شركة توسيم بيانات في السعودية: متحدثون أصليون للهجات المحلية، واستضافة داخل المنطقة افتراضيًا

Bayanat Labs شركة توسيم بيانات في السعودية مقرها الرياض. نوسّم بيانات الذكاء الاصطناعي العربية ونجمعها ونبني بيانات المواءمة والتقييم، نصًا وصوتًا وصورةً وفيديو، بأيدي متحدثين أصليين ولغويين ومهنيين مرخّصين اجتازوا الفرز، ونستضيفها داخل المنطقة افتراضيًا. نخدم بناة النماذج والجهات الحكومية والبنوك وشركات الاتصالات والقطاع الصحي ممن يحتاجون توسيم البيانات (Data Annotation) باللهجات السعودية على يد من يتحدثونها، ومعالجة للبيانات يمكن شرحها لسدايا وللجهة المنظِّمة. نعمل على البيانات فقط، ولا ننافس عملاءنا بنماذج خاصة بنا.

وسواء سمّيته وسمًا أو تصنيفًا أو تعليقًا توضيحيًا للبيانات (Data Labeling)، فالعمل واحد تقريبًا؛ انظر دليل مصطلحات Data Labeling بالعربية.

لماذا تختار شركة توسيم بيانات في السعودية؟

يطّلع الموسّم في التوسيم على المكالمة أو المحادثة أو النموذج الممسوح ضوئيًا كاملًا، ولهذا يصعب إسناد العمل إلى فرق خارج المملكة:

• النظام يسري أينما جرت المعالجة. يسري نظام حماية البيانات الشخصية على معالجة بيانات المقيمين في المملكة ولو تمّت من جهة خارجها (النظام، المادة الثانية)، ويُلزم جهة التحكم باختيار جهة معالجة توفّر الضمانات اللازمة (المادة الثامنة).
• أنظمة القطاعات تقيّد الإسناد إلى الخارج. يحتاج البنك إلى عدم ممانعة كتابية من البنك المركزي السعودي قبل الإسناد إلى مزوّد في الخارج، مع بيان مبررات الإسناد، ومنها سبب تعذّره داخل المملكة (تعليمات إسناد المهام إلى طرف ثالث، الفقرة 42). ويمتد نطاق ضوابط إدارة البيانات الوطنية وحوكمتها وحماية البيانات الشخصية إلى شركاء القطاع الخاص الذين يتعاملون مع بيانات حكومية، ومنها تسجيلات الصوت والفيديو.
• اللهجة السعودية ليست لهجة واحدة. تغطي مدوّنة SDC-5 خمس لهجات إقليمية سعودية رئيسية: الحجازية والنجدية والجنوبية والشمالية والشرقية (Al-Shenaifi وآخرون، 2024)، وفريق يُجنَّد تحت عنوان «لهجة خليجية» عام يفوّت هذه الفروق.

خدمات توسيم البيانات في المملكة

ما اللهجات السعودية التي تغطونها؟

تدخل اللهجات السعودية ضمن تغطيتنا لأكثر من 25 لهجة ومتغيّرًا عربيًا. نتفق على المزيج عند تحديد النطاق، ولا يلمس مساهم بيانات العميل قبل اجتياز فرز اللهجة والمجال. والفرق أعمق من اللكنة:

ولقياس فجوات التغطية في بياناتك، راجع مقالنا عن أثر تغطية اللهجات في سقف أداء النموذج العربي (بالإنجليزية).

نظام حماية البيانات الشخصية وتوسيم البيانات: ماذا تسأل أي مورّد؟

تبقى أنت جهة التحكم، فلا يجعل أي مورّد مشروعك ممتثلًا نيابة عنك، لكنه يستطيع تقديم إجابات قابلة للتحقق. والنظام لا يحظر النقل إلى الخارج؛ فالمادة التاسعة والعشرون تجيزه لأغراض محددة وبشروط، وتفصّل لائحة نقل البيانات الشخصية إلى خارج المملكة (الإصدار 2.0، أغسطس 2024) الضمانات المناسبة وتقويم مخاطر النقل (المادة السابعة). وانتبه: «داخل المنطقة» قد يعني دولة خليجية أخرى، أي نقلًا خارج المملكة، فاسأل عن الدولة بالاسم.

إعداداتنا الافتراضية: استضافة داخل المنطقة، أو نشر داخل منشأتك (On-Prem) أو في سحابة خاصة حين يجب أن تبقى البيانات لديك، وصلاحيات بالحد الأدنى، وسجل تدقيق لكل مهمة، ومساهمون ملتزمون باتفاقيات عدم إفصاح (NDA). وإن اشترطت بقاء كل شيء داخل المملكة، من التخزين إلى من يفتح كل سجل، فاكتبه في النطاق واطلب من كل مورّد، ونحن منهم، تأكيد كل موقع كتابيًا. التفاصيل في دليل PDPL وإقامة البيانات لفرق الذكاء الاصطناعي (بالإنجليزية).

القطاعات التي ندعمها في المملكة

ونعمل أيضًا في القطاع القانوني والإعلام والتجزئة؛ راجع القطاعات.

كيف يسير مشروع توسيم البيانات؟

1. تحديد النطاق. المهمة والتصنيف (Taxonomy) ومزيج اللهجات والمجال والحجم وشروط الإقامة، والحقول التي تُحجب قبل التوسيم، كأرقام الهوية الوطنية والإقامة والجوال.
2. الدليل والمجموعة الذهبية. دليل توسيم يغطي الحالات السعودية، ومجموعة ذهبية (Gold Set) يحسمها لغويون، ومساهمون يُفرزون حسب اللهجة والمجال ثم يُدرَّبون ويُعايَرون عليها.
3. المشروع التجريبي. تشغيل محدد النطاق على بياناتك أنت، ويمكن أن يجري في البيئة التي ستعتمدها للإنتاج.
4. ضبط الجودة والتحكيم. قياس ومراجعة وإعادة عمل كما في القسم التالي، وتقرير جودة في نهاية التجريبي.
5. التوسّع والتسليم. خدمة مُدارة، أو فريق مدمج مع فريقك، أو تعاقد مؤسسي، وتسليم بصيغك، مع سجل تدقيق لكل مهمة.

وهذه المراحل هي منهجيتنا نفسها: الفرز ← التدريب ← الإنتاج ← ضبط الجودة ← التسليم.

كيف نقيس جودة التوسيم؟

• المعيار الذهبي. تُقاس أعمال كل موسّم على عناصر ذهبية بين المهام، لا متوسط الفريق فقط.
• الاتفاق بين الموسّمين (Inter-Annotator Agreement). على عيّنة متداخلة، وبالمقياس الملائم للمهمة: Cohen's kappa لموسّمَين، وKrippendorff's alpha لأكثر من موسّمَين أو عند نقص الوسوم، وF1 على مستوى المقطع لمهام NER.
• التحكيم وإعادة العمل. يحسم محكّمون الخلافات، وتعود الأخطاء المتكررة إلى الدليل ثم يُعاد العمل عليها.
• تقرير على بياناتك. أرقام اتفاق ودقة مقيسة على مشروعك أنت، لا نسبة دقة عامة تتصدر صفحة تسويقية.

متى تعتمد على الأتمتة، ومتى تحتاج إلى موسّمين بشريين؟

التوسيم المسبق بالنماذج (Pre-labeling) مجدٍ حيث تستطيع إثبات أنه آمن، ولا يصح افتراض ذلك في البيانات الخليجية. في تدقيق LabelBench على مجموعة الاختبار المحجوزة الثابتة، بلغت دقة المطابقة التامة لنموذج لغوي محلي (Qwen 2.5 3B) 78% في تصنيف السمّية العربية الثنائي (سامّ أو غير سامّ)، ثم هبطت إلى 25.3% على التصنيف الفعلي ذي الوسوم السبعة، وإلى 22.4% في تحديد خمس مناطق لهجية (نسبة التخمين العشوائي 20%)، وصنّف النموذج 75% من الأمثلة الخليجية على أنها مصرية. لذلك نقيس تغطية الأتمتة الآمنة (Safe Automation Coverage) على تصنيفك ومزيج لهجاتك، ولا نؤتمت إلا الحصة التي تبقى فوق حد الجودة الذي تحدده. أما المهام متعددة الوسوم والحساسة للهجة وبيانات القطاعات المنظَّمة فتبقى لدى الموسّمين البشريين.

فريق داخلي أم منصة تعهيد جماعي أم مورّد متخصص؟

ابدأ بمشروع تجريبي

أرسل المهمة واللهجات والمجال ونمط البيانات والحجم التقريبي وقيود الإقامة إلى hello@bayanatlabs.com أو عبر نموذج التواصل. نعود إليك بمشروع تجريبي محدد النطاق على بياناتك، مع ضبط جودة بمعيار ذهبي وتقرير جودة، عادةً خلال أسبوعين، ثم تقرر هل تتوسع. وللتعمق قبل التواصل، اقرأ دليل توسيم البيانات العربية للذكاء الاصطناعي أو تصفّح مقالاتنا بالعربية.

تبحث عن عمل في توسيم البيانات؟ اقرأ دليل وظائف توسيم البيانات عن بُعد أو انضم إلى شبكة المواهب.