كيف يُستخدم الذكاء الاصطناعي في أرشفة الملفات؟ خمسة استخدامات وكيف تختبرها

هذه الصفحة نقطة البداية لمدير تقنية المعلومات، ومدير التحول الرقمي، ومدير الوثائق حين يسمع عبارة «أرشفة ذكية» في كل عرض ويريد أن يعرف ماذا تعني عمليًا، وكيف يختبرها، وما الأسئلة التي تسبق الشراء. كل قسم يحيلك إلى دليل تفصيلي في المحور نفسه.

من الأرشفة اليدوية إلى المساعدة الذكية: ما الذي تغيّر؟

في الأرشفة التقليدية، يسمّي الموظف الملف ويختار مجلده ويكتب حقوله يدويًا، ويبحث لاحقًا بالكلمة الحرفية التي يتذكرها. تختلف التسميات من موظف لآخر، فيصعب العثور على الملفات مع مرور الوقت.

ما يضيفه الذكاء الاصطناعي هو أن النظام يقرأ محتوى المستند لا اسمه فقط. فيقترح التصنيف بناءً على ما في الوثيقة، ويستخرج الحقول بدل كتابتها، ويفهم سؤال الباحث بمعناه. لكن الصياغة الدقيقة مهمة: النظام يقترح ويساعد، والموظف يراجع ويعتمد، خاصة في البداية وفي الوثائق غير الواضحة. عبارات مثل «دون أي تدخل بشري» تصف عرضًا تسويقيًا، لا تشغيلًا مؤسسيًا مسؤولًا.

خريطة الاستخدامات الخمسة وكيف تختبر كلًّا منها

التصنيف التلقائي: نهاية فوضى التسميات

المشكلة المعروفة أن كل موظف يسمّي الملفات وينظمها بطريقته، فلا يجد أحد شيئًا بعد سنة. التصنيف المقترح آليًا يطبق معيارًا واحدًا بغض النظر عمّن رفع الملف، لأنه يعتمد على المحتوى لا على الاسم. مثال: يُرفع ملف باسم «scan_0231»، فيقرأ النظام محتواه ويقترح أنه «عقد توريد» يخص «المشتريات» مع وسوم مناسبة، ثم يعتمد الموظف الاقتراح أو يصححه.

ولكي ينجح ذلك يجب أن تكون أنواع الوثائق معرّفة جيدًا قبل التشغيل، وأن يوجد مسار للحالات التي لا يكون فيها النظام واثقًا. للتفصيل في هذه الوظيفة راجع أيضًا كيف يساعد الذكاء الاصطناعي في تصنيف المستندات تلقائيًا.

البحث الدلالي: ابحث بالمعنى

البحث التقليدي يعيد الملفات التي تحتوي الكلمات نفسها التي كتبتها. أما البحث الدلالي فيحاول فهم ما تقصده. موظف يبحث عن «شروط الضمان للطابعات» قد يصل إلى عقد شراء فيه بند عن «ضمان خدمة صيانة أجهزة الطباعة»، مع أن العبارة مختلفة.

قيمة هذا تظهر في الأرشيفات الكبيرة التي لم تُوحَّد مصطلحاتها. لكن جودته في العربية، بلهجات الموظفين ومرادفاتهم ومصطلحات قطاعك، يجب أن تُختبر على أسئلة حقيقية من عملك، لا على أمثلة العرض. وللبحث داخل الملفات بمعناه الأوسع راجع البحث الذكي داخل الملفات.

استخراج البيانات: من وثيقة إلى حقول

هنا يظهر الأثر التشغيلي الأوضح، إذ تُستخرج الحقول بدل قراءة المستند وإدخال بياناته يدويًا. أمثلة على الحقول الشائعة:

• العقود: الأطراف، والقيمة، وتاريخ البدء والانتهاء. ومن تاريخ الانتهاء تبدأ متابعة التجديد، كما في استخراج تواريخ انتهاء العقود وتحويلها إلى مهام متابعة.
• الفواتير: المورد، ورقم الفاتورة، والمبلغ، والضريبة، وتاريخ الاستحقاق. وتكون الجداول عادة أصعب من النص، ومعايير تقييمها في استخراج الحقول من الجداول والفواتير.
• النماذج الداخلية: مقدم الطلب، ونوعه، والمبالغ.

أمثلة مفصلة على فاتورة وعقد مع ما يُستخرج منهما في هل يمكن للذكاء الاصطناعي قراءة العقود والفواتير؟. ولتحديد ما يحتاجه مشروعك فعليًا، راجع OCR أم استخراج بيانات ذكي.

حدود يجب أن تعرفها

• الجودة المدخلة تحدد الناتج. مسح رديء، أو جداول معقدة، أو خط يد، أو أختام فوق النص، كلها تخفض دقة OCR، ومن ثم دقة كل ما يُبنى عليه.
• التصنيف يحتاج تعريفًا واضحًا. إن كان الفرق بين «عقد» و«ملحق عقد» غير واضح لموظفيك، فلن يكون واضحًا للنظام.
• المساعد يلخص ولا يقرر. التلخيص يسرّع الفهم، لكن القرار القانوني أو المالي يبقى بعد قراءة البند نفسه في الوثيقة المصدر.
• العربية ليست واحدة. مصطلحات قطاعك، والصياغة الرسمية، والمختصرات الداخلية، كلها تؤثر في البحث الدلالي والاستخراج.

أسئلة الحوكمة قبل تشغيل الذكاء الاصطناعي على وثائقك

الذكاء الاصطناعي يقرأ وثائقك. لذلك تسبق أسئلة الحوكمة أسئلة الميزات:

وظائف تُطرح كثيرًا: اطلب رؤيتها لا وصفها

تُذكر في مواد تسويقية كثيرة عن «الأرشفة الذكية» وظائف أخرى، منها التوصية بوثائق ذات صلة بحسب سلوك المستخدم، وكشف النسخ المكررة والمتشابهة، وتوجيه الموافقة آليًا بحسب قيمة الفاتورة. هذه ليست قدرات افتراضية في كل نظام، وتختلف كثيرًا في تنفيذها. إن كانت مهمة لك، فاطلب رؤيتها في العرض التوضيحي على وثائقك، وحدّد نطاقها في العرض الفني. ومسارات الموافقة المشروطة بالقيمة أو الإدارة بالذات متطلب تخصيص، تجد أسئلته في مسارات الموافقات المشروطة بالقيمة أو الإدارة. أما إزالة التكرار في الأرشيف القديم فغالبًا ما تُعالج قبل الترحيل، كما في إزالة التكرار قبل الترحيل.

ابنِ مجموعة اختبار قبل أن تقارن الموردين

1. اجمع عينة ممثلة. وثائق عربية وإنجليزية ومختلطة، ومطبوعة وممسوحة بجودات مختلفة، من أنواعك الأكثر تداولًا. المنهجية في بناء مجموعة اختبار لوثائق عربية وإنجليزية مختلطة.
2. اكتب الإجابات الصحيحة مسبقًا. نوع كل وثيقة، وقيم حقولها الرئيسية، وخمسة أسئلة بحث بإجاباتها.
3. شغّل العينة نفسها على كل مورد. بالظروف نفسها، وسجّل النتائج في جدول واحد.
4. قِس ما يهمك. صحة التصنيف، وصحة كل حقل، ووصول البحث إلى الوثيقة الصحيحة، ودقة إجابات المساعد ومصادرها.
5. حدّد حدود المراجعة البشرية. ما يُقبل آليًا، وما يُراجع، وما يُفهرس يدويًا.

وإن كان أرشيفك يحتوي مخططات أو مرفقات هندسية ممسوحة، فأضف لها اختبارًا خاصًا كما في البحث في مرفقات هندسية ممسوحة.

الذكاء الاصطناعي في وثيقة

يتيح وثيقة الاستخدامات الخمسة في هذه الصفحة: OCR للعربية والإنجليزية يجعل الممسوح قابلًا للبحث، وتصنيفًا ووسومًا تلقائية عند الرفع مع اقتراح التصنيف، واستخراج البيانات الرئيسية من المستندات مثل أطراف العقد وقيمته وتاريخ انتهائه، وبحثًا دلاليًا يفهم المعنى لا الكلمة الحرفية فقط، ومساعدًا تحادثيًا بالعربية يجيب عن أسئلة حول المستندات ويلخّصها، مثل «ما عقود التوريد التي تنتهي هذا الشهر؟». ويكتشف النظام كذلك البيانات الشخصية الحساسة داخل الوثائق. وتعمل هذه الوظائف مع صلاحيات مبنية على الأدوار وسجل تدقيق، وتتوفر في الباقة الاحترافية فما فوق.

ووفق بيانات وثيقة، تتجاوز دقة OCR العربي 98% على المستندات الواضحة، وتنخفض مع المسح الرديء وخط اليد والأختام. ولأن النتيجة تتوقف على وثائقك، فأفضل طريقة للتقييم أن تجلب مجموعة الاختبار إلى عرض توضيحي أو إلى التجربة المجانية لمدة 30 يومًا.

الخطوة التالية

اختر استخدامين من الخمسة لهما أثر مباشر على عملك، وجهّز لهما عينة وإجابات صحيحة. ثم راجع قدرات الذكاء الاصطناعي والبحث في وثيقة، واطلب عرضًا توضيحيًا تُختبر فيه عينتك أمامك.