الشركات الناشئة في مجال الذكاء الاصطناعي في مسقط — من الذي يبني ماذا‏.

عندما تسأل «من الذي يبني ماذا» في مسقط، لا تبحث عن قائمة أسماء فقط. أنت تبحث عن خريطة قيمة: أين يبدأ المنتج، من يدفع، وما هو شكل العائد. هذا هو الفرق بين منظومة ناشئة حقيقية وموجة اهتمام مؤقتة.

في 2026، ومع دفع البرامج الوطنية نحو تبني AI في القطاعات الإنتاجية، بدأت تظهر أنماط أوضح للشركات: بعضها يبيع تطبيقاً نهائياً، وبعضها يبني بنية تحتية، وبعضها يعيش في المنطقة الوسطى بينهما [١][٢].

الخريطة السريعة: خمس فئات رئيسية‏.

• Builders of vertical products: حلول جاهزة لقطاع واحد (خدمة عملاء، صحة، لوجستيات، تعليم).
• Model and language layer players: فرق تركز على اللغة العربية/اللهجات والسياق المحلي.
• AI operations tooling: مراقبة الجودة، إدارة المطالبات، والتحليلات التشغيلية.
• Automation integrators: يربطون AI مع أنظمة ERP/CRM القائمة بدل إعادة بناء كل شيء.
• Applied data startups: يحولون بيانات الجهات إلى قرارات (تنبؤ، توصية، كشف أنماط).

من يربح أسرع في مسقط؟

الربح الأسرع غالباً ليس لمن يملك أعقد نموذج، بل لمن يحل مشكلة واضحة لعميل يدفع بسرعة. لهذا نرى الشركات القطاعية (vertical) تتقدم غالباً على الشركات التي تبدأ من «منصة عامة» دون حالة استخدام محددة.

في السوق المحلي، العميل يريد ثلاثة أشياء مباشرة: نتيجة خلال أسابيع، تكامل مع أنظمته الحالية، وضمان مقبول للبيانات والامتثال. من يحقق هذا الثلاثي يختصر دورة البيع.

في مسقط، أفضل عرض AI ليس «نموذجنا أذكى». أفضل عرض هو «هذا KPI يتحسن خلال 90 يوماً».

ما الذي تبنيه الفرق فعلياً (وليس ما تروّج له)‏.

كثير من الشركات تبدأ بقصة «ذكاء اصطناعي شامل»، ثم تكتشف أن السوق يكافئها عندما تضيق النطاق: ميزة واحدة، قطاع واحد، ومقياس واحد. هذا ليس ضعفاً؛ هذا نضج مبكر.

لذلك، الجواب الواقعي على سؤال «من يبني ماذا» هو: معظم الفرق الجادة تبني طبقات عملية فوق نماذج موجودة، وتتنافس في سرعة التنفيذ والفهم القطاعي، لا في تدريب نموذج أساسي من الصفر.

أين تظهر الفجوات الآن‏.

• فجوة Productization: حلول ممتازة تقنياً لكنها غير جاهزة لتسعير واضح.
• فجوة Distribution: شركات تبني جيداً لكن لا تملك قناة مبيعات مؤسسية مستمرة.
• فجوة Data Readiness: العملاء أنفسهم غير جاهزين ببيانات نظيفة كفاية.
• فجوة المواهب الوسطى: نقص في profile يجمع تقنية + قطاع + تشغيل.
• فجوة الثقة: غياب دراسات حالة محلية موثقة يجعل قرار الشراء أبطأ.

كيف تقرأ أي شركة AI ناشئة بسرعة‏.

قبل أن تنبهر بالعرض، اسأل خمس أسئلة تختصر الحقيقة التجارية:

• ما المشكلة الدقيقة التي تحلها؟
• من يدفع اليوم، وليس من قد يدفع مستقبلاً؟
• ما KPI الذي يتحسن، وبأي نسبة تقريبية؟
• ما مقدار العمل اليدوي المخفي خلف «الذكاء»؟
• ما خطة الاعتماد على البيانات المحلية والامتثال؟

مخطط مشهد مسقط‏.

أسئلة شائعة‏.

• هل السوق مزدحم؟ مزدحم بالعروض، أقل ازدحاماً بالمنتجات القابلة للتوسع.
• هل الأفضل بناء نموذج خاص؟ غالباً لا في البداية؛ الأفضل حل المشكلة ثم تحسين الموديل.
• هل العميل المحلي يدفع؟ نعم عندما تكون القيمة مباشرة وقابلة للقياس.
• ما أكبر خطأ؟ البيع بلغة تقنية بدون ترجمة إلى أثر أعمال.
• ما أهم ميزة تنافسية؟ فهم عميق لسياق القطاع المحلي وسرعة التنفيذ.

الخلاصة والدعوة‏.

مشهد الشركات الناشئة في AI بمسقط يتحرك من «من لديه نموذج» إلى «من لديه منتج». هذا تحول صحي. لأنه يعيد النقاش إلى أساسه الصحيح: مشكلة، عميل، قيمة، واستمرارية.

إذا كنت تبني شركة AI اليوم، اختبر نفسك بجملة واحدة: ماذا تبني تحديداً، ولمن، وبأي رقم نجاح خلال ربع سنة؟ إن لم تقدر على هذه الجملة، فالرؤية ما زالت أوسع من اللازم.

المصادر‏.

[١] MTCIT — Oman AI & Digital Future Program (2024–2026).

[٢] MTCIT — National Program for AI and Advanced Digital Technologies (objectives and sectors).

[٣] MTCIT — National Program launch details (2024-2026).

[٤] Oman Vision 2040 / Digital economy context.

[٥] نقطة — ملاحظات داخلية من مشاريع AI ومنظومة الشركات الناشئة في مسقط، أبريل ٢٠٢٦ (Nuqta internal startup ecosystem notes, April 2026).