الذكاء الاصطناعي

أمازون تطلق نمط استعلام محكّم لمراقبة الامتثال عبر Quick

يعالج هذا النمط التحدي المتمثل في التحقق الآلي من آلاف العقود مع الحفاظ على إمكانية التدقيق القانوني، من خلال فصل منطق القرار عن واجهة المحادثة.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 2 أكتوبر 2026 · آخر تحديث: 2 أكتوبر 2026 · 4 دقائق قراءة

أمازون تطلق نمط استعلام محكّم لمراقبة الامتثال عبر Quick — الصورة: AWS Machine Learning Blog

تحدّي الامتثال في العقود السكنية

تواجه مشغلو العقارات الذين يديرون عشرات الآلاف من عقود الإيجار تحدياً كبيراً في مراقبة الامتثال لقوانين المستأجرين والملاك التي تتغير باستمرار حسب الولاية. في السابق، كان هذا العمل يتطلب قراءة يدوية لكل عقد، وهو أمر غير مستدام عند تجاوز حجم معين، مما أدى إلى ظهور أرقام على الشاشات لا يمكن التحقق منها بشكل مستقل. هنا يأتي دور نمط الاستعلام المحكّم (Adjudicated Query) الذي قدمته أمازون ويب سيرفيسز في مدونة تعلم الآلة الخاصة بها، والذي يجمع بين قدرات الذكاء الاصطناعي التوليدي في Amazon Quick ومحرك قواعد حتمي لضمان دقة النتائج.

مبدأ الفصل بين الذكاء الاصطناعي والقواعد

يتميز نمط الاستعلام المحكّم بأنه طبقة محادثة محدودة فوق محرك قواعد حتمي. لا يقوم النموذج اللغوي بكتابة استعلامات أو تحديد نطاق البيانات أو اتخاذ قرارات الامتثال، بل يترجم فقط أسئلة المستخدم الطبيعية إلى استدعاءات على مجموعة ثابتة من العمليات المصنفة. خلف هذه الحدود، يعمل محرك قواعد يعتمد على بيانات مُصنفة بدلاً من الكود البرمجي، مما يعني أن تغيير القوانين يتم عبر تعديل صفوف قاعدة البيانات وليس عبر نشر كود جديد. هذا الفصل يزيل خطر 'التضييق الصامت' الذي قد يحدث عندما يهذي النموذج في توليد استعلامات SQL خاطئة.

ضمان الاكتمال والدفاعية القانونية

تتطلب عمليات الامتثال العالية المخاطر خاصيتين أساسيتين: الاكتمال القابل للإثبات والدفاعية. يضمن النمط الأول من خلال 'إيصال الاكتمال'، وهو ثابت رياضي يحدد أن مجموع السجلات المتوافقة والمخالفة والمبهمة وغير القابلة للقراءة يجب أن يساوي إجمالي السجلات الممسوحة. إذا تعذر حساب العدد الكلي، لا تكتمل العملية. أما الدفاعية فتعني القدرة على إثبات أي نتيجة في التقاضي أو التدقيق، من خلال معرفة نسخة القاعدة المطبقة والنص الذي طُبقت عليه والتاريخ والشخص المسؤول. هذا ما يميز الحل عن أنظمة البحث المعزز بالتوليد (RAG) التي لا تضمن فحص جميع السجلات.

المعمارية المرجعية والتقنيات المستخدمة

تعتمد المعمارية المرجعية على عدة خدمات من أمازون ويب سيرفيسز. يتفاعل المستخدم مع واجهتين في Amazon Quick: وكيل محادثة ولوحة معلومات Amazon Quick Sight. يحصل الوكيل على رمز OAuth من Amazon Cognito، ثم يرسل طلبات عبر Amazon API Gateway إلى دالة AWS Lambda التي تستضيف خادم MCP ومحرك القواعد. تقرأ الدالة وتكتب في Amazon Aurora Serverless v2 عبر واجهة RDS Data API. لا يتم استدعاء Amazon Bedrock إلا في مسار البحث الاستكشافي عن البنود، بينما تبقى عمليات المسح الشامل خالية من النماذج اللغوية لضمان الحتمية.

العمليات المحددة والتخزين الموحّد

يعرض خادم MCP ستة أدوات فقط، كل منها له دلالة محددة، مما يمنع النموذج من تكوين نطاقات بيانات خاطئة. يتم تخزين قاعدة القواعد وسجلات الإيجار وحالة الاستخراج والقرارات في قاعدة بيانات علائقية واحدة باستخدام Amazon Aurora Serverless v2 مع إضافة pgvector. يجعل هذا التوحيد من إيصال الاكتمال مجرد عدّ SQL، وهو طريقة فعالة من حيث التكلفة لجعل الضمان المركزي قابلاً للتدقيق. كما توفر Amazon API Gateway بوابة أمامية مع مصادقة JWT، بينما تدير Amazon Cognito إصدار الرموز عبر تدفق اعتمادات العميل.

تطبيق عملي وموارد إضافية

يوفر المقال عينة قابلة للنشر باستخدام AWS CDK تسمح للمستخدمين بتشغيل النظام من البداية إلى النهاية. ينطبق هذا النمط على مجالات امتثال أخرى عالية المخاطر مثل فحص العقوبات، وتسوية مطالبات التأمين، والتحكم في الصادرات، لكن الامتثال لعقود الإيجار يخدم كمثال ملموس. يمكن للمطورين الاطلاع على المستودع النموذجي لفهم كيفية دمج هذه المكونات معاً لبناء أنظمة امتثال قابلة للدفاع عنها وقابلة للتوسع.