باختصار: كثير من منتجات الذكاء الاصطناعي القانوني ترسل سؤالك إلى نموذج عام الأغراض داخل قالب موجّه (prompt)، ولا تتيح لك الواجهة معرفة نوع المنتج الذي بين يديك. العمل الذي يقوم به النظام قبل استدعاء ذلك النموذج (تحديد القصد، والاختصاص القضائي، وتحويل الوقائع إلى بيانات، وتحديد النطاق) هو ما يشكّل الإجابة. أربعة اختبارات خلال العرض التوضيحي، في نحو عشر دقائق، تكشف لك ما الذي تشتريه.
حقائق رئيسية
- تستخدم النماذج اللغوية المدخلات الطويلة بشكل غير متكافئ: تبلغ الدقة أعلى مستوياتها عندما تقع المعلومات ذات الصلة في بداية السياق أو نهايته، وتنخفض عندما تقع في وسطه (Liu et al., Lost in the Middle, TACL المجلد 12، 2024).
- أصبحت جميع النماذج الـ 18 في دراسة Context Rot الصادرة عن Chroma أقل موثوقية مع ازدياد طول المدخلات، حتى في مهام بسيطة عن قصد (تقرير Chroma التقني، 14 يوليو 2025).
- أنتجت كل واحدة من ثلاث أدوات رائدة في البحث القانوني هلوسات في ما بين 17% و33% من استعلامات الاختبار في دراسة مسجّلة مسبقاً أجرتها جامعة Stanford (Magesh et al., Journal of Empirical Legal Studies، 2025).
- في جولتنا لشهر يونيو 2026، استشهدت 24% من 3,000 إجابة مُقيَّمة صادرة عن 10 نماذج رائدة بنصوص قانونية لا تقول ما ادّعاه النموذج، أو طبّقتها على هذا الأساس (معيار HAQQ، 5 يونيو 2026).
- سجّلت قاعدة بيانات Damien Charlotin حتى 19 أكتوبر 2026 ما مجموعه 2,202 قراراً صادراً عن محاكم وهيئات قضائية تتعلق باستشهادات أو محتوى مختلق بالذكاء الاصطناعي.
إفصاح: تبيع HAQQ حلول الذكاء الاصطناعي القانوني المبنية على محركها الخاص (Justinian)، وقد أجرت معيار يونيو 2026 المذكور أعلاه. والاختبارات الأربعة في نهاية هذا المقال تنطبق علينا كما تنطبق على أي جهة أخرى.
كل محامٍ يقيّم أدوات الذكاء الاصطناعي القانوني يطرح في النهاية السؤال نفسه، وعادةً بعد نحو ثماني دقائق من العرض التوضيحي: ما الفرق بين هذا واستخدام ChatGPT؟
يميل المورّدون إلى الإجابة بالحديث عن بيانات التدريب، أو مجموعة نصوص خاصة، أو ضبط دقيق للنموذج. ويصعب التحقق من هذه الادعاءات، وكثيراً ما تكون بعيدة عن الموضع الذي يكمن فيه الفرق. أما إجابتنا فتتعلق بالبنية التقنية، وتتلخص في المكان الذي يجري فيه التفكير.
هل معظم أدوات الذكاء الاصطناعي القانوني مجرد غلاف لـ ChatGPT؟
تعمل نسبة كبيرة من منتجات الذكاء الاصطناعي القانوني على النحو التالي: تكتب سؤالاً، فيغلّفه المنتج بقالب موجّه (تعليمات بأن يتصرف كمساعد قانوني متعاون، وربما بعض الأمثلة) ثم يحيله إلى نموذج عام الأغراض. يجيب النموذج، ويتولى المنتج تنسيق الإجابة.
قد يكون ذلك مفيداً. لكنه يعني أيضاً أن جودة المنتج هي في الغالب جودة النموذج، وأن محامي الطرف الآخر يستطيع شراء النموذج نفسه باشتراك استهلاكي عادي.
والصعوبة بالنسبة إلى المشتري أنه لا يمكنك التمييز من خلال الواجهة. فالغلاف والمحرك المصمَّم لغرض محدد يعرضان كلاهما مربع نص، وإجابة تظهر تدريجياً، وبعض الاستشهادات أسفلها. أما الفرق فيقع في مرحلة سابقة بعيداً عن الأنظار، ولهذا نادراً ما يُسأل المورّدون عنه بإلحاح.
ما الذي ينبغي أن يحدث قبل استدعاء النموذج؟
عندما يصل سؤال إلى HAQQ، يمر أولاً بمرحلة نتولاها بأنفسنا، مهمتها تحديد طبيعة الطلب وتهيئة كل ما يليه.
تحسم هذه المرحلة ما كان سيحدده محامٍ مساعد كفء قبل البدء في العمل، وتسجّل النتيجة في صورة بيانات منظّمة:
- السؤال الكامن وراء الكلمات. ما يكتبه شخص ما في الحادية عشرة ليلاً بين مكالمتين، بعد إعادة صياغته بدقة واكتمال. ويعمل ذلك أصلاً باللغتين العربية والفرنسية إلى جانب الإنجليزية، دون خطوة ترجمة تُضاف لاحقاً.
- نوع العمل القانوني. صياغة، أو بحث، أو مراجعة، أو مقارنة، أو مسألة إجرائية. ولكل منها شكل مختلف من الإجابة، وتحديد ذلك مسبقاً أجدى من التعويل على أن يستنتجه نموذج عام.
- الاختصاص القضائي، وبشكل منفصل اللغة التي كُتب بها القانون الواجب التطبيق. وكثيراً ما يختلف الأمران، والتعامل معهما كأمر واحد مصدر خطأ شائع لا يلفت الانتباه.
- الوقائع، في صورة كائنات. الأطراف، والتواريخ، والالتزامات، والمبالغ، والقانون الواجب التطبيق، ونوع المستند، تُستخلص من النص قبل أن تقرأه أي عملية مكلفة.
- ما يحتاجه السؤال. أي القدرات المتخصصة يجب تحميلها، وما عمق الاستدلال الذي يستحقه، وهل يقع ضمن النطاق أصلاً.
يعمل النموذج عام الأغراض بعد ذلك كله، ويبدأ مستعداً: القدرات ذات الصلة محمّلة، والوقائع مستخلصة، والاختصاص القضائي محدد، والنطاق محسوم.
يعمل النموذج في المرحلة الأخيرة، على عمل جرى فرزه مسبقاً.
ما اسم هذه الطبقة؟
في HAQQ اسمها Justinian®، محرّكنا الخاص للاستدلال والتنسيق. يقع بين المستخدم وبيانات المؤسسة ونماذج الذكاء الاصطناعي الأساسية، ويطبّق السياق والاختصاص القضائي والاسترجاع والصلاحيات والضوابط واختيار النموذج قبل إنتاج أي إجابة.
باختصار: النموذج هو الذكاء. أما Justinian® فهو النظام الذي يقرّر كيف يُستخدم هذا الذكاء.
كل كلمة من هذه الكلمات الست تجيب عن سؤال يطرحه الشريك المشرف قبل أن يسمح لأحد ببدء العمل:
- السياق. ماذا يعرف المكتب مسبقاً عن هذا العميل وهذه القضية وهذا النوع من المستندات؟
- الاختصاص القضائي. أي قانون يحكم المسألة، وبأي لغة كُتب؟
- الاسترجاع. على أي مصادر ينبغي أن تُبنى الإجابة؟
- الصلاحيات. من يسأل، وما الذي يُسمح له برؤيته؟
- الضوابط. ما القواعد التي يطبّقها المكتب على هذا النوع من العمل؟
- اختيار النموذج. أي نموذج يناسب هذه المهمة؟
قد يكون أهم قرار في الذكاء الاصطناعي هو ما يحدث قبل استدعاء النموذج. وهذه الست هي ذلك القرار، يُتَّخذ عند كل طلب.
لماذا يؤدي ذلك إلى إجابات أفضل؟
هناك آليتان، والثانية فاجأتنا أكثر.
الانتباه ميزانية محدودة
نافذة السياق لدى النموذج محدودة، وكل ما فيها يتنافس على الانتباه. وتُظهر الأبحاث المذكورة أعلاه ما يحدث مع اتساع السياق: يتراجع استرجاع المعلومات الواقعة في وسط المدخلات الطويلة (Liu et al.)، وتنخفض الموثوقية مع الطول حتى في المهام السهلة (Chroma). وتحميل كل قدرات النظام في كل طلب يستنفد تلك الميزانية قبل أن يصل مستند المحامي. أما تحميل القدرات ذات الصلة فقط فيترك مساحة للعقد والنص التشريعي والوقائع.
الوقائع المنظّمة تعفي النموذج من عناء التحليل
هذا هو الأثر الأكبر. فعندما يتلقى النموذج فقرة من النص، يصرف جزءاً من جهده في معرفة ما تحتويه الفقرة. وعندما يتلقى وقائع منظّمة (هؤلاء الأطراف، وهذا القانون الواجب التطبيق، وهذا الالتزام، وهذا التاريخ)، يمكنه أن يصرف ذلك الجهد على المسألة القانونية.
هذا هو الأثر الذي نصمّم من أجله: النموذج العام نفسه يؤدي عملاً قانونياً أفضل بفضل ما قُدِّم إليه. ولم ننشر مقارنة مضبوطة للنموذج نفسه داخل محركنا وخارجه، لذا تعامل مع هذا بوصفه المنطق الذي يقوم عليه تصميمنا، وتدعمه أبحاث السياق المذكورة أعلاه.
لماذا تزداد أهمية هذه الطبقة كلما تحسّنت النماذج؟
النماذج الأساسية تزداد قدرة. وهذا يجعل طبقة التحكم المحيطة بها أكثر أهمية لا أقل.
السبب بسيط. كل مكتب يستطيع شراء الوصول إلى النماذج نفسها، وكذلك محامي الطرف الآخر. ولو كان النموذج هو المنتج كله، لكان الذكاء الاصطناعي لدى كل مكتب بمستوى ما لدى غيره تقريباً، ولما عكس شيء منه طريقة عمل مكتبك.
الذكاء الاصطناعي العام يعرف الكثير. لكنه لا يعرف مؤسستك تلقائياً. لم يقرأ سوابقك، ولا يعرف المواقف التي يتخذها شركاؤك من بند تحديد المسؤولية، ولا يدري أن الطرف المقابل في اتفاقية عدم الإفصاح اليوم كان خصماً في نزاع في الربيع الماضي. هذه المعرفة ملك للمكتب، وهي ما يجعل الإجابة صالحة للاستخدام من دون إعادة كتابة.
ينبغي ألا تختفي ميزتك التنافسية لأن كل مكتب اشترى الوصول إلى النموذج نفسه. وكلما تحسّنت النماذج، ازدادت قيمة الطبقة التي تحكم طريقة استخدام المؤسسات لها. النموذج الأقوى الذي يُعطى السياق والمصادر والمهمة الصحيحة ينتج عملاً أجود. أما إذا أُعطي سؤالاً مجرداً، فينتج نسخة أكثر سلاسة من الإجابة العامة نفسها.
الذكاء الاصطناعي في الأعمال عالية المخاطر يحتاج إلى أكثر من الذكاء. يحتاج إلى السياق والضوابط والمساءلة. وفي العمل القانوني، للمساءلة اسم: المحامي الذي يوقّع.
ماذا يحدث عندما يتغيّر النموذج المتصدّر؟
سيحدث ذلك. فصدارة النماذج وتكلفتها وسياساتها وتوافرها تتغيّر باستمرار، والنموذج المتصدّر في هذا الربع قد لا يتصدّر في الربع التالي.
لذا اطرح على المورّد سؤالين. أي نموذج يجيب عن سؤالي اليوم؟ وما الذي سأضطر إلى إعادة بنائه لو تغيّر ذلك غداً؟
إذا كان كل ما يعرفه المنتج عن مكتبك موجوداً في تعليمات كُتبت لنموذج شركة ذكاء اصطناعي بعينها، فتغيير النموذج عملية ترحيل. وإذا كان موجوداً في طبقة يملكها المنتج نفسه، فتغيير النموذج ترقية. في HAQQ النموذج الأساسي قابل للاستبدال بحكم التصميم، ونحن نستفيد كلما تحسّنت النماذج الأساسية.
مزوّد الذكاء الاصطناعي لديك ينبغي أن يكون قابلاً للاستبدال. أما ذكاؤك المؤسسي فلا.
ينبغي ألا تحتاج بنيتك التحتية للذكاء الاصطناعي إلى إعادة بناء في كل مرة يتغيّر فيها النموذج المتصدّر.
ما الذي يحدد ما إذا كان الذكاء الاصطناعي القانوني يعمل على مستندات حقيقية؟
مكوّنان نادراً ما يظهران في العروض التسويقية، وكلاهما يحدد ما إذا كان المنتج يعمل في يوم ثلاثاء عادي.
استقبال المستندات. يصل كثير من العمل القانوني في صورة صورة فوتوغرافية لصفحة مختومة، أو نسخة ممسوحة ضوئياً من فاكس، أو ملف PDF طُبع ثم أعيد مسحه بشكل مائل. ونتعامل مع قراءة هذه المستندات بوصفها مشكلة هندسية جوهرية. فإذا قُرئ رقم بند خطأً عند الإدخال، فلن يصححه أي استدلال لاحق، وسيستدل النظام بعناية على الرقم الخطأ.
الذاكرة بوصفها بنية. يحتفظ المحرك بالعلاقات بين قضاياك وملفاتك عبر الزمن، ويستند إليها عندما يتطلب السؤال ذلك. أما لصق رسائلك العشرين الأخيرة مجدداً في الموجّه فأمر مختلف. والذاكرة المنظّمة هي ما يتيح للنظام أن يعرف أن الطرف المقابل في اتفاقية عدم الإفصاح التي تراجعها اليوم هو الشركة نفسها في نزاع قبل شهرين.
ما الذي لا تعالجه البنية الجيدة؟
نفضّل أن نقول ذلك بأنفسنا على أن تكتشفه أنت.
لا تقضي على الخطأ. أي نظام مبني على نموذج لغوي قد ينتج إجابة خاطئة، والأرقام الواردة في الحقائق الرئيسية أعلاه تنطبق على جميع شرائح السوق. والبنية الجيدة تجعل الأخطاء أندر وأسهل اكتشافاً: ادعاءات تُولَّد استناداً إلى مصادر مسترجعة، واستشهادات يمكنك فتحها، وتنبيهات صريحة حيث لم يستقر القانون. ويرصد تدقيق الهلوسة الذي أجريناه ما يحدث حين لا يتحقق أحد.
لا تضمن إجابة صحيحة. لا ينبغي لأي مزوّد مسؤول للذكاء الاصطناعي أن يدّعي ذلك. ما تمنحه الطبقة هو الاستناد إلى المصادر، واستشهادات يمكن فتحها، وضوابط، ونقطة واضحة للمراجعة البشرية، ليصبح اكتشاف الإجابة الخاطئة أسهل قبل أن تغادر المكتب.
لا تُغني عن المحامي. كل ما سبق يفترض أن مختصاً يراجع المخرجات ويوقّع عليها. وقد شكّل هذا الافتراض البنية منذ البداية.
لا تجعل التغطية شاملة. تتفاوت الجودة بحسب الاختصاص القضائي، ومدى رقمنة القانون المصدر، ومقدار ما هو متاح للعموم منه. وإذا قدّم لك مورّد رقماً واحداً للتغطية العالمية، فاسأله عمّا يحتسبه. ونحن نفضّل الإجابة عن هذا السؤال فيما يخص اختصاصك القضائي على أن نعطيك رقماً واحداً.
كيف تختبر مورّد ذكاء اصطناعي قانوني خلال عرض توضيحي؟
لا تحتاج إلى مخطط البنية لدى أي جهة. أربعة اختبارات، في نحو عشر دقائق، وهي تنطبق على كل مورّد في هذه الفئة، بما في ذلك نحن. وللاطلاع على قائمة تحقق أطول، راجع 45 علامة تحذيرية عند تقييم مورّد للذكاء الاصطناعي القانوني.
1. اسأله عن أمر خارج نطاق القانون
النموذج العام الموضوع داخل موجّه قانوني سيجيب في الغالب عن سؤال طبي أو مالي، لأنه في جوهره نموذج عام. أما النظام الذي يحدد القصد قبل التوليد فينبغي أن يعتذر عن الإجابة ويوضح السبب.
2. اطرح السؤال نفسه بلغتين
اكتب السؤال القانوني نفسه مرة بالإنجليزية ومرة بالعربية أو الفرنسية، كلاً منهما بصياغتك الخاصة. فإذا تغيّر جوهر الإجابة، فهذا يعني أن اللغة تُعالَج بعد الاستدلال.
3. قدّم له مستنداً ممسوحاً بجودة رديئة
التقط صورة لمستند بزاوية مائلة وفي إضاءة ضعيفة، ثم ارفعها. ووفقاً لتجربتنا، هذا هو الاختبار الأكثر دلالة في العرض التوضيحي، لأنه أكثر المدخلات الحقيقية شيوعاً وأقلها عرضاً في العروض التوضيحية.
4. اسأله عمّا لا يعرفه
وجّهه نحو مجال قانوني غير مستقر أو قليل المصادر. النظام المضبوط لتقديم إجابة دائماً سيقدّم إجابة. أما النظام المبني للعمل المهني فسيخبرك بأن الأرض غير ثابتة ويبيّن لك السبب.
إذا كان المورّد مرتاحاً للاختبارات الأربعة، فالبنية على الأرجح حقيقية. وإذا تحاشاها العرض التوضيحي، فهذا أيضاً يخبرك بشيء. ويمكنك تطبيق الاختبارات الأربعة نفسها على محادثة الذكاء الاصطناعي القانوني من HAQQ.
أبرز الخلاصات
- الفرق الجوهري بين منتجات الذكاء الاصطناعي القانوني يتعلق بالبنية ولا يظهر في الواجهة. اسأل أين يجري الاستدلال.
- العمل المنظّم قبل استدعاء النموذج يحسّن الجودة إلى جانب التكلفة: فالنموذج الذي يتلقى وقائع مستخلصة يوجّه انتباهه إلى القانون.
- المكوّنات غير اللافتة هي التي تحدد الأداء الفعلي. فاستقبال المستندات يتنبأ بما إذا كانت الأداة ستعمل في يوم ثلاثاء أفضل مما تفعله نتيجة معيار أداء.
- أربعة اختبارات خلال العرض التوضيحي (سؤال خارج الموضوع، ولغتان، ومستند ممسوح رديء، وقانون غير مستقر) تكشف نوع النظام الذي يُعرض عليك.
- النموذج يتحوّل إلى سلعة. أما التحكم فلا. ما يحتفظ به المكتب عند تغيّر النموذج هو الطبقة التي تحمل سياقه وصلاحياته وضوابطه.
- Liu et al., Lost in the Middle: كيف تستخدم النماذج اللغوية السياقات الطويلة (TACL 2024)
- Chroma: Context Rot، كيف تؤثر زيادة رموز الإدخال في أداء النماذج اللغوية الكبيرة (يوليو 2025)
- Magesh et al., Hallucination-Free? تقييم موثوقية أبرز أدوات البحث القانوني بالذكاء الاصطناعي (JELS 2025)
- 45 علامة تحذيرية عند تقييم مورّد للذكاء الاصطناعي القانوني
- هندسة السياق في الذكاء الاصطناعي القانوني
- الإنسان في حلقة الذكاء الاصطناعي القانوني
- تدقيق هلوسة الذكاء الاصطناعي
جرّب HAQQ AI مجاناً
اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي



