الذكاء الاصطناعي التوليدي لمكالمات الوسيط المسجّلة: التفريغ النصي والبحث على خوادمك الخاصة أم شراء منتج امتثال

بموجب MiFID II، يجب على شركة الاستثمار في الاتحاد الأوروبي أن تسجّل المكالمات المتعلقة بأوامر العملاء وبصفقاتها الخاصة، وأن تحتفظ بالتسجيلات خمس سنوات، وأن تراجعها دوريًا. ويستطيع الذكاء الاصطناعي التوليدي أن يحوّل هذه التسجيلات إلى نصوص وملخصات وفهرس بحث، كي يتمكن المراجع من الانتقال مباشرة إلى اللحظة المهمة في المكالمة دون أن يستمع إلى ساعات من التسجيلات الصوتية. ويمكنك شراء ذلك جزءًا من منتج تسجيل مخصّص للامتثال، أو تشغيل نماذج مفتوحة على خوادمك الخاصة كي لا تغادر التسجيلات أنظمتك أبدًا. وفي الحالتين، يبقى التسجيل الصوتي هو السجل الرسمي، وينبغي أن يستمع إليه شخص قبل التصرف بناءً على نص مفرّغ، لأن نماذج الكلام تكتب أحيانًا كلمات لم يقلها أحد.

ما الذي تطلبه قواعد الاتحاد الأوروبي من الوسيط بشأن المكالمات المسجّلة؟

تنص المادة 16(7) من MiFID II، وهو توجيه الاتحاد الأوروبي بشأن خدمات الاستثمار، على أن سجلات شركة الاستثمار يجب أن تشمل المحادثات الهاتفية والاتصالات الإلكترونية المتعلقة بأمرين على الأقل: الصفقات التي تبرمها الشركة لحسابها الخاص، وتلقي أوامر العملاء وإحالتها وتنفيذها. ويشمل ذلك المكالمات التي يُقصد بها أن تفضي إلى صفقة، حتى إن لم تتبعها صفقة. ويجب على الشركات أن تُبلغ العملاء مسبقًا بأن هذه المكالمات تُسجَّل.

وتقول النسخة الإلكترونية من المادة التي تنشرها ESMA، هيئة أسواق الأوراق المالية في الاتحاد الأوروبي، إن هذه السجلات «يجب أن تُحفظ لمدة خمس سنوات»، ولمدة تصل إلى سبع سنوات إذا طلبت ذلك الجهة الإشرافية على الشركة. ويجب أيضًا تقديمها إلى العميل المعني عند طلبه. وقد جرى الاطلاع على جميع المصادر في هذه المقالة في 2 نوفمبر 2026.

وتحدد المادة 76 من لائحة المفوضية التفويضية (EU) 2017/565 التفاصيل. وهذه الأجزاء منها مهمة لأي مشروع ذكاء اصطناعي:

• للتحقق من الالتزام بقواعد التسجيل وحفظ السجلات، على الشركات أن «تراقب دوريًا سجلات المعاملات والأوامر الخاضعة لهذه المتطلبات، بما في ذلك المحادثات ذات الصلة»، وهذه المراقبة «يجب أن تكون قائمة على المخاطر ومتناسبة»
• يجب أن تُحفظ السجلات بصيغة «لا تسمح بتعديل السجل الأصلي أو حذفه»، ويجب أن تكون «متاحة بسهولة»
• على الشركات أن «تضمن جودة سجلات جميع التسجيلات الهاتفية ودقتها واكتمالها»

لذا فالنص المفرّغ الذي يصنعه نموذج وسيلةٌ للعثور على ما في التسجيل، ولا ينبغي أبدًا أن يحلّ محل التسجيل الصوتي أو أن يغيّره.

ماذا يستطيع الذكاء الاصطناعي التوليدي أن يفعل بالتسجيلات؟

يتولى العملَ نوعان رئيسيان من النماذج. فنموذج التعرّف على الكلام يحوّل الصوت إلى نص، والنموذج اللغوي، وهو النوع الذي تقوم عليه مساعدات المحادثة، يعمل على ذلك النص. ويستطيع النموذجان، مع بضع أدوات أصغر، القيام بما يلي:

• كتابة نص مفرّغ بطابع زمني على كل سطر، كي يتمكن المراجع من الانتقال إلى تلك اللحظة في التسجيل الصوتي
• تحديد من يتحدث. ويُسمّى هذا تمييز المتحدثين، ويحتاج عادةً إلى نموذج منفصل
• تلخيص المكالمة في بضعة أسطر تذكر، مثلًا، الأداة المالية والمبلغ وما طلبه العميل
• إتاحة البحث لموظفي الامتثال في جميع المكالمات بالكلمات الحرفية أو بالمعنى، مثلًا للعثور على كل مكالمة وُعد فيها عميل بعائد على استثمار، أيًّا كانت الكلمات المستخدمة
• انتقاء مكالمات ليراجعها شخص، وفق قواعد يكتبها فريق الامتثال

لا ينبغي لأي من النموذجين أن يقرر ما إذا كانت مكالمة قد خالفت قاعدة ما. فـ OpenAI تنشر بطاقة نموذج لـ Whisper، نموذجها المفتوح للتعرّف على الكلام: وهي مستند يصف الغرض من النموذج وأوجه قصوره. وتوصي البطاقة بعدم استخدامه «في المجالات عالية المخاطر مثل سياقات اتخاذ القرار، حيث يمكن أن تؤدي العيوب في الدقة إلى عيوب واضحة في النتائج». وينبغي أن يصدر أي استنتاج بشأن عميل أو موظف عن شخص استمع إلى المكالمة.

وتحذّر بطاقة النموذج نفسها من التفريغ النصي لتسجيلات أشخاص «التُقطت دون موافقتهم». ويُلزم MiFID II الشركات بإبلاغ العملاء بأن المكالمات تُسجَّل. أما ما إذا كان هذا الإبلاغ يشمل أيضًا التفريغ النصي بواسطة نموذج، فسؤال يُوجَّه إلى مسؤول حماية البيانات لديك.

إذا كان النظام يضع علامات على مكالمات الموظفين، فاسأل محاميك كيف ينطبق EU AI Act. فالملحق III منه يُدرج أنظمة الذكاء الاصطناعي المستخدمة «لمراقبة أداء الأشخاص وسلوكهم وتقييمهما» في علاقات العمل ضمن الأنظمة عالية المخاطر. وتحظر المادة 5 منه الذكاء الاصطناعي الذي يستنتج مشاعر الأشخاص في مكان العمل، إلا لأسباب طبية أو لأسباب تتعلق بالسلامة.

ما مدى دقة النصوص المفرّغة؟

تعتمد الدقة على اللغة، وجودة خط الهاتف، والمفردات، مثل أسماء الأدوات المالية. وتقول صفحة مشروع Whisper إن أداءه «يتفاوت تفاوتًا كبيرًا بحسب اللغة». وتضيف بطاقة النموذج أن الدقة غير متساوية بين اللكنات واللهجات، وأن المخرجات «قد تتضمن نصوصًا لم تُنطق فعلًا في المدخل الصوتي (أي الهلوسة)».

النص المختلَق من هذا النوع غير شائع. ففي دراسة نُشرت عام 2024، أرسلت Allison Koenecke وزملاؤها مقاطع قصيرة، طول كل منها نحو جملة واحدة، إلى خدمة Whisper من OpenAI في عام 2023. ووجدت الدراسة أن «نحو 1% من التفريغات النصية للتسجيلات الصوتية احتوت على عبارات أو جمل كاملة مهلوَسة». وظهرت هذه العبارات المختلَقة أكثر لدى المتحدثين الذين تتخلل كلامهم وقفات طويلة. وحين أعاد الباحثون تشغيل المقاطع التي ظهرت فيها المشكلة في ديسمبر 2023، كان كثير من الأخطاء قد اختفى وبقي بعضها. والمكالمة تتضمن جملًا كثيرة، لذا فاحتمال وقوع خطأ في موضع ما من المكالمة أعلى منه في مقطع واحد.

في مكالمة بشأن صفقة، تقع الأخطاء المكلفة في الأرقام وأسماء الأدوات المالية وفي ما إذا كان العميل قد قال شراء أو بيع. فاختبر أي نظام على مكالماتك أنت قبل أن تعتمد عليه:

• خذ عيّنة من المكالمات الحديثة من مكاتب تداول ولغات وخطوط هاتف مختلفة، واطلب من أشخاص أن يكتبوا لها نصوصًا مفرّغة صحيحة
• قارن نص النموذج بتلك النصوص المفرّغة، واحسب الأخطاء في المبالغ والأسعار وأسماء الأدوات المالية وتعليمات الشراء أو البيع بمعزل عن جميع الأخطاء الأخرى
• حين تكون المكالمة قد أفضت إلى أمر، طابِق المبلغ في النص المفرّغ مع الأمر في نظام التداول لديك
• أعد الاختبار كلما تغيّر النموذج أو إعداداته

هل نشتري منتجًا أم نشغّل النماذج على خوادمنا الخاصة؟

تقدّم منتجات التسجيل والأرشفة المخصّصة للامتثال التفريغ النصي والبحث أصلًا. ومنها Smarsh: إذ تقول صفحتها عن التسجيلات الصوتية إن المنتج يستطيع «تحويل المكالمات إلى نص قابل للبحث تلقائيًا»، وتعدّد «ملخصات مولّدة بالذكاء الاصطناعي، وتحليل المشاعر، وحجب المعلومات الحساسة، وإثراء البيانات الوصفية». وتصف تقنيتها بأنها «سحابية أصلية» (cloud-native)، أي مبنية لتعمل في السحابة.

وهذا هو الخيار الأسرع إن كنت تؤرشف المكالمات بالفعل لدى مورّد كهذا، وكان مسموحًا لك بمعالجة التسجيلات الصوتية في سحابته. وقبل أن توقّع، اسأل في أي البلدان تُعالَج التسجيلات الصوتية والنصوص المفرّغة وتُخزَّن، وهل تُستخدم لتدريب نماذج المورّد، وكيف يمكنك تصديرها كلها إذا انتقلت إلى مورّد آخر.

تشغيل النماذج بنفسك يعني استخدام نماذج مفتوحة على خوادم تتحكم بها. والنموذج المفتوح هو نموذج ينشر صانعه ملفاته ليتمكن أي أحد من تنزيلها وتشغيلها. وتقول صفحة مشروع Whisper إن الكود وأوزان النموذج، وهي الملفات التي تحفظ ما تعلّمه النموذج، صادرة بترخيص MIT. ويحتاج نموذج Whisper الكبير (large) إلى نحو 10 GB من ذاكرة GPU، ونموذجه الأسرع turbo إلى نحو 6 GB. وهذا يتسع على وحدة GPU واحدة لمراكز البيانات، وهي معالج صُمّم لنوع الحسابات التي تجريها النماذج.

لتمييز المتحدثين، تنشر مجموعة الأدوات مفتوحة المصدر pyannote نموذجًا اسمه community-1 بترخيص CC-BY-4.0. وتنزّل ملفاته من Hugging Face، وهو موقع يستضيف ملفات النماذج، بعد قبول شروط استخدام النموذج، ثم يعمل النموذج على خوادمك الخاصة. كما أن الإعدادات الافتراضية لمجموعة الأدوات ترسل إلى pyannote بيانات استخدام مجهولة الهوية، مثل مدة كل ملف تمت معالجته، وتشرح صفحة المشروع كيفية إيقاف ذلك.

ويمكن لمجموعة الأدوات نفسها أن تستدعي نموذجًا مدفوعًا هو precision-2. وفي المثال الوارد في صفحة المشروع، فإنه «يعمل على خوادم pyannoteAI»، كما تعرض صفحة الأسعار لدى pyannoteAI النشر المحلي (on-premise) ضمن خطة Enterprise. وينبغي لمن يبني نظامك أن يُريك أي نموذج يستخدم وأين يعمل ذلك النموذج، لأن الاسم وحده لا يخبرك إلى أين يذهب التسجيل الصوتي.

أما الملخصات والبحث بالمعنى فتحتاج إلى نماذج خاصة بها على الخوادم نفسها. ومقدار ذاكرة GPU الذي يشغله النموذج اللغوي تتناوله المقالة عن تشغيل الذكاء الاصطناعي التوليدي على خوادمك الخاصة.

تكون خوادمك الخاصة خيارًا منطقيًا حين:

• يجب ألا تغادر التسجيلات أنظمتك، بسبب سياستك الخاصة أو عقود عملائك
• تريد نصوصًا مفرّغة وملخصات مرتبطة بسجل العميل وبالأمر في أنظمتك الخاصة
• مكالماتك بلغات أو لكنات لا تتعامل معها جيدًا المنتجات التي اختبرتها
• حجم مكالماتك يجعل رسوم المنتج أعلى من تكلفة الخوادم والأشخاص الذين يشغّلونها

أيًّا كان الخيار الذي تختاره، عامِل النصوص المفرّغة والملخصات معاملة التسجيلات نفسها. وامنحها صلاحيات الوصول ومدة الاحتفاظ وقواعد الحذف المطبّقة على التسجيلات، واتفق على ذلك مع فريق الامتثال ومسؤول حماية البيانات لديك. وقرّر مسبقًا ما إذا كان العميل الذي يطلب نسخة من تسجيل يحصل أيضًا على النص المفرّغ.

ماذا نسأل الشركة التي ستبني النظام؟

• أي نموذج للكلام وأي نموذج لغوي سيعملان، وبموجب أي تراخيص، وعلى خوادم مَن؟
• هل يرسل أي جزء من النظام، بما في ذلك تمييز المتحدثين والبحث، تسجيلات صوتية أو نصوصًا أو بيانات استخدام إلى خدمة خارجية؟
• كيف ستختبرون الدقة على مكالماتنا، وكيف يجري التحقق من المبالغ والأسعار وأسماء الأدوات المالية؟
• كيف ينتقل المراجع من سطر في النص المفرّغ إلى اللحظة نفسها في التسجيل الصوتي الأصلي؟
• كيف تُحمى التسجيلات الأصلية من التعديل أو الحذف؟
• من يستطيع الاطلاع على أي المكالمات، وهل يُسجَّل كل بحث وكل تشغيل للتسجيلات؟
• حين نغيّر نموذجًا، هل يُعاد الاختبار، وهل تُحفظ النصوص المفرّغة القديمة كما هي أم تُنتَج من جديد بالنموذج الجديد؟

أين موقع amBrain من ذلك؟

المشروع الوحيد المنفَّذ لعميل باستخدام النماذج اللغوية الذي تصفه amBrain علنًا هو التالي: «أوصلنا تكاملًا مع LLM إلى الإنتاج داخل محيط FinTech لدى أحد العملاء: استخراج إشعارات غير مهيكلة من الوسطاء ومنصات التداول وتطبيعها — إجراءات الشركات، وتغييرات الأدوات المالية والهامش — إلى سجلات مهيكلة يستهلكها نظام التداول».

هذه المقالة ليست دراسة حالة، ولا تصف أي عمل لعميل. فهي لا تقول إن amBrain بنت لأي عميل نظامًا للتفريغ النصي للمكالمات أو للبحث في التسجيلات الصوتية أو لمراقبة الامتثال، والمشروع المقتبس أعلاه لا يتعامل إلا مع إشعارات مكتوبة. والشركات والمنتجات المذكورة هنا مقتبسة من صفحاتها المنشورة، ولا تدّعي المقالة أي علاقة بين amBrain وأي منها. ولا تذكر المقالة أسعارًا أو جداول زمنية لـ amBrain.

وهي ليست استشارة قانونية كذلك. فالمقالة لا تتناول إلا قواعد الاتحاد الأوروبي. ولبلدان أخرى قواعدها الخاصة، لذا تحقّق مع محامٍ من القواعد التي تنطبق على شركتك.

تبني amBrain البرمجيات منذ عام 2019. وتعمل بثلاث صيغ: تسليم كامل، أو فريق مخصّص، أو مهندسون مدمجون في فريقك. أما في الملكية فسطرها هو: «يحتفظ العميل بالملكية الكاملة للمنتج وللكود، باستثناء مكوّناتنا القابلة لإعادة الاستخدام». وإن كانت amBrain في قائمتك المختصرة، فاطرح عليها الأسئلة نفسها التي تطرحها على أي شركة أخرى.