باختصار: قضينا شهورًا داخل سوق الذكاء الاصطناعي القانوني بدلاً من القراءة عنه. من بين البائعين الذين اختبرناهم، 65% عبارة عن طبقة موجه فوق نموذج شخص آخر و 3% مدربون على بيانات قانونية. 2% فقط يبنون أي شيء للشخص الذي لديه المشكلة القانونية بالفعل. كل أداة اختبرناها اخترعت شيئًا مرة واحدة على الأقل، والذكاء الاصطناعي الأكثر انتشارًا في مكاتب المحاماة ليس ذكاءً اصطناعيًا قانونيًا على الإطلاق.
لا يوجد نقص في خرائط هذا السوق. Legaltech Hub يحصي أكثر من ألف حل للذكاء الاصطناعي التوليدي في دليله. تنشر صناديق رأس المال المغامر شبكات فئات منظمة. تصنف مواقع المراجعة أربعمائة أداة في جدول مع عمود تسعير هو في الغالب كلمة 'Enterprise'. جميعها تجيب على نفس السؤال، وهو ما هو موجود.
لا يوجد أي منها يجيب على السؤال الذي يطرحه المشتري بالفعل، وهو ما يتكون منه هذا السوق. سيخبرك الدليل أن بائعًا يبيع مراجعة العقود. لن يخبرك ما إذا كان هذا البائع قد قام بتدريب أي شيء، أو كتب أي وثائق، أو يمكن شراؤه دون مكالمة مبيعات، أو يخترع سوابق قضائية عندما تضغط عليه. تظهر هذه الأشياء من الداخل، مما يعني الاشتراك والدفع واستخدام الشيء.
وهذا ما فعلناه. هكذا يبدو مشهد الذكاء الاصطناعي القانوني في عام 2026 عندما تتوقف عن قراءة شبكة الفئات وتبدأ في فتح الحسابات.
ما فعلناه، وتضارب المصالح الذي يجب أن نذكره أولاً
HAQQ تبيع الذكاء الاصطناعي القانوني. نحن بائعون داخل السوق الذي نحن على وشك وصفه، مما يعني أنه يجب عليك قراءة كل رقم أدناه مع العلم بمن قام بحسابه.
يترتب على ذلك شيئان. الأول هو أننا قمنا بتحديد قواعد العد قبل أن نبدأ، وتجادلنا بشأنها لفترة أطول مما قضيناه في إجراء الاختبارات. ما الذي يجعل الشيء غلافًا بدلاً من منتج؟ لقد توصلنا إلى قاعدة تتعارض معنا بقدر ما تتعارض مع أي شخص آخر: إذا قمت بإزالة النموذج العام الأساسي وتوقف الشيء عن العمل تمامًا، بدون طبقة استرجاع، بدون توجيه، بدون بيانات قانونية وبدون تقييم خاص به، فهو غلاف. بهذا التعريف، فإن بعض الشركات الممولة جيدًا جدًا هي أغلفة، وكذلك أجزاء من المنتجات التي نعجب بها.
والثاني هو تحديد النطاق. تصف كل نسبة مئوية في هذه المقالة البائعين الذين اختبرناهم، وليس السوق ككل. لم يختبر أحد السوق بالكامل. عندما يأتي الرقم من شخص آخر، نقول من هو.
كانت الطريقة عادية وبطيئة. الاشتراك دون الإعلان عن أنفسنا. الدفع حيثما كان الدفع ممكنًا. تشغيل نفس مجموعة العمل القانوني الحقيقي عبر كل أداة. قراءة أي وثائق موجودة. الضغط على كل واحدة حتى تتعطل، ثم النظر بعناية في كيفية تعطلها. بالنسبة للبائعين الذين لن يبيعوا لنا بدون مكالمة، حاولنا الدخول بأي طريقة، والذي تبين أنه اكتشاف بحد ذاته.
السوق هو في الغالب طبقة رقيقة فوق نموذج شخص آخر
هذه هي النتيجة التي تتوقف عليها كل الأمور الأخرى، لذا فهي تأتي أولاً.
ما هي منتجات Legal AI التي تُبنى منها في الواقع
معيار HAQQ، 2026، حصة البائعين الذين اختبرناهم
الفئات هي من وضعنا والحدود قابلة للنقاش. القاعدة التي استخدمناها: إزالة النموذج العام الأساسي، وإذا لم يبقَ شيء، فهي طبقة توجيه.
بعض المفردات، لأن هذه الكلمات تُستخدم بتراخٍ. طبقة المطالبة (prompt layer)، والتي تُسمى عادةً "wrapper"، هي واجهة مستخدم ومجموعة من التعليمات تتوضع فوق نموذج عام مثل GPT أو Claude. أما "harness" فهو النسخة الأكثر جدية: يقرر أي نموذج يتعامل مع أي خطوة، ويسترجع المصادر الصحيحة أولاً، ويستدعي الأدوات، ويتحقق من النتيجة قبل أن تصل إليك. الفرق بين الاثنين يكمن في مكان الهندسة، وهو الفرق بين منتج يتدهور بلطف وآخر يختلق الأشياء بثقة.
كون 65 بالمائة من النماذج عبارة عن طبقة مطالبة ليس مدانًا بالضرورة. فواجهة مصممة جيدًا فوق نموذج متطور مفيدة حقًا، والتظاهر بخلاف ذلك سيكون غير أمين. المشكلة تكمن في التسعير والتمركز. طبقة المطالبة التي تُباع بأسعار طبقة المطالبة هي صفقة عادلة. أما طبقة المطالبة التي تُباع كذكاء قانوني خاص، بسعر عدة مئات من الدولارات لكل مستخدم شهريًا، مقابل مساعد عام تدفع الشركة ثمنه بالفعل، فهي صفقة تتوقف عن أن تكون منطقية بمجرد أن يتحقق أي شخص منها. لقد كتبنا عن مكان ظهور هذا الانهيار في قائمة الأسعار في تحليلنا لتسعير Legal AI.
إذا أزلنا النموذج العام الأساسي، فلن يتبقى شيء في ثلثي هذا السوق.
لا أحد تقريبًا يبني من أجل الشخص الذي لديه مشكلة قانونية
من بين كل ما اختبرناه، 2% فقط يعالج العميل النهائي. كل شيء آخر مبني للمحامي.
ضع ذلك في مقابل جانب الطلب. يقدر مشروع العدالة العالمي أن 5.1 مليار شخص لديهم احتياجات عدالة غير ملباة، مما يعني أن لديهم مشكلة قانونية ولا يوجد مسار ذو معنى لحلها. هذا ليس سوقًا يفشل فيه المهنيون القانونيون في الخدمة بسبب اللامبالاة. إنه سوق لا يمكن خدمته بالسعر الذي تتضمنه الساعة القابلة للفوترة، وهو بالضبط القيد الذي من المفترض أن تخففه البرامج.
بدلاً من ذلك، أمضى القطاع دورة رأس المال الاستثماري بأكملها في بناء أدوات لحوالي 1.3 مليون شخص في الولايات المتحدة ممن لديهم بالفعل ترخيص محاماة، وما يعادلهم في أماكن أخرى. هناك أسباب وجيهة لذلك. فالمحامون لديهم ميزانيات، وعمليات شراء، واستعداد واضح للدفع. المستهلكون ليس لديهم أي من هذه الأشياء، بالإضافة إلى القيود التنظيمية على من يمكنه تقديم المشورة القانونية التي تختلف حسب الولاية القضائية ولن تُحل بقرار من شركة ناشئة.
نحن ضمن تلك النسبة الـ 2%، لذا تعامل مع هذا على أنه موقف مُفصح عنه بدلاً من ملاحظة محايدة. لقد أطلقنا تطبيق HAQQ Legal AI للمستهلكين وهو أصعب بكثير من المنتج الاحترافي، وذلك للأسباب المذكورة أعلاه تمامًا. لكن السوق الذي تشير فيه 98% من العروض إلى 0.1% من الطلب ليس سوقًا ناضجًا. إنه سوق وجد مشتريًا واحدًا يفهمه.
الشركات لا تختار موردًا واحدًا. إنها تكدسهم.
80% من الشركات الكبيرة التي نظرنا إليها إما تقوم بتدريب نماذجها الخاصة أو تشغل جهاز توجيه عبر عدة نماذج. إنهم لا يقيمون الموردين لاختيار واحد. بل يجمعون أربعة أو أكثر ويقررون، لكل مهمة، أيها يقدم الإجابة.
هذا يكسر النموذج الذهني الذي بنيت عليه معظم عروض البائعين. لا توجد منافسة مع فائز. هناك كومة، والسؤال هو أي خانة تشغلها فيها، وهو سؤال أقل راحة بكثير من سؤال من هو الأفضل.
يأتي النصف الآخر من نفس الصورة من خارج معيارنا. فقد وجد الاستبيان التقني لعام 2026 لجمعية التكنولوجيا القانونية الدولية، والذي يغطي أكثر من 500 شركة، أن 94% من الشركات تستخدم أو تستكشف الذكاء الاصطناعي، ووجد أن أداة الذكاء الاصطناعي الأكثر استخداماً في مكاتب المحاماة هي Microsoft Copilot، بنسبة 76% من الشركات. Copilot ليس منتجاً قانونياً. إنه مساعد إنتاجية عام تم تضمينه مع برامج كانت الشركات قد اشترتها بالفعل، ويتجاوز تثبيته كل ما تم بناؤه خصيصاً للقانون.
نحن لا ننشر عمداً سلماً للأدوات المخصصة الموجودة تحت هذا الرقم، لأن تصنيف البائع لمنافسيه المحددين بناءً على بيانات استبيان شخص آخر ليس تحليلاً، بل هو تسويق مع استشهاد. النقطة الهيكلية قائمة بذاتها: الذكاء الاصطناعي الأكثر تثبيتاً في القانون هو الذي كان موجوداً بالفعل.
أرقام التبني أيضاً تقوم بعمل أقل مما تبدو عليه. وجد استبيان Axiom لعام 2026 للفرق القانونية الداخلية أن 7% فقط تجاوزوا التجربة التجريبية إلى الإنتاج المقاس، وأن 83% لم يتمكنوا من تحديد ما إذا كانت نفقات الذكاء الاصطناعي للعام السابق قد أدت إلى تحقيق عائد. يصف هذان الرقمان الإدارات الداخلية بينما يصف 94% مكاتب المحاماة، لذا فهما مجموعتان بدلاً من مسار واحد. عند قراءتهما معاً، ما زالا يقولان نفس الشيء: لقد بدأ الجميع تقريباً، ولم ينتهِ أحد تقريباً، ومعظمهم لا يستطيع إثبات الفرق. نحتفظ بسجل مستمر لأبحاث التبني في إحصائيات الذكاء الاصطناعي القانوني 2026.
التبني ليس نشرًا
في نفس العام، ثلاثة أسئلة مختلفة، ثلاث إجابات مختلفة جدًا.
المصادر: استبيان ILTA 2026 للتقنية (أكثر من 500 شركة) للشريط الأول؛ استبيان Axiom 2026 القانوني الداخلي للثاني والثالث. مجموعات سكانية مختلفة، لذا اقرأ الفجوة كنمط بدلاً من مسار واحد.
وصلت المختبرات، والمكون الإضافي هو مجرد لجام معبأ
كل مزود نماذج عامة يتجه الآن مباشرة نحو المجال القانوني. أحدث مثال هو Astra for Law من OpenAI، الذي تم إطلاقه في 17 سبتمبر 2026 مع 26 مكوناً إضافياً شريكاً.
التفصيل الذي يستحق التأمل فيه هو أن اثنتين من أكبر شركات Legal AI المستقلة تم شحنها كمكونات إضافية بداخلها. هذه خطوة منطقية وربما لا مفر منها، حيث أن التوزيع يتفوق على الاستقلالية على المدى القصير. إنه أيضاً اعتراف هادئ بالهندسة المعمارية. المكون الإضافي هو لجام يستضيفه ويقوم بالفوترة عليه ويتحكم في نقطة الدخول إليه شخص آخر. إذا كان تميزك هو اللجام، واللجام الآن يعمل داخل منتج المختبر، فإن الشيء الذي تدافع عنه هو خانة في قائمة شخص آخر.
كتبنا بشكل منفصل عن ما تفعله Astra وما لا تفعله في العمل القانوني الحقيقي. النسخة المختصرة هي أن المختبرات ليست أفضل في القانون من البائعين القانونيين. إنها أفضل في التواجد حيث يوجد المستخدم بالفعل، وفي هذا السوق كان هذا الأمر أكثر أهمية مراراً وتكراراً.
المطالبات تتجاوز المنتجات، وقد لاحظ المنظمون ذلك
5% من البائعين الذين اختبرناهم لديهم وثائق نعتبرها كافية. ليست صفحة تسويقية تحتوي على شبكة ميزات. وثائق: ما يفعله النظام، وما لا يفعله، وما تم تقييمه عليه، وما يحدث عند الفشل. 80% يبالغون في البيع في مكان ما بين الموقع الإلكتروني والمنتج، مما يعني أن القدرة الموصوفة في الصفحة المقصودة ليست القدرة التي وجدناها في الحساب.
هذه ليست مشكلة أسلوب بلا ضحايا. في عام 2025، أصدرت لجنة التجارة الفيدرالية بالولايات المتحدة أمرًا بقيمة 193,000 دولار ضد DoNotPay وحظرت عليها تسويق نفسها كمحامٍ روبوتي، لأنها لم تستطع إثبات ادعاءها بأن الذكاء الاصطناعي الخاص بها يعمل مثل البشر. هذه الحالة هي الحد الأدنى، وليست السقف، لما يمكن أن تصل إليه الأمور.
التسويق الدقيق هو النقطة الأكثر حدة. لقد قام البائعون في هذه الفئة بتسويق أدوات بحث قائمة على الاسترجاع بوعد بالقضاء التام على الهلوسة. وخلص باحثو ستانفورد الذين اختبروا هذه الأدوات إلى أن ادعاءات المزودين كانت مبالغًا فيها، ونشروا معدلات خطأ مقاسة بدلاً من التسويق. نحن نبلغ عن هذه النتيجة بدلاً من تكرار الادعاء الذي قيل عنها.
المعايير نفسها متنازع عليها، وبصراحة. تكتب Vals معاييرها مع محامين ممارسين، وهي الطريقة الصحيحة للقيام بذلك، وما زال البائعون يجادلون في المنهجية. هذه ليست فضيحة. يتم تقييم العمل القانوني بالحكم، بنفس الطريقة التي يتم بها تقييم القانون، ويمكن لاثنين من المحامين الكفؤين تسجيل نفس الإجابة بشكل مختلف. أي شخص يبيع لك رقم دقة واحد لنظام قانوني يبيع لك تبسيطًا. ننشر طريقة المعيار الخاصة بنا تحديدًا حتى يمكن مناقشتها.
لا تزال الهلوسة هي القاسم المشترك
كل أداة اختبرناها اخترعت شيئًا. ليس كل إجابة، وليس باستمرار، ولكن كل منتج في المجموعة أنتج على الأقل مرة واحدة قانونًا غير موجود، أو ادعى أنه قام بعمل لم يقم به، أو بنى استنتاجًا واثقًا على حقيقة قام بتصنيعها.
تتفق القياسات الخارجية على الشكل إن لم يكن الرقم الدقيق. وضع تدقيق ستانفورد Lexis+ AI فوق 17% وبحث Westlaw المدعوم بالذكاء الاصطناعي فوق 33% على إصدارات الأدوات التي تم اختبارها. تراوحت النماذج العامة بدون استرجاع بين 58% و 88% في مهام الاستشهاد القانوني في عمل مجلة التحليل القانوني. يساعد الاسترجاع كثيرًا. إنه لا يحل المشكلة، والأخطاء التي تبقى بعد الاسترجاع هي الخطيرة، لأنها تبدو وكأنها اقتباسات حقيقية مرفقة بافتراض خاطئ.
معدلات الهلوسة المقاسة في الأسئلة القانونية
الاسترجاع المصمم خصيصًا يضيّق المشكلة. لكنه لا يحلها بشكل كامل.
المصادر: تقييم مختبر ستانفورد للأنظمة (Stanford RegLab) لأدوات البحث القانوني التجارية للاختبارين الأولين، على الإصدارات التي تم اختبارها في ذلك الوقت؛ دال وآخرون، مجلة التحليل القانوني، لنطاق النموذج العام.
النتائج تحصى الآن. احتوت قاعدة بيانات Damien Charlotin العامة لقرارات المحاكم التي تتضمن مستندات هلوسة الذكاء الاصطناعي على 1,598 حالة في 9 يونيو 2026، وهو تاريخ تقرير التدقيق الخاص بنا. اعتبارًا من 19 سبتمبر 2026، تحتوي على 2,044، بزيادة من حوالي 200 قبل عام. هذا المنحنى هو الحالة الفعلية لسلامة الذكاء الاصطناعي القانوني، وهو السبب في أن تدقيقنا للهلوسة هو وثيقة حية بدلاً من منشور لمرة واحدة.
قرارات المحكمة التي تتضمن ملفات مولّدة بواسطة الذكاء الاصطناعي
المنحنى لا يتسطح. بل يزداد انحدارًا.
المصدر: قاعدة بيانات حالات هلوسة الذكاء الاصطناعي العامة التي يحتفظ بها داميان شارلوتين، تمت قراءتها في 19 سبتمبر 2026. يتم تحديثها يوميًا، لذا تعامل مع الشريط الأخير كحد أدنى.
إخفاق آخر أقل مناقشة يقع بجانبه. 75% من الأدوات التي اختبرناها تكتب بصوتها المرمز بشكل ثابت، بغض النظر عن الشركة أو العميل أو الأسلوب المعتمد. لا يوجد شيء في هذا السوق ينتج توأمًا رقميًا لطريقة كتابة محامٍ معين. بالنسبة لمهنة يكون فيها صياغة بند هي المنتج، فهذا شيء غريب أن تتجاهله فئة بأكملها.
جرّب HAQQ AI مجاناً
اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي
جدار التسعير هو في الغالب مجرد مسرحية
10% فقط من البائعين الذين اختبرناهم يقدمون خدمة ذاتية حقيقية. من بين عشرين بائعًا قمنا بفحصهم بحثًا عن سعر منشور، 14 لا ينشرون أي سعر على الإطلاق. المعيار في هذه الفئة هو نموذج الاتصال.
ما الذي يوقفه جدار التسعير حقًا
لا شيء تقريبًا، إذا كنت مستعدًا لتجاوز نموذج الاتصال.
الشريطان الأولان من بين عشرين بائعًا تحققنا منهم بخصوص سعر منشور. الشريط الثالث هو حصة مجموعة الاختبار الكاملة التي تمكنا من الوصول إليها واستخدامها دون مساعدة.
ومع ذلك، كان 75% منهم سهلاً الوصول إليهم دون التحدث إلى إنسان على الإطلاق. تجارب، مسارات شركاء، مستويات خدمة ذاتية خلف صفحة مبيعات، وفي عدة حالات إكمال عملية دفع لم يكن موقع التسويق يربط بها. لقد فعلنا ذلك مع كل بائع اختبرناه.
تلك الفجوة هي الجزء المثير للاهتمام. عادة ما تشير الأسعار المقيدة بالمبيعات إلى تعقيد مؤسسي حقيقي أو تمييز في الأسعار. عندما يتضح أن نفس المنتج يمكن شراؤه في أربع دقائق بواسطة أي شخص يبحث بجدية أكبر، كان الأمر الثاني. التفاصيل الكاملة لمن ينشر ماذا، وماذا يكلف عندما تتجاوز البوابة، موجودة في تسعير Legal AI في 2026.
منطقة الشرق الأوسط وشمال أفريقيا لا تشتري المشهد. بل تبنيه.
يتم توطين معظم هذا السوق في نطاق قضائي واحد في كل مرة، وهو أمر غير مفاجئ، لأن القانون كذلك. ما هو أقل شيوعًا خارج المنطقة هو أن المشتري في الشرق الأوسط وشمال أفريقيا غالبًا ما يكون الدولة، والدولة تبني.
أطلقت الإمارات العربية المتحدة في يوليو 2026 ما تصفه بأنه أول منصة قضائية متكاملة تمامًا تعمل بالذكاء الاصطناعي. تدير المملكة العربية السعودية منصة "نجيز" التي تقدم حوالي 160 خدمة عدلية، إلى جانب شركة ذكاء اصطناعي مملوكة للدولة تقف وراء نموذج لغوي عربي. هذه ليست قرارات شراء تنتظر فوز بائع. إنها برامج بنية تحتية يمكن للبائع في أفضل الأحوال أن يوفر مكونًا لها.
على مستوى الشركات، تتكرر نفس الغريزة. تبني الشركات هنا برامجها الخاصة بالذكاء الاصطناعي ثم تبيعها لشركات أخرى، وهو مسار لا يتبعه أحد تقريبًا في لندن أو نيويورك، وتعتبره العديد من الممارسات في منطقة الشرق الأوسط وشمال أفريقيا الآن مصدر دخل ثانوي. لقد غطينا الصورة الإقليمية بتعمق أكبر في الذكاء الاصطناعي القانوني في منطقة الشرق الأوسط وشمال إفريقيا و الذكاء الاصطناعي القانوني في المملكة العربية السعودية.
الاستنتاج لأي شخص يرسم خريطة لهذا السوق من خارج المنطقة بسيط. ستفوت خريطة البائعين المرسومة من بيانات التمويل الغربية أكبر تطبيقات Legal AI في منطقة الشرق الأوسط وشمال إفريقيا بالكامل، لأنها لا تظهر أبدًا كجولة تمويل.
ما يبدو عليه السوق من الأعلى
تُحصي بيانات قطاع Tracxn 10,528 شركة تقنية قانونية على مستوى العالم، منها 1,821 ممولة، و19 شركة يونيكورن. مقارنة ببيانات التركيب أعلاه، هذا عدد كبير جدًا من الشركات لسوق يحتوي فيه 8% من المنتجات التي اختبرناها على نموذج دربه أي شخص.
المجال من الأعلى
عدد كبير جدًا من الشركات، وعدد قليل جدًا من النتائج.
المصدر: بيانات قطاع Tracxn، 2026. الأشرطة متناسبة مع الأول: الشركات العملاقة (unicorns) تشكل 0.2% من المجال، ويتم رسم الشريط عند الحد الأدنى المرئي بدلاً من القياس.
يهيمن بائعان على سرد التمويل. هارفي، الذي يُقدر تقييمه بحوالي 11 مليار دولار وإيراداته السنوية المتكررة بحوالي 300 مليون دولار، وليجورا بحوالي 5.55 مليار دولار وإيراداته السنوية المتكررة بحوالي 150 مليون دولار، جمعا 750 مليون دولار بينهما في غضون 15 يومًا. هذه الأرقام هي تقارير صحفية وليست مدققة، ولا تنشر أي من الشركتين هذه الأرقام بنفسها، لذا تعامل معها كأفضل تخمين للسوق. نحن نتتبع التحركات الفصلية في تقرير سوق Legal AI الخاص بنا.
يعتمد التوسع على التمويل. 90% من البائعين الممولين الذين اختبرناهم تجاوزوا 200 موظف، و20% فقط ينشرون رقم الإيرادات السنوية (ARR) من أي نوع. فئة بهذا الحجم تكشف القليل جدًا عنها هي فئة لا يمكن للمشترين فيها مقارنة البائعين إلا على أساس العروض التوضيحية.
تخبرك الصفحات المقصودة بما تعتقد الفئة أنه يحقق التحويل. العناصر الأربعة المتكررة هي الأمان، ومكتبة المطالبات، والشهادات، وقسم "المختبرات" الذي يدعي أبحاثًا عميقة في الذكاء الاصطناعي. يأتي الأمان في المقدمة، وهناك سبب للتوقيت: لقد دخل الذكاء الاصطناعي التوليدي للتو في قائمة المخاطر الأمنية التي يتابعها قطاع المحاماة، مباشرة في المركز الثاني. المشترون خائفون، وقد قرأ السوق هذا الخوف بشكل صحيح على أنه الاعتراض الأول الذي يجب إزالته. يتم نشر موقفنا الأمني لنفس السبب، ونفضل أن نقول ذلك بوضوح بدلاً من التظاهر بأننا فوق هذا النمط.
في المهمة الصحيحة، إنه يتفوق بالفعل على المحامي
قد يكون من السهل قراءة الأقسام السابقة كحالة مفادها أن Legal AI لا يعمل. هذا ليس هو الاستنتاج.
في تقرير Legal AI الخاص بـ Vals، سجل أقوى نظام في الإجابة على أسئلة المستندات 94.8%، وهو أعلى بـ 24.7 نقطة من خط الأساس للمحامي البشري الذي تم قياسه في نفس الدراسة. في التعديل، خسر نفس النظام أمام المجموعة البشرية الضابطة. كلا النتيجتين تنتميان إلى منتج واحد في تقييم واحد.
هذه هي الحقيقة المفردة الأكثر فائدة في هذا المشهد بأكمله. القدرة ليست خاصية للأداة، بل هي خاصية للاقتران بين الأداة والمهمة. وجّه أحد هذه الأنظمة نحو العثور على ما يقوله مستند من 400 صفحة وسيتفوق على محترف مدرب متعب. وجّه نفس النظام نحو تحديد أي من صيغ بندين مقبولة تحمي عميلك بشكل أفضل، وسينتج شيئًا يبدو وكأنه إجابة وهو ليس كذلك.
معظم مشاريع Legal AI التجريبية الفاشلة التي رأيناها ليست إخفاقات في القدرة. إنها إخفاقات في التوجيه. تشتري شركة نظامًا، وتوجهه إلى أصعب الأعمال التي تتطلب حكمًا ثقيلًا في المبنى لأن هذا هو مصدر الألم، وتشاهده وهو يتراجع في الأداء، وتستنتج أن الفئة غير ناضجة. التصنيف المفصل للمهام أكثر فائدة من أي نتيجة عامة.
ما نستخلصه من هذا
الدرس الذي نعود إليه باستمرار يدور حول التوزيع وليس الذكاء، وقد كلفنا تعلمه شيئًا.
طلب أول منتج جاد لنا من المحامين الانتقال إلى علامة تبويب جديدة والقيام بعملهم هناك. لقد كانت أداة أفضل مما كان لديهم. لكنها خسرت على أي حال، وخسرت أمام العادة. كل منتج في هذا السوق طلب من المحامي مغادرة Word أو Outlook أو نظام إدارة المستندات خسر بنفس الطريقة، ولهذا السبب يتفوق مساعد الإنتاجية العام الذي كان مثبتًا بالفعل على كل منتج Legal AI مصمم خصيصًا تم بناؤه بواسطة أشخاص يفكرون في القانون طوال اليوم.
وهذا يعيد صياغة ما هو نادر هنا بالفعل. إنها ليست جودة النموذج، التي تتقارب ويتم شراؤها إلى حد كبير من أربع شركات. إنها ليست المعرفة القانونية، التي هي مدونة. إنه الحق في شغل المكان الذي يتم فيه العمل بالفعل، بالإضافة إلى الانضباط لتكون صادقًا بشأن المهام التي يجيدها النظام. وهذان هما الشيئان اللذان تتنافس عليهما جميع الشركات البالغ عددها 10,528 شركة تقريبًا، سواء وصفوا ذلك بهذه الطريقة أم لا.
نحن إحدى هذه الشركات ولا يُسمح لنا بإعفاء أنفسنا من أي مما سبق. ما يمكننا فعله هو نشر الإحصائيات، بما في ذلك الأجزاء التي لا تشعرنا بالراحة، بحيث يبدأ الشخص التالي الذي يخطط لهذا السوق من شيء أفضل من شبكة الفئات.
النقاط الرئيسية
- ثلثا السوق عبارة عن طبقة موجه. من بين البائعين الذين اختبرناهم، توقف 65% عن العمل تمامًا إذا قمت بإزالة النموذج العام الأساسي، و3% تم تدريبهم على بيانات قانونية.
- المشترون يضيفون، لا يختارون. 80% من الشركات الكبيرة التي نظرنا إليها تدير عدة أنظمة أو جهاز توجيه خاص بها. لا توجد منافسة مع فائز.
- الذكاء الاصطناعي الأكثر تثبيتًا في مكاتب المحاماة ليس ذكاءً اصطناعيًا قانونيًا. تضع ILTA برنامج Microsoft Copilot في 76% من الشركات، متفوقًا على أي شيء تم بناؤه للقانون، لأنه كان موجودًا بالفعل على سطح المكتب.
- الاعتماد شبه عالمي والإنجاز نادر. 94% من الشركات تستخدم أو تستكشف الذكاء الاصطناعي، بينما 7% فقط من الفرق الداخلية تجاوزت مرحلة التجريب و 83% لا تستطيع إثبات أن إنفاق العام الماضي قد آتى بثماره.
- الهلوسة لا تزال هي القاسم المشترك. كل أداة اختبرناها اخترعت شيئًا، وتضع المراجعات الخارجية أدوات قانونية قائمة على أسس بين 17% و 33%، وقد ارتفع عدد حالات تتبع قرارات المحاكم من حوالي 200 حالة إلى 2,044 في عام واحد.
- جدار التسعير هو مسرحية في الغالب. 14 من أصل 20 بائعًا لا ينشرون سعرًا، ومع ذلك كان 75% منهم قابلاً للشراء دون التحدث إلى مندوب مبيعات على الإطلاق.
- لا أحد تقريبًا يخدم العميل النهائي. 2% مما اختبرناه يتناول الشخص الذي يعاني من مشكلة قانونية، مقابل 5.1 مليار شخص لديهم احتياجات عدالة غير ملباة.
- القدرة تدور حول التصويب. حقق النظام نفسه 94.8% في الإجابة على أسئلة المستندات، أي أعلى بـ 24.7 نقطة من المستوى البشري الأساسي، وخسر أمام البشر في مراجعة العقود. معظم المشاريع التجريبية الفاشلة هي إخفاقات في التصويب، وليست إخفاقات في القدرة.
المصادر وقراءات إضافية
- إحصائيات Legal AI لعام 2026: كم عدد المحامين الذين يستخدمون الذكاء الاصطناعي بالفعل
- تسعير Legal AI في عام 2026: كل سعر منشور، وكل بائع لا ينشر أي شيء
- تدقيق هلوسة AI القانونية: قضايا المحاكم مع الاستشهادات المُلفقة
- تقريرنا الفصلي لسوق Legal AI
- Legal AI في منطقة الشرق الأوسط وشمال إفريقيا في عام 2026
- كيف ندير معيار Legal AI الخاص بنا
- مشروع العدالة العالمي: قياس فجوة العدالة العالمية
- مختبر ستانفورد للأنظمة التنظيمية (RegLab) ومركز ستانفورد للذكاء الاصطناعي الموجه بالبشر (HAI): تقييم موثوقية أدوات البحث القانوني المدعومة بالذكاء الاصطناعي
- Dahl et al., Large Legal Fictions, Journal of Legal Analysis
- Damien Charlotin: قاعدة بيانات حالات هلوسة الذكاء الاصطناعي
- أمر لجنة التجارة الفيدرالية النهائي ضد DoNotPay
- Vals Legal AI Report
