Este estudio aprovecha la diversidad lingüística de los dialectos árabes para crear dos corpus extensos de X (anteriormente Twitter). El Corpus Árabe del Golfo (GAC-6) incluye alrededor de 1.7 millones de tweets de seis países del Golfo: Arabia Saudita, Emiratos Árabes Unidos, Qatar, Omán, Kuwait y Bahréin, capturando una amplia gama de variaciones lingüísticas. El Corpus del Dialecto Saudí (SDC-5) comprende 790,000 tweets, ofreciendo información detallada sobre cinco dialectos regionales principales de Arabia Saudita: Hiyazi, Najdi, Sureño, Norteño y Oriental, reflejando el complejo panorama lingüístico de la región. Ambos corpus están completamente anotados con palabras clave específicas de cada dialecto y datos de geolocalización, logrando altos niveles de precisión, como lo indican los puntajes de Kappa de Cohen de 0.78 para GAC-6 y 0.90 para SDC-5. El proceso de anotación aprovecha técnicas impulsadas por inteligencia artificial, incluyendo algoritmos de aprendizaje automático para el reconocimiento automatizado de dialectos y la extracción de características, para mejorar la granularidad y precisión de los datos. Estos recursos contribuyen significativamente al campo de la dialectología árabe y facilitan el desarrollo de algoritmos de inteligencia artificial para el análisis de datos lingüísticos, mejorando el diseño y la eficiencia de los sistemas de inteligencia artificial. Los datos proporcionados por esta investigación son cruciales para avanzar en metodologías de inteligencia artificial, apoyando diversas aplicaciones en el ámbito de las tecnologías de inteligencia artificial de próxima generación.