احتيال التأمين بالذكاء الاصطناعي: سير عمل عملي لفحص صور المطالبات

عند الاشتباه في احتيال التأمين، تظل صورة المطالبة سندًا لادعاء محدد: أن هذه المركبة تضررت، أو أن هذه الغرفة غمرتها المياه، أو أن غرضًا مؤمَّنًا عليه بعينه كان موجودًا قبل الخسارة. وفحص الصورة يعني اختبار هذا الادعاء، لا الاكتفاء بالسؤال عمّا إذا كانت عناصرها المرئية (البكسلات) تبدو اصطناعية. فالمشهد المولَّد، والمنطقة المعدَّلة في صورة حقيقية، والصورة الملتقطة في حادث سابق، والصورة الحقيقية غير المكتملة، كلٌّ منها يستدعي متابعة مختلفة.

الهدف العملي هو خطوة تالية موجَّهة: الحصول على زاوية أوضح، أو مقارنة الصورة بصورة سابقة، أو عرض تعديل موضعي محتمل على مختص، أو إغلاق شبهة تفسّرها الأدلة. وقد تساعد نتيجة تفيد بوجود محتوى مولَّد أو معدَّل بالذكاء الاصطناعي في اختيار هذه الخطوة، لكن قرار المطالبة يبقى للمراجِع المسؤول لدى شركة التأمين، استنادًا إلى مجمل الأدلة.

إذا كنت تراجع حالة الآن، فابدأ بمسارات المراجعة الأربعة أدناه ومثال تلف الباب، وفيه نص جاهز للنسخ لطلب الأدلة. وإذا كنت تصمم عملية في مؤسستك، فاستخدم جدول الإحالة والمقياسين المنفصلين للصور وللمطالبات لتحديد المسؤوليات وتقييم مشروع تجريبي محدود.

ما الذي تقوله الأدلة عن احتيال التأمين بالذكاء الاصطناعي

في يونيو 2026 أفادت شركة التأمين البريطانية Aviva بتزايد عدد المطالبات المدعومة بصور مولَّدة بالذكاء الاصطناعي ومستندات معدَّلة، ولا سيما في تأمين المركبات، ووصفت أدوات تحليلية وأدوات مدعومة بالذكاء الاصطناعي تعمل بإشراف بشري. هذا ما أفادت به شركة واحدة عن تجربتها، وأرقامها الإجمالية المعلنة تشمل الاحتيال المشتبه فيه بوجه عام ولا تقتصر على صور المطالبات المولَّدة؛ فلا ينبغي اعتمادها مقياسًا لانتشار الاحتيال بالذكاء الاصطناعي في القطاع. إعلان Aviva (بالإنجليزية) وتغطية Insurance Times (بالإنجليزية)

وفي المنطقة العربية تتوافر مؤشرات من قطاع تأمين المركبات لها صلة مباشرة بالصور. ففي السعودية أعلنت شركة نجم لخدمات التأمين مؤشرات محدَّثة للكشف عن احتيال التأمين في حوادث المرور، وذلك في ورشة عمل بالرياض برعاية هيئة التأمين وبالتعاون مع الإدارة العامة للمرور، واستندت المؤشرات إلى ثلاث ورش عمل عُقدت خلال عام 2024 في الخبر وجدة والرياض. وتغطي المؤشرات السبعة توقيت الحادث، والسائق، وظروف الحادث، وتوثيق الحادث، وفروق الأضرار، والأضرار السابقة، وأدلة موقع الحادث. إعلان نجم على Zawya (بالإنجليزية) وفي فبراير 2024 عقدت نجم ورشة عمل حول مكافحة احتيال التأمين في قطاع المركبات برعاية هيئة التأمين وبالتعاون مع الإدارة العامة للمرور. تقرير Arab News (بالإنجليزية)

وفي مصر نظّمت اللجنة العامة لتأمينات السيارات في الاتحاد المصري للتأمين، في 20 يناير 2025، ورشة عمل حول مواجهة الغش والاحتيال في تأمينات السيارات بحضور ممثلين عن الهيئة العامة للرقابة المالية. ومن المؤشرات الاسترشادية التي أوردتها التغطية الصحفية ما له صلة مباشرة بالصور: ظهور الأضرار في الصور المقدَّمة كأنها مفتعلة، واختلاف الصور المقدَّمة عن الصور الملتقطة عند معاينة المركبة في مركز الإصلاح. تغطية أموال الغد، 27 يناير 2025

لم نعثر على إحصاءات رسمية منشورة ومؤرخة عن حجم الاحتيال في المطالبات في السعودية أو الإمارات أو مصر، ولذلك لا نورد في هذا الدليل أرقامًا محلية؛ فما أعلنته هذه الجهات مؤشرات وأنماط لا قياسات للانتشار. وعلى الفرق أن تميّز بين مشكلات الصور المختلفة وأن تربط النتائج بالوقائع قيد المراجعة؛ فإدخال كاشف دون هذا الربط قد يزيد التنبيهات دون أن يوضح للمحققين الأدلة التي ينبغي طلبها.

كشف احتيال المطالبات: أين تقع مراجعة الصور ومؤشرات نجم

يعمل كشف احتيال المطالبات على طبقات، ومراجعة الصور إحداها: فهي تختبر الأدلة على مستوى الملف خلف صورة بعينها، بينما تفحص القواعد والتحليلات والإحالة إلى وحدة التحقيقات الخاصة (SIU) المطالبة والأطراف والأنماط. وتعرّف الرابطة الوطنية لمفوضي التأمين في الولايات المتحدة (NAIC) احتيال التأمين بأنه خداع متعمد لتحقيق مكسب غير مشروع، وتفرّق بين الاحتيال المدبَّر (hard fraud)، حين يتلف حامل الوثيقة الممتلكات عمدًا ليحصل على مبلغ التأمين، والاحتيال الانتهازي (soft fraud)، حين تُضخَّم مطالبة مشروعة. نظرة NAIC العامة على احتيال التأمين (بالإنجليزية) ويمكن تقديم الصورة دعمًا لأي من النوعين، فلا تكفي طبقة واحدة.

تتكامل الطبقات فيما بينها. فقد يدفع تنبيه تحليلي إلى مراجعة صور تلك المطالبة. وتُحال شبهة غير مفسَّرة في صورة إلى مسؤول المطالبات، أو إلى SIU وفق معايير الإحالة لدى شركة التأمين، مع تحديد الملف والمنطقة بدقة. وتبقى SIU هي الجهة التي تثبت وقائع الخسارة. نتيجة الصورة سبب لطرح سؤال محدد، لا إحالة بحد ذاتها.

وقد تختلف تسمية وحدة التحقيق وصلاحياتها من شركة إلى أخرى ومن دولة إلى أخرى بحسب متطلبات الجهة الرقابية، فتحقق مما ينطبق عليك. ففي السعودية تتضمن قواعد البنك المركزي السعودي (ساما) لائحة لمكافحة الاحتيال بتاريخ 18 ديسمبر 2008، تضم جداول بمؤشرات شائعة لاحتيال حامل الوثيقة، منها التأخر في تقديم المطالبة، ووجود وثائق عدة على الشيء المؤمَّن عليه نفسه. لائحة مكافحة الاحتيال في قواعد ساما (بالإنجليزية) وهذه مؤشرات في بيانات المطالبة لا في ملف الصورة، فهي من الطبقة الأولى في الجدول أعلاه. تحقق من الحالة الراهنة للائحة وأي تحديث لها لدى الجهة الرقابية المشرفة على شركتك.

وفي مطالبات المركبات بالسعودية تصلح مؤشرات نجم السبعة إطارًا لقائمة التحقق. يبيّن الجدول التالي أين قد يضيف فحص ملف الصورة دليلًا إضافيًا. عمود المؤشر مأخوذ من إعلان نجم، أما العمودان الآخران فمن إعدادنا ولا يُنسبان إلى نجم، إذ اقتصر الإعلان على عناوين المؤشرات دون تفصيلها.

ابدأ بالادعاء ثم صنّف أوجه عدم اليقين

اكتب قبل المراجعة جملة واحدة تحدد غرض الصورة: «تُقدَّم هذه الصورة لإظهار تلف الباب الخلفي الأيسر المرتبط بالتصادم المُبلَغ عنه.» فتتضح المنطقة والشيء والحدث، ولا تكتسب حالة شاذة هامشية أهمية أكبر مما تستحق.

قد تتداخل هذه المسارات. فقد تُظهر صورة حقيقية ضررًا حقيقيًا من حادث سابق، وقد يُقدَّم رسم توضيحي مولَّد صراحةً على أنه توضيح لا دليل. سجّل الغرض المعلن للتقديم وأي توضيح مرافق قبل تفسير كيفية إنتاج الصورة.

1. حدّد متطلبًا معقولًا لتقديم الأدلة

اطلب أدلة تجيب عن سؤال المطالبة. ففي تلف المركبات، تربط لقطة عامة الجزء المتضرر من الهيكل بالمركبة، وتُظهر لقطة أقرب الضرر، وتساعد زاوية أخرى في تقدير مداه. وفي جهاز منزلي تالف قد تثبت بطاقة الطراز هويته بينما تُظهر لقطة أوسع حالته. تجنّب طلب صور إضافية لمحيط المطالِب الشخصي لمجرد أنها قد تكون مثيرة للاهتمام.

اشرح كيف يقدّم المطالِب الصورة المصدر عند توفرها، بدل الاكتفاء بطلب «الأصل». فقد يفهم المطالِب الكلمة على أنها أول لقطة شاشة وصلته. وضّح هل المطلوب مرفق أُعيد توجيهه، أو صورة مُصدَّرة، أو ملف الكاميرا نفسه؛ فالنسخة التي مرّت عبر تطبيقات المراسلة قد تكون خضعت لإعادة ضغط. واحتفظ بتوضيح مصدر الملف المقدَّم.

حدّد مسارًا بديلًا للأجهزة التي يتعذر الوصول إليها، والملفات المصدر المفقودة، والممتلكات التي أُصلحت، والمواقع غير الآمنة. لا ينبغي أن يعيد المطالِب تصوير سقف غير آمن أو يدخل مبنى متضررًا مرة بعد مرة لمجرد استيفاء نموذج. ويمكن لمسؤول المطالبات أن يختار معاينة مناسبة أو سجلًا مستقلًا موجودًا أصلًا. الغاية هي الحصول على جواب عن سؤال الأدلة، لا إعادة تقديم بلا نهاية.

2. احفظ الملف المستلم وعلاقاته

امنح كل ملف مستلم مرجعًا ثابتًا مرتبطًا بالمطالبة ووقت الاستلام والجهة المقدِّمة والقناة. احفظ البايتات كما وردت، واربط بها الصور المقصوصة والتعليقات التوضيحية والصور المصغرة. فقد يشير اسم الملف وحده إلى عدة تقديمات مختلفة؛ أما قيمة التجزئة التشفيرية فتحدد الملف بمحتواه الدقيق بايتًا ببايت، دون أن تثبت صحة المشهد.

سجّل التحويلات المعروفة التي طرأت على الملف عند الاستلام. فالمعاينة المضغوطة في البوابة الإلكترونية والملف المرفوع المحتفَظ به مدخلان مختلفان. وحدّد صراحةً أي الملفات كان لقطة شاشة أو نسخة أُعيد إرسالها، ليعرف المراجِع التالي أي نسخة أفضت إلى النتيجة.

3. افحص السياق والمنشأ كلًّا على حدة

قارن أولًا التفاصيل المرئية بالمطالبة: هوية الشيء، والمنطقة المتضررة، والتسلسل المذكور، والزوايا الأخرى المقدَّمة. واسأل أي الملاحظات لها سند مستقل. ثلاث صور أعاد إرسالها الوسيط نفسه قد تضيف زوايا مفيدة، لكنها لا تصبح ثلاثة شهود مستقلين لمجرد أنها ملفات منفصلة. ومن الأدلة المستقلة تقرير الحادث الصادر عن جهة المرور أو تقرير نجم في السعودية، متى توافر.

ثم افحص البيانات الوصفية أو بيانات المنشأ المتاحة بأدوات مناسبة. تعامل مع تاريخ الالتقاط المسجَّل على أنه حقل يخضع للتقييم لا تاريخ حدث مضمون. وميّز بين البيانات الوصفية العادية ومنشأ المحتوى المتحقَّق منه تشفيريًا، وبين غياب السجل وفشل التحقق. وتتضمن «مبادئ التزييف العميق» الصادرة عن الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا)، في إصدار مايو 2025، فحص البيانات الوصفية والعلامات المائية ومنشأ المحتوى ضمن إجراءات التحقق. وثائق سدايا (بالإنجليزية)

يمكن أن تسجّل Content Credentials معلومات موقَّعة عن الإنشاء والتحرير. وتوضح مبادرة أصالة المحتوى (Content Authenticity Initiative) أن نجاح التحقق يقدّم دليلًا على سلامة المحتوى، وعلى مصدر التوقيع كذلك إذا طُبّقت سياسة ثقة، لكنه لا يثبت صحة كل ما يُدَّعى فيه ولا صحة المشهد المصوَّر. وغياب Content Credentials وحده لا يدل على أن المحتوى زائف. مقدمة CAI التقنية (بالإنجليزية)

عمليًا، يمكن لسجل المنشأ أن يساعد في الإجابة عن «ما المعالجة المسجَّلة؟»، لكنه لا يغني عن إثبات «هل هذا هو الشيء المؤمَّن عليه، وهل هذا هو الحدث المعني؟». احتفظ بنتيجة التحقق وإصدار الأداة إلى جانب مرجع الملف ليعرف مراجِع آخر ما الذي فُحص فعلًا.

4. استخدم تحليلًا يطابق السؤال

توليد الصورة كاملة، والتعديل الموضعي، وإعادة استخدام الصور مهام مختلفة. اسأل مورّد الأداة عمّا تقيسه مخرجاتها وعن المدخلات التي تدعمها قبل اعتبار نتيجة ما دليلًا على منطقة ضرر صغيرة. فتصنيف المشهد كله لا يعني تلقائيًا تقييمًا لكل جزء من الهيكل أو بقعة أو رقم تسلسلي داخله.

تميّز النظرة العامة التي نشرها المعهد الوطني الأمريكي للمعايير والتقنية (NIST) في نوفمبر 2024 بين نهجي تتبّع بيانات المنشأ والكشف المعتمد على المحتوى، وتناقش كيفية تقييمها، وتحذّر من أن محتوى سليمًا من الناحية التقنية قد يكون مضلِّلًا إذا استُخدم خارج سياقه. وهذا يدعم الجمع بين الأساليب دون اعتبار أي منها رواية كاملة للحدث. NIST AI 100-4 (بالإنجليزية)

سجّل المدخل الفعلي وإصدار الأداة والمهمة المدعومة والنتيجة التي أعادتها الأداة، مع إبقاء أي درجة بالمعنى الذي توثّقه الأداة نفسها. درجة تصنيف الصورة ليست احتمال احتيال. وللاطلاع على تفاصيل التقييم، راجع دليل دقة كواشف الصور والإيجابيات الكاذبة.

وعند الشبهة في منطقة بعينها من الصورة، صف الملاحظة بلغة عادية واحتفظ بنسخة مرجعية غير معلَّمة. عبارة «يختلف محيط الباب السفلي بين الصورة A01 والصورة A02» يمكن مراجعتها. أما «الخريطة الحرارية تثبت الاحتيال» فتتجاوز التفسير والتعزيز معًا. وإذا كان المدخل صغيرًا جدًا أو محجوبًا أو غير مناسب، فسجّله على أنه غير قابل للتقييم بدل فرض جواب ثنائي.

يوضح الشكل التالي مسار المراجعة بمراحله الخمس، من تحديد ما يجب أن تثبته الصورة إلى تسجيل قرار بشري مع أسبابه.

المبدأ التقني: كيف تحمل الضوضاء الموضعية أثرًا لمعالجة الصورة

قد تتشابه منطقتان من جدار في اللون وتختلفان في التقلبات الدقيقة. فالصورة تحمل بنية المشهد إلى جانب آثار المستشعر والمعالجة، وقد يخلّ الاستبدال الموضعي أو التنقيح بهذه العلاقة. ويسأل التحليل الجنائي القائم على الضوضاء: هل نمط التقلب في منطقة ما متسق مع محيطها المماثل؟ ولا يفترض هذا التحليل أن كل الصور الحقيقية ذات ضوضاء منتظمة.

يفحص أحد المناهج الراسخة معاملات المويجات (Wavelet) عالية التردد، وهي التي تبرز التفاصيل الدقيقة، ثم يقدّر التباين الموضعي بطريقة مقاومة للقيم الشاذة. فإذا رمزنا إلى المعاملات بالرمز c فإن الانحراف المطلق الوسيط (MAD) هو MAD(c) = median(|c - median(c)|). واستخدام الوسيط يحدّ من تأثير عدد قليل من المعاملات المتطرفة مقارنةً بتربيع كل انحراف. وفي نموذج الضوضاء الغاوسية المثالي يحوّل معامل رياضي ثابت هذا المقياس إلى تقدير للانحراف المعياري للضوضاء. وقد تخالف معالجة الكاميرا الفعلية هذا النموذج، فيحتاج التقدير إلى تفسير. ورقة «Using noise inconsistencies for blind image forensics» (Mahdian مع Saic، عام 2009، بالإنجليزية)

ويوضح الفرق مثال صغير افتراضي. القيم المتبقية (سالب 2، سالب 1، صفر، 1، 2) وسيطها صفر وقيمة MAD لها 1. أما القيم (سالب 6، سالب 3، صفر، 3، 6) فوسيطها صفر أيضًا لكن قيمة MAD لها 3. تتطابق المراكز وتختلف مقاييس التقلب، ويعرض الشكل التالي المتتاليتين جنبًا إلى جنب.

يُعد تحليل الضوضاء الموضعية إحدى طرق التحليل الجنائي الرقمي التي تطبقها Fileverity على المدخلات المناسبة. وهو يراعي تباين الضوضاء الموضعية وأثر الملمس المربك. فالستارة المزخرفة والجدار المطلي الأملس والظل الداكن تنتج بطبيعتها محتوى مختلفًا عالي التردد، واعتبار كل فرق تلاعبًا يخلط بين المشهد والمعالجة المراد التحقيق فيها.

في صورة مطالبة تأمينية، قد تبرّر شبهة ضوضاء موضعية تتداخل مع بقعة المياه المدّعاة فحصَ تلك المنطقة إلى جانب أدلة التلاعب الأخرى وزاوية تصوير أخرى. لكنها لا تثبت متى حدث التسرب ولا تقيس مداه. فقد تغيّر إزالة الضوضاء وزيادة الحدة والضغط الإشارة أو تحجبها، وقد تصوّر صورة متسقة تقنيًا حدثًا خاطئًا. قارن المنطقة بالملف المصدر وبالزوايا الأخرى قبل أن تقرر هل يتعلق الفرق بالضرر المدّعى.

5. صعّد بحسب السؤال الذي بقي مفتوحًا

للتصعيد المفيد وجهة محددة وشرط توقف. وجّه الملف رديء الجودة إلى طلب تحسين الأدلة. وجّه شبهة تعديل محدد لم يُعثر له على تفسير إلى مراجِع مؤهل تأهيلًا مناسبًا. وجّه التناقض بين الصور والسجلات المستقلة إلى عملية التحقيق في المطالبة. يمكن أن تلتقي هذه المسارات، لكن أسباب انطلاقها ينبغي أن تبقى ظاهرة.

يتولى التحقق من الصور في Fileverity الخطوة التقنية في المراجعة. فهو يفحص كل صورة بحثًا عن التوليد بالذكاء الاصطناعي والتلاعب الموضعي والمنشأ، ويبيّن المنطقة التي تتعلق بها النتيجة، ليعرف مسؤول المطالبات ما يطلبه من المطالِب بعد ذلك. ويبقى نظام المطالبات لديك وموظفوك المسؤولون هم الذين يربطون النتيجة بالمركبة والحادث والقرار، ويحتفظون بسجل الإحالة.

قد يكون شرط التوقف «الحصول على زاوية تربط الضرر بالمركبة المحددة»، لا «الاستمرار في طلب الصور حتى يتوقف الكاشف عن تعليمها». يُقيَّم كل تقديم جديد بمدى إجابته عن السؤال. وتعدد المخرجات المتشابهة من الكاشف نفسه لا يشكّل بالضرورة تعزيزًا مستقلًا.

افصل النتيجة التقنية عن قرار المطالبة. فتقرير الفحص يدعم سؤالًا؛ أما وصف السلوك بأنه تزوير أو احتيال وتحديد المسؤولية فمسألتان قانونيتان تحسمهما الجهات المختصة وفق التشريعات النافذة. وللاسترشاد فقط، نورد نصوصًا يرجع إليها المستشارون القانونيون في شركتك إذا انتقل الأمر من شبهة إلى بلاغ. وليس هذا استشارة قانونية، فراجع النص النافذ بتعديلاته:

ولا تجيب هذه الإشارات العامة عمّا إذا كانت صورة بعينها تُعد «محررًا» أو «مستندًا» بالمعنى القانوني؛ فهذه مسألة تقدّرها الجهة القانونية في بلدك وفق وقائع الحالة.

مثال تطبيقي: صورة مشكوك فيها لتلف في باب مركبة

تبيّن هذه الحالة الافتراضية كيف تغيّر شبهة تقنية طلب الأدلة.

يقدّم حامل الوثيقة ثلاث صور لتصادم جانبي مُبلَغ عنه. الصورة A01 لقطة قريبة لباب خلفي، والصورة A02 لقطة جانبية أوسع، والصورة A03 تُظهر معرّف المركبة (رقم الهيكل أو لوحة الأرقام). يبدو في A01 انبعاج أعمق مما في A02. وتعيد أداة تقنية أيضًا شبهة تعديل موضعي في A01. ويتضمن تقدير الإصلاح بندًا لاستبدال ذلك الباب بمبلغ 4,800.00 ر.س.

الملاحظة: يبدو الانبعاج مختلفًا بين اللقطتين، وأعادت الأداة شبهة في ملف واحد من الملفات المقدَّمة. الاستنتاج: التعديل أحد التفسيرات المحتملة. أما الإضاءة وزاوية النظر ومعالجة الملف والصور الملتقطة في مراحل مختلفة فتفسيرات أخرى لم تُحسم بعد. ولا تثبت الملاحظة ولا نتيجة الأداة وجود قصد.

تجعل الشبهة الموضعية الباب الخلفي محور المتابعة؛ ولا تسوّغ طلب مزيد من الصور لمناطق لا صلة لها بالمطالبة. يطلب مسؤول المطالبات الملف المصدر المتاح للصورة A01 ولقطة تربط ذلك الباب بالمركبة المحددة. ومن الصيغ العملية للطلب:

نرجو إرفاق الصورة المصدر المتاحة للصورة A01 بدل لقطة شاشة منها. يبدو انبعاج الباب الخلفي مختلفًا بين الصورة A01 والصورة A02. إن كان ذلك آمنًا وممكنًا، فنرجو تقديم لقطة متداخلة تُظهر ذلك الباب وجزءًا كافيًا من المركبة يربطه بمعرّف المركبة المقدَّم سابقًا. ونرجو إفادتنا بما إذا كانت الصور قد التُقطت قبل أي إصلاح أو بعده. وإن تعذر تقديم صورة أخرى أو كان ذلك غير آمن، فيُرجى التواصل مع مسؤول المطالبات لينظر في إجراء معاينة أو في الاعتماد على سجل إصلاح موجود.

يتولى مسؤول المطالبات متابعة الرد، ويتحقق مما إذا كان تقدير الإصلاح يصف ذلك الجزء بعينه بصورة مستقلة، ومتى جرى هذا التقدير. ويتلقى المراجِع التقني مراجع الملفات المستلمة والسؤال المحدد عن ذلك الجزء، لا وسم «احتيال بالذكاء الاصطناعي» دون تفسير.

يمكن أن تنتهي المراجعة إلى ثلاث حالات. إن أكدت معاينة مستقلة الضرر الموصوف وفسّرت مقارنة المصدر الفرق، فأغلق شبهة الصورة بهذا التفسير. ولا حاجة إلى مزيد من عمليات تشغيل الكاشف على ذلك السؤال المحسوم. وإن ناقضت المعاينة الضرر المقدَّم وبقي الفرق دون تفسير، فسلّم التناقض المحدد إلى فريق التحقيق وفق عملية شركة التأمين. وإن تعذر الحصول على دليل مناسب، فأبقِ الحالة غير محسومة مع مسؤول محدد بالاسم وموعد مراجعة؛ ولا تحوّل غياب الرد إلى نتيجة تقنية.

ومن الملاحظات المرحلية المناسبة: «الانبعاج الظاهر في A01 يختلف عنه في A02. نتيجة الأداة إشارة مراجعة تقنية. وتبقى العلاقة بين اللقطتين دون حسم. يُطلب الملف المصدر ولقطة تربط الباب بالمركبة؛ ويقارن مسؤول المطالبات ذلك بتقدير الإصلاح قبل تحديد الإجراء التالي.» تحدد هذه الملاحظة الدليل وعدم اليقين والمسؤول والخطوة التالية دون توجيه اللوم قبل أوانه.

في Fileverity، تكون خطوة A01 تحليل صورة تلك اللقطة: يعلّم التقرير منطقة الباب التي تتعلق بها النتيجة، ويفرّق بين منطقة أُعيد توليدها وتوليد الصورة كاملة، ويقرأ أي Content Credentials وبيانات وصفية، ويسجّل قيمة تجزئة SHA-256 للملف وحالة التحقق من الطابع الزمني، فيحدد طلب مسؤول المطالبات الجزء والملف بدقة.

فحص الصور في معالجة المطالبات الآلية

في أتمتة المطالبات، ينبغي أن يحدد فحص الصور مسار المعالجة لا نتيجة المطالبة. يمكنه أن يستبعد ملفًا من المعالجة الآلية المباشرة (STP)، حيث تُعالج مطالبة منخفضة التعقيد دون مقدّر خسائر، أو يحيله إلى شخص، ولا ينبغي أن يكون الأساس الوحيد لرفض مطالبة أو تخفيضها أو تأخيرها. حدّد المسارات قبل تفعيل أي فحص آلي:

يمنح تحليل الصور في Fileverity هذه القواعد مدخلات ملموسة: مستوى مخاطر، والمنطقة التي تتعلق بها النتيجة، وقيمة SHA-256 للملف مع طابع زمني موثوق (RFC 3161) عند نجاح التحقق. وهو لا يقرر المطالبة ولا يؤكد التغطية ولا يبرّئ ملفًا لا تظهر فيه شبهة.

أبقِ شخصًا بين النتيجة وأي قرار يضر بصاحب المطالبة. وحتى نوفمبر 2026 لم نقف في السعودية أو الإمارات أو مصر على تشريع ملزم مخصص للذكاء الاصطناعي ينظّم قرارات تسوية المطالبات، وهذا ليس استشارة قانونية ولا يغني عن التحقق لدى الجهة الرقابية والشؤون القانونية. وتوجد وثائق إرشادية، منها مبادئ أخلاقيات الذكاء الاصطناعي ومبادئ الذكاء الاصطناعي التوليدي ومبادئ التزييف العميق الصادرة عن سدايا (إصدارات مايو 2025)، وميثاق الإمارات لتطوير واستخدام الذكاء الاصطناعي (يوليو 2024). انظر وثائق سدايا (بالإنجليزية) وبوابة الذكاء الاصطناعي في الإمارات (بالإنجليزية).

وللاطلاع على مرجع دولي في الموضوع، تتوقع النشرة النموذجية التي اعتمدتها NAIC في 4 ديسمبر 2023 أن تمتثل القرارات التي تتخذها أنظمة الذكاء الاصطناعي أو تدعمها لقوانين التأمين النافذة، ومنها ما يتناول الممارسات التجارية غير العادلة وممارسات تسوية المطالبات غير العادلة، وأن تتناسب الضوابط مع المخاطر بما في ذلك مدى مشاركة البشر في القرار النهائي. وتتوقع كذلك أن يغطي برنامج الذكاء الاصطناعي لدى شركة التأمين إدارة المطالبات والكشف عن الاحتيال، وأنظمة الأطراف الثالثة بما فيها العناية الواجبة، وشروط حقوق التدقيق حيثما كان ذلك مناسبًا ومتاحًا. النشرة النموذجية الصادرة عن NAIC (بالإنجليزية) وهي نموذج لإدارات التأمين في الولايات الأمريكية، وليست نظامًا ساريًا في المنطقة العربية. اسأل الشؤون القانونية والامتثال لديك عمّا يسري على شركتك عند استخدام أداة تحليل صور.

اجعل سجل التدقيق جزءًا من عملية التوجيه نفسها. لكل قرار توجيه آلي احتفظ بمرجع الملف وقيمة SHA-256 والأداة وإصدارها والنتيجة والمسار المتخذ والشخص الذي راجعها والقرار النهائي وأساسه. هذا هو سجل المراجعة الموصوف أدناه، يُكتب لحظة اتخاذ القرار بدل إعادة بنائه لاحقًا.

احتفظ بسجل مراجعة يستطيع شخص آخر استخدامه

سجل موجز أفضل من مجلد مخرجات غير مشروحة. استخدم القالب التالي نقطة بداية، وكيّفه مع أنظمة الحالات وقواعد الاحتفاظ لديك.

أدرج الشبهات التي زالت إلى جانب ما صُعِّد. وإلا صار السجل المحتفَظ به مع الوقت فهرسًا للشك، فيصعب معرفة أي التنبيهات تسبّب في عمل لا داعي له. وحين يغيّر مراجِع استنتاجه، احتفظ بالتقييم السابق واشرح الدليل الجديد بدل استبدال التاريخ بصمت.

قِس المطالبات والصور دون الخلط بينهما

عدد الصور المعلَّمة مقياس لحجم العمل. وهو ليس عدد المطالبات الاحتيالية: فقد تنتمي عدة صور إلى مطالبة واحدة، وقد يتعلق التنبيه بمعالجة عادية لا تنطوي على تلاعب، وتبقى بعض الحالات المراجَعة دون حسم.

لنأخذ مثالًا افتراضيًا بحتًا آخر لدفعة شهرية. هناك 1,000 صورة مقدَّمة ضمن 200 مطالبة. يعلّم مسار العمل 60 صورة تعود إلى 25 مطالبة، وتدخل هذه المطالبات مراجعة الصور. وعند موعد إغلاق التقرير، ثبتت شبهة تتعلق بالصورة في 8 مطالبات، وزالت الشبهة في 12 مطالبة، وبقيت 5 مطالبات دون حسم. يلخص الشكل التالي هذه الأعداد.

معدل تعليم الصور هو 60 من أصل 1,000 صورة، أي 6%. ونسبة المطالبات الداخلة في مسار مراجعة الصور هي 25 من أصل 200 مطالبة، أي 12.5%. ومن بين المطالبات العشرين التي حُسمت فيها شبهة الصورة، ثبتت الشبهة في 8، أي 40%. هذه النسبة تصف شبهات الصور المحسومة داخل المجموعة المراجَعة، ولا تقيس انتشار الاحتيال ولا ما فات كشفه عبر كل المطالبات.

تتبّع زمن الحسم وطلبات الأدلة المتكررة إلى جانب هذه الأعداد. وراجع عبر عملية مستقلة عينة مصمَّمة تصميمًا سليمًا من الحالات غير المعلَّمة لتعرف ما فات اكتشافه. افصل الحالات غير المحسومة، وسجّل ما طرأ من تغيّرات في قنوات الإدخال أو تركيبة الحالات قد تفسّر تحولًا. فارتفاع معدل التعليم وحده لا يخبرك هل تحسّن الكشف أم صارت المدخلات أصعب في التقييم.

ابدأ مشروعًا تجريبيًا في خطوة مراجعة واحدة

اطلب من الموردين أن يبيّنوا كيف يتعامل نظامهم مع مدخلات تمثّل الواقع جرى الحصول عليها بصورة مشروعة من قناة التقديم الفعلية. وأدرج الملفات المصدر والنسخ المعالجة العادية والصور التي لا تدعم نتيجة موثوقة. حدّد التصنيفات المرجعية بصورة مستقلة، ولا تعتبر صورة معدَّلة لمجرد أن الأداة قيد التقييم علّمتها.

قارن الأداء في المهمة التي تحتاجها، وفي الأدلة التي يتلقاها المراجِعون، وفي الوقت اللازم لحسم الشبهات. وتحقق من آلية التعامل مع الملفات الحساسة، ومدة الاحتفاظ بها، وضوابط الوصول، والاستخدامات الثانوية المسموح بها قبل رفع مواد المطالبات. واسأل هل يستطيع النظام الاحتفاظ بمراجع المدخلات وإصدارات التحليل، أم يجب أن يوفّر نظام الحالات لديك إمكانية التتبّع هذه.

وينبغي أن تخضع صور المطالبات لمراجعة حماية البيانات منذ البداية، فقد تُظهر أشخاصًا ولوحات أرقام المركبات ووثائق هوية. وفي السعودية يُعدّ نظام حماية البيانات الشخصية صور الفرد ومقاطع الفيديو الخاصة به من البيانات الشخصية، ويمنع نسخ الوثائق الرسمية التي يمكن بها تحديد هوية أصحاب البيانات إلا إذا اقتضى النظام ذلك أو طلبته جهة عامة مختصة، وقد أصدرت سدايا لائحة لنقل البيانات الشخصية خارج المملكة (نظام حماية البيانات الشخصية (بالإنجليزية) ولائحة النقل خارج المملكة، الإصدار 2.0، أغسطس 2024 (بالإنجليزية)). وفي الإمارات يسري المرسوم بقانون اتحادي رقم 45 لسنة 2021 في شأن حماية البيانات الشخصية منذ 2 يناير 2022 (بوابة الإمارات الرسمية (بالإنجليزية)). وفي مصر يسري قانون حماية البيانات الشخصية رقم 151 لسنة 2020 ولائحته التنفيذية.

وإذا كانت أداة التحليل تعمل من خارج بلدك، فاطلب من الشؤون القانونية تقييم شروط نقل البيانات عبر الحدود قبل الرفع. هذا سياق عام وليس استشارة قانونية؛ والتقييم القانوني لحالتك يعود إلى جهتك القانونية. وكقاعدة عملية، لا ترفع إلى أي أداة تحليل وثائق هوية لا حاجة إليها، واقتصر على صور الأضرار نفسها.

ابدأ بجزء محدد من مسار العمل، مثل المراجعة التقنية لصور تلف المركبات محل الخلاف. اتفق على من يتلقى المخرجات، وما طلبات الأدلة المسموح لهم بها، ومتى يتوقفون أو يصعّدون. وقِس ما إذا كانت المخرجات تساعدهم على اختيار خطوة تالية مبررة، بما في ذلك زمن إغلاق الشبهات التي زالت والطلبات المتكررة إلى أصحاب المطالبات. وأبقِ الادعاءات الأوسع عن منع الخسائر خارج خلاصة التجربة ما لم يدعمها التقييم فعلًا.

يلائم التحقق من الصور في Fileverity هذه الخطوة. افحص صور المطالبات المصرَّح بها باستخدام كاشف الصور المولَّدة بالذكاء الاصطناعي (AI Image Detector) وراجع تقرير الأدلة الكامل في ضوء سؤال المراجعة لديك. أرسل إلينا قنوات تقديم الصور لديك وصيغها وعدد الصور المعتاد لكل مطالبة وطاقة المراجِعين الاستيعابية، وسنستعرض مع فريقك حالات فعلية؛ تواصل مع فريق المبيعات. تحلّل Fileverity الملفات على خوادم تُشغّلها شركة Entogo في تورنتو بكندا، وتحذفها عند اكتمال التحليل. وتبيّن صفحة الثقة والأمان كيفية التعامل مع البيانات، بما في ذلك النشر الخاص لعملاء Enterprise عند الطلب.

وللاطلاع على الفرق التقني بين المشاهد المولَّدة والتعديلات الموضعية، راجع كيف تكتشف التعديلات بالذكاء الاصطناعي في صورة.

بقلم Yang Zheng · مراجعة Bill Liu