في عصر يتزايد فيه الاعتماد على أنظمة الذكاء الاصطناعي (AI)، يجب أن نعيد تقييم كيفية فهمنا للمخاطر المرتبطة بها. يركز النقاش الحالي حول أمان الذكاء الاصطناعي بشكل مفرط على الفشل المرئي، مثل الأضرار الواضحة وسوء الاستخدام المذهل. ومع ذلك، يبدو أن الأخطاء الأكثر تأثيراً هي تلك التي تبقى في الظل.

تنبع هذه الأخطاء من عيوب كامنة في الأنظمة والتي تتوزع بين مكوناتها وليس فقط في نتائج فردية. لذلك، ليس السؤال الوحيد المطروح هو ما إذا كان النموذج سيصدر استجابة ضارة، بل يتعلق أيضاً بمدى قدرة النظام الاجتماعي والتقني على الحفاظ على ظروف تمكن من رؤية هذه الأخطاء وتعامل معها.

لذا، نقدم إطار عمل من خمس طبقات للتشخيص:
1. **سلامة المعرفة (Epistemic Integrity)**: هل تم تمثيل الأدلة والشكوك بصدق؟
2. **سلامة السيطرة (Control Integrity)**: هل تظل السلطات والحدود مرنة في مواجهة الهجمات؟
3. **سلامة الزمن (Temporal Integrity)**: هل تبقى الأمان قائمًا عبر الجلسات والتحديثات؟
4. **سلامة المؤسسات (Organizational Integrity)**: هل تستطيع المؤسسات القيام بالتدقيق بشكل فعال؟
5. **سلامة نظام البيئة (Ecosystem Integrity)**: هل تحافظ أنظمة الذكاء الاصطناعي على بيئة المعلومات؟

في هذه الطبقات، نشير إلى أنماط المخاطر غير المعترف بها، مثل الاعتماد المفرط، والغموض، والتلاعب بالمعلومات. وهنا تأتي الحاجة إلى استراتيجيات تصميم وإدارة جديدة لتحسين أمان الذكاء الاصطناعي من مجرد تقييم النماذج إلى موثوقية الأنظمة الاجتماعية والتقنية.