محكمة باكستانية تجد أن الذكاء الاصطناعي يساعد القضاة على تقليص تراكم القضايا عندما تأتيه التدريب أولاً

التدريب، لا مجرد الإتاحة، هو ما حسم ما إذا كان الذكاء الاصطناعي في قاعة المحكمة سيحقق نتائج

تشير تجربة ميدانية عشوائية واسعة في القضاء الباكستاني إلى أن الذكاء الاصطناعي يمكن أن يرفع إنتاجية القطاع العام، ولكن فقط عندما تستثمر المؤسسات في تدريب الناس على استخدامه جيداً. وقد اختبرت الدراسة، التي أجراها باحثون من ETH زيورخ، وكلية إمبريال كوليدج لندن، وNew Economic School، مساعداً للذكاء الاصطناعي باسم JudgeGPT عبر 1,559 قاضياً في 118 محكمة، أي ما يقرب من نصف قضاة محاكم الدرجة الأولى في باكستان.

ولم تكن النتيجة الأبرز ببساطة أن الذكاء الاصطناعي ساعد. بل كانت أن مجرد الإتاحة لم يحقق سوى القليل جداً. أما القضاة الذين تلقوا تدريباً موجهاً إلى جانب الوصول إلى النظام فقد استخدموه بوتيرة أعلى بكثير، وارتبطوا بمكاسب قابلة للقياس في تسوية القضايا. ووفقاً لملخص الدراسة الوارد في المادة المصدر، فإن الأقاليم التي شهدت تعرضاً متوسطاً لقضاة مدرَّبين قامت بتسوية نحو 1,848 قضية إضافية سنوياً، أي بزيادة قدرها 6.3%.

وهذا يجعل التجربة لافتة بما يتجاوز باكستان. فالحكومات حول العالم تختبر نماذج اللغة الكبيرة في البحث القانوني، وإدارة القضايا، وصياغة المستندات، والدعم الإداري. وما تضيفه هذه التجربة هو درس تشغيلي أوضح: استراتيجية النشر لا تقل أهمية عن النموذج نفسه.

سلطة قضائية مثقلة بالضغط وفرت اختباراً صعباً

وفرت منظومة المحاكم الباكستانية بيئة يمكن أن تكون فيها حتى المكاسب المتواضعة في الإنتاجية ذات أثر مهم. وقال الباحثون إن عدد القضاة في البلاد أقل من اثنين لكل 100,000 نسمة، مقارنة بـ22 في الاتحاد الأوروبي و30 في إنجلترا وويلز. وبحلول نهاية 2024، كانت هناك 2.26 مليون قضية معلقة، 82% منها في محاكم الدرجة الأولى.

تشير هذه الأرقام إلى نظام يعمل تحت ضغط هائل، مع محدودية في الكوادر وضعف في الدعم التقني. وقبل التجربة، كان نحو ربع القضاة فقط قد استخدموا من قبل نموذج لغة كبيراً مثل ChatGPT. وهذا مهم لأنه يعني أن الدراسة لم تكن تختبر الذكاء الاصطناعي بين مستخدمين محترفين أو داخل بيروقراطية ناضجة رقمياً، بل كانت تختبر ما إذا كان مساعد متخصص يمكن أن يحدث فرقاً في نظام قضائي حقيقي تكون فيه القيود على الوقت والموارد والمعرفة التقنية كلها حاضرة.

وقد بُني JudgeGPT نفسه على GPT-4 من OpenAI، وجُرِّد لملاءمة محاكم الدرجة الأولى الباكستانية عبر التوليد المعزز بالاسترجاع. ووفقاً للنص المصدر، كان يبحث في قاعدة بيانات تضم 129,235 وثيقة، بما في ذلك 128,292 حكماً قضائياً و943 قانوناً باكستانياً. ومع كل استعلام، كان النظام يختار أكثر 10 مقاطع صلة ويولّد إجابة موثقة.

وتكتسب هذه البنية أهمية لأنها تضيق نطاق مهمة النموذج. فبدلاً من أن يُطلب من نموذج عام أن يرتجل تحليلاً قانونياً من الذاكرة، ربط النظام الإجابات بمجموعة محددة من المواد القانونية المحلية. وعملياً، يعني ذلك أن الأداة كانت أقرب إلى مساعد للبحث والصياغة منها إلى قاضٍ مستقل.

جاءت أكبر المكاسب من التعليم المنظم

قسّم الباحثون القضاة إلى ثلاث مجموعات. تلقت مجموعة واحدة وصولاً إلى JudgeGPT إلى جانب تعليم موجّه يتكون من ست محاضرات مدة كل منها 90 دقيقة على مدى ثلاثة أسابيع. وركزت تلك الجلسات على المهام التي تناسب الأداة، وحدودها، وكيفية التحقق من مخرجاتها. أما المجموعة الثانية فحصلت على الوصول إلى نظام الذكاء الاصطناعي نفسه، لكنها تلقت فقط ندوة عامة عن التكنولوجيا والقانون. وحضرت مجموعة ضابطة الندوة من دون الوصول إلى JudgeGPT.

والتباين بين هذه المجموعات هو جوهر النتيجة. فالقضاة الذين تلقوا تدريباً موجهاً استخدموا النظام بما يقارب أربعة أضعاف استخدام من تلقوا الندوة العامة فقط. وبعد 40 أسبوعاً، بلغ متوسط تسجيلات الدخول في المجموعة المدربة قرابة 60 مرة وأكثر من 200 استعلام، بينما بلغ متوسط المجموعة المقارنة نحو 20 تسجيل دخول وأقل من 50 استعلاماً.

وانعكس هذا الفارق في الاستخدام على نتائج على مستوى النظام. فقد قامت الأقاليم التي تضم عدداً أكبر من القضاة المدرَّبين بتسوية عدد أكبر مادياً من القضايا. وحتى الأقاليم الواقعة في الربع الأدنى من التعرض سجلت نحو 616 قضية إضافية سنوياً، وفق النتائج المعلنة.

والدلالة واضحة. فتبني الذكاء الاصطناعي داخل المؤسسات ليس مجرد مسألة إطلاق برنامج. إنه مسألة سير عمل وقدرات. ومن دون تعليم عملي، قد يقل استخدام النظام، أو يُساء فهم المجالات التي يفيد فيها، أو يتردد المستخدمون في الاعتماد عليه في أعمال ذات معنى. ومع التدريب، يمكن للنموذج نفسه أن يصبح جزءاً من دعم القرار اليومي.

لم تظهر مؤشرات على تدهور الجودة

لن تكون المكاسب في الإنتاجية ذات قيمة كبيرة إذا جاءت على حساب جودة الأحكام أو العدالة. ويقول النص المصدر إن جودة الأحكام بقيت مستقرة أو تحسنت بشكل طفيف. وانخفضت معدلات الاستئناف لكل 1,000 قضية محسومة انخفاضاً بسيطاً، بينما لم تتغير ساعات عمل القضاة ولا توازنهم بين العمل والحياة بشكل ملحوظ.

هذه النتائج لا تحسم كل المخاوف بشأن الذكاء الاصطناعي القضائي، لكنها تعالج خوفاً شائعاً: أن يعني الإخراج الأسرع بالضرورة قرارات أكثر سطحية. وفي هذه التجربة، لم تأتِ المكاسب المعلنة من ساعات أطول أو من تآكل واضح في الجودة. بل يبدو أنها جاءت من بحث أكثر كفاءة ومن معالجة أكثر فاعلية للقضايا.

وهذا التفريق مهم لصناع السياسات الذين يفكرون في استخدام أدوات مشابهة في محاكم مثقلة، أو وكالات حكومية، أو مكاتب الدفاع العام. فإذا استُخدم الذكاء الاصطناعي لاستعراض السوابق ذات الصلة، وتلخيص السجلات، وصياغة المواد المساندة، فقد يخفف الاختناقات من دون نقل المسؤولية القانونية النهائية بعيداً عن القضاة.

الاقتصاد يجعل النتيجة أصعب تجاهلاً

قدرت الدراسة وفراً بنحو 38.50 دولاراً لكل دولار يُستثمر، استناداً إلى التكلفة المكافئة لتوظيف قضاة إضافيين للحصول على زيادات مماثلة في تسوية القضايا. وينبغي قراءة هذا الرقم كتقدير لا كنتيجة مضمونة في الميزانية، لكنه يفسر لماذا يُرجح أن تواصل المؤسسات العامة اختبار أنظمة مشابهة.

في كثير من البلدان، إضافة قضاة أو كتبة أو باحثين قانونيين عملية مكلفة وبطيئة. وقد يكون تدريب القضاة الحاليين على استخدام مساعد ذكاء اصطناعي مصمم بعناية أقل تكلفة وأسرع، خصوصاً عندما تكون تراكمات القضايا حساسة سياسياً ومؤذية مؤسسياً. ومن المرجح أن يجذب أداة تحسن الإنتاجية من دون إطالة ساعات العمل أو زيادة الاستئنافات اهتماماً يتجاوز باكستان بكثير.

ومع ذلك، تشير المادة المصدر أيضاً إلى تحذير يمكن تعميمه. فقد نجح التدخل لأنه جمع بين إتاحة النموذج، والاسترجاع القانوني المنسق، والتعليم المتعمد بشأن الحدود والتحقق. وإذا أزيلت هذه العناصر، تصبح الحجة الخاصة بالمكاسب الإنتاجية أضعف بكثير.

لماذا تهم الدراسة ما وراء قاعة المحكمة

الأهمية الأوسع لهذه التجربة ليست أن الذكاء الاصطناعي يمكن أن يحل محل الحكم القانوني، بل أن أنظمة الذكاء الاصطناعي ذات النطاق المحدد قد تحسن أداء المؤسسات المرهقة عندما تُدخل بانضباط تشغيلي كافٍ. وينطبق هذا الدرس على المحاكم، لكنه ينطبق أيضاً على هيئات الضرائب، وأنظمة المزايا، والمستشفيات، والمدارس، والجهات التنظيمية: فتبني البشر للتقنية متغير أساسي، لا تفصيل لاحق.

لا يزال كثير من النقاش العام حول الذكاء الاصطناعي التوليدي يتأرجح بين المبالغة والتجاهل. لكن هذه الدراسة تقع في مكان أكثر فائدة. فهي تشير إلى أن التكنولوجيا يمكن أن تحقق مكاسب حقيقية في بيئة عامة صعبة، لكن فقط تحت شروط تجعل هذه المكاسب معقولة: استرجاع متخصص في المجال، وضمانات صريحة، وتدريب يعلّم المستخدمين ما تستطيع الأداة فعله وما لا ينبغي الوثوق بها فيه وحدها.

وبالنسبة للحكومات التي توازن ما إذا كان ينبغي إدخال الذكاء الاصطناعي في الأنظمة الإدارية عالية المخاطر، فقد يكون هذا هو الاستنتاج الأهم على الإطلاق. فلم تأتِ العائدات من نشر نموذج وانتظار التحول، بل من التعامل مع الذكاء الاصطناعي بوصفه قدرة مؤسسية يجب أن تُدرّس وتُدمج وتُراجع.

هذه المقالة مبنية على تغطية The Decoder. اقرأ المقال الأصلي.