لماذا تخطئ قواعد المعرفة الحكومية؟
لنبدأ برقم. الفريق الذي يملك برنامجاً لإدارة المعرفة يقضي 4.6 ساعة أسبوعياً في البحث عن شيء يحتاجه، والفريق الذي لا يملكه يقضي 8.5 ساعة. فارق من 3.9 ساعة. قلبِها إلى مقياس آخر: لكل ألف موظف، تعني هذه الساعات نحو 98 شخصاً بدوام كامل كانوا سيُهدرون في التقليب بين الملفات. الرقم صادر عن تقرير مقارن في مجال إدارة المعرفة.
ما يريد الرقم قوله بسيط إلى حدّ الإحراج: أن يكون الملف موجوداً في مجلد، وأن يكون قابلاً للعثور عليه فعلاً واستخدامه، مسألتان مختلفتان تماماً.
تقوم UglyPear بيانات ببناء ضغط مستندات عالي الأداء وأساس هندسة بيانات RAG، ونخدم في الغالب جهات تحتاج إلى نشر خاص بالكامل. في سياق القطاع الحكومي والعام، تكرّرت لدينا المعضلة نفسها مراراً وتكراراً. تُبنى المكتبة، وتُحقن الملفات، ثم يأتي مواطن أو موظف على الخط الأمامي بسؤال، فيلفظ النظام إجابة لا تصيب الهدف. ردّ الفعل الأول لدى كثيرين هو لوم النموذج والسعي إلى نموذج أقوى. غير أن ما نراه في خبرتنا هو أن أغلب الإجابات الخاطئة لا تُولَد عند مرحلة الإجابة أصلاً، بل تُزرع قبل أن تدخل الملفات إلى المكتبة.
وليست هذه وجهة نظرنا وحدنا. أجرى مركز بيانات Compass مسحاً وطنياً شاملاً في الولايات المتحدة عام 2025، فوجد أن 77% من الأشخاص يعترفون بتخزين بيانات تتجاوز حاجتهم بكثير، وأن 95% منهم مستعدون لحذف ملفات، لكن 10% فقط يشعرون بالثقة في طريقة الحذف، وأن 59% يفضّلون غسل الصحون على ترتيب ملفاتهم الرقمية. ملفات يتردد الإنسان في ترتيبها، يصعب أن تحال بشكل أفضل بين يدي آلة. فإذا بدأ الإيداع بفوضى، فأي طبقة إجابة، مهما بلغت ذكاءً، لن تجد إلا ما تبحث عنه في الضجيج.
لذلك لن نخوض هنا في أي نموذج تختار. الحديث عن مكان آخر: من أين تبدأ حين تعامل قاعدة معرفة عامة بوصفها عملاً هندسياً جاداً لا عرضاً تجريبياً؟
ثمة أمور كثيرة تحدّد النجاح ولا يطلبها أحد صراحةً. اختبارات القبول تميل إلى التحقق من وجود الوظائف: هل تستطيع الرفع؟ هل تستطيع الإجابة؟ هل الواجهة مريحة؟ أما أن تكون الإجابات دقيقة بعد ثلاثة أشهر من التشغيل، فلا أحد يقيسه. الفرق التي تعمل باحترافية تجمع، قبل كتابة أول سطر من منطق العمل، طائفة من الأسئلة الموسومة: كيف يسأل الناس فعلاً؟ كيف تبدو الإجابة الصحيحة؟ أي الأسئلة شائع وأيها يقع على الحافة؟ تبدو هذه المجموعة للوهلة الأولى بعيدة كل البعد عن "بناء قاعدة معرفة"، لكنها هي التي تحوّل جودة البحث إلى شيء قابل للقياس. من دونها، يصبح كل تحسين لاحق تخميناً على عواهنه.
ويمكن الذهاب خطوة أبعد وإفساح مجال للفشل والحالات الحدّية. ماذا لو حمل السؤال خطأً إملائياً؟ وماذا لو لامس سؤالٌ واحد وثيقتين تتعارضان؟ وماذا لو انتهت صلاحية ملف؟ هذه الأسئلة إن لم تُحسم في البداية، عادت بعد الإطلاق على شكل شكاوى متكررة.
ولماذا هذا الطريق الطويل أصلاً؟ لأن فرقاً كثيرة تنطلق مباشرة نحو القدرات "الجاهزة": نحن ندعم البحث الدلالي، نحن فهرسنا كل شيء، نحن ربطنا نموذجاً لغوياً كبيراً. كل ذلك صحيح، لكنه وسائل لا غاية. لنعد إلى السؤال الأبسط: ما الذي يريد السائل معرفته حقاً؟
يقول مواطن: "ماذا أحضر لتسجيل طفلي في المدرسة؟" وتقول الوثيقة الرسمية: "قائمة المواد المطلوبة للتسجيل في التعليم الإلزامي". لا تكاد الجملتان تتشاركان لفظاً. لم تكن الصلة يوماً مسألة تشابه بين حروف، بل تطابق بين معانٍ. متى استوعبنا ذلك، تبيّن لماذا يفشل البحث بالكلمات المفتاحية وحده مراراً في الخدمات العامة: إنه يقارن الحروف لا القصد.
للتكلفة حسابٌ آخر أيضاً. ليست كل ملف يستحق معالجة دلالية دقيقة. أدلة الإجراءات والأسئلة الشائعة عالية التكرار تستحق ذلك، أما محاضر الاجتماعات القديمة فربما لا. كون المعالجة بفقدان أو من دونه يتوقف على مَن سيستدعي هذه المادة لاحقاً وبأي طريقة. فصقل كل ملف إلى الدرجة نفسها ينفق المال بلا عائد يُذكر.
لكن هناك في الصناعة طرائق معلنة متعارف عليها لسدّ هذه الفجوة. يجمع البحث الهجين بين دقة الكلمات المفتاحية ومرونة المعاني، فيستدعي من كل جانب دفعة ثم يدمجها ويُزيل التكرار. إعادة الترتيب تأخذ المرشّحات وتعيد صفّها بحسب الصلة، فتدفع الأكثر ملاءمة إلى المقدمة. إعادة صياغة الاستعلام وتفكيكه تنقل السؤال العامي إلى صيغة يهضمها البحث أكثر، وتقسّم السؤال المعقّد إلى أسئلة أبسط تُبحث كل على حدة. تصفية البيانات الوصفية تضيّق النطاق بسمات مثل التاريخ والجهة ومستوى السرية، ثم تبحث داخل النطاق. والتقسيم الدلالي يقرّر أين تُقطع الوثيقة الطويلة: فإن دقّقتَ أكثر فقدتَ السياق، وإن خشّنتَ أكثر أدخلتَ الضجيج.
هذه ممارسات عامة في المجال، ولا تعني أن كل جهة أنجزتها كلها. عند الاختيار، اسأل عن كل بند على حدة، فالاكتفاء بسماع مصطلح والظن أن الأمر انتهى، طريق مضمون للندم.
والخطوة التي دفعناها مؤخراً في جانب البحث تسير في هذا الاتجاه بالضبط: إدخال كامل المواد في فهرس دلالي قابل للبحث، وجعل الأسئلة العامية مفهومة، وخفض زمن الإجابة من نهاية إلى نهاية من دقائق إلى عشرات الثواني، مع إجراء اختبار انحدار على الصيغتين العامية والرسمية للتأكد من إصابة كلتيهما. قيمة هذه الخطوة ليست في جمال الأرقام، بل في أنها حوّلت "الإجابات دقيقة" من شعار إلى شيء يمكن إعادة إنتاجه.
والامتثال عقبة لا يمكن للعمل العام تجاوزها. ولتقدير كلفة سوء إدارة المستندات، يكفي النظر إلى إحصاءات التنفيذ في لائحة حماية البيانات العامة الأوروبية: الغرامات المرتبطة بسوء إدارة المستندات تبلغ في المتوسط نحو 4.2 مليون يورو. خلف هذا الرقم حقيقة قاسية: متى خرجت البيانات من حدودك، أو وقعت في أعين لم يكن ينبغي أن تراها، تعدّت الخسارة مشكلة تقنية بكثير. لذا لا يمكن أن يكون الامتثال في قاعدة معرفة حكومية ملاحظةً تُضاف قبل الإطلاق، بل لا بد أن يكون نقطة البداية والشرط المسبق. أي حقول تُعدّ حسّاسة، وهل تُخفى تلقائياً عند الإيداع، وبأي صلاحيات تُصفّى النتائج عند البحث، وهل تُسجّل العمليات؟ حين تُحسم هذه من البداية، يمكن للنظام أن يدخل العمل اليومي بدل أن يبقى معروضاً على شاشة.
وكيف نعرف أن كل هذا يعمل فعلاً؟ هنا يدخل الشق الآخر من الحرفة: التحقق المستقل. الفرق الجادة تحتفظ بمجموعة أسئلة موسومة لا تشارك في التطوير أو التصحيح، أشبه بورقة امتحان منفصلة للقبول. ويجب أن تكون المقاييس قابلة لإعادة الإنتاج دون اتصال، بحيث يحصل شخص آخر على النتيجة نفسها تقريباً. والتغييرات الجوهرية تخضع لمقارنة عمياء لا يعلم فيها المقيّم أيّ نسخة هي الجديدة. وتبقى اختبارات الانحدار مقيمةً، فتُشغّل تلقائياً مع كل تحديث، تفادياً لكمين إصلاح شيء وإفساد آخر. أضف إلى ذلك إشارات المستخدمين الحقيقيين والتدقيق الخارجي، فتكتمل سلسلة الأدلة. أما مَن يكتفي بعبارة "دقتنا عالية" من غير أن يقدّم منهجاً قابلاً للتحقق، فالأخذ بكلامه يستوجب الحذر.
وإذا بسطنا هذه الأبعاد جنباً إلى جنب، تبرز مقارنة مسارات بناء قاعدة المعرفة العامة هكذا:
| معيار الاختيار | نموذج لغوي سحابي عام مباشر | بحث بالكلمات المفتاحية مع تنظيم يدوي | قاعدة معرفة خاصة (ضغط + بحث + حوكمة) |
|---|---|---|---|
| هل تخرج البيانات من الشبكة؟ | نعم | لا | لا |
| إمكانية تتبّع الإجابة إلى مصدرها | ضعيفة | قوية | قوية |
| فهم الأسئلة العامية | قوي | ضعيف | قوي |
| إخفاء البيانات الحسّاسة | يعتمد على الوعود | يدوي | يمكن أتمتته |
| التحديث والتراجع | غير منضبط | يدوي | تحديث تراكمي وقابل للتراجع |
| مَن يتحقق من الجودة؟ | تقرير المورّد | لا تحقق منظّم | مجموعات موسومة مستقلة وتحقق بالانحدار |
ويُقرأ الجدول في ضوء قيودك أنت. فسؤال خروج البيانات من الشبكة هو عادةً أول خطّ أحمر في العمل العام، وهذا المعيار وحده كافٍ لاستبعاد المسار السحابي المباشر. وإمكانية تتبّع الإجابة إلى مصدرها تهمّ لأن القرار يجب أن يكون قابلاً للمراجعة، وهي كذلك حمراء أيضاً. لكن ما يفرّق المسارات حقاً هو الصف الأخير: مَن يتحقق من الجودة؟ فالمسار الذي يستند إلى كلمة المورّد وحدها، إنما يسلّمك حقّ قبول النتيجة أو رفضها.
كلمة أخيرة عن الضغط. كثيرون يعدّونه شأناً ثانوياً في التخزين، لكنه داخل قاعدة المعرفة خطوةٌ تسبق كل شيء. المشهد هكذا: مواد عامة مختلطة من مسح ضوئي وجداول وصور، وربما بلغ حجم الملف الواحد عشرات الميغابايت، فيصبح إدخالها كلها بطيئاً ومستهلكاً للمساحة. والآلية أن الضغط يخفض الحجم بإزالة المعلومات المكرّرة والزائدة، ومتى أُحسن التعامل معه، بقيت وضوحية النص والأختام والرسوم البيانية محفوظة، وتأثّرت القراءة الآلية والبحث العكسي بأدنى حد. أما العائد، فتحت الإدخال الكثيف المتزامن يخفّف الضغطُ المسبق عبءَ التخزين والنقل دفعةً واحدة، فيصير الفهرس الدلالي في المرحلة التالية أكثر سلاسة. وينخفض الحجم عادةً بنسبة 60% إلى 80%، والأختام والرسوم واضحة كما هي. باختصار، الضغط لا يوفّر مساحة فحسب، بل يوفّر زمن الانتظار المخبوء في خط الإنتاج بأكمله.
وهذا بالضبط سبب أننا نعمل على الضغط وقواعد المعرفة معاً. إن أساس هندسة بيانات RAG لدى UglyPear بيانات يتولى كل شيء، من الضغط وتنسيق المواد قبل الإيداع وصولاً إلى البحث والإجابة، ويدعم الإخفاء التلقائي لـ13 نوعاً من معلومات الذكاء الاصطناعي الحسّاسة. ومع النشر الخاص بالكامل، تتم الضغطُ والفهرسةُ والإجابةُ كلها داخل بيئة العميل نفسها، فلا تخرج البيانات من الشبكة الداخلية. قيمة هذا المسار ليست في تفوّق رقم بعينه، بل في أنه يربط "الحفظ والإدارة والبحث والاستخدام" في سلسلة يمكن تدقيقها وتتبّعها.
نعود إلى الرقم الذي بدأنا به. توفير 3.9 ساعة، واستعادة 98 شخصاً بدوام كامل، يبدو مسألة كفاءة. لكن بالنسبة لجهة عامة، هو أقرب إلى سؤال ثقة: حين يسأل مواطن سؤالاً، هل يحصل على إجابة دقيقة وقابلة للمراجعة تحترم الخصوصية؟ العملُ قبل الإيداع، وتحويلُ الجودة إلى مقياس قابل للقياس، وإبقاءُ حقّ التحقق بين أيدينا، هي وحدها ما يمنع قاعدة المعرفة من أن تصبح مرة أخرى واجهةً تُخطئ في الإجابة.
جرّبه الآن
إن كنت تُعاني من قاعدة معرفة حكومية أو عامة تُخطئ في الإجابة، أو تسمح بخروج البيانات، أو لا توفّر سبيلاً للتحقق من الجودة، فاطّلع على نهج UglyPear بيانات: أساس هندسة بيانات RAG والنشر الخاص بالكامل. ويمكنك الاطلاع على مزيد من الممارسات حول الضغط وقواعد المعرفة في المدونة التقنية.
الأسئلة الشائعة
Q: قاعدة المعرفة الحكومية تُخطئ في الإجابة، وهل يكفي نموذج أقوى؟
A: في الغالب لا. الجذر عادةً ما قبل الإيداع: ملفات فوضوية، وتقسيم غير مناسب، وبيانات وصفية ناقصة. ومهما قويت طبقة الإجابة، فإنها تبحث داخل الضجيج. اجعل حوكمة البيانات وجودة البحث مقياسين قابلين للقياس، ولا تنتقل إلى الحديث عن تغيير النموذج إلا بعد ذلك.
Q: مع بقاء البيانات داخل الشبكة الداخلية، هل يمكن عمل بحث دلالي وإجابة على أسئلة عامية؟
A: نعم. الفهرسة الدلالية والبحث والإجابة كلها يمكن أن تعمل داخل بيئة العميل نفسها من دون أن تخرج البيانات. ومع الضغط والإخفاء، تنغلق السلسلة كلها داخل النشر الخاص.
Q: كيف أحكم على دقة إجابات قاعدة المعرفة؟
A: انظر إلى وجود منهج قابل لإعادة الإنتاج: مجموعة أسئلة موسومة مستقلة، ومقاييس يمكن لأي شخص إعادة تشغيلها، ومقارنات عمياء، واختبارات انحدار مقيمة. كن حذراً من ادّعاء "دقة عالية" من غير طريقة للتحقق.
Q: هل يؤدي الضغط إلى تشويش الأختام أو الجداول؟
A: متى أُحسن التعامل معه، لا. يخفض الضغط الحجم مع الحفاظ على وضوحية النص والأختام والرسوم، ويمكنك معاينة النتيجة والتحقق منها قبل دخولها مرحلة البحث التالية.
Q: هل يتطلّب هذا الحلّ سحابة عامة كي يعمل؟
A: لا. يمكن نشره بالكامل على شبكة العميل نفسها، وتتم الضغطُ والفهرسةُ والإجابةُ والإخفاءُ محلياً، من غير أن تخرج البيانات من الشبكة الداخلية.