بالمختصر: تكسر تقنية RAG التقليدية المستندات القانونية إلى أجزاء لا معنى لها. يستخدم تدقيق المستندات الجدولية مسارًا من ثلاث مراحل (إثراء الرسم البياني للمعرفة، والبحث الدلالي على مستوى الامتداد، وربط الكيانات الاستخراجية) لتمكين التحليل المنظم على نطاق المحفظة بدون أي هلوسة ومع إمكانية تتبع كاملة.
مشكلة Legal AI اليوم
جرّب HAQQ AI مجاناً
اختبر الصياغة والبحث القانوني بالذكاء الاصطناعي
تعمل معظم أدوات Legal AI على النحو التالي: تقوم بتحميل مستند، وتطرح سؤالًا، وتحصل على إجابة. إنها محرك بحث فخم مع لغة طبيعية في الأعلى. وبالنسبة للمهام البسيطة (تلخيص بند، العثور على تعريف) فإنها تعمل بشكل جيد.
حقائق أساسية
- يحل تدقيق المستندات الجدولية محل RAG القائم على التجزئة والاسترجاع بمسار من ثلاث مراحل: إثراء الرسم البياني للمعرفة، والبحث الدلالي على مستوى الامتداد، وربط الكيانات الاستخراجية (EXTERNAL-CITE: دليل إيساكوس لتدقيق المستندات الجدولية، مشار إليه في المقال).
- تقوم HAQQ ببناء تحليل قانوني منظم على نطاق المحفظة عبر أكثر من 200 ولاية قضائية وأكثر من 17000 فريق قانوني.
لكن العمل القانوني الحقيقي لا يتعلق بالإجابة على سؤال واحد في كل مرة. إنه يتعلق بالتدقيق المنهجي: قراءة 200 عقد، استخلاص نفس الـ 15 نقطة بيانات من كل منها، تحديد الأنماط عبر المحفظة، والقيام بذلك بدون أي هلوسة لأن صفقة عميلك تعتمد على ذلك.
هنا تنهار تقنية RAG التقليدية (التوليد المعزز بالاسترجاع). إن تقسيم العقد إلى كتل من 500 رمز وتضمينها في مخزن متجه يفقد الشيء الذي يجعل المستندات القانونية ذات معنى: هيكلها.
لا يوجد شرط القوة القاهرة بمعزل عن غيره. إنه يشير إلى مصطلحات محددة من القسم 1، ويتفاعل مع أحكام الإنهاء في القسم 12، ويعتمد قابليته للتنفيذ على بند القانون الحاكم المدفون في القسم المتنوع. قم بتسطيح ذلك إلى أجزاء، وقد دمرت العلاقات التي قد يستخدمها المحامي لتحليل المستند بالفعل.
التدقيق الجدولي: بنية مختلفة
نشر فريق إيساكوس مؤخرًا دليلًا لتدقيق المستندات الجدولية يوضح منهجًا مختلفًا جوهريًا. بدلاً من التجزئة والاسترجاع، فإنه يتبع مسارًا من ثلاث مراحل.
المرحلة الأولى: الإثراء (تحويل المستندات إلى رسوم بيانية للمعرفة)
الخطوة الأولى ليست التضمين. إنها الفهم. باستخدام تجزئة المستندات الهرمية (تسمي Isaacus مخططها ILGS: Isaacus Legal Graph Schema)، يقوم النظام بتجزئة المستندات حسب البنية الدلالية، وليس حسب تعداد الرموز العشوائية. يستخرج الكيانات: الأشخاص، المؤسسات، المواقع، التواريخ. ويرسم خرائط العلاقات بين الكيانات وأقسام المستندات. ويحافظ على المراجع المتقاطعة والتداخل الهرمي.
المخرجات ليست مجموعة من الأجزاء. إنها رسم بياني منظم حيث يرتبط كل كيان بنطاقات النص التي تحدده، ويعرف كل قسم أبناءه.
# Not: split_into_chunks(document, size=500)
# Instead: understand the document's own structure
response = client.enrichments.create(
model="kanon-2-enricher",
texts=batch,
overflow_strategy="auto"
)
# Returns: entities, segments, relationships, cross-referencesالمرحلة الثانية: البحث الدلالي على مستوى النطاق
بمجرد أن يكون لديك مقاطع منظمة، فإنك تقوم بتضمينها، وليس أجزاء عشوائية. وهذا يعني أن استرجاعك يعمل على وحدات ذات معنى دلالي يحددها المستند نفسه.
يستخدم النظام Qdrant للبحث المتجهي، ولكن مع خيار تصميم حاسم: نطاقات الأبوين تفوز على الأبناء المتداخلين. عندما يتطابق استعلام مع بند كامل وبند فرعي بداخله، يعيد النظام السياق الأكبر. وهذا يمنع النتائج المجزأة وضعيفة السياق التي تعاني منها أنظمة RAG الساذجة.
المرحلة الثالثة: الربط الاستخراجي للكيانات
هنا تكمن قوته للمراجعة الجدولية. عندما تسأل 'من هم أطراف هذا الاتفاق؟'، لا يقوم النظام بإنشاء إجابة. بل يستخرج نطاقات الإجابة من النص الأصلي، ثم يربطها بقاعدة بيانات الكيانات في الرسم البياني للمعرفة.
النتيجة: كل خلية في جدول المراجعة الخاص بك ترتبط بالنص الأصلي الدقيق، مع تحديد الكيان عبر المستند بأكمله. لا توجد هلوسات. تتبع كامل. يمكن للمحامي النقر على أي إجابة ورؤية مصدرها بالضبط.
لماذا هذا مهم لمكانة Legal AI
هنا يكمن الخطأ الذي ترتكبه معظم شركات التكنولوجيا القانونية: فهي تضع نفسها كأدوات تقوم بالعمل القانوني. 'حمّل عقدك، واحصل على ملخص.' 'اطرح سؤالاً على ذكائنا الاصطناعي، واحصل على استشهاد.' هذا مفيد، ولكنه سلعة. كل نماذج LLM يمكنها تلخيص عقد. التمايز ليس في المخرجات. إنه في بنية الاستدلال الأساسية.
الباحث مقابل المساعد
فكر كيف يراجع محامٍ مبتدئ غرفة البيانات. لا يقرأ كل وثيقة على حدة. بل يبني نموذجاً ذهنياً لهيكل كل وثيقة، ويستخرج بيانات منظمة إلى مصفوفة مراجعة، ويقارن النتائج عبر الوثائق، ويتتبع كل نتيجة إلى مصدرها، ويحدد الشذوذ بناءً على الأنماط عبر المجموعة.
هذه منهجية بحث، وليست إجابة على الأسئلة. وهذا بالضبط ما تمكنه بنية المراجعة الجدولية على نطاق الآلة.
في HAQQ، قمنا ببناء ذكائنا القانوني الاصطناعي حول هذا المبدأ نفسه. لا يقتصر محرك Justinian الخاص بنا على الإجابة على الأسئلة فحسب. بل ينشئ 'بصمة رقمية' للمعرفة القانونية لكل شركة: سوابقهم، تفضيلاتهم للبنود، خبرتهم القضائية. عندما يستخدم المحامي HAQQ لصياغة عقد أو البحث في نظرية قضية، لا يقوم النظام بالبحث في قاعدة بيانات عامة. بل يستدل على تمثيل منظم للذكاء القانوني المتراكم لتلك الشركة.
من إدارة الممارسات إلى الذكاء القانوني
ولهذا السبب أيضاً بنينا HAQQ كنظام تشغيل قانوني كامل، وليس مجرد واجهة دردشة. عندما يتمكن الذكاء الاصطناعي الخاص بك من الوصول إلى مساحات عمل قضايا الشركة، وجهات الاتصال، ومكتبة المستندات، وسجلات المحاسبة ذات القيد المزدوج من خلال eFirm، يمكنه بناء رسوم بيانية معرفية أكثر ثراءً. لا يقتصر مراجعة العقد على استخراج الأطراف والتواريخ. بل يمكنه المقارنة مع المحامي الخصم وحقول المحكمة في القضايا السابقة، وتحديد البنود التي تختلف عن دليل الشركة القياسي، وعرض السوابق ذات الصلة من سجل الجلسات وسجل القضايا وراءها.
الأدوات المجانية الـ 16 على موقعنا، من إنشاء اتفاقيات عدم الإفصاح إلى التحقق من بنود العقد، ليست مجرد مغناطيسات للعملاء المحتملين. إنها نقاط دخول إلى مسار الاستدلال القانوني المنظم هذا. كل أداة تعالج مستنداً قانونياً هي فرصة لإظهار ما يحدث عندما يفهم الذكاء الاصطناعي بالفعل البنية القانونية بدلاً من مطابقة الأنماط ضدها.
الخندق التقني
ما يجعل هذا النهج قابلاً للدفاع عنه ليس أي مكون واحد. قواعد بيانات المتجهات، ونماذج التضمين، والاستخراج في الإجابة على الأسئلة كلها متاحة جاهزة. يكمن الخندق في ثلاثة أماكن:
- تجزئة النطاق القانوني: لا تفهم أدوات البرمجة اللغوية العصبية العامة أن قسم "التمثيلات والضمانات" له هيكل هرمي محدد، أو أن "القسم 4(ب)(3)" هو إشارة مرجعية، وليس بين قوسين.
- حل الكيانات عبر المستندات: عندما تراجع 200 عقد وتكون "Acme Corp" و "ACME Corporation" و "الشركة" كلها تشير إلى نفس الكيان، فأنت بحاجة إلى ربط كيانات يراعي الجانب القانوني، وليس مجرد مطابقة سلاسل نصية.
- تراكم المعرفة الخاصة بالشركة: كل مستند تتم معالجته، وكل بند مفضل، وكل تصحيح يتم إجراؤه بواسطة محامٍ يعود بالفائدة على الرسم البياني المعرفي للشركة. يصبح النظام أكثر ذكاءً بطرق خاصة بممارسة تلك الشركة.
ما التالي
يشير نمط المراجعة الجدولية إلى أين يتجه Legal AI: بعيداً عن الأسئلة والأجوبة المستندة إلى وثيقة واحدة، نحو التحليل المنظم على مستوى المحفظة مع نسب كامل.
- العناية الواجبة التي تنتج مصفوفات مراجعة جاهزة للتدقيق، وليست نصوص محادثة
- إدارة العقود التي تحافظ على رسم بياني معرفي حي لجميع الاتفاقيات النشطة
- البحث في القضايا الذي يبني خرائط حجاجية منظمة، وليست قوائم استشهادات
- مراقبة الامتثال التي تستخلص وتتبع الالتزامات بشكل منهجي عبر الإيداعات التنظيمية
في HAQQ، نبني نحو هذا المستقبل عبر أكثر من 200 ولاية قضائية وأكثر من 17000 فريق قانوني. الشركات التي ستفوز في العقد القادم ليست تلك التي لديها أفضل روبوت محادثة. إنها تلك التي يفكر فيها Legal AI الخاص بها مثل باحث قانوني.
