Ahmed El-Shamy

Ahmed El-Shamy Contact information, map and directions, contact form, opening hours, services, ratings, photos, videos and announcements from Ahmed El-Shamy, Finance, El Remaya square, Giza, Egypt, Giza.

07/02/2026

$440,000.. وتقرير “رسمي” طلع فيه مراجع وهمية!

في نيوزيلندا، جهة حكومية اضطرت تعيد رفع تقرير استشاري بعد ما اتشال منه مراجع غير موجودة وأخطاء واضحة.
والأهم إن جزء من الشغل اتعمل بأداة مبنية على GPT-4o، وفي الآخر اتردّت دفعة من قيمة العقد.

الرسالة هنا مش ضد الـ AI.
الرسالة إن الاسم الكبير مش بديل للـ QC.

لو مفيش Traceability لكل رقم ومصدر، الـ AI هيطلع لك كلام مقنع بس خطر.

ونفس الفكرة تنطبق لو بتستخدم ChatGPT أو Perplexity. من غير تحقق، أنت بتراهن على الثقة مش على الدقة.

لو عايز تعرف إزاي تنتقل من “مش فاهم AI” إلى “متمكن في AI modeling للمالية” بشكل عملي وآمن، اكتبلي في التعليقات أو ابعتلي من البروفايل.

02/02/2026

🧭 PRFAQ للـ AI feature بيحميك من وعود أكبر من الواقع في الـ roadmap.

🧾 Whiteboard:
➡️ الهدف: قرار أسرع في Product بدون كسر controls.
➡️ المبدأ: PRFAQ يخليك تبني وعود واقعية.
➡️ القيد: قيد واقعي: PRFAQ لازم يتكتب قبل الـ launch مش بعده.
➡️ الضابط: launch criteria + rollback + comms plan
➡️ القاعدة: draft لحد المراجعة.

🎬 لحظة التسليم الحقيقي كانت لما اتفقنا: مين reviewer، ومين owner، ومين بيشغل، ومين بيوقف.

تفصيلة صغيرة مهمة: في PRFAQ style for launching AI features safely، الناس بتنجذب للإجابة “اللطيفة”. المطلوب فعليًا إجابة “قابلة للدفاع”.

🛠️ خطوات قابلة للتطبيق هذا الأسبوع:
▸ حوّل الـ output لـ draft افتراضيًا
▸ عرّف approval gate واضح ومين reviewer
▸ exceptions queue للحالات المشكوك فيها
▸ monitoring بسيط + audit log

🚩 Red flag: override بيتكرر من غير سبب مكتوب.

⚖️ Tradeoff: السرعة تكسبك sprint، بس من غير gates هتخسر وقت في التحقيق.

هل PRFAQ بيمنع وعود كبيرة ولا بيتكتب بعد الإطلاق؟

✅ لو فريقك (Product Lead) بيشتغل على PRFAQ style for launching AI features safely، لو عندك use case قريب وهتلاقي PRFAQ template للـ AI feature ينفع كـ starting point في أول sprint.

🧾 نقطة للمدققين وللشغل: ماتستناش audit.
اعمل “pre-audit” داخلي شهري: اختار عينة, راجع الدليل, راجع approvals, وراجع أي override.
الهدف إنك تكتشف النمط بدري, مش إنك تبرر بعدين.

⚙️ قيود مش هتتهرب منها:
▸ change management لأي تعديل prompt أو rule.
▸ monitoring بعد الإطلاق, مش أثناءه بس.
▸ سجل قراراتك كأنك هتشرحها لشخص جديد بعد 6 شهور.

🧩 “قبل ما تثق”, اسأل 3 أسئلة:
▸ هل النتيجة قابلة للتكرار على نفس المدخلات؟
▸ هل في trace للمصادر والخطوات؟
▸ هل في طريقة تقول I cannot confirm this لما الدليل ناقص؟

📌 ملاحظة Product Management مفيدة حتى لو انت Finance:
الـ rollout التدريجي يقلل المخاطر. شغّل الميزة على شريحة صغيرة, راقب الاستثناءات, وارجع عدّل قبل ما تعمّم.

📏 إزاي تقيس إن الشغل ماشي صح في Product؟
▸ نسبة الاستثناءات المفهومة أحسن من “صفر استثناءات”.
▸ جودة الـ audit log: هل تقدر تعيد القرار خطوة بخطوة؟
▸ زمن المراجعة للحالات الحساسة: هل بيقل مع الوقت ولا بيزيد؟

🧪 اختبار سريع قبل ما توسّع PRFAQ style for launching AI features safely:
▸ اختار 5 حالات سهلة و5 حالات borderline.
▸ شوف هل النظام بيميز بينهم ولا بيعمم.
▸ لو اتلخبط, خليها تدخل exceptions queue بدل ما تجبرها على قرار.

01/02/2026

🧠 لو بتفكر تستخدم RAG evaluation harness for policy Q&A، خلي الضوابط قبل الحماس.
🧭 لو مافيش evidence trail، يبقى مافيش دفاع وقت audit.

Checklist مختصر:
▸ تعريف واضح للoutput
▸ مصدر داخلي واحد للأرقام أو النص المرجعي
▸ exceptions queue للاستثناءات
▸ audit log للتغييرات
▸ approval gate قبل المشاركة

في اجتماع تسليم، اتفقنا إن السرعة مش هدف لوحدها، الهدف السرعة مع auditability.

إشارة مش مريحة: narrative طويل ومفيش trace للرقم.

إيه أول check هتزوده لو هتستخدم GenAI في نفس السيناريو؟
تابع الصفحة وهشارك template عملي مرتبط بـ RAG evaluation harness for policy Q&A، جاهز للتطبيق جوه الفريق.

📌 لو عندك approvals قائم، اربط الـ workflow الجديد بنفس الـ gates بدل ما تعمل مسار جانبي خارج الرقابة.

🔥 تحب تدخل AI بقوة جوه finance، بس كل مرة حد يسأل: “عندنا إيه داتا أصلاً؟” الدنيا تقف؟ هنا ييجي دور Data Catalog كجزء أ...
01/02/2026

🔥 تحب تدخل AI بقوة جوه finance، بس كل مرة حد يسأل: “عندنا إيه داتا أصلاً؟” الدنيا تقف؟

هنا ييجي دور Data Catalog كجزء أساسي من أي data & AI platform محترمة.

Data Catalog هو كتالوج مركزي بيوثّق ال datasets والجداول والتقارير وال metadata بتاعتهم علشان أي team يقدر يلاقي الداتا ويفهمها ويتأكد إنها تحت حوكمة واضحة.

✦ من غير Data Catalog:
★ كل team عنده نسخة داتا مختلفة.
★ معرفش مين owner بتاع أي table.
★ وفي الآخر AI projects تقف علشان “مش لاقيين الداتا الصح”.

✦ لما تبني Data Catalog مظبوط:
▸ تقدر تدور على datasets باسم ال subject مش باسم ال table.
▸ تعرف مين مسؤول عن كل set.
▸ تشوف مستوى الحساسية و quality قبل ما تستخدم أي حاجة.

✦ بالنسبة لفرق finance و FP&A:
★ بتوفر وقت كبير في hunting على ملفات و exports.
★ بتهدي ال friction مع IT و data.
★ بتبني أساس قوي لأي Finance AI Copilot أو ML project.

ابدأ بسيط:
✦ حدد أهم ٢٠ جدول أو report بتستخدمهم كل شهر.
✦ سجلهم في Data Catalog حتى لو manual في البداية.
✦ زوّد ال scope تدريجيًا.

لو عايز AI يشتغل بجد عندك، لازم Data Catalog يبقى جزء من الصورة مش رفاهية.
تابعني وهكمل في السلسلة دي باقي اللبنات اللي تبني بيها منصة data و AI تخدمك سنين. 💡📊

لو إنت في Finance Ops وبتستنى نهاية الشهر عشان تكتشف المشاكل, المشكلة مش في التوقيت. المشكلة إن الكنترولز مش بتتراقب باس...
31/01/2026

لو إنت في Finance Ops وبتستنى نهاية الشهر عشان تكتشف المشاكل, المشكلة مش في التوقيت. المشكلة إن الكنترولز مش بتتراقب باستمرار.

قبل
← Exceptions بتظهر متأخر
← معالجة يدوية وضغط على الفريق
بعد
← رصد بدري, cases تتفتح أسرع
← remediation أسرع, وتكرار أقل

قيد: محتاج integration كويس مع مصادر المعاملات.
Trade-off: رصد أعلى يزود تنبيهات, بس يمنع مشاكل كبيرة لو triage مضبوط.

Proof: مثال masked, نفس نوع exception اتكرر, واتقفل لما اتعمل root cause tagging.

قرارك: تبدأ بـ monitoring ولا بـ triage playbook؟
تابع بروفايلي لمزيد من frameworks العملية عن AI في المالية.

لو إنت Ops وبتقول “عملنا QA” المشكلة إن QA من غير معيار يبقى رأي شخصي Checklist QA قبل الإرسال أو التنفيذ ← Correctness ...
29/01/2026

لو إنت Ops وبتقول “عملنا QA”
المشكلة إن QA من غير معيار يبقى رأي شخصي

Checklist QA قبل الإرسال أو التنفيذ
← Correctness
← Completeness
← Tone
← PII removed
← Policy compliant
← Human approval لو قرار
← Logging موجود

قيد: QA الكامل مكلف, فمحتاج sampling rules
Trade-off: sampling يسرع التشغيل بس يسيب edge cases

هتقدم QA coverage ولا Time-to-send الأول؟
تابع بروفايلي لمزيد من checklists العملية لـ Applied AI

لو عندك آلاف المستندات و reports و policies، وسؤال واحد من الإدارة يضيع منك ساعة search، يبقى محتاج تفكر في Vector Datab...
28/01/2026

لو عندك آلاف المستندات و reports و policies، وسؤال واحد من الإدارة يضيع منك ساعة search، يبقى محتاج تفكر في Vector Database مش folder جديد 😅

Vector Database هي قاعدة بيانات مخصصة لتخزين ال embeddings والبحث فيها، ودي الأساس في semantic search و RAG على مستندات وتقارير finance.

✦ الفرق بين search العادي و vector search:
★ keyword search يدور على نفس الكلمة تقريبًا.
★ vector search يدور على المعنى، حتى لو ال wording مختلف.
★ وده بيخلي سؤالك عن “profitability by segment” يلاقي تقارير مكتوبة بصيغة تانية.

✦ دور Vector Database في finance و FP&A:
▸ الأساس ل RAG systems على مستندات داخلية.
▸ بيخليك تبني finance copilot فاهم مستنداتك مش بس knowledge عام.
▸ يساعد في تجميع docs related ببعض من غير tagging يدوي مرهق.

✦ علشان تستخدمه صح:
★ اهتم بال document chunking من البداية.
★ حدد أي sources موثوقة فعلاً تدخل في ال index.
★ راقب جودة النتائج مع الفريق وحدث ال embeddings عند الحاجة.

Vector Database مش buzzword تقني، ده layer أساسي لأي AI serious عايز يشتغل على تقارير و policies finance بشكل فعّال.

لو حابب تشوف architecture بسيط يربط Vector DB مع LLM لخدمة فريقك، تابعني وهشارك diagrams وأفكار تطبيقيه بالعربي. 💡📂

26/01/2026

🧾 في IFRS، فرق كلمة واحدة بين interpretation و extraction ممكن يغيّر قرار.

🔎 نقطة
أي قرار مالي محتاج evidence chain، حتى لو النص مكتوب حلو.
قيد واقعي: interpretation تحت IFRS لازم يتوثق كقرار مش كنص.

📝 واقع
🎬 اتفقنا إن أي automation لازم يبقى ليه حدود واضحة.

تفصيلة صغيرة مهمة: في IFRS contract review with OCR and validation sampling، الناس بتنجذب للإجابة “اللطيفة”. المطلوب فعليًا إجابة “قابلة للدفاع”.

🧪 اختبار
🧾 Checklist من 5 نقاط قبل ما الـ OCR يدخل ledger:
➤ قواعد استخراج واضحة لكل حقل مهم
➤ validation sampling أسبوعي على العينة
➤ exceptions queue لأي مستند ambiguous
➤ separation of duties بين استخراج واعتماد
➤ reconciliation سريع بعد الترحيل

🧱 توثيق
🧱 Control مضاف: sampling + dual review for high-risk clauses + audit log.
🚩 Red flag: workflow جديد ماشي من غير audit log.
⚖️ Tradeoff: ربط كل حاجة بالدليل بياخد وقت، بس بيوفر وقت أكبر وقت التدقيق.

📌 آخر سطر
في شغلك، مين يراجع interpretation تحت IFRS قبل ما يتسجل؟
⚙️ لو بتعمل pilot، وهشارك IFRS interpretation checklist يسهّل عليك مراجعة IFRS contract review with OCR and validation sampling وقت audit بدل ما تبدأ من الصفر.

📌 ملاحظة Product Management مفيدة حتى لو انت Finance:
الـ rollout التدريجي يقلل المخاطر. شغّل الميزة على شريحة صغيرة, راقب الاستثناءات, وارجع عدّل قبل ما تعمّم.

📏 إزاي تقيس إن الشغل ماشي صح في Finance؟
➤ نسبة الاستثناءات المفهومة أحسن من “صفر استثناءات”.
➤ جودة الـ audit log: هل تقدر تعيد القرار خطوة بخطوة؟
➤ زمن المراجعة للحالات الحساسة: هل بيقل مع الوقت ولا بيزيد؟

🧪 اختبار سريع قبل ما توسّع IFRS contract review with OCR and validation sampling:
➤ اختار 5 حالات سهلة و5 حالات borderline.
➤ شوف هل النظام بيميز بينهم ولا بيعمم.
➤ لو اتلخبط, خليها تدخل exceptions queue بدل ما تجبرها على قرار.

🧱 حدود تشغيل واقعية:
➤ متخليش الـ output يطلع برا فريقه من غير reviewer.
➤ متسمحش بـ copy/paste مباشر في مستند رسمي من غير evidence.
➤ لو في بيانات حساسة, خليك strict في redaction قبل أي log.

🧭 لو هتبدأ بكرة, اعمل كده:
➤ حدد owner واحد للقرار.
➤ اكتب تعريف “final” و “draft” في سطرين.
➤ حط gate واضح, وبعدها جرّب rollout تدريجي.

25/01/2026

🧭 سيناريوهات stress testing اللي “تحبها” ممكن تبقى أخطر من اللي “تخوفك”.

⚙️ المشكلة
الـ policy مش PDF، الـ policy لازم يبقى قابل للاستدعاء والتطبيق في workflow.
قيد واقعي: السيناريوهات لازم يبقى لها owners وموافقات مكتوبة.

🧑‍💼 موقف
🎬 في موقف شغل واقعي، اكتشفنا إن المشكلة مش تقنية، المشكلة في تنظيم القرار.

تفصيلة صغيرة مهمة: في AI scenario generation for stress testing with guardrails، الناس بتنجذب للإجابة “اللطيفة”. المطلوب فعليًا إجابة “قابلة للدفاع”.

✅ التصحيح
🛠️ خطوات قابلة للتطبيق هذا الأسبوع:
◇ حوّل الـ output لـ draft افتراضيًا
◇ عرّف approval gate واضح ومين reviewer
◇ exceptions queue للحالات المشكوك فيها
◇ monitoring بسيط + audit log

🔒 القيود
🧱 Control مضاف: scenario approval gate + assumptions register + versioning.
🚩 Red flag: تغيير تعريف KPI من غير version.
⚖️ Tradeoff: تقليل الاستثناءات بيبان نجاح، بس ممكن يخبي المشكلة لو السبب مش معروف.

🎯 القرار
مين بيوافق على assumptions في سيناريوهات stress testing عندك؟
🧠 لو فريقك بيواجه ده لو عايز تحول AI scenario generation for stress testing with guardrails من فكرة ل workflow، وهشارك assumptions register جاهز مع مثال عملي من غير أي بيانات حساسة.

⚙️ قيود مش هتتهرب منها:
◇ change management لأي تعديل prompt أو rule.
◇ monitoring بعد الإطلاق, مش أثناءه بس.
◇ سجل قراراتك كأنك هتشرحها لشخص جديد بعد 6 شهور.

🧩 “قبل ما تثق”, اسأل 3 أسئلة:
◇ هل النتيجة قابلة للتكرار على نفس المدخلات؟
◇ هل في trace للمصادر والخطوات؟
◇ هل في طريقة تقول I cannot confirm this لما الدليل ناقص؟

📌 ملاحظة Product Management مفيدة حتى لو انت Finance:
الـ rollout التدريجي يقلل المخاطر. شغّل الميزة على شريحة صغيرة, راقب الاستثناءات, وارجع عدّل قبل ما تعمّم.

📏 إزاي تقيس إن الشغل ماشي صح في Risk؟
◇ نسبة الاستثناءات المفهومة أحسن من “صفر استثناءات”.
◇ جودة الـ audit log: هل تقدر تعيد القرار خطوة بخطوة؟
◇ زمن المراجعة للحالات الحساسة: هل بيقل مع الوقت ولا بيزيد؟

🧪 اختبار سريع قبل ما توسّع AI scenario generation for stress testing with guardrails:
◇ اختار 5 حالات سهلة و5 حالات borderline.
◇ شوف هل النظام بيميز بينهم ولا بيعمم.
◇ لو اتلخبط, خليها تدخل exceptions queue بدل ما تجبرها على قرار.

🧠 لو عندك model قوي بس مش عارف تشرح ليه أخد قرار معين، SHAP Values من أهم الأدوات اللي ظهرت في السنين الأخيرة. SHAP Val...
25/01/2026

🧠 لو عندك model قوي بس مش عارف تشرح ليه أخد قرار معين، SHAP Values من أهم الأدوات اللي ظهرت في السنين الأخيرة.

SHAP Values هي طريقة تفسير models مبنية على game theory بتوزع مساهمة كل feature في توقع معين بشكل عادل ومفهوم.

✦ الفكرة الأساسية:
★ نوزّع تأثير ال prediction على ال features المختلفة.
★ لكل حالة فردية نقدر نقول: feature X زوّد الاحتمال بكذا، و Y قلله بكذا.
★ مبنية على game theory وبالتالي عندها منطق عادل في التوزيع.

✦ ليه SHAP مهم لفرق finance و risk؟
▸ يساعد تشرح قرار credit أو رفض على مستوى العميل.
▸ يسهّل حوارك مع regulators.
▸ يساعد تكتشف patterns غير متوقعة في الموديل.

الموديل من غير تفسير شبه صندوق أسود، وده خطر في قرارات لها أثر مالي وقانوني.

لو مهتم نشوف إزاي تستخدم SHAP بشكل عملي في dashboards وتقارير، تابعني واستنى الأمثلة اللي جاية. 💡📊

لو إنت Accountant وبتغرق في exceptions, المشكلة مش في كثرتها. المشكلة إنك بتتعامل معاها بنفس الطريقة. ↵ فوضى, مفيش تصن...
24/01/2026

لو إنت Accountant وبتغرق في exceptions, المشكلة مش في كثرتها. المشكلة إنك بتتعامل معاها بنفس الطريقة.

↵ فوضى, مفيش تصنيف
↵↵ تصنيف بسيط, بس مفيش SLA
↵↵↵ triage واضح, owner معروف
↵↵↵↵ root cause tagging
↵↵↵↵↵ منع التكرار بالكنترول

قيد: من غير owner, كل exception هتفضل معلقة.
Trade-off: triage سريع يقلل الوقت, بس ممكن يفوت جودة لو مفيش قواعد.

Proof: مثال masked, exception اتقفل غلط لأن النوع اتسجل data وهو policy.

قرارك: تركز على SLA ولا على دقة التصنيف الأول؟
تابع بروفايلي لمحتوى عملي أكتر عن AI في المالية.

لو إنت Change Lead وبتستغرب ليه الناس وقفت استخدام المشكلة مش مقاومة, المشكلة إنك قافز على خطوات ← Mini workflow ل Adop...
22/01/2026

لو إنت Change Lead وبتستغرب ليه الناس وقفت استخدام
المشكلة مش مقاومة, المشكلة إنك قافز على خطوات

← Mini workflow ل Adoption واقعي
← Align على use case واحد
← Pilot صغير
← Train role-based
← Stabilize بـ QA + KPIs
← Scale تدريجي

قيد: التدريب بياخد وقت أكتر من إعداد الtool
Trade-off: rollout سريع يحقق visibility بس يرفع rework

هتقدم Training ولا Pilot أسرع؟
تابع بروفايلي لمزيد من frameworks عن adoption في Applied AI

Address

El Remaya Square, Giza, Egypt
Giza

Website

Alerts

Be the first to know and let us send you an email when Ahmed El-Shamy posts news and promotions. Your email address will not be used for any other purpose, and you can unsubscribe at any time.

Contact The Business

Send a message to Ahmed El-Shamy:

Shortcuts

Share

Category