DeepMind توسّع PlanAssist ليشمل 12 مجلسًا إضافيًا في إنجلترا: مراجعة الطلبات أسرع بنسبة 58%

كل من انتظر يومًا تصريحًا لإضافة بناء أو تحويل علّية يعرف كم تدور هذه العجلة ببطء. المشكلة ليست في التعقيد: فالطلبات النموذجية بسيطة، لكن عددها هائل. وهذا الطابور تحديدًا قررت Google DeepMind تخفيفه بمساعدة Gemini.

ما الذي حدث

توسّع DeepMind وحكومة المملكة المتحدة أداة PlanAssist، وهي أداة ذكاء اصطناعي لمخططي السلطات المحلية. وإلى المجالس التجريبية الثلاثة (Barnet وCamden وDorset) ستنضم 12 مجلسًا أخرى، ليصبح المجموع 15. بعد ذلك ستبدأ نسخة تجريبية مدتها 12 شهرًا على طلبات حقيقية، وفي حال النجاح يُراد فتح الأداة أمام جميع مجالس إنجلترا في عام 2027.

يتّضح حجم المشكلة من الأرقام: الطلبات النموذجية لأصحاب المنازل تستحوذ على ما يصل إلى 70% من عبء عمل المخططين. وهي عادةً تُقبل بسهولة، لكنها تستهلك وقتًا لا يتناسب مع أهميتها. وهذا يؤثر أيضًا في هدف الحكومة ببناء 1.5 مليون منزل بحلول عام 2029.

كيف تعمل الأداة

تؤدي PlanAssist في أربع خطوات ما كان يفعله الإنسان يدويًا من قبل:

1. تتحقق من اكتمال المستندات والمخططات: هل أُرفق كل شيء حتى يتمكن الطلب من المضي قدمًا؟
2. تطابق الطلب مع القيود، مثل حماية الأشجار والمعالم الأثرية، ومع الأنظمة المحلية والوطنية.
3. تتحقق مما إذا كانت قد وردت اعتراضات سابقة، مثلًا من الجيران.
4. تُعدّ تقريرًا يتضمن اقتباسات وروابط للمصادر، يحرّره الموظف ثم يتخذ القرار.

تخيّل طلبًا لإضافة بناء خلفي. في السابق كان الموظف يفتح المخططات، ويبحث عن بنود السياسة المناسبة، ويراجع خريطة القيود، ثم يكتب الخلاصة. أما الآن فيتلقى مسودة جاهزة يراجعها بدلًا من إعدادها من الصفر.

نتائج المرحلة التجريبية

منذ يونيو، انخفض في المجالس الثلاثة متوسط وقت عمل الموظف على مهام التقييم بنسبة 58%. وأُقرّت أكثر من 70% من التقارير المُنشأة (مثل تقارير الامتثال للقواعد المحلية أو اكتمال المستندات) دون تعديل. هذه الأرقام داخلية وصادرة عن المرحلة التجريبية، ولا يوجد تحقق مستقل منها، لذا ينبغي التعامل معها بحذر.

القيود

ما زلنا في مرحلة مبكرة. فالنسخة التجريبية تبدأ للتو، والعينة تقتصر على ثلاثة مجالس، ولذلك سيُظهر التوسع إلى المناطق الريفية والحضرية مدى ثبات النتائج. ولم يذكر المنشور شيئًا عن نسبة الأخطاء في الـ30% من التقارير التي جرى تعديلها، ولا عن كيفية قياس خطر تفويت مخالفة. وثمة تفصيل مهم: كل قرار يراجعه موظف مؤهل، أي أن الذكاء الاصطناعي لا يتخذ القرارات بنفسه.

الخلاصة العملية

بالنسبة للمطورين ومديري المنتجات العاملين مع القطاع الحكومي والعمليات الخاضعة للتنظيم، هذا نموذج جيد للبنية. أولًا، يتولى الذكاء الاصطناعي التحضير لا القرار. ثانيًا، يُرفق بكل استنتاج اقتباسات، فيسهل على الإنسان التحقق منه. ثالثًا، مقياس النجاح قابل للقياس وواضح: الوقت المستغرق للمهمة ونسبة التقارير التي لا تحتاج إلى تعديل. وإذا كنت تبني مساعدًا للامتثال أو للمحامين أو لطلبات التأمين أو المصارف، فاعتمد المخطط نفسه: التحقق من المستندات، والمطابقة مع القواعد، ومسودة مع إحالات، وموافقة بشرية إلزامية.

يجدر أيضًا متابعة أداء المشروع على تدفق الطلبات الحقيقية في 15 مجلسًا. وإذا صمدت الأرقام، فستكون هذه من أكثر الحالات العلنية إقناعًا لاستخدام الذكاء الاصطناعي في الخدمات الحكومية.