Skip to content
    HAQQ
    تسجيل الدخول
    تواصل مع المبيعات
    جرّب HAQQ
    جرّب HAQQ
    1. الرئيسية
    2. المدونة
    3. أنطولوجيا الذكاء الاصطناعي القانوني: كيف خفّض رسم معرفي تكاليف الذكاء الاصطناعي القانوني بنسبة 97%
    الذكاء الاصطناعي والتقنية القانونية

    أنطولوجيا الذكاء الاصطناعي القانوني: كيف خفّض رسم معرفي تكاليف الذكاء الاصطناعي القانوني بنسبة 97%

    أنطولوجيا لقانون العمل المكسيكي استبدلت 300 أداة MCP بسبع أدوات وخفّضت تكلفة الرسالة من 0.60 إلى 0.02 دولار. المنهجية وبيانات ستانفورد عن الهلوسة وخطة بناء.

    Stephane BoghossianStephane Boghossian|
    1 أبريل 2026
    8 دقائق للقراءة
    أنطولوجيا الذكاء الاصطناعي القانوني: كيف خفّض رسم معرفي تكاليف الذكاء الاصطناعي القانوني بنسبة 97%

    باختصار: استبدلت أنطولوجيا قانونية بنتها شركة Dynamic Interfaces لقانون العمل المكسيكي 300 أداة MCP بسبع أدوات، وانخفضت تكلفة الرسالة الواحدة من 0.60 دولار إلى 0.02 دولار، أي بنسبة 97%. ويعود هذا الوفر إلى نحو 88,000 رمز (token) أقل من أوصاف الأدوات في كل طلب، إضافة إلى نموذج أقل تكلفة أتاحته مجموعة الأدوات الأصغر.

    المنهجية. النظام موضوع الدراسة: الأنطولوجيا القانونية التي طورتها Dynamic Interfaces لقانون العمل الاتحادي المكسيكي، والتي استكشفناها عبر خادم MCP الخاص بها في مارس 2026. المدوّنة: 4 قوانين اتحادية، و1,689 مادة، و11 نوعًا من الكيانات، و7 سوابق قضائية، و12 نوعًا من الإحالات المصنّفة، و10 تصنيفات تعدادية. الأدوات المتاحة للنموذج: نحو 300 أداة قبل (أداة لكل عملية على قاعدة البيانات)، و7 أدوات بعد (أداة لكل عملية قانونية). أوصاف الأدوات في السياق: نحو 90,000 رمز قبل، ونحو 2,100 رمز بعد (قرابة 300 رمز لكل أداة). تكلفة الرسالة: 0.60 دولار قبل، و0.02 دولار بعد، وفق ما قاسته Dynamic Interfaces وأبلغتنا به؛ ويعكس رقم 0.02 دولار أيضًا الانتقال من نموذج متقدم إلى نموذج مفتوح الأوزان أقل تكلفة. ولم تُعِد HAQQ قياس التكلفة بصورة مستقلة.

    حقائق أساسية

    • نتيجة الأنطولوجيا من حيث التكلفة: من 300 أداة إلى 7، ومن 0.60 دولار إلى 0.02 دولار للرسالة (Dynamic Interfaces، بحسب ما أُبلغت به HAQQ، مارس 2026).
    • بحوث عدد الأدوات: رفعت طريقة RAG-MCP، التي لا تمرر إلى النموذج إلا أوصاف الأدوات التي تسترجعها، دقة اختيار الأدوات من 13.62% إلى 43.13% وخفّضت رموز الموجّه بأكثر من 50% (Gan وSun، arXiv:2505.03275، مايو 2025).
    • هلوسات RAG القانوني: وجدت دراسة مسجّلة مسبقًا أجراها مختبر Stanford RegLab ومعهد HAI أن كلًّا من Lexis+ AI وWestlaw AI-Assisted Research وAsk Practical Law AI هلوس بنسبة تتراوح بين 17% و33% من الحالات، أي أقل من GPT-4 (Magesh وآخرون، Journal of Empirical Legal Studies 22:216، أبريل 2025).
    • بلغ تقييم Harvey نحو 15.5 مليار دولار بعد جولة تمويل بقيمة 550 مليون دولار أُعلن عنها في 9 سبتمبر 2026 (مدونة Harvey؛ TechCrunch، 9 سبتمبر 2026).
    • القيم المرجعية في المكسيك لعام 2026: الحد الأدنى العام للأجور 315.04 بيزو مكسيكي يوميًا؛ ووحدة UMA بقيمة 117.31 بيزو يوميًا، سارية اعتبارًا من 1 فبراير 2026 (أرقام CONASAMI وINEGI، المنشورة في يناير 2026).
    • المدوّنة المستهدفة لدى HAQQ: يتضمن المرسوم بقانون اتحادي رقم 33 لسنة 2021 بشأن تنظيم علاقات العمل في دولة الإمارات 74 مادة، وهو نافذ منذ 2 فبراير 2022 (قاعدة بيانات التشريعات UNEP LEAP، اطُّلع عليها في 20 أكتوبر 2026).

    كيف تعرّفنا على هذا النظام؟

    في مارس 2026 شاركت في اتصال مع الرئيس التنفيذي لشركة Dynamic Interfaces للاطلاع على أنطولوجيا قانونية بنوها لقانون العمل المكسيكي. وأخبرونا أن خمس جهات حكومية مكسيكية من عملائهم تستخدمها يوميًا، وأن الخبراء الذين تعيّنهم المحاكم (peritos) يستعلمون من خلالها عن أربعة قوانين اتحادية ويحصلون على إجابات موثّقة بالإحالة إلى المادة. أما الرقم الذي دفعني إلى قضاء الأسبوعين التاليين في دراسة النظام فكان التكلفة: سنتان للرسالة الواحدة.

    ولإعطاء فكرة عن الحجم، تُسعَّر سوق الذكاء الاصطناعي القانوني القائمة على الاشتراك لكل مستخدم بمئات الدولارات شهريًا، وقد بلغ تقييم الشركة الرائدة فيها، Harvey، نحو 15.5 مليار دولار في سبتمبر 2026. والرسالة التي تكلف سنتين تغيّر من يستطيع تحمّل كلفة الذكاء الاصطناعي القانوني. يعرض هذا المقال ما وجدته عندما اتصلت بخادم MCP الخاص بهم، وقرأت نموذج البيانات، واختبرته في ضوء الاستدلال القانوني الذي أتوقعه من محامٍ متأنٍّ متخصص في قانون العمل.

    إفصاح. تبيع HAQQ حلول الذكاء الاصطناعي القانوني، وكنا عند كتابة هذا المقال ندرس تكاملًا مع Dynamic Interfaces. أرقام التكلفة هي قياساتهم الخاصة، ونعرضها على هذا الأساس.

    ماذا تقول دراسة ستانفورد عن هلوسات الذكاء الاصطناعي القانوني؟

    أجرى Magesh وSurani وDahl وSuzgun وManning وHo، من مختبر RegLab في جامعة ستانفورد ومعهد Stanford Institute for Human-Centered AI، ما يصفونه بأنه أول تقييم مسجّل مسبقًا لأدوات البحث القانوني بالذكاء الاصطناعي. ووجدت الدراسة، المنشورة في Journal of Empirical Legal Studies في أبريل 2025، أن أدوات LexisNexis وThomson Reuters القائمة على RAG هلوست كلٌّ منها بنسبة تتراوح بين 17% و33% من الحالات. وقد قلّل الاسترجاع من الهلوسات مقارنة بـGPT-4، وتفاوتت الأدوات تفاوتًا كبيرًا: إذ أجاب Lexis+ AI بدقة عن 65% من الاستفسارات، وWestlaw AI-Assisted Research عن 42%.

    اختبرت الدراسة ثلاثة منتجات على القانون الأمريكي في عام 2024. وهي لا تثبت أن كل نظام RAG يهلوس بهذا المعدل، ولا تختبر الأنطولوجيات. لكنها تُظهر أن الاسترجاع من النصوص وحده ترك معدل خطأ قابلًا للقياس في أدوات تُسوَّق على أنها موثوقة. وهذه هي الفجوة التي يسعى نموذج منظَّم للقانون إلى سدّها. وللاطلاع على قضايا وصلت فيها استشهادات مختلقة إلى القاضي، راجع تدقيقنا للهلوسات.

    لماذا يتعثر RAG مع النصوص التشريعية؟

    تعتمد معظم منتجات الذكاء الاصطناعي القانوني على استرجاع المقاطع: فهي تقسّم المستندات إلى أجزاء، وتحوّلها إلى متجهات تضمين، ثم تجلب الأجزاء الأقرب إلى السؤال. وينجح ذلك مع كثير من الأسئلة. أما في العمل الذي يعتمد على التشريعات بكثافة فيخفق بثلاث طرق متوقعة.

    تعاقب الصيغ عبر الزمن

    لا يحمل الجزء المقتطع من مادة أي تاريخ. فقد عدّل الإصلاح المكسيكي المعروف بـ"Vacaciones Dignas"، المنشور في الجريدة الرسمية للاتحاد (Diario Oficial de la Federación) في 27 ديسمبر 2022، المادتين 76 و78 من قانون العمل الاتحادي المكسيكي (Ley Federal del Trabajo)، ورفع استحقاق الإجازة في السنة الأولى من 6 أيام إلى 12 يومًا اعتبارًا من عام 2023. والخبير (perito) الذي يقدّر تعويض فصل يمتد عبر هذا التغيير يحتاج إلى الصيغتين وإلى تاريخ سريان كل منهما. والاسترجاع البسيط لا يتضمن حقلًا لذلك.

    التدرّج الهرمي

    القانون متعدد الطبقات: الدستور، ثم القانون الاتحادي، ثم اللوائح، ثم الأبواب والفصول والمواد والبنود داخل كل قانون. والتقسيم إلى أجزاء يُسطّح هذه البنية. وعندما تُطبَّق مادة "وفقًا لأحكام" مادة أخرى، قد يعيد نظام الاسترجاع المادة الأولى دون الثانية.

    الإحالات

    تستمد المادة 162 من قانون العمل الاتحادي المكسيكي (مكافأة الأقدمية بواقع أجر 12 يومًا عن كل سنة خدمة) أساس الأجر من المادتين 485 و486، اللتين تحددان سقفه بضعف الحد الأدنى للأجور. والوصول إلى الرقم الصحيح يتطلب تتبّع هذه السلسلة. فالبحث بالتشابه يعيد أجزاءً متفرقة، أما الرسم البياني فيتتبع الروابط.

    ما الأنطولوجيا القانونية؟

    الأنطولوجيا القانونية نموذج قابل للقراءة الآلية لمجموعة من القواعد القانونية: كياناتها (القوانين، والمواد، والمحاكم، والسوابق، والقيم المحسوبة مثل سقوف الأجور)، والتدرج الهرمي بينها، وتواريخ سريان كل صيغة، والروابط المصنّفة بين الأحكام. والنموذج الذي يجيب عن سؤال يستعلم من هذه البنية بدلًا من البحث في نص غير منظم.

    في نظام Dynamic Interfaces لكل إحالة نوع: remite_a (يحيل إلى)، وcomplementa (يكمّل)، وmodifica (يعدّل)، وexcepciona (يُنشئ استثناءً)، وdefine_termino (يعرّف مصطلحًا)، وestablece_formula (يحدد معادلة)، وestablece_procedimiento (يحدد إجراءً). ونوع الاستثناء هو الأهم بالنسبة لي. فالمادة 5 من قانون العمل الاتحادي المكسيكي تقرر حقوقًا عامة، وتقتطع أنظمة العمل الخاصة استثناءات منها. والنظام الذي لا يسجّل الاستثناءات سيطبّق القاعدة العامة حيث تسري القاعدة الخاصة.

    إلى أي حد تخفّض الأنطولوجيا القانونية تكاليف الذكاء الاصطناعي؟

    بحسب قياس Dynamic Interfaces، من 0.60 دولار إلى 0.02 دولار للرسالة. ويقف وراء هذا الانخفاض عاملان، ومن المفيد الفصل بينهما.

    أوصاف أدوات أقل في كل طلب

    الطريقة المعتادة لبناء وكيل ذكي هي إتاحة كل عملية على قاعدة البيانات كأداة مستقلة. ومع 11 نوعًا من الكيانات يصل العدد إلى نحو 300 أداة، ويُرسَل وصف كل أداة إلى النموذج مع كل طلب: وبمعدل 300 رمز تقريبًا لكل وصف، يبلغ المجموع نحو 90,000 رمز قبل أن يطرح المستخدم أي سؤال. وتستبدل الأنطولوجيا هذه الأدوات بسبع عمليات قانونية: query_legal_knowledge وcalculate_settlement وfind_jurisprudencia وget_cross_references وget_wage_data وget_vacation_table وgenerate_dictamen. وهذا يعادل نحو 2,100 رمز من الأوصاف، أي وفرًا يقارب 87,900 رمز في كل طلب.

    ويتوافق ذلك مع البحوث المنشورة. ففي ورقة RAG-MCP، أدى عرض الأدوات ذات الصلة فقط على النموذج بدلًا من عرضها كلها إلى مضاعفة دقة اختيار الأدوات أكثر من ثلاث مرات (من 13.62% إلى 43.13%) وخفض رموز الموجّه إلى أقل من النصف.

    نموذج أقل تكلفة يكفي لأداء المهمة

    مع سبع أدوات واضحة تصبح مهمة النموذج أصغر: فهم السؤال، واختيار أداة إلى ثلاث أدوات، وصياغة النتائج المنظمة. أما العمل البنيوي فتتولاه الأنطولوجيا. وقد أتاح ذلك لشركة Dynamic Interfaces الانتقال من نموذج متقدم إلى نموذج مفتوح الأوزان أقل تكلفة، وهو ما يفسّر جزءًا كبيرًا من الوفر المتبقي.

    جرّب HAQQ AI مجاناً

    اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي

    ماذا يعني هذا الوفر للخبير (perito)

    لنأخذ خبيرًا في شؤون العمل (perito laboral) في مدينة مكسيكو يتقاضى ما بين 15,000 و30,000 بيزو مكسيكي شهريًا تقريبًا (وهو النطاق الذي أُبلغنا به)، ويتولى 50 قضية شهريًا بمعدل 20 رسالة لكل قضية. بسعر 0.60 دولار للرسالة، تبلغ التكلفة 600 دولار شهريًا، أي نحو 10,800 بيزو بسعر 18 بيزو للدولار، وهو ما يعادل 36% إلى 72% من دخله. وبسعر 0.02 دولار تبلغ 20 دولارًا، أي نحو 1.2% إلى 2.4%. فالسعر المنخفض يفتح سوقًا يُقصيها السعر المرتفع.

    أي وحدة مرجعية تُطبَّق: UMA أم الحد الأدنى للأجور؟

    منذ الإصلاح الدستوري في يناير 2016، أصبح لدى المكسيك وحدتان مرجعيتان: وحدة القياس والتحديث UMA (Unidad de Medida y Actualización) والحد الأدنى للأجور. وفي عام 2026 يبلغ الحد الأدنى العام للأجور 315.04 بيزو يوميًا، وتبلغ UMA نحو 117.31 بيزو، أي بنسبة تقارب 2.69. وبالنسبة لسقف مكافأة الأقدمية بموجب المواد 162 و485 و486، فإن ضعف الحد الأدنى للأجور يعطي 630.08 بيزو يوميًا، وضعف UMA يعطي 234.62 بيزو، أي أقل بنسبة 62.8%.

    لا تطبّق أدوات الحساب والشرّاح في المكسيك جميعًا الوحدة نفسها على هذا السقف، ولذلك فهو خيار يتعين على المحامي اتخاذه والدفاع عنه. ونظام الاسترجاع يترك هذا الخيار للنموذج في كل استعلام. أما الأنطولوجيا فتسجّل الوحدة التي يطبّقها المكتب على كل مفهوم، والسند الذي يستند إليه، بحيث يكون الخيار ظاهرًا وثابتًا في كل مرة.

    هل يمكن أن تعمل الأنطولوجيا القانونية في ولايات قضائية أخرى؟

    تتكرر العناصر الأساسية في كل مكان: تشريعات ذات تدرج هرمي، ووسوم موضوعية، ورسوم بيانية للإحالات، وصيغ متعاقبة عبر الزمن، وقيم محسوبة. وتنطبق هذه البنية بصورة أكثر مباشرة على أنظمة القانون المدني ذات التشريعات المقننة (فرنسا، والبرازيل، والمملكة العربية السعودية، والإمارات). وتطبّق ورقة SAT-Graph RAG للباحث Hudson de Martim نموذجًا بنيويًا وزمنيًا مماثلًا على دستور البرازيل. أما أنظمة القانون العام (common law) فتتطلب معاملة السوابق القضائية بوصفها كيانًا أساسيًا إلى جانب التشريعات.

    ماذا تبني HAQQ بهذا النهج؟

    نعمل على بناء أنطولوجيا لقانون العمل الإماراتي، بدءًا بالمرسوم بقانون اتحادي رقم 33 لسنة 2021 بشأن تنظيم علاقات العمل (74 مادة) ولائحته التنفيذية. ويتضمن نظام العمل السعودي، الصادر بالمرسوم الملكي رقم م/51 لعام 1426هـ، نحو 245 مادة. ويمكن نمذجة مدوّنات بهذا الحجم ومراجعتها من قبل المحامين في غضون أسابيع. ولأن الأنطولوجيا تزوّد النموذج ببيانات منظمة، فإن النموذج يصوغ التحليل بالعربية أو الإنجليزية بدلًا من استخراج القواعد من النص العربي، وهي المهمة الأصعب. وستغذّي الأنطولوجيا خدمة البحث القانوني لدى HAQQ في مسائل قانون العمل الإماراتي.

    وتسير الحكومات في الاتجاه نفسه. فمعرّف التشريعات الأوروبي (European Legislation Identifier, ELI)، الذي أقرّه مجلس الاتحاد الأوروبي في عام 2012، يمنح التشريعات معرّفات ثابتة قابلة للقراءة الآلية، كما تعمل مبادرة Better Rules في نيوزيلندا على صياغة السياسات بلغة واضحة وقواعد وشيفرة برمجية معًا.

    كيف تُبنى أنطولوجيا قانونية؟

    بالنسبة لقانون العمل في دولة واحدة، يتراوح تقديرنا الحالي بين 4 و8 أسابيع. وهذه هي الخطوات التي نتبعها:

    • تحديد التشريعات الرئيسية من 3 إلى 5 ومصادرها الرسمية، والتحقق من مدى قابلية كل منها للقراءة الآلية.
    • تصميم نموذج الكيانات. الانطلاق من قالب عام (Law وStructuralUnit وArticle وCaseLaw وCrossReference وComputedValue) وإضافة ما تحتاجه الولاية القضائية.
    • تحديد التصنيفات: من 15 إلى 25 وسمًا موضوعيًا، وأنواع الإحالات، وأنواع القيم المحسوبة.
    • تحليل القوانين مع الحفاظ على التدرج الهرمي وتواريخ الصيغ، ووسم المواد بحسب الموضوع (يمكن للنموذج اقتراح الوسوم، ويعتمدها محامٍ)، ثم تحميلها في قاعدة بيانات.
    • بناء الرسم البياني للإحالات: الإحالات الصريحة أولًا، ثم الإحالات بين القوانين، مع تصنيف كل رابط ومراجعته.
    • إتاحة مجموعة صغيرة من الأدوات عبر MCP، مثل البحث في المواد، وجلب مادة، وجلب الإحالات، وجلب السوابق القضائية، وحساب قيمة، وجلب التسلسل الزمني، والمقارنة بين الولايات القضائية.
    • القياس قبل التطبيق وبعده: رموز الأدوات لكل طلب، وتكلفة الرسالة، والدقة على مجموعة أسئلة اختبارية ذات إجابات معتمدة من محامين.

    المراجع

    • Magesh وآخرون، Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools، مجلة Journal of Empirical Legal Studies 22:216 إلى 242 (2025)
    • Gan وSun، RAG-MCP: Mitigating Prompt Bloat in LLM Tool Selection via Retrieval-Augmented Generation، arXiv:2505.03275
    • de Martim، An Ontology-Driven Graph RAG for Legal Norms، arXiv:2505.00039
    • Harvey تجمع 550 مليون دولار بتقييم 15.5 مليار دولار (مدونة Harvey، 9 سبتمبر 2026)
    • Harvey تبلغ تقييم 15.5 مليار دولار بعد أشهر من بلوغها 11 مليارًا (TechCrunch، 9 سبتمبر 2026)
    • Anthropic: التبرع ببروتوكول Model Context Protocol لمؤسسة Agentic AI Foundation (9 ديسمبر 2025)
    • قوانين ولوائح العمل في القطاع الخاص في الإمارات (u.ae)، بما فيها المرسوم بقانون اتحادي رقم 33 لسنة 2021
    • المرسوم بقانون اتحادي رقم 33 لسنة 2021 (قاعدة بيانات التشريعات UNEP LEAP)
    • قانون العمل الاتحادي المكسيكي Ley Federal del Trabajo (Cámara de Diputados)

    قراءات ذات صلة

    • حيث وصلت هلوسات الذكاء الاصطناعي إلى المحاكم
    • لماذا يتعثر الذكاء الاصطناعي القانوني العربي في الاسترجاع
    • معيارنا القانوني لمقارنة النماذج المتقدمة، المحدَّث في أكتوبر 2026
    • الهندسة القانونية ونمط TIRO

    بقلم

    Stephane Boghossian
    Stephane Boghossian

    رئيس قسم النمو

    يقود ستيفان النمو في HAQQ ويكتب قسم الذكاء الاصطناعي والتكنولوجيا القانونية: اختبارات أداء النماذج، ومقارنات الأدوات، والهندسة التي تجعل الذكاء الاصطناعي القانوني صامدًا في الممارسة الفعلية.

    جميع مقالات هذا الكاتبLinkedIn

    موارد ذات صلة

    AI hallucination audit: where fake citations reached a courtArabic legal AILegal engineering: AI-powered legal workflowsHarvey AI review 2026

    مقالات ذات صلة

    لماذا يخطئ الذكاء الاصطناعي العام في القانون الكويتي واللبناني (وكيف تختبر أي أداة)
    شرح

    لماذا يخطئ الذكاء الاصطناعي العام في القانون الكويتي واللبناني

    لماذا يخطئ الذكاء الاصطناعي العام في القانون الكويتي واللبناني (وكيف تختبر أي أداة)

    مراجعة Lexis+ AI لعام 2026: أصبح Lexis+ with Protégé، مقابل Westlaw CoCounsel
    مراجعة

    مراجعة Lexis+ AI لعام 2026

    مراجعة Lexis+ AI لعام 2026: أصبح Lexis+ with Protégé، مقابل Westlaw CoCounsel

    الرسوم البيانية للمعرفة القانونية: 5 طرق تجعل بها خريطة الأدلة الذكاء الاصطناعي القانوني قابلاً للتحقق
    شرح

    الرسوم البيانية للمعرفة القانونية

    الرسوم البيانية للمعرفة القانونية: 5 طرق تجعل بها خريطة الأدلة الذكاء الاصطناعي القانوني قابلاً للتحقق

    الأسئلة الشائعة

    ما هي الأنطولوجيا القانونية؟

    الأنطولوجيا القانونية نموذج قابل للقراءة آلياً لمجموعة من القوانين: كياناتها (القوانين، والمواد، والسوابق، والقيم المحسوبة مثل سقوف الأجور)، والتسلسل الهرمي بينها، والتواريخ التي سرت فيها كل نسخة، والروابط المصنّفة بين الأحكام مثل «يحيل إلى» أو «يعدّل» أو «ينشئ استثناءً». ويستعلم نموذج الذكاء الاصطناعي هذه البنية بدلاً من البحث في نص مفكّك.

    كم يمكن للأنطولوجيا القانونية أن تخفض تكاليف الذكاء الاصطناعي القانوني؟

    في نظام قانون العمل المكسيكي الذي درسناه، انخفضت تكلفة الرسالة من 0.60 دولار إلى 0.02 دولار، أي بنسبة 97%، وفق قياس الجهة التي بنته، Dynamic Interfaces. فقد أدى استبدال نحو 300 أداة MCP بسبع أدوات إلى حذف نحو 88,000 رمز من أوصاف الأدوات في كل طلب، وأتاحت مجموعة الأدوات الأصغر الانتقال إلى نموذج مفتوح الأوزان أقل تكلفة.

    ما الفرق بين الأنطولوجيا القانونية وتقنية RAG؟

    تسترجع تقنية RAG مقاطع نصية تبدو مشابهة للسؤال. أما الأنطولوجيا فتخزّن بنية القانون: التسلسل الهرمي، وتواريخ النسخ، والإحالات المتقاطعة المصنّفة. وهذا يتيح للنظام تتبّع سلسلة مثل المادة 162 من قانون العمل الاتحادي المكسيكي (Ley Federal del Trabajo) وصولاً إلى سقف الأجر في المادتين 485 و486، وتطبيق نسخة المادة السارية في تاريخ معيّن.

    كم مرة تهلوس أدوات RAG القانونية؟

    وجدت دراسة مسجّلة مسبقاً أجراها Stanford RegLab وHAI (Magesh وآخرون، Journal of Empirical Legal Studies، 2025) أن Lexis+ AI وWestlaw AI-Assisted Research وAsk Practical Law AI هلوست كل منها بنسبة بين 17% و33% على استعلامات الاختبار، أي أقل من GPT-4. وأجاب Lexis+ AI بدقة عن 65% من الاستعلامات، وWestlaw عن 42%.

    لماذا يجعل تقليل أدوات MCP الذكاء الاصطناعي القانوني أرخص وأدق؟

    يُرسَل وصف كل أداة إلى النموذج مع كل طلب، فـ300 أداة بنحو 300 رمز لكل منها تضيف نحو 90,000 رمز قبل السؤال. ووجدت ورقة RAG-MCP (arXiv:2505.03275) أن تمرير الأدوات ذات الصلة فقط رفع دقة اختيار الأداة من 13.62% إلى 43.13% وخفّض رموز الموجّه بأكثر من النصف.

    كم يستغرق بناء أنطولوجيا قانونية؟

    تقديرنا العملي لقانون العمل في بلد واحد هو 4 إلى 8 أسابيع: تحديد التشريعات، وتصميم نموذج الكيانات، وتحليل المواد ووسمها مع مراجعة محامٍ، وبناء رسم الإحالات المتقاطعة المصنّفة، وإتاحة مجموعة صغيرة من أدوات MCP، وقياس التكلفة والدقة على مجموعة اختبار يعتمدها محامٍ. ويتألف المرسوم بقانون اتحادي رقم 33 لسنة 2021 في الإمارات من 74 مادة.

    ما التالي؟

    جرّب HAQQ AI مجاناً

    اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي

    احسب عائد الاستثمار

    اكتشف كم من الوقت والمال يوفره HAQQ لمكتبك

    تصفح 600+ أمر قانوني

    أوامر جاهزة للاستخدام لكل مهمة قانونية

    العودة للمدونة

    المقال السابق

    توقعات الذكاء الاصطناعي القانوني حتى 2030: ما يتنبأ به 72 وكيلاً ذكياً

    المقال التالي

    علامات التحذير لدى موردي الذكاء الاصطناعي القانوني: قائمة تقييم من 45 بنداً

    في هذه الصفحة

    8 دقائق للقراءة

    1. 01حقائق أساسية
    2. 02كيف تعرّفنا على هذا النظام؟
    3. 03ماذا تقول دراسة ستانفورد عن هلوسات الذكاء الاصطناعي القانوني؟
    4. 04لماذا يتعثر RAG مع النصوص التشريعية؟
    5. تعاقب الصيغ عبر الزمن
    6. التدرّج الهرمي
    7. الإحالات
    8. 05ما الأنطولوجيا القانونية؟
    9. 06إلى أي حد تخفّض الأنطولوجيا القانونية تكاليف الذكاء الاصطناعي؟
    10. أوصاف أدوات أقل في كل طلب
    11. نموذج أقل تكلفة يكفي لأداء المهمة
    12. ماذا يعني هذا الوفر للخبير (perito)
    13. 07أي وحدة مرجعية تُطبَّق: UMA أم الحد الأدنى للأجور؟
    14. 08هل يمكن أن تعمل الأنطولوجيا القانونية في ولايات قضائية أخرى؟
    15. 09ماذا تبني HAQQ بهذا النهج؟
    16. 10كيف تُبنى أنطولوجيا قانونية؟
    17. 11المراجع
    18. 12قراءات ذات صلة

    شارك هذا المقال

    ضع هذا موضع التنفيذ

    اسأل HAQQ السؤال الذي أثاره هذا المقال لديك.

    HAQQ across all devices
    HAQQ Legal AI Platform Logo

    توأمك القانوني بالذكاء الاصطناعي ونظام إدارة المكتب للصياغة والفوترة والفوز.

    حمّل منApp Storeمتوفر علىGoogle Play

    الوثائق

    • الوثائق يفتح في علامة تبويب جديدة
    • البداية يفتح في علامة تبويب جديدة
    • غرفة الأخبار يفتح في علامة تبويب جديدة
    • تحديثات المنتج يفتح في علامة تبويب جديدة
    • الحالة يفتح في علامة تبويب جديدة
    • الثقة يفتح في علامة تبويب جديدة
    • الأمان
    • الأسئلة الشائعة يفتح في علامة تبويب جديدة
    • المجتمع يفتح في علامة تبويب جديدة
    • الدعم يفتح في علامة تبويب جديدة

    الأكاديمية

    • شريك يفتح في علامة تبويب جديدة
    • الدورة يفتح في علامة تبويب جديدة
    • الموجهات يفتح في علامة تبويب جديدة
    • المختبر يفتح في علامة تبويب جديدة

    الموقع الإلكتروني

    • eFirm
    • الدردشة القانونية بالذكاء الاصطناعي
    • تطبيق الهاتف
    • محرك جستنيان
    • HAQQ eBar
    • HAQQ eWallet
    • الأسعار
    • قارننا
    • الحلول
    • المدونة
    • تعرف على الفريق
    • انضم إلينا يفتح في علامة تبويب جديدة
    افتح التطبيق
    • اللغاتenarfresitdeptrohics
    • التواصلinfo@haqq.ai
    • الحالةيعمل·راسخ
    • شروط الخدمة
    • سياسة الخصوصية
    • سياسة ملفات تعريف الارتباط
    • معالجة البيانات
    • البشر يفتح في علامة تبويب جديدة
    • المحامون يفتح في علامة تبويب جديدة
    • الأمان يفتح في علامة تبويب جديدة
    © 2026 HAQQ Inc. جميع الحقوق محفوظة.المنتج مطوّر داخلياً بالكامل من قبل HAQQ. الموقع الإلكتروني مبني بأدوات ويب حديثة.

    RAG vs Ontology: Same Query, Different Architecture

    RAG Approach

    Query: "Vacation days for 8 years of service, hired 2016"

    Art. 76 LFT (pre-2023)
    6 days min vacation...
    Art. 78 vacation premium
    ...minimum 6 working days
    Art. 81 payment timing
    Reform 2023 doubled...
    Result: "Workers with 8 years = 14 vacation days." (Retrieved pre-2023 table. Correct answer depends on date.)
    ⚠ Potentially incorrect (no temporal awareness)
    Ontology Approach

    Query: "Vacation days for 8 years of service, hired 2016"

    TablaVacacionesregimenpost_2023years=8 → 18dpremium=25%
    Result: "18 vacation days (post-2023 reform, Art. 76 LFT amended Dec 2022). Vacation premium: 25% of 18 days' salary (Art. 80 LFT)."
    ✓ Correct (temporal versioning built in)

    Interactive Ontology Explorer

    Click a law to explore its ontology hierarchy

    L

    Ley Federal del Trabajo

    Master employment statute (16 titles, 51 reforms)

    1,076 arts.
    T

    Titulo II (Relaciones Individuales)

    Individual labor relationships, contracts

    16 titles
    C

    Capitulo IV (Rescision)

    Termination of employment relationships

    ~120 ch.
    A

    Articulo 48 (Indemnizacion)

    Right to indemnification for wrongful dismissal

    atomic unit

    Cost Waterfall: $0.60 → $0.02

    Each step shows where the savings come from

    $0.60

    Starting Cost

    -$0.32

    Tool Desc. Tokens

    -$0.14

    Ontology Constraint

    -$0.12

    Model Downgrade

    $0.02

    Final Cost

    97%
    $0.58 saved per message
    300 tools → 7 tools • Frontier → Open-source

    Token Economics: Why Fewer Tools = Lower Cost

    Before: 300 Tool Descriptions in Context

    {"name":"get_article_by_number","description":"...","parameters":{...}}
    {"name":"get_article_by_topic","description":"...","parameters":{...}}
    {"name":"get_article_text","description":"...","parameters":{...}}
    {"name":"search_articles_keyword","description":"...","parameters":{...}}
    {"name":"get_article_reforms","description":"...","parameters":{...}}
    {"name":"get_article_at_date","description":"...","parameters":{...}}
    {"name":"get_cross_references_outbound","description":"...","parameters":{...}}
    {"name":"get_cross_references_inbound","description":"...","parameters":{...}}
    {"name":"get_articles_by_chapter","description":"...","parameters":{...}}
    ... +291 more tool definitions
    ↓

    After: 7 Ontology-Aware Tools

    query_legal_knowledge

    ~300 tokens

    calculate_settlement

    ~300 tokens

    find_jurisprudencia

    ~300 tokens

    get_cross_references

    ~300 tokens

    get_wage_data

    ~300 tokens

    get_vacation_table

    ~300 tokens

    generate_dictamen

    ~300 tokens

    90,000

    Tokens Before

    2,100

    Tokens After

    97.7%

    Reduction

    Claude Opus (frontier)

    $0.60

    $15/M input tokens

    →

    Open-source

    $0.02

    ~$0.50/M input tokens

    Cross-Reference Network: Wrongful Dismissal, $254,000 MXN

    Click "Trace Query" to illuminate the resolution path across 4 laws

    Art. 48LFTArt. 50LFTArt. 84Salary DefSalarioMinimoUMA + WagesLSS 27-28Social SecurityINFONAVIT 29HousingVacacionesPost-2023Tesis 53/2017Jurisprudencia
    LFT
    LSS
    INFONAVIT
    Computed
    Jurisprudencia

    Click above to see how the ontology resolves a real wrongful dismissal calculation

    Ontology Replication: Global Expansion

    Same pattern, jurisdiction-specific enums

    Live

    🇲🇽

    Mexico

    LFT + LSS + LSAR + INFONAVIT

    1,689

    Articles

    4

    Laws

    12

    X-Refs

    Phase 1

    🇦🇪

    UAE

    Federal Decree-Law No. 33/2021

    ~65

    Articles

    3

    Zones

    AR/EN

    Bilingual

    Phase 2

    🇸🇦

    Saudi Arabia

    Royal Decree M/51

    ~245

    Articles

    2024

    Amended

    AR/EN

    Bilingual

    Phase 3

    🇫🇷

    France

    Code du travail

    ~7,000

    Articles

    L+R

    Dual track

    API

    Legifrance

    Phase 3

    🇧🇷

    Brazil

    CLT (Consolidacao das Leis do Trabalho)

    ~922

    Articles

    Easiest

    Port

    PT

    Language

    Future

    🇺🇸 🇬🇧

    US + UK

    FLSA + ERA

    Complex

    Case Law

    Fed/State

    Dual

    +2

    Ref Types

    Pattern transfer: The entity model is universal. Only the enums change between jurisdictions.