> ## Content Index
> Fetch the complete content index at: https://blog.thiqal.net/llms.txt
> Use this file to discover other available public pages before exploring further.

# كيف يقرأ الذكاء الاصطناعي بيانات شركتك ويُعطيك إجابات غير مُصطنعة؟
- URL: https://blog.thiqal.net/what-is-rag/
- Published: 2026-09-08T18:38:00.000Z
- Updated: 2026-10-07T18:45:02.000Z
- Author: Mohamed Sherif
- Tags: تبنّي الذكاء الاصطناعي

تتسابق الشركات هذه الأيام لدمج تقنيات الذكاء الاصطناعي في خدمة العملاء لديها، ويتدافع مزودو هذه التقنيات لتقديم وعود بإجابات دقيقة مستمدة من بيانات الشركة دون هلوسة أو اختلاق، لكن بين هذه الوعود والواقع العملي توجد فجوة كبيرة.

فخلال عملي على تطوير حلول الدردشة المخصصة للمواقع والشركات، عايشت هذه الفجوة بشكل ملموس، فالنماذج اللغوية تميل إلى تخمين الإجابات وتأليف معلومات غير صحيحة عند سؤالها عن تفاصيل خاصة بشركة معينة ما لم تكن المعلومات معروضة أمامها بدقة في لحظة الإجابة.

لكن إرسال كامل معلومات الشركة إلى نماذج الذكاء الاصطناعي مع كل سؤال يطرحه المستخدم سيكون مكلفًا، وقد يؤدي إلى هلوسة أكبر بسبب محدودية نافذة السياق الخاصة بالنموذج، كان الحل الذي كنت أتبعه هو الاعتماد على تقنية الاسترجاع المعزَّز بالتوليد (RAG).

## ما هو الاسترجاع المعزَّز بالتوليد (RAG) بلغة غير تقنية؟

تقنية الاسترجاع المعزَّز بالتوليد (RAG) هي إعطاء النموذج المعلومات التي يحتاجها للإجابة على الأسئلة التي يمكن أن تطرح عليه، ومحركًا للبحث في تلك المعلومات.

مثلًا إذا كان النموذج الذي يعمل بدون RAG يشبه طالبًا يخضع لاختبار ويعتمد على معلوماته السابقة للإجابة عن الأسئلة، فإن هذه التقنية تعطي الطالب كتابًا يتضمن إجابات الأسئلة الواردة وطريقة قوية للبحث فيه، وبالتالي تحوله لما يشبه الاختبار المفتوح.

وهذا يسمح بتنفيذ العمليات التالية عند الإجابة:

- الاسترجاع: عندما يطرح العميل سؤالًا، يقوم النظام أولًا بالبحث في المعلومات الموجودة لديه مثل مستندات شركتك وتفاصيل منتجاتك، ويستخرج منها الأجزاء المرتبطة بسؤال العميل. والبحث هنا يكون بناء على المعنى وسياق السؤال ولا يعتمد على التطابق الحرفي للكلمات.
- التعزيز: يأخذ النظام أجزاء المعلومات التي استخرجها، ويضمها لسؤال المستخدم كمرجع إلزامي، حيث تضمن في أمر تلقين يشار فيه إلى سؤال المستخدم وإلى المعلومات التي يجب استخدامها لتوليد إجابة السؤال.
- التوليد: يقرأ نموذج الذكاء الاصطناعي المعلومات المضمنة ضمن أمر التلقين (Prompt)، وسؤال المستخدم، ثم يكتب إجابة دقيقة ومباشرة مستندة إلى تلك المعلومات.

![](https://storage.ghost.io/c/28/c9/28c9baaa-5f27-43d7-9670-989ca9eacb58/content/images/2026/10/data-src-image-a1c411fa-9fe0-4678-a052-99ae5e406227.png)

توضيح تقنية RAG وكيف تساعد الذكاء الاصطناعي على الإجابة بدقة

وبالتالي بدلًا من أن يعتمد الذكاء الاصطناعي على ذاكرته، يتحول بالاعتماد على RAG إلى محرك بحث يوفر إجابات دقيقة ومباشرة وبلغة مفهومة وبشرية.

## لماذا يُقلّل RAG من اختلاق الإجابات دون أن يُلغيه تمامًا؟

تُعد تقنية RAG من أقوى الحلول التقنية لتقليل هلوسة الذكاء الاصطناعي لكنها لا تلغيها بنسبة 100%؛ فقد يفشل النظام لسببين رئيسيين:

| سبب الفشل               | كيف يحدث؟                                                                                                                      | الأثر على الإجابة                                                                                                                                                                    |
| ----------------------- | ------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| فشل في الاسترجاع        | يمكن أن يفشل محرك البحث في العثور على الجزء الذي يتضمن المعلومات الصحيحة، إما بسبب سوء تنظيم البيانات أو بسبب ضعف المحرك نفسه. | يؤدي هذا إلى أن يعتذر الذكاء الاصطناعي عن الإجابة، أو يعطي إجابة تستند إلى معلومات غير ذات صلة، أو الإجابة بناء على ذاكرته بحسب طريقة توجيهه.                                        |
| تجاهل المعلومات المرفقة | يمكن أن ينجح محرك البحث في جلب الأجزاء التي تتضمن المعلومات الصحيحة، لكن نموذج الإجابة يتجاهلها ويجيب من عنده بسبب الهلوسة.    | يؤدي هذا إلى تقديم معلومات خاطئة أو غير دقيقة. وأشارت [دراسة حديثة](https://arxiv.org/abs/2604.09174?ref=blog.thiqal.net) إلى أن هذه المشكلة تحدث فيما بين 28% و 42% من حالات الخطأ. |

حل هاتين المشكلتين يكمن في تجهيز البيانات قبل السؤال وفي القواعد التي تحكم النظام أثناء الإجابة. وهذا ما يقوم عليه [راجِح من ثِقال](https://www.thiqal.net/?ref=blog.thiqal.net#ai)؛ إذ يُركز على تهيئة مصادر المعرفة حتى يجد المحرك ما يبحث عنه، مع إلزام النموذج بالاقتصار على ما استُرجع منها، ضمن حوكمة تحدد من يصل إلى أي مصدر.

## الشروط الأساسية لنجاح النظام: جودة البيانات وحوكمة الوصول

نجاح أنظمة RAG لا يتوقف على مدى تطور النموذج اللغوي فقط، بل يرتكز في الأساس على هذين الركنين الرئيسيين:

![](https://storage.ghost.io/c/28/c9/28c9baaa-5f27-43d7-9670-989ca9eacb58/content/images/2026/10/data-src-image-1619cab0-40f7-466c-98c0-4a08c7a7b79c.png)

توضيح ركائز نجاح أنظمة RAG: جودة البيانات والتحكم في الوصول

### جودة البيانات

توجد مقولة خالدة في علوم الحاسوب، وهي البيانات السيئة تؤدي إلى نتائج سيئة، فإذا كانت مستندات شركتك غير منظمة، فإن عملية الاسترجاع ستجلب معلومات مضللة مهما بلغت قوة النموذج.

ولذلك يجب أن تحرص على تجهيز البيانات وفق المعايير التالية لضمان دقة الإجابات:

- اعتماد مصدر أو نسخة واحدة: يجب عدم تضمين أكثر من مصدر واحد لنفس المعلومات في نظام RAG، فلا يمكن مثلًا تضمين مصدرين مختلفي المعلومات لسياسة الإرجاع أو الأسعار، إذ سيؤدي ذلك حتمًا إلى خطأ في الإجابة.
- تحويل البيانات إلى نصوص نظيفة: من الضروري معالجة ملفات PDF المعقدة والجداول الممسوحة ضوئيًا وتحويلها إلى مستندات نصية يسهل على النموذج قراءتها بدقة دون أي أخطاء.
- التقسيم المنطقي: تقسيم المستندات الطويلة إلى أقسام يتحدث كل منها عن موضوع فرعي محدد، يساعد محرك البحث على استرجاع الجزء المناسب للسؤال بدقة أعلى بكثير.

### حوكمة الوصول والصلاحيات

لا يجوز أن يكون بإمكان أي عميل أو موظف في الشركة الوصول إلى كافة البيانات، فمثلًا إذا سأل أحد العملاء مساعد الذكاء الاصطناعي الخاص بشركتك ما هي رواتب أعضاء مجلس الإدارة، أنت لا تريد بالطبع أن يحصل العميل على الإجابة.

لهذا لا يمكن أن يُعدَّ نظام RAG ناجحًا لمجرد أنه قادر على استرجاع المعلومات، إنما يجب أن يقتصر الاسترجاع على المعلومات التي يحق للسائل الوصول إليها.

## أسئلة تُطرح على أي مُورد أنظمة ذكاء اصطناعي يعد بعدم الهلوسة

عندما يعدك مزود أنظمة RAG بنظام خالٍ تمامًا من الهلوسة، فإنه يجب أن تطرح عليه ستة أسئلة ستمكنك من اختبار جودة نظامه ومدى جاهزيته للعمل في الشركات، وإليك فيما يلي تلك الأسئلة وعمّا يجب أن تبحث عنه في إجاباته:

1. **كيف يفصل نظامكم بين تقييم «دقة الاسترجاع» و«دقة التوليد»؟**

يجب أن يقيس النظام جودة استرجاع المعلومات من المستندات كعملية منفصلة عن جودة صياغة النموذج للإجابة، وذلك لمعرفة أين يحدث الخطأ عند وقوعه، وبالتالي يسهل الحل.

1. **كيف يُطبق النظام حوكمة الصلاحيات (RBAC) أثناء الاسترجاع؟**

التأكد أن فلترة المستندات تتم بناء على صلاحيات المستخدم قبل إرسالها إلى الذكاء الاصطناعي أمر مهم لحماية بيانات الشركة الحساسة، فلا يجب الاعتماد على تلقين النموذج صلاحيات كل شخص، بل من المهم عدم إرسال المعلومات إطلاقًا في حال عدم وجود الصلاحيات.

1. **ما هي الأدوات والخدمات التي تقدمونها لتنظيف وهيكلة بيانات الشركة قبل إدراجها؟**

عليك أن تعرف إذا كان النظام يتضمن أدوات لمعالجة الجداول وملفات PDF ومواقع الويب، وذلك حتى لا تتكبد كامل تكاليف تنظيف البيانات بنفسك أو تجهد فريقك بهذه المهمة.

1. **هل تخرج بيانات الشركة إلى نماذج خارجية أم تظل المعالجة كاملة داخل بيئتنا الآمنة؟**

إذا كانت بيانات الشركة ترسل إلى أطراف ثالثة، فيجب التأكد من موثوقية تلك الأطراف، ويجب الحصول على ضمان عدم استخدام بيانات شركتك في تدريب نماذج الذكاء الاصطناعي امتثالًا لمعايير الخصوصية.

1. **هل يقدم النظام توثيقًا استشهاديًا لكل إجابة مع إمكانية النقر للوصول للسياسة أو المستند الأصلي؟**

يجب أن يُرفق النظام رابطًا أو إشارة للمستند الذي استند إليه في كل رد، مما يبني الثقة ويُمكّن الموظف أو العميل من مراجعة النص الأصلي والتأكد من دقته.

1. **ما هي آلية التعامل عندما لا يجد النظام معلومات كافية في مستنداتنا؟**

يجب أن يعترف النموذج في هذه الحالة بعدم توفر الإجابة لديه مع إمكانية إحالة الاستفسار إلى موظف بشري، وألا يخمن أو يختلق إجابات قد تضلل العميل.

وبناء على الإجابات يمكنك أن تحدد فيما إذا كان النظام مناسبًا لك أم لا.

## الخلاصة

الذكاء الاصطناعي ليس عصا سحرية يمكن إلقاؤها على بيانات عشوائية لتعطي مباشرة إجابات سليمة. وتقنية RAG هي البنية الأكثر كفاءة وأمانًا في الوقت الحالي لربط نماذج الذكاء الاصطناعي ببيانات الشركة لكي يجيب منها، لكنها تعتمد كليًا على انضباط البيانات وحوكمة الوصول إليها.

وبالتالي عند الاستثمار في نظام RAG لا تركز فقط على وجود واجهة دردشة جذابة ونموذج ذكاء اصطناعي قوي، بل تأكد من وجود خيارات كافية لإدارة البيانات والصلاحيات، واختر المزود الذي يقدم لك هذه الخيارات بكفاءة عالية لكي تحصل على عائد من استثمار أموال شركتك في هذه التقنية.