نظام الذكاء الاصطناعي ساعد القضاة الباكستانيين في تصفية تراكم القضايا بعائد قدره 38.50 دولارًا لكل دولار مستثمر
أظهرت دراسة من ETH Zurich وImperial College London أن نظام ذكاء اصطناعي قائم على GPT-4 ساعد القضاة الباكستانيين على تحقيق زيادة بنسبة 6.3% في حل القضايا.
أزمة النظام القضائي الباكستاني
يعد النظام القضائي الباكستاني من أكثر الأنظمة عبئًا في العالم. بحلول نهاية عام 2024، كان 2.26 مليون قضية معلقة، 82% منها عالقة في محاكم الدرجة الأولى. يبلغ عدد القضاة في البلاد أقل من 2 لكل 100,000 نسمة — مقارنة بـ 22 في الاتحاد الأوروبي و 30 في إنجلترا. يعني هذا أن الملايين ينتظرون العدالة لسنوات، مما يخلق ليس فقط مشكلة اجتماعية بل اقتصادية أيضًا. القضايا غير المحلولة تخنق النشاط التجاري، وتردع الاستثمارات، وتقوض الثقة في مؤسسات الدولة.
بناء JudgeGPT: نظام ذكاء اصطناعي للمحاكم
باحثون من ETH Zurich وImperial College London بنوا "JudgeGPT" على أساس GPT-4 من OpenAI، باستخدام تقنية Retrieval-Augmented Generation (RAG). تغير RAG بشكل جذري طريقة عمل الذكاء الاصطناعي في المجالات المتخصصة — فبدلاً من الاعتماد فقط على بيانات التدريب، يقوم النموذج بنشاط بسحب المعلومات ذات الصلة من قاعدة بيانات موثوقة في الوقت الفعلي. استند النظام إلى 129,235 وثيقة، بما في ذلك 128,292 حكمًا قضائيًا و 943 قانونًا باكستانيًا. وهذا يعني أن القاضي يمكنه إدخال تفاصيل قضية معينة والحصول على إجابة تستند إلى تشريعات وسوابق فعلية وحالية.
أكبر تجربة عشوائية محكومة للذكاء الاصطناعي في الحكومة
هذه هي أكبر مجموعة أدلة تجريبية تم جمعها على الإطلاق حول تعزيز الذكاء الاصطناعي للإنتاجية الحكومية. تم تقسيم 1,559 قاضيًا من 118 محكمة إلى ثلاث مجموعات: (1) JudgeGPT مع تدريب مستهدف، (2) JudgeGPT مع ندوة عامة، و(3) مجموعة ضابطة دون أي وصول للذكاء الاصطناعي. استمرت هذه التجربة العشوائية المحكومة (RCT) لمدة 40 أسبوعًا. تتبع الباحثون ليس فقط عدد مرات استخدام القضاة للذكاء الاصطناعي، ولكن أيضًا جودة الأحكام، ومعدلات الاستئناف، وساعات العمل، ومؤشرات التحيز المحتملة.
التدريب: العامل الحاسم
كانت النتيجة الأكثر لفتًا للانتباه هي أن الوصول إلى الذكاء الاصطناعي وحده (مع ندوة عامة فقط) لم يفعل شيئًا تقريبًا. هذه النتيجة بليغة بشكل خاص بالنظر إلى أن حوالي 25% فقط من المشاركين استخدموا نموذج لغة كبير مثل ChatGPT من قبل — مما يشير إلى أن عدم الألفة كان عائقًا رئيسيًا. القضاة الذين تلقوا تدريبًا مستهدفًا استخدموا الذكاء الاصطناعي 4 مرات أكثر: بعد 40 أسبوعًا، سجلوا حوالي 60 جلسة مع أكثر من 200 طلب، مقارنة بـ 20 جلسة وأقل من 50 طلبًا في مجموعة الندوة العامة. تضمن التدريب المستهدف تمارين عملية، ومحاكمات محاكاة، وتغذية راجعة مخصصة.
مكاسب إنتاجية ملموسة
كانت النتائج كبيرة: 1,848 قضية إضافية تم حلها سنويًا لكل منطقة، وهو ما يمثل زيادة بنسبة 6.3%. قد تبدو هذه النسبة متواضعة، لكنها من حيث القيمة المطلقة تعني آلاف القضايا الإضافية المحلولة في جميع أنحاء النظام. انخفض معدل الاستئناف قليلاً لكل 1,000 قضية محلولة، مما يشير إلى أن القرارات المدعومة بالذكاء الاصطناعي لم تكن أقل جودة — بل على العكس، كانت أفضل. عندما قام خبراء قانونيون مستقلون بتقييم أحكام القضاة في مقارنات زوجية عمياء، حصلت الأحكام المدعومة بالذكاء الاصطناعي على تقييم أعلى في 59% من الحالات مقابل 42% في المجموعة الضابطة.
الأخلاقيات والتحيز والتوازن بين العمل والحياة
الأهم من ذلك، أن ساعات العمل والتوازن بين العمل والحياة لم تتغير — الذكاء الاصطناعي جعل العمل أكثر كفاءة، وليس أطول. لم تجد الدراسة أي دليل على زيادة التحيز الجنسي أو الديني في الأحكام المدعومة بالذكاء الاصطناعي. يشير هذا إلى أنه عند تصميمه ومراقبته بشكل صحيح، يمكن للذكاء الاصطناعي أن يقلل التحيز البشري بدلاً من تضخيمه.
عائد اقتصادي غير مسبوق
العائد على الاستثمار (ROI) البالغ 38.50 دولارًا لكل دولار مستثمر هو أمر غير مسبوق لمبادرة تكنولوجية حكومية. حتى التقدير المتحفظ يضعه فوق 10 دولارات للدولار. يلاحظ الباحثون أن هذه النتائج تحققت باستخدام نسخة "ما قبل الاستدلال" من GPT-4، مما يعني أن نماذج الاستدلال الحالية مثل GPT-4o أو Claude 4 أو Gemini 2.5 من المرجح أن تحقق عوائد أعلى.
التحديات والمخاطر
على الرغم من نجاحه، كشف الدراسة عن عدة تحديات مهمة. البنية التحتية: في العديد من المحاكم، كان الوصول إلى الإنترنت محدودًا، مما قيد استخدام الذكاء الاصطناعي. تكلفة التدريب: يتطلب التدريب المستهدف وقتًا وموارد، لكن العائد على الاستثمار يبرر الإنفاق بوضوح. تحيز النموذج: GPT-4 مدرب بشكل أساسي على بيانات غربية، مما قد يخلق احتكاكًا مع النظام القانوني الإسلامي في باكستان. راقب الباحثون هذا الأمر بعناية ولم يجدوا مشاكل كبيرة، لكنه يظل اعتبارًا مهمًا لأي ولاية قضائية أخرى تتبنى تقنية مماثلة.
دروس لجورجيا وجنوب القوقاز
يواجه النظام القضائي الجورجي تحديات مماثلة: تراكم القضايا، والموارد البشرية المحدودة، والعمليات البطيئة. بينما يختلف الحجم عن باكستان، فإن الدروس الأساسية عالمية.
1. الذكاء الاصطناعي بدون تدريب يفشل. أظهرت دراسة JudgeGPT بوضوح أن الوصول إلى التكنولوجيا دون معرفة لا طائل منه. ستحتاج جورجيا إلى برنامج تدريبي منظم للقضاة كجزء من أي نشر للذكاء الاصطناعي.
2. البنية التحتية للبيانات القانونية أساسية. النظام القائم على RAG يحتاج إلى قواعد بيانات قانونية عالية الجودة ومؤمنة. النشرة التشريعية لجورجيا (matsne.gov.ge) تحتوي بالفعل على تشريعات رقمية — وهو أساس قوي لمبادرة مماثلة.
3. إمكانات العائد على الاستثمار تحويلية. 38.50 دولارًا لكل دولار مستثمر تشير إلى أن الذكاء الاصطناعي في العدالة مفيد اقتصاديًا بشكل كبير. حتى مشروع تجريبي بقيمة 100,000 دولار يمكن أن يحقق ملايين اللاري في الفوائد الاقتصادية من خلال حل أسرع للقضايا.
4. الشفافية والإشراف البشري. ضمان ألا تكون قرارات الذكاء الاصطناعي "صندوقًا أسود" هو أمر بالغ الأهمية. إشراك القضاة في تحرير ومراجعة المحتوى الذي ينشئه الذكاء الاصطناعي يحافظ على السيطرة البشرية والمساءلة.
يمكن للمجلس الأعلى للقضاء في جورجيا وبرامج الإصلاح القضائي المستمرة الاستفادة من هذه النتائج لتصميم مشاريع تجريبية للذكاء الاصطناعي في المحاكم الجورجية. تواجه أرمينيا وأذربيجان تحديات قضائية مماثلة — يمكن لمنطقة جنوب القوقاز بأكملها الاستفادة من دروس التجربة الباكستانية.
الخلاصة
تمثل دراسة JudgeGPT لحظة فارقة لاستخدام الذكاء الاصطناعي في الحكومة. إنها توفر أول دليل تجريبي واسع النطاق على أن الذكاء الاصطناعي يمكنه تعزيز الإنتاجية الحكومية بشكل ملموس وتحسين جودة الخدمات للمواطنين. المكونات الرئيسية — التدريب، والبنية التحتية، وجودة البيانات — عالمية. إذا كانت باكستان، مع 2.26 مليون قضية معلقة، قادرة على تحقيق تقدم كبير بالذكاء الاصطناعي بعائد 38.50 دولارًا لكل دولار مستثمر، فلماذا لا تجرب دول أخرى — بما في ذلك جورجيا؟ مستقبل العدالة موجود بالفعل هنا؛ الأمر متروك لنا لنقرر كيف نستخدمه بحكمة.