Argus من TrustScale: مشكلة بقيمة 70 مليار دولار تجد مدقق حقائق فوري

التحقق دون الاستعانة بذكاء اصطناعي آخر لتصحيح الواجب

أعلنت TrustScale عن Argus، منصة ضمان الذكاء الاصطناعي التي تنتظر براءة اختراع، في 5 أغسطس 2026، من مدينة لوس ألتوس بولاية كاليفورنيا. ويُعد الاختيار التصميمي الأساسي الذي يميّز Argus عن أدوات كشف الهلوسة المنافسة اختياراً متعمداً: فبدلاً من استخدام نموذج لغوي كبير لتقييم مخرجات نموذج آخر — نهج “الذكاء الاصطناعي يراقب الذكاء الاصطناعي” الذي تتبناه عدة شركات منافسة — تعتمد Argus على الأدلة التجريبية والتحقق الحتمي لمراجعة المحتوى المولَّد بالذكاء الاصطناعي، ووضع علامة على الادعاءات غير المدعومة، واقتراح تصحيحات قائمة على الأدلة قبل نشر ذلك المحتوى أو مشاركته أو الاعتماد عليه.

تعمل المنصة في الوقت الفعلي، حيث تضيف تمييزات TrustScore ملوّنة مباشرة إلى النص وتعرض أدلة داعمة أو متناقضة إلى جانب اقتراحات تصحيح بنقرة واحدة. وتفيد TrustScale بأن Argus يمكنها التحقق من الادعاءات المولَّدة بالذكاء الاصطناعي بسرعة تصل إلى 135 ضعف سرعة البحث اليدوي، مع تحسين دقة مخرجات الذكاء الاصطناعي بنسبة تصل إلى 98.5% — وهي أرقام قد تعالج، إذا صمدت أمام التدقيق المستقل، أحد أكثر معوقات التبني ثباتاً بالنسبة للذكاء الاصطناعي التوليدي في المؤسسات: الفجوة بين مدى ثقة النموذج في تصريحاته ومدى صحة تلك التصريحات فعلياً.

حجم المشكلة التي صُممت Argus لحلّها

مشكلة الهلوسة التي تستهدفها Argus ليست حالة هامشية. تستشهد مواد إطلاق TrustScale بمعدلات هلوسة تصل إلى 20% في النماذج المتقدمة حتى بالنسبة للاستفسارات البسيطة، وتشير — استناداً إلى أبحاث Stanford RegLab — إلى أن الاستفسارات الخاصة بقطاعات معينة في المجالات المتخصصة يمكن أن تصل نسبة الهلوسة فيها إلى 88% من الوقت، وهو رقم يتطابق مع النتيجة المنشورة لمختبر Stanford RegLab نفسه، والتي وجدت أن نماذج اللغة العامة أظهرت هلوسة في الاستفسارات القانونية بمعدلات تراوحت بين 69% و88% حسب النموذج. وتؤكد تغطية SecurityBrief Asia للإطلاق هذا النمط الخاص بالمجال، مشيرة إلى أن معدلات الهلوسة “تختلف بحسب المهمة ويمكن أن ترتفع بشكل حاد في المجالات المتخصصة”، بما في ذلك العمل القانوني — وهو بالضبط نوع السياق المهني عالي المخاطر حيث يمكن لادعاء غير مُتحقَّق منه صادر عن الذكاء الاصطناعي أن يحمل عواقب مالية أو سمعية حقيقية.

ومما يفاقم الخطر، تستشهد TrustScale بأبحاث Anthropic التي وجدت أن 91.3% من مستخدمي الذكاء الاصطناعي لا يتحققون من الادعاءات التي تولّدها أنظمة الذكاء الاصطناعي قبل التصرف بناءً عليها — ما يعني أن الغالبية العظمى من القرارات المدعومة بالذكاء الاصطناعي في بيئات المؤسسات تعتمد حالياً على مخرجات غير مُتحقَّق منها كقاعدة، لا كاستثناء. وتؤكد تغطية ITBusinessNet للإطلاق الأرقام نفسها، مفيدةً بأن TrustScale تقدّر الأثر المالي التراكمي لهذه الفجوة بنحو 70 مليار دولار سنوياً عبر المؤسسات — وهو رقم تضعه الشركة كتكلفة مباشرة لوصول الهلوسات إلى المحتوى الإنتاجي أو القرارات أو المواد المنشورة دون تدقيق.

وصاغ الرئيس التنفيذي لشركة TrustScale، Lawrence Snapp، هذا الإطلاق كتحوّل في أولويات صناعة الذكاء الاصطناعي المقبلة: قال إن “صناعة الذكاء الاصطناعي أمضت سنوات في جعل الذكاء الاصطناعي أذكى، لكن الذكاء الاصطناعي الجدير بالثقة هو المشكلة الأكبر التي يجب حلّها الآن”. وقدّمت Dominique Shelton Leipzig، الرئيسة التنفيذية لشركة Global Data Innovation، دعماً خارجياً يعكس حجم المخاطر: قالت إن “مخاطر الذكاء الاصطناعي أكبر من أن تُترك لبضعة نماذج كبرى لتُملي حقيقتك”، مضيفةً أن Argus تمثل “أول منصة ضمان مستمرة وفورية” في هذه الفئة، وفقاً لإعلان TrustScale نفسه.

لماذا تهم خبرة TrustScale في البيانات الممتدة على مدى عقدين هنا

تصف TrustScale نفسها بأنها شركة تدريب وتقييم وضمان للذكاء الاصطناعي تمتلك أكثر من 20 عاماً من الخبرة في بيانات الذكاء الاصطناعي عبر أكثر من 200 لغة، وقد بنت Argus على ما تسميه TrustScale Engine — الذي وصفته SecurityBrief Asia بأنه نظام ضمان مستمر للذكاء الاصطناعي وليس مجرد إضافة ملحقة. وتهم هذه الخبرة في البيانات تحديداً بالنسبة لنهج التحقق الحتمي: فالتمييز بين ادعاء مدعوم وآخر غير مدعوم على نطاق واسع، عبر اللغات والمجالات، يتطلب بالضبط ذلك النوع من مجموعات الأدلة الضخمة وبنية التقييم التي كانت شركة تمتلك عقدين من الخبرة في بيانات الذكاء الاصطناعي قد بنتها بالفعل لأغراض أخرى.

ماذا يعني هذا للمؤسسات التي تنشر الذكاء الاصطناعي على نطاق واسع

1. التعامل مع التحقق من الهلوسة كبوابة سابقة للنشر، لا كتدقيق لاحق

مع عدم تحقق 91.3% من مستخدمي الذكاء الاصطناعي، وفق التقارير، من مخرجاته قبل التصرف بناءً عليها، ينبغي على المؤسسات دمج التحقق مباشرة في سير العمل — فحص فوري قبل نشر المحتوى — بدلاً من الاعتماد على عمليات تدقيق يدوية دورية لا ترصد سوى جزء من المخرجات الإشكالية بعد أن تكون قد أثرت بالفعل على قرار أو وصلت إلى عميل.

2. إعطاء الأولوية لأدوات التحقق في المجالات المتخصصة عالية المخاطر أولاً

بالنظر إلى معدلات هلوسة قد تصل إلى 88% في المجالات المتخصصة مثل العمل القانوني، ينبغي على المؤسسات التي تنشر الذكاء الاصطناعي في وظائف منظَّمة وعالية المسؤولية — القانون، الطب، الامتثال المالي — التعامل مع كشف الهلوسة كضابط ذي أولوية أعلى مقارنة بحالات الاستخدام العام منخفضة المخاطر، حيث يكون للزلة الواقعية العرضية عواقب أقل.

3. تقييم التحقق الحتمي مقابل نهج تقييم الذكاء الاصطناعي بواسطة الذكاء الاصطناعي وفق ملف المخاطر الخاص بك

بما أن Argus تتجنب صراحةً استخدام نموذج ذكاء اصطناعي لمراقبة نموذج آخر، ينبغي على المؤسسات التي تقيّم أدوات كشف الهلوسة أن تسأل الموردين مباشرة عن بنية التحقق التي يستخدمونها — فالتحقق الحتمي القائم على الأدلة يحمل أنماط فشل ومسارات تدقيق مختلفة عن الحكم الاحتمالي لنموذج لغوي ثانٍ، وهو فارق مهم لأي مؤسسة ستحتاج يوماً ما إلى تفسير قرار متعلق بالذكاء الاصطناعي أمام جهة تنظيمية أو محكمة.

الإشارة الأكبر: ضمان الذكاء الاصطناعي يصبح فئة سوقية مستقلة بذاتها

يتماشى إطلاق Argus مع نمط أوسع يتشكّل عبر الذكاء الاصطناعي في المؤسسات خلال عام 2026: فمع تراجع مرحلة الحداثة في تبني الذكاء الاصطناعي التوليدي لصالح النشر الإنتاجي على نطاق واسع، ينقسم سوق الأدوات إلى مزوّدي قدرات النماذج من جهة، ومزوّدي ضمان النماذج من جهة أخرى — شركات يتمثل منتجها بالكامل في التحقق من مخرجات نماذج مزوّدي القدرات أو حوكمتها أو تصحيحها. وكون TrustScale تضع Argus حول رقم تكلفة محدد وقابل للقياس (70 مليار دولار سنوياً) بدلاً من خطاب غامض عن الثقة والسلامة يشير إلى أن الشركة تتوقع من المشترين في المؤسسات تقييم هذه الفئة كما يقيّمون أي عملية شراء أخرى لتخفيف المخاطر — بحجة عائد استثمار واضحة مرتبطة بمركز تكلفة قابل للقياس وقائم فعلياً، لا بمخاوف أخلاقية مجردة.

وتستحق بيانات Stanford RegLab المستقلة التي تستند إليها إحصائيات الهلوسة الرئيسية لدى TrustScale التوقف عندها بحد ذاتها: فنطاق يتراوح بين 69% و88% من معدلات الهلوسة في الاستفسارات القانونية، بحسب النموذج المستخدم، ليس فجوة موثوقية هامشية — بل يعني أن غالبية الأبحاث القانونية غير المُتحقَّق منها والمولَّدة بالذكاء الاصطناعي قد تكون خاطئة بطرق محددة وقابلة للاستشهاد بها، من استشهادات قضائية ملفَّقة إلى معايير قانونية مُصاغة بشكل خاطئ. واستمرار هذه الفجوة حتى بين النماذج المتقدمة ذات الموارد الوفيرة يوضح لماذا تضع TrustScale منصة Argus كبنية تحتية لا كإضافة اختيارية: ففي المجالات التي يقترب فيها معدل هلوسة النموذج الأساسي من رمية عملة أكثر من كونه خطأً عرضياً، تتوقف طبقة التحقق عن كونها اختيارية وتصبح المنتج الفعلي الذي تحتاجه المؤسسات، بينما يعمل نموذج الذكاء الاصطناعي نفسه كمسودة أولى سريعة أكثر منه إجابة نهائية.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• TrustScale Launches Argus to Detect and Correct AI Hallucinations and Power Safe Enterprise AI Adoption — Webnewswire
• TrustScale Launches Argus to Tackle AI Hallucinations — SecurityBrief Asia
• TrustScale Launches Argus to Detect and Correct AI Hallucinations and Power Safe Enterprise AI Adoption — ITBusinessNet
• Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools — Stanford RegLab