هارفي تينيت: انتقال الذكاء الاصطناعي القانوني من استئجار النماذج إلى امتلاكها

لم يعد Harvey Tenet مجرد روبوت محادثة جديد للمحامين. فالنموذج يمثل أول محاولة للشركة لبناء طبقة ذكاء اصطناعي داخلية، عبر إجراء تدريب لاحق على نموذج Kimi K3 مفتوح الأوزان من شركة Moonshot AI الصينية، بالتعاون مع Fireworks AI، بهدف التعامل مع المهام القانونية الممتدة والمعقدة.

وتشير هذه الخطوة إلى تحول في استراتيجية Harvey: من الاكتفاء بتخصيص نماذج الأساس التي توفرها شركات أخرى، إلى امتلاك جزء أكبر من طبقة النموذج نفسها. وقد يمنح ذلك الشركة سيطرة أوسع على سلوك النظام وتكلفة تشغيله، لكن تقييمات الأداء الأقوى لا تزال صادرة عن Harvey نفسها، وتحتاج إلى اختبارات مستقلة ونتائج أوسع من الاستخدام الفعلي.

ما هو Harvey Tenet؟

تصف Harvey Tenet بأنه أول نموذج خضع لتدريب لاحق مخصص للعمل القانوني. وهو مبني على Kimi K3، النموذج مفتوح الأوزان الذي طورته Moonshot AI، وهي شركة الذكاء الاصطناعي الصينية التي تقف وراء خدمة Kimi. وعملت Harvey مع Fireworks AI على مرحلة التدريب المتخصصة.

ويعني «التدريب اللاحق» تحسين النموذج بعد إتمام تدريبه الأساسي، بدل بناء نموذج أساس جديد من الصفر. وتقول Harvey إن العملية اعتمدت على بيانات قانونية متاحة للعامة، وبيانات اصطناعية، وبيانات أعدها خبراء بشريون لمحاكاة المهام القانونية طويلة الأفق، أي المهام التي قد تستغرق ساعات أو تمتد عبر عدة خطوات مترابطة.

لذلك لا يُقدَّم Tenet بوصفه نموذجًا عامًا جديدًا ينافس كل النماذج الأخرى في مختلف المجالات، بل نسخة متخصصة من نموذج قائم، صُممت لتناسب مراجعة العقود، والفحص النافي للجهالة، والتحليل القانوني، وسير العمل المعقد داخل مكاتب المحاماة والإدارات القانونية.

ماذا تقول Harvey عن أداء النموذج؟

تقول الشركة إن Tenet يحقق أداءً رائدًا في معيار LAB القانوني، كما يعمم أداءه على معايير قانونية تابعة لجهات خارجية. ووفق تحديث نشرته Harvey، أنجز Tenet ما يقارب ضعف عدد المهام المحجوزة للاختبار من معيار LAB مقارنةً بنموذج Kimi K3 الأساسي، كما أنجز مهام عقود LAB بنسبة أعلى بلغت ٢٠٪. وترتبط هذه النتائج بزيادة في معدلات اجتياز جميع شروط المهمة بمقدار ٩ نقاط مئوية و٢ نقطتين مئويتين على التوالي.

وتشير هذه الأرقام إلى أن التدريب اللاحق حسّن أداء النموذج الأساسي بوضوح في الاختبارات التي اختارتها Harvey. لكنها لا تثبت وحدها أن Tenet يتفوق على كل نموذج منافس في الممارسة القانونية الواقعية. فقد تؤثر طريقة تصميم المعيار، واختيار المهام، وصياغة التعليمات، وآلية التقييم، وظروف النشر على النتيجة النهائية.

كما لم يكن وضع إطلاق Tenet واضحًا بالكامل عند الإعلان عنه. فقد أفادت Business Insider بأن النموذج كُشف عنه، لكنه لم يكن متاحًا بعد داخل منصة Harvey، فيما لم تحدد الشركة موعدًا لبدء تشغيله. ولهذا ستظل الاختبارات المستقلة في بيئة الإنتاج خطوة أساسية للحكم على قيمته العملية.

لماذا يهم اختيار Kimi K3؟

يكتسب اختيار Kimi K3 أهمية خاصة لأن Harvey ترتبط منذ فترة بمزودي الذكاء الاصطناعي الغربيين، وكانت قد تعاونت سابقًا مع OpenAI لتطوير نموذج قانوني مخصص. وبصورة أوسع، اعتمدت منصات الذكاء الاصطناعي القانوني على نماذج مغلقة من شركات مثل OpenAI وAnthropic، مع دفع رسوم مقابل الاستخدام والاعتماد على جداول الإطلاق والأسعار والبنية التحتية التي يحددها هؤلاء المزودون.

أما استخدام نموذج مفتوح الأوزان فيمنح Harvey مساحة أكبر لتعديل النظام ونشره. إذ تستطيع الشركة تحديد أسلوب التدريب اللاحق، وتحسين النموذج لأحمال عمل معينة، وتوجيه أنواع مختلفة من المهام القانونية إلى نماذج أو مسارات تشغيل مناسبة.

لكن المقابل هو تحمّل مسؤوليات كانت تقع بدرجة أكبر على عاتق مزودي النماذج الخارجية، مثل البنية التحتية، والأمن، والتقييم، والصيانة، وتشغيل النموذج على نطاق واسع.

كما يعكس القرار تحولًا عمليًا في تطوير الذكاء الاصطناعي. فقد يصبح أصل النموذج أو بلد الشركة المطورة أقل حسمًا للمستخدم التجاري عندما يوفر النموذج مفتوح الأوزان نقطة انطلاق قوية، ويمكن تكييفه قانونيًا وتقنيًا، ويقدم اقتصاديات تشغيل ملائمة. ومع ذلك، لا يلغي هذا أسئلة مصدر البيانات، والأمن، والحوكمة، وقبول العملاء؛ بل يجعلها جزءًا مباشرًا من عملية التدقيق قبل اعتماد النموذج داخل المؤسسات.

المبرر التجاري لامتلاك جزء أكبر من التقنية

بالنسبة إلى منصة قانونية تتعامل مع سير عمل مهني عالي القيمة، يمكن لاقتصاديات النموذج أن تؤثر مباشرة في هوامش الربح وتصميم المنتج. فواجهات برمجة النماذج الخارجية المتقدمة تفرض عادة رسومًا مرتبطة بحجم الاستخدام، ما يعني أن التكلفة ترتفع مع معالجة الوثائق الطويلة، وزيادة خطوات الوكلاء، والمهام التي تتطلب استدلالًا ممتدًا.

وقد يتيح النموذج الداخلي لـ Harvey توجيه المهام المناسبة إلى بنية تحتية تتحكم فيها الشركة، بدل إرسال كل طلب إلى نموذج خارجي مكلف.

لكن امتلاك الأوزان لا يعني أن الاستدلال أصبح مجانيًا. فما زالت Harvey بحاجة إلى القدرة الحاسوبية، وتجهيز البيانات، وأنظمة ضبط الجودة والأمن، والمهندسين القادرين على صيانة النموذج. وتقول الشركة إن التدريب اللاحق شجع أيضًا على استخدام أكثر كفاءة للأدوات والاستدلال، بما قد يقلل عدد الرموز التي يستهلكها النظام أثناء التشغيل.

وقد يؤدي ذلك إلى توزيع عملي للمهام: تُستخدم النماذج العامة الأغلى للمسائل الأصعب والأكثر انفتاحًا، بينما يتولى نموذج متخصص الأعمال القانونية المتكررة والعالية الحجم بتكلفة تشغيل أقل. لكن نجاح هذه المعادلة سيتوقف على دقة Tenet الفعلية، وزمن الاستجابة، ومعدل استخدامه، ومتطلبات البنية التحتية، لا على سعر أوزان النموذج وحده.

ماذا يغير ذلك في استراتيجية Harvey؟

تقدم Harvey نفسها بوصفها منصة ذكاء اصطناعي متخصصة في القانون والخدمات المهنية. وتقول الشركة إن أكثر من ٢٤٠٠ مؤسسة قانونية تستخدم منصتها، وإن منتجاتها تخدم مكاتب محاماة وإدارات قانونية داخل الشركات في مجالات تشمل تحليل العقود، والفحص النافي للجهالة، والامتثال، والتقاضي.

وتمنح قاعدة العملاء هذه Harvey سببًا قويًا للتحكم في مزيد من التقنية التي تقف خلف المنتج. فالعملاء القانونيون يحتاجون إلى سلوك متسق، وأمن، وقابلية للتتبع، وأداء موثوق عبر مهام حساسة ومتنوعة.

وقد يصبح Tenet أساسًا لمنصة أكثر تكاملًا تتحكم فيها Harvey في النموذج، وتنسيق الوكلاء، وسياق الملفات والقضايا، وسير العمل المتخصص. كما قد يسهل مستقبلًا تخصيص النماذج وفق المعرفة المؤسسية لكل عميل. وقد ورد هذا الاحتمال في تقارير عن توجه الشركة، لكنه يظل اتجاهًا مستقبليًا وليس قدرة مؤكدة عند الإطلاق.

الدرس الأوسع لشركات الذكاء الاصطناعي المتخصص

تكمن أهمية Tenet الاستراتيجية أكثر من التقنية البحتة. فشركات الذكاء الاصطناعي المتخصصة في قطاع معين قد لا تحتاج إلى تدريب نماذج رائدة من الصفر حتى تحصل على قدر مؤثر من التحكم في منتجاتها.

يمكن لشركة تعمل في الذكاء الاصطناعي العمودي أن تجمع بين أربعة عناصر:

• نموذج عام مفتوح الأوزان كنقطة بداية؛
• بيانات متخصصة أو بيانات أعدها خبراء في المجال؛
• تدريب لاحق يستهدف سير العمل الفعلي في القطاع؛
• ضوابط على مستوى المنتج تشمل الوكلاء، والسياق، والتقييم، والنشر.

قد يتيح هذا النهج بناء ميزة تنافسية من دون تحمل رأس المال والبنية التحتية اللازمين لمنافسة أكبر مطوري نماذج الأساس مباشرة. لكنه يحمّل الشركة التطبيقية أيضًا جانبًا أكبر من العمل الصعب: إثبات الموثوقية، وحماية البيانات الحساسة، ومراقبة الإخفاقات، والتأكد من أن التحسن في المعايير يترجم إلى نتائج مفيدة في الواقع.

بالنسبة إلى Harvey، يمثل Tenet إطلاق نموذج واختبارًا للتكامل الرأسي في آن واحد. تراهن الشركة على أن الخبرة القانونية وبيانات سير العمل يمكن أن تحول نموذجًا مفتوح الأوزان إلى نظام ذي قيمة تجارية، وأن امتلاك النموذج المتخصص سيحسن السيطرة على التكلفة وأداء المنتج. وما تدعمه الأدلة حتى الآن هو اتجاه استراتيجي واضح؛ أما حجم الميزة العملية، فسيتحدد من خلال التقييمات المستقلة وأداء Tenet في الأعمال القانونية اليومية.