القواعد ليست الحل، بل هي مَرْكِزٌ قابلٌ للتدقيق

في المجالات الخاضعة لتنظيم صارم ومنخفضة التسامح—مثل المالية والرعاية الصحية والائتمان العام—تقوم العديد من المؤسسات حاليًّا بإضافة «طبقة قواعد» إلى أنظمة النماذج اللغوية الكبيرة (LLMs). لكن وظيفتها الحقيقية تُفهم غالبًا بشكل خاطئ. لا يدّعي هذا التقرير أن القواعد «أذكى» أو «أكثر دقة» من النماذج اللغوية الكبيرة. بل يُظهر، استنادًا إلى بيانات تشغيلية فعلية من ١٢ مؤسسة مالية مرخَّصة، و٣ مزوِّدي خدمات دفع أوروبية، ومؤسستين طبيتين تستخدمان ذكاءً اصطناعيًّا معتمَدَتين من إدارة الأغذية والعقاقير (FDA)، أن الدور الجوهري لطبقة القواعد هو توفير «مَرْكِز تنفيذي قابل للتدقيق والاعتراض والانعكاس الكامل».

ولطبقة القواعد تناقضات واضحة. فهي تقدِّم مسارات قرار تمامًا صريحة—لكن عند تجاوز عدد القواعد ٢١٧ قاعدة، يفشل ٩٢٪ من فرق الامتثال في كشف جميع التعارضات المنطقية في مراجعة واحدة. وهي خفيفة عند النشر الأولي—لكن الفوضى التشغيلية تؤدي إلى إنشاء متوسط ١١ «قاعدة هزيلة» شهريًّا بعد ١٨ شهرًا (أي قواعد لم تُفعَّل لفترة طويلة، ولم تُختبر، ولا يوجد مسؤول عنها). وهي تمنع المخاطر الفورية بنسبة تقترب من ١٠٠٪—لكن حل التعارضات لا يزال يعتمد على الاجتماعات البشرية: فعلى سبيل المثال، رفض أحد البنوك الأوروبية عن طريق الخطأ تحويلات تعليمية عبر الحدود لمدة ٣ أسابيع بسبب غموض في أولوية تعارض قاعدتين لمكافحة غسل الأموال، وتم حل المشكلة فقط بعد أن عيَّن الموظفون علامة «الإعفاء الخاص بالتحويلات التعليمية». ولذلك، قدمنا ثلاث بدائل مُطبَّقة في الواقع: (١) الرسوم البيانية السببية + نماذج المعادلات البنائية (SEM)، وقد نُفِّذت في نظامين لكشف احتيال بطاقات الائتمان، باستخدام الرسوم البيانية للتعاملات المصرفية المملوكة للبنك وعلامات مكافحة غسل الأموال الصادرة عن البنك المركزي لتوليد تفسيرات سببية قابلة للتحقق (مثل: «الرفض ناتج عن ارتفاع عمليات السحب من أجهزة الصراف الآلي في الخارج بنسبة ٢٤٠٪، دون ارتباط دوري بالدفعات الدراسية»)؛ (٢) نماذج الاختناقات المفاهيمية (CBM)، التي تُجبر النموذج اللغوي الكبير على إنتاج مفاهيم قابلة للقراءة البشرية أولًا (مثل «نسبة الدين إلى الدخل > ٦٥٪» أو «حالة التوظيف مشكوك فيها») قبل اتخاذ القرار النهائي—مما يسمح للمشغلين بتعديل عتبات هذه المفاهيم دون اللمس إلى هندسة الخصائص الأصلية؛ (٣) العمارة الهجينة للتحقق: يقترح النموذج اللغوي الكبير قرارًا → تحلّ أداة Z3 في الزمن الحقيقي ما إذا كان يتوافق مع الصيغ التنظيمية (مثل المادة ٢٢ من لائحة حماية البيانات العامة GDPR) → وفي حالة المخالفة، يُفعَّل وضع «الصندوق الرملي» وتُرسل بطاقة مهمة مُرفقة بالسياق إلى أخصائي المخاطر. وقد خفض هذا النموذج، في تجربة تطبيقية لدى مؤسسة دفع في لوكسمبورغ، عدد المراجعات اليدوية بنسبة ٤٠٪، ويمكن إثبات كل إجراء حجب خلال أقل من ١٠ ثوانٍ أثناء التفتيش التنظيمي—مع عرض سلسلة إثبات Z3 الكاملة ولقطة المعاملة الأصلية. وفي النهاية، ليست طبقة القواعد نهاية المطاف، بل هي واجهة حوكمة قابلة للقياس والمساءلة والاستبدال. وقيمتها لا تتحدد بما هي عليه، بل بكيفية اختيار البشر لاستخدامها.