Astra for Law من OpenAI نظام ذكاء اصطناعي قانوني، وليس نموذجًا جديدًا

بحسب SiliconANGLE، يظهر Astra for Law لشركات مختارة عبر برنامج Trusted Access في ChatGPT وCodex، حيث يُدرج في محدد النماذج باسم GPT-6 Astra Law. ومن المخطط إصدار نسخة API باسم gpt-6-astra-law، لكن التقرير يقول إن OpenAI لم تربط تاريخًا أو تسعيرًا بإصدار هذا الـ API.

الفهرس القانوني واسع. تفيد SiliconANGLE بأنه يصل إلى السوابق القضائية الأمريكية، والقوانين، واللوائح، وقواعد المحاكم، والقرارات الإدارية عبر أكثر من 230 مليون URL، مع إضافة مصادر يوميًا. وتوفر قاعدة بيانات CourtListener التابعة لمؤسسة Free Law Project غير الربحية السوابق القضائية.

يتضمن الإطلاق أيضًا منظومة شركاء. وبحسب التقرير، أُطلقت 26 إضافة طوّرها شركاء بالتوازي مع النموذج، لربط ChatGPT بأدوات قانونية تشمل Relativity وClio وiManage وDeepJudge. كما تجلب Thomson Reuters سياق القضايا من HighQ إلى ChatGPT وتستعرض موصلًا لـ CoCounsel Legal. وجاءت تسع إضافات أخرى من محامين ومهندسين قانونيين من خارج مجموعة الموردين، حاملةً 47 مهارة مخصصة.

كما أصبح ChatGPT for Word متاحًا للجميع في اليوم نفسه، وفقًا للتقرير. قد يسهل تفويت هذه التفاصيل، لكنها مهمة: فالعمل القانوني لا يزال يجري داخل المستندات. إذا اجتمعت الأبحاث والصياغة والمراجعة بالتغييرات وسياق القضايا داخل الأدوات التي يستخدمها المحامون أصلًا، فلن يبقى التبني مجرد سؤال عن جودة النموذج، بل يصبح سؤالًا عن سير العمل.

المعيار الذي اختارته OpenAI، كما وصفته SiliconANGLE، يكافئ العثور على المرجع القانوني الصحيح والمقطع الصحيح داخله. اجتاز Astra for Law فحص الصحة العام في 54% من 200 سؤال مأخوذة من مجموعة التحقق الخاصة لمعيار Legal Research Bench من Vals AI. وبلغ GPT-6 Astra مع البحث على الويب وحده 38.7% على الأسئلة نفسها، مع تشغيل النظامين بأعلى مستوى من جهد الاستدلال.

في أسئلة السوابق القضائية، وجد Astra for Law حالات مرجعية أكثر بنسبة 24%. وفي مجموعة منفصلة خضعت للتدقيق، استرجع ما يصل إلى 54% أكثر من المقاطع المستهدفة من الآراء الصحيحة.

تدعم هذه الأرقام قراءة محددة: جودة الاسترجاع والتغليف المتخصص قانونيًا حسّنا الأداء في المهام المختبرة. لكنها لا تثبت أن النظام جاهز لاستبدال الحكم القانوني في البحث، أو أنه يعمل بالكفاءة نفسها خارج المعيار، أو أن كل إجابة ستكون آمنة للاستخدام دون مراجعة.

هذا ليس انتقادًا. إنها الطريقة الطبيعية لقراءة معايير الذكاء الاصطناعي القانوني. فالبحث القانوني لا يتسامح مع الأخطاء، لأن الاقتراب من الصواب قد يظل خطأ. قد يجد النظام قضية ذات صلة لكنه يفوّت المرجع الحاكم. وقد يحدد الرأي الصحيح لكنه يقتبس المقطع الخاطئ. وقد يذكر قاعدة جرى تضييقها لاحقًا. المعايير التي تختبر كلًا من استرجاع المرجع والمقطع أقرب إلى المهمة الواقعية من اختبارات البحث العامة على الويب، لكن الاستخدام في الإنتاج لا يزال يعتمد على المراجعة، والتحقق من الاستشهادات، ومعايير الشركة المحددة.

بالنسبة إلى البنّائين، فالدرس مألوف من أنظمة RAG: النموذج ليس إلا جزءًا من النظام. طبقة الاسترجاع، وجودة المتن، والترتيب، والاستشهادات، ومجموعة التقييم هي غالبًا ما يحدد ما إذا كانت الإجابة النهائية جديرة بالثقة. على الفرق التي تبني مساعدين قانونيين أو مساعدين للسياسات أو الامتثال أن تبدأ بمجموعة ذهبية متخصصة بالمجال قبل أن تجادل حول النموذج الأفضل. يغطي دليلنا حول تقسيم RAG والاستشهادات النمط الإنتاجي نفسه خارج المجال القانوني.

لا يتعلق الإطلاق بالبحث فقط. تفيد SiliconANGLE بأنه، للشركات المؤهلة، يحمل العرض سياسة احتفاظ بالبيانات بمعدل صفر على الـ API، كما يُستثنى استخدام ChatGPT Enterprise من المراجعة البشرية افتراضيًا. وتعمل Latham & Watkins مع OpenAI على تصميم الحوكمة لصلاحيات المعلومات، والجدران الأخلاقية، وتعليمات العملاء.

هذه التفاصيل ليست تجميلية. فشركات المحاماة حساسة على نحو غير معتاد تجاه من يمكنه رؤية أي قضية، وأي تعليمات عميل تنطبق، وما إذا كان ينبغي عزل فريقين عن بعضهما. نظام ذكاء اصطناعي قانوني يتجاهل الجدران الأخلاقية ليس مجرد إزعاج. بل يمكن أن يخلق مخاطر مهنية ومشكلات سرية.

هنا غالبًا ما تفشل أدوات الذكاء الاصطناعي العامة داخل المؤسسات. يمكنها التلخيص والصياغة والبحث بكفاءة كافية في عرض تجريبي، لكنها لا تفهم طبيعيًا صلاحيات الشركة، أو حدود القضايا، أو قواعد الموافقة، أو سياسات الاحتفاظ. يجب تصميم هذه الضوابط داخل الغلاف المحيط بالنموذج.

عبّر Joel Hron، كبير مسؤولي التقنية في Thomson Reuters، عن هذه النقطة بوضوح في تقرير SiliconANGLE: «مع ازدياد انفتاح الذكاء الاصطناعي وقابليته للتشغيل البيني، لا تكمن القيمة في الاتصال وحده. يحتاج المتخصصون القانونيون إلى أكثر من مجرد الوصول إلى المعلومات. إنهم يحتاجون إلى ذكاء موثوق، وسياق مؤسسي وسياق قضايا ذي صلة، وقدرات قانونية مصممة للغرض، والحوكمة اللازمة للعمل عالي المخاطر».

تنطبق هذه الجملة خارج القانون أيضًا. لدى فرق الرعاية الصحية، والمالية، والتأمين، والمشتريات، والقطاع العام الشكل الأساسي نفسه من المشكلة: سياق خاص، قرارات منظّمة، وصول إلى الأدوات، قابلية تدقيق، ومساءلة بشرية. قد يدفع السوق القانوني هذه المتطلبات إلى العلن في وقت أبكر فحسب.

إذا كنت تصمم سير عمل للذكاء الاصطناعي في بيئة عالية المخاطر، فتعامل مع الحوكمة كميزة، لا كفكرة لاحقة. يجب أن تمر استدعاءات الأدوات التي تغيّر السجلات، أو ترسل الرسائل، أو تودع المستندات، أو تكشف بيانات العملاء عبر مسارات مراجعة صريحة. أنظمة الإنسان داخل الحلقة مثل موافقات إجراءات الذكاء الاصطناعي ليست مجرد حواجز أمان؛ إنها الطريقة التي تُبقي بها المؤسسات الذكاء الاصطناعي مفيدًا من دون منحه سلطة غير مقيدة.

كون Astra for Law إعدادًا لـ GPT-6 Astra هو الجزء الأكثر فائدة من الإعلان بالنسبة إلى بناة الذكاء الاصطناعي. فهو يشير إلى الاتجاه الذي يبدو أن ذكاء المؤسسة الاصطناعي يسير نحوه: ليس نموذجًا واحدًا متراصًا لكل صناعة، بل نماذج حدودية قابلة لإعادة الاستخدام تُغلّف بمتون متخصصة، وتعليمات، وأدوات، وصلاحيات، وتقييمات.

هذه البنية أكثر عملية من تدريب نموذج جديد لكل مهنة. فالعمل القانوني يحتاج إلى سوابق قضائية وسياق قضايا. ودعم العملاء يحتاج إلى تذاكر وسياسات وإجراءات CRM. ووكلاء الهندسة يحتاجون إلى مستودعات، ومتتبعات مشكلات، وأدوات نشر. وفرق المالية تحتاج إلى دفاتر أستاذ، وموافقات، ومسارات تدقيق. يوفر النموذج الأساسي اللغة، والاستدلال، والقدرة على استخدام الأدوات؛ بينما يوفر النظام المحيط المجال.

وهذا أيضًا سبب أهمية توجيه النماذج والتنسيق بينها. قد تحتاج الخطوات المختلفة في سير العمل إلى قدرات مختلفة: استدلال عميق للتحليل القانوني، أو استرجاع سريع للبحث عن الاستشهادات، أو مخرجات منظمة لجدول بنود مسودة، أو نموذج أكثر أمانًا ومقيّدًا للتنسيق. إن المنصة القادرة على الاختيار بين نماذج ذكاء اصطناعي متعددة أسهل تكيفًا من حزمة تعتمد على نموذج واحد، خاصة عندما تختلف التكلفة، وزمن الاستجابة، والاعتمادية بحسب المهمة.

ينطبق النمط نفسه على الأدوات. النموذج القادر على الإجابة عن الأسئلة مفيد. أما النموذج القادر على الاسترجاع من قاعدة معرفة ذات صلاحيات، واستدعاء نظام مستندات، وفتح سياق قضية، وإنتاج تعديلات بعلامات المراجعة فهو سير عمل. يستطيع البنّاؤون تقريب هذه البنية باستخدام موصلات API، وقواعد المعرفة، وأغلفة الوكلاء، لكن عليهم اختبار كل اتصال كجزء من المنتج، لا كإضافة تجريبية للعرض.

تفيد SiliconANGLE بأن مهندسي OpenAI المندمجين داخل شركات فردية كانوا يبنون أيضًا أدوات خاصة بتلك الشركات على ChatGPT Enterprise. لدى Sullivan & Cromwell محلل اتفاقيات يجلب أدلة التفاوض وسوابق مختارة إلى مراجعة صفقة جديدة، ثم يحوّل ما يعثر عليه إلى تعديلات مقترحة بعلامات المراجعة. وركزت Ropes & Gray على العناية الواجبة للصفقات. ويتولى GO Public من Cooley التحضير للطرح العام الأولي، بما في ذلك صياغة ملف التقديم.

هذه الأمثلة أكثر ملموسية من عبارة «ذكاء اصطناعي للمحامين». فهي تُظهر أين يُرجح أن تكمن القيمة على المدى القريب: أعمال قابلة للتكرار، كثيفة المستندات، واعية بالسوابق، حيث تمتلك الشركة بالفعل عملية ومجموعة من الأمثلة الداخلية.

يمكن تحديد نطاق محلل الاتفاقيات. يستطيع مقارنة مسودة بأدلة العمل. ويمكنه الاستشهاد بالسوابق. ويمكنه اقتراح تعديلات بعلامات المراجعة ليقبلها محامٍ أو يرفضها أو يعدّلها. ويمكن تفكيك سير عمل العناية الواجبة إلى قوائم تحقق، ومراجعة مستندات، واستخراج مسائل، وملخصات. وللتحضير للطرح العام الأولي مخرجات معروفة وكثافة عالية في المستندات.

هذا لا يجعل العمل سهلًا. لكنه يجعله قابلًا للتعريف. تؤدي أنظمة الذكاء الاصطناعي أداءً أفضل عندما يكون لسير العمل حدود، ومواد مصدرية، ومعايير قبول، وخطوات مراجعة. الوكلاء الغامضون من نوع «أنجز العمل القانوني» أصعب كثيرًا في الثقة من أنظمة ضيقة تصوغ وفق دليل عمل معروف.

بالنسبة إلى الفرق خارج القانون، فهذا هو القالب الأفضل. لا تبدأ بأوسع مساعد ممكن. ابدأ بسير عمل واحد له مدخلات معروفة، ومخرجات معروفة، ومراجع يمكنه الحكم على جودة العمل. وإذا امتدت المهمة عبر أدوار أو أدوات متعددة، فقد يساعد نظام متعدد الوكلاء مصمم جيدًا، لكن فقط بعد فهم سير العمل نفسه.

بالنسبة إلى شركات المحاماة التي لديها وصول إلى Astra for Law، السؤال الأول ليس ما إذا كان المعيار مثيرًا للإعجاب. السؤال الأول هو أين يمكن اختبار النظام بأمان مقابل أعمال قائمة. المرشحون الجيدون هم مذكرات البحث، والجمع الأولي للمراجع، ومقارنة السوابق، وملخصات العناية الواجبة، ومراجعة المسودات مقابل أدلة العمل الداخلية. أما المرشحون السيئون فهم المشورة النهائية غير الخاضعة للإشراف، أو قرارات الإيداع غير المراجعة، أو أي سير عمل لا يمكن فيه التحقق من مصدر المرجعية.

ينبغي للفرق بناء التقييم حول قضاياها الخاصة. يمكن لمعيار عام أو خاص أن يُظهر القدرة العامة، لكن الشركة تحتاج إلى معرفة ما إذا كان النظام يؤدي جيدًا في مجالات ممارستها، ومراجعها المفضلة، وأعراف مستنداتها، وقدرتها على تحمل المخاطر. لا تتبع صحة الإجابة فقط، بل أيضًا جودة الاستشهاد، والمراجع الفائتة، والثقة الزائفة، والوقت الموفر، وتعديلات المراجع، ومعدل التصعيد.

بالنسبة إلى موردي الذكاء الاصطناعي القانوني، يرفع الإعلان سقف التوقعات. سيكون الدفاع عن غلاف رقيق حول نموذج محادثة أصعب إذا كانت منصات المزودين توفر فهارس قانونية، وضوابط مؤسسية، وإضافات، ووصولًا عبر API. سيحتاج الموردون إلى الفوز بعمق سير عمل مملوك، وسياق قضايا، وتكاملات، وتجربة مستخدم، وحوكمة، وثقة العملاء.

أما لكل من يبني باستخدام الذكاء الاصطناعي، فإن Astra for Law دراسة حالة في التغليف. الخندق الدفاعي ليس prompt فحسب. إنه مزيج النموذج، والاسترجاع، والصلاحيات، والأدوات، والتقييم، والمكان الذي يحدث فيه العمل أصلًا.

وصفت OpenAI الإطلاق بأنه بداية استثمار طويل الأمد في القانون، وفقًا لـ SiliconANGLE. والتفسير الأكثر أمانًا هو أيضًا الأكثر فائدة: الذكاء الاصطناعي المتخصص بالمجال يصبح أقل ارتباطًا بطرح أسئلة أصعب على chatbot عام، وأكثر ارتباطًا ببناء أنظمة تعرف أين تبحث، وما المسموح لها بلمسه، ومتى تطلب الموافقة، وكيف تترك للمراجع عملًا قابلًا للتحقق.

لمزيد من أخبار الذكاء الاصطناعي والأدلة العملية، اشترك في نشرة LIA الإخبارية.

• يوصف Astra for Law بأنه إعداد لـ GPT-6 Astra مخصص للبحث القانوني والصياغة، وليس نموذج أساس منفصلًا.
• تشير مكاسب المعيار المبلغ عنها إلى قيمة الاسترجاع المتخصص قانونيًا، وجودة المتن، والتقييم المركّز على الاستشهادات.
• الحوكمة أساسية في المنتج لأن الذكاء الاصطناعي القانوني يجب أن يحترم صلاحيات القضايا، والجدران الأخلاقية، وسياسات الاحتفاظ، ومسارات المراجعة.
• يوحي الإطلاق بنمط مؤسسي أوسع: نماذج حدودية مغلّفة ببيانات مجال، وأدوات، وصلاحيات، وتقييمات.
• أوضح حالات الاستخدام هي سير عمل محددة وكثيفة المستندات، مثل مذكرات البحث، ومقارنة السوابق، وملخصات العناية الواجبة، ومراجعة المسودات.

يُذكر أن Astra for Law هو إعداد للبحث القانوني والصياغة القانونية من نموذج GPT-6 Astra التابع لـ OpenAI. يضيف فهرس بحث قانوني، وتعليمات للتحليل القانوني، وتكاملات حول النموذج الأساسي.

لا. تصفه المقالة بأنه إعداد لـ GPT-6 Astra وليس نموذج أساس منفصلًا، ولذلك تكتسب طبقات الاسترجاع والأدوات والحوكمة المحيطة به أهمية كبيرة.

وفقًا للتقرير، اجتاز Astra for Law فحص الصحة العام في 54% من 200 سؤال في Legal Research Bench، مقارنة بـ 38.7% لـ GPT-6 Astra عند استخدام البحث على الويب وحده.

قد تتعامل أنظمة الذكاء الاصطناعي القانوني مع قضايا سرية، وتعليمات عملاء، ومستندات مقيدة بالصلاحيات. ومن دون ضوابط مثل الجدران الأخلاقية، وسياسات الاحتفاظ، وخطوات المراجعة، يمكن أن تخلق مخاطر مهنية ومشكلات سرية.

النمط المفيد هو تغليف نموذج قوي ببيانات متخصصة بالمجال، وأدوات، وصلاحيات، وتقييمات، ومراجعة بشرية، ثم تطبيقه على سير عمل محدد بمدخلات ومخرجات واضحة.