من التجربة إلى الإنتاج: كيف تبني وكيل ذكاء اصطناعي فوق وثائق مؤسستك العربية والإنجليزية

1. معضلة الانتقال من بيئة التجارب إلى بيئة الإنتاج

تبدأ معظم المؤسسات مشاريع الذكاء الاصطناعي بنموذج تجريبي (PoC) سريع مبني فوق واجهات برمجة عامة. تبدو النتائج مبهرة في أول 50 استعلاماً بسيطاً، ولكن عندما يُطرح النظام لمئات الموظفين للبحث في آلاف المستندات واللوائح الداخلية، تظهر التشققات المعمارية: إجابات غير دقيقة (هلوسة)، استرجاع نصوص من وثائق سرية لا يملك الموظف حق الاطلاع عليها، وبطء شديد في معالجة المستندات العربية الممسوحة ضوئياً.

الانتقال للإنتاج ليس مجرد زيادة في موارد الخادم، بل إعادة هندسة شاملة لدورة حياة البيانات، بدءاً من استخراج النصوص وتنظيفها، وحتى حوكمة السياق ومراقبة التكاليف.

2. التحديات الفريدة للمستندات العربية وثنائية اللغة

تحتوي المستندات المؤسسية في السوق السعودي غالباً على مزيج من المصطلحات الإنجليزية الفنية والصياغات القانونية أو الإدارية باللغة العربية الفصحى. تفشل محركات التقطيع التقليدية المعتمدة على عدد الكلمات أو الأحرف في فهم البنية الصرفية للجملة العربية، مما يؤدي إلى قطع الكلمات المفتاحية وفقدان الرابط الدلالي.

علاوة على ذلك، فإن الاعتماد على نماذج تضمين إنجليزية بحتة يؤدي إلى تمثيل ضعيف للمفردات العربية، مما يقلل من دقة استرجاع المستندات ذات الصلة.

• تقطيع ذكي قائم على الفقرات والترقيم اللغوي وليس الأطوال الثابتة العشوائية.
• استخدام نماذج تضمين ثنائية اللغة مدعومة بتقييمات معيارية واقعية (مثل BAAI أو Cohere Embed Multilingual).
• الاحتفاظ بالبيانات الوصفية (Metadata) لكل فقرة تشمل تاريخ الإصدار والقسم والدرجة الأمنية.

3. المعمارية الهندسية: استرجاع مقيد بالأذونات (ACL-Aware RAG)

أخطر ثغرة في أنظمة RAG غير المهندسة هي "تجاوز صلاحيات الوصول". إذا كان النموذج قادراً على قراءة كل متجهات قاعدة البيانات، فإنه قد يسترجع تقرير رواتب أو مذكرة اندماج سرية لعرضها في إجابة موظف مبتدئ.

الحل المعماري هو تطبيق التصفية الأمنية المبكرة (Pre-filtering) على مستوى قاعدة بيانات المتجهات (Vector Database)؛ بحيث يتم تضمين هويات الأذونات (Access Control Lists) في استعلام البحث قبل احتساب تشابه المتجهات.

4. القياس والمراقبة وتقليل الهلوسة في بيئة الإنتاج

لضمان استقرار الوكيل، يجب قياس ثلاث معايير رئيسية لكل إجابة: ملاءمة السياق المسترجع (Context Relevance)، وأمانة الإجابة للمصدر (Faithfulness)، وملاءمة الإجابة لسؤال المستخدم (Answer Relevance).

من خلال توثيق كل عملية استدعاء في سجل تدقيق غير قابل للتعديل وتحديد مسارات التحقق المستمر، تضمن المؤسسة تقليص نسبة الهلوسة إلى ما يقارب الصفر والامتثال لمتطلبات التدقيق الداخلي.