3

1. ملخص تنفيذي

برز الانتقال من النموذج الخطي “الاستخراج-التصنيع-التخلص” إلى الاقتصاد الدائري كأولوية لمعالجة التحديات العالمية المتعلقة بنضوب الموارد، وتوليد النفايات، وتغير المناخ. على الرغم من الاهتمام المتزايد بالسياسات والتزامات الصناعة، لا يزال الاقتصاد العالمي خطياً إلى حد كبير، مع بقاء معدلات إعادة تدوير المواد منخفضة (تقرير الفجوة الدائرية، 2024). إن أحد القيود الرئيسية التي تكمن وراء هذه الفجوة ليس تكنولوجياً أو اقتصادياً فحسب، بل هو قيد معلوماتي؛ فالأنظمة الدائرية تتطلب مستويات عالية من رؤية البيانات، والتنسيق، والتحسين عبر سلاسل القيمة المعقدة.

يُنظر بشكل متزايد إلى الذكاء الاصطناعي (AI) وعلوم البيانات كعوامل تمكين لتوسيع نطاق الاقتصاد الدائري. من خلال تحويل تدفقات المواد المجزأة وغير الواضحة إلى بيانات منظمة وقابلة للتنفيذ، تتيح هذه التقنيات استخداماً أكثر كفاءة للموارد، وتطيل دورات حياة المنتجات، وتحسن نتائج الاسترداد وإعادة التدوير. تدعم القدرات المدفوعة بالذكاء الاصطناعي – مثل التحليلات التنبؤية، والرؤية الحاسوبية، وخوارزميات التحسين – التدخلات الدائرية عبر دورة الحياة بأكملها، بدءاً من تصميم المنتج وابتكار المواد وصولاً إلى سلاسل التوريد الذكية وأنظمة إدارة النفايات المتقدمة (المنتدى الاقتصادي العالمي، 2026).

أحد أكثر التطورات تحولاً في هذا المجال هو ظهور البنى التحتية الرقمية مثل جوازات المنتجات الرقمية (DPPs)، والتي تتيح التتبع وتوحيد البيانات على مستوى المنتج. بالاقتران مع تقنيات مثل إنترنت الأشياء (IoT) والسجلات الموزعة، توفر جوازات المنتجات الرقمية العمود الفقري للبيانات اللازم لأنظمة الذكاء الاصطناعي لتعمل بفعالية في النظم البيئية الدائرية. تتماشى هذه التطورات مع الجهود العالمية الأوسع نحو “تحول مزدوج” يدمج الابتكار الرقمي مع أهداف الاستدامة (لجنة الأمم المتحدة الاقتصادية لأوروبا، بدون تاريخ).

ومع ذلك، فإن نشر الذكاء الاصطناعي في أنظمة الاقتصاد الدائري يطرح أيضاً تحديات. تشمل هذه التحديات صوامع البيانات (عزلة البيانات)، ونقص معايير قابلية التشغيل البيني، وارتفاع تكاليف الاستثمار الأولية، والبصمة البيئية للبنية التحتية الرقمية نفسها. تتطلب معالجة هذه العوائق إجراءات منسقة عبر الحكومات والصناعة والمنظمات الدولية، بما في ذلك تطوير الأطر التنظيمية، والاستثمار في البنية التحتية الرقمية، وإنشاء معايير بيانات عالمية.
يبحث هذا التقرير في كيفية تسريع الذكاء الاصطناعي وعلوم البيانات للانتقال نحو الأنظمة الدائرية من خلال معالجة الاختناقات المعلوماتية الأساسية. ويقدم تحليلاً للتطبيقات الرئيسية عبر سلاسل القيمة، ويسلط الضوء على أفضل الممارسات العالمية الناشئة، ويقيم الفرص والتحديات داخل المنطقة العربية. يختتم التقرير بتوصيات استراتيجية تهدف إلى تمكين اقتصاد دائري قابل للتوسع وقائم على البيانات من خلال ابتكار السياسات، والتبني التكنولوجي، والتعاون عبر القطاعات.

2. مقدمة: الاقتصاد الدائري كمعضلة معلوماتية

يُنظر بشكل متزايد إلى الانتقال العالمي نحو الاقتصاد الدائري كأمر أساسي لمعالجة الأزمات المترابطة المتمثلة في نضوب الموارد، والتدهور البيئي، وتغير المناخ. ومع ذلك، وعلى الرغم من الزخم المتزايد في السياسات والالتزامات المؤسسية، لا يزال الاقتصاد العالمي خطياً بشكل ساحق. لا يتم إعادة تدوير سوى جزء صغير من المواد المستخرجة إلى الاقتصاد، حيث لا تزال الغالبية العظمى تتبع مسار “الاستخراج-التصنيع-التخلص” (برنامج الأمم المتحدة الإنمائي، 2023). يسلط هذا الخلل المستمر الضوء على قصور هيكلي في كيفية إدارة الأنظمة الاقتصادية الحديثة لقيمة المواد والحفاظ عليها.

في جوهر هذا التحدي لا يوجد فقط عدم كفاءة مادية في أنظمة الإنتاج والاستهلاك، بل فجوة معلوماتية أساسية. يعتمد الاقتصاد الدائري على القدرة على تتبع وفهم وتحسين تدفقات المواد عبر سلاسل القيمة العالمية المعقدة والمجزأة. من الناحية العملية، ومع ذلك، غالباً ما تكون البيانات المتعلقة بالمواد غير مكتملة أو غير متسقة أو غير متاحة تماماً بمجرد انتقال المنتجات عبر جهات فاعلة ومناطق جغرافية ومراحل تحويل متعددة (برنامج الأمم المتحدة للبيئة، 2019).
يخلق هذا النقص في الرؤية ما يمكن وصفه بسلاسل توريد “غامضة”، حيث لا يُعرف بشكل موثوق لا الأصل ولا التركيب ولا مسارات نهاية العمر الافتراضي. يمثل عدم تماثل المعلومات هذا عنق زجاجة رئيسياً أمام توسيع نطاق الأنظمة الدائرية. بدون بيانات دقيقة وقابلة للتشغيل البيني، يصبح من الصعب تمكين إعادة الاستخدام، أو إعادة التصنيع، أو إعادة التدوير، أو الاسترداد عالي القيمة للمواد.

ونتيجة لذلك، تظل الأنظمة الاقتصادية محاصرة في أوجه القصور الخطية، حيث يتم التخلص من الموارد القيمة قبل الأوان بدلاً من إعادة دمجها في دورات الإنتاج. وهذا يعزز الحاجة إلى التحول من النماذج الصناعية التقليدية نحو أنظمة ذكاء دائري مدعومة بالبيانات، حيث يتم مراقبة تدفقات المواد وتحليلها وتحسينها بشكل مستمر.

وفي هذا السياق، يمثل الذكاء الاصطناعي (AI) وعلم البيانات تحولاً هيكلياً وليس مجرد تحسين هامشي. تُمكّن هذه التقنيات من تحويل البيانات المجزأة وغير المهيكلة إلى رؤى قابلة للتنفيذ، مما يسمح بتحسين تدفقات الموارد بشكل تنبؤي وتكيفي وعلى مستوى النظام ككل (برنامج الأمم المتحدة للبيئة، 2024). وبالتالي، فإن الانتقال من أوجه القصور الخطية إلى الذكاء الدائري هو في الأساس انتقال من أنظمة منخفضة المعلومات إلى أنظمة عالية المعلومات، حيث تكون القرارات مدفوعة ببيانات الوقت الفعلي والرؤية على مستوى النظام.

يهدف هذا التقرير إلى دراسة كيف يمكن للذكاء الاصطناعي وعلم البيانات تمكين هذا التحول. وعلى وجه التحديد، يستكشف التقرير كيف يمكن لهذه التقنيات معالجة القيود الأساسية للأنظمة الدائرية الحالية من خلال تحسين تتبع المواد، وتمكين إدارة الموارد التنبؤية، وتحسين قرارات دورة الحياة عبر سلاسل التوريد. ومن خلال القيام بذلك، يضع التقرير الذكاء الاصطناعي ليس مجرد أداة تشغيلية، بل كممكن أساسي للتحسين الدائري على مستوى النظام.

3. رابط البيانات والدائرية (إطار تحليلي)

إن الانتقال من الأنظمة الخطية إلى الأنظمة الدائرية ليس مجرد تحول في تدفقات المواد، بل هو تحول جوهري في كيفية توليد المعلومات ومشاركتها واستخدامها. وكما تم توضيحه في القسم السابق، تتميز الأنظمة الاقتصادية الحالية ببيانات مجزأة ومنخفضة الجودة، مما يحد من القدرة على تتبع استخدام الموارد وتحسينه. في المقابل، تتطلب الأنظمة الدائرية مستويات عالية من دقة البيانات وشفافيتها وقابليتها للتشغيل البيني لتعمل بفعالية.

وفي هذا السياق، فإن الانتقال من أوجه القصور الخطية إلى الذكاء الدائري هو في الأساس انتقال من أنظمة منخفضة المعلومات إلى أنظمة عالية المعلومات، حيث تكون القرارات مدفوعة بشكل متزايد ببيانات الوقت الفعلي والرؤية على مستوى النظام. يلعب الذكاء الاصطناعي (AI) وعلم البيانات دوراً محورياً في تمكين هذا التحول من خلال تحويل مجموعات البيانات المعقدة والمجزأة إلى رؤى قابلة للتنفيذ تدعم اتخاذ القرارات الدائرية.

3.1 الأنظمة الدائرية كأنظمة بيانات

في جوهرها، يمكن فهم أنظمة الاقتصاد الدائري على أنها أنظمة بيانات. فكل تدفق مادي للمواد – سواء كانت مدخلات خام، أو سلعاً وسيطة، أو منتجات في نهاية عمرها الافتراضي – يصاحبه تدفق أساسي من البيانات. ويشمل ذلك معلومات حول تكوين المواد، والأصل، والملكية، وأنماط الاستخدام، ومسارات نهاية العمر الافتراضي.

في الأنظمة الخطية، تكون تدفقات البيانات هذه عادةً غير مكتملة أو غير مترابطة، مما يؤدي إلى رؤية محدودة عبر دورة حياة المنتج. ومع ذلك، تعتمد الأنظمة الدائرية على القدرة على التقاط البيانات وتحديثها ومشاركتها باستمرار عبر جهات فاعلة متعددة داخل سلسلة القيمة. وهذا يتيح اتخاذ قرارات أكثر استنارة فيما يتعلق بإعادة الاستخدام، والإصلاح، وإعادة التصنيع، وإعادة التدوير.

يتم التأكيد على أهمية البيانات في تمكين كفاءة الموارد وإدارة دورة الحياة من قبل برنامج الأمم المتحدة للبيئة، الذي يسلط الضوء على أن تحسين توافر البيانات ورصدها أمر بالغ الأهمية للإدارة المستدامة للموارد واتخاذ القرارات البيئية (برنامج الأمم المتحدة للبيئة، 2024). وبدون هذه البنية التحتية للبيانات، تظل الاستراتيجيات الدائرية مقيدة بعدم اليقين وعدم الكفاءة.

3.2 طبقات البيانات الرئيسية في الاقتصاد الدائري

لتفعيل الأنظمة الدائرية، من المفيد التمييز بين عدة طبقات بيانات رئيسية تمكّن بشكل جماعي الرؤية والتحسين على مستوى النظام:

• بيانات مستوى المنتج:
  تتضمن معلومات مفصلة حول تكوين المواد، ومواصفات التصميم، والمتانة، وقابلية الإصلاح. تعد هذه البيانات ضرورية لتمكين إعادة الاستخدام وإعادة التصنيع وإعادة التدوير، وتشكل الأساس للأدوات الناشئة مثل جوازات سفر المنتجات الرقمية.
• بيانات سلسلة التوريد:
  تتبع حركة المنتجات والمواد عبر مختلف الجهات الفاعلة والمناطق الجغرافية. ويشمل ذلك بيانات الخدمات اللوجستية، وعمليات نقل الملكية، وعمليات التحويل. تعد زيادة شفافية سلسلة التوريد أمراً بالغ الأهمية لتحديد أوجه القصور وتمكين الخدمات اللوجستية العكسية.
• البيانات البيئية:
   تلتقط مقاييس مثل استخدام الطاقة، والانبعاثات، واستهلاك المياه، وتوليد النفايات عبر دورة الحياة. تتيح هذه البيانات تقييم وتحسين الآثار البيئية المرتبطة باستراتيجيات دائرية مختلفة.
• بيانات الاستخدام والسلوك:
   يتم توليدها من خلال الأجهزة المتصلة والمنصات الرقمية، وتوفر هذه البيانات رؤى حول كيفية استخدام المنتجات وصيانتها والتخلص منها. وهي ذات صلة بشكل خاص لتمكين نماذج المنتج كخدمة والصيانة التنبؤية.

لا يزال دمج طبقات البيانات هذه يمثل تحدياً كبيراً بسبب قضايا مثل صوامع البيانات (عزلة البيانات)، ونقص التقييس، ومحدودية قابلية التشغيل البيني. إن معالجة هذه التحديات ضرورية لبناء النظم البيئية للبيانات المطلوبة للأنظمة الدائرية.

3.3 دور الذكاء الاصطناعي في هذا النظام

يعمل الذكاء الاصطناعي وعلم البيانات كمحرك تحليلي داخل أنظمة البيانات الدائرية. بينما توفر البيانات الرؤية، يُمكّن الذكاء الاصطناعي التفسير والتنبؤ والتحسين على نطاق واسع.

وعلى وجه التحديد، يمكن لتقنيات الذكاء الاصطناعي:

• معالجة وهيكلة كميات كبيرة من البيانات المجزأة من مصادر متعددة
• تحديد الأنماط وأوجه القصور في تدفقات المواد والموارد
• تمكين التحليلات التنبؤية، مثل التنبؤ بالطلب، ومعدلات الفشل، وتوليد النفايات
• دعم التحسين في الوقت الفعلي لسلاسل التوريد، وأنظمة الإنتاج، وعمليات استرداد الموارد

وفقاً لبرنامج الأمم المتحدة للبيئة، يمتلك الذكاء الاصطناعي القدرة على تعزيز اتخاذ القرارات البيئية من خلال تمكين استخدام أكثر كفاءة للموارد وتحسين الرصد والتحسين على مستوى النظام ككل (برنامج الأمم المتحدة للبيئة، 2024).

وبهذا المعنى، لا يعمل الذكاء الاصطناعي بشكل مستقل ولكنه يعتمد على بنية تحتية قوية للبيانات. وبالتالي، فإن فعالية الحلول الدائرية القائمة على الذكاء الاصطناعي تعتمد بشكل مباشر على توافر البيانات وجودتها وقابليتها للتشغيل البيني عبر الأنظمة.

في نهاية المطاف، يُمكّن الذكاء الاصطناعي التحول نحو الذكاء الدائري، حيث تكون القرارات مستنيرة بتدفقات البيانات المستمرة والرؤى على مستوى النظام بدلاً من التدخلات المعزولة أو التفاعلية. يتماشى هذا بشكل مباشر مع هدف هذا التقرير، وهو دراسة كيف يمكن للذكاء الاصطناعي وعلوم البيانات تمكين التحسين الدائري على مستوى النظام من خلال تحويل المعلومات المجزأة إلى رؤى قابلة للتنفيذ.

4. الذكاء الاصطناعي في تصميم المنتجات الدائرية وابتكار المواد

يقع تصميم المنتج في الطرف الأول من سلسلة القيمة وله تأثير غير متناسب على نتائج الدائرية. القرارات المتخذة في مرحلة التصميم – فيما يتعلق باختيار المواد، وهيكل المنتج، والمتانة، ومسارات نهاية العمر – تحدد إلى حد كبير ما إذا كان يمكن إعادة استخدام المنتجات أو إصلاحها أو إعادة تصنيعها أو إعادة تدويرها. بهذا المعنى، يعد دمج الدائرية في عمليات التصميم أمراً ضرورياً للتحول من أوجه القصور الخطية نحو أنظمة الذكاء الدائري.

يعمل الذكاء الاصطناعي (AI) وعلوم البيانات بشكل متزايد على تغيير كيفية تصميم المنتجات وتطوير المواد. من خلال تمكين المحاكاة والتحسين والاكتشاف القائم على البيانات، تسمح هذه التقنيات للمصممين والمهندسين بتجاوز الأساليب الثابتة القائمة على الخبرة نحو عمليات تصميم ديناميكية وتنبؤية وواعية بالنظام.

4.1 التصميم التوليدي والمدعوم بالذكاء الاصطناعي

تستخدم أدوات التصميم التوليدي والمدعوم بالذكاء الاصطناعي خوارزميات لتوليد وتقييم تكوينات تصميم متعددة تلقائياً بناءً على معايير وقيود محددة مسبقاً. قد تشمل هذه المعايير كفاءة المواد، والأداء الهيكلي، والمتانة، والأثر البيئي.

في سياق الدائرية، يمكن للتصميم المدعوم بالذكاء الاصطناعي القيام بما يلي:

• تحسين المنتجات من حيث طول العمر والمتانة، مما يقلل الحاجة إلى الاستبدال المتكرر
• تمكين التصميم المعياري، مما يسمح بإصلاح المكونات أو استبدالها بسهولة
• تقليل استخدام المواد من خلال خفة الوزن والتحسين الهيكلي
• محاكاة تأثيرات دورة الحياة الكاملة، بما في ذلك سيناريوهات إعادة الاستخدام وإعادة التدوير

من خلال الاستفادة من مجموعات البيانات الكبيرة وقدرات المحاكاة، يسمح الذكاء الاصطناعي للمصممين بتوقع كيفية أداء المنتجات عبر دورة حياتها بالكامل، بدلاً من التحسين لمرحلة واحدة فقط مثل الإنتاج. يمثل هذا تحولاً من التصميم من أجل الكفاءة إلى التصميم من أجل الدائرية، حيث يتم إنشاء المنتجات عمداً للحفاظ على قيمتها بمرور الوقت.

يسلط برنامج الأمم المتحدة للبيئة الضوء على أن التقنيات الرقمية، بما في ذلك الذكاء الاصطناعي، يمكن أن تدعم أنظمة إنتاج واستهلاك أكثر كفاءة في استخدام الموارد من خلال تمكين عمليات تصميم واتخاذ قرار أكثر استنارة (UNEP, 2024).

4.2 الذكاء الاصطناعي في اكتشاف المواد

يعد اختيار المواد محدداً حاسماً للدائرية، حيث يؤثر على قابلية إعادة التدوير، والأثر البيئي، وجدوى عمليات الاسترداد. غالباً ما تكون عمليات تطوير المواد التقليدية كثيفة الوقت والموارد، وتعتمد على التجربة والخطأ.

يعمل الذكاء الاصطناعي على تغيير هذه العملية من خلال تسريع اكتشاف المواد والابتكار عبر أساليب تعتمد على البيانات. يمكن لنماذج التعلم الآلي تحليل مجموعات بيانات ضخمة لخصائص المواد من أجل:

• تحديد مواد بديلة ذات قابلية أفضل لإعادة التدوير أو أثر بيئي أقل
• تسريع تطوير المواد القابلة للتحلل الحيوي أو القائمة على أساس حيوي
• تحسين تركيبات المواد من أجل المتانة وإعادة الاستخدام
• التنبؤ بسلوك المواد في ظل ظروف مختلفة، مما يقلل الحاجة إلى الاختبارات الفيزيائية

تقلل هذه القدرات بشكل كبير من الوقت والتكلفة المرتبطين بالبحث والتطوير في مجال المواد مع تمكين اكتشاف مواد أكثر ملاءمة للأنظمة الدائرية.

وفقاً لمنظمة الأمم المتحدة للتنمية الصناعية، يعد الابتكار في المواد وعمليات الإنتاج – المدعوم بالتقنيات الرقمية – أمراً ضرورياً لتعزيز أنظمة صناعية مستدامة وفعالة في استخدام الموارد (UNIDO, 2022).

4.3 التصميم لنماذج الأعمال الدائرية

يلعب الذكاء الاصطناعي وعلوم البيانات دوراً حاسماً ليس فقط في تصميم المنتج، ولكن أيضاً في تمكين نماذج الأعمال الدائرية التي تعتمد على تدفقات البيانات المستمرة وإدارة دورة الحياة. من أبرز هذه النماذج نموذج “المنتج كخدمة” (PaaS)، حيث يدفع العملاء مقابل الوصول أو الأداء بدلاً من امتلاك المنتج بالكامل.

بموجب هذا النموذج، يحتفظ المصنعون بملكية المنتجات ويكونون مسؤولين عن صيانتها وأدائها وإدارتها في نهاية عمرها الافتراضي. يغير هذا الحوافز بشكل جذري: فبدلاً من تعظيم حجم المبيعات، يتم تشجيع الشركات على تصميم منتجات متينة وقابلة للإصلاح وفعالة في استخدام الموارد، لأن هذه الخصائص تؤثر بشكل مباشر على الربحية طويلة الأجل.

يعمل الذكاء الاصطناعي وعلوم البيانات على تمكين التشغيل الفعال لهذه النماذج من خلال:

• مراقبة استخدام المنتج من خلال الأجهزة المتصلة (إنترنت الأشياء)
• تمكين الصيانة التنبؤية، مما يقلل من وقت التوقف عن العمل ويطيل عمر المنتج
• تحسين استخدام الأصول والأداء عبر المستخدمين
• دعم الخدمات اللوجستية العكسية وقرارات الاسترداد في نهاية العمر الافتراضي

تحول هذه القدرات المنتجات إلى أصول مولدة للبيانات، مما يسمح للشركات بتحسين الأداء وكفاءة الموارد باستمرار بمرور الوقت.

وفقاً للمنتدى الاقتصادي العالمي، تعد التقنيات الرقمية مثل الذكاء الاصطناعي وإنترنت الأشياء عوامل تمكين رئيسية لنماذج أعمال جديدة تفصل خلق القيمة الاقتصادية عن استهلاك الموارد، لا سيما من خلال تحسين استخدام الأصول وإطالة دورات حياة المنتجات (World Economic Forum, 2026).

في هذا السياق، تتجاوز أولويات التصميم السمات المادية لتشمل تكامل البيانات، والاتصال، وإمكانية التتبع عبر دورة الحياة. يجب تصميم المنتجات ليس فقط للاستخدام، ولكن للمراقبة المستمرة والصيانة والاسترداد داخل الأنظمة الدائرية.

5. سلاسل التوريد الدائرية الذكية:

 تستخدم سلاسل التوريد الدائرية المدعومة بالذكاء الاصطناعي بيانات الوقت الفعلي والأنظمة التنبؤية لتحسين كيفية تحرك المواد والمنتجات والأصول عبر دورة حياتها. على عكس سلاسل التوريد التقليدية، التي تتسم بالخطية والتفاعلية، فإن سلاسل التوريد الدائرية الذكية هي أنظمة تكيفية تعمل باستمرار على تحسين تدفقات الموارد والمنتجات والمعلومات.

5.1 الصيانة التنبؤية وإطالة دورة الحياة

تستخدم الصيانة التنبؤية الذكاء الاصطناعي وبيانات إنترنت الأشياء لتوقع الوقت المحتمل لتعطل المعدات أو المنتجات، مما يسمح بالتدخل قبل وقوع العطل.

بدلاً من إصلاح الأصول بعد فشلها، تقوم الأنظمة بما يلي:

• مراقبة الاستخدام والأداء في الوقت الفعلي
• توقع أنماط التآكل والتدهور
• جدولة الصيانة بشكل استباقي

وهذا يطيل من عمر المنتج ويقلل من الاستبدال المبكر. تشير وكالة الطاقة الدولية إلى أن المراقبة الرقمية والأنظمة التنبؤية تعمل على تحسين الكفاءة الصناعية بشكل كبير من خلال تقليل وقت التوقف عن العمل وإطالة عمر الأصول (IEA, 2017)

5.2 التنبؤ بالطلب وكفاءة الموارد

يعمل التنبؤ بالطلب المدعوم بالذكاء الاصطناعي على تحسين الاقتصاد الدائري من خلال تقليل الإفراط في الإنتاج وهدر المواد.

يعتمد التنبؤ التقليدي على المتوسطات التاريخية، بينما تقوم نماذج الذكاء الاصطناعي بما يلي:

• تحليل أنماط الاستهلاك في الوقت الفعلي
• دمج المتغيرات الخارجية (الموسمية، تحولات السلوك، صدمات العرض)
• تحديث التوقعات بشكل مستمر

وهذا يمكّن الشركات من مواءمة الإنتاج بشكل أوثق مع الطلب الفعلي، مما يقلل من المخزون الفائض واستخراج الموارد غير الضروري.

تؤكد منظمة التعاون الاقتصادي والتنمية أن التنبؤ القائم على البيانات والأدوات الرقمية هما مفتاح تحسين كفاءة الموارد في أنظمة الإنتاج (OECD, 2024).

5.3 تحسين الخدمات اللوجستية العكسية

تشير الخدمات اللوجستية العكسية إلى حركة المنتجات والمواد من المستهلكين عائدةً إلى أنظمة الإنتاج (لإعادة الاستخدام أو الإصلاح أو إعادة التدوير).

يعمل الذكاء الاصطناعي على تحسين هذه العملية من خلال:

• تحسين مسارات الجمع
• تحديد مسارات الاسترداد المجدية اقتصاديًا
• مطابقة المنتجات المرتجعة مع مرافق التجديد أو إعادة التدوير

وهذا يقلل من تكاليف النقل والانبعاثات وعدم كفاءة المعالجة. يشير البنك الدولي إلى أن الأنظمة اللوجستية الرقمية تعزز بشكل كبير كفاءة استرداد النفايات والموارد في الأنظمة الحضرية والصناعية (World Bank, 2026).

5.4 رسم خرائط الموارد الديناميكية

يستخدم رسم خرائط الموارد الديناميكي الذكاء الاصطناعي والبيانات المكانية لتتبع أماكن وجود المواد وتيارات النفايات والموارد الثانوية بشكل مستمر وكيفية إعادة استخدامها.

وهو يتيح:

• تحديد توافر الموارد في الوقت الفعلي
• مطابقة مخرجات النفايات مع المدخلات الصناعية (التكافل الصناعي)
• تقليل الاعتماد على المواد الخام

وهذا يحول تيارات النفايات إلى مجموعات موارد قابلة للبحث والتداول، مما يحسن كفاءة النظام بشكل عام.

تسلط منظمة الأمم المتحدة للتنمية الصناعية الضوء على أن الأدوات الرقمية التي تتيح التكافل الصناعي ضرورية لتحسين كفاءة الموارد عبر القطاعات (UNIDO, 2026).

6. أنظمة إدارة النفايات وإعادة التدوير المدعومة بالذكاء الاصطناعي

يتم تطبيق الذكاء الاصطناعي بشكل متزايد في مرحلة نهاية العمر الافتراضي لتحسين معدلات استرداد المواد ودقة الفرز وكفاءة النظام. من خلال الجمع بين بيانات المستشعرات والتعلم الآلي والأتمتة، تقلل هذه الأنظمة من التلوث، وتزيد من قيمة الاسترداد، وتتيح معالجة أكثر دقة لتيارات النفايات المعقدة.

6.1 الرؤية الحاسوبية في فرز النفايات

تستخدم الرؤية الحاسوبية الكاميرات ونماذج الذكاء الاصطناعي لتحديد وتصنيف مواد النفايات في الوقت الفعلي على خطوط الفرز.

وهذا يتيح:

• الفصل الآلي للبلاستيك والمعادن والورق والنفايات الإلكترونية
• الكشف عن تكوين المادة واللون والشكل
• درجة نقاء أعلى للمواد المستردة

تعد دقة الفرز المحسنة أمرًا بالغ الأهمية، حيث أن التلوث يقلل بشكل كبير من كفاءة إعادة التدوير. يسلط الاتحاد الدولي للاتصالات الضوء على أن التقنيات المتقدمة، بما في ذلك الذكاء الاصطناعي، يمكن أن تعزز إدارة النفايات الإلكترونية من خلال تحسين عمليات تحديد المواد واستردادها (ITU, 2020).

6.2 تحسين إعادة التدوير المتقدم

يُستخدم الذكاء الاصطناعي لتحسين عمليات إعادة التدوير – لا سيما في أنظمة إعادة التدوير الميكانيكية والكيميائية – من خلال تحسين الإنتاجية والاستقرار والكفاءة.

تشمل التطبيقات:

• التحكم في العمليات في مرافق إعادة التدوير
• تحسين درجة الحرارة والضغط والمدخلات الكيميائية
• التنبؤ بجودة المخرجات بناءً على تكوين نفايات المدخلات

وهذا مهم بشكل خاص للمواد المعقدة (مثل البلاستيك متعدد الطبقات)، حيث تؤثر تقلبات العملية على نتائج الاسترداد.

6.3 البنية التحتية الذكية للنفايات

تستخدم أنظمة النفايات الذكية مستشعرات ومنصات بيانات لمراقبة وإدارة وتحسين جمع النفايات والبنية التحتية في الوقت الفعلي.

الوظائف الرئيسية:

• مراقبة مستوى الامتلاء في حاويات النفايات
• التوجيه الديناميكي لمركبات الجمع
• التخطيط القائم على البيانات لأنظمة النفايات

تقلل هذه الأنظمة من التكاليف التشغيلية والانبعاثات مع تحسين كفاءة الجمع وتغطية الخدمة.

7. جوازات سفر المنتجات الرقمية (DPP) والبنية التحتية للبيانات الدائرية

تشكل جوازات سفر المنتجات الرقمية (DPPs) والبنى التحتية للبيانات المرتبطة بها العمود الفقري للاقتصادات الدائرية من خلال تمكين معلومات منظمة وقابلة للتتبع وقابلة للمشاركة على مستوى المنتج عبر سلسلة القيمة. وهي تنقل المنتجات من كيانات مادية فقط إلى أصول غنية بالبيانات، مما يدعم الشفافية والاسترداد وتحسين دورة الحياة.

7.1 جوازات سفر المنتجات الرقمية (DPP)

جواز سفر المنتج الرقمي هو سجل رقمي موحد مرفق بمنتج يحتوي على معلومات أساسية عن دورة الحياة مثل تكوين المادة، والأصل، وقابلية الإصلاح، وخيارات نهاية العمر الافتراضي.

وهذا يتيح:

• إمكانية التتبع الكامل عبر دورة حياة المنتج
• تحديد أسهل لمسارات إعادة الاستخدام والإصلاح وإعادة التدوير
• تحسين الامتثال للوائح الاقتصاد الدائري

تحدد المفوضية الأوروبية جوازات سفر المنتجات الرقمية كأداة أساسية ضمن خطة عمل الاقتصاد الدائري الخاصة بها، والتي تهدف إلى زيادة الشفافية وتمكين تصميم المنتجات المستدامة واستردادها (European Commission, 2020).

7.2 تكامل الذكاء الاصطناعي وإنترنت الأشياء وتقنية البلوكشين

تصبح جوازات سفر المنتجات الرقمية أكثر قوة بشكل ملحوظ عند دمجها مع التقنيات الرقمية الناشئة:

• إنترنت الأشياء (IoT): يولد بيانات الاستخدام والحالة في الوقت الفعلي
• الذكاء الاصطناعي (AI): يعالج بيانات دورة الحياة لتحسين قرارات الإصلاح وإعادة الاستخدام والاسترداد
• تقنية البلوكشين (Blockchain): تضمن تسجيلًا آمنًا وغير قابل للتلاعب لتاريخ المنتج

تعمل هذه التقنيات معًا على إنشاء تمثيل رقمي موثوق ومُحدَّث باستمرار للأصول المادية، مما يتيح اتخاذ قرارات دائرية مؤتمتة على نطاق واسع.

يسلط المنتدى الاقتصادي العالمي الضوء على أن الجمع بين التقنيات الرقمية يعزز الشفافية ويُمكّن من إنشاء سلاسل قيمة أكثر كفاءة ودائرية من خلال تحسين مشاركة البيانات وإمكانية التتبع (المنتدى الاقتصادي العالمي، 2026).

7.3 حوكمة البيانات وقابلية التشغيل البيني

تعتمد فعالية أنظمة البيانات الدائرية على مدى جودة حوكمة البيانات وتوحيد معاييرها ومشاركتها عبر المؤسسات.

تشمل المتطلبات الرئيسية ما يلي:

• أطر حوكمة البيانات لتحديد حقوق الملكية والوصول والاستخدام
• بروتوكولات التقييس لضمان الاتساق عبر الصناعات
• آليات قابلية التشغيل البيني لتمكين تبادل البيانات بسلاسة بين المنصات

بدون هذه العناصر، تظل الأنظمة الرقمية المتقدمة مجزأة وغير مستغلة بالقدر الكافي.

8. دراسات الحالة: الذكاء الاصطناعي التطبيقي في الأنظمة الدائرية

8.1 الذكاء الاصطناعي في فرز واسترداد النفايات الإلكترونية

تستخدم أنظمة الفرز المدعومة بالذكاء الاصطناعي الرؤية الحاسوبية والروبوتات لتحديد وفصل المكونات القيمة في تدفقات النفايات الإلكترونية (مثل لوحات الدوائر والمعادن والبلاستيك). يؤدي هذا إلى تحسين معدلات الاسترداد وتقليل التلوث في المواد عالية القيمة.

بالنظر إلى أن جزءًا صغيرًا فقط من النفايات الإلكترونية العالمية يتم إعادة تدويره رسميًا، فإن تحسين كفاءة الفرز أمر بالغ الأهمية لاستعادة المواد النادرة مثل العناصر الأرضية النادرة (الاتحاد الدولي للاتصالات، 2020).

8.2 جوازات سفر المنتجات الرقمية في الاتحاد الأوروبي

ينفذ الاتحاد الأوروبي جوازات سفر المنتجات الرقمية بموجب إطار سياسة المنتجات المستدامة الخاص به لتوحيد بيانات مستوى المنتج عبر سلاسل القيمة. تُمكّن جوازات سفر المنتجات الرقمية (DPPs) من تتبع المواد وتاريخ الإصلاح والأداء البيئي.

يدعم هذا الامتثال التنظيمي، ويسهل إعادة التدوير، ويحسن الشفافية للمستهلكين وجهات إعادة التدوير (المفوضية الأوروبية، 2020).

8.3 الذكاء الاصطناعي في تطبيقات الحياة الثانية لبطاريات السيارات الكهربائية

يُستخدم الذكاء الاصطناعي لتقييم العمر الإنتاجي المتبقي لبطاريات السيارات الكهربائية، مما يتيح إعادة استخدامها في تطبيقات ثانوية (مثل أنظمة تخزين الطاقة).

تحلل نماذج التعلم الآلي بيانات أداء البطارية من أجل:

• التنبؤ بأنماط التدهور
• تحديد مدى ملاءمة إعادة الاستخدام
• تحسين التخصيص لاستخدامات الحياة الثانية

يؤدي هذا إلى إطالة عمر البطاريات وتقليل الطلب على المواد الخام الجديدة (وكالة الطاقة الدولية، 2023).

8.4 إدارة النفايات الذكية في الأنظمة الحضرية

تنشر المدن أنظمة مدعومة بالذكاء الاصطناعي لتحسين جمع النفايات وتوجيه المسارات وتخطيط البنية التحتية.

تستخدم هذه الأنظمة:

• بيانات المستشعرات (مستويات امتلاء الحاويات)
• خوارزميات تحسين المسار
• منصات المراقبة الفورية

لتقليل التكاليف التشغيلية، وتحسين كفاءة الجمع، وخفض الانبعاثات.

لا تزال تحديات النفايات الحضرية كبيرة على مستوى العالم، مما يتطلب أنظمة أكثر كفاءة لتحسين معدلات الجمع والاسترداد.

9. منظور إقليمي: توسيع نطاق الدائرية المدفوعة بالذكاء الاصطناعي في المنطقة العربية

تمثل المنطقة العربية (الشرق الأوسط وشمال أفريقيا – MENA) حاجة ملحة وإمكانات عالية لتوسيع نطاق الأنظمة الدائرية المدفوعة بالذكاء الاصطناعي. أدى التحضر السريع، وارتفاع الاستهلاك، وفجوات البنية التحتية إلى تزايد أحجام النفايات وانخفاض معدلات استرداد المواد، مما جعل التحول الدائري أولوية.

9.1 التحديات الهيكلية

• تنتج المنطقة أكثر من 155 مليون طن من النفايات سنويًا، ومن المتوقع أن تتضاعف الأحجام تقريبًا بحلول عام 2050 (البنك الدولي، 2026)
• يتم إعادة تدوير أو إعادة استخدام 10% فقط من النفايات، بينما يظل جزء كبير منها غير مُدار بشكل صحيح (البنك الدولي، 2026)
• غالبًا ما تقتصر أنظمة النفايات على الجمع والتخلص منها، مع ضعف البنية التحتية للاسترداد وإعادة التدوير

على مستوى النظام، تشمل الاختناقات الرئيسية ما يلي:

• محدودية توافر البيانات وأنظمة المراقبة
• تشتت التنسيق المؤسسي
• نقص الاستثمار في تقنيات النفايات وإعادة التدوير المتقدمة

9.2 دور الذكاء الاصطناعي والبيانات في المنطقة

يمكن للذكاء الاصطناعي وعلوم البيانات معالجة هذه القيود بشكل مباشر من خلال:

• تمكين تتبع النفايات ورسم خرائط الموارد القائم على البيانات
• تحسين كفاءة الفرز والاسترداد والخدمات اللوجستية
• دعم تخطيط السياسات من خلال التحليلات التنبؤية

ومع ذلك، لا يزال الاعتماد غير متكافئ بسبب:

• الفجوات في البنية التحتية للبيانات وحوكمتها
• محدودية قدرات الذكاء الاصطناعي والقوى العاملة الماهرة
• عدم تكافؤ الجاهزية الرقمية عبر الدول

9.3 فرص التسريع

على الرغم من هذه العوائق، تتمتع المنطقة بظروف تمكينية قوية:

• ارتفاع معدلات الاعتماد الرقمي في دول مثل الإمارات العربية المتحدة والمملكة العربية السعودية
• النظم البيئية الناشئة للشركات الناشئة ومراكز الابتكار
• قيمة دائرية كبيرة غير مستغلة (يمكن استرداد ما يصل إلى 83% من النفايات)

تشمل مجالات الفرص الرئيسية ما يلي:

• أنظمة إدارة النفايات المدعومة بالذكاء الاصطناعي في المدن
• منصات التكافل الصناعي التي تربط بين القطاعات
• البنية التحتية الرقمية مثل أنظمة تتبع المواد وجوازات المنتجات الرقمية (DPPs)

9.4 الأولويات الاستراتيجية

لتوسيع نطاق الدائرية المدفوعة بالذكاء الاصطناعي، يجب على المنطقة التركيز على:

• الاستثمار في أنظمة البيانات (الجمع، والتوحيد القياسي، والمشاركة)
• تعزيز أطر السياسات والتنسيق الإقليمي
• بناء القدرات التقنية ومهارات القوى العاملة في مجال الذكاء الاصطناعي
• الاستفادة من الشراكات بين القطاعين العام والخاص لنشر الحلول

10. التوصيات الاستراتيجية والسياساتية

يتطلب توسيع نطاق الدائرية المدفوعة بالذكاء الاصطناعي إجراءات منسقة عبر السياسات والصناعة والأنظمة الدولية، مع اعتبار البنية التحتية للبيانات والتوحيد القياسي كعوامل تمكين مركزية.

10.1 للحكومات

• وضع معايير البيانات وأطر التشغيل البيني لتمكين تبادل البيانات عبر القطاعات
• فرض أو تحفيز جوازات المنتجات الرقمية (DPPs) للقطاعات ذات الأولوية
• الاستثمار في البنية التحتية الرقمية والخاصة بالنفايات (أنظمة جاهزة للذكاء الاصطناعي، والجمع الذكي، وقدرات إعادة التدوير)
• إدخال أدوات اقتصادية (مثل المسؤولية الممتدة للمنتج، والحوافز الدائرية)
• بناء قدرات الذكاء الاصطناعي والبيانات الوطنية من خلال التعليم واعتماد القطاع العام لها

10.2 للصناعة

• دمج الذكاء الاصطناعي عبر مراحل دورة حياة المنتج (التصميم، والاستخدام، والاسترداد)
• اعتماد ممارسات مشاركة البيانات عبر سلاسل التوريد لتقليل فجوات المعلومات
• التحول نحو نماذج الأعمال الدائرية (مثل المنتج كخدمة، وإعادة التصنيع)
• الاستثمار في أنظمة التتبع لدعم الامتثال والاسترداد
• التعاون عبر القطاعات لتمكين التكافل الصناعي وتبادل الموارد

10.3 للمنظمات الدولية

• دعم تطوير المعايير العالمية لأنظمة البيانات الدائرية
• تقديم المساعدة التقنية وبناء القدرات في الأسواق الناشئة
• تسهيل منصات تبادل البيانات والمعرفة عبر الحدود
• حشد التمويل لمشاريع البنية التحتية الرقمية والدائرية
• مواءمة جهود الاقتصاد الدائري مع الأجندات الرقمية والمناخية الأوسع

11. الخاتمة والتوقعات المستقبلية: نحو أنظمة دائرية ذاتية

لم يعد القيد الرئيسي لتوسيع نطاق أنظمة الاقتصاد الدائري مفاهيمياً، بل أصبح تشغيلياً. تعتمد الدائرية على القدرة على تتبع وإدارة وتحسين تدفقات المواد، وهو ما يعتمد بدوره على توفر البيانات وتكامل الأنظمة. يعالج الذكاء الاصطناعي وعلوم البيانات هذه الفجوة من خلال تمكين اتخاذ قرارات أكثر دقة وفورية وعلى مستوى النظام ككل.

عبر دورة الحياة، تعمل هذه التقنيات على تحسين كيفية تصميم المنتجات واستخدامها واستردادها. عند دمجها مع البنى التحتية الرقمية مثل الأجهزة المتصلة وأنظمة بيانات مستوى المنتج، فإنها تتيح رؤية وتنسيقاً مستمرين عبر سلاسل القيمة.

بالنظر إلى المستقبل، من المتوقع أن تصبح الأنظمة الدائرية مؤتمتة بشكل متزايد ومدفوعة بالبيانات. ستقوم المنتجات بتوليد البيانات طوال دورة حياتها، وستستخدم أنظمة الذكاء الاصطناعي هذه البيانات لتحسين قرارات الصيانة وإعادة الاستخدام والاسترداد بأقل قدر من التدخل اليدوي. يمثل هذا تحولاً نحو أنظمة دائرية ذاتية، حيث يتم تحسين تدفقات الموارد بشكل مستمر.

ومع ذلك، يعتمد هذا التحول على حل التحديات الرئيسية، لا سيما:

• توحيد معايير البيانات والتشغيل البيني
• المواءمة بين الأنظمة الرقمية والبنية التحتية المادية
• أطر الحوكمة الفعالة

في الختام، الذكاء الاصطناعي وعلوم البيانات ليست حلولاً مستقلة بل هي عوامل تمكين أساسية لأنظمة دائرية قابلة للتوسع. سيعتمد تأثيرها على مدى فعالية تطوير ودمج النظم البيئية للبيانات عبر الاقتصاد.