ملخص سريع: أنطولوجيا قانونية حلت محل 300 أداة MCP بـ 7 أدوات، مما خفض تكاليف الذكاء الاصطناعي من 0.60 دولار إلى 0.02 دولار لكل رسالة - وهو انخفاض بنسبة 97%. أثبتت جامعة ستانفورد أن أدوات RAG القانونية قيد الإنتاج تُهلوس بنسبة 17-33% من الوقت. في غضون ذلك، حققت الأنظمة المعتمدة على الأنطولوجيا دقة 98%. نحن نبني هذا لقانون العمل الإماراتي في HAQQ.
كيف أعادت مكالمة عرض توضيحي كتابة خارطة طريقي
قبل بضعة أسابيع، أجريت مكالمة مع الرئيس التنفيذي لشركة Dynamic Interfaces للنظر في شيء بنوه - نظام أنطولوجيا قانونية لقانون العمل المكسيكي. ظننت أنني سأشاهد عرضًا توضيحيًا، وأدوّن بعض الملاحظات، ثم أمضي قدمًا. لكن هذا لم يحدث.
حقائق أساسية
- أنطولوجيا قانونية حلت محل 300 أداة MCP بـ 7 أدوات، مما خفض تكاليف الذكاء الاصطناعي من 0.60 دولار إلى 0.02 دولار لكل رسالة - وهو انخفاض بنسبة 97%.
- وجدت جامعة ستانفورد (ماجيش وآخرون، مجلة الدراسات القانونية التجريبية 2025) أن أدوات RAG القانونية قيد الإنتاج تُهلوس بنسبة 17-33% من الوقت.
- حققت GraphRAG المعتمدة على الأنطولوجيا دقة 98% مقابل 37% لـ ChatGPT-4 في الأسئلة والأجوبة السريرية (مجلة المعلوماتية الطبية الحيوية، 2025).
كنت أبني الذكاء الاصطناعي القانوني في HAQQ لمنطقة الشرق الأوسط وشمال إفريقيا، وقد حضرت ما يكفي من العروض التوضيحية 'الثورية' لمدى الحياة. معظمها مجرد RAG بواجهة مستخدم أجمل. بدا هذا النظام مختلفًا منذ الدقائق الخمس الأولى. ليس بسبب التصميم الأنيق أو اللغة التسويقية - بل بسبب ما كان يحدث تحت الغطاء.
الشيء الذي أوقفني تمامًا هو: 5 من عملاء الحكومة المكسيكية كانوا يستخدمون هذا النظام يوميًا. كان خبراء معينون من المحكمة - الخبراء القضائيون - يستعلمون عن قانون العمل عبر أربعة قوانين فيدرالية، ويحصلون على إجابات دقيقة مع استشهادات قانونية كاملة، وكلف الأمر برمته سنتين لكل رسالة. ليس دولارين. بل سنتين.
للوضع في سياقه، Harvey AI - الابن الذهبي للذكاء الاصطناعي القانوني بقيمة 11 مليار دولار - تفرض 1,200 دولار لكل محامٍ شهريًا. CoCounsel يبدأ بسعر 220 دولارًا شهريًا. حتى أرخص مقعد في الذكاء الاصطناعي القانوني يكلف 100 دولار+ شهريًا. وهنا كان هذا النظام في المكسيك يقوم بذلك مقابل سنتين لكل رسالة. لا اشتراكات. لا حد أدنى للمقاعد. فقط رسم بياني معرفي منظم و7 أدوات مصممة جيدًا.
أمضيت الأسبوعين التاليين أفكك النظام لأفهم سبب عمله. هذا المقال هو ما وجدته، ولماذا يهم أي شخص يبني الذكاء الاصطناعي القانوني، وما نبنيه في HAQQ بسببه.
ما تخطئ فيه شركات Legal AI التي تبلغ قيمتها 11 مليار دولار.
قبل أن أتطرق إلى بنية الأنطولوجيا، أحتاج إلى قول شيء صريح حول الوضع الحالي لـ Legal AI. لأنه كلما تعمقت في المشهد التنافسي، كلما ظهر نمط - وهذا ليس إيجابيًا للشركات القائمة.
كل شركة Legal AI كبرى هي غلاف RAG. لا توجد واحدة لديها أنطولوجيا قانونية رسمية.
Harvey AI - تقييم بقيمة 11 مليار دولار، تم جمع 1.2 مليار دولار، مدعوم من Sequoia و GIC - يدير نماذج لغوية كبيرة (LLMs) مُحسّنة بدقة مع RAG عبر قواعد البيانات القانونية. يفرضون حوالي 1,200 دولار للمحامي شهريًا بسعر القائمة. لقد أعلنوا للتو عن تكامل مع LexisNexis، مما يضيف 400-600 دولار أخرى للمحامي سنويًا. يدعون دقة 91% في 'BigLaw Bench' الخاصة بهم. وهذا لا يزال يعني أن 9% من العمل القانوني يحتوي على أخطاء.
CoCounsel (Thomson Reuters) - مليون مستخدم، مُدمج في أكثر من 100 عام من السوابق القضائية لـ Westlaw. بنية متعددة النماذج عبر Anthropic و OpenAI و Google. تسعير من 220 إلى 500 دولار للمستخدم شهريًا. خندق بيانات أفضل من Harvey. ولكنه لا يزال RAG في جوهره.
Legora (كانت تُعرف سابقًا باسم Leya) - تقييم 5.55 مليار دولار، 800 شركة محاماة. مبني على Claude مع مهام سير عمل وكيلة. 250 دولارًا للمستخدم شهريًا، بحد أدنى 10 مقاعد. لا توجد بنية معرفة قانونية مملوكة. إنه غلاف مصمم جيدًا جدًا.
أجرت جامعة ستانفورد دراسة تجريبية مسجلة مسبقًا - الأولى من نوعها. Magesh وآخرون، نُشرت في مجلة الدراسات القانونية التجريبية عام 2025. لقد اختبروا أدوات RAG القانونية قيد الإنتاج ووجدوا معدلات هلوسة تتراوح بين 17-33% بشكل عام.
استنتاج فريق ستانفورد: يقلل RAG من الهلوسات مقارنة بالنماذج ذات الأغراض العامة، لكن الهلوسات تظل 'كبيرة وواسعة النطاق ومن المحتمل أن تكون خبيثة.' إن ادعاءات مزودي Legal AI بالاستشهادات 'الخالية من الهلوسة' مبالغ فيها بشكل واضح.
في غضون ذلك، في الطب السريري، نشر باحثون ورقة بحثية تظهر أن GraphRAG القائم على الأنطولوجيا حقق دقة 98% مقابل 37% لـ ChatGPT-4. هذا ليس خطأ مطبعيًا. تحسن بمقدار 61 نقطة مئوية، نُشرت في مجلة المعلوماتية الطبية الحيوية، باستخدام SNOMED CT كطبقة أساسية.
أثبت المجال الطبي ذلك. المجال القانوني يحتاجه. ولا أحد يبنيه. هذه هي الفجوة. هذا هو ما يدخل إليه HAQQ.
التجربة: استكشاف داخل أنطولوجيا قانونية عبر MCP
أريد أن أكون صريحًا بشأن ما كان هذا. ليس مراجعة منتج. ليس إعلان شراكة. كان هذا أنا أتصل بخادم MCP الخاص بـ Dynamic Interfaces، أستكشف هياكل بيانات الأنطولوجيا الخاصة بهم، أحلل التصميم، وأختبره تحت الضغط مقابل كل ما أعرفه عن الاستدلال القانوني.
بروتوكول سياق النموذج (MCP) - معيار Anthropic لدمج أدوات الذكاء الاصطناعي، والذي تحكمه الآن مؤسسة Linux - كان الواجهة. يتم الكشف عن كل إجراء في الأنطولوجيا كأداة MCP قابلة للاستدعاء. يمكن لأي عميل متوافق مع MCP الاتصال.
الأنطولوجيات هي نوع من السر.
وجدت ورقة بحثية صدرت عام 2025 حول اختيار الأدوات أن تقليل عدد الأدوات ضاعف الدقة ثلاث مرات - من 13.6% إلى 43.1% - مع تقليل رموز المطالبة بأكثر من 50%. أدوات أقل، أداء أفضل بكثير. هذا بالضبط ما تفعله الأنطولوجيا: فهي تختزل المئات من عمليات قواعد البيانات الدقيقة في عدد قليل من العمليات القانونية ذات المعنى الدلالي.
لماذا تفشل Legal AI؟ العيوب القاتلة الثلاثة لـ RAG في القانون
معظم منتجات Legal AI - بما في ذلك معظم ما هو موجود في سوق الشرق الأوسط وشمال إفريقيا - تستخدم RAG على ملفات PDF. تقوم بتقسيم المستندات القانونية، وتضمينها في قاعدة بيانات متجهية، وتسترجع فقرات متشابهة دلالياً عندما تطرح سؤالاً. هذا يعمل لاستعلامات المعرفة العامة. لكنه يفشل بشكل كارثي في القانون.
تفشل Legal AI القائمة على RAG بثلاث طرق محددة: العمى الزمني (استرجاع إصدارات خاطئة من القانون المعدل)، والجهل الهيكلي (فقدان التسلسل الهرمي التشريعي أثناء التقسيم)، ونسيان الإحالات المرجعية (عدم القدرة على تتبع العلاقات المكتوبة بين الأحكام).
تم فرض عقوبات على ما لا يقل عن 6 محامين بسبب تقديم استشهادات قضايا مزيفة تم إنشاؤها بواسطة الذكاء الاصطناعي منذ عام 2023 - بدءًا بقضية Mata v. Avianca سيئة السمعة الآن، حيث اختلقت ChatGPT قضايا ثم أكدت أنها "موجودة بالفعل" في Westlaw.
العمى الزمني
لا تستطيع أنظمة RAG بطبيعتها التمييز بين إصدار 2022 وإصدار 2023 لمادة قانونية. لقد ضاعف إصلاح 'Vacaciones Dignas' لعام 2023 في المكسيك استحقاقات الإجازات بين عشية وضحاها. يحتاج الخبير الذي يحسب قضية فصل تعسفي تمتد عبر هذا الحد كلا الإصدارين. لا تملك أنظمة RAG آلية لذلك. لا شيء.
الجهل الهيكلي
القانون منظم هرمياً: الدستور، القانون الاتحادي، اللوائح، التعاميم. ضمن القانون: العناوين، الفصول، المواد، الفقرات، البنود. تقطيع RAG يدمر هذا التسلسل الهرمي. عندما تنص المادة 50 على 'وفقاً لشروط المادة 48'، قد يسترجع نظام RAG المادة 50 دون المادة 48، مما ينتج إجابة غير كاملة.
فقدان الذاكرة للمراجع المتقاطعة
التفكير القانوني يعتمد بطبيعته على الرسوم البيانية. حساب علاوة الأقدمية بموجب المادة 162 يشير إلى قيم UMA المحددة في الدستور. تحسب قروض الإسكان INFONAVIT بوحدات UMA وفقاً لإصلاح عام 2016. لا يملك نظام RAG آلية لمتابعة سلاسل المراجع هذه. يسترجع أجزاءً. الأنطولوجيا تتتبع الروابط.
رسم بياني للمعرفة القانونية هو شبكة من الأحكام القانونية متصلة بعلاقات دلالية ومحددة النوع. على عكس فهرس المستندات حيث تستنتج الروابط بناءً على تشابه الكلمات المفتاحية، فإن رسم بياني المعرفة القانونية يقوم بترميز صريح بأن المادة 50 'تنشئ صيغة' تشير إليها المادة 48، والتي بدورها 'تشير إلى' تعريف الراتب في المادة 84.
ما هي الأنطولوجيا القانونية وكيف تعمل؟
الأنطولوجيا القانونية هي نموذج معرفي منظم وقابل للقراءة آلياً يمثل مجالاً قانونياً كـرسم بياني من الكيانات (القوانين، المواد، المحاكم، القيم المحسوبة)، وعلاقاتها الهرمية، والمراجع المتقاطعة المحددة النوع بين الأحكام. على عكس أنظمة استرجاع النصوص المسطحة، تحافظ الأنطولوجيا القانونية على الهيكل المتأصل للتشريع - التسلسل الهرمي، تحديد الإصدارات، الاستثناءات، وسلاسل الصيغ - مما يمكن من التفكير القانوني الحتمي بدلاً من استرجاع المستندات الاحتمالي.
النطاق: 11 نوعاً من الكيانات، 1,689 مادة، 4 قوانين اتحادية، 7 سوابق قضائية، 12 مرجعاً متقاطعاً محدداً النوع، 10 تصنيفات تعدادية.
كيف تغير المراجع المتقاطعة المحددة النوع التفكير القانوني لـ Legal AI
ما يجعل هذا الأنطولوجيا قوياً من الناحية المعمارية هو نظام الإحالة المتقاطعة المكتوب. في معظم أنظمة Legal AI، يكون المرجع بين مقالتين مجرد رابط تشعبي. في نظام Dynamic Interfaces، إنها علاقة مكتوبة ذات معنى دلالي: remite_a (يشير إلى)، complementa (يكمل)، modifica (يعدل)، excepciona (ينشئ استثناءً)، define_termino (يعرّف مصطلحًا)، establece_formula (يضع صيغة)، establece_procedimiento (يضع إجراءً).
هذا النوع excepciona - هو ما يقلقني ليلاً. تحدد المادة 5 من قانون العمل العام حقوق العمل العامة، لكن أنظمة العمل الخاصة تخلق استثناءات. إذا لم يقم نظامك بنمذجة الاستثناءات بشكل صريح، فإنه يطبق القواعد العامة حيث يجب تطبيق القواعد الخاصة. هذا خطأ كارثي من الناحية القانونية.
لقد كنا نحاول جعل AI يفهم القانون من خلال إلقاء النصوص عليه. لكن القانون ليس نصًا. القانون هو رسم بياني.
ما مدى تأثير الأنطولوجيا القانونية في تقليل تكاليف Legal AI؟
هنا ينتقل الأمر من 'مثير للاهتمام من الناحية المعمارية' إلى 'يا للهول، هذا يغير نموذج العمل'. خفضت أنطولوجيا قانونية تكاليف استدلال Legal AI من 0.60 دولار إلى 0.02 دولار لكل رسالة - وهو تخفيض بنسبة 97٪ - عن طريق دمج 300 وصف لأداة MCP في 7 أدوات واعية بالأنطولوجيا.
لماذا تحتاج أنظمة Legal AI القائمة على الأنطولوجيا إلى عدد أقل من الأدوات؟
اقتصاديات الرمز المميز: لماذا تكلف 300 أداة 0.60 دولار وتكلف 7 أدوات 0.02 دولار
النهج القياسي لبناء وكلاء Legal AI هو الكشف عن كل عملية قاعدة بيانات كأداة منفصلة. اضرب ذلك عبر 11 نوعًا من الكيانات وستصل إلى 300 أداة بسرعة. وهنا تكمن المشكلة: يتم تسلسل كل وصف من أوصاف تلك الأدوات في نافذة سياق LLM في كل طلب. مع 300 أداة، كل منها حوالي 300 رمز مميز، فإنك تستهلك 90,000 رمز مميز قبل أن يطرح المستخدم سؤالاً.
الأنطولوجيا تدمج هذا. بدلاً من 300 عملية قاعدة بيانات مفصلة، تحصل على 7 عمليات قانونية ذات معنى دلالي: query_legal_knowledge, calculate_settlement, find_jurisprudencia, get_cross_references, get_wage_data, get_vacation_table, generate_dictamen.
سبع أدوات. 2,100 رمز مميز للأوصاف. 0.02 دولار لكل رسالة.
تأثير تخفيض مستوى النموذج: من الرائد إلى مفتوح المصدر
عندما يكون لدى وكيل الذكاء الاصطناعي 7 أدوات محددة جيدًا فقط للاختيار من بينها - بدلاً من 300 - لا يحتاج النموذج أن يكون ذكيًا بنفس القدر. تقوم الأنطولوجيا بالعمل الهيكلي الثقيل. يحتاج النموذج فقط إلى فهم سؤال المستخدم، واختيار الأدوات الصحيحة من 1-3، وتجميع استجابة من البيانات المنظمة.
حساب راتب الخبير
يكسب الخبير العمالي في مكسيكو سيتي ما يقرب من 15,000-30,000 بيزو مكسيكي شهريًا. بتكلفة 0.60 دولار للرسالة، ومع 50 حالة شهريًا و 20 رسالة لكل حالة، فإن تكلفة واجهة برمجة التطبيقات وحدها ستكون 600 دولار شهريًا - 36-72% من دخلهم. غير مجدي تمامًا.
بتكلفة 0.02 دولار للرسالة، تكلف نفس الاستخدام 20 دولارًا شهريًا - 1.2-2.4% من الدخل. أقل من اشتراك Netflix. لا يقتصر تخفيض التكلفة على جعل المنتج أرخص فحسب، بل يجعل سوقًا جديدًا تمامًا ممكنًا.
تعمق: حساب حقيقي للفصل التعسفي - 254,000 بيزو مكسيكي
هذا هو حساب كامل للفصل التعسفي باستخدام مواد قانون العمل الفيدرالي (LFT) الفعلية، وبيانات الأجور الحقيقية لعام 2026، وسلسلة تبعية القانون المتكاملة. ماريا إيلينا جوتيريز، مساعدة إدارية، راتب شهري 15,000 بيزو مكسيكي، عملت 5 سنوات و 3 أشهر، تم فصلها بدون سبب وجيه.
تتولى الأنطولوجيا الأمر في 8 خطوات عبر 4 قوانين: تصنيف النزاع، التحقق من السوابق القضائية الملزمة، اتباع سلسلة الصيغ، حساب التعويض (1211,000 بيزو مكسيكي)، التسوية (5,000 بيزو مكسيكي)، الأجور المتأخرة (120,000 بيزو مكسيكي)، التحقق عبر القوانين، ليصبح المجموع الكلي 254,000 بيزو مكسيكي.
في حساب بقيمة 254,000 بيزو مكسيكي، يعني معدل خطأ بنسبة 17% أن الإجابة قد تختلف بمقدار 43,000 بيزو مكسيكي. هذا ليس تقريبًا. هذا سوء ممارسة. تقوم الأنطولوجيا بحساب هذا بشكل حتمي. في كل مرة. بلا أخطاء في الأرقام.
جرّب HAQQ AI مجاناً
اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي
فخ UMA: خطأ بقيمة 180,000 دولار يختبئ على مرأى من الجميع
منذ الإصلاح الدستوري للمكسيك عام 2016، تتعايش وحدتا مرجعيتين: UMA (وحدة القياس والتحديث) والحد الأدنى للأجور (Salario Minimo). في عام 2026، يبلغ الحد الأدنى للأجور 2.69 ضعف UMA. استخدام الوحدة الخاطئة لا ينتج عنه خطأ في التقريب. بل ينتج عنه حساب غير صالح قانونًا.
إذا قمت بحساب الحد الأقصى لمكافأة نهاية الخدمة (prima de antiguedad) باستخدام UMA بدلاً من الحد الأدنى للأجور (Salario Minimo)، ستحصل على 234.62 دولارًا في اليوم بدلاً من 630.08 دولارًا في اليوم - مما يحرم العامل من 62.8%. تقوم الأنطولوجيا بترميز أي وحدة مرجعية تنطبق على أي مفهوم قانوني. هذا ليس غامضًا. يترك نظام RAG الأمر لـ LLM (نموذج اللغة الكبير) ليقوم بحله. هذا هو موطن 'الهلوسة'.
هل يمكن لأنطولوجيا قانونية أن تعمل لأي ولاية قضائية؟
يتشارك كل نظام قانوني خمسة عناصر هيكلية أساسية: تشريع هرمي، تصنيف دلالي، رسوم بيانية للمراجع المتقاطعة، تحديد الإصدار الزمني، وقيم المجال المحتسبة - مما يجعل نمط الأنطولوجيا قابلاً للتكرار عالميًا. النمط عالمي. التعدادات خاصة بالولاية القضائية.
يتوافق النمط بشكل أوضح مع أنظمة القانون المدني - فرنسا، البرازيل، المملكة العربية السعودية، الإمارات العربية المتحدة - لأنها تتشارك هياكل مقننة وهرمية مطابقة تقريبًا للقانون المكسيكي. تحتاج أنظمة القانون العام إلى طبقة تكييف ترفع مكانة السوابق القضائية إلى مرتبة أولى إلى جانب القوانين.
ما يعنيه هذا لـ HAQQ - وفرصة الشرق الأوسط وشمال إفريقيا التي تبلغ قيمتها 1.2 مليار دولار
لا أحد في منطقة الشرق الأوسط وشمال إفريقيا يفعل هذا. ليس حتى قريبًا. يهيمن على المشهد التنافسي أنظمة RAG (الجيل المعزز بالاسترجاع) التي تعمل على ملفات PDF. الشايع الشامسي الشريك مع Harvey. أطلقت Legora دعم اللغة العربية في يناير 2026. هناك أكثر من 185 شركة تقنية قانونية في المنطقة. ولكن لم يقم أي منها ببناء أنطولوجيا منظمة مع رسوم بيانية للمراجع المتقاطعة المحددة بنوعها لقانون العمل في الشرق الأوسط وشمال إفريقيا.
لا توجد أنطولوجيا قانونية عربية. لا لقانون العمل، ولا للقانون التجاري، ولا لأي مجال. صفر. هذه ليست فجوة - هذا فراغ.
تبلغ قيمة سوق التكنولوجيا القانونية في دول مجلس التعاون الخليجي 1.2 مليار دولار. من المتوقع أن يصل سوق التكنولوجيا القانونية في الإمارات العربية المتحدة إلى 234.4 مليون دولار بحلول عام 2030 (بمعدل نمو سنوي مركب قدره 10.8%). خصصت حكومة الإمارات العربية المتحدة 572 مليون دولار للتحول الرقمي عبر قطاع العدالة. تتضمن رؤية المملكة العربية السعودية 2030 أحكامًا محددة لتحديث التكنولوجيا القانونية.
يبلغ المرسوم بقانون اتحادي رقم 33 لسنة 2021 لدولة الإمارات العربية المتحدة حوالي 65 مادة بالإضافة إلى اللوائح التنفيذية. يبلغ قانون العمل في المملكة العربية السعودية حوالي 245 مادة. هذه مجموعات نصوص قابلة للإدارة - صغيرة بما يكفي لبناء أنطولوجيا كاملة ومتحقق منها بشريًا في أسابيع، وليس شهورًا.
الأولوية للعربية هي ميزتنا. وفقًا لمعايير ArabLegalEval، تفتقر معالجة اللغات الطبيعية القانونية العربية إلى أطر عمل معيارية متاحة للغة الإنجليزية. يتجاوز الأنطولوجيا استخراج معالجة اللغات الطبيعية بالكامل - فهو يوفر بيانات منظمة. يقوم نموذج اللغة الكبير (LLM) بالتركيب وليس الاستخراج. هذه مهمة أبسط بكثير.
القانون القابل للقراءة آليًا: لسنا وحدنا
أعلنت سنغافورة عن SOLID (قاعدة بيانات سنغافورة المفتوحة للمعلومات القانونية) في نوفمبر 2025. يدير الاتحاد الأوروبي معرف التشريعات الأوروبية (ELI) منذ عام 2012، ويتم تنفيذه الآن من قبل أكثر من 21 دولة. تطور مبادرة نيوزيلندا 'Better Rules' التشريعات بشكل متزامن بلغة بسيطة، وبيانات قواعد، وشفرة برمجية.
النمط واضح: الحكومات التي تستثمر في القانون الحسابي الآن ستمتلك البنية التحتية للذكاء الاصطناعي القانوني لاحقًا. أما تلك التي لا تستثمر، فستقوم بشراء أدوات RAG باهظة الثمن من وادي السيليكون.
كيفية بناء أنطولوجيا قانونية: دليل عمل من 7 خطوات
بالنسبة لمجال قانوني محدد مثل قانون العمل في بلد واحد (65-245 مادة)، يمكن بناء أنطولوجيا كاملة في 4-8 أسابيع بتكلفة تحليل تتراوح بين 5-20 دولارًا لكل قانون.
- الخطوة 1: تحديد القوانين المصدرية والمستودعات الرسمية. ابحث عن 3-5 قوانين أساسية وقيم قابليتها للقراءة آليًا.
- الخطوة 2: تصميم نموذج الكيانات. ابدأ من القالب العالمي (قانون، وحدة هيكلية، مادة، سوابق قضائية، إشارة مرجعية، قيمة محسوبة) وأضف الكيانات الخاصة بالولاية القضائية.
- الخطوة 3: تحديد تصنيفات التعداد (enum). حدد من 15 إلى 25 علامة لموضوعات دلالية، وأنواع الإشارة المرجعية، وأنواع القيم المحتسبة.
- الخطوة 4: تحليل واستيعاب القوانين. مرّر المستندات المصدرية عبر محلل، واستخرج التسلسل الهرمي، وقم بتطبيق الوسم الدلالي عبر LLM، وقم بتحميلها في قاعدة بياناتك.
- الخطوة 5: بناء الرسم البياني للمراجع المتقاطعة. استخراج المراجع الصريحة، اكتشاف الروابط الموضوعية الضمنية، ربط المراجع بين القوانين، وتحديد نوع كل حافة.
- الخطوة 6: إنشاء أدوات SDK و MCP. إتاحة 7 أدوات: البحث في المقالات، الحصول على مقال، الحصول على المراجع المتقاطعة، الحصول على السوابق القضائية، حساب القيمة، الحصول على التسلسل الزمني، مقارنة الولايات القضائية.
- الخطوة 7: الاتصال بالرسائل. يرسل المستخدم سؤالاً عبر واتساب. يتلقى نموذج اللغة الكبير (LLM) الرسالة بالإضافة إلى 7 تعريفات للأدوات. التكلفة الإجمالية: 0.02 دولار أمريكي.
ماذا بعد
نحن نستكشف التكامل مع منصة Dynamic Interfaces لتعريف الأنطولوجيا وتوليد حزم تطوير البرامج (SDK). نحن نبني أنطولوجيا لقانون العمل الإماراتي - المرسوم بقانون اتحادي رقم 33 لسنة 2021 هو هدفنا الأول. نحن نجري اختبارات على سير عمل قانوني حقيقي في الإمارات العربية المتحدة، ونخطط لفتح مصدر نموذج الكيان العالمي.
الرؤية بسيطة لدرجة مدهشة تقريباً: نمذجة القانون كما هو في الواقع. نظام معرفي منظم، ذو إصدارات، ومراجع متقاطعة. توقف عن التعامل معه ككومة من ملفات PDF للبحث فيها.
كل شركة كبرى في مجال الذكاء الاصطناعي القانوني مبنية على RAG. أثبتت ستانفورد أنها تهلوس بنسبة 17-33% من الوقت. وفي الوقت نفسه، تحقق الأنظمة القائمة على الأنطولوجيا دقة بنسبة 98%. البنية موجودة. التحقق الأكاديمي موجود. السوق موجود. الأنطولوجيا هي السر. نحن نبني أنطولوجيتنا.
أسئلة أتلقاها باستمرار
ما هي الأنطولوجيا القانونية، بالتحديد؟
الأنطولوجيا القانونية هي نموذج منظم قابل للقراءة آليًا لمجال قانوني. فكر فيها كبيان معرفي مصمم خصيصًا للقانون - إنها تحدد الكيانات، وترسم العلاقات الهرمية، وتتبع المراجع المتقاطعة المصنفة، وتتعامل مع تحديد الإصدارات الزمنية للإصلاحات. بدلاً من التعامل مع القانون كنص عادي للبحث فيه، تلتقط الأنطولوجيا القانونية الهيكل الفعلي الذي تمتلكه التشريعات بالفعل.
كيف يختلف Legal AI القائم على الأنطولوجيا عن RAG؟
يقوم RAG بتقسيم المستندات القانونية واسترجاع المقاطع المتشابهة دلاليًا. تقوم الأنطولوجيا بنمذجة القانون كرسوم بيانية معرفية متصلة ذات علاقات مُحددة. من الناحية العملية، هذا يعني أن RAG يفقد التسلسل الهرمي، والتحكم في الإصدار الزمني، وسلاسل الإحالة المرجعية. تحافظ الأنطولوجيا على هذه الثلاثة جميعها. والنتيجة هي استدلال قانوني حتمي بدلاً من الاسترجاع الاحتمالي - الفرق بين 'على الأرجح صحيح' و 'صحيح ويمكن الاستشهاد به'.
كيف يقارن هذا بـ Harvey AI؟
Harvey هي شركة بقيمة 11 مليار دولار تفرض رسومًا تبلغ حوالي 1200 دولار لكل محامٍ شهريًا بحد أدنى 20 مقعدًا. يستخدمون LLMs مُحسّنة مع RAG - لا توجد أنطولوجيا رسمية. يزعمون دقة بنسبة 91%، وهو ما يعني لا يزال نسبة خطأ 9%. يكلف نهج الأنطولوجيا 0.02 دولار لكل رسالة مع حسابات حتمية لا تهلوس الأرقام. تختلف البنى بشكل أساسي: Harvey يجعل النموذج أكثر ذكاءً؛ بينما نهج الأنطولوجيا يجعل مهمة النموذج أبسط.
كم يوفر في الواقع؟
انخفضت تكاليف كل رسالة من 0.60 دولار إلى 0.02 دولار - أي 97%. تأتي هذه الوفورات من دمج 300 وصف لأدوات MCP في 7 (مما يوفر حوالي 87,900 رمزًا لكل طلب) وتمكين التحول من النماذج الرائدة إلى النماذج مفتوحة المصدر.
هل يمكن أن يعمل هذا مع أنظمة القانون العام؟
نعم، ولكن مع طبقة تكييف. تتوافق أنظمة القانون المدني مباشرة لأنها تشترك في هياكل مقننة وهرمية. تحتاج أنظمة القانون العام إلى رفع السوابق القضائية إلى مكانة أساسية جنبًا إلى جنب مع التشريعات. توجد البدائيات الهيكلية الخمسة في كل نظام قانوني.
كم يستغرق بناء واحد؟
بالنسبة لمجال محدد مثل قانون العمل لدولة واحدة: 4-8 أسابيع لمجموعة نصوص صغيرة (65-245 مادة). يتضمن ذلك تحليل المصادر، ونمذجة الكيانات، واستخراج الإحالات المرجعية، وإنشاء أداة MCP. تتراوح تكاليف التحليل من 5 إلى 20 دولارًا لكل قانون.
المراجع
- ماجيش، ف. وآخرون. 'خالي من الهلوسة؟ تقييم موثوقية أدوات البحث القانوني الرائدة بالذكاء الاصطناعي.' مجلة الدراسات القانونية التجريبية، 2025.
- دي مارتيم، هـ. 'نموذج RAG بياني مدفوع بالأنطولوجيا للمعايير القانونية.' arXiv:2505.00039.
- قوه، ش. وآخرون. 'RAG-MCP: التخفيف من تضخم المطالبات في اختيار أداة نماذج اللغة الكبيرة.' arXiv:2505.03275.
- 'رسوم بيانية معرفية مرتكزة على الأنطولوجيا للتخفيف من الهلوسة في نماذج اللغة الكبيرة للإجابة على الأسئلة السريرية.' مجلة المعلوماتية الطبية الحيوية، 2025.
