المطالبات (Prompts) هي التعليمات التي تحدد نطاق المهمة وقيودها وتنسيق مخرجاتها. ومن شأن صياغة المطالبة الصحيحة أن تسرّع وتيرة المراجعة والصياغة والردود، فضلاً عن تعزيز الدقة. في المقابل، قد تؤدي المطالبة غير الدقيقة إلى إهدار الوقت، أو الاضطرار لإعادة العمل، أو تعريض أعمالكم لمخاطر قانونية.
وثمة مسألة أخرى تتعلق ببيئة إدخال هذه المطالبات؛ إذ تجد العديد من الإدارات القانونية نفسها اليوم في بيئة عمل مختلطة. فبينما يجرّب بعض الزملاء أدوات الذكاء الاصطناعي العامة لإنجاز مهام سريعة، يعتمد آخرون بالفعل على أدوات ذكاء اصطناعي مخصصة للمجال القانوني ومدمجة ضمن مسارات عمل آمنة. ولكلٍّ منهما استخداماته، إلا أن أسلوب توجيه المطالبات يختلف اختلافاً جوهرياً بينهما.
ملاحظة: إذا كان فريقكم القانوني يضطر إلى إعادة بناء السياق من الصفر في كل جلسة عمل، وإعادة شرح دوركم، وأدلة العمل (Playbooks)، ومعاييركم المعتمدة لأداة ذكاء اصطناعي عامة، فقد صُممت منصة LEGALFLY خصيصاً للتخلص من هذه العقبات؛ حيث يكون سياقكم القانوني مدمجاً ومحفوظاً من اليوم الأول. احجز عرضاً توضيحياً للاطلاع على كيفية عمل المطالبات داخل منصة تدرك معاييركم مسبقاً.
أوجه القصور في الذكاء الاصطناعي العام
على الرغم من الكفاءة العالية لأدوات الذكاء الاصطناعي العامة مثل ChatGPT أو Claude، إلا أنها لم تُصمم لتلائم متطلبات العمل القانوني الاحترافي. وتتمثل أبرز أوجه القصور التي تواجه الفرق القانونية فيما يلي:
المخاطر الأمنية: إن أي بيانات يتم نسخها ولصقها في نظام ذكاء اصطناعي متاح للعامة قد تُعالج أو تُخزّن خارج نطاق سيطرتكم ورقابتكم، مما ينطوي على مخاطر تمس سرية بيانات الموكلين، أو أطراف التعاقد، أو الموظفين. وفي حال استخدامكم لأداة عامة، يتعين دائماً إزالة المعلومات الحساسة أولاً، واستبدال الأسماء والتواريخ والأرقام وبيانات الشركات بمحددات عامة مثل [الموكل]، أو [المبلغ]، أو [التاريخ]، وتجنب لصق عقود كاملة أو نصوص خاضعة لالتزامات تنظيمية نهائياً.
غياب السياق القانوني: لا تملك النماذج العامة التدريب المتخصص الكافي لفهم العقود، أو اللوائح والأنظمة المعمول بها، أو أدلة العمل الخاصة بشركتكم. وعليه، قد تبدو المخرجات مقنعة في ظاهرها لكنها تفتقر إلى تفاصيل جوهرية بالغة الأهمية.
محدودية الذاكرة واستيعاب النصوص: قد تعجز النماذج العامة عن استيعاب العقود الطويلة، فيكتفي النظام بتحليل الصفحات الأولى فقط دون بقية المستند.
انعدام الاتساق: تبدأ كل جلسة كصفحة بيضاء، مما يلزمكم بإعادة توضيح طبيعة دوركم وأسلوب الصياغة والأهداف المرجوة في كل مرة.
بناءً على ما تقدم، ينبغي حصر استخدام الذكاء الاصطناعي العام في المهام المساندة ذات المخاطر المنخفضة، والتي لا تتضمن أي معلومات أو بيانات حساسة.
ذكاء اصطناعي قانوني مؤتمن على البيانات الحساسة
صُممت منصات الذكاء الاصطناعي القانوني المتخصصة، مثل LEGALFLY، لتلبي بدقة احتياجات الإدارات والفرق القانونية. وتعتمد هذه المنصات على نماذج اللغة الكبيرة (LLMs) ذاتها، ولكنها تعززها بضمانات ومزايا تجعلها آمنة للتعامل مع الأعمال القانونية عالية القيمة والسرية:
حماية البيانات بحكم التصميم: يتم حجب هوية المعلومات الحساسة وتجهيلها قبل البدء بمعالجتها، مما يضمن عدم كشف أي بيانات لبيئات خارجية دون ضوابط محكمة.
سياق قانوني مدمج: تطبّق المنصة أدلة العمل المعتمدة لديكم، وسياساتكم الداخلية، ومستويات المخاطر المقبولة لضمان توافق المخرجات مع معاييركم بدقة.
اتساق دائم: على خلاف الأدوات العامة، تحتفظ منصة LEGALFLY بفهم دوركم وأسلوبكم المعتمد عبر مختلف المهام، دون الحاجة لإعادة كتابة التعليمات مع كل جلسة جديدة.
مخرجات موثوقة: ترتبط منصة LEGALFLY بأكثر من 500 نص ومصدر قانوني رسمي، مما يضمن حصولكم دوماً على مخرجات وحلول محكمة من الناحية القانونية.
يتيح لكم ذلك تحميل العقود الكاملة، والتحقق من الامتثال للأنظمة واللوائح (مثل اللائحة العامة لحماية البيانات GDPR أو تشريعات الصمود التشغيلي الرقمي DORA)، فضلاً عن إعداد المسودات والمقارنات بأمان تام ودون قلق بشأن تسريب البيانات أو إغفال الدقائق القانونية. يمكنكم حجز موعد لعرض توضيحي مخصص من هنا.
مقارنة عملية: بين الذكاء الاصطناعي العام والمتخصص
الذكاء الاصطناعي العام (ChatGPT / Claude):
"راجع اتفاقية عدم الإفصاح (NDA) هذه وحدد المخاطر."
← المخرجات: قائمة بمسائل نمطية عامة (القانون واجب التطبيق، المسؤولية، الإنهاء)، دون أي مواءمة مع نماذجكم أو أدلة العمل لديكم، مع وجود مخاطر تخزين البيانات الحساسة خارجياً.
منصة LEGALFLY:
"راجع اتفاقية عدم الإفصاح (NDA) هذه مقارنة بنموذجنا القياسي، وسلّط الضوء على أي تعديلات تمس بنود السرية أو معالجة البيانات، واقترح الصياغات البديلة المعتمدة في دليل العمل لدينا."
← المخرجات: بنود موضحة بخاصية التتبع (Redlined) تبرز أوجه الاختلاف عن نموذجكم المعتمد، مع تجهيل هوية البيانات أثناء المعالجة، وتوفير سجل تدقيق لأغراض الامتثال والحوكمة.
هذا هو الفارق الجوهري بين التجربة عبر أداة عامة، وبين اعتماد بيئة ذكاء اصطناعي قانوني مصممة لخدمة متطلبات الموكلين بدقة. مع LEGALFLY، تحظون بسرعة الإنجاز المدعومة بالذكاء الاصطناعي دون المساس بخصوصية بياناتكم أو معاييركم المهنية أو مسؤوليتكم القانونية.
أهمية صياغة المطالبات ودورها الجوهري
تعتمد معظم أدوات الذكاء الاصطناعي القانوني الحديثة على نماذج اللغة الكبيرة (LLMs)، وهي أنظمة ذكاء اصطناعي جرى تدريبها على كميات هائلة من النصوص. ولا تقوم هذه النماذج بحفظ الحقائق بصورة مجردة، بل تتعلم الأنماط اللغوية وتراكيب الكلمات لتوليد التتمة الأكثر احتمالاً للسياق.
ويعني ذلك قدرتها على صياغة البنود، أو تلخيص العقود، أو الإجابة على الاستفسارات بلغة طبيعية، غير أنها تظل عُرضة لتقديم نتائج غير دقيقة أو منقوصة في بعض الأحيان.
وهنا يبرز الأثر الحاسم للتعليمات التي تزودونها بها (المطالبة)؛ فإذا كانت المطالبة مبهمة (مثل: "حسّن هذه الصياغة")، فسيضطر النموذج إلى التخمين. أما إذا كانت واضحة ومنهجية (مثل: "أعد صياغة هذا البند بلغة واضحة، في حدود 150 كلمة كحد أقصى، ووفقاً لأحكام القانون الإنجليزي")، فسيتبع مساراً دقيقاً ومحدداً، وتكون النتائج أكثر موثوقية وجودة.
يمكن تشبيه ذلك بتفويض مهمة إلى محامٍ متدرب؛ فغياب السياق الواضح لن يفضي إلى النتيجة المتوقعة، بينما تضمن التعليمات الدقيقة والوافية إنجاز العمل بالصورة المطلوبة.
للراغبين في تعميق مهاراتهم في توجيه المطالبات واستخدام الذكاء الاصطناعي الموجه للعمل القانوني، أعدت LEGALFLY برنامجاً تدريبياً متخصصاً في الذكاء الاصطناعي للمهنيين القانونيين، وهو برنامج مجاني، متاح للدراسة الذاتية، ومصمم ليلائم القانونيين من مختلف المستويات والخبرات.
آلية استجابة نماذج اللغة الكبيرة للمطالبات
لفهم أسباب تفاوت فعالية المطالبات، يجدر الإحاطة ببعض المفاهيم التقنية الأساسية:
الانتباه (Attention): على عكس القراءة البشرية المتتابعة سطراً بسطر، تعالج نماذج اللغة الكبيرة جميع الكلمات المدخلة في آنٍ واحد، وتوجّه "انتباهها" إلى كل جزء من المدخلات. وهذا يعني أن تزويدها بأمثلة لصياغات ركيكة قد يدفعها للتركيز عليها وتكرار بعض أنماطها. لذا يُنصح دوماً بالاعتماد حصراً على النماذج الجيدة عند الصياغة، وقصر الأمثلة السلبية على مهام التصنيف فقط (مثل: "حدد أي الصياغات الآتية هي الصحيحة").
الاحتمالات (Probabilities): لا يختار النموذج الكلمة ذاتها في كل مرة، بل يختار عند كل خطوة من بين مجموعة من الكلمات الأكثر احتمالاً في السياق، وهو ما يفسر اختلاف الإجابات أحياناً عن السؤال ذاته. وتساعد المطالبات المحكمة والمنظمة في تقليص هذا التباين وضمان الثبات.
تعقيد المهام (Task Complexity): إذا طُلب من النموذج إنجاز مهمة شديدة التعقيد دفعة واحدة (مثل: "راجع هذا العقد المكون من 50 صفحة وأعد تقريراً شاملاً عنه")، فستكون المخرجات أقل جودة. أما تقسيم المهمة إلى مراحل متسلسلة (كوضع خطة، ثم إعداد هيكل عام، يليه البدء بالصياغة) فيضمن الحصول على نتائج أكثر دقة ورصانة.
سعة الذاكرة (Memory Limits): قد تكتفي بعض النماذج بمعالجة جزء محدد من المستندات المطولة. فإذا تم رفع عقد وبدت الإجابة غير مكتملة، فالأرجح أن النموذج لم يستوعب سوى الصفحات الأولى؛ ويكمن الحل هنا في تجزئة المستندات الطويلة إلى أقسام ومحاور مستقلة.
إرشادات عملية للمحامين في صياغة المطالبات
تعتمد جودة المخرجات التي يقدمها النموذج بشكل أساسي على دقة ما يُقدم له من مدخلات؛ فالمطالبات الرصينة توفر السياق والتوجيه والأطر المحددة. وإليكم أبرز الممارسات الواجب مراعاتها:
1. تحديد السياق بدقة
وضّح للأنظمة صفتك المهنية والغرض المطلوب، مما يضع إطاراً واضحاً للمهمة.
مثال: "بصفتي مستشاراً قانونياً تجارياً أعمل على مراجعة اتفاقيات عدم الإفصاح، لخص الالتزامات الجوهرية المتعلقة بالسرية."
2. الدقة والتحديد
حدد النبرة المطلوبة، والطول، ونطاق الإجابة؛ فالاكتفاء بعبارة "حسّن هذه الصياغة" يترك الأمر للتخمين.
مثال: "لخص هذا البند بلغة واضحة ومباشرة، على ألا يتجاوز 120 كلمة، ووفقاً لأحكام القانون الإنجليزي."
3. الاستعانة بالأمثلة الإيجابية
حدد شكل المخرجات المرغوب بها، سواء كانت نقاطاً موجزة، أو جدولاً، أو مسودة مبيناً عليها التعديلات. وتجنب إدراج صياغات ركيكة لأن النموذج يتأثر بها في مخرجاته.
مثال: "أدرج الالتزامات في جدول من ثلاثة أعمدة: الطرف، الالتزام، المحاذير الشائعة."
4. تجزئة المهام المركبة
تعمل نماذج اللغة الكبيرة بأعلى كفاءة عند التدرج خطوة بخطوة؛ فلا تطلب مسودة كاملة لعقد يقع في 20 صفحة دفعة واحدة، بل ابدأ بوضع الهيكل العام، ثم توسع في كل قسم على حدة، وانتهِ بتنقيح الصياغة وتدقيقها.
مثال: ابدأ بـ: "ضع هيكلاً للأقسام القياسية لاتفاقية تقديم البرمجيات كخدمة (SaaS)"، ثم اتبع ذلك بـ: "قم بصياغة قسم حماية البيانات."
5. وضع الضوابط والمعايير الإيجابية
حدد ما يجب على النظام تنفيذه، بدلاً من الاقتصار على ما يجب تجنبه؛ فالأوامر القائمة على النفي (مثل: "لا تقم بكذا") قد تسفر عن نتائج متذبذبة.
مثال: "احرص دائماً على تضمين نصوص السوابق القضائية واقتباسها بشكل مباشر."
6. إعادة استخدام المطالبات الفعالة
احتفظ بنماذج التعليمات والمطالبات القياسية التي أثبتت كفاءتها لاستخدامها في جلسات العمل المتلاحقة؛ فهذا يجنبكم تكرار الجهد ويضمن اتساق المخرجات ومواءمتها للمعايير.
7. استخدام المطالبات التأسيسية لضمان الاتساق
يعتمد العديد من المستخدمين صياغة "مطالبة تأسيسية" (System Prompt)، وهي مقدمة تفصيلية توضح صفتكم، وأهدافكم، والقواعد الأسلوبية المتبعة. وفي الأدوات العامة كـ ChatGPT، يلزم إعادة إدخال هذه البيانات مع كل محادثة جديدة. أما المنصات القانونية المتخصصة مثل LEGALFLY، فتحتفظ بهذا السياق القانوني تلقائياً في ذاكرتها المؤسسية، موفرة بذلك الكثير من الجهد والوقت.
للاطلاع على مزيد من النصائح حول سبل دمج الذكاء الاصطناعي بنجاح في إدارتكم القانونية، يمكنكم تحميل تقريرنا البحثي بعنوان: "المستشار القانوني العام المؤهل لتقنيات الذكاء الاصطناعي".
