تصور کنید یک افسر تازه‌کار در عرض چند ثانیه معیارهای قانونی اتهام «ترغیب کودک» را پیدا کند و از یک آدم‌ربایی احتمالی جلوگیری کند. این دقیقاً همان ارزش افزوده‌ای است که Blue Voice، استارتاپ مستقر در بوستون، ارائه می‌دهد؛ شرکتی که در ۳۱ اوت ۲۰۲۶ از حالت مخفیانه خارج شد و ۶ میلیون دلار سرمایه را تحت رهبری SignalFire و Las Olas VC جذب کرد.
داستان این شرکت از یک حادثه تلخ شروع شد. دیوید لارنس، زمانی که دانشجوی حقوق هاروارد بود، شاهد یک تیراندازی در محیط دانشگاه بود که در آن یک افسر پلیس درگیر شد. این حادثه جنجال‌های شدیدی را درباره رفتار پلیس برانگیخت. لارنس متوجه شد اکثر خطاهای پلیس به دلیل عدم دسترسی سریع به قوانین پیچیده سازمانی رخ می‌دهد. او برای حل این مشکل از دانشگاه انصراف داد و اظهار داشت: «این بهترین کاری است که می‌توانستم با مسیر شغلی‌ام انجام دهم و بیشترین تأثیری است که می‌توانستم بگذارم.» این رویکرد جسورانه لارنس در تبدیل یک تجربه دانشگاهی به یک بیزنس، یادآور تحولات اخیر در خود دانشگاه هاروارد است که اکنون برای ارائه بازخورد به کارآفرینان از آواتارهای هوش مصنوعی استفاده می‌کند.
لارنس برای توسعه این ایده با دو هم‌بنیان‌گذار دیگر تیم تشکیل داد: آمیت پاتانکار، فارغ‌التحصیل MBA هاروارد و مهندس سابق گوگل، و مایکل گروپمن، معاون بازنشسته پلیس بوستون. علاوه بر این، لارنس تجربیات خود را از همکاری قبلی با نِد لیمونت، فرماندار کنتیکت، به این پروژه آورد.
تا پیش از این، تنها گزینه‌های موجود برای افسران این بود که دفترچه‌های راهنمای ۱۵ هزار صفحه‌ای را ورق بزنند یا در نیمه‌شب سرپرستان خود را بیدار کنند. طبق اعلام لارنس، ابزارهای عمومی مثل ChatGPT در این حوزه شکست می‌خورند؛ زیرا به دلیل عدم دسترسی به قوانین محلی و خصوصی، تا ۳۰٪ اوقات پاسخ‌های نادرست می‌دهند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، دسترسی به داده‌های محصور، کلید موفقیت در کاربردهای تخصصی است. Blue Voice مانند یک لایه دانش تخصصی عمل می‌کند — شبیه به همان کاری که Harvey برای وکلا یا OpenEvidence برای پزشکان انجام می‌دهد. این ابزار روی قوانین خاص هر اداره، پروتکل‌های محلی و دستورالعمل‌هایی آموزش دیده است که در اینترنت عمومی در دسترس نیستند.
بر اساس گزارش TechCrunch، قابلیت‌های کلیدی این سامانه عبارت است از:
- استقرار گسترده: استفاده در ۲۲۵ آژانس ایالتی در ۲۵ ایالت آمریکا.
- مبنی‌سازی (Grounding): — مثل دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند و از آن نقل می‌آورد — این ابزار به‌جای تولید پاسخ مستقل، کاربر را مستقیماً به متن اصلی مقررات ارجاع می‌دهد.
- کاربرد در شرایط اضطراری: دسترسی لحظه‌ای به نقشه‌های دقیق مدارس در سناریوهای تیراندازی فعال.
- رشد سریع: افزایش ۱۱ برابری تعداد مشتریان در سال گذشته.
- تراکم استفاده: پاسخ به یک پرسش در هر دقیقه.
لارنس در گفتگو با تک‌کرانچ توضیح داد که افسران معمولاً تصمیمات خود را بر اساس حافظه یا یک «بهترین حدس» (best guess) می‌گیرند که حاصل درونی کردن هزاران صفحه قانون، مقررات شهری و قوانین ایالتی است. Blue Voice نیاز به حدس زدن دقیقِ مثلاً «مرحله هفتم» مورد نیاز در یک صحنه جرم را از بین می‌برد.
طبق گزارش تک‌کرانچ، این پلتفرم برای حمایت از قضاوت انسانی طراحی شده، نه جایگزینی آن. این ابزار قانون را ارائه می‌دهد، اما افسر داده‌ها را با تجربه میدانی خود ترکیب می‌کند تا تصمیم نهایی را بگیرد. برای مثال، در یک مورد، این ابزار به رئیس یک اداره یادآور شد که پیش از بازگرداندن یک افسر به خدمت فعال پس از یک حادثه تیراندازی، انجام ارزیابی سلامت روان توسط شخص ثالث الزامی است.
این رویکرد، حرکتی به سمت «هوش مصنوعی مبنی‌سازی‌شده» در حوزه‌های حساس امنیت عمومی است. در حالی که ابزارهای نظارتی مثل Flock Safety به دلیل نگرانی‌های مربوط به حقوق مدنی مورد انتقاد شدید هستند، تمرکز این استارتاپ بر انطباق قانونی و دقت رویه‌ای است. این شرکت ادعا می‌کند که با کاهش تصمیم‌گیری‌های مبتنی بر «حدس»، جنجال‌های عملیاتی را کاهش داده و به کاهش جرم کمک می‌کند. این تلاش برای بهینه‌سازی استقرار هوش مصنوعی در سازمان‌های بزرگ، مشابه چالش‌هایی است که استارتاپ June برای مقابله با «بدهی استقرار» در محیط‌های سازمانی هدف قرار داده است.
برای کاربر نهایی، این یعنی تفاوت بین یک مداخله قانونی و یک شکایت دادگاهی احتمالی. وقتی یک افسر بتواند یک پروتکل را در یک دقیقه — که میانگین فرکانس پرس‌وجوها در پلتفرم است — تأیید کند، ریسک خطای رویه‌ای به شدت کاهش می‌یابد.
باید دید این مدل چگونه با شرکت Lexipol (که توسط شرکت‌های Private Equity پشتیبانی می‌شود و به تازگی وارد حوزه قابلیت‌های AI برای پرونده‌های قدیمی یا Cold Case شده) رقابت می‌کند. نبرد بعدی احتمالاً بر سر ادغام این ابزارها در اکوسیستم‌های موجود دیسپچ (اعزام) و گزارش‌دهی پلیس خواهد بود.
گام بعدی شما
- بررسی مدل‌های RAG (تولید بازیابی‌افزا) برای تبدیل اسناد حجیم سازمانی به دستیارهای پاسخگو.
- تحلیل تفاوت بین مدل‌های مولد عمومی و مدل‌های تخصصی‌شده (Vertical AI) در صنایع حساس.
- دنبال کردن رقابت Blue Voice با شرکت Lexipol در بازار ابزارهای قانونی پلیس.
اما نبرد اصلی در آینده، ادغام این ابزارها در سامانه‌های دیسپچ و گزارش‌دهی پلیس است که پیچیدگی‌های فنی بسیار بیشتری دارد.
گفتگو