الذكاء الاصطناعي لا ينقصه المعرفة — بل ينقصه السياق الموثوق

أعلنت OpenAI مؤخراً أن ChatGPT for Healthcare يمكنه الاتصال بنظام Epic للسجلات الطبية الإلكترونية، والوصول عبر الإضافات إلى مصادر بيانات طبية رسمية مثل PubMed وClinicalTrials.gov وDailyMed.

وهذا يعني أن الذكاء الاصطناعي لم يعد يجيب فقط عن الأسئلة الطبية العامة. فبعد الحصول على التفويض المناسب، يمكنه الجمع بين سجلات زيارات المريض ونتائج التحاليل وتغييرات الأدوية وملاحظات الأطباء لمساعدة الطواقم الطبية في تنظيم المعلومات — والإشارة إلى السجلات الأصلية التي تدعم كل استنتاج.

رابط الخبر: OpenAI: ChatGPT can now connect to healthcare sources

هذا الخبر ذكّرني بأن النماذج الكبيرة اليوم لم تعد في الواقع تنقصها المعرفة العامة.

يمكن للنموذج أن يشرح ما هو مرض السكري — ويمكنه أيضاً أن يشرح ما هو التدفق النقدي أو ضريبة القيمة المضافة أو الحسابات المدينة. لكنه لا يعرف ما حدث في آخر تحليل مختبري للمريض الذي أمامه، ولا يعرف من أي عميل جاء بالضبط ذلك المبلغ الذي استلمته الشركة التي أمامه الشهر الماضي.

ما يحد حقاً من قيمة الذكاء الاصطناعي ليس في الغالب أنه يعرف القليل — بل أنه لا يفهم الكائن الحقيقي الذي يعالجه في هذه اللحظة.

الذكاء الاصطناعي لا ينقصه المعرفة. ينقصه السياق الموثوق.

في المجال الطبي، يشمل هذا السياق السجلات الطبية الإلكترونية ونتائج التحاليل وسجل الأدوية والمراجع الطبية الموثوقة.

وفي الشؤون المالية للشركات، يشمل الحركات البنكية والفواتير والإيصالات والعقود ومعلومات العملاء والموردين والمعالجات المحاسبية التاريخية، وقواعد الضرائب والمحاسبة في البلد الذي تعمل فيه الشركة.

بدون هذا السياق، مهما كان النموذج ذكياً، لا يستطيع إلا أن يقدم إجابات عامة.

يمكنه أن يخبر الشركة ما هي ضريبة القيمة المضافة — لكنه لا يستطيع الحكم على ما إذا كانت هذه الفاتورة المحددة يجب أن تفرض الضريبة. يمكنه أن يشرح كيف يُقيد عادة نوع معين من المصروفات — لكنه لا يعرف ما إذا كانت هذه الدفعة مصروفاً تجارياً أم مصروفاً شخصياً أم قرضاً من مساهم. يمكنه أن يصف طرق إدارة التدفق النقدي — لكنه لا يعرف ما المدفوعات التي يجب على الشركة سدادها الأسبوع المقبل.

وهذا أيضاً هو الفرق الجوهري بين SnapLedger وروبوت محادثة عام.

ما تحتاج SnapLedger إلى فعله ليس مجرد الاتصال بنموذج أقوى، بل ربط المعلومات الحقيقية المتناثرة في أماكن مختلفة: المعاملات في الحساب البنكي، والإيصالات المصورة بالهاتف، والفواتير الواردة بالبريد الإلكتروني، والمستندات المحفوظة في My Vault، ودفاتر الحسابات التي تشكلت بالفعل — والقواعد المحددة التي تنطبق على هذه الشركة.

فقط عندما تشكل هذه المعلومات سياقاً موثوقاً ومحدثاً باستمرار، يستطيع Snappy أن يفهم حقاً:

أي فاتورة تقابل على الأرجح هذه الحركة البنكية؛ أي مستند ما زال ينقصه سجل الدفع؛ أي مصروف يحتاج إلى توضيح إضافي من المستخدم؛ أي إيراد قد يؤثر على عتبة التسجيل في ضريبة القيمة المضافة؛ وما الذي ينبغي للمستخدم معالجته أولاً عند تسجيل الدخول في المرة القادمة.

لكن "ربط المزيد من البيانات" ليس غاية في حد ذاته.

في المجال الطبي، ليس كل شخص ينبغي أن يرى كامل السجل الطبي. وبالمثل، في المجال المالي، ليس كل وكيل أو موظف أو مزود خدمة خارجي ينبغي أن يصل إلى جميع معلومات الشركة.

السياق الموثوق يجب أن يستوفي عدة شروط في آن واحد: مصدر البيانات واضح، والهويات مؤكدة، والصلاحيات خاضعة للسيطرة، وكل استنتاج يمكن تتبعه حتى الدليل الأصلي.

لهذا السبب تجري SnapLedger فحص المالك (owner check) بعد رفع المستندات — لتجنب قدر الإمكان دخول مستندات شخص ما في دفاتر شخص آخر. ولهذا السبب لا يمكن حذف المستند بحرية بمجرد أن يدخل في علاقة محاسبية رسمية. ولهذا السبب ينبغي أن يكون كل حكم يصدره الذكاء الاصطناعي قادراً على الإشارة إلى الفاتورة والحركة البنكية والقاعدة المعمول بها ذات الصلة.

قد تتقلص الفجوة في القدرات بين النماذج الكبيرة في المستقبل — لكن سياق الشركات لن يصبح أقل أهمية بسبب ذلك.

بل على العكس تماماً: كلما انتشرت النماذج أكثر، ازدادت احتمالية أن يأتي الجزء ذو القيمة الحقيقية من هياكل البيانات والعلاقات التجارية وأنظمة القواعد وسير العمل التي راكمتها الشركة على مدى طويل.

أصبحت أؤمن أكثر فأكثر بأن المنافسة بين SaaS الأصيلة في الذكاء الاصطناعي لا تدور فقط حول من يتصل بأقوى نموذج.

الأهم من ذلك: من يستطيع تنظيم المعلومات المتناثرة في سياق موثوق — ثم يترك الذكاء الاصطناعي، في ظل الصلاحيات والقواعد الصحيحة، يحول هذا السياق إلى عمل.

المعرفة تمكّن الذكاء الاصطناعي من الإجابة عن الأسئلة. والسياق الموثوق يمكّنه من المشاركة الحقيقية في العمل.