A new colleague that never sleeps
In just a few years, AI assistants went from a curiosity to an everyday work tool. They draft letters, summarise contracts, translate, analyse data and answer questions in seconds. Used well, they save hours every week. Used carelessly, they can invent facts, leak confidential data and damage your reputation.
This course follows Huda, HR and administration manager at Seeba Engineering Services, a Basra contractor serving oil-field clients. Her general manager, Mr. Faisal, has asked her to lead the company's first AI programme: to help 68 office staff use AI productively, safely and responsibly.
Course introduction (1:13).
By the end of this course you will be able to
- Explain what generative AI is, how it works and where it fails
- Decide which tasks to give AI, and which to keep human
- Write clear prompts that get useful results the first time
- Check AI output with the right level of care
- Protect confidential data and use AI ethically
- Apply ready-made workflows for emails, reports, minutes, translation and research
- Help your team adopt AI with a policy, a pilot and measurable results
زميل جديد لا ينام
في سنوات قليلة تحولت المساعدات الذكية من فضول إلى أداة عمل يومية. فهي تصوغ الخطابات وتلخص العقود وتترجم وتحلل البيانات وتجيب عن الأسئلة في ثوانٍ. وإذا أُحسن استخدامها وفّرت ساعات كل أسبوع، وإذا أُسيء استخدامها قد تختلق الحقائق وتسرّب البيانات السرية وتضر بسمعتك.
تتابع هذه الدورة هدى، مديرة الموارد البشرية والإدارة في شركة السيبة للخدمات الهندسية، وهي مقاول في البصرة يخدم عملاء الحقول النفطية. وقد طلب منها المدير العام السيد فيصل قيادة أول برنامج للذكاء الاصطناعي في الشركة، لمساعدة 68 موظفاً مكتبياً على استخدامه بإنتاجية وأمان ومسؤولية.
مقدمة الدورة (1:30).
في نهاية هذه الدورة ستكون قادراً على
- شرح ماهية الذكاء الاصطناعي التوليدي وكيف يعمل وأين يخفق
- تحديد المهام التي تُعطى للذكاء الاصطناعي وتلك التي تبقى بشرية
- كتابة أوامر نصية واضحة تعطي نتائج مفيدة من المرة الأولى
- مراجعة مخرجات الذكاء الاصطناعي بالقدر المناسب من العناية
- حماية البيانات السرية واستخدام الذكاء الاصطناعي بأخلاقية
- تطبيق سير عمل جاهز للرسائل والتقارير والمحاضر والترجمة والبحث
- مساعدة فريقك على تبني الذكاء الاصطناعي بسياسة وتجربة ونتائج قابلة للقياس
The AI family
"AI" is a broad term. Most of the tools you use at work today are large language models (LLMs): a kind of generative AI that has learned from enormous amounts of text. When this course says "AI", it usually means these assistants.
AI you already use without noticing
Spam filters, map routes and traffic estimates, face unlock on your phone, bank fraud alerts and product recommendations are all forms of AI. They are mostly predictive AI: they classify or forecast. Generative AI is different because it creates new content.
عائلة الذكاء الاصطناعي
"الذكاء الاصطناعي" مصطلح واسع. ومعظم الأدوات التي تستخدمها في العمل اليوم هي نماذج لغوية كبيرة: نوع من الذكاء الاصطناعي التوليدي تعلّم من كميات هائلة من النصوص. وحين تقول هذه الدورة "الذكاء الاصطناعي" فهي تقصد غالباً هذه المساعدات.
ذكاء اصطناعي تستخدمه دون أن تلاحظ
مرشحات البريد المزعج، ومسارات الخرائط وتقدير الزحام، وفتح الهاتف بالوجه، وتنبيهات الاحتيال المصرفي، وترشيحات المنتجات، كلها أشكال من الذكاء الاصطناعي. وهي غالباً ذكاء تنبؤي يصنّف أو يتوقع، أما الذكاء التوليدي فيختلف لأنه ينشئ محتوى جديداً.
Video: how an AI assistant writes
ISHTAR Academy explainer (1:06).
فيديو: كيف يكتب المساعد الذكي
فيديو توضيحي من أكاديمية عشتار (1:16).
What this means in practice
An LLM does not "know" things the way a database does. It generates the most likely continuation of your text. This makes it excellent at language, and unreliable on exact facts unless it is given them.
Its built-in knowledge stops at its training date. Some tools can search the web or read your files; others cannot. Always know which kind you are using.
Unless a memory feature is switched on, each new chat starts from zero. It knows nothing about your company, clients or projects except what you tell it.
Ask the same question twice and you may get different answers. That is useful for ideas, and a reason to check anything important.
ماذا يعني ذلك عملياً
النموذج اللغوي لا "يعرف" الأشياء كما تعرفها قاعدة البيانات، بل يولّد التكملة الأرجح لنصك. وهذا يجعله ممتازاً في اللغة، وغير موثوق في الحقائق الدقيقة ما لم تُعطَ له.
تتوقف معرفته المدمجة عند تاريخ تدريبه. بعض الأدوات تستطيع البحث في الإنترنت أو قراءة ملفاتك وبعضها لا، فاعرف دائماً أي نوع تستخدم.
ما لم تكن ميزة الذاكرة مفعّلة، تبدأ كل محادثة جديدة من الصفر، ولا يعرف شيئاً عن شركتك أو عملائك أو مشاريعك إلا ما تخبره به.
اسأل السؤال نفسه مرتين وقد تحصل على إجابتين مختلفتين. وهذا مفيد للأفكار، وسبب لمراجعة أي شيء مهم.
Strengths and weaknesses
نقاط القوة والضعف
Key terms
Myth or fact?
- "AI understands like a person." Myth. It models patterns in language very well, but it has no experience of the world and no intentions.
- "AI is always objective." Myth. It reflects the data it learned from, including its biases.
- "AI will replace all office jobs." Not supported by the evidence so far. It changes tasks within jobs; people who use it well tend to gain the most.
- "If it sounds confident, it's right." Myth. Its tone is equally confident when it is wrong.
مصطلحات أساسية
خرافة أم حقيقة؟
- "الذكاء الاصطناعي يفهم كالإنسان." خرافة. فهو يحاكي أنماط اللغة جيداً جداً، لكن لا خبرة له بالعالم ولا نوايا.
- "الذكاء الاصطناعي موضوعي دائماً." خرافة. فهو يعكس البيانات التي تعلّم منها بما فيها من تحيزات.
- "سيحل محل كل الوظائف المكتبية." لا تدعمه الأدلة حتى الآن. فهو يغيّر المهام داخل الوظائف، والأكثر استفادة هم من يحسنون استخدامه.
- "إذا بدا واثقاً فهو محق." خرافة. فنبرته واثقة بالقدر نفسه حين يخطئ.
Exercise: your first look
- Open an AI assistant your organisation allows (or a free public one, without entering any work data).
- Ask it: "Explain in three sentences what you are and what your limitations are."
- Ask it a question about a recent local event. Does it know? Does it say it doesn't?
- Ask the same creative question twice, for example "Suggest a slogan for a safety week", and compare the answers.
تمرين: نظرتك الأولى
- افتح مساعداً ذكياً تسمح به مؤسستك (أو مساعداً عاماً مجانياً دون إدخال أي بيانات عمل).
- اسأله: "اشرح في ثلاث جمل ما أنت وما حدودك."
- اسأله عن حدث محلي حديث. هل يعرفه؟ هل يقول إنه لا يعرف؟
- اطرح السؤال الإبداعي نفسه مرتين، مثل "اقترح شعاراً لأسبوع السلامة"، وقارن الإجابتين.
How does a large language model produce its answer?
It generates likely text, which is why it is fluent but can be wrong.
You ask an assistant without web search about last week's oil price. What should you expect?
Its knowledge stops at its training cut-off.
كيف ينتج النموذج اللغوي الكبير إجابته؟
يولّد نصاً مرجّحاً، ولهذا هو سلس لكنه قد يخطئ.
سألت مساعداً لا يبحث في الإنترنت عن سعر النفط الأسبوع الماضي. ماذا تتوقع؟
تتوقف معرفته عند تاريخ انتهاء تدريبه.
