الملخص التنفيذي
يشهد قطاع المياه تحولًا جذريًا مدفوعًا بالتطور السريع في الذكاء الاصطناعي (Artificial Intelligence – AI)، والبيانات الضخمة (Big Data)، وإنترنت الأشياء (IoT)، وتقنيات الاستشعار عن بُعد، ونظم الإنذار المبكر ونظم التليمتري والاستشعار الميداني. ولم يعد الذكاء الاصطناعي مجرد تقنية ناشئة، بل أصبح أحد أهم الممكنات لتحقيق إدارة أكثر كفاءة ومرونة واستدامة للموارد المائية في ظل التحديات المتزايدة الناتجة عن تغير المناخ، والنمو السكاني، والتوسع الحضري، وارتفاع الطلب على المياه.
وتشير منظمة الأمم المتحدة للتربية والعلم والثقافة (UNESCO) إلى أن الذكاء الاصطناعي يمكن أن يُحدث نقلة نوعية في إدارة المياه من خلال تحسين عمليات الرصد، والتنبؤ بالأحداث الهيدرولوجية المتطرفة، ودعم اتخاذ القرار، وتحسين كفاءة تشغيل البنية التحتية المائية، شريطة أن يتم تطبيقه ضمن أطر حوكمة واضحة تضمن جودة البيانات والشفافية والاستخدام المسؤول للتكنولوجيا (Moreno-Rodenas et al., 2025).
وفي الوقت نفسه، تؤكد الرابطة الدولية للمياه (International Water Association – IWA) أن العديد من مرافق المياه حول العالم انتقلت بالفعل من مرحلة التجارب إلى دمج حلول الذكاء الاصطناعي في التشغيل اليومي، خاصة في مجالات الكشف المبكر عن التسربات، وإدارة الأصول، والصيانة التنبؤية، وتحسين استهلاك الطاقة، بما يسهم في خفض التكاليف ورفع كفاءة الخدمات (IWA, 2025).
يناقش هذا المقال كيف يمكن للذكاء الاصطناعي أن يعيد تشكيل مستقبل إدارة الموارد المائية، مع استعراض أبرز التطبيقات العالمية، والتحديات، والفرص المتاحة للدول العربية، وصولًا إلى رؤية CEDARE حول الأولويات الاستراتيجية المطلوبة لتعزيز الأمن المائي في المنطقة.
1. مقدمة
يدخل العالم مرحلة غير مسبوقة من الضغوط على الموارد المائية. فقد أدى تغير المناخ إلى زيادة تكرار وشدة موجات الجفاف والفيضانات، بينما يواصل النمو السكاني والتوسع الحضري والصناعي رفع الطلب على المياه بوتيرة متسارعة. وفي المقابل، أصبحت أنظمة إدارة المياه أكثر تعقيداً، إذ يتعين عليها التعامل مع كميات هائلة من البيانات، واتخاذ قرارات سريعة في ظل ظروف متغيرة وغير مؤكدة.
ووفقًا لتقرير الأمم المتحدة لتنمية المياه في العالم لعام 2024، فإن التحديات المرتبطة بالمياه أصبحت وثيقة الصلة بقضايا المناخ، والطاقة، والأمن الغذائي، والصحة العامة، ما يتطلب اعتماد أدوات جديدة قادرة على دعم اتخاذ القرار في بيئات تتسم بعدم اليقين (UNESCO, 2024).
في هذا السياق، يبرز الذكاء الاصطناعي بوصفه أحد أهم محركات التحول الرقمي في قطاع المياه. فبفضل قدرته على تحليل البيانات الضخمة والتعرف على الأنماط المعقدة والتنبؤ بالسيناريوهات المستقبلية، يتيح الذكاء الاصطناعي للجهات المسؤولة الانتقال من الإدارة التفاعلية للأزمات إلى الإدارة الاستباقية القائمة على التوقع والتخطيط.
ومع ذلك، فإن الذكاء الاصطناعي ليس حلًا سحريًا بحد ذاته؛ إذ يعتمد نجاحه على توافر بيانات موثوقة، وبنية تحتية رقمية متطورة، وكفاءات بشرية قادرة على تفسير مخرجات النماذج وتحويلها إلى قرارات وسياسات فعّالة.
2. لماذا أصبح الذكاء الاصطناعي ضرورة في إدارة الموارد المائية؟
تاريخيًا، اعتمدت إدارة الموارد المائية على النماذج الهيدرولوجية التقليدية، وسجلات الرصد التاريخية، والخبرة الفنية. وعلى الرغم من أهمية هذه الأدوات، فإنها تواجه تحديات متزايدة في ظل التغيرات المناخية السريعة التي جعلت الأنماط التاريخية أقل قدرة على التنبؤ بالمستقبل.
وتوضح UNESCO وDeltares أن الذكاء الاصطناعي لا يستبدل النماذج الهيدرولوجية التقليدية، بل يعززها من خلال دمج مصادر بيانات متعددة، مثل:
- بيانات الأقمار الصناعية.
- بيانات محطات الرصد الهيدرولوجي.
- بيانات الأرصاد الجوية.
- بيانات العدادات الذكية.
- بيانات أجهزة الاستشعار الميدانية.
- صور الطائرات المسيّرة (الدرون).
- قواعد البيانات التاريخية.
ومن خلال تحليل هذه البيانات في الوقت الفعلي، يمكن للذكاء الاصطناعي دعم قرارات أكثر دقة في مجالات التنبؤ بالفيضانات، وإدارة الجفاف، وتشغيل السدود، وتحسين توزيع المياه، ورصد جودة المياه (Moreno-Rodenas et al., 2025).
كما تشير منظمة التعاون الاقتصادي والتنمية (OECD) إلى أن التحول الرقمي في قطاع المياه أصبح عنصرًا أساسيًا لتحسين الحوكمة، وتعزيز الكفاءة التشغيلية، وزيادة قدرة المؤسسات على التكيف مع المخاطر المستقبلية (OECD, 2024).
3. من البيانات إلى القرار: كيف يغير الذكاء الاصطناعي قواعد اللعبة؟
تتمثل القيمة الحقيقية للذكاء الاصطناعي في قدرته على تحويل البيانات إلى معرفة قابلة للتنفيذ (Actionable Intelligence). ففي السابق، كانت المؤسسات تمتلك كميات كبيرة من البيانات، لكنها كانت تواجه صعوبة في استخراج الأنماط والمؤشرات ذات القيمة.
أما اليوم، فتتيح خوارزميات التعلم الآلي (Machine Learning) والتعلم العميق (Deep Learning) تحليل ملايين السجلات في وقت قصير، واكتشاف العلاقات التي قد يصعب على المحللين ملاحظتها باستخدام الأساليب التقليدية.
وتشير IWA إلى أن مرافق المياه التي دمجت الذكاء الاصطناعي في أنظمة التشغيل حققت تحسينات في كفاءة إدارة الأصول، وتقليل فترات التوقف غير المخطط لها، وتحسين الاستجابة للأعطال، مما انعكس إيجابياً على جودة الخدمات المقدمة للمواطنين (IWA, 2025).
ومن أبرز التحولات التي أحدثها الذكاء الاصطناعي في إدارة المياه:
| :المجال | دور الذكاء الاصطناعي | الفائدة المتوقعة |
| إدارة شبكات المياه | اكتشاف التسربات وتحليل الضغوط | تقليل الفاقد ورفع كفاءة الشبكات |
| السدود والخزانات | التنبؤ بالتدفقات وتشغيل السدود | تحسين إدارة المخزون وتقليل مخاطر الفيضانات |
| الزراعة | جدولة الري الذكي | ترشيد استهلاك المياه وزيادة الإنتاجية |
| جودة المياه | تحليل المؤشرات الكيميائية والبيولوجية | الكشف المبكر عن التلوث |
| إدارة الأصول | الصيانة التنبؤية | خفض تكاليف التشغيل وإطالة عمر البنية التحتية |
4. هم مجالات استخدام الذكاء الاصطناعي في قطاع المياه
4.1. التنبؤ بالفيضانات وإدارة مخاطر الكوارث
تعد الفيضانات من أكثر الكوارث الطبيعية تكلفة على المستوى العالمي، ويؤدي تغير المناخ إلى زيادة صعوبة التنبؤ بها باستخدام النماذج التقليدية وحدها.
وقد ساهم الذكاء الاصطناعي في تحسين دقة التنبؤ من خلال دمج بيانات الأقمار الصناعية، والرادار، ومحطات قياس الأمطار، وبيانات المناخ، مع النماذج الهيدرولوجية، مما يسمح بإنتاج توقعات أسرع وأكثر دقة، ودعم أنظمة الإنذار المبكر.
وتشير UNESCO إلى أن تقنيات التعلم العميق (Deep Learning) أثبتت كفاءة متزايدة في نمذجة العمليات الهيدرولوجية المعقدة، خاصة عندما تُستخدم بالتكامل مع النماذج الفيزيائية التقليدية، وليس كبديل عنها (Moreno-Rodenas et al., 2025) (UNESCO).
4.2. الكشف المبكر عن التسربات في شبكات المياه
وفقًا للرابطة الدولية للمياه (IWA)، تُعد المياه غير المحاسَب عليها (Non-Revenue Water) من أكبر التحديات التي تواجه مرافق المياه في العديد من الدول، حيث تمثل خسائر اقتصادية وبيئية كبيرة.
وأصبح الذكاء الاصطناعي قادرًا على تحليل بيانات الضغط والتدفق والعدادات الذكية بصورة لحظية، لاكتشاف الأنماط غير الطبيعية التي تشير إلى وجود تسربات قبل ظهورها على السطح، مما يقلل زمن الاستجابة، ويخفض تكاليف الإصلاح، ويحسن كفاءة استخدام المياه. وتشير تقارير التحول الرقمي في قطاع المياه إلى أن هذا النوع من التطبيقات أصبح من أكثر مجالات الذكاء الاصطناعي نضجًا داخل مرافق المياه (World Bank).
4.3. تحسين تشغيل محطات معالجة وتحلية المياه
تستهلك محطات معالجة مياه الشرب والصرف الصحي، إضافة إلى محطات تحلية مياه البحر، كميات كبيرة من الطاقة، وهو ما يجعل تحسين التشغيل أولوية اقتصادية وبيئية.
ويمكن للذكاء الاصطناعي تحليل آلاف المتغيرات التشغيلية في الوقت الحقيقي، مثل معدلات التدفق، واستهلاك الطاقة، وجودة المياه الخام، وأداء المعدات، بهدف:
- تحسين كفاءة التشغيل.
- تقليل استهلاك الطاقة.
- دعم الصيانة التنبؤية.
- إطالة العمر التشغيلي للمعدات.
- تقليل تكاليف التشغيل.
وتؤكد UNESCO أن دمج الذكاء الاصطناعي مع أنظمة التحكم الصناعية يمثل أحد أهم الاتجاهات المستقبلية لرفع كفاءة البنية التحتية المائية، مع ضرورة المحافظة على الرقابة البشرية خاصة في المرافق الحيوية (UNESCO).
4.4. مراقبة جودة المياه
شهدت السنوات الأخيرة تطورًا ملحوظًا في استخدام الذكاء الاصطناعي لتحليل بيانات جودة المياه الواردة من أجهزة الاستشعار والأقمار الصناعية والطائرات المسيّرة.
فبدلًا من الاعتماد على القياسات الدورية فقط، أصبح بالإمكان تطوير أنظمة قادرة على التنبؤ بحدوث التلوث أو ازدهار الطحالب الضارة، ما يمنح الجهات المختصة فرصة للتدخل المبكر.
وفي أوروبا، يعمل مشروع OASIS على دمج الذكاء الاصطناعي مع بيانات برنامج Copernicus الأوروبي للاستشعار عن بعد، بهدف تطوير أدوات تشغيلية لمراقبة جودة المياه والنظم البيئية المائية ودعم تنفيذ السياسات البيئية الأوروبية (Deltares).
التطبيقات العالمية للذكاء الاصطناعي في إدارة الموارد المائية: من التجارب البحثية إلى التشغيل الفعلي
خلال العقد الماضي، انتقل استخدام الذكاء الاصطناعي في قطاع المياه من كونه موضوعًا بحثيًا إلى تطبيقات تشغيلية تستخدمها مرافق المياه، والهيئات الحكومية، والمؤسسات البحثية في عدد متزايد من الدول. وتوضح دراسة UNESCO وDeltares أن تطبيقات الذكاء الاصطناعي لم تعد تقتصر على تحليل البيانات، بل أصبحت جزءًا من منظومة اتخاذ القرار في إدارة المياه السطحية، والمياه الجوفية، والري، والطاقة الكهرومائية، وإدارة مخاطر الفيضانات والجفاف، وجودة المياه، وإدارة العلاقة بين المياه والطاقة والغذاء (Moreno-Rodenas et al., 2025) (UNESCO).
ورغم هذا التوسع، تؤكد الدراسة أن معظم التطبيقات التشغيلية الناجحة تشترك في ثلاثة عناصر رئيسية:
- توافر بيانات عالية الجودة ومستمرة.
- التكامل بين الخبرة الهيدرولوجية وعلوم البيانات.
- وجود أطر واضحة للحوكمة والشفافية وقابلية تفسير نتائج النماذج (Explainable AI) (UNESCO).
ومن أبرز التطبيقات العالمية للذكاء الاصطناعي في إدارة الموارد المائية
- الذكاء الاصطناعي والتحليل الجغرافي ومراقبة الموارد المائية عبر الأقمار الصناعية
تُستخدم منصات مثل Google Earth Engine لتحليل صور الأقمار الصناعية والبيانات الجغرافية باستخدام تقنيات الذكاء الاصطناعي والتعلم الآلي، بما يدعم مراقبة المسطحات المائية والخزانات، ورصد الجفاف والفيضانات، وتحليل التبخر-نتح، والتغيرات في استخدامات الأراضي وجودة المياه.
Google Earth Engine - التنبؤ بالفيضانات والإنذار المبكر
يمثل Google Flood Hub نموذجاً تطبيقيًا متقدمًا لاستخدام الذكاء الاصطناعي في التنبؤ بالفيضانات النهرية، وإنتاج خرائط الغمر وإتاحة تنبيهات مبكرة، مع إمكانية توفير توقعات تصل إلى عدة أيام مقدماً في المناطق المدعومة. Google Flood Hub
- نظم المعلومات الجغرافية والذكاء الاصطناعي لإدارة مرافق وشبكات المياه
توفر منصة ArcGIS من Esri بيئة متكاملة تجمع بين نظم المعلومات الجغرافية، والذكاء الاصطناعي والتعلم الآلي، والبيانات اللحظية، وإدارة الأصول، والتوائم الرقمية، ولوحات المعلومات؛ بما يدعم التخطيط والتشغيل وإدارة شبكات ومرافق المياه. Esri – Water Utilities
- الذكاء الاصطناعي ودعم الإدارة الزراعية لمياه الري
يمكن دمج أدوات منظمة الأغذية والزراعة للأمم المتحدة (FAO)، مثل AquaCrop وCROPWAT وETo Calculator، مع تقنيات الذكاء الاصطناعي لتحسين تقدير الاحتياجات المائية للمحاصيل، وجدولة الري، وتحسين كفاءة استخدام المياه في الزراعة. FAO – Land, Soil and Water Software
- تطوير نماذج ذكاء اصطناعي مخصصة لإدارة الموارد المائية
تتجه المؤسسات المتقدمة إلى تطوير نماذج ذكاء اصطناعي مخصصة تجمع بين بيانات الأقمار الصناعية، وإنترنت الأشياء وأجهزة الاستشعار، والطقس، والمياه الجوفية، والزراعة، والاستهلاك المائي، ونظم المعلومات الجغرافية، بهدف التنبؤ بالطلب على المياه، ورصد التسربات، والتنبؤ بالجفاف، وتحسين تخصيص الموارد ودعم اتخاذ القرار. ويمكن تطوير هذه النماذج باستخدام أطر مثل TensorFlow وPyTorch. TensorFlow
6. دراسات حالة دولية وعربية
6.1. هولندا: دمج الذكاء الاصطناعي مع النماذج الهيدرولوجية
تُعد هولندا من الدول الرائدة في دمج الذكاء الاصطناعي مع النماذج الهيدرولوجية التقليدية لتحسين التنبؤ بمستويات المياه والأمطار ودعم إدارة مخاطر الفيضانات. وتعمل Deltares على تطوير نماذج تعتمد على التعلم الآلي يمكنها تسريع عمليات التنبؤ وتحليل السيناريوهات، مع الحفاظ على دور النماذج الفيزيائية والخبرة الهيدرولوجية. (deltares.nl)
6.2. الإمارات العربية المتحدة: العدادات الذكية وكفاءة استخدام المياه
تمثل الإمارات نموذجاً عربيًا متقدمًا في توظيف الذكاء الاصطناعي والتحول الرقمي في إدارة المياه. ففي أبوظبي، أُطلق مشروع العدادات الذكية (Smart Meter Project) لدمج العدادات الذكية المدعومة بالذكاء الاصطناعي مع المنصات الرقمية، بهدف تحسين مراقبة استهلاك المياه في القطاع الزراعي وتوفير بيانات آنية تساعد على رفع كفاءة الاستخدام. كما تتجه الإمارة إلى توظيف الذكاء الاصطناعي والبيانات الجغرافية المكانية لدعم الإدارة المستدامة للمياه. (doe.gov.ae)
6.3. السعودية: الذكاء الاصطناعي للكشف عن تسربات المياه
تشهد السعودية اهتمامًا متزايدًا بتطبيق الذكاء الاصطناعي في شبكات المياه. وتناولت دراسة حديثة إطارًا يعتمد على الذكاء الاصطناعي القابل للتفسير (Explainable AI) للكشف عن تسربات المياه في شبكات التوزيع الحضرية، مع التركيز على تفسير نتائج النموذج وليس فقط اكتشاف التسرب. وتمثل الدراسة نموذجاً بحثياً تطبيقياً واعداً، وليس دليلاً على تطبيق وطني واسع النطاق. (mdpi.com)
المنطقة العربية: التحديات والفرص في توظيف الذكاء الاصطناعي لإدارة الموارد المائية
تمثل المنطقة العربية واحدة من أكثر مناطق العالم معاناة من ندرة المياه، إذ تضم عددًا كبيرًا من الدول التي يقل فيها نصيب الفرد من الموارد المائية المتجددة عن حد الفقر المائي البالغ 1000 متر مكعب للفرد سنويًا، بينما تقع عدة دول دون 500 متر مكعب للفرد سنوياً، وهو ما يُصنف ضمن الندرة المطلقة للمياه (FAO, 2024؛ UNESCO, 2024)، وفي الوقت نفسه، تواجه المنطقة ضغوطاً متزايدة نتيجة النمو السكاني، والتوسع العمراني، وارتفاع درجات الحرارة، وزيادة تكرار موجات الجفاف والظواهر المناخية المتطرفة، الأمر الذي يجعل تحسين كفاءة إدارة الموارد المائية ضرورة استراتيجية وليست خيارًا تنمويًا.
وفي هذا السياق، يوفر الذكاء الاصطناعي فرصة حقيقية لإحداث تحول في إدارة المياه، إلا أن نجاح هذا التحول يعتمد على قدرة الدول العربية على معالجة عدد من التحديات المؤسسية والتقنية، بالتوازي مع الاستثمار في البنية الرقمية وبناء القدرات.
- الفرص
أولًا: تحسين كفاءة استخدام المياه في الزراعة
يستهلك القطاع الزراعي ما يقرب من 80-85% من إجمالي المياه المسحوبة في معظم الدول العربية، وهي نسبة تفوق المتوسط العالمي بصورة ملحوظة (FAO AQUASTAT, 2024). ومن ثم، فإن أي تحسن في كفاءة الري ستكون له آثار مباشرة على الأمن المائي والغذائي.
يمكن للذكاء الاصطناعي دمج بيانات الأقمار الصناعية، وأجهزة استشعار رطوبة التربة، والتنبؤات الجوية، واحتياجات المحاصيل لإنتاج جداول ري ديناميكية تقلل فاقد المياه وتحافظ على الإنتاجية، وهو ما أثبت نجاحه في عدد من التجارب الدولية.
ثانيًا: الإدارة المستدامة للمياه الجوفية
تعتمد العديد من الدول العربية بصورة كبيرة على المياه الجوفية، بينما تواجه بعض الأحواض الجوفية معدلات استنزاف تتجاوز معدلات التغذية الطبيعية.
ويمكن للذكاء الاصطناعي، عند دمجه مع بيانات الاستشعار عن بعد ونماذج المياه الجوفية، أن يسهم في:
- تقدير معدلات السحب الفعلية.
- رصد التغير في المخزون الجوفي.
- تحديد المناطق الأكثر تعرضًا للاستنزاف.
- دعم قرارات تخصيص المياه.
وتشير UNESCO وDeltares (2025) إلى أن هذا المجال يعد من أكثر المجالات الواعدة لتطبيقات الذكاء الاصطناعي في إدارة الموارد المائية.
ثالثًا: دعم قطاع تحلية المياه
تنتج الدول العربية، وخاصة دول الخليج، نسبة كبيرة من المياه المحلاة عالميًا. ومع ارتفاع تكاليف الطاقة والتشغيل، يتيح الذكاء الاصطناعي فرصًا لتحسين تشغيل محطات التحلية، وتقليل استهلاك الطاقة، وتنفيذ الصيانة التنبؤية، وتحسين جودة المياه المنتجة.
رابعًا: أنظمة الإنذار المبكر
تشهد المنطقة العربية تزايدًا في مخاطر السيول المفاجئة والجفاف نتيجة تغير المناخ. ويساعد دمج الذكاء الاصطناعي مع بيانات الأرصاد الجوية والاستشعار عن بعد في تطوير أنظمة إنذار مبكر أكثر دقة، بما يدعم حماية الأرواح والبنية التحتية وتحسين الاستجابة للطوارئ (WMO, 2023).
- التحديات
ورغم هذه الفرص، فإن تبني الذكاء الاصطناعي في قطاع المياه يواجه عددًا من التحديات الهيكلية.
محدودية البيانات
تعتمد تطبيقات الذكاء الاصطناعي على بيانات دقيقة ومستمرة، إلا أن العديد من مؤسسات المياه في المنطقة لا تزال تواجه تحديات تتعلق بتكامل قواعد البيانات، وتفاوت جودة البيانات، وغياب التحديث المستمر.
ضعف البنية الرقمية
لا تزال بعض شبكات المياه تفتقر إلى العدادات الذكية، وأجهزة الاستشعار، وأنظمة المراقبة اللحظية، وهي عناصر أساسية لتغذية نماذج الذكاء الاصطناعي بالبيانات اللازمة.
نقص الكفاءات
يتطلب التحول الرقمي توافر كوادر تجمع بين علوم المياه، والهيدرولوجيا، وعلوم البيانات، والذكاء الاصطناعي، وهو تخصص متعدد المجالات لا يزال محدودًا في العديد من المؤسسات.
حوكمة البيانات
تؤكد UNESCO (2025) أن جودة البيانات، والشفافية، وقابلية تفسير النماذج، وحماية الخصوصية، تمثل جميعها عناصر أساسية لضمان الاستخدام المسؤول للذكاء الاصطناعي في قطاع المياه، خاصة عند استخدامه لدعم القرارات ذات الأثر الاقتصادي والاجتماعي الكبير.
التمويل والاستدامة
رغم انخفاض تكلفة تقنيات الذكاء الاصطناعي نسبيًا مقارنة ببعض الاستثمارات التقليدية، فإن التحول الرقمي يتطلب استثمارات أولية في البنية التحتية، وتحديث الأنظمة، وبناء القدرات، وهو ما قد يمثل تحديًا لبعض المؤسسات.
الخاتمة
لم يعد الذكاء الاصطناعي يمثل خيارًا مستقبليًا في إدارة الموارد المائية، بل أصبح أحد العناصر الأساسية في التحول نحو إدارة أكثر كفاءة ومرونة واستدامة. ومع ذلك، فإن نجاح هذه التقنيات لا يقاس بعدد الخوارزميات أو التطبيقات المستخدمة، وإنما بقدرتها على تحسين جودة القرارات، وتعزيز كفاءة استخدام الموارد، وزيادة قدرة المؤسسات على التكيف مع المخاطر المناخية.
وبالنسبة للمنطقة العربية، فإن القيمة الحقيقية للذكاء الاصطناعي تكمن في توظيفه لمعالجة التحديات الأكثر إلحاحاً، مثل تحسين كفاءة الري، والحد من فاقد المياه، وإدارة المياه الجوفية، وتعزيز أنظمة الإنذار المبكر، وليس في استنساخ تجارب قد لا تتناسب مع الخصائص البيئية والاجتماعية والاقتصادية للمنطقة.
و يعتمد مستقبل الذكاء الاصطناعي في إدارة الموارد المائية على تكنولوجيا ملائمة تكون ميسورة التكلفة، وقابلة للإدارة محليًا، ومستدامة من حيث التشغيل والصيانة.
وتؤمن سيداري بأن التحول الرقمي في قطاع المياه يجب أن يقوم على مبدأ “البيانات الموثوقة، والتكنولوجيا المسؤولة، والمؤسسات القادرة“. فمن خلال الاستثمار في البيانات، وبناء القدرات، وتعزيز الحوكمة، وتوسيع التعاون الإقليمي، يمكن للدول العربية أن تستفيد من إمكانات الذكاء الاصطناعي ليس فقط لتحسين إدارة المياه، بل أيضاً لتعزيز الأمن المائي ودعم أهداف التنمية المستدامة في مواجهة التحديات المستقبلية.
المراجع
- Food and Agriculture Organization of the United Nations. (2024). AQUASTAT Database. FAO. https://www.fao.org/aquastat
- International Water Association. (2024). Artificial Intelligence in Urban Water Systems. IWA Publishing. https://iwa-network.org/
- International Water Association. (2025). GenAI and Agentic AI for Water Utilities: An IWA White Paper. IWA Publishing. https://iwa-network.org/
- Moreno-Rodenas, A., Solomatine, D., van der Ploeg, M., et al. (2025). Applications of Artificial Intelligence for Water Management. UNESCO–Deltares. https://doi.org/10.54677/VGVL7976
- Organisation for Economic Co-operation and Development. (2024). Digital Water: Digital Transformation to Improve Water Services. OECD Publishing. https://www.oecd.org/water/
- UNESCO. (2024). United Nations World Water Development Report 2024: Water for Prosperity and Peace. UNESCO. https://www.unesco.org/reports/wwdr/2024
- World Meteorological Organization. (2023). State of Climate Services 2023: Water. WMO. https://library.wmo.int/
- International Water Management Institute. (2024). Strategic Plan 2024–2030. IWMI. https://www.iwmi.org/
- Deltares. (2025). Artificial Intelligence for Sustainable Water Management. Deltares. https://www.deltares.nl/
- FAO. (2024). AQUASTAT Database. Food and Agriculture Organization of the United Nations. https://www.fao.org/aquastat
- Moreno-Rodenas, A., et al. (2025). Applications of Artificial Intelligence for Water Management. UNESCO & Deltares. https://doi.org/10.54677/VGVL7976
- UNESCO. (2024). United Nations World Water Development Report 2024: Water for Prosperity and Peace.
- WMO. (2023). State of Climate Services: Water. https://library.wmo.int/
