Koniec ery obietnic w świecie arabskiego AI. Czas na rygorystyczny audyt

Arabia Saudyjska chce do 2030 roku wejść do światowej piętnastki potęg AI z budżetem 20 mld dolarów, a Zjednoczone Emiraty Arabskie wykładają na ten cel dwa razy tyle. Pieniądze to jednak nie wszystko. Gdy opadnie kurz po spektakularnych zakupach chipów Nvidii – USA właśnie zgodziły się sprzedać saudyjskiej HUMAIN i emirackiej G42 35 tysięcy układów o wartości miliarda dolarów – pozostaje pytanie o realną jakość lokalnych algorytmów.

Temat jest palący, bo kraje Zatoki budują suwerenną infrastrukturę, ale jednocześnie drastycznie podnoszą poprzeczkę dla rozliczalności technologii. Od modeli językowych (LLM) nikt już nie oczekuje wyłącznie płynnego władania arabszczyzną. Rynek żąda zgodności z lokalnym prawem i odporności na błędy w operacjach biznesowych. Jak zauważa Stanford AI Index, świat wdraża AI szybciej niż internet, ale ta prędkość potęguje deficyt przejrzystości. Odpowiedzią na ten kryzys zaufania jest HELM Arabic Enterprise – system oceny stworzony przez Stanford CRFM i Arabic.AI.

Biznesowy test prawdy

Inicjatywa, której start zaplanowano na styczeń 2026 roku, to pierwszy tak surowy mechanizm weryfikacji modeli pod kątem wymagań sektora finansowego i prawniczego. Zamiast badać ogólną poprawność gramatyczną, HELM Arabic Enterprise uderza w czułe punkty: rozumowanie logiczne, precyzję obliczeniową oraz znajomość specyficznych regulacji ZEA. Wyniki pokazują jasno, że gadatliwość AI rzadko idzie w parze z merytoryczną rzetelnością.

Największym wyzwaniem okazują się operacje wieloetapowe i analityka finansowa. Nawet najlepsze wyniki oscylujące wokół 0,753 w skali do 1 wskazują, że pełna automatyzacja procesów bankowych bez nadzoru człowieka pozostaje w sferze planów. Modele GPT-4 czy Claude, choć uniwersalne, w regionalnych testach musiały uznać wyższość lokalnych rozwiązań, takich jak LLM-X (Pronaia) od Arabic.AI. Modele te muszą posiadać, jak twierdzi Timothy Baldwin z MBZUAI, „wbudowane bariery ochronne, które uwzględniają wrażliwość kulturową i religijną” regionu.

Hallucynacje kontra kodeksy

Wnioski z testów prawniczych są alarmujące. Systemy działające w trybie „closed-book”, czyli polegające wyłącznie na swojej „pamięci”, osiągały rezultaty na poziomie zaledwie 0,495. To jasny sygnał: dzisiejsze modele nie są bezpiecznymi depozytariuszami wiedzy prawnej. Bez integracji z zewnętrznymi bazami danych (mechanizmy RAG), ich porady w obszarze legislacji stanowią zbyt duże ryzyko dla korporacji.

Przejrzysty ranking kładzie kres dominacji starszych modeli, jak JAIS czy AceGPT-v2, które wyraźnie odstają od czołówki. Dla regionu, który inwestuje dziesiątki miliardów dolarów w projekty takie jak wart 50 mld dolarów kampus data center budowany z Francją, HELM Arabic Enterprise to niezbędny filtr bezpieczeństwa. Od sztucznej inteligencji wymaga się tu dziś twardych danych, a nie tylko nowoczesnego brzmienia.