استعد لاختبار ⁨PMI-CPMAI⁩ بخطة مبنية على نتائجك.

مبني على: PMI-CPMAI Examination Content Outline and Specifications, September 2025

ما الذي يغطيه امتحان ⁨PMI-CPMAI⁩

تُعنى شهادة ⁨PMI-CPMAI⁩ بإدارة مشاريع الذكاء الاصطناعي (⁨Artificial Intelligence - AI⁩) من منظور مدير المشروع أو قائد الفريق، لا من منظور مهندس البيانات أو مطوّر النماذج وحده. ويُبنى الامتحان على مخطط محتوى الامتحان ومواصفاته (⁨Examination Content Outline and Specifications⁩) الذي نشره معهد إدارة المشاريع (⁨PMI⁩) في سبتمبر 2025، والذي يقسّم المحتوى إلى خمسة مجالات (⁨Domains⁩) تندرج تحتها مهام (⁨Tasks⁩) محددة:

• دعم جهود الذكاء الاصطناعي المسؤول والجدير بالثقة (⁨Support Responsible and Trustworthy AI Efforts⁩): 15%. يشمل الإشراف على خطة الخصوصية والأمن، وإدارة الشفافية (⁨Transparency⁩) في اختيار البيانات والخوارزميات، وإجراء فحوص التحيّز (⁨Bias⁩) على النموذج والبيانات والخوارزمية، ومتابعة الامتثال للأنظمة والسياسات، وإدارة توثيق المساءلة وسجل التدقيق.
• تحديد احتياجات الأعمال والحلول (⁨Identify Business Needs and Solutions⁩): 26%. يتناول تحديد المشكلة المراد حلها، وتقييم الجدوى الأولية للذكاء الاصطناعي، وتقييم مخاطر الأمن والسلامة والأخلاقيات، وإعداد بيان نطاق المشروع، وتحديد العائد على الاستثمار (⁨ROI⁩)، وإدارة مخاطر التبني والتكامل، ووضع مسودة الحل، وتحديد معايير النجاح ومؤشرات الأداء، ودعم إعداد دراسة الحالة التجارية (⁨Business Case⁩)، وتحديد موارد المشروع.
• تحديد احتياجات البيانات (⁨Identify Data Needs⁩): 26%. يغطي تحديد البيانات المطلوبة، وتحديد خبراء البيانات، ومصادر البيانات ومواقعها، وتنسيق بيئة العمل والبنية التحتية، وجمع البيانات، والتحقق من الخصوصية والامتثال وصلاحيات الوصول، والإشراف على تقييم البيانات، وتحديد ما إذا كانت تلبي احتياجات الحل، ونقل فهم البيانات إلى القيادة.
• إدارة تطوير نماذج الذكاء الاصطناعي وتقييمها (⁨Manage AI Model Development and Evaluation⁩): 16%. يشمل الإشراف على اختيار تقنيات النماذج والخوارزميات، وضبط جودة النماذج وضمانها، وإدارة التدريب، وإدارة تحويل البيانات وإعدادها، والتحقق من جودة البيانات لاتخاذ قرار المضيّ أو التوقف، والتحقق من جاهزية النموذج للتشغيل.
• تشغيل حل الذكاء الاصطناعي (⁨Operationalize AI Solution⁩): 17%. يتناول إعداد خطة النشر وإدارة النشر، والإشراف على حوكمة النماذج (⁨Model Governance⁩)، ومتابعة مقاييس الحل وأداء النموذج، وإعداد التقرير الختامي والدروس المستفادة، وخطة الانتقال، وخطة الطوارئ.

ويُلاحظ أن مجالي احتياجات الأعمال واحتياجات البيانات يشكلان معًا أكثر من نصف الامتحان، وهذا يعكس فكرة أساسية في هذا التخصص: معظم مشاريع الذكاء الاصطناعي تتعثر بسبب غموض المشكلة أو ضعف البيانات، لا بسبب الخوارزمية.

صيغة الامتحان وما ينبغي التحقق منه

يحدد المخطط المجالات وأوزانها والمهام المندرجة تحتها. أما مدة الامتحان وأنواع البنود وشروط التقديم وسياسات الحجز، فراجعها في صفحة الامتحان الحالية لدى معهد ⁨PMI⁩ قبل حجز موعدك، لأنها المرجع الوحيد الموثوق لهذه التفاصيل، وقد تُحدَّث من وقت لآخر.

المنهجية والترابط بين المجالات

تقوم الشهادة على منهجية لإدارة مشاريع الذكاء الاصطناعي تتألف من ست مراحل تكرارية (⁨Iterative⁩): فهم الأعمال (⁨Business Understanding⁩)، وفهم البيانات (⁨Data Understanding⁩)، وإعداد البيانات (⁨Data Preparation⁩)، وتطوير النموذج (⁨Model Development⁩)، وتقييم النموذج (⁨Model Evaluation⁩)، وأخيرًا تشغيل النموذج (⁨Model Operationalization⁩) في بيئة العمل الفعلية. والمهم هنا أن هذه المراحل لا تسير في خط مستقيم؛ فقد يكشف تقييم البيانات أن المشكلة بحاجة إلى إعادة تعريف، وقد يكشف تقييم النموذج أن البيانات غير كافية، فيعود الفريق إلى مرحلة سابقة. والمنهجية تشجع على تكرارات صغيرة تثبت القيمة سريعًا بدل مشروع ضخم واحد.

وتنعكس هذه المراحل على المجالات على النحو التالي:

• تحديد احتياجات الأعمال والحلول يقابل مرحلة فهم الأعمال: ما المشكلة؟ هل الذكاء الاصطناعي هو الحل المناسب أصلًا؟ وما معيار النجاح؟
• تحديد احتياجات البيانات يقابل فهم البيانات: هل البيانات موجودة، ومتاحة، وكافية، ومسموح باستخدامها؟
• إدارة تطوير النماذج وتقييمها يقابل مراحل إعداد البيانات وتطوير النموذج وتقييمه، مع قرارات المضيّ أو التوقف بينها.
• تشغيل الحل يقابل مرحلة تشغيل النموذج: النشر والمراقبة والحوكمة بعد الإطلاق.
• أما الذكاء الاصطناعي المسؤول والجدير بالثقة فهو مجال عابر لكل المراحل: الخصوصية والشفافية والتحيز والامتثال ليست خطوة أخيرة، بل اعتبارات حاضرة منذ تعريف المشكلة حتى ما بعد التشغيل.

خطة دراسة واقعية

المرحلة الأولى: فهم المنهجية. قبل الخوض في التفاصيل، افهم المراحل التكرارية ومنطق الانتقال بينها، ولماذا يُعد قرار المضيّ أو التوقف عند كل مرحلة جزءًا جوهريًا من إدارة المخاطر.

المرحلة الثانية: الدراسة حسب الوزن. امنح مجالي احتياجات الأعمال واحتياجات البيانات الحصة الأكبر من وقتك، ثم وزّع الباقي على مجالات التشغيل وتطوير النماذج والذكاء الاصطناعي المسؤول. وإن كانت خلفيتك في إدارة المشاريع التقليدية، فخصص وقتًا إضافيًا لمفاهيم البيانات وتقييم النماذج؛ وإن كانت خلفيتك تقنية، فركز على دراسة الجدوى والعائد ومعايير النجاح والحوكمة.

المرحلة الثالثة: التدرب حسب المجال. تدرّب على مواقف مصنفة حسب المجال، واقرأ شرح كل إجابة. واسأل نفسك في كل موقف: في أي مرحلة من المنهجية يقع هذا الموقف؟ وما القرار الذي يتخذه مدير المشروع هنا، لا عالم البيانات؟

المرحلة الرابعة: حلقات معالجة الضعف. سجّل أخطاءك حسب المجال والمهمة، وراجع المهام التي تتكرر فيها أخطاؤك، ثم أعد التدرب عليها. وكرر الحلقة حتى يتوازن أداؤك عبر المجالات الخمسة.

كيف تقيس جاهزيتك

تابع أداءك في كل مجال على حدة، ولا تكتفِ بالنتيجة الإجمالية؛ فالمجالان الأكبر وزنًا قد يخفيان ضعفًا في الذكاء الاصطناعي المسؤول أو في تشغيل الحل. وانتبه بصفة خاصة إلى المواقف التي تتطلب قرار المضيّ أو التوقف، لأنها تختبر فهمك لمنطق المنهجية لا مجرد معرفتك بالمصطلحات.

ومن علامات الجاهزية أن تستطيع، أمام أي موقف، تحديد المرحلة التي يقع فيها من المنهجية، والمجال الذي ينتمي إليه، والقرار الإداري المناسب، مع تبرير استبعاد البدائل. واحرص على أن يكون أداؤك مستقرًا عبر عدة جولات متباعدة قبل أن تحجز موعدك. وإذا لاحظت أن أخطاءك تتركز في مجال واحد، فارجع إلى مهامه في المخطط وراجعها واحدة واحدة قبل جولة التدريب التالية.

أخطاء شائعة في الاستعداد

• التعامل مع الشهادة كأنها امتحان تقني في تعلّم الآلة: المطلوب فهم كافٍ للمفاهيم التقنية لاتخاذ قرارات إدارية سليمة، لا القدرة على برمجة النماذج.
• القفز إلى النموذج قبل المشكلة والبيانات: كثير من المواقف تكون إجابتها الصحيحة هي التحقق من المشكلة أو من جاهزية البيانات أولًا.
• تأجيل الاعتبارات الأخلاقية والتنظيمية: معاملة الذكاء الاصطناعي المسؤول كمرحلة أخيرة بدل أن يكون حاضرًا طوال المشروع.
• افتراض أن المراحل خطية: تجاهل الطبيعة التكرارية للمنهجية والعودة إلى المراحل السابقة حين تظهر معلومات جديدة.
• إهمال ما بعد التشغيل: المراقبة وحوكمة النماذج وخطط الطوارئ والانتقال جزء أساسي من الامتحان، وليست ملحقًا.
• الاعتماد على مواد قديمة: تأكد من توافق مصادرك مع مخطط سبتمبر 2025.

الخلاصة

يغطي امتحان ⁨PMI-CPMAI⁩ خمسة مجالات: الذكاء الاصطناعي المسؤول والجدير بالثقة (15%)، واحتياجات الأعمال والحلول (26%)، واحتياجات البيانات (26%)، وتطوير النماذج وتقييمها (16%)، وتشغيل الحل (17%). افهم المنهجية التكرارية أولًا، ووزّع وقتك حسب الأوزان، وتدرّب حسب المجال مع قراءة الشروح، وتحقق من تفاصيل صيغة الامتحان في صفحة ⁨PMI⁩ الحالية قبل الحجز.