تُثبت Archer® أن حلول الذكاء الاصطناعي المُصمَّمة خصيصًا لغرض محدد تتفوق بوضوح على نماذج اللغة الكبيرة المُصمّمة لغرض عام في مجال إدارة التغييرات التنظيمية: محققة مستويات دقة معتمدة تصل إلى 95%، وسرعة معالجة أعلى بمقدار 80 مرة، وتخفيضًا في التكاليف بنسبة 92%
في اختبار معياري مباشر، أظهر أحد نماذج اللغة الكبيرة المُصمّم لغرض عام الرائد ثقةً مضلِّلة، حيث كان مخطئًا بنسبة 35% عند التعامل مع التواريخ والمواعيد التنظيمية. قدّمت Archer Evolv™ أداءً خاليًا من الأخطاء تمامًا.
أوفرلاند بارك، كانساس--(BUSINESS WIRE)-- بالنسبة للمؤسسات التي تُطبّق الذكاء الاصطناعي في مجالات الامتثال، فإن خطأً في تاريخ واحد لا يُعد مجرد خطأ بسيط، بل قد يعني تفويت موعد نهائي حاسم. إن أخطر أشكال الفشل لا يتمثل في مجرد إجابة خاطئة، بل تلك الإجابة التي يقدمها النموذج بثقة عالية، والتي تتسلل بصمت إلى تقويم الامتثال المؤسسي، ولا يتم اكتشافها إلا بعد انقضاء المهلة الزمنية. أعلنت Archer ® اليوم نتائج تُظهر أن الذكاء الاصطناعي المُصمَّم لغرض محدد يتفوق على نماذج اللغة الكبيرة (LLMs) المُصمَّمة لغرض عام في أعمال الامتثال التنظيمي، وبفارق واضح لا مجال للالتباس فيه. قارن هذا الاختبار المعياري المباشر بين الذكاء الاصطناعي المُصمَّم خصيصًا والموجَّه لقطاع محدد من شركة Archer، والمدعوم بمجموعات بيانات ملكية خاصة، وبين أحد نماذج اللغة الكبيرة المُصمَّم لغرض عام الرائدة، وذلك ضمن مهمة أساسية في مجال الامتثال التنظيمي. وقد ركّز الاختبار على تحديد تواريخ النشر، وتواريخ السريان، وتواريخ انتهاء فترة التعليقات للوثائق التنظيمية عبر ست ولايات قضائية مختلفة.
تُعد النماذج المُصمَّمة لغرض عام إنجازًا حقيقيًا ومهمًا في هذا المجال، ولا يُمثل هذا التقييم استفتاءً على جودة تلك النماذج. السؤال الذي سعت شركة Archer للإجابة عنه هو سؤال أضيق نطاقًا وأكثر عملية: ما الذي يتطلبه جعل اتخاذ قرار محدد وعالي الحساسية موثوقًا، وسريعًا، وبتكلفة منخفضة على نطاق واسع. إنّ العملية المتخصصة والموجَّهة نحو مجال محدد، والمدعومة بقاعدة معرفة مُتحقَّق منها من قِبل خبراء، تتفوّق في جميع الجوانب الثلاثة في آنٍ واحد.
الدقة: انخفاض بنسبة 90% في الإجابات الخاطئةفي مجموعة مكوّنة من 55 مستندًا، كان نموذج اللغة الكبير (LLM) المُصمَّم لغرض عام مخطئًا في 56% من الحالات. لم تؤدِّ الثقة العالية إلى تحسين النتائج، بل جعلتها أسوأ. من بين الإجابات التي صنّفها النموذج على أنها عالية الثقة، كان 35% منها لا يزال خاطئًا. مع Archer Evolv، يتم التحقق من أكثر من 95% من القرارات بشكل مباشر، بينما يتم توجيه البقية إلى خبير مختص قبل اعتمادها أو استخدامها. لم يصل إلى بيئة الإنتاج أي تاريخ خاطئ على الإطلاق. لا يتم إطلاق أي شيء دون التحقق منه.
|النتيجة على المستندات النموذجية |عملية نموذج اللغة الكبير (LLM) |Archer Evolv || |العام | |
|صحيحة |44% |تم التحقق من 95% من النتائج، بينما تمت مراجعة 5%|| | |المتبقية من قِبل خبير |
|تم إرجاعها على أنها صالحة رغم كونها خاطئة |25% |0% ||فشلت أو انتهت المهلة الزمنية |31% |0% |
ثقة النموذج في إجاباته ليست آلية تحكّم. من بين الإجابات التي صنّفها نموذج اللغة الكبير المُصمَّم لغرض عام على أنها عالية الثقة، كان 35% منها خاطئًا. تُعد فجوة الدقة هذه شرطًا أساسيًا مسبقًا لنشر الذكاء الاصطناعي الوكيل بشكل مسؤول، لأن أي وكيل مستقل لا يكون أكثر موثوقية من درجة صحة القرارات التي يعتمد عليها في الأساس. تتيح الإجابات المُتحقَّق منها، والقابلة لتتبّع المصدر، والمُدارة من قبل خبراء، نشر وكلاء الذكاء الاصطناعي بأمان عبر مختلف أقسام المؤسسة. هذا هو جوهر حوكمة الذكاء الاصطناعي، وهو الطبقة التي صُمِّمت Archer لتقديمها.
قال Kayvan Alikhani، الرئيس التنفيذي للمنتجات والتقنية في شركة Archer، "في مجال الامتثال، فإن أي إجابة قد تكون سريعة ومنخفضة التكلفة، لكنها غير صحيحة، تُعد بلا قيمة حقيقية، كما أن أي إجابة لا يمكن تتبّع مصدرها تُعدّ عبئًا ومخاطرة على المؤسسة". "نجح الذكاء الاصطناعي المُصمَّم لغرض خاص من Archer في التحقق من أكثر من 95% من القرارات في الوقت الفعلي. ويشكّل ذلك الأساس الذي يتيح للمؤسسات توسيع نطاق نشر وكلاء الذكاء الاصطناعي دون فقدان السيطرة على النتائج".
السرعة: يتم تقديم الإجابات المُتحقَّق منها في الوقت الفعليفي المتوسط، استغرقت عملية النموذج المُصمَّم لغرض عام نحو أربع ثوانٍ لكل استجابة، وذلك لكل طلب على حدة، ضمن حدٍّ زمني أقصاه خمس ثوانٍ لكل عملية. قدّمت Archer Evolv تاريخًا مُتحقَّقًا منه في نحو خمسة أجزاء من المئة من الثانية، أي أسرع بنحو 80 مرة عند تكرار عمليات البحث. بالنسبة لوكلاء الذكاء الاصطناعي والمحللين الذين يعملون بوتيرة جداول الامتثال التنظيمي، فإن هذا الفارق يمثل الفرق بين القدرة على مواكبة التحديثات وبين أن يصبح النظام نفسه عنق زجاجة يعيق العمل.
التكلفة، يعتمد النهج على قاعدة معرفة دائمة ومُتحقَّق منها، وليس على الاستدلال عند الطلبتعيد العملية في النماذج المُصمَّمة لغرض عام حساب الإجابة في كل طلب على حدة، دون وجود ذاكرة دائمة لما تم التوصل إليه في المرات السابقة. تحسب Archer Evolv النتيجة مرة واحدة عند إدخال البيانات، ثم تتحقق منها وتقوم بإضافتها إلى قاعدة معرفة قابلة للتوسع ومُدارة من قِبل خبراء، ليتم الاحتفاظ بها واستخدامها في جميع عمليات البحث المستقبلية، وذلك بتكلفة وزمن انتقال أقل بكثير. عند تعديل أي لائحة تنظيمية، تقوم Evolv باكتشاف التغيير بشكل استباقي، ثم تعيد التحقق من المعلومات وتقوم بإصدار نسخة مُحدَّثة ومؤرخة من الإجابة. لا يتم تقديم أي معلومة قديمة أو غير مُحدَّثة في أي وقت. بالنسبة لمجموعة مكوّنة من 500 مستند، ومع متوسط 12 عملية بحث لكل مستند شهريًا، فإن ذلك يعادل 6,000 عملية تحديد شهريًا مقابل 500 مستند فقط. تقلل Archer Evolv من استدعاءات الاستدلال بنحو 92% تقريبًا، وهو توفير بنيوي يتسع أثره كلما زاد حجم الاستخدام.
السياق هو ما يجعل ذلك ممكنًاترجع ميزة Archer Evolv إلى السياق: إذ يقوم النظام، قبل تشغيل أي نموذج ذكاء اصطناعي، بتحليل ولايات المؤسسة القضائية، ومنتجاتها، ووحدات أعمالها، ومخاطرها، والموضوعات التنظيمية ذات الصلة، بحيث تكون كل عملية تحديد مبنية على ما هو مرتبط فعليًا بتلك المؤسسة. هذا هو الفارق الجوهري بين مجرد إجابة، وبين إجابة يمكن الدفاع عنها. كلما زاد عدد وكلاء الذكاء الاصطناعي الذين تنشرهم الشركة، ازدادت قيمة هذه القاعدة الأساسية، لأن كل وكيل يستفيد من نفس الأساس المُتحقَّق منه والقابل لتتبّع المصادر، بدلاً من إعادة استنتاج الواقع من الصفر في كل مرة.
صرَّح Bill Diaz، الرئيس التنفيذي لشركة Archer، قائلاً: "إن الشركات التي ستقود موجة النجاح القادمة في قطاع البرمجيات كخدمة (SaaS) خلال العقد المقبل هي تلك التي ستجمع بين الذكاء الاصطناعي المتخصص في المجال، وبين سياق مِلكيّ خاص بكل قطاع عمودي، وهو ما لا تستطيع نماذج الأساس محاكاته أو إعادة إنتاجه". "هذه هي الميزة التنافسية الحصينة، وهي ليست ثابتة، بل تتراكم وتزداد قوة بمرور الوقت. هذا الاختبار هو الدليل على ذلك".
المنهجية الكاملة، والبيانات المصدرية، ودراسة الحالة متاحة عبر الموقع المتخصص في القيادة الفكرية لشركة Archer على: compliance.ai/evolv_assets/case-01-evolv-vs-raw-llm.html. للاطلاع على Archer Evolv أثناء العمل، يُرجى زيارة: www.archerirm.com.
نبذة عن Archerتُشغّل Archer آلية إدارة المخاطر والامتثال والتغيّرات التنظيمية لدى أبرز المؤسسات الرائدة حول العالم. تعتمد أكثر من 1,300 مؤسسة على حلول Archer، بما في ذلك ما يقارب نصف شركات Fortune 500، و37 من أكبر 50 بنكًا على مستوى العالم. تطرأ في العالم تغييرات تنظيمية جديدة كل ست دقائق، في حين يتجاوز الذكاء الاصطناعي الوكيل قدرة معظم الفرق على حوكمتها وإدارتها بالوتيرة نفسها. تعتمد تقنية الذكاء الاصطناعي المصممة خصيصًا من Archer على أعمق قاعدة بيانات تنظيمية وخبرة تخصصية في مجال الحوكمة والمخاطر والامتثال (GRC)، بحيث يمكن تتبّع كل نتيجة وصولاً إلى مصدرها الأصلي، كما يمكن الدفاع عن كل قرار استنادًا إلى أساس موثوق وقابل للتحقق. تقدم Archer حلولاً متكاملة تغطي مختلف مجالات الحوكمة والمخاطر والامتثال (GRC)، بما في ذلك إدارة التغيّرات التنظيمية، وإدارة مخاطر الذكاء الاصطناعي، والاستخبارات التنظيمية، وإدارة مخاطر الأطراف الثالثة، إلى جانب إدارة مخاطر تقنية المعلومات والأمن السيبراني. تعرّف على المزيد على www.archerirm.com.
إن نص اللغة الأصلية لهذا البيان هو النسخة الرسمية المعتمدة. أما الترجمة فقد قدمت للمساعدة فقط، ويجب الرجوع لنص اللغة الأصلية الذي يمثل النسخة الوحيدة ذات التأثير القانوني.
جهات الاتصالKevin Bobowskikevin.bobowski@archerirm.comالمصدر: Archer
© Business Wire, Inc.
Disclaimer :
This press release is not a document produced by AFP. AFP shall not bear responsibility for its content. In case you have any questions about this press release, please refer to the contact person/entity mentioned in the text of the press release.