الملخص التنفيذي

لقد دخل تقارب تكنولوجيا المعلومات (IT) والتكنولوجيا التشغيلية (OT) الآن مرحلة جديدة وحاسمة مع دمج الذكاء الاصطناعي (AI). وبينما يقدم الذكاء الاصطناعي تطورات تحولية في الصيانة التنبؤية، وتحسين العمليات، وإدارة الأصول، فإنه يقدم أيضاً مخاطر نظامية عميقة عند إدخاله إلى الأنظمة السيبرانية الفيزيائية (CPS) الحتمية ذات الأهمية البالغة للسلامة دون وجود حواجز حماية.

تتناول هذه المقالة المخاطر الهيكلية والتشغيلية والحوكمة والأمن السيبراني المرتبطة بنشر منصات الذكاء الاصطناعي داخل البيئات الصناعية. وباستخدام الملف الفني العام لبنى الذكاء الاصطناعي المتقدمة مثل Claude Mythos من Anthropic (الذي تم طرحه في أوائل عام 2026)، سنحاول التمييز بين نقاط الضعف الكامنة في أي نموذج ذكاء اصطناعي تشغيلي ومتجهات المخاطر المحددة التي تقدمها نماذج أبحاث الأمن الذاتية والوكيلة القادرة على توليد الثغرات بشكل مؤتمت. بالنسبة لمالكي الأصول، ومديري أمن المعلومات التنفيذيين (CISOs)، ومديري المصانع، فإن توجيه هذا التحول يتطلب تجاوز نماذج الأمن المرتكزة على تكنولوجيا المعلومات وتأسيس نهج الثقة الصفرية المتوافق مع الهندسة لحوكمة الذكاء الاصطناعي الصناعي.

الفكرة ليست تثبيط استخدام الذكاء الاصطناعي، بل فهم المخاطر حتى يتسنى وضع استراتيجية تخفيف للتعامل معها.

لماذا تختلف بيئات التكنولوجيا التشغيلية (OT) جوهرياً عن تكنولوجيا المعلومات (IT)

الخطأ الأساسي الذي تقع فيه فرق أمن المؤسسات عند نشر البرمجيات الحديثة، بما في ذلك الذكاء الاصطناعي، هو معاملة المنشأة الصناعية كمركز بيانات للشركات. إن المعايير التشغيلية والقيود ومستويات تحمل المخاطر متعارضة تماماً.

في بيئة تكنولوجيا المعلومات، يؤدي خلل برمجيات أو مخرجات غير متوقعة إلى تعطل التطبيق أو توقف العملية أو تلف البيانات التي يمكن حلها غالباً عبر إعادة تشغيل مؤتمتة (هل قمت بإيقاف تشغيله وتشغيله مرة أخرى؟) أو استعادة نسخة احتياطية. أما في بيئة التكنولوجيا التشغيلية، فإن السلوك غير المتوقع في المستوى 2 (التحكم) أو المستوى 1 (الاستشعار/التشغيل) من نموذج بوردو (Purdue Model) يمكن أن يدفع بعملية فيزيائية إلى تجاوز حدود التشغيل الآمنة الخاصة بها. وقد يؤدي ذلك إلى تلف المعدات، أو فشل فيزيائي كارثي، أو تعريض السلامة البشرية للخطر.

الدور المتوسع للذكاء الاصطناعي في العمليات الصناعية

يستغل المشغلون الصناعيون الذكاء الاصطناعي بشكل متزايد عبر مسارين متميزين:

• محركات الذكاء الاصطناعي التشغيلية: يتم نشرها داخل أو بجوار أنظمة تنفيذ التصنيع (MES)، وأنظمة التحكم الموزعة (DCS)، ومؤرخي البيانات (Data Historians) لتحليل التدفقات الهائلة من قياسات التخاطر عن بُعد (Telemetry). وتقوم هذه المنصات بتحسين نسب الوقود إلى الهواء في التوربينات، والتنبؤ بأعطال الصمامات، وضبط جرعات المواد الكيميائية في الوقت الفعلي.

• منصات الذكاء الاصطناعي الوكيلة المتقدمة (طفرة Mythos): تمثل البنى المتقدمة مثل Claude Mythos من Anthropic تحولاً من توليد النصوص السلبي إلى التفكير الذاتي ومتعدد الخطوات. وتشمل القدرات الموثقة علناً لمنصة Mythos الاكتشاف الذاتي للثغرات الأمنية المجهولة (zero-day)، وتحليل التعليمات البرمجية، والتصحيح الذاتي المتكرر، والقدرة على تنفيذ الأكواد مباشرة عبر تكامل الأدوات المعزولة (sandboxed).

وبينما تم بناء منصات مثل Mythos لأبحاث الأمن الدفاعية أو الهجومية في مجال تكنولوجيا المعلومات، فإن القدرة الأساسية التي تستخدم نماذج اللغات الكبيرة (LLMs) لقراءة الأكواد البرمجية، وتشكيل فرضيات تشغيلية، والتفاعل المباشر مع أدوات النظام، تبشر بواقع يمكن فيه (نظرياً) توجيه تحليل الأكواد البرمجية ذاتياً نحو البرمجيات الصناعية الإرثية، والبرامج الثابتة للموردين (Firmware)، ومنطق أجهزة التحكم المنطقية القابلة للبرمجة (PLC).

المخاطر التشغيلية الرئيسية لإدخال الذكاء الاصطناعي في التكنولوجيا التشغيلية (OT)

فقدان العمليات الحتمية

تعتمد أنظمة التحكم الصناعية (ICS) على السلوك الحتمي: فبالنسبة لمجموعة معينة من المدخلات، يجب على جهاز التحكم المنطقي القابل للبرمجة (PLC) أو نظام أجهزة السلامة (SIS) تنفيذ نفس التسلسل القابل للتنبؤ رياضياً ضمن نافذة زمنية صارمة، تُقاس غالباً بالأجزاء من الثانية.

إن نماذج الذكاء الاصطناعي، وخاصة الشبكات العصبية ونماذج اللغات الكبيرة، هي احتمالية بطبيعتها وتعمل بناءً على أوزان احتمالية. إن إدخال محرك ذكاء اصطناعي في حلقة اتخاذ القرار أو السماح له بكتابة التكوينات مباشرة إلى الأجهزة الحقلية يلغي الحتمية، ويستبدل منطق التحكم القابل للتنبؤ بنتائج خوارزمية متغيرة وغير قابلة للتكرار.

تداعيات السلامة

إذا تم دمج منصة ذكاء اصطناعي في حلقة تحكم (إما مباشرة أو عبر محطة عمل هندسية ضعيفة العزل)، فإن حالة خوارزمية استثنائية يمكن أن تؤدي إلى حوادث سلامة فيزيائية قد تخرج عن السيطرة في فترة زمنية قصيرة. وعلى عكس خوارزميات التحكم المتقدم في العمليات (APC) التقليدية، والتي تعمل ضمن مصفوفات رياضية محدودة بصرامة، يمكن لنماذج التعلم العميق توليد أوامر شاذة غير متوقعة عند تعرضها لقياسات تخاطر تشغيلية جديدة عن بُعد (بيانات خارج نطاق التوزيع المعتاد).

التوصيات غير الصحيحة التي تؤثر على الإنتاج

حتى عندما يقتصر دور أدوات الذكاء الاصطناعي على الدور الاستشاري (وجود عنصر بشري في الحلقة)، فإنها يمكن أن تفسر انحراف المستشعرات، أو أخطاء المعايرة، أو الاضطرابات غير العادية في العمليات على أنها عمليات عادية أو فرص تحسين قياسية. ويمكن للمهندس الذي ينفذ توصية غير معتمدة من الذكاء الاصطناعي بشأن تعديلات نقاط الضبط أن يتسبب في حدوث حالات توقف مفاجئ في الضواغط، أو إجهاد حراري في أبراج التكسير، أو زيادة الضغط في خطوط الأنابيب.

الاعتماد البشري المفرط (انحياز الأتمتة)

مع تحقيق منصات الذكاء الاصطناعي لدقة أساسية عالية، يقع مشغلو غرف التحكم ومهندسو المصانع ضحية لانحياز الأتمتة، وهو الميل إلى الثقة في الاقتراحات المؤتمتة بشكل أعمى وتفضيلها على الوعي البشري بالموقف. وبمرور الوقت، يؤدي ذلك إلى تآكل الخبرة المؤسسية في استكشاف الأخطاء وإصلاحها. وعندما يواجه الذكاء الاصطناعي استثناءً نادراً في العملية ويقدم نصيحة كارثية، قد يفتقر المشغلون إلى السياق الفوري أو الثقة لتجاوز النظام.

مخاطر سلامة العمليات

تتطلب العمليات الصناعية التزاماً صارماً بالتوازن الكيميائي والحراري والميكانيكي. وتنعكس التعديلات الطفيفة على متغير واحد على عمليات وحدات متعددة. ونظراً لأن منصات الذكاء الاصطناعي العامة تفتقر إلى فهم جوهري للفيزياء والديناميكا الحرارية وديناميكا السوائل، فإن توصيات التحسين الخاصة بها تُشتق من ارتباطات البيانات بدلاً من القوانين الفيزيائية، مما يؤدي إلى إدخال مخاطر خفية على سلامة العمليات الفيزيائية.

مخاطر الأمن السيبراني

زيادة مساحة الهجوم ومخاطر التكامل

يتطلب نشر منصة ذكاء اصطناعي استيعاب كميات هائلة من البيانات التشغيلية. ولتحقيق ذلك، يتم بناء عمليات تكامل بين بيئة الذكاء الاصطناعي وأصول المستوى 3/2 الحرجة، بما في ذلك:

• مؤرخو البيانات (مثل نظام AVEVA PI)

• خوادم التحكم الإشرافي وتحصيل البيانات (SCADA)

• أنظمة التحكم الموزعة (DCS)

• محطات العمل الهندسية التي تشغل برامج برمجة PLC

إن كل نقطة نهاية لواجهة برمجة التطبيقات (API)، وموصل قاعدة بيانات، ووكيل برمجيات يتم نشره لاستخراج هذه البيانات يعمل كمسار دخول محتمل جديد لجهات التهديد. وإذا كانت منصة الذكاء الاصطناعي مستضافة في السحابة، فإنها تؤسس فعلياً مساراً مستمراً وثنائي الاتجاه يعبر المنطقة المنزوعة السلاح (DMZ) الصناعية مباشرة من المستوى 3/2 إلى السحابة العامة، مما يبطل نماذج عزل الشبكة التقليدية.

[المستوى 1/2: أجهزة PLC والسكادا] <--> [المستوى 3: مؤرخ البيانات] <--> [بوابات المنطقة منزوعة السلاح للـ OT] <== (خط بيانات الذكاء الاصطناعي) ==> [منصة الذكاء الاصطناعي المستضافة على السحابة]

إدارة الهوية وامتيازات الوصول وتصعيد الامتيازات

تتطلب وكلاء الذكاء الاصطناعي العاملون في بيئة التكنولوجيا التشغيلية (OT) بيانات اعتماد للوصول للاستعلام عن قواعد البيانات أو دفع ملفات تعريف التحسين. وإذا كانت بيانات الاعتماد هذه غير مؤمنة بشكل صحيح أو مكتوبة بشكل ثابت في حسابات خدمة الذكاء الاصطناعي، فإن اختراق تطبيق الذكاء الاصطناعي يسمح للمهاجم بحصد بيانات اعتماد عالية الامتياز في التكنولوجيا التشغيلية. وباستخدام بيانات الاعتماد هذه، يمكن للمهاجمين الانتقال مباشرة إلى محطات العمل الهندسية أو بيئات تشغيل SCADA.

مخاطر سلسلة التوريد وبرمجيات الطرف الثالث

تُبنى منصات الذكاء الاصطناعي الحديثة على حزم برمجيات معقدة مفتوحة المصدر، وتضم المئات من مكتبات Python وقواعد البيانات الموجهة (vector databases) وأطر العمل التنظيمية (مثل LangChain). وتؤدي هذه التبعيات إلى إدخال ثغرات عميقة في سلسلة التوريد. ويمكن لحزمة خبيثة واحدة أو تبعية غير مرقعة داخل منظومة منصة الذكاء الاصطناعي أن تعرض الشبكة الصناعية المتصلة بأكملها لخطر تنفيذ الأكواد البرمجية عن بُعد (RCE).

تسريب البيانات

تحتوي قياسات التخاطر التشغيلية عن بُعد على معلومات حساسة للغاية تتعلق بأحجام الإنتاج، والتركيبات الكيميائية، ونقاط الضعف الميكانيكية، وخطوات التصنيع المملوكة للمنشأة. وإذا استخدم نموذج ذكاء اصطناعي مستند إلى السحابة هذه البيانات للتدريب المستمر أو إعادة التدريب على مدخلات المستخدم دون حدود صارمة لعزل البيانات، فقد تتسرب المعلومات الاستخباراتية الصناعية الخاصة بالشركة إلى المجال العام أو يتم الكشف عنها في البيئات متعددة المستأجرين.

حقن المدخلات وتلاعب الذكاء الاصطناعي (Prompt Injection)

إذا نجح المهاجم في الحصول على موطئ قدم في شبكة تكنولوجيا المعلومات أو أحد أصول المستوى 3، فيمكنه التلاعب بالمدخلات التي يتم تغذيتها لمنصة الذكاء الاصطناعي التشغيلية. ومن خلال حقن المدخلات غير المباشر—مثل حقن حمولات بيانات خبيثة في ملفات السجلات أو سجلات المؤرخ التي يحللها الذكاء الاصطناعي—يمكن للمهاجم تغيير طريقة تفكير الذكاء الاصطناعي. ويجبره هذا على إخراج معايير تحسين تالفة، أو تجاوز حدود السلامة المدمجة، أو تصنيف تنبيهات النظام الحرجة بشكل خاطئ.

الحركة الجانبية وتأثير قدرات فئة Mythos

يبرز ظهور منصات مثل Claude Mythos مسار مخاطر متسارع للحركة الجانبية داخل شبكات التكنولوجيا التشغيلية (OT). فالشبكات الصناعية الإرثية مسطحة تاريخياً، وتعتمد على دفاعات المحيط بدلاً من التقسيم الداخلي. وإذا تمكنت منصة ذكاء اصطناعي متطورة ووكيلة—أو مهاجم يستخدم أدوات مماثلة لإنشاء الثغرات ذاتياً—من الوصول إلى مضيف قفز (jump host) في التكنولوجيا التشغيلية أو وحدة تحكم نطاق Active Directory نشطة، فيمكنها ذاتياً:

• اكتشاف أجهزة PLC غير الموثقة، ووحدات الطرفية البعيدة (RTUs)، وواجهات المستخدم الرسومية (HMIs).

• إلغاء تجميع أو إجراء هندسة عكسية للملفات الثنائية والبرامج الثابتة الخاصة بالموردين باستخدام تكامل الأدوات الأصلية.

• تحديد عيوب البرمجيات الإرثية (مثل تجاوز سعة المخزن المؤقت الذي يعود لعقود مضت أو البروتوكولات غير المصادق عليها).

• إنشاء وتنفيذ سلاسل استغلال متعددة الثغرات في دقائق لتحقيق تحكم كامل في طبقة العمليات الفيزيائية.

الاعتبارات التنظيمية والامتثال

يجب على مالكي الأصول تقييم عمليات نشر الذكاء الاصطناعي الصناعي بموجب أطر الأمن السيبراني الإلزامية والطوعية للحفاظ على الامتثال وحماية تراخيص التشغيل الخاصة بهم.

مجموعة معايير ISA/IEC 62443

يوفر إطار عمل ISA/IEC 62443 المنهجية الأساسية لتأمين أنظمة التحكم والأتمتة الصناعية (IACS). ويجب تقييم أنظمة الذكاء الاصطناعي عبر عدة أجزاء محددة:

• معيار IEC 62443-3-2 (المناطق والقنوات): يجب تعيين أي منصة ذكاء اصطناعي إلى منطقة أمنية منطقية متميزة خاصة بها. ويجب توجيه جميع تدفقات الاتصال بين منطقة الذكاء الاصطناعي والأصول التشغيلية (أجهزة PLC، المؤرخون) عبر قنوات محددة بدقة ومراقبة ومحمية بجدران نارية.

• معيار IEC 62443-3-3 (متطلبات أمن النظام): يجب أن يفرض التكامل تحكماً صارماً في الوصول، وسلامة البيانات، وتوافر الموارد، مما يضمن عدم استهلاك الذكاء الاصطناعي لموارد الشبكة أو المعالجة المطلوبة بواسطة تطبيقات التحكم في الوقت الفعلي.

• معيار IEC 62443-4-1 / 4-2 (دورة حياة المنتج وأمن المكونات): يجب على موردي برمجيات الذكاء الاصطناعي الصناعي إثبات دورة حياة تطوير آمنة، بما في ذلك الإدارة الصارمة لقائمة المواد البرمجية (SBOM) للتخفيف من مخاطر سلسلة التوريد.

إصدار NIST SP 800-82 Rev. 3 (دليل أمن التكنولوجيا التشغيلية)

يفصل إصدار NIST SP 800-82 Rev. 3 الذي تم تحديثه مؤخراً متطلبات السلامة والأمن للأنظمة السيبرانية الفيزيائية. وهو يفرض ألا تؤدي أي منصة تحليلية متقدمة أو مؤتمتة يتم نشرها بجوار نظام تحكم صناعي (ICS) إلى إعاقة الوظائف الحيوية للسلامة. ويتطلب صراحة عمليات إدارة مخاطر صارمة قبل توصيل الأدوات التحليلية بالطبقات التشغيلية، مع التركيز على تقسيم الشبكة والمراقبة المستمرة للانحرافات في التكوين.

توجيه NIS2 (الاتحاد الأوروبي)

بموجب توجيه NIS2، تواجه المؤسسات التي تدير البنية التحتية الحيوية (الطاقة والنقل والمياه والتصنيع) التزامات صارمة بأمن سلسلة التوريد وإدارة المخاطر. إن إدخال محركات ذكاء اصطناعي غير مدققة تعالج البيانات التشغيلية أو تقدم ملاحظات تحكم دون إجراء تقييمات شاملة لمخاطر الطرف الثالث يمكن أن يؤدي إلى عقوبات صارمة بسبب عدم الامتثال، حيث يضع توجيه NIS2 المسؤولية الشخصية المباشرة على قيادة الشركة عن الإخفاقات الأمنية.

أسئلة يجب على كل فريق أمن تكنولوجيا تشغيلية (OT) طرحها قبل نشر الذكاء الاصطناعي

قبل منح أي منصة ذكاء اصطناعي حق الوصول إلى البيانات التشغيلية، يجب على فرق الأمن والهندسة المطالبة بإجابات رسمية على الأسئلة التالية:

• أين توجد البيانات؟ هل يتم تشغيل نموذج الذكاء الاصطناعي بالكامل محلياً داخل خادم طرفي معزول عن الشبكة الخارجية (air-gapped) أو محلي، أم أنه يتطلب اتصالاً خارجياً ببيئة سحابية؟

• ما هي أذونات القراءة/الكتابة الدقيقة؟ هل تعمل المنصة بدقة بصيغة القراءة فقط بالنسبة لمؤرخ البيانات/السكادا، أم أنها تمتلك امتيازات كتابة برمجية لتعديل نقاط الضبط، أو التكوينات، أو معايير المنطق؟

• كيف يتم عزل البيانات؟ إذا تم استخدام نموذج سحابي، فهل بياناتنا التشغيلية معزولة داخل بيئة مخصصة لمستأجر واحد، وهل يتم استبعادها صراحة من مجموعات بيانات إعادة تدريب نموذج المورد؟

• ما هي آلية الحماية من الفشل في حال انقطاع اتصال منصة الذكاء الاصطناعي أو تعطلها؟ هل ستتحول العملية الفيزيائية فوراً إلى حالة افتراضية معروفة وآمنة وحتمية يحكمها منطق PLC المحلي بالكامل دون حدوث خلل في التشغيل؟

• كيف يتم التحكم في تبعيات البرمجيات الخاصة بحزمة الذكاء الاصطناعي؟ هل يمكن للمورد تقديم قائمة مواد برمجية (SBOM) معتمدة ومحدثة بانتظام لحزمة تطبيق الذكاء الاصطناعي بأكملها، بما في ذلك المكتبات مفتوحة المصدر؟

قائمة مراجعة تقييم المخاطر

يجب تنفيذ إطار العمل التالي خلال مرحلة التصميم الهندسي لأي مشروع ذكاء اصطناعي صناعي:

استراتيجيات التخفيف وأفضل الممارسات لاعتماد الذكاء الاصطناعي بشكل آمن

لدمج قدرات الذكاء الاصطناعي دون المساومة على سلامة ومرونة البنية التحتية الحيوية، يجب على المؤسسات اعتماد أفضل الممارسات التشغيلية التالية.

تطبيق صمامات ثنائية صارمة للبيانات أحادية الاتجاه (Unidirectional Data Diodes)

بالنسبة لمنصات الذكاء الاصطناعي التي تركز على الصيانة التنبؤية وتحسين العمليات، فرض بنية أحادية الاتجاه مادية أو مشفرة. واستخدام صمامات ثنائية للبيانات قائمة على الأجهزة لتكرار قياسات التخاطر عن بُعد في الوقت الفعلي من مؤرخي المستوى 2/3 إلى منصة الذكاء الاصطناعي المستضافة في منطقة الشركة أو السحابة. ويضمن ذلك قدرة منصة الذكاء الاصطناعي على استيعاب البيانات وتحليلها، ولكنه يمنعها مادياً من إرسال أي حزمة بيانات أو أمر إلى شبكة التحكم.

عزل بنية الهوية الأساسية

عدم السماح مطلقاً لمنصة الذكاء الاصطناعي بالاستفادة من بيانات اعتماد Active Directory الخاصة بالشركة أو المشتركة والتي تمتد عبر أصول تكنولوجيا المعلومات والتكنولوجيا التشغيلية معاً. ونشر بيئة Active Directory مخصصة ومستقلة للتكنولوجيا التشغيلية دون وجود علاقات ثقة تمتد إلى شبكة الشركة. ويجب أن تقتصر حسابات خدمة الذكاء الاصطناعي حصرياً على قواعد البيانات المحددة التي تتطلبها، مما يمنع استخدامها كمتجهات للحركة الجانبية.

تأسيس نسخ احتياطية غير قابلة للتغيير خارج النطاق

نظراً لأن قدرات توليد الثغرات ذاتياً تضغط النافذة الدفاعية لإجراء التحديثات، يجب على المؤسسات ضمان قدرتها على التعافي من الاختراق في أسوأ الحالات. وتطبيق استراتيجية نسخ احتياطي غير قابلة للتغيير لجميع ملفات منطق PLC، وبيئات تشغيل SCADA، وتكوينات DCS، وصور HMI. ويجب تخزين النسخ الاحتياطية تماماً خارج النطاق وغير متصلة بالإنترنت (offline)، مع إجراء تدريبات استعادة دورية ومعتمدة من قِبل فرق هندسة المصنع.

عزل محطات العمل الهندسية عن الشبكة (Air-Gap)

تعد محطة العمل الهندسية الهدف الأكثر قيمة داخل المنشأة الصناعية لأنها تحدد المنطق المكتوب لأجهزة PLC. ويجب عزل هذه الأنظمة بصرامة عن تطبيقات الشركة القياسية، والبريد الإلكتروني، والوصول إلى الإنترنت، وأي حزم برمجيات تحليلية للذكاء الاصطناعي. ويجب أن تخضع تعديلات البرمجيات أو المنطق لعملية صارمة للتحكم في التغيير تتضمن مدخلات USB مادية ومفحوصة إعلامياً أو بوابات نقل مخصصة ومراقبة عن كثب.

توصيات للقيادة

لمديري أمن المعلومات التنفيذيين (CISOs)

• التوقف عن استعارة كتيبات قواعد تكنولوجيا المعلومات. عدم افتراض أن إطار عمل حوكمة بيانات المؤسسة أو وكيل الاستجابة والكشف عن نقاط النهاية (EDR) القياسي لتكنولوجيا المعلومات كافيان لإدارة المخاطر الفيزيائية لمحرك الذكاء الاصطناعي الصناعي.

• تأسيس غرفة عمليات للذكاء الاصطناعي. الشراكة المباشرة مع نائب رئيس التصنيع أو العمليات لإنشاء فريق مخصص ومتعدد الوظائف لتقييم الهندسة والأمن ومكلف بفحص جميع عمليات تكامل البرمجيات التحليلية والتشغيلية المقترحة.

لقادة أمن التكنولوجيا التشغيلية (OT)

• فرض تقسيم المناطق. معاملة نظام الذكاء الاصطناعي كمكون طرف ثالث غير موثوق به. ورسم خريطة لجميع تبعيات الأصول ومسارات الاتصال باستخدام أدوات الكشف والاستجابة للشبكة (NDR) المحسنة للبروتوكولات الصناعية (مثل Modbus وCIP وDNP3 وOPC UA).

• تنظيم فرز تنبيهات الموردين التشغيلية. وضع اتفاقيات مستوى خدمة (SLAs) واضحة لتقييم وتطبيق تحديثات الموردين أو الضوابط التعويضية فوراً عند الكشف عن عيوب البرمجيات الحرجة، مع توقع أن الأدوات المدفوعة بالذكاء الاصطناعي ستسرع الجدول الزمني من وقت الكشف عن الثغرة إلى استغلالها كأداة هجومية.

لفرق عمليات المصنع ومديري المصانع

• منح الأولوية لأنظمة أجهزة السلامة (SIS). ضمان بقاء أنظمة السلامة منفصلة تماماً، وموصلة سلكياً، ومعزولة عن أي طبقة شبكة تحتوي على برمجيات تحسين أو منصات ذكاء اصطناعي. ويجب أن تعمل حلقة السلامة كحائط صد غير قابل للاختراق ضد أي أمر تحكم منحرف.

• محاربة انحياز الأتمتة. إجراء تدريبات مستمرة للمشغلين ومحاكاة للأعطال تركز على إدارة اضطرابات العمليات يدوياً. وضمان احتفاظ المشغلين بالكفاءة الأساسية للتعرف على التوصيات المؤتمتة المعيبة، وعدم الثقة بها، وتجاوزها.

الخاتمة

ينطوي دمج منصات الذكاء الاصطناعي في بيئات التكنولوجيا التشغيلية على إمكانات هائلة لزيادة الكفاءة وتقليل فترات التوقف الصناعي. ومع ذلك، فإن إدخال محركات برمجية احتمالية وغير حتمية في بنى حتمية ذات أهمية بالغة للسلامة يفرض تحديات تشغيلية وسيبرانية عميقة.

تثبت القدرات الوكيلة المتقدمة، والتي تتجسد في نماذج متطورة مثل Claude Mythos، أن سرعة اكتشاف الثغرات واستغلالها قد تسارعت بشكل دائم. وللدفاع عن البنية التحتية الحيوية ضد مشهد التهديدات المتطور هذا، لا يمكن لمالكي الأصول الاعتماد على دفاعات المحيط التقليدية أو نماذج الامتثال السلبية. ويجب أن تتعاون فرق الأمن والهندسة لبناء بنى مرنة تضرب بجذورها في التقسيم الصارم للمناطق، وتسليم البيانات أحادي الاتجاه، والتحقق البشري في الحلقة، والالتزام الراسخ بسلامة العمليات الفيزيائية.