Claude في مواجهة YandexGPT: لماذا نموذج ذكاء اصطناعي واحد جيد، ونموذجان أكثر أمانًا بمقدار 2.5 مرة

تخيّل أنك أوكلت مراجعة عقد بملايين الدولارات إلى متدرّب مجتهد جدًا، لكنه ينام أحيانًا في منتصف الصفحة. هكذا كان العمل مع الوثائق القانونية عبر شبكة عصبية واحدة حتى الأمس القريب. فكرة استخدام LLM للعثور على «الألغام الخفية» في العقود ليست جديدة، لكنها كانت تصطدم حتى وقت قريب بواقع قاسٍ: الهلوسات، وإغفال النماذج للتفاصيل ببساطة. وحين تكون الغرامات أو شروط التوريد المجحفة على المحك، فإن عبارة «عذرًا، أنا مجرد ذكاء اصطناعي» لا تنقذ ميزانية الشركة.

تغيّر الوضع حين بدأ المتحمسون يبتعدون عن مفهوم «زر واحد — إجابة واحدة». فقد أظهرت تجربة حديثة لبناء محلّل للعقود أن الرهان على YandexGPT المحلي كان مبررًا من حيث سهولة الوصول، لكنه لم يكن كافيًا لتدقيق عالي الجودة. فالنموذج الروسي كان يجد المخاطر الأساسية، لكنه يفوّت الفروق القانونية الدقيقة التي قد تكلّف ملايين. وجاء الحل في بنية هجينة جرى فيها ضمّ Claude من Anthropic إلى العمل. وقد حوّل ذلك المنظومة من لعبة مثيرة للفضول إلى أداة يمكنها فعليًا منافسة المحامي المبتدئ.

يقوم جوهر البنية الجديدة على التحقق ثنائي الطبقات. الطبقة الأولى هي ثنائي من نموذجي LLM مختلفين. واتضح أن Claude يرى العالم بشكل مختلف عن YandexGPT. ففي عقد التوريد نفسه، وجد Claude 27 خطرًا محتملًا، بينما اكتفى النموذج الروسي بأحد عشر. ولا يُفسَّر هذا الفارق بحجم بيانات التدريب وحده، بل أيضًا بقدرة النموذج على الاحتفاظ بسياق طويل وبناء سلاسل منطقية بين بنود الوثيقة المتفرقة. لكن حتى شبكتان عصبيتان تظلان معرّضتين لخطر الهلوسة. ولتقليل الأخطاء، أضاف المطوّر طبقة ثانية: 25 كاشفًا نصيًا صارمًا مكتوبًا بالشيفرة. وتفحص هذه الخوارزميات «الحسابات» التي تقف خلف الشبكة العصبية: المهل والمبالغ وتسلسل التواريخ. فإذا قال الذكاء الاصطناعي إن كل شيء سليم في المهل، بينما يرصد الكاشف تناقضًا بين البندين 5.1 و8.4، تطلق المنظومة الإنذار.

يعالج هذا النهج المشكلة الرئيسية في اعتماد الذكاء الاصطناعي داخل الشركات، وهي انعدام الثقة. فحين لا تكتفي المنظومة بإصدار حكم، بل تؤكده بفحص متقاطع بين نموذجين مستقلين وبرمجية، ترتفع ثقة الأعمال بها. والمعادلة الاقتصادية هنا بسيطة: المراجعة اليدوية لعقد معقد تستغرق من الإنسان من ساعتين إلى أربع ساعات، أما المنظومة فتنجزها في دقائق معدودة. وفي الوقت نفسه، فإن تكلفة الطلب الواحد إلى API الخاص بـ Claude وYandexGPT معًا زهيدة جدًا مقارنة بأجر الساعة لمحامٍ محترف. والمكسب الرئيسي ليس في السرعة حتى، بل في استبعاد العامل البشري. فقد لا تلاحظ عين المحامي المرهقة في السابعة مساءً غياب فاصلة تغيّر جهة المسؤولية، أما الخوارزمية فلا تتعب.

ومن اللافت أن هذه الحالة تسلّط الضوء على اتجاه مهم في الصناعة: عصر «روبوتات الدردشة العامة» في الأعمال يقترب من نهايته، ويبدأ زمن خطوط المعالجة (pipelines) المتخصصة التي تؤدي فيها النماذج المختلفة أدوارًا مختلفة. فقد يبرع YandexGPT في الفرز الأولي أو التلخيص بالروسية، بينما يتولى Claude العمل المنطقي الثقيل. ولا يزال استخدام واجهات API الأجنبية داخل النطاق الروسي يمثّل تحديًا قانونيًا وتقنيًا لكثير من الشركات، لكن النتائج تُظهر أن الأمر يستحق العناء. فالفارق في جودة التحليل، الذي يقارب ثلاثة أضعاف، أكبر من أن يُتجاهل.

في المستقبل، ستصبح هذه المنظومات معيارًا بحكم الأمر الواقع لأي إدارة قانونية. نحن نتجه إلى وضع لن يُوقَّع فيه العقد قبل أن يمرّ عبر «غربال» من ثلاثة أو أربعة نماذج مختلفة وعشرات الفحوص الآلية. وهذا لا يعني أن المحامين سيفقدون وظائفهم. بل يعني أنهم لن يضطروا بعد الآن إلى إهدار حياتهم في البحث عن الأخطاء المطبعية في بنود القوة القاهرة، وسيتمكنون من التفرغ لمهام استراتيجية معقدة حقًا. أما الآن، فنحن نشهد كيف تتغلب «حديقة الحيوان» من النماذج على الحلول المتجانسة.

الخلاصة: تعتمد فاعلية أدوات الذكاء الاصطناعي في الأعمال اليوم بشكل مباشر على القدرة على الجمع بين نماذج مختلفة وتأمينها بالشيفرة البرمجية الكلاسيكية. فهل سيتمكن YandexGPT-4 من اللحاق بمنافسيه في المنطق القانوني، أم ستبقى المنظومة المؤلفة من عدة نماذج الخيار العملي الوحيد؟