OpenAI ومختبر وطني أمريكي يراهنان على الذكاء الاصطناعي لتسريع البيروقراطية

المراجعة البيئية الفيدرالية في الولايات المتحدة إجراء يكرهه المطوّرون والبيئيون والموظفون الحكوميون على حد سواء. فقانون NEPA (National Environmental Policy Act)، الذي صدر عام 1970، يُلزم بإجراء تقييم واسع النطاق للأثر البيئي قبل بدء أي مشروع بنية تحتية كبير بمشاركة فيدرالية. ويستغرق إعداد حزمة وثائق واحدة في المتوسط من أربع إلى سبع سنوات. والآن قررت OpenAI ومختبر المحيط الهادئ الوطني الشمالي الغربي (PNNL)، وهو من أبرز الجهات البحثية التابعة لوزارة الطاقة، اختبار ما إذا كان الذكاء الاصطناعي قادرًا على فك هذه العقدة المستعصية.

قدّم الشريكان DraftNEPABench، وهو معيار متخصص يقيس مدى كفاءة وكلاء الذكاء الاصطناعي، الذين يعملون مع الشيفرة والنصوص، في إعداد مسودات الاستنتاجات البيئية وفق معايير NEPA. وهذه ليست تجربة أكاديمية مجردة. فالمعيار مبني على بيانات حقيقية من مراجعات فيدرالية، ويحاكي مهامَّ محددة يواجهها المحللون: جمع البيانات البيئية وتنظيمها، وإعداد تقارير منظمة، والتحقق المتقاطع من المتطلبات التنظيمية. وأظهرت نتائج الاختبار الأولى أن وكلاء الذكاء الاصطناعي قادرون على تقليص وقت إعداد المسودات الأولية للوثائق بنحو 15%.

قد تبدو نسبة 15% متواضعة، إلى أن يتذكر المرء حجم المشكلة. ففي الولايات المتحدة تحوّل إجراء NEPA إلى أحد أبرز العقبات أمام تحديث البنية التحتية. فبناء خطوط نقل الكهرباء الجديدة، ومحطات الطاقة الريحية والشمسية، والطرق السريعة، ومراكز البيانات الضخمة، وهو أمر بالغ الأهمية لقطاع التقنية، يصطدم بموافقات بيروقراطية تمتد سنوات. ووفقًا لمجلس جودة البيئة التابع للبيت الأبيض، يتجاوز متوسط حجم بيان الأثر البيئي الواحد (EIS) 600 صفحة. وبعض المشاريع تنتج آلاف الصفحات من الوثائق المرافقة. وحتى تسريع بنسبة 15% على هذه الأحجام يعني توفير أشهر من الوقت وملايين الدولارات.

اختيار OpenAI لشريكها لم يكن عشوائيًا. فمختبر PNNL يتمتع بتاريخ يزيد على 60 عامًا، ويتخصص في الطاقة والبيئة والأمن القومي. ولديه خبرة فريدة في التنظيم البيئي، وإمكانية الوصول إلى مجموعات من البيانات الفيدرالية لم تكن شركة خاصة لتحصل عليها بمفردها. وبالنسبة إلى OpenAI، يمثل هذا المشروع خطوة استراتيجية من عدة جوانب. أولًا، تُظهر الشركة أن تقنياتها قابلة للتطبيق بعيدًا عن روبوتات الدردشة وتوليد الصور. وثانيًا، تبني علاقات مع الحكومة الفيدرالية في وقت تبحث فيه الإدارة بنشاط عن سبل لتسريع بناء البنية التحتية. وثالثًا، وهذا ربما الأكثر إثارة للاهتمام، تعالج OpenAI مشكلتها الخاصة بصورة غير مباشرة: فالشركة بحاجة ماسّة إلى مراكز بيانات جديدة وقدرات طاقة إضافية، وبناؤها يتعطل بسبب البيروقراطية ذاتها التي تساعد الآن في تحسينها.

ويستحق شكل المعيار نفسه وقفة خاصة. فـDraftNEPABench لا يقيّم النماذج اللغوية فحسب، بل وكلاء الذكاء الاصطناعي تحديدًا، أي أنظمة مستقلة قادرة على تنفيذ مهام متعددة المراحل: العثور على البيانات ذات الصلة، وتحليل الإطار التنظيمي، وتوليد نص منظم، والتحقق من مطابقته للمتطلبات. ويعكس ذلك اتجاهًا عامًا في القطاع عام 2026، هو الانتقال من النماذج المحاورة إلى النماذج المنفِّذة التي تتولى سير عمل حقيقيًا. وعمليًا يضع المعيار مقياسًا لتقييم الذكاء الاصطناعي في مجال الأعمال المكتبية الحكومية، وهو مجال لم تتوفر فيه حتى الآن أدوات قياس موضوعية تقريبًا.

غير أن المنتقدين يطرحون بالفعل أسئلة مشروعة. فالمنظمات البيئية تخشى أن تؤدي أتمتة المراجعة إلى تراجع جودتها، فقانون NEPA لم يوجد لإنتاج أعمال ورقية روتينية، بل لحماية البيئة وحقوق المجتمعات المحلية. وتسريع العملية يجب ألا يعني تبسيطها. وهناك أيضًا إشكالات قانونية: من يتحمل مسؤولية الأخطاء في وثائق أُعدّت بمشاركة الذكاء الاصطناعي؟ وكيف يمكن ضمان الشفافية وإمكانية الرقابة العامة إذا أنجزت خوارزمية جزءًا كبيرًا من العمل التحليلي؟

ومع ذلك، فقد تحدد الاتجاه، ويبدو أنه لا رجعة فيه. فإذا أثبت DraftNEPABench فعاليته على مجموعة أوسع من المهام، فمن المحتم أن تنتشر أدوات مماثلة خارج المراجعة البيئية، لتشمل تراخيص البناء والترخيص والتدقيق الضريبي وعشرات الإجراءات البيروقراطية الأخرى. وتحظى هذه الحالة باهتمام خاص في روسيا، حيث تستغرق الموافقة على المشاريع الكبرى أحيانًا وقتًا لا يقل عما تستغرقه في الولايات المتحدة. فهي ليست حلًا جاهزًا، إذ إن الأطر التنظيمية تختلف كثيرًا، بل دليل على إمكانية مبدئية: يستطيع الذكاء الاصطناعي العمل لا في المهام الإبداعية فحسب، بل في الجزء الأكثر روتينية والأشد خضوعًا للتنظيم من الجهاز الحكومي. وهناك تحديدًا قد يكون تأثيره الأكثر وضوحًا.