أصبح من الممكن اليوم أن تسأل نموذجاً لغوياً سؤالاً قانونياً معقداً، فتحصل خلال ثوانٍ على إجابة مرتبة، مفصلة، ومقنعة لغوياً.
قد يشرح لك قاعدة قانونية.
قد يلخص لك نصاً.
قد يقارن بين حالتين.
وقد يبدو، في كثير من الأحيان، واثقاً إلى درجة تجعل الإجابة تبدو نهائية.
لكن هنا تبدأ المشكلة الحقيقية.
إذا كان الذكاء الاصطناعي يستطيع أن يجيب عن أي شيء تقريباً، فمن أين تأتي الحقيقة القانونية؟
هل تأتي من النموذج؟
من النص التشريعي؟
من الاجتهاد القضائي؟
من قاعدة بيانات قانونية؟
من الموقع الرسمي الذي نشر النص؟
أم من المحامي الذي يفسر كل ذلك ضمن وقائع محددة؟
في القانون، لا يكفي أن تكون الإجابة مقنعة.
المهم هو أن نعرف: على ماذا تستند؟
الطلاقة ليست دليلاً على الصحة
أحد أكثر الأشياء التي تجعل النماذج اللغوية مثيرة للإعجاب هو قدرتها على صياغة إجابات تبدو طبيعية ومتماسكة.
لكن هذه الميزة نفسها قد تكون خطرة في المجال القانوني.
فالنموذج قد يصوغ إجابة خاطئة بطريقة صحيحة لغوياً.
وقد يذكر مادة قانونية غير موجودة.
أو يخلط بين قانون نافذ ونص قديم.
أو ينقل قاعدة من نظام قانوني مختلف.
أو يستنتج حكماً لا يدعمه المصدر بالشكل الذي يوحي به.
المشكلة هنا ليست فقط في الخطأ.
المشكلة أن الخطأ يمكن أن يبدو صحيحاً.
والفرق كبير بين معلومة تبدو موثوقة ومعلومة يمكن التحقق منها.
في البحث القانوني، الثقة لا يجب أن تأتي من أسلوب الكتابة، بل من قدرة المستخدم على الرجوع إلى الأصل.
القانون ليس مجرد “معلومة صحيحة”
في كثير من المجالات، يمكن تقييم الإجابة بشكل مباشر: إما أن تكون المعلومة صحيحة أو خاطئة.
في القانون، الأمر أكثر تعقيداً.
قد يكون النص صحيحاً، لكنه لم يعد نافذاً.
قد يكون نافذاً، لكنه عُدّل جزئياً.
قد يكون عاماً، بينما توجد قاعدة خاصة تنطبق على الحالة.
قد توجد لائحة أو تعليمات تنفيذية تغير طريقة التطبيق العملي.
وقد يكون هناك اجتهاد قضائي يفسر النص بطريقة لا تظهر من قراءة المادة وحدها.
لذلك فإن السؤال القانوني لا يتوقف عند:
“ما هو النص؟”
بل يمتد إلى:
“ما حالة هذا النص؟ وما علاقته بغيره؟ وكيف طُبق؟ وما الذي يعنيه في هذه الوقائع تحديداً؟”
وهذا هو السبب في أن التعامل مع المعرفة القانونية كإجابات منفصلة هو تبسيط مخل.
المصدر يسبق التفسير
هناك فرق أساسي يجب ألا يختفي داخل واجهات الذكاء الاصطناعي:
هناك ما يقوله المصدر، وهناك ما يستنتجه النظام من المصدر.
النص القانوني شيء.
وتفسيره شيء آخر.
الاجتهاد القضائي شيء.
وتلخيصه شيء آخر.
أما الإجابة التي ينتجها الذكاء الاصطناعي فهي طبقة إضافية فوق ذلك كله.
هذا لا يجعلها عديمة القيمة.
على العكس، يمكن أن تكون شديدة الفائدة.
لكن يجب ألا تصبح هذه الطبقة غير مرئية.
عندما يعطي النظام إجابة قانونية، يجب أن يكون من الممكن التمييز بين:
ما ورد فعلاً في المصدر.
ما تم استخلاصه من عدة مصادر.
ما هو تفسير أو تلخيص.
وما هو استنتاج يحتاج إلى تقييم مهني.
هذه الحدود مهمة لأن الخطر لا يأتي فقط من الإجابة الخاطئة، بل أيضاً من الإجابة الصحيحة التي تُعرض بثقة أكبر من مستوى اليقين الذي تسمح به مصادرها.
ليست كل المصادر متساوية
إذا وجدنا عشر صفحات على الإنترنت تقول الشيء نفسه، فهذا لا يجعلها جميعاً مراجع قانونية متساوية.
القانون له مصادره وبنيته وتسلسله.
هناك نصوص رسمية.
هناك تشريعات معدلة.
هناك قرارات وتعليمات.
هناك أحكام واجتهادات قضائية.
وهناك شروحات ومقالات وملخصات وآراء.
لكل واحد منها وزنه ووظيفته.
وهنا تظهر مشكلة أخرى في البحث المدعوم بالذكاء الاصطناعي.
قد يكون النظام قادراً على جمع عشرات المصادر، لكنه إذا لم يميز بين مصدر قانوني أصلي وبين شرح ثانوي، فإن كثرة المعلومات لا تعني بالضرورة جودة النتيجة.
لذلك لا ينبغي أن يكون السؤال فقط:
كم مصدراً استخدم النظام؟
بل:
ما نوع هذه المصادر؟ وما علاقتها ببعضها؟ وأيها هو الأصل؟
حتى النص الرسمي يحتاج إلى سياق
قد يبدو أن الحل بسيط: اربط كل إجابة بالمصدر الرسمي وانتهت المشكلة.
لكن الأمر ليس بهذه السهولة.
النص الرسمي مهم، لكنه ليس دائماً كافياً وحده.
قد تقرأ قانوناً كما صدر في يومه الأول دون أن ترى تعديلاته اللاحقة.
قد تجد مادة لا تعرف أن قانوناً آخر استبدل جزءاً منها.
وقد ترى نصاً نافذاً من حيث الشكل، لكن تطبيقه العملي تأثر باجتهاد قضائي أو بقاعدة أخرى أكثر تخصيصاً.
المصدر الرسمي يعطينا الأصل.
لكن البحث القانوني يحتاج أيضاً إلى السياق.
وهذا السياق يتكون من التاريخ التشريعي، والعلاقات بين النصوص، وحالتها، وتطبيقها، وأحياناً التفسير القضائي لها.
لهذا فإن بناء Legal AI موثوق لا يعني مجرد ربط chatbot بمجموعة ملفات PDF رسمية.
المشكلة أعمق من ذلك.
نحتاج إلى معرفة أصل كل معلومة
في الأنظمة التقنية يوجد مفهوم معروف باسم provenance: القدرة على معرفة أصل البيانات وكيف وصلت إلى حالتها الحالية.
وفي المجال القانوني، تصبح هذه الفكرة أكثر أهمية.
يمكن أن نسميها Legal Provenance.
عندما يقرأ المستخدم إجابة قانونية، يجب أن يكون من الممكن تتبعها:
ما التشريع الذي استندت إليه؟
أي نسخة منه؟
متى صدر؟
هل تم تعديله؟
هل ما نقرأه مقتبس من النص أم مستنتج منه؟
هل هناك مصدر آخر غيّر فهمه؟
وهل يوجد اجتهاد قضائي مرتبط بالمسألة؟
كلما أصبحت الإجابات أسهل في الإنتاج، أصبحت القدرة على تتبعها أهم.
في عالم كانت فيه المعلومة صعبة الوصول، كان التحدي هو العثور عليها.
في عالم يستطيع فيه الذكاء الاصطناعي إنتاج إجابة خلال ثوانٍ، يصبح التحدي هو إثباتها.
هل يستطيع الذكاء الاصطناعي أن يكون مصدراً قانونياً؟
نعتقد أن هذا هو السؤال الخطأ.
الذكاء الاصطناعي ليس بحاجة لأن يصبح مصدراً قانونياً لكي يكون مفيداً جداً في القانون.
يمكنه أن يكون طبقة بين المستخدم ومجموعة هائلة من المعرفة القانونية.
يمكنه أن يفهم السؤال.
أن يجد النصوص ذات الصلة.
أن يربط بينها.
أن يلخصها.
أن يقارنها.
أن يساعد المستخدم على اكتشاف ما لم يكن يعرف أنه يجب أن يبحث عنه.
لكن المرجعية لا يجب أن تنتقل من النصوص إلى النموذج.
الأفضل أن يكون الذكاء الاصطناعي واجهة إلى المصادر، لا بديلاً عنها.
وهذا فرق جوهري.
في النموذج الأول، يقول النظام:
“هذه هي الإجابة.”
في النموذج الثاني، يقول:
“هذه هي الإجابة التي توصلت إليها، وهذه هي النصوص التي اعتمدت عليها، وهذه هي العلاقة بينها، ويمكنك التحقق منها بنفسك.”
النموذج الثاني أقل إبهاراً ربما.
لكنه أكثر ملاءمة للقانون.
ماذا عن الاجتهاد القضائي؟
تزداد المسألة تعقيداً عندما ننتقل من التشريع إلى القضاء.
النص القانوني قد يكون عاماً.
أما الحكم القضائي فيطبقه على وقائع محددة.
وقد تظهر مع الوقت اتجاهات قضائية مختلفة.
وقد تتكرر مبادئ معينة في سلسلة من الأحكام.
وهنا لا يكفي أن يقول النظام: “وجدت حكماً متعلقاً بالموضوع.”
المهم أيضاً أن نفهم:
هل الحكم مناسب فعلاً للمسألة؟
ما المحكمة التي أصدرته؟
ما الوقائع التي بُني عليها؟
هل يمثل اتجاهاً مستقراً أم حالة منفردة؟
وهل توجد أحكام أخرى تشير إلى اتجاه مختلف؟
الذكاء الاصطناعي يمكن أن يجعل استكشاف هذا الكم من البيانات أسرع بكثير.
لكن مرة أخرى، يجب ألا يخفي الفرق بين العثور على نمط وبين إثبات قاعدة قانونية.
الحقيقة القانونية ليست دائماً جملة واحدة
هناك إغراء كبير في تصميم أنظمة الذكاء الاصطناعي لجعلها تعطي جواباً واحداً واضحاً.
المستخدم يسأل.
النظام يجيب.
لكن بعض المسائل القانونية لا تملك هذا الشكل.
قد توجد أكثر من قراءة.
قد تختلف النتيجة باختلاف الوقائع.
قد توجد فجوة تشريعية.
أو تعارض ظاهري يحتاج إلى تفسير.
أو اجتهادات غير مستقرة.
وفي هذه الحالات، قد تكون الإجابة الأكثر أمانة ليست جملة حاسمة، بل خريطة للموقف القانوني:
هذا هو النص.
وهذا هو التعديل.
وهذه هي النصوص ذات الصلة.
وهذه هي الاتجاهات القضائية التي وجدناها.
وهنا توجد نقطة غير محسومة.
الذكاء الاصطناعي القانوني الجيد لا يجب أن يكون واثقاً دائماً.
يجب أن يعرف أيضاً متى تكون درجة اليقين محدودة.
المشكلة ليست في استخدام الذكاء الاصطناعي
من السهل أن يتحول هذا النقاش إلى موقف دفاعي: لا تثق بالذكاء الاصطناعي، ولا تستخدمه في القانون.
هذا ليس ما نعتقده.
الذكاء الاصطناعي سيصبح جزءاً أساسياً من العمل القانوني.
وقدراته في البحث، والتحليل، والتنظيم، والمقارنة، واستخراج المعلومات يمكن أن توفر قدراً كبيراً من الوقت.
لكن السؤال ليس هل نستخدمه أم لا.
السؤال هو:
كيف نبنيه ونستخدمه بطريقة تحترم طبيعة المعرفة القانونية؟
هل يعرض مصادره؟
هل يميز بين النص والتفسير؟
هل يعرف حالة التشريع؟
هل يفهم العلاقات بين القوانين؟
هل يستطيع إظهار حدود ما يعرفه؟
وهل يبقى المستخدم قادراً على التحقق من النتيجة؟
هذه هي الأسئلة التي ستحدد الفرق بين أداة Legal AI مفيدة وأداة تبدو ذكية فقط.
من يمتلك الحقيقة إذاً؟
ليس النموذج اللغوي.
وليس محرك البحث.
ولا قاعدة البيانات بحد ذاتها.
الحقيقة القانونية تبدأ من المصادر القانونية ذات السلطة، لكنها لا تصبح مفيدة إلا عندما توضع في سياقها الصحيح.
والذكاء الاصطناعي يمكن أن يساعدنا على الوصول إلى هذا السياق بسرعة لم تكن ممكنة سابقاً.
لكن كلما أصبح أكثر قدرة، يجب أن تصبح آلية التحقق أكثر وضوحاً، لا أقل.
هذا هو التوازن الذي نعتقد أن مستقبل Legal AI يجب أن يُبنى عليه:
ذكاء أكبر، مع شفافية أكبر.
إجابات أسرع، مع مصادر أوضح.
قدرة أعلى على التحليل، دون إخفاء الطريق الذي أدى إلى النتيجة.
في عصر يستطيع فيه الذكاء الاصطناعي أن يجيب عن أي شيء تقريباً، لن تكون الميزة الأهم هي القدرة على إنتاج المزيد من الإجابات.
ستكون القدرة على معرفة أي إجابة يمكن الوثوق بها، ولماذا.
وهناك، في رأينا، يبدأ مستقبل البحث القانوني.
المدونة
العودة إلى المدونة