الذكاء الاصطناعي للتعلّم التكيّفي · تدريب الامتثال

نظام إدارة التعلّم لديك يتتبّع الإكمال. Attest يتتبّع الكفاءة.

يُنهي موظفان الوحدة نفسها لإعادة اعتماد مكافحة غسل الأموال (AML) ويُظهر نظام إدارة التعلّم (LMS) علامتي تحقق خضراوين متطابقتين. يقرأ Attest تيار التفاعل الخام لكل متعلّم بنموذج حقيقي لتتبّع المعرفة، ويُصدّق فقط المفاهيم التي يستطيع إثباتها، ويسلّمك شهادة كفاءة موقَّعة بدلاً من علامة تحقق.

51.9%

خفض وقت الجلوس للمجموعة

مجموعة محاكاة من 500 متعلّم، محسوبة مباشرة

0.83 AUC

جودة نموذج SAKT على المجموعة المحجوزة

معيار KT الاصطناعي ذي البذرة الثابتة لدينا

0 من 18

مُصدَّق لمتعلّم تلاعب بالذكاء الاصطناعي

بوابة الكفاءة، مخرجات التطبيق المباشرة

عرض تجريبي قابل للتشغيل، لا نشراً. المجموعة وسجلات التفاعل اصطناعية، وكل رقم في هذه الصفحة يحسبه التطبيق أثناء تشغيله.

الإكمال ليس كفاءة

علامة تحقق خضراء تخبرك أن موظفاً شاهد مقطعاً مرئياً. ولا تخبرك أنه تعلّم.

يبلّغ SCORM «مكتمل». ويريد المدققون أدلة إتقان. محلّل أقدم لقانون السرية المصرفية (BSA) يعرف المادة بالفعل ومدير فرع بستة أشهر لديه فجوات حقيقية يجلسان الدورة نفسها لمكافحة غسل الأموال (AML) ومدتها 4 ساعات ويكسبان علامة التحقق نفسها. لا يستطيع السجل التمييز بينهما، لأنه لم يكن يقيس ما يعرفه أي منهما.

المنصّات القائمة التي تسوّق نفسها بأنها «تكيّفية» تشغّل في الغالب ترشيحاً تعاونياً («أشخاص مثلك أخذوا الدورة X تالياً»)، لا تتبّع معرفة على مستوى المفهوم («لم تُتقن المفهوم Y»). ويستخدم الموظفون بشكل متزايد مساعدي ذكاء اصطناعي لاجتياز الوحدات بسهولة، لذا يقول سجل الإكمال «مدرَّب» حين لم يرسخ التعلّم قط.

في العمل الخاضع للتنظيم تلك الفجوة مسؤولية يستطيع المدقق تسعيرها. ينفق التدريب المؤسسي الأمريكي نحو $102.8B سنوياً بما يقارب $874 لكل متعلّم (Training Magazine, 2025)، وكثير منه يشتري سجل إكمال لا إثبات كفاءة. حيث تحمل فجوة التدريب عاقبة تنظيمية، في إعادة اعتماد AML وBSA أو بموجب قواعد المعرفة بالذكاء الاصطناعي القائمة على الدور في المادة 4 من قانون الذكاء الاصطناعي الأوروبي التي تبدأ في 2 أغسطس 2026، علامة التحقق الخضراء هي بالضبط الدليل الخطأ الذي تُحضره.

لوحة معلومات Attest لمجموعة إعادة اعتماد AML حيث يقرأ كل متعلّم مسجَّل SCORM Completed، معروضة بجانب خريطة الإتقان على مستوى المفهوم من Attest لمحلّل BSA الأقدم تُظهر 16 من 18 مفهوماً مُصدَّقاً وخفضاً بنسبة 80.3% في وقت الجلوس. — الدورة نفسها، علامة تحقق SCORM نفسها. يقرأ Attest الإتقان على مستوى المفهوم تحتها.

كيف يعمل: الوكلاء ينصحون، والكود يقرر

أربع مراحل تحوّل دورة مسطّحة واحدة إلى إتقان لكل مفهوم وشهادة موقَّعة. يقرأ نموذج لغة كبير؛ والكود الحتمي يتّخذ كل قرار يهمّ.

يحوّل وكيل تخطيط المفاهيم دورة واحدة إلى 18 مفهوماً قابلاً للتتبّع

يفكّك دورة «تدريب AML» مسطّحة واحدة إلى تصنيف من 18 مفهوماً (العناية الواجبة بالعملاء، جودة سرد SAR، كشف المعاملات المُهيكَلة، TBML عبر الفوترة الزائدة والناقصة، فحص عقوبات OFAC، والمزيد) ويوسم كل درس بمفاهيمه. وسم المحتوى هو الخطوة التي يسمّيها المجال السبب الأول لفشل مشاريع التعلّم التكيّفي، وهذا يؤتمتّها. الوكيل مبني على Pydantic AI، قابل لتبديل المزوّد عبر Anthropic وOpenAI وGemini وOllama، والافتراضي claude-opus-4-8، مع احتياطي تصنيف مخزَّن يعمل دون اتصال حتى يعمل العرض التجريبي بلا مفتاح API.

نموذج SAKT حقيقي يستنتج ما يعرفه كل متعلّم فعلياً

النواة محوّل حقيقي لتتبّع المعرفة بالانتباه الذاتي: 119,809 معاملات، PyTorch، يتدرّب على CPU في نحو 90 ثانية ثم يُخزَّن. يعيد تشغيل تسلسل تفاعل كل متعلّم ويستنتج احتمال إتقان لكل مفهوم مشروطاً بالتاريخ الكامل. ليس نموذج لغة كبير وليس وكيلاً. إنه نواة التعلّم الآلي الدائمة التي تجعل هذا تتبّع معرفة حقيقياً لا دفتر درجات.

مُسلسِل Flow-Zone حتمي يقرر المسار

Python خالص، بلا نموذج في الحلقة. لكل مفهوم، احتمال إتقان عند 0.67 أو أعلى يوجَّه إلى تخطٍّ وتحقق، ومن 0.38 إلى 0.67 يوجَّه إلى تدفّق، ودون 0.38 يوجَّه إلى دعائم. يحسب المُسلسِل وقت الجلوس التكيّفي مقابل المسطّح وعائد الاستثمار للمجموعة. نقاط القطع مُعايَرة بالتحقق المتقاطع من المجموعة الموسومة، مدعومة بتجربة A/B من 5 طيّات تحسّن بصرامة على الاحتياطي المضبوط يدوياً، لا أرقام سحرية مضبوطة باليد.

بوابة كفاءة لا يستطيع النموذج تجاوزها تقرر ما يُصدَّق

هذه حوكمة، لا تخصيص. تصدّق البوابة مفهوماً فقط عندما يكون الإتقان 0.747 على الأقل، والأدلة كافية (3 تفاعلات على الأقل)، ونمط الاستجابة غير شاذ. وإلا توسم المفهوم «يحتاج إثبات» وتصدر تحدي تحقق. لا تصدّق أبداً على أدلة رقيقة أو شاذة.

المخرج هو شهادة كفاءة موقَّعة (HMAC-SHA256): إتقان لكل مفهوم، مسار الأدلة، اسم النموذج وإصداره وAUC المعياري، عتبات Flow-Zone المطبَّقة، وقت الجلوس التكيّفي مقابل المسطّح، التخطيط التنظيمي، وتذييل قيود صريح. هذا ما تسلّمه للجهة التنظيمية بدلاً من علامة تحقق. المبدأ طوال الطريق: نصدّق ما نستطيع إثباته، ولا نتظاهر أبداً بتحقق أخضر.

نافذة منهج دورة Attest تعرض تصنيف الـ18 مفهوماً الذي أنتجه وكيل تخطيط المفاهيم من دورة تدريب AML مسطّحة واحدة، وكل مفهوم موسوم بتنظيمه مثل 31 CFR 1020.220 وإرشاد FATF TBML. — يفكّك وكيل تخطيط المفاهيم دورة واحدة إلى 18 درساً مخطَّطاً للتنظيم.

لوحة Attest «تحت الغطاء» تعرض تشغيل التدريب المقيس: مجموعة KT اصطناعية مولَّدة بـPFA، 2,500 طالب، AUC محجوز 0.8315، دقة الخطوة التالية 0.771، بالإضافة إلى منطق قرار Flow-Zone الحتمي وبوابة الكفاءة مقروءاً مباشرة من نقطة التحقق المحمَّلة. — كل قيمة في لوحة المحرك تُقرأ مباشرة من نقطة التحقق والإعدادات المحمَّلة، لا مُرمَّزة في الصفحة.

ثلاثة متعلّمين، حكم صريح لكلٍّ منهم

كل رقم أدناه هو المخرج الحقيقي للتطبيق أثناء تشغيله على متعلّمين اصطناعيين.

محلّل BSA الأقدم (8 سنوات في المنصب) يقرأ أخضر في كل مكان تقريباً، ضعيف فقط في غسل الأموال القائم على التجارة ومفهوم واحد لعلامات SAR الحمراء. يصدّق Attest 16 من 18 مفهوماً، ويوجّه 2 إلى يحتاج-إثبات، ولا يوسِم الأدلة. ينخفض وقت الجلوس من 240 دقيقة مسطّحة إلى 47.3 دقيقة تكيّفية، بوفورات 80.3%. هذه حالة «يعرف معظمها بالفعل، تخطَّ ما ثبت».

شهادة الكفاءة الموقَّعة لمحلّل BSA الأقدم: 16 من 18 مفهوماً مُصدَّقاً، خفض وقت الجلوس 80.3%، AUC النموذج المحجوز 0.8315، جدول لكل مفهوم باحتمال الإتقان وعدد الأدلة وحالة مُصدَّق أو يحتاج-إثبات، وتوقيع HMAC-SHA256. — شهادة المحلّل الموقَّعة: مفهومان يقعان دون عتبة التصديق 0.747 ويُوجَّهان إلى يحتاج-إثبات بدلاً من تمريرهما.

مدير الفرع الجديد (6 أشهر بعد النقل) لديه فجوات حقيقية عبر سرد SAR وTBML. يستنتج النموذج إتقاناً منخفضاً على عدة مفاهيم ويوجّهها إلى تدفّق أو دعائم لا تخطٍّ. يصدّق Attest 10 من 18 مفهوماً، ويوجّه 8 إلى يحتاج-إثبات، ويخفض وقت الجلوس من 240 إلى 146.7 دقيقة، بوفورات 38.9%. مفاهيم مُصدَّقة أقل من المحلّل، لأن هذا المتعلّم يحتاج التدريب فعلاً. الوفورات تتبع الإتقان، لا خصماً مسطّحاً.

وحدة تحكّم خط أنابيب Attest المباشرة لمدير الفرع الجديد تعرض استدلال SAKT، وتسلسل Flow-Zone بـ10 تخطٍّ و5 تدفّق و3 دعائم، ونتيجة بوابة كفاءة 10 مُصدَّقة و8 تحتاج إثبات، مع توفير 38.9% من وقت الجلوس و10 من 18 مُصدَّقة. — خط أنابيب مدير الفرع المباشر: خريطة إتقان أكثر احمراراً تعني تخطّياً أقل ووفراً أصغر وصادقاً.

معاون العمليات هو الحالة الصعبة. أجاب هذا المتعلّم بسرعة وبكمال عبر 18 مفهوماً غير مرتبط، توزيع زمن استجابة لا يتسق مع استرجاع حقيقي. يبدو الإتقان الظاهري مرتفعاً، لكن بوابة الكفاءة توسِم الأدلة وتصدّق 0 من 18. توجَّه المفاهيم الـ18 كلها إلى يحتاج-إثبات، وتُوسَم الأدلة بأنها مُعلَّمة، ويُحتجَز وقت الجلوس بانتظار التحقق. نؤطّر هذا كقيمة، لا «فخاً»: نصدّق فقط ما نستطيع إثباته.

بوابة كفاءة Attest توسِم معاون العمليات لدقة شبه كاملة بأزمنة استجابة غير معقولة السرعة عبر 18 مفهوماً غير مرتبط، لا تتسق مع استرجاع حقيقي، وتحتجز الاعتماد بـ0 من 18 مُصدَّقة ووقت الجلوس ملغى. — حالة التلاعب بالذكاء الاصطناعي: الإتقان الظاهري مرتفع، لكن البوابة تحتجز كل اعتماد بدلاً من التظاهر بتحقق أخضر.

نتيجة المجموعة، محسوبة مباشرة

عبر مجموعة إعادة اعتماد سنوية محاكاة بصدق من 500 شخص بأجر محمل بالكامل قدره $75 في الساعة، يحسب Attest خفضاً بنحو 51.9% في وقت جلوس المجموعة (من 2,000 ساعة مسطّحة إلى نحو 962 ساعة تكيّفية، نحو 1,038 ساعة مستعادة)، ونحو $77,872 مستعادة على هذه الوحدة الواحدة، ونحو $389,362 سنوياً عند التوسّع إلى برنامج امتثال نموذجي من 20 ساعة. أرقام الدولار محسوبة من مخرجات النموذج، والرقم السنوي موسوم بأنه إسقاط على الشاشة.

معيار مجموعة Attest المباشر يقيّم المتعلّمين الاصطناعيين الـ500 جميعاً في 1.28 ثانية، ويبلّغ خفضاً متوسطاً 51.9% في وقت الجلوس، و1,038 ساعة مستعادة على هذه الوحدة، وقيمة مستعادة $77,872، وإسقاطاً سنوياً موسوماً $389,362. — خمسمئة متعلّم قُيِّموا مباشرة: الخفض محسوب بتشغيل كل تاريخ تفاعل عبر النموذج، لا مفترَض.

معيار النموذج، المرساة المستقلة

AUC المحجوز هو 0.8315 على مجموعة KT اصطناعية مزروعة ببذرة وقابلة لإعادة الإنتاج مولَّدة بـPFA (2,000 طالب تدريب و500 اختبار، 18 مفهوماً، 12 حقبة)، بدقة الخطوة التالية 0.771. لأن عملية توليد البيانات (تحليل عوامل الأداء، Performance Factors Analysis، نموذج متعلّم لوجستي كلاسيكي) عائلة نماذج مختلفة عن المحوّل الذي ندرّبه، يُظهر AUC المحجوز أن SAKT استعاد بنية تعلّم كامنة حقيقية لا أنه يقيّم افتراضاته الخاصة. للسياق الخارجي، AUC المنشور لـSAKT على مجموعة ASSISTments العامة نحو 0.80 (Pandey & Karypis, 2019). يبقى العنوان الدائم نسبة وقت الجلوس الموفَّر ونسبة التصديق التلقائي، وهما يصمدان عند أي جودة نموذج. يثبت AUC أن النموذج تتبّع معرفة حقيقي، لا رقم المنتج الرئيسي.

أين يناسب Attest، وما لا يفعله هذا العرض التجريبي

تتبّع الإكمال ومحركات التوصية كلاهما يتركان المدقق فارغ اليدين. تتبّع المعرفة مع الحوكمة لا يفعل ذلك.

النهج	ما الذي يقيسه	ما يمكنك تسليمه لمدقق
إكمال SCORM / LMS	ما إذا فتح المتعلّم المحتوى وأنهاه	علامة تحقق خضراء، بلا أدلة إتقان
«تكيّفي» عبر الترشيح التعاوني	ما أخذه متعلّمون مشابهون أو فعلوه تالياً	توصية دورة، ما زال بلا إثبات على مستوى المفهوم
Attest (تتبّع المعرفة مع الحوكمة)	إتقان لكل مفهوم مستنتَج من تفاعلات كل متعلّم	شهادة كفاءة موقَّعة بمسار الأدلة الكامل

لمثال سوق مسمّى، يستخدم «وكيل التعلّم التكيّفي» من Cornerstone في مارس 2026 الترشيح التعاوني لا تتبّع معرفة على مستوى المفهوم (Cornerstone product announcement, مارس 2026). التمييز هو النقطة كلها: التوصية ليست تقدير إتقان، ولا أحدهما أثر تدقيق.

ما لا يفعله هذا العرض التجريبي

نظام إدارة التعلّم نفسه وموصّلات Cornerstone-REST وSAP-BTP بذور وهمية، لا تكاملات حيّة. بناء إنتاج سيُوصَل بنظام سجلاتك الحقيقي.
مجموعة الـ500 شخص وسجلات التفاعل اصطناعية، واقعية ومنمذَجة على جدول البحث، لا موظفين حقيقيين. المتعلّمون الثلاثة المسمّون اصطناعيون أيضاً.
الشهادة HTML أولاً، وتصدير PDF بأفضل جهد. محتوى تحدي التحقق مولَّد بنموذج لغة كبير عند الطلب.
احتمالات الإتقان أدلة، لا ضمان احتفاظ. يقيس AUC التنبؤ بالعنصر التالي، لا الاحتفاظ طويل الأمد، وهو ما يذكره تذييل القيود في الشهادة نفسها.
هذا عرض تجريبي يُثبت الآلية. ليس خط أنابيب منشوراً.

أسئلة يطرحها المشترون

أليس «التعلّم التكيّفي» مجرد توصيات دورات بتسمية جديدة؟

معظم الأدوات المسوَّقة بأنها تكيّفية تشغّل ترشيحاً تعاونياً: توصي بما أخذه متعلّمون مشابهون تالياً. ذلك محرك توصية، لا تتبّع معرفة. يستخدم Attest محوّل تتبّع معرفة حقيقياً بالانتباه الذاتي (SAKT) يستنتج احتمال إتقان لكل مفهوم من تاريخ تفاعل المتعلّم نفسه. وكيل التعلّم التكيّفي من Cornerstone في مارس 2026، كمثال مسمّى واحد، يستخدم الترشيح التعاوني لا التتبّع على مستوى المفهوم (Cornerstone product announcement, مارس 2026).

هل يستطيع موظف التلاعب بهذا باستخدام مساعد ذكاء اصطناعي للإجابة بسرعة؟

تلك بالضبط الحالة التي بُنيت بوابة الكفاءة من أجلها. في العرض التجريبي، متعلّم أجاب بسرعة وبكمال عبر 18 مفهوماً غير مرتبط يُفعّل قاعدة الشذوذ، وتصدّق البوابة 0 من 18، موجِّهة كل مفهوم إلى يحتاج-إثبات، مع احتجاز وقت الجلوس. تصدّق البوابة فقط عندما يجتاز الإتقان وكفاية الأدلة وفحص نمط الاستجابة جميعاً، لذا يُرفَض الكمال غير المعقول السرعة بدلاً من مكافأته.

ماذا نسلّم للمدقق فعلياً؟

شهادة كفاءة موقَّعة، لا علامة تحقق. تسرد احتمال إتقان كل مفهوم وحالة مُصدَّق أو يحتاج-إثبات، ومسار الأدلة لأي تفاعلات وطوابع زمنية أنتجت كل تقدير، واسم النموذج وإصداره وAUC المعياري، وعتبات Flow-Zone المطبَّقة، ووقت الجلوس التكيّفي مقابل المسطّح، والتخطيط التنظيمي، وتذييل قيود صريح، كلها تحت توقيع HMAC-SHA256.

هل يحل هذا محل نظام إدارة التعلّم لدينا؟

لا. Attest طبقة ذكاء تقرأ تيار التفاعل الذي ينتجه نظام إدارة التعلّم لديك أصلاً، لا نظام إدارة تعلّم جديد. في هذا العرض التجريبي نظام إدارة التعلّم وموصّلات Cornerstone-REST وSAP-BTP بذور محاكاة، وبناء إنتاج سيتصل بنظام سجلاتك الحقيقي. يبقى نظام إدارة التعلّم لديك يسجّل الإكمال بينما يضيف Attest الإتقان على مستوى المفهوم والشهادة.

من أين يأتي خفض وقت الجلوس بنسبة 51.9%؟ هل هو نتيجة عميل حقيقية؟

يُحسب مباشرة على مجموعة إعادة اعتماد اصطناعية من 500 شخص، لا مقيساً على عملاء حقيقيين. يشغّل Attest تاريخ تفاعل كل متعلّم محاكى عبر نموذج SAKT ومُسلسِل Flow-Zone ويبلّغ الخفض الإجمالي بنحو 51.9%، والساعات المستعادة، وإسقاطاً سنوياً موسوماً. الادعاء المرسى باستقلال هو جودة النموذج (AUC 0.83)، لا رقم الدولار.

هل AUC البالغ 0.83 مقيس على مجموعة بيانات عامة؟

لا. AUC المحجوز البالغ 0.8315 مقيس على مجموعة KT الاصطناعية المزروعة ببذرة والقابلة لإعادة الإنتاج المولَّدة بـPFA الخاصة بنا، لا على معيار عام. يهمّ ذلك لأن المجموعة مولَّدة بعائلة نماذج مختلفة (PFA لوجستي) عن المحوّل الذي ندرّبه، لذا يُظهر AUC محجوز مرتفع أن النموذج استعاد بنية تعلّم حقيقية. نتائج SAKT المنشورة على مجموعة ASSISTments العامة نحو 0.80 (Pandey & Karypis, 2019)، مستشهد بها فقط كسياق خارجي.

بحث تقني

البحث وراء هذا العرض التجريبي — المعمارية، وتصميم التحقق، والمخطط المؤسسي.

الحل الكامل

استكشف حل الذكاء الاصطناعي للتعلّم التكيّفي →

أحضِر أدلة الكفاءة إلى تدريب الامتثال لديك

لرؤساء التعلّم، ومديري التعلّم والتطوير (L&D)، وقادة الامتثال الذين يديرون إعادة الاعتماد الإلزامية.

إذا كان فريقك يزن كيفية إثبات الإتقان، لا مجرد الإكمال، لبرنامج تدريب خاضع للتنظيم، نود مقارنة الملاحظات حول ما يتطلّبه ذلك. المشكلة على مستوى الصناعة وستكون الإجابات كذلك.

تقييم ضمان التدريب

✓ تحليل فجوة الإتقان على مستوى المفهوم لوحدة واحدة
✓ نمذجة وقت الجلوس وعائد الاستثمار للمجموعة على أرقامك
✓ مراجعة أثر التدقيق والتخطيط التنظيمي
✓ قراءة صريحة أين يساعد تتبّع المعرفة وأين لا يفعل

بناء مخصّص

✓ وكيل تخطيط مفاهيم مضبوط على مقرراتك
✓ تتبّع معرفة SAKT على بيانات تفاعلك
✓ مُسلسِل Flow-Zone حتمي وبوابة كفاءة
✓ شهادة كفاءة موقَّعة موصولة بنظام سجلاتك

تواصل عبر WhatsApp راسل فريقنا عبر البريد الإلكتروني