وكلاء الذكاء الاصطناعي يعدّلون نشرات الاكتتاب العام وفق ملاحظات SEC: التعلّم أضاف 3,7 نقطة مئوية

عندما تستعد شركة ما للاكتتاب العام الأولي (IPO)، تقدّم إلى لجنة الأوراق المالية الأمريكية (SEC) وثائق التسجيل. يقرأ موظفو اللجنة هذه الوثائق ويرسلون ملاحظاتهم، مثل: «تذكرون أن الإيرادات ارتفعت بنسبة 40% بسبب الطلب، يرجى التوضيح بمزيد من التفصيل». يجمع محامو الشركة الوقائع، ويعيدون كتابة القسم المعني، ثم يرسلون الرد. وتتكرر هذه الدورة عدة مرات. وقد فحص باحثون من جامعة نانيانغ التكنولوجية (سنغافورة) وجامعة هونغ كونغ للعلوم والتكنولوجيا (قوانغتشو) ما إذا كان بإمكان وكلاء الذكاء الاصطناعي القائمين على النماذج اللغوية الكبيرة أداء الدورين معًا. ولهذا الغرض أنشأوا المعيار FilingLoop: 380 مهمة تخص 96 شركة، معظمها في سياق الاكتتابات العامة الأولية. ونفّذ أفضل وكيل يتعلم بين المهام 27,96% من متطلبات الجهة التنظيمية. أما الوكيل نفسه دون تعلّم فنفّذ 24,28%.

ما الذي يميز هذه المهمة عن الأسئلة المالية المعتادة

الاختبارات المالية القائمة، مثل FinQA أو FinanceBench، تعطي النموذج سؤالًا جاهزًا وتطلب منه إيجاد الإجابة في التقرير. أما هنا فلا يوجد سؤال، وهذه الصعوبة الأولى. على Reviewer أن يحدد بنفسه المواضع في الوثيقة التي تثير تساؤلات. والصعوبة الثانية أن الأرقام المطلوبة قد لا تكون موجودة أصلًا في الملفات العامة. وعلى Filer أن يطلبها من الشركة، علمًا بأن الوصول إلى هذه الوقائع في الاختبار مقصور على ما كان موجودًا فعليًا في السجل التاريخي.

وترتبط الصعوبة الثالثة بالتحقق. فقد يكتب المحامي في رده «صحّحنا كل شيء» بينما لا يتغير شيء في الوثيقة نفسها. لذلك ينظر المقيِّم إلى النسخة النهائية من الوثيقة وإلى الرد المكتوب معًا. ويتضمن تعليق SEC الواحد عادةً عدة متطلبات، ولا يؤدي تعديل فقرة واحدة بدقة إلى تلبية المتطلبات الأخرى. وقد قسّم المؤلفون التعليقات إلى متطلبات ذرّية، فبلغ عددها 6 099 متطلبات. ويتحقق مقيِّم مستقل لا يشارك في عمل الوكلاء من كل متطلب منها. ويبحث أيضًا عن العبارات غير المدعومة بدليل، وعن التعديلات التي تفسد قسمًا كان سليمًا في الأصل.

دوران وتعليمات تتراكم بين المهام

تعيد كل مهمة إنتاج دورة مراجعة تاريخية واحدة. يرى الوكلاء الوثيقة قيد المراجعة والتاريخ السابق. أما تعليقات SEC الحقيقية والردود الفعلية والصيغ اللاحقة للوثيقة فمخفية عنهم.

• يتلقى Reviewer الوثائق، وعليه أن يصوغ بنفسه ما ينقصها.
• يتلقى Filer الملاحظات، ويجمع الوقائع ضمن البيانات المتاحة، ويعدّل الوثيقة ويكتب الرد.
• يمكن لكلا النوعين من الوكلاء، الثابت والمتعلّم، تحسين عملهما أثناء المهمة الواحدة.

والفرق يكمن فيما يحدث بعد انتهاء المهمة. ففي حالة الوكيل المتعلّم يسجّل المقيِّم الدرجات أولًا. ثم تُصاغ، انطلاقًا من المتطلبات غير المنفّذة، تعليمات نصية لكل دور. من أمثلتها كيفية التحقق من تفصيل الإيرادات، أو متى ينبغي نقل التوضيح إلى الوثيقة نفسها. وتُطبَّق هذه التعليمات على الدفعات التالية من المهام فقط، وتبقى مجمّدة داخل الدفعة الواحدة. أما أوزان النموذج فلا تتغير، والذي يتغير هو مجموعة القواعد التي يقرؤها الوكيل قبل العمل فقط. ولا تدخل في التعليمات وقائع عن شركات بعينها، بل إجراءات تصلح لحالات أخرى فقط.

يجري التقييم على المحاولة الأولى في كل مهمة، ولا توجد إعادة محاولات. لذلك لا يمكن تفسير الزيادة بأن الوكيل أعاد ببساطة الامتحان نفسه.

الأرقام: زيادة صغيرة لكنها شبه مجانية

قارن المؤلفون ثماني تهيئات على المهام الـ380 كلها. وجاءت أفضل النتائج مع FilingLoop-Evolving، أي النسخة التي تتعلم بين المهام.

• تنفيذ المتطلبات: 24,28% → 27,96% (نحو 3,7 نقطة مئوية، أي +15% نسبيًا).
• تعليقات SEC المغلقة بالكامل: 16,90% → 20,75% (نحو 3,9 نقطة مئوية، أي +23% نسبيًا).
• ارتفعت التكلفة الإجمالية للتشغيل بنسبة 5,8%.
• انخفضت التكلفة لكل متطلب منفَّذ، لأن النتائج زادت بينما ارتفعت النفقات بشكل طفيف.

ويكتب المؤلفون أن التعلّم حسّن مهارتين: اكتشاف الثغرات، والتعديل المشروط، أي حين لا ينبغي تغيير الوثيقة إلا في ظروف معينة.

ماذا يعني ذلك

الرقم الأهم للممارسين ليس 28%، بل مدى محدودية ما يُحسنه الوكلاء في هذا العمل. فحتى أفضل نسخة تنفّذ أكثر بقليل من ربع متطلبات الجهة التنظيمية، وتغلق بالكامل نحو تعليق واحد من كل خمسة. ولا يستطيع هذا النظام حتى الآن أن يحل محل المحامين والمحللين. فهو يصلح مسودةً يجب على الإنسان إعادة التحقق منها.

وثمة ثلاث خلاصات لمن يبنون وكلاء للمجالات الخاضعة للتنظيم. الأولى: ينبغي التحقق من الوثيقة النهائية، لا من نبرة الرد الواثقة. الثانية: يجب أن يكون المقيِّم مستقلًا، وإلا فسيمتدح الوكيل نفسه. الثالثة: تراكم الإجراءات دون إعادة تدريب النموذج يمنح زيادة ملحوظة بتكلفة صغيرة. وبالنسبة إلى الشركات التي لا تستطيع إجراء تدريب إضافي للنماذج على بيانات مغلقة، فهذا النهج أبسط وأكثر أمانًا. وتنبغي الإشارة إلى تحفظ: هذه نتيجة معيار واحد على بيانات SEC التاريخية، ولم يختبر المؤلفون إمكانية تعميمها على جهات تنظيمية أخرى.