دراسة جدوى بالذكاء الاصطناعي: هل يمكن الاعتماد عليها؟ ومتى تحتاج إلى مستشار؟

اكتب لأي أداة ذكاء اصطناعي عامة: "اعمل لي دراسة جدوى لكافيه في مدينة نصر"، وخلال دقيقة ستحصل على عدة صفحات مرتبة: ملخص تنفيذي، وتحليل سوق، وتكاليف، وجدول أرباح، وتوصية بالبدء. الشكل مقنع، والسؤال الحقيقي هو: هل الأرقام صحيحة بما يكفي لتضع عليها مدخراتك؟

هذا المقال يجيب عن هذا السؤال بصراحة، ومن موقع من يبني منتجًا قائمًا على الذكاء الاصطناعي لدراسات الجدوى في مصر. سنشرح ما يجيده الذكاء الاصطناعي فعلًا، وأين يخطئ ولماذا، وكيف تختبر أي دراسة مكتوبة به، ومتى لا يغني عن مستشار بشري.

ما المقصود بدراسة جدوى بالذكاء الاصطناعي؟

العبارة تُستخدم لثلاثة أشياء مختلفة تمامًا، ومن المهم التمييز بينها قبل الحكم عليها. الأول: أن يكتب صاحب المشروع وصف فكرته في أداة محادثة عامة ويطلب دراسة، فيحصل على نص كامل يكتبه النموذج من ذاكرته. الثاني: قوالب أو برامج تملأ جداول جاهزة بأرقام يدخلها المستخدم، مع نص مولّد حولها. الثالث: منصات متخصصة تجمع بين بحث حديث في السوق بمصادر، ونموذج لغوي يقترح الافتراضات ويكتب الشرح، ومحرك حسابي ثابت يحسب الأرقام.

الحكم على "دراسة الجدوى بالذكاء الاصطناعي" بشكل عام لا يفيد كثيرًا، لأن الفرق بين هذه الأنواع الثلاثة أكبر من الفرق بينها وبين الدراسة التقليدية. ما يحدد جودة الدراسة في النهاية هو: من أين جاءت الأرقام، وكيف حُسبت، وهل يمكنك التحقق منها.

ما الذي يجيده الذكاء الاصطناعي في دراسة الجدوى؟

في أربعة أشياء، يتفوق الذكاء الاصطناعي على الطريقة التقليدية بوضوح:

• البنية والتنظيم: يعرف البنود المعتادة لدراسة الجدوى ويرتبها، فلا تنسى قسم المخاطر أو التراخيص.
• السرعة: ما يستغرق أيامًا من الكتابة يصبح دقائق، وهذا يسمح بتجربة أكثر من فكرة أو أكثر من سيناريو قبل أن تقرر.
• البحث الواسع: النماذج المتصلة بمحركات البحث تستطيع جمع أسعار منافسين وإيجارات وأجور من مصادر متعددة في وقت قصير.
• الكتابة الواضحة: تحويل الأرقام إلى شرح مفهوم لصاحب المشروع، وهذا ما تفتقده كثير من الدراسات المحاسبية الجافة.

هذه المزايا حقيقية، وهي السبب في أن الجهات الحكومية نفسها بدأت تستخدم الذكاء الاصطناعي في هذا المجال. وفي يوليو 2026 أُعلن عن خدمة «احسب فرصتك» بالذكاء الاصطناعي، التي تُعد دراسة جدوى مبدئية للمشروعات الصناعية في دقائق ضمن المنظومة الرقمية لدعم المصنعين¹، وهي خطوة تتسق مع الاستراتيجية الوطنية للذكاء الاصطناعي².

أين يخطئ الذكاء الاصطناعي؟

1. الثقة في معلومات غير صحيحة

النماذج اللغوية الكبيرة مصممة لإنتاج نص يبدو صحيحًا ومتسقًا، وليس لضمان صحة كل معلومة فيه. ولهذه الظاهرة اسم في الأبحاث العلمية هو "الهلوسة"، أي أن يكتب النموذج معلومة غير صحيحة أو غير موجودة بنفس الثقة التي يكتب بها المعلومة الصحيحة³. في دراسة الجدوى، قد يظهر هذا في صورة رقم لحجم السوق بلا مصدر، أو سعر منافس غير موجود، أو قانون ضرائب بنسبة خاطئة.

2. معلومات قديمة

النموذج يتعلم من بيانات حتى تاريخ معين. في بلد شهد في السنوات الأخيرة موجات تضخم وتحركات في سعر الصرف وتعديلات ضريبية متتالية، تصبح الأسعار القديمة مضللة بسرعة. على سبيل المثال، صدرت في يوليو 2026 عدة قوانين تعدّل تشريعات ضريبية، منها تعديل قانون الضريبة على القيمة المضافة؛ بقي السعر العام 14% كما هو، لكن تفاصيل أخرى تغيرت⁴. النموذج الذي لا يبحث في مصادر حديثة لن يعرف ذلك.

3. حسابات لا يتسق بعضها مع بعض

جدول الأرباح في دراسة جدوى هو سلسلة من العمليات المترابطة: المبيعات من الطلب، والتكلفة من المبيعات، والتدفق النقدي من الاثنين، ونقطة التعادل ورأس المال من التدفق. عندما يكتب النموذج كل رقم كنص مستقل، تظهر تناقضات: نقطة تعادل في الشهر السادس بينما جدول التدفق لا يصل إليها قبل الشهر العاشر، أو رأس مال مطلوب أقل من التكاليف الاستثمارية نفسها.

4. تفاؤل غير مبرر

إذا سألت الأداة العامة عن فكرتك، فهي تميل إلى مساعدتك على تنفيذها، لا إلى إقناعك بالعدول عنها. لذلك تأتي دراسات كثيرة بتوصية "ابدأ" ومبيعات مرتفعة من الشهر الأول. والدراسة التي لا تستطيع أن تقول "لا" ليست دراسة جدوى.

5. تختلف النتيجة كل مرة

اسأل الأداة نفسها عن الفكرة نفسها مرتين، وقارن الأرقام. في تجاربنا أثناء بناء كليفرز، وجدنا أن تشغيل النموذج نفسه على البيانات نفسها قد يعطي احتياجًا نقديًا مختلفًا بفارق كبير بين تشغيل وآخر. هذا لا يعني أن النموذج سيئ، بل يعني أن رقمًا واحدًا من تشغيل واحد لا يصلح أساسًا لقرار.

كيف تختبر دراسة جدوى مكتوبة بالذكاء الاصطناعي؟ 8 أسئلة

قبل أن تثق بأي دراسة، سواء كتبها ذكاء اصطناعي أو إنسان، اطرح عليها هذه الأسئلة:

الدراسة التي تفشل في سؤالين أو أكثر من هذه الأسئلة تحتاج إلى مراجعة قبل استخدامها، أيًّا كان من كتبها. وتجد شرحًا تفصيليًا لكل بند من هذه البنود في دليل دراسة الجدوى في مصر 2026.

الفرق بين أداة عامة ومنصة متخصصة

الحل ليس الاستغناء عن الذكاء الاصطناعي، بل استخدامه في المهام التي يجيدها، وعدم تكليفه بما لا يجيده. هذا هو المبدأ الذي بُنيت عليه الدراسة التفصيلية في كليفرز، ونشرحه هنا بشفافية لأنه يصلح معيارًا لتقييم أي منصة مشابهة:

1. البحث بمصادر مرئية: يبحث النموذج في الإنترنت عن الأسعار والمنافسين والإيجارات والأجور الحالية في مصر، ويعيد مع كل معلومة الرابط الذي أخذها منه، بحيث يمكنك فتح المصدر بنفسك. وهذه الطريقة، أي ربط إجابة النموذج بمصادر مسترجعة، من الأساليب التي أظهرت الأبحاث أنها تجعل إجابات النماذج أكثر دقة في الحقائق⁵، وتوفرها واجهة Gemini من Google من خلال ما يسمى الربط ببحث Google⁶.
2. الأرقام من محرك حسابي، لا من النموذج: النموذج يقترح الافتراضات فقط (سعر، تكلفة، عدد عملاء يمكن الوصول إليهم، تكاليف ثابتة)، ثم يحسب محرك برمجي ثابت التدفق النقدي لـ 36 شهرًا ونقطة التعادل ورأس المال والسيناريوهات. لذلك لا يمكن أن تتناقض أرقام جزء مع جزء آخر.
3. ثلاث مسودات مستقلة: بدل الاعتماد على تشغيل واحد، تُبنى الافتراضات ثلاث مرات مستقلة، ويُعتمد الوسيط منها. وإذا اختلفت المسودات اختلافًا كبيرًا، تنخفض درجة الثقة، وتقول الدراسة صراحة إن النتيجة تعتمد على افتراض غير مؤكد يجب اختباره أولًا.
4. أرقامك أولًا: إذا أعطيت سعرك وتكلفتك وعدد مبيعاتك المتوقع، فإن الدراسة لا تكون أبدًا أكثر تفاؤلًا منك.
5. القواعد القانونية من قائمة مراجعة، لا من النموذج: الأجور والتأمينات والضرائب والتراخيص تأتي من قائمة معلومات مراجعة بمصادرها، ولا يكتبها النموذج من ذاكرته.
6. فحص قبل التسليم: لا تُسلَّم الدراسة إلا إذا اكتملت كل الأقسام الموعودة، وإذا فشل الفحص تُعاد بالكامل تلقائيًا.

مقارنة عملية: ثلاثة طرق لإعداد دراسة الجدوى

مثال: الفكرة نفسها بطريقتين

لنفترض أن صاحب مشروع يريد فتح مركز صغير لتعليم البرمجة للأطفال في حي سكني، برأس مال 300,000 جنيه. الأرقام التالية مثال توضيحي لشرح الفرق في طريقة التفكير، وليست دراسة لمشروع حقيقي.

الإجابة النموذجية من أداة عامة تبدأ عادة بحجم سوق التعليم في مصر، ثم تفترض أن المركز سيجذب 80 طالبًا من الشهر الأول باشتراك شهري، وتصل إلى ربح صافٍ في الشهر الثالث، وتنتهي بتوصية قوية بالبدء. لا تذكر من أين جاء رقم 80 طالبًا، ولا تحسب حصة صاحب العمل في التأمينات للمدربين، ولا تسأل عن ترخيص النشاط التعليمي، ولا تختبر ما يحدث لو جاء نصف العدد.

الطريقة المنظمة تبدأ من سؤال مختلف: كم أسرة في نطاق الحي لديها أطفال في السن المستهدفة، وكم منها يمكن الوصول إليها شهريًا بميزانية التسويق المتاحة، وما نسبة من سيسجل منها؟ إذا كانت الإجابة 25 طالبًا بعد ستة أشهر لا 80 من الشهر الأول، يتغير كل شيء: نقطة التعادل تتأخر، ورأس المال المطلوب يرتفع، وقد يصبح القرار الصحيح أن يبدأ المشروع بمدرب واحد وقاعة مستأجرة بالساعة بدل مقر كامل. كما تنبه الدراسة إلى أن مراكز التدريب ذات المقر لها اشتراطات ترخيص يجب التأكد منها قبل توقيع عقد الإيجار.

الفرق بين الطريقتين ليس في جودة الكتابة، بل في أن الثانية تجبر كل رقم على أن يأتي من مكان يمكن مناقشته. وهذا ما يجعل الدراسة أداة قرار، لا مجرد ملف.

كيف تقرأ "درجة الثقة" في الدراسة؟

عندما تُبنى الافتراضات أكثر من مرة بشكل مستقل، يصبح من الممكن قياس مدى اتفاقها. في الدراسة التفصيلية في كليفرز، تظهر درجة الثقة تحت الحكم مباشرة بثلاثة مستويات:

• ثقة عالية: المسودات المستقلة اتفقت تقريبًا على الاحتياج النقدي وعلى شهر التعادل. يمكنك البناء على النتيجة، مع متابعة المؤشرات الأسبوعية المذكورة في الدراسة.
• ثقة متوسطة: اتفقت المسودات على الاتجاه العام، مع اختلاف في التفاصيل. النتيجة صالحة للقرار، لكن راقب الافتراض الأكثر حساسية في الأشهر الأولى.
• ثقة منخفضة: اختلفت المسودات في سؤال جوهري، مثل هل يصل المشروع إلى التعادل أصلًا. هنا يكون الحكم "اختبر أولًا"، وتذكر الدراسة الافتراض الذي يقلب النتيجة، مثل حجم المبيعات أو هامش الربح، وكيف تختبره بتكلفة صغيرة قبل إنفاق رأس المال.

درجة الثقة المنخفضة ليست عيبًا في الدراسة، بل معلومة مهمة: هي تقول لك إن المعلومات المتاحة لا تكفي لحسم القرار، وإن الخطوة الصحيحة هي جمع معلومة حقيقية من السوق قبل الاستثمار.

ما الذي تعطيه للأداة لتحصل على نتيجة أدق؟

أكبر مصدر لعدم الدقة في أي دراسة، بشرية كانت أو آلية، هو المدخلات الغامضة. هذه البيانات تصنع أكبر فرق:

إذا لم تكن متأكدًا من رقم، اكتب أقرب تقدير لديك. الدراسة الجيدة تقارن تقديرك بأسعار السوق وتخبرك إن كان بعيدًا عن الواقع، وهذا أفضل من ترك الرقم فارغًا ليخمنه النموذج.

متى تحتاج إلى مستشار بشري؟

الذكاء الاصطناعي يجيب جيدًا عن سؤال "هل أبدأ، وكم أحتاج؟". لكن هناك حالات يكون فيها المستشار البشري ضرورة لا رفاهية:

• عندما تطلب جهة التمويل اعتمادًا مهنيًا: بنك مصر مثلًا يشترط للمشروعات حديثة التأسيس في برنامج تمويل المشروعات الصغيرة دراسة جدوى من محاسب قانوني معتمد⁷. هنا تحتاج إلى من يراجع الدراسة ويوقع عليها.
• في الأنشطة كثيفة التراخيص: مثل المعامل الطبية، والتصنيع، والسياحة، والأنشطة المالية، حيث تحدد التراخيص نفسها جزءًا كبيرًا من التكلفة والجدول الزمني.
• عند وجود شركاء: تقسيم الحصص، وتقييم مساهمات غير نقدية، وصياغة عقد الشركة تحتاج إلى خبرة قانونية ومالية.
• في الاستثمار الأجنبي: الشكل القانوني والإقامة وقيود بعض الأنشطة على الأجانب تحتاج إلى مراجعة متخصصة قبل ضخ رأس المال.

الصيغة العملية في رأينا هي الجمع بين الطريقتين: دراسة بالذكاء الاصطناعي تحسم القرار الأولي بسرعة وبتكلفة منخفضة، ثم مستشار متخصص للخطوات التي تحتاج إلى توقيع أو تفاوض أو تأسيس. لهذا تعمل كليفرز مع مكتب ماهر للاستشارات، الذي يتولى التأسيس والتراخيص والجوانب الضريبية بعد الدراسة.

هل يستخدم أصحاب المشروعات الصغيرة الذكاء الاصطناعي فعلًا؟

في مسح أجرته منظمة التعاون الاقتصادي والتنمية (OECD) على أكثر من 5,000 منشأة صغيرة ومتوسطة في سبع دول خلال 2024، كان الذكاء الاصطناعي التوليدي مستخدمًا في 31% منها. العينة من دول المنظمة وليست من مصر، لكنها مؤشر على سرعة انتشار هذه الأدوات بين المشروعات الصغيرة⁸. ومع اتساع الاستخدام، يصبح السؤال المهم ليس "هل أستخدم الذكاء الاصطناعي؟" بل "كيف أتأكد من أن ما يقوله صحيح؟"، وهو ما حاولنا الإجابة عنه في هذا المقال.

أخطاء شائعة عند استخدام الذكاء الاصطناعي في دراسة الجدوى

1. نسخ الأرقام كما هي: اعتبار كل رقم يكتبه النموذج حقيقة، دون فتح مصدره أو مقارنته بسعر فعلي في السوق.
2. إخفاء الأرقام غير المريحة: تعديل المدخلات حتى تخرج الأداة بالنتيجة التي تريدها. الدراسة هنا تتحول إلى أداة إقناع للنفس، لا أداة قرار.
3. الاكتفاء بالملخص: قراءة التوصية في الصفحة الأولى دون مراجعة جدول التدفق النقدي، وهو المكان الذي تظهر فيه المشكلات الحقيقية.
4. تجاهل التاريخ: استخدام دراسة أُعدت قبل عام أو أكثر في سوق تتغير فيه الأسعار والتشريعات بسرعة.
5. الخلط بين الدراسة والاعتماد: افتراض أن أي دراسة تكفي لملف التمويل، بينما قد تشترط جهة التمويل اعتمادًا مهنيًا.
6. عدم العودة للدراسة بعد البدء: الدراسة الجيدة تحدد مؤشرات أسبوعية تراقبها بعد الافتتاح، ومقارنتها بالواقع في الأشهر الأولى هي أهم استخدام لها.

كيف تستخدم الذكاء الاصطناعي بنفسك بأمان؟

إذا أردت استخدام أداة عامة لتكوين فكرة أولية، فهذه قواعد بسيطة تقلل أخطاءها:

1. أعطها أرقامك: سعرك، وتكلفتك، والمنطقة، ورأس مالك. كلما كانت المدخلات محددة، قل مجال التخمين.
2. اطلب مصدرًا لكل رقم: وافتح المصادر بنفسك. إذا لم تجد الرقم في المصدر، فلا تعتمد عليه.
3. احسب الجدول بنفسك: انقل الافتراضات إلى جدول بيانات، واحسب التدفق النقدي ونقطة التعادل بنفسك، ولا تعتمد على أرقام مكتوبة في النص.
4. اطلب السيناريو المتشائم صراحة: ماذا لو جاءت المبيعات أقل بالربع؟ وماذا لو تأخر الافتتاح شهرين؟
5. اسأل السؤال مرتين: إذا اختلفت الأرقام كثيرًا بين المرتين، فهذا مؤشر على أن الافتراض الأساسي غير محسوم ويحتاج إلى اختبار في الواقع.
6. راجع القواعد القانونية من مصادرها الرسمية: الأجور والتأمينات والضرائب تتغير، ولا تأخذها من ذاكرة النموذج.

الخلاصة

الذكاء الاصطناعي غيّر تكلفة دراسة الجدوى وسرعتها، لكنه لم يغير ما يجعل الدراسة جيدة: أرقام لها مصادر، وطلب مبني على عملاء يمكن الوصول إليهم، وحسابات مترابطة، وسيناريو متشائم، وشجاعة في قول "لا" عندما تقولها الأرقام. استخدمه في ما يجيده، وهو البحث والتنظيم والشرح، ولا تكلفه بما لا يجيده، وهو أن يكون مصدر الحقيقة الوحيد. وعندما يكون القرار أكبر من قرار البدء، كاعتماد تمويل أو تأسيس شراكة أو ترخيص معقد، أضف إليه خبرة بشرية متخصصة.

أسئلة شائعة

المصادر

1. أخبار اليوم | Akhbar El Yom. أيمن البياع: إطلاق خدمة «احسب فرصتك» بالذكاء الاصطناعي للمشروعات الصناعية (2026-07-28) — مصدر ثانوي؛ الوطن | El Watan. خبر إطلاق خدمة «احسب فرصتك» (2026-07-28) — مصدر ثانوي. تمت المراجعة في 14 أكتوبر 2026.
2. المجلس الوطني للذكاء الاصطناعي | ai.gov.eg. الاستراتيجية الوطنية للذكاء الاصطناعي، الإصدار الثاني (2025–2030) (2025-01). تمت المراجعة في 14 أكتوبر 2026.
3. ACM Computing Surveys. Ji, Z. et al. Survey of Hallucination in Natural Language Generation, vol. 55, no. 12 (2023). تمت المراجعة في 14 أكتوبر 2026.
4. مصلحة الضرائب المصرية | ETA. القانون رقم 149 لسنة 2026 بتعديل قانون الضريبة على القيمة المضافة، الجريدة الرسمية (2026-07-28). تمت المراجعة في 14 أكتوبر 2026.
5. NeurIPS 33. Lewis, P. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020). تمت المراجعة في 14 أكتوبر 2026.
6. Google AI for Developers. Grounding with Google Search (Gemini API) (2026-10-13). تمت المراجعة في 14 أكتوبر 2026.
7. بنك مصر | Banque Misr. تمويل المشروعات الصغيرة. تمت المراجعة في 14 أكتوبر 2026.
8. OECD. Generative AI and the SME Workforce: New Survey Evidence (2025-11-04). تمت المراجعة في 14 أكتوبر 2026.