاتب، تماماً كما يجب.

تخيّل تقرير تفتيش مشتركاً بين جهتين. يقرأ مدير الجهة المركزية فيه أسماء الجهات الخاضعة للرقابة وتوصيات المعالجة، بينما يرى مفتّشٌ ميداني الإجراءات التشغيلية وحدها، ولا يطّلع على ما يخصّ التوجيه السياساتي. الصلاحية هنا ليست علامة على الغلاف، بل فلترٌ يُطبَّق أثناء البحث ذاته، فيظهر النص المناسب لكل مقام دون نسخ المستند أو تكثيره. على هذا النحو يتقلّص خطرُ أن يطلع موظف على ما لا يُرخَّص له به، وتبقى النسخة مصدراً واحداً للحقيقة.

لماذا يستحق هذا كل هذا العناية؟ يقدّم تقرير IBM لكلفة اختراق البيانات لعام 2025 مرجعاً: بلغ متوسط الكلفة العالمية لاختراق البيانات 4.44 مليون دولار أمريكي، بمتوسط دورة احتواء 241 يوماً. بيانات القطاع العام أشدّ حساسية، وتكلفة التسرّب تتجاوز الجانب المالي بكثير. إبقاء قاعدة المعرفة داخل بيئة الجهة ذاتها، مع بقاء البيانات داخل الشبكة الداخلية دون مغادرةها، يقلّص مساحة التعرّض من الجذور. هذه هي غاية "النشر الخاص" هنا: ليس موضة، بل خطّ دفاع أساسي.

يتجاوز بقاء البيانات داخل الشبكة مجرد تقليل المخاطر؛ إنه شرط لسيادة البيانات ذاتها. في بيئات القطاع العام الحسّاسة، يمكن تشغيل القاعدة في وضع معزول مادياً عن الإنترنت العام (air-gapped)، أو على بنية محلية بالكامل (on-premise)، بحيث لا تمرّ أي بيانات عبر خدمات طرف ثالث. هذا النهج المحلي أولاً (local-first) يمنح الجهة تحكّماً كاملاً بدورة حياتها: من الاستيعاب حتى الحذف، دون ارتهان لجدول توفّر مزوّد خارجي أو لتغيّر في شروطه.

غير أن إغلاق الباب لا يكفي وحده. يواجه القطاع العام هاجساً أكثر عمليّة: هل يمكن أصلاً نقل بيانات أنظمته القديمة؟

تكون الاستجابة الأولى لعبارة "بناء قاعدة معرفة" غالباً: "هل يعني هذا أن ننقل كل قواعد التشغيل؟" والجواب المعتاد: لا. يتصل النهج الناضج مباشرةً بقواعد بيانات الجهة القائمة، فيبقى الأصل في مكانه وفي نطاقه، مع صيرورته قابلاً للاسترجاع والاقتباس ضمن قواعد الامتثال. بالنسبة لمؤسسة حكومية يعني هذا تجنّب هجرة بيانات مُجهِدة: تبقى أنظمة السجلّات والضمان الاجتماعي والاعتمادات تعمل كما كانت، بينما تستمدّ طبقة المعرفة منها من جانبها. لا حاجة لهدم الأنظمة القديمة لظهور قدرات جديدة؛ ذلك التطوّر الرشيق هو ما يُعتمد فعلاً داخل المؤسسات.

وهناك خطر آخر يتجاهله كثيرون: "التحديث يمحو ما كان موجوداً". تفرض مستندات القطاع العام متطلبات استبقاء صارمة؛ فقد يُطلب ملف قضية منذ عقد في أي يوم. تدعم القاعدة التحديثات التزايدية: تُعالَج المستندات الجديدة كفروقات لا إعادة بناء من الصفر في كل مرة، ويترك كل تحديث لقطة (snapshot) يمكن التراجع إليها إن ساء أمر. ويحظى الحذف الجماعي بواقٍ من المسح العرضي الشامل، فلا يمحو إجراء واحد مخطئ مكتبةً بأكملها. بعبارة مبسّطة، تضرب العملية ذاتها جدارَ العبارتين اللتين ترعبان أي مدير حكومي: "لم نعد نجده" و"حُذف بالخطأ".

وكلمة عن الضغط، إذ يسهل التعامل معه كشاغل منفصل. تثقل مستندات القطاع العام بملفات PDF ومسح ضوئي وملفات OFD وصور وتسجيلات، كثير منها بمئات الميغابايت، كبيرٌ على البريد، وبالغ كلفة الأرشفة، وبطيء الفتح. في اختبارات منشورة، ضُغط مستند OFD من 443 صفحة من طرف إلى طرف في 124 ثانية، وخفّض ضغط الصور كلفة الرموز (tokens) عند تغذية تلك الصور إلى نموذج لغوي كبير بنحو 85.9% (مقاساً على خط الأساس GPT-4o). الضغط وRAG ليسا مشروعين منفصلين؛ إنهما حلقتان متجاورتان في سلسلة واحدة. اضغط الملف ليُنقل ويُخزّن جيداً، ثم استخرج بنيته إلى قاعدة المعرفة، وعندئذٍ فقط يصير الاسترجاع والتوليد ممكنَين. عكس الترتيب، فيختنق النموذج اللغوي بحجم المستند قبل حتى أن يبدأ.

تكتسب هذه السرعة أهمية حين نتذكّر حجم الأرشيف الحكومي المت累积. مستودعٌ من مئات آلاف الملفات يستهلك مساحة وتكلفة نقل تتضخّمان أسبوعياً؛ فإن خفّض الضغط حجم الصور المرافقة بنحو 85.9%، فإن فاتورة التشغيل تنخفض تباعاً، دون أن تفقد المستندات هويتها البصرية. تبقى الأختام والترويسات الرسمية وبنية الجداول كما خُتمت، ليطمئنّ المراجع والقائم بالمراجعة إلى أن ما يقرؤونه الصورة الأصلية لا نسخة مشوّهة.

لذا كيف تختلف المسارات الثلاثة إلى قاعدة معرفة حكومية فعلياً؟ تبيّنها هذه المقارنة:

هذه المقارنة إطار لما ينبغي تقييمه، لا حكماً على منتج بعينه. بوضع الأبعاد على الطاولة، يمكن لفريق القطاع العام أن يسأل نفسه: هل تبقى البيانات داخل شبكتنا؟ هل يمكن فصل تفويض المحتوى العلني والحسّاس داخل المستند الواحد؟ هل نربط الأنظمة القديمة دون هجرة؟ هل نتراجع إن أخطأ التحديث؟ تجب هذه الأسئلة، فيختار المسار نفسه.

نعود إلى وهم البداية. قاعدة المعرفة لم تكن يوماً "نقل الورق إلى قرص صلب". إنها إتاحة الجزء الصحيح للشخص الصحيح في اللحظة الصحيحة، مع بقاء البيانات دائماً في يده. خصوصية القطاع العام محدّدة: عليه أن يخدم علناً ويحرس التصنيفات، ويدمج الأنظمة القديمة ويتجنّب إعادة البناء، ويحتفظ بملف منذ عقد ويشغّل نماذج اليوم اللغوية. النهج الذي يضفّر تلك المطالب المتناقضة ظاهرياً هو الذي يثبت فعلاً.

للصورة الكاملة، تستحق قاعدة هندسة بيانات RAG ونظرة عامة على منتجات UglyPear Data المتابعة؛ ومزيد من الممارسات الهندسية في المدونة التقنية.

جرّب الآن

إن كنت تخطّط لقاعدة معرفة حكومية أو مركز مستندات خاص، فابدأ بمجموعة ملفات رائدة: اختر قسماً واحداً ونوع مستند واحداً، وشغّل الحلقة الصغيرة "اضغط — هيكّل — استرجع — فوّض". المنتجات والحلول ذات الصلة في قاعدة هندسة بيانات RAG ونظرة عامة على منتجات UglyPear Data؛ وتفاصيل النشر والاختيار في المدونة التقنية.

أسئلة شائعة

هل يجب نشر بيانات القطاع العام بشكل خاص؟
بالنسبة لقواعد المعرفة التي تمسّ معلومات حسّاسة، يظل النشر الخاص أو المحلي الخيار الأكثر أماناً، بإبقاء البيانات داخل الشبكة الداخلية. أما المعلومات العلنية تماماً فبوسعها التعامل بمرونة أكبر. المبدأ هو التدرّج حسب الحساسية بدل قاعدة واحدة لكل شيء.

هل نضطر لنقل كل بيانات أنظمتنا القديمة؟
لا. يتصل النهج مباشرةً بقواعد البيانات القائمة، فيبقى الأصل في مكانه وفي نطاقه مع صيرورته قابلاً للاسترجاع والاقتباس — متجنّباً هجرة بيانات مُجهِدة.

مستند واحد فيه محتوى علني وفقرات حسّاسة، كيف تُحوكم؟
يدعم التصنيف على مستوى الأجزاء، مع دفع الصلاحيات وقت الاسترجاع، فيرى كل دور الجزء المرخّص له وحده. دون حاجة لقفل الملف جملة واحدة.

أليس التحديث يطمس النسخة القديمة ويفقدها؟
يدعم التحديث التزايدي والتراجع باللقطات، فتستطيع الرجوع في أي وقت؛ ويحظى الحذف الجماعي بواقٍ من المسح الخاطئ يخفّض مخاطر خطأ المشغّل.

هل يضرّ الضغط بجودة الاسترجاع أو بوضوح الأصل؟
يستهدف الضغط حجم التخزين والنقل؛ وتُحفظ عناصر التخطيط الجوهرية كالأختام وبنية الجداول بعد الضغط. ويُستخرج متن النص هيكلياً للاسترجاع، فلا يتأثر اكتمال المحتوى.