Private AI for large archives, explainedالذكاء الاصطناعي الخاص للأرشيفات الكبيرة، بوضوح

Why public AI tools fail sensitive archivesلماذا لا تصلح أدوات الذكاء الاصطناعي العامة للأرشيفات الحساسة

Many organizations hold archives that are valuable and sensitive at the same time: case files, contracts, donor records, beneficiary data, medical notes, internal correspondence, decades of reports. AI can make these archives far more useful: search that understands meaning, summaries, answers with sources. The temptation is to upload files to a popular public AI tool and ask questions. For sensitive material, that is where the problems begin.تحتفظ مؤسسات كثيرة بأرشيفات ثمينة وحساسة في آن واحد: ملفات قضايا، وعقود، وسجلات متبرعين، وبيانات مستفيدين، وملاحظات طبية، ومراسلات داخلية، وتقارير تمتد عقوداً. ويستطيع الذكاء الاصطناعي أن يزيدها نفعاً كثيراً: بحث يفهم المعنى، وملخصات، وإجابات مقرونة بمصادرها. أما الإغراء فهو أن ترفع الملفات إلى أداة ذكاء اصطناعي عامة مشهورة وتبدأ بالأسئلة. وعند المواد الحساسة تبدأ المشكلات من هنا.

The data leaves your controlتخرج بياناتك عن سيطرتك

When you upload a document to a public service, a copy travels to servers you do not manage, in a country you may not have chosen. From that moment you rely on someone else's controls, staff access rules and incident handling. You cannot inspect them directly.حين ترفع مستنداً إلى خدمة عامة، تنتقل نسخة منه إلى خوادم لا تديرها، وربما في بلد لم تختره. ومنذ تلك اللحظة تعتمد على ضوابط غيرك، وعلى قواعد وصول موظفيه وطريقته في معالجة الحوادث، ولا تستطيع أن تفحصها بنفسك.

Retention and training are uncertainمدة الاحتفاظ والتدريب غير مؤكدة

Providers differ on how long they keep what you send, whether people can review it and whether it may be used to improve their models. Terms differ by plan and change over time. Staff may also use personal accounts without anyone in the organization knowing. If you cannot say for certain what happens to a file after it is uploaded, you cannot promise anything to the people whose data it contains.يختلف المزوّدون في مدة الاحتفاظ بما ترسله، وفي إمكان اطلاع أشخاص عليه، وفي استخدامه لتحسين نماذجهم. وتتفاوت الشروط بحسب الباقة وتتغير مع الوقت. وقد يستخدم الموظفون حساباتهم الشخصية دون علم المؤسسة. فإن لم تستطع الجزم بما يحدث للملف بعد رفعه، فلا يمكنك أن تعد أصحاب البيانات التي فيه بشيء.

Regulatory and contractual exposureالمخاطر النظامية والتعاقدية

Data-protection rules such as the Saudi Personal Data Protection Law (PDPL) and GDPR place duties on whoever controls personal data, including limits on transferring it across borders and a duty to protect it. Donor agreements, client contracts and safeguarding commitments often add their own conditions. Sending files to a tool that nobody approved can put you in breach without anyone intending it. This article is general information, not legal advice. Ask your legal advisor what applies to you.تفرض أنظمة حماية البيانات، مثل نظام حماية البيانات الشخصية في المملكة (PDPL) واللائحة الأوروبية GDPR، واجبات على من يتحكم بالبيانات الشخصية، منها قيود على نقلها عبر الحدود وواجب حمايتها. وكثيراً ما تضيف اتفاقيات المتبرعين وعقود العملاء والتزامات الحماية شروطها الخاصة. وإرسال الملفات إلى أداة لم يعتمدها أحد قد يوقعك في المخالفة دون أن يقصد ذلك أحد. هذه المقالة معلومات عامة وليست استشارة قانونية، فاسأل مستشارك القانوني عمّا ينطبق عليك.

What private AI actually meansما المقصود بالذكاء الاصطناعي الخاص فعلاً

Private AI means the model that reads your documents runs in an environment you control, or one that is contractually bound not to retain or reuse your data, rather than on a shared public service. In practice there are three levels, on a spectrum from convenient to fully controlled.يعني الذكاء الاصطناعي الخاص أن النموذج الذي يقرأ مستنداتك يعمل في بيئة تتحكم بها أنت، أو في بيئة ملزمة تعاقدياً بألا تحتفظ ببياناتك ولا تعيد استخدامها، لا على خدمة عامة مشتركة. وعملياً هناك ثلاثة مستويات، تمتد من الأيسر إلى الأشد تحكماً.

Level 1: Enterprise cloud AI agreementsالمستوى 1: اتفاقيات الذكاء الاصطناعي السحابي للمؤسسات

You use a major provider under a business agreement with stronger terms: for example commitments about not training on your data, defined retention, and a choice of region. It is the quickest to adopt and gives access to the strongest models. The data still goes to the provider's infrastructure, so you are relying on contract and on their controls.تستخدم مزوّداً كبيراً بموجب اتفاقية أعمال بشروط أقوى، مثل التعهد بعدم التدريب على بياناتك، ومدة احتفاظ محددة، وحرية اختيار المنطقة. وهو أسرع خيار للبدء، ويتيح لك أقوى النماذج. لكن بياناتك تنتقل مع ذلك إلى بنية المزوّد التحتية، فأنت تعتمد على العقد وعلى ضوابطه.

Level 2: Private cloudالمستوى 2: السحابة الخاصة

The AI runs in a cloud environment dedicated to you, in a region you choose, with your own keys and access rules. Data does not mix with other customers' data and does not go to a public AI service. You carry more of the setup and running cost, but you gain much stronger control.يعمل الذكاء الاصطناعي في بيئة سحابية مخصصة لك، في منطقة تختارها، بمفاتيحك وقواعد وصولك. لا تختلط بياناتك ببيانات عملاء آخرين ولا تذهب إلى خدمة ذكاء اصطناعي عامة. وتتحمل جزءاً أكبر من كلفة الإعداد والتشغيل، لكنك تحصل على تحكم أقوى بكثير.

Level 3: Fully on-premiseالمستوى 3: داخل مقرّك بالكامل

The model runs on servers in your own office or data center. Nothing leaves the building, and you can run it with no internet connection if the rules require it. This is the strongest control and the heaviest commitment: you buy and look after the hardware, and the models you can run are usually smaller than the largest cloud models.يعمل النموذج على خوادم في مكتبك أو مركز بياناتك. لا يخرج شيء من المبنى، ويمكنك تشغيله بلا اتصال بالإنترنت إن فرضت القواعد ذلك. وهذا أقوى تحكم وأثقل التزام: تشتري الأجهزة وتتولى صيانتها، والنماذج التي تشغّلها عادةً أصغر من أكبر النماذج السحابية.

Encryption and tokenization: two protections, two jobsالتشفير والترميز: حمايتان بمهمتين مختلفتين

Each protection does a different job. Keep them apart.لكل من الحمايتين مهمتها، ومن المفيد أن تفرّق بينهما.

Encryption: locking the containerالتشفير: قفل الحاوية

Encryption scrambles data so that it is unreadable without a key. Encryption at rest, for example AES-256, protects files stored on disks and backups, like a locked cabinet. Encryption in transit, using TLS, protects data moving between your browser and the server, like a sealed envelope. The question that matters most is who holds the key. If the organization holds its own keys, a copied disk is useless to a thief.يحوّل التشفير البيانات إلى شكل لا يُقرأ دون مفتاح. فـالتشفير أثناء التخزين، مثل AES-256، يحمي الملفات المخزّنة على الأقراص والنسخ الاحتياطية، كخزانة مقفلة. والتشفير أثناء النقل، عبر TLS، يحمي البيانات المنتقلة بين متصفحك والخادم، كمظروف مختوم. والسؤال الأهم: من يحتفظ بالمفتاح؟ فإذا احتفظت المؤسسة بمفاتيحها، فقرص منسوخ لا قيمة له في يد السارق.

Tokenization: hiding the sensitive valuesالترميز: إخفاء القيم الحساسة

Encryption protects files while they are stored or moving. But when an AI model reads a document, it has to see the text. Tokenization reduces what it sees. Before the AI reads anything, sensitive values such as names, ID numbers and amounts are replaced by placeholders called tokens. The real values stay in a separate protected store.يحمي التشفير الملفات وهي مخزّنة أو منقولة. لكن حين يقرأ نموذج الذكاء الاصطناعي مستنداً لا بد أن يرى النص، والترميز يقلّل ما يراه. فقبل أن يقرأ الذكاء الاصطناعي أي شيء، تُستبدل القيم الحساسة، كالأسماء وأرقام الهوية والمبالغ، برموز بديلة تسمى tokens، وتبقى القيم الحقيقية في مخزن منفصل محمي.

A generic, fictional example. The original sentence in a case file reads: Layla Nasser received 2,400 on 14 March. The AI sees: [PERSON_017] received [AMOUNT_203] on [DATE_055]. It can still understand the structure, search by meaning and summarize. A user who is authorized to see real values can reveal them on screen. Someone who is not authorized sees only the tokens.مثال عام وخيالي. الجملة الأصلية في ملف قضية: استلمت ليلى ناصر 2,400 في 14 مارس. أما ما يراه الذكاء الاصطناعي فهو: استلمت [PERSON_017] ‏[AMOUNT_203] في [DATE_055]. ويبقى قادراً على فهم البنية والبحث بالمعنى والتلخيص. والمستخدم المخوّل يستطيع كشف القيم الحقيقية على الشاشة، أما غير المخوّل فلا يرى إلا الرموز.

Tokenization is not magic. Detection of sensitive values is never perfect, especially in messy scans and mixed Arabic and English text, which is why it should be paired with access control, logging and human review.الترميز ليس سحراً. فاكتشاف القيم الحساسة لا يكون كاملاً أبداً، خاصة في الممسوحات الضوئية الرديئة والنصوص التي تجمع العربية والإنجليزية، ولهذا يجب أن يقترن بضبط الوصول والتسجيل والمراجعة البشرية.

How an archive answers a questionكيف يجيب الأرشيف عن سؤالك

Asking an archive a question is not the same as chatting with a model that has memorized it. The model does not hold your files in its head. A pipeline finds the right passages and hands them to the model to read. In plain language:أن تسأل أرشيفاً ليس كأن تحادث نموذجاً حفظ محتواه. فالنموذج لا يحمل ملفاتك في ذاكرته، بل تعمل سلسلة خطوات تجد المقاطع المناسبة ثم تسلّمها إليه ليقرأها. وبلغة بسيطة:

1. OCR (reading scans). Scanned pages are images. Optical character recognition turns them into text, in Arabic and English, so they can be searched at all.OCR (قراءة المستندات الممسوحة). الصفحات الممسوحة صور في الأصل. ويحوّلها التعرف الضوئي على الحروف إلى نص بالعربية والإنجليزية، ودونه لا يمكن البحث فيها أصلاً.
2. Chunking. Long documents are cut into passages of a few paragraphs, so the system can retrieve the exact part that matters instead of a whole 200-page file.التقطيع. تُقسَّم المستندات الطويلة إلى مقاطع من بضع فقرات، ليصل النظام إلى الجزء المطلوب بدقة بدل أن يعيد إليك ملفاً كاملاً من 200 صفحة.
3. Indexing. Each passage is stored in an index, both by keywords and by meaning, so a question about funding delays can find a passage that says payment was late.الفهرسة. يُخزَّن كل مقطع في فهرس بكلماته المفتاحية ومعناه معاً، فيمكن لسؤالك عن تأخر التمويل أن يجد مقطعاً يقول إن الدفعة تأخرت.
4. Retrieval. When you ask a question, the system finds the passages most likely to contain the answer, and only the ones you are permitted to see.الاسترجاع. عندما تسأل، يجد النظام المقاطع الأرجح أن تحمل الإجابة، وهي المقاطع المسموح لك برؤيتها فقط.
5. Answer with citations. The model reads those passages and writes an answer that points back to them: document, page and passage, so you can open the source and check.إجابة بمصادرها. يقرأ النموذج تلك المقاطع ويكتب إجابة تشير إليها: المستند والصفحة والمقطع، لتفتح المصدر وتتحقق بنفسك.

Accuracy: why citations matter more than fluencyالدقة: المصادر أهم من سلاسة الأسلوب

Hallucination is when a model produces a confident answer that no source supports: a wrong date, an invented quotation, a detail that sounds right but is not in the file. It happens with every language model, public or private. It cannot be removed completely, but it can be reduced and made visible.الهلوسة أن يقدّم النموذج إجابة واثقة لا يسندها أي مصدر: تاريخاً خاطئاً، أو اقتباساً مختلقاً، أو تفصيلاً يبدو صحيحاً وهو غير موجود في الملف. وتحدث مع كل نموذج لغوي، عاماً كان أو خاصاً. ولا يمكن إزالتها تماماً، لكن يمكن تقليلها وجعلها ظاهرة.

This is why citations matter more than fluency. An answer that links to its source passage can be verified in seconds. An answer with no source is only an opinion. A good archive system should:ولهذا فالمصادر أهم من سلاسة الأسلوب. فالإجابة المرتبطة بالمقطع الذي جاءت منه يمكن التحقق منها في ثوانٍ، أما الإجابة بلا مصدر فمجرد رأي. والنظام الجيد للأرشيف ينبغي أن:

• answer only from retrieved passages, and say so when it finds nothing relevantيجيب من المقاطع المسترجعة فقط، ويقول ذلك صراحة حين لا يجد ما يتصل بالسؤال
• show the source passage next to every claimيعرض المقطع المصدر بجانب كل معلومة يذكرها
• keep a record of who asked what, and what was returnedيحتفظ بسجل يبيّن من سأل عن ماذا، وما الذي أُعيد إليه

On your side, build a habit of verification. Open the cited passage for anything that will be quoted, published or used in a decision. Spot-check a sample of answers regularly against documents you know well. And treat summaries as a way to find the right file, not as a substitute for reading it when the stakes are high.ومن جانبك، اعتد التحقق. افتح المقطع المذكور مصدراً لكل ما سيُقتبس أو يُنشر أو يُبنى عليه قرار. وراجع عينة من الإجابات بين حين وآخر مقابل مستندات تعرفها جيداً. وتعامل مع الملخصات بوصفها طريقاً إلى الملف الصحيح، لا بديلاً عن قراءته حين تكون المخاطر عالية.

What moving an archive really involvesما الذي ينطوي عليه نقل الأرشيف فعلاً

Before AI can help, files have to be somewhere sensible. Moving years of shared-drive folders into a managed archive is usually the largest piece of work, and it is mostly about discipline rather than technology.قبل أن يفيدك الذكاء الاصطناعي، يجب أن تكون الملفات في مكان منظّم. ونقل سنوات من مجلدات الأقراص المشتركة إلى أرشيف مُدار هو عادةً أكبر أجزاء العمل، ويتطلب انضباطاً أكثر مما يتطلب تقنية.

• Inventory. What exists, where, how big, in which formats, and who owns it.الجرد. ما الموجود، وأين، وبأي حجم، وبأي صيغ، ومن يملكه.
• Clean-up. Duplicates, empty folders, files nobody needs and records that must be kept for legal reasons.التنظيف. المكرّر والمجلدات الفارغة والملفات التي لا يحتاجها أحد، مع السجلات الواجب حفظها لأسباب نظامية.
• Structure and permissions. Who may see what. Decide this before the move, not after.البنية والصلاحيات. من يحق له أن يرى ماذا. قرّر ذلك قبل النقل لا بعده.
• Digitization and OCR for any paper or scanned material, with a quality check on a sample.الرقمنة وOCR للمواد الورقية أو الممسوحة، مع فحص جودة على عينة.
• Tagging and metadata, partly automatic and partly reviewed by people who know the content.الوسم والبيانات الوصفية، بعضها تلقائي وبعضها يراجعه من يعرف المحتوى.
• Parallel run. Keep the old location readable while the team confirms that nothing is missing, then retire it deliberately.التشغيل المتوازي. أبقِ الموقع القديم متاحاً للقراءة بينما يتأكد الفريق من أن شيئاً لم يسقط، ثم أوقفه بقرار واضح.

The time it takes depends on volume, condition of the material and how many decisions are still open. Anyone who quotes a fixed number of days before looking at your files is guessing.يعتمد الوقت على الحجم وحالة المواد وعدد القرارات التي ما زالت مفتوحة. ومن يعطيك عدداً ثابتاً من الأيام قبل أن يطّلع على ملفاتك فإنه يخمّن.

Costs and trade-offs, honestlyالتكاليف والمفاضلات بصراحة

Private AI is not free of compromise. Know the trade-offs before you choose.لا يخلو الذكاء الاصطناعي الخاص من التنازلات، ومن المفيد أن تعرفها قبل أن تختار.

• Hardware. On-premise needs servers with powerful graphics processors, power, cooling and a secure room. Private cloud swaps this for a monthly bill.الأجهزة. يحتاج النشر داخل المقر إلى خوادم بمعالجات رسومية قوية، وكهرباء، وتبريد، وغرفة آمنة. وتستبدل السحابة الخاصة بذلك فاتورة شهرية.
• Smaller models. The models you can run yourself are generally smaller than the biggest public ones. For searching, summarizing and answering questions from your own documents they are often sufficient. For open-ended creative or complex reasoning tasks the gap can be visible.نماذج أصغر. النماذج التي تشغّلها بنفسك أصغر عموماً من أكبر النماذج العامة. وهي تكفي غالباً للبحث والتلخيص والإجابة من مستنداتك، أما في المهام الإبداعية المفتوحة أو الاستدلال المعقد فقد يظهر الفرق.
• Maintenance. Updates, backups, monitoring, key management and user support need an owner, in-house or outsourced.الصيانة. التحديثات والنسخ الاحتياطية والمراقبة وإدارة المفاتيح ودعم المستخدمين تحتاج إلى مسؤول، من داخل المؤسسة أو من خارجها.
• Slower start. There is setup, migration and training before the first useful answer.بداية أبطأ. هناك إعداد وترحيل وتدريب قبل أن تحصل على أول إجابة مفيدة.
• Shared responsibility. Taking control also means taking responsibility for keeping it.مسؤولية مشتركة. حين تتحكم، فأنت تتحمل أيضاً مسؤولية الحفاظ على هذا التحكم.

A decision checklist: public, enterprise or private?قائمة تحقق للقرار: عام أم مؤسسي أم خاص؟

Answer these questions about the material you want the AI to read, not about the AI itself.أجب عن هذه الأسئلة بشأن المواد التي تريد أن يقرأها الذكاء الاصطناعي، لا بشأن الذكاء الاصطناعي نفسه.

Public tools can be reasonable whenقد تكون الأدوات العامة معقولة حين

• the content is already public or has no personal, financial or confidential informationيكون المحتوى منشوراً أصلاً، أو بلا معلومات شخصية أو مالية أو سرية
• a loss or leak would cause no harm to people or to the organizationلا يسبب فقدانه أو تسريبه ضرراً للأفراد أو للمؤسسة
• your policy explicitly allows itتسمح به سياستك صراحة

Enterprise agreements fit whenتناسب الاتفاقيات المؤسسية حين

• the data is internal but not highly sensitive, and your legal advisor accepts the provider's terms and regionتكون البيانات داخلية لكنها ليست شديدة الحساسية، ويقبل مستشارك القانوني شروط المزوّد والمنطقة
• you need the strongest models and can live with data being processed on the provider's infrastructureتحتاج إلى أقوى النماذج، ويمكنك القبول بمعالجة البيانات على بنية المزوّد
• you want a fast start with limited IT capacityتريد البدء بسرعة وقدراتك التقنية محدودة

Private cloud or on-premise fits whenتناسب السحابة الخاصة أو داخل المقر حين

• the archive contains personal data about vulnerable people, health, legal or financial records, or donor-confidential materialيحتوي الأرشيف على بيانات شخصية عن فئات هشة، أو سجلات صحية أو قانونية أو مالية، أو مواد سرية للمتبرعين
• rules or contracts restrict where data may be processedتقيّد الأنظمة أو العقود المكان الذي تُعالج فيه البيانات
• you must show who accessed what, and be able to prove itيجب أن تبيّن من اطّلع على ماذا، وأن تكون قادراً على إثبات ذلك
• the archive is large and long-lived, so a fixed investment makes senseيكون الأرشيف كبيراً وطويل العمر، فيصبح الاستثمار الثابت منطقياً

Many organizations end up with a mix: public tools for non-sensitive drafting, an enterprise agreement for internal work, and a private system for the archive. That is a reasonable outcome, as long as a written policy says which is which.تنتهي مؤسسات كثيرة إلى مزيج: أدوات عامة لصياغة المواد غير الحساسة، واتفاقية مؤسسية للعمل الداخلي، ونظام خاص للأرشيف. وهذه نتيجة معقولة، ما دامت سياسة مكتوبة تحدد ما يُستخدم لأي غرض.

Where Orbivelo Vault fitsأين تناسب خزنة أوربيفيلو

Orbivelo Vault is our answer for the last group above: organizations with large, sensitive archives that want AI search without sending files to public AI services. It is designed to run on your own servers or private cloud, to encrypt files at rest and in transit, to replace sensitive values with tokens before the AI reads anything, to leave the keys with you and to record every access in an audit log. It reads Arabic and English scans with OCR. Vault is a prototype today, so we start with a pilot on your own documents.خزنة أوربيفيلو هي إجابتنا للفئة الأخيرة أعلاه: مؤسسات لديها أرشيفات كبيرة وحساسة وتريد بحثاً بالذكاء الاصطناعي دون إرسال الملفات إلى خدمات ذكاء اصطناعي عامة. صُمّمت لتعمل على خوادمك أو سحابتك الخاصة، ولتشفّر الملفات أثناء التخزين والنقل، ولتستبدل القيم الحساسة برموز قبل أن يقرأ الذكاء الاصطناعي أي شيء، ولتترك المفاتيح عندك، ولتسجّل كل وصول في سجل تدقيق. وتقرأ المستندات الممسوحة بالعربية والإنجليزية بتقنية OCR.

It is not the right choice for everyone. If your material is not sensitive, a simpler tool may serve you better and cost less. If you are unsure, we will tell you which level fits, even when it is not ours. The design practices behind the Vault are described on our privacy page, which also states what we do not claim.وهي ليست الخيار المناسب للجميع. فإن لم تكن موادك حساسة، فقد تخدمك أداة أبسط وأقل كلفة. وإن لم تكن متأكداً، فسنقول لك أي مستوى يناسبك، حتى لو لم يكن منتجنا. وتجد ممارسات التصميم وراء الخزنة في صفحة الأمان، وفيها أيضاً ما لا ندّعيه.