حين تصبح بطء القرار هو الخطر الحقيقي
في كثير من المؤسسات، لا تكون المشكلة في غياب الأنظمة، بل في أن القرارات التشغيلية والاستراتيجية ما زالت تمر عبر طبقات طويلة من المراجعة اليدوية، وتنازع الصلاحيات، وتكرار البيانات بين ERP وCRM والإيميل وملفات Excel. هنا يظهر سؤال المدير التنفيذي أو CIO بشكل مباشر: كيف نستخدم الذكاء الاصطناعي لا كعرض تقني، بل كوسيلة لتقليل التعقيد، وتسريع القرار، ورفع جودة التنفيذ؟
القيادة والتحول بالذكاء الاصطناعي لا تعني إدخال chatbot فوق الأنظمة الحالية ثم انتظار المعجزات. إنها تغيير في طريقة إدارة المؤسسة نفسها: من مؤسسة تعتمد على الخبرة الفردية والتقارير المتأخرة، إلى مؤسسة تبني قراراتها على بيانات موثوقة، وأتمتة قابلة للقياس، ونماذج حوكمة تمنع المخاطر قبل أن تنتشر.
هذا التحول مهم بشكل خاص في بيئات MENA، حيث تعمل المؤسسات الحكومية والكبرى تحت ضغط مزدوج: تحقيق نتائج أسرع، والالتزام بضوابط أمنية وتشغيلية وتنظيمية أعلى. لذلك، فإن الذكاء الاصطناعي الناجح لا يبدأ من الأداة، بل من سؤال قيادي واضح: أين يضيف قيمة حقيقية، وكيف نضمن أنه يعمل داخل حدود المؤسسة لا خارجها؟
ما المقصود بالقيادة والتحول بالذكاء الاصطناعي داخل المؤسسة؟
المقصود هو توظيف الذكاء الاصطناعي كطبقة قرار وتشغيل فوق البنية الرقمية القائمة، بحيث يتحول من محرك تجريبي إلى أداة تدعم العمليات اليومية وتساعد القيادات على التحرك بسرعة وبدقة. الفرق الجوهري هنا أن الأتمتة التقليدية تنفذ خطوات محددة مسبقًا، بينما الذكاء الاصطناعي يستطيع تفسير طلبات غير منظمة، واقتراح إجراءات، واستخراج أنماط من البيانات، ثم دعم القرار أو تنفيذه ضمن ضوابط محددة.
في الواقع المؤسسي، قد يعني ذلك أتمتة معالجة طلبات الخدمة، أو تلخيص عقود طويلة لمراجعتها من فرق الشؤون القانونية، أو تقديم توصيات للفرق المالية بشأن الاستحقاقات غير المعتادة، أو إنشاء وكيل أعمال يجيب عن أسئلة الموظفين ويصعد الحالات المعقدة فقط. الفارق ليس في التقنية وحدها، بل في مستوى النضج الإداري الذي يسمح بجعل التقنية جزءًا من سير العمل اليومي.
من رقمنة العمليات إلى ذكاء تشغيلي
كثير من المؤسسات بدأت رحلتها بالتحول الرقمي عبر رقمنة النماذج والأنظمة وقنوات الخدمة. لكن الرقمنة وحدها لا تعني أن المؤسسة أصبحت أكثر ذكاءً. قد تكون لديك بوابة إلكترونية ممتازة، لكن إذا ظل القرار النهائي يعتمد على مراجعات يدوية وتأخر في تدفق البيانات، فإن القيمة التشغيلية ستبقى محدودة.
التحول بالذكاء الاصطناعي ينقل المؤسسة من مجرد تسجيل البيانات إلى استخدامها بشكل فوري في التنفيذ. هنا يصبح الذكاء الاصطناعي طبقة تربط بين المصدر التشغيلي والقرار التنفيذي. وعندما تُدمج هذه الطبقة مع لوحات مؤشرات تنفيذية، وإدارة سير العمل، وCRM، وERP، فإن المؤسسة تبدأ في التحرك بسرعة أعلى وبمخاطر أقل.
يمكن النظر إلى هذا الانتقال كمرحلة نضج: أولًا توحيد العمليات، ثم تنظيف البيانات، ثم ربطها، ثم تشغيل الذكاء الاصطناعي على حالات استخدام عالية القيمة، وأخيرًا تعميمه ضمن حوكمة واضحة. هذه هي النقطة التي يتحول فيها التحول الرقمي من مشروع تكنولوجيا إلى منهج قيادة.
أولويات القادة قبل التوسع في الذكاء الاصطناعي
قبل أن تسأل المؤسسة: أي نموذج نستخدم؟ يجب أن تسأل: هل نملك الأساس المناسب؟ من واقع العمل مع المؤسسات الكبيرة، هناك ستة معايير قرار لا ينبغي تجاهلها:
- وضوح المشكلة التجارية: هل نحل بطئًا في الخدمة، أم خطأً في البيانات، أم ازدواجية في العمل، أم ضعفًا في التنبؤ؟ إذا لم تكن المشكلة محددة، ستصبح مبادرة AI عامة وغير قابلة للقياس.
- جاهزية البيانات: الذكاء الاصطناعي لا يصنع قيمة من بيانات متفرقة أو غير متسقة. يجب معرفة مصادر البيانات، جودتها، وحداثتها، ومن يملكها.
- تكامل الأنظمة: هل يمكن ربط AI مع ERP وCRM والتطبيقات الداخلية دون بناء جزر منفصلة؟
- الضبط الأمني والامتثال: خاصة في القطاعات المنظمة، يجب تحديد أين تُخزن البيانات، ومن يراها، وكيف تُراجع المخرجات قبل اتخاذ القرار.
- قابلية القياس: يجب تحديد KPI مسبقًا: زمن الاستجابة، نسبة الإسناد الآلي، تقليل الأخطاء، أو خفض عبء العمل اليدوي.
- تبني المستخدمين: حتى أفضل نموذج يفشل إذا لم يثق به الموظفون أو لم يُدمج في سير العمل الطبيعي.
هذه المعايير ليست ترفًا استشاريًا، بل هي ما يفرق بين تجربة ذكاء اصطناعي ناجحة ومشروع مكلف لا يترك أثرًا تشغيليًا.
أين يحقق الذكاء الاصطناعي قيمة ملموسة داخل المؤسسة؟
هناك مجالات داخل المؤسسة تظهر فيها الفائدة بسرعة أكبر من غيرها، لأنها تتضمن حجمًا كبيرًا من التكرار، أو كثافة بيانات، أو قرارات تشغيلية متكررة.
خدمة العملاء والدعم الداخلي
في مراكز الاتصال وفرق الدعم، يمكن للذكاء الاصطناعي تلخيص التذاكر، تصنيفها، اقتراح الردود، واكتشاف الموضوعات المتكررة. هذا يقلل زمن المعالجة ويحسن الاتساق. لكن القيمة الحقيقية لا تتحقق إلا إذا كان هناك ربط مع قواعد المعرفة، وCRM، وسجل التفاعل السابق، حتى لا يعمل النموذج في فراغ.
المالية والمشتريات
يمكن استخدام AI لمراجعة الفواتير، اكتشاف الشذوذ، دعم مطابقة أوامر الشراء، واقتراح الحالات التي تحتاج مراجعة بشرية. في المؤسسات الكبيرة، هذه المنطقة غالبًا ما تقدم عائدًا واضحًا لأنها تعتمد على قواعد متكررة وبيانات منظمة نسبيًا.
الموارد البشرية
من فرز الطلبات إلى الإجابة عن استفسارات السياسات الداخلية، يستطيع AI تقليل العبء على فرق الموارد البشرية. لكن يجب الانتباه هنا إلى الحساسية العالية للبيانات الشخصية، والتمييز بين الاستشارة الآلية والقرار النهائي الذي يجب أن يبقى بشريًا في كثير من الحالات.
سلاسل الإمداد والتشغيل
في التشغيل واللوجستيات، تساعد النماذج في التنبؤ بالاختناقات، دعم التخطيط، وتحسين الاستجابة للطلب. ومع ذلك، فإن نجاحها يعتمد بشكل مباشر على جودة البيانات الزمنية، واتساق سجلات المخزون، والتكامل مع الأنظمة التشغيلية.
متى يكون ERP وCRM جزءًا من الحل، ومتى يصبحان عائقًا؟
ERP وCRM ليسا مجرد أنظمة سجلات، بل هما المصدر العملي الذي يمكن أن يغذي الذكاء الاصطناعي بالبيانات والسياق. عندما تكون هذه المنصات متكاملة، يصبح من الممكن تشغيل AI على تدفقات حقيقية: من أمر شراء إلى موافقة، أو من تفاعل عميل إلى إغلاق حالة، أو من طلب داخلي إلى معالجة آلية.
لكن إذا كانت المؤسسة تعمل عبر طبقات من التخصيصات القديمة، والحقول غير المتسقة، والاعتماد على واجهات يدوية، فإن الذكاء الاصطناعي سيواجه نفس القيود القديمة بسرعة أكبر. لذلك، يجب التعامل مع ERP وCRM كجزء من استراتيجية التمكين وليس فقط كأنظمة تشغيل.
في كثير من الحالات، يكون من الأفضل البدء بحالات استخدام محددة داخل Microsoft Dynamics 365 أو Salesforce CRM أو Odoo Apps أو Oracle ERP أو SAP ERP، ثم توسيع الأتمتة تدريجيًا حسب نضج البيانات والحوكمة.
كيف تسرّع منصات Low-Code تبني الذكاء الاصطناعي؟
المنصات منخفضة الكود لا تحل محل الاستراتيجية، لكنها تقلل الزمن بين الفكرة والتجربة. وهنا تظهر قيمة Microsoft Power Platform وCopilot Studio في بناء تطبيقات وعمليات وAgents تربط بين الأنظمة مع ضوابط وصول واضحة.
عندما تستخدم المؤسسة هذه المنصات بشكل صحيح، فإنها تستطيع:
- تجربة حالة استخدام بسرعة دون بناء منصة جديدة من الصفر.
- ربط الذكاء الاصطناعي بسير العمل الفعلي بدل أن يبقى أداة منفصلة.
- منح فرق الأعمال قدرة أكبر على الابتكار ضمن حوكمة تقنية موحدة.
- قياس الأثر قبل التوسع، بدل الاستثمار الكامل قبل إثبات القيمة.
يمكن الرجوع أيضًا إلى Microsoft Learn Power Platform لمراجعة أفضل الممارسات التقنية، خصوصًا عند بناء تدفقات عمل تعتمد على البيانات والأتمتة والاعتماديات بين الأنظمة.
في المؤسسات الناضجة، السؤال ليس: هل نستخدم AI؟ بل: أين نضعه حتى يختصر الخطوات دون أن يكسر الضوابط أو يعزل البيانات عن مصدرها.
نماذج عملية توضح الفرق بين التجربة والقيمة
خذ مثالًا بسيطًا: قسم خدمة العملاء يتلقى يوميًا طلبات متكررة بشأن حالة الطلبات، واسترجاع الوثائق، وتحديث البيانات. إذا تم إدخال chatbot عام، فقد يجيب بشكل سطحي. أما إذا تم ربطه بالـ CRM وسجل الطلبات، وبقواعد معرفة محددة، وبتصعيد تلقائي للحالات المعقدة، فستظهر قيمة ملموسة: تقليل زمن الانتظار، رفع دقة الرد، وتحسين تجربة العميل.
وفي مثال آخر داخل المالية، قد تقوم المؤسسة باستخدام AI لاكتشاف الفواتير المكررة أو غير المتسقة، ثم تمرير الحالات المشكوك فيها إلى موظف المراجعة. هنا الذكاء الاصطناعي لا يتخذ القرار النهائي، لكنه يرفع كفاءة القرار ويقلل الهدر.
هذا المنطق نفسه يمكن تطبيقه في المشتريات، الموارد البشرية، العمليات اللوجستية، وحتى في اللجان التنفيذية عبر لوحات مؤشرات ذكية تجمع البيانات من أكثر من نظام وتقدمها في شكل قابل للتنفيذ. ويمكن ربط هذه المقاربة مع بناء لوحات مؤشرات تنفيذية للإدارة العليا: من البيانات المتفرقة إلى قرارات قابلة للتنفيذ لفهم كيف تتحول البيانات إلى قيادة يومية أفضل.
الدمج مع الوكلاء الذكيين: أين تبدأ المخاطر وأين تبدأ القيمة؟
عندما تنتقل المؤسسة من النماذج التنبؤية إلى الوكلاء الذكيين، فإن مستوى الأتمتة يرتفع، وبالتالي ترتفع أيضًا المخاطر. لذلك من المهم قراءة هذا التحول من زاوية تشغيلية لا تسويقية. يمكن للوكلاء أن يحجزوا، يراجعوا، يصعّدوا، ويقترحوا، لكن يجب أن تبقى حدود الصلاحيات، ومسارات الموافقة، وسجلات المراجعة واضحة.
هذا ما يجعل الذكاء الاصطناعي الوكيل داخل Microsoft Power Platform وCopilot Studio: كيف تبني المؤسسات وكلاء أعمال آمنين وقابلين للقياس؟ مرجعًا مهمًا عند تصميم الحلول العملية. فالهدف ليس إنتاج وكيل يتكلم جيدًا، بل وكيل يخدم العملية دون تجاوزات.
ولأن التنفيذ السليم يحتاج إلى إطار حوكمة واضح، فإن مراجعة حوكمة وأمن Agentic AI في المؤسسات: كيف تبني ضوابط عملية تمنع المخاطر وتسرّع التبني؟ تساعد على فهم كيف تربط بين الأمن، الصلاحيات، والمساءلة.
نموذج حوكمة عملي لقادة المؤسسات
أفضل برامج AI المؤسسية لا تقوم على الحماس، بل على الحوكمة. ويمكن تلخيص النموذج العملي في الأسئلة التالية:
- من يملك حالة الاستخدام؟ يجب أن يكون هناك مالك أعمال واضح، لا مجرد فريق تقني منفذ.
- من يملك البيانات؟ تحديد المصدر، جودة البيانات، وسجل التحديث.
- من يراجع مخرجات الذكاء الاصطناعي؟ خاصة عند التعامل مع المحتوى الحساس أو القرارات عالية الأثر.
- متى نسمح بالأتمتة الكاملة؟ وما هي الحالات التي تتطلب موافقة بشرية.
- كيف نراقب الانحراف والأداء؟ من خلال سجلات، عتبات، وتنبيهات واضحة.
- كيف نغلق الحلقة؟ أي كيف نستخدم ملاحظات المستخدمين والنتائج الفعلية لتحسين النموذج والعملية.
وعند العمل في بيئات تنظيمية صارمة، يصبح التكامل والحوكمة جزءًا من الامتثال وليس فقط من الكفاءة. ولهذا فإن موضوع كيف تبني المؤسسات المالية في MENA تبادل بيانات أكثر أمانًا ومرونة بعد تحرك ساما نحو تعزيز الربط التقني؟ يقدم زاوية مفيدة لفهم كيف يمكن للتكامل المنضبط أن يدعم الابتكار دون كسر المتطلبات الرقابية.
كيف تقيس الإدارة العليا العائد الحقيقي؟
العائد في مشاريع AI لا يُقاس بعدد النماذج المنشورة، بل بالأثر التشغيلي والمالي. يمكن للإدارة العليا مراقبة مجموعة مؤشرات عملية، منها:
| المؤشر | ماذا يقيس | لماذا يهم |
|---|---|---|
| زمن الإنجاز | المدة من الطلب إلى الإغلاق | يوضح أثر الأتمتة على السرعة |
| نسبة المعالجة الآلية | كم من الحالات تُنجز دون تدخل يدوي | يبيّن نضج الحل |
| معدل الخطأ | الأخطاء أو التكرار أو التناقضات | يعكس جودة القرار والتنفيذ |
| إنتاجية الفريق | عدد الحالات أو المهام لكل موظف | يظهر أثر AI على القدرة التشغيلية |
| رضا المستفيدين | الموظفين أو العملاء أو المتعاملين | يكشف أثر التغيير على التجربة |
من المهم ألا تكون المؤشرات تقنية فقط. إذا تحسن أداء النموذج ولم تتحسن العملية، فغالبًا المشكلة في التصميم أو التكامل أو تبني المستخدمين، لا في الذكاء الاصطناعي نفسه.
أخطاء شائعة تعطل برامج الذكاء الاصطناعي المؤسسية
- البدء من الأداة بدل المشكلة: اختيار نموذج أو منصة قبل تحديد حالة استخدام واضحة.
- المبالغة في التوسع المبكر: نشر AI في عدة إدارات قبل إثبات النتيجة في تجربة محدودة.
- إهمال البيانات: الاعتماد على بيانات غير نظيفة أو غير مكتملة، ثم لوم النموذج.
- تجاهل التكامل: إنشاء حل منفصل لا يتصل بسير العمل الحقيقي.
- غياب الحوكمة: عدم تحديد المسؤولية، والمراجعة، والضوابط.
- عدم إدارة التغيير: افتراض أن الموظفين سيتبنون الأداة تلقائيًا.
أكثر الأخطاء تكلفة هو التعامل مع الذكاء الاصطناعي كمشروع تجريبي دائم. القيمة الحقيقية تظهر عندما يتحول إلى جزء من العملية، لا إلى عرض جانبي.
خارطة طريق تنفيذية من 90 يومًا
إذا كانت المؤسسة تريد التحرك بشكل عملي، فهذه خارطة مختصرة لكنها واقعية:
- الأيام 1-30: تقييم الجاهزية. تحديد مصادر البيانات، العمليات المستهدفة، المخاطر، والأطراف المالكة.
- الأيام 31-60: اختيار حالة أو حالتين عاليتي الأثر، وصياغة معايير النجاح، وتصميم التكامل المطلوب مع الأنظمة القائمة.
- الأيام 61-75: تنفيذ تجربة محدودة داخل نطاق مضبوط، مع مراجعة المخرجات وقياس النتائج.
- الأيام 76-90: مراجعة الدروس، ضبط الحوكمة، ثم إعداد خطة التوسع التدريجي.
وإذا كانت المؤسسة تحتاج نقطة انطلاق عملية، فإن خريطة تنفيذ Agentic AI في المؤسسات: من التجربة الأولى إلى التشغيل الآمن والقابل للقياس تساعد على تحويل الفكرة إلى خطة تنفيذ واضحة، خاصة عند الدمج مع حلول جاهزية البيانات للذكاء الاصطناعي الوكيل (Agentic AI) في المؤسسات.
متى تختار Odoo أو Dynamics 365 أو منصة أخرى؟
الاختيار لا يجب أن يبنى على الاسم فقط، بل على درجة تعقيد المؤسسة، ونضجها التشغيلي، ومتطلبات التكامل. Odoo قد يكون مناسبًا لمرونة أعلى في بعض السيناريوهات، بينما تناسب Dynamics 365 المؤسسات التي تريد دمجًا قويًا مع منظومة Microsoft. أما Oracle ERP وSAP ERP وSalesforce CRM فتخدم حالات مختلفة بحسب بنية المؤسسة، وحجمها، وعمق العمليات، والحوكمة المطلوبة.
المعيار الحقيقي هو: هل المنصة تسمح بربط البيانات، وإدارة الصلاحيات، وتوسيع الأتمتة، ودعم AI دون خلق تعقيد إضافي؟ إذا كانت الإجابة لا، فالمشكلة ليست في الذكاء الاصطناعي بل في الأساس التشغيلي.
خلاصة تنفيذية
القيادة والتحول بالذكاء الاصطناعي ليسا اتجاهًا تقنيًا عابرًا، بل منهجًا جديدًا لإدارة المؤسسة. المؤسسات التي ستكسب هي التي تبدأ من المشكلة، وتبني على بيانات نظيفة، وتربط AI بالعمليات الفعلية، وتضبط المخاطر قبل التوسع. أما المؤسسات التي تبدأ من العرض التوضيحي فقط، فغالبًا ستنتهي إلى أدوات متفرقة وتأثير محدود.
إذا استطاعت الإدارة العليا أن توائم بين الاستراتيجية، الحوكمة، التكامل، والقياس، فإن الذكاء الاصطناعي يصبح رافعة حقيقية للتحول الرقمي المستدام، وليس مجرد طبقة إضافية فوق التعقيد القديم.
الأسئلة الشائعة
ما الفرق بين التحول الرقمي التقليدي والتحول بالذكاء الاصطناعي داخل المؤسسات؟
التحول الرقمي التقليدي يركز على رقمنة العملية أو القناة، بينما التحول بالذكاء الاصطناعي يضيف طبقة قرار وتشغيل ذكية تساعد على التنبؤ، التلخيص، التصنيف، والتوصية، بل وأحيانًا التنفيذ ضمن ضوابط. باختصار: الرقمنة تنقل العملية إلى النظام، أما AI فيحسن كيفية اتخاذ القرار داخلها.
من أين يجب أن تبدأ المؤسسة إذا أرادت تبني الذكاء الاصطناعي بشكل عملي وآمن؟
ابدأ بحالة استخدام واضحة ذات أثر تجاري ملموس، ثم قيّم جاهزية البيانات، والتكامل، والحوكمة، قبل توسيع النطاق. البدء من المشكلة يقلل المخاطر ويزيد فرصة النجاح.
هل ينبغي أن تركز المؤسسات أولًا على البيانات أم على حالات الاستخدام؟
الاثنان معًا، لكن بترتيب عملي: اختر حالة استخدام محددة ثم افحص بياناتها. إذا كانت الحالة مهمة لكن البيانات ضعيفة، فاعمل على إصلاح البيانات قبل التوسع. بهذه الطريقة تتجنب بناء منصة دون قيمة أو قيمة دون قابلية للتشغيل.
كيف تقيس الإدارة العليا العائد الحقيقي من مشاريع الذكاء الاصطناعي؟
من خلال مؤشرات تشغيلية ومالية مثل تقليل الزمن، زيادة المعالجة الآلية، خفض الأخطاء، رفع إنتاجية الفرق، وتحسين تجربة المستخدم. لا يكفي أن يكون النموذج ذكيًا؛ يجب أن تكون العملية نفسها أفضل.
ما أبرز مخاطر استخدام الذكاء الاصطناعي المؤسسي وكيف يمكن الحد منها؟
أبرز المخاطر هي البيانات الضعيفة، التكامل غير المكتمل، القرارات غير الخاضعة للضبط، وتبني المستخدمين المنخفض. الحد منها يكون عبر الحوكمة، الصلاحيات، المراجعة البشرية للحالات الحساسة، والتطبيق التدريجي.
CTA
إذا كانت مؤسستك تبحث عن طريقة عملية لتسريع التحول الرقمي وتقليل التعقيد التشغيلي، يمكن لفريق Singleclic مساعدتك في تقييم الوضع الحالي وبناء خارطة طريق واضحة للتنفيذ. نحن نعمل مع المؤسسات الحكومية والكبرى في MENA على حلول ERP وCRM والأتمتة ومنصات Low-Code والبيانات والذكاء الاصطناعي، مع التركيز على القيمة القابلة للقياس والتكامل الآمن.
اقرا المزيد
- خالد حسن: التحول الرقمي لم يعد كافيا.. لماذا تتجه المؤسسات في MENA نحو الذكاء التشغيلي والمؤسسات الذكية؟
- حلول Agentic AI لخدمة العملاء في المؤسسات: حالات استخدام عملية تمنح فرق الدعم سرعة ودقة وقابلية للتوسع
- الذكاء الاصطناعي الوكيل داخل Microsoft Power Platform وCopilot Studio: كيف تبني المؤسسات وكلاء أعمال آمنين وقابلين للقياس؟
- حوكمة وأمن Agentic AI في المؤسسات: كيف تبني ضوابط عملية تمنع المخاطر وتسرّع التبني؟
- خريطة تنفيذ Agentic AI في المؤسسات: من التجربة الأولى إلى التشغيل الآمن والقابل للقياس
ابدأ بخطوة عملية مع Singleclic
إذا كانت مؤسستك تبحث عن طريقة عملية لتسريع التحول الرقمي وتقليل التعقيد التشغيلي، يمكن لفريق Singleclic مساعدتك في تقييم الوضع الحالي وبناء خارطة طريق واضحة للتنفيذ.
اقرا المزيد
- دليل الذكاء الاصطناعي وتحليلات البيانات للمؤسسات: من البيانات المتفرقة إلى قرارات تشغيلية قابلة للقياس
- سنوفليك واستثمارات البيانات والذكاء الاصطناعي في الإمارات: ماذا يعني ذلك للتحول الرقمي للمؤسسات؟
- كيف تستخدم المؤسسات تحليلات البيانات لاتخاذ قرارات أسرع؟
- تطبيقات الذكاء الاصطناعي في أتمتة العمليات المؤسسية: من المهام المتكررة إلى قرارات تشغيلية أسرع
- بناء لوحات مؤشرات تنفيذية للإدارة العليا: من البيانات المتفرقة إلى قرارات قابلة للتنفيذ
