سند تصمیم چیست؟

یک رکورد تصمیم یک سند مستقل و واحد از یک تصمیم هوش مصنوعی است — استدلال، شواهد موجود در آن زمان، سیاست‌های ارزیابی شده و انسانی که آن را تأیید کرده است. برخلاف یک ورودی لاگ که ثبت می‌کند که چیزی اتفاق افتاده است، رکورد تصمیم به گونه‌ای طراحی شده است که بعداً توسط کسی که در آنجا نبوده است خوانده شود: یک حسابرس، یک نهاد نظارتی یا یک همکار که تصمیم را به ارث می‌برد.

حاکمیت تصمیم‌گیری

سند تصمیم چیست؟

گزارش‌ها به شما می‌گویند که سیستم شما چه کار کرده است. یک رکورد تصمیم به شخص دیگری می‌گوید که چرا تصمیم برقرار است. این سندی است که زمانی که یک تصمیم مورد سوال قرار می‌گیرد — ماه‌ها بعد، توسط شخصی که به سیستم‌های شما دسترسی ندارد — به او تحویل می‌دهید.

TL;DR

یک رکورد تصمیم، سند پایدار و خودکفای یک تصمیم هوش مصنوعی است. این رکورد شامل استدلال‌ها به صورت آرگومان‌های ساختاریافته، شواهدی که در زمان تصمیم‌گیری وجود داشت، سیاست‌هایی که ارزیابی شدند و هویت شخصی که آن را تأیید کرده است، می‌باشد. این سند به گونه‌ای طراحی شده است که در لحظه‌ای که یک تصمیم به چالش کشیده می‌شود، قابل خواندن بدون نیاز به ورود به سیستم، قابل تأیید بدون اعتماد به فروشنده‌ای که آن را تولید کرده و به اندازه کافی کامل باشد که خواننده‌ای که در آن زمان حضور نداشته است بتواند پیگیری کند که چگونه به این نتیجه رسیده‌اند.

یک لاگ یک رکورد نیست

یک ورودی ثبت پاسخ می‌دهد "چه اتفاقی افتاد و چه زمانی." یک رکورد تصمیم پاسخ می‌دهد "چرا این تصمیم قابل دفاع است." این تفاوت در لحظه چالش اهمیت دارد: یک ثبت به بازبینی‌کننده می‌گوید که یک عامل خروجی تولید کرده است؛ اما نمی‌تواند به آنها بگوید که چه گزینه‌هایی مورد بررسی قرار گرفته، کدام شواهد واقعاً در دسترس بوده یا اینکه آیا یک فرد قضاوت کرده است یا خیر. ابزارهای مشاهده‌پذیری در پاسخ به سوال اول عالی هستند و هرگز برای سوال دوم طراحی نشده‌اند — تمایزی که به طور عمیق در ردیابی حسابرسی هوش مصنوعی پوشش داده شده است.

چه چیزی در یک رکورد تصمیم باید وجود داشته باشد

چهار چیز، و همه چهار باید به طور مستقل از سیستمی که آن‌ها را تولید کرده است، زنده بمانند. استدلال — استدلال‌ها برای و علیه، به صورت ساختاریافته و نه روایت شده، تا خواننده بتواند ببیند چه چیزهایی مورد بررسی قرار گرفته است. شواهد — به صورت لحظه‌ای که در زمان تصمیم‌گیری وجود داشت، زیرا شواهدی که بعداً به طور خاموش تغییر می‌کنند، هیچ چیزی را ثابت نمی‌کنند. سیاست — کدام قوانین ارزیابی شدند و کدام شکست خوردند، شکست‌ها ابتدا. و مجوز — چه کسی آن را تأیید کرد و به نمایندگی از چه کسی. این‌ها با هم چیزی هستند که یک ردپا را به شواهد انطباق تبدیل می‌کنند.

چرا باید در ده سال آینده قابل خواندن باشد

هدف اصلی یک رکورد تصمیم این است که پس از مدت طولانی از تصمیم مورد بررسی قرار گیرد. این موضوع هر چیزی را که نیاز به یک حساب زنده، یک سرویس در حال اجرا یا یک فروشنده که هنوز در حال فعالیت است، رد می‌کند. یک رکورد که تنها می‌تواند در یک پورتال خوانده شود، رکورد نیست؛ بلکه یک نمای است. به همین دلیل است که فرمت به اندازه محتوا اهمیت دارد — یک سند آرشیوی که داده‌های قابل خواندن توسط ماشین خود را به عنوان پیوست دارد، زمانی که همه چیز در اطراف آن تغییر کرده است، قابل خواندن باقی می‌ماند. این همچنین چیزی است که رژیم‌هایی با وظایف نگهداری چند ساله، مانند ماده ۱۲ قانون هوش مصنوعی اتحادیه اروپا به طور ضمنی فرض می‌کنند.

شواهد دستکاری و آنچه که اثبات نمی‌کند

یک رکورد تصمیم می‌تواند مهر و موم شود به طوری که هر گونه تغییر بعدی قابل شناسایی باشد و امضا شود تا خواننده بتواند آن را بدون اعتماد به ذخیره‌سازی که از آن آمده است، تأیید کند. این یکپارچگی را برقرار می‌کند: این رکورد به عنوان مهر و موم شده است. این نمی‌تواند ثابت کند که محتوا در زمان نوشتن درست بوده است. هیچ رمزنگاری نمی‌تواند ثابت کند که یک عامل به طور صادقانه استدلال خود را گزارش کرده است، یا اینکه یک انسان به جای کلیک کردن، تفکر کرده است — به همین دلیل نظارت انسانی تحت ماده 14 شایسته درمان ساختاری خاص خود است. دقیق بودن در مورد آن مرز است که بقیه ادعا را معتبر می‌سازد.

یک رکورد تصمیم شامل چه مواردی است

چهار عنصر، هر کدام به یک سوال که یک بازبین واقعاً خواهد پرسید، پاسخ می‌دهند.

استدلال ساختاریافته

استدلال‌ها برای و علیه، به صورت یک نمودار به جای نثر، تا خواننده بتواند ببیند چه چیزهایی مورد بررسی قرار گرفته‌اند نه اینکه فقط خلاصه شده باشند.

شواهد به همان شکلی که بود

منابع و مقادیر در زمان تصمیم‌گیری ثبت شده‌اند، بنابراین رکورد آنچه را که در آن زمان واقعاً قابل دانستن بود منعکس می‌کند، نه آنچه که اکنون شناخته شده است.

سیاست‌های ارزیابی شده

کدام قوانین بررسی شدند و کدام یک ناموفق بودند، ناموفق‌ها ابتدا نشان داده می‌شوند تا استثناها قابل مشاهده باشند نه پنهان.

مجوز

چه کسی تصمیم را تأیید کرد، از جمله نمایندگی به نمایندگی، به گونه‌ای ثبت شده است که تأیید ماشین هرگز نمی‌تواند با تأیید انسانی اشتباه گرفته شود.

با هم، اینها "عامل تصمیم گرفت X" را به یک رکورد تبدیل می‌کنند که یک بازبین می‌تواند بدون بازسازی لحظه از ابتدا، آن را ارزیابی کند.

سوابق تصمیم‌گیری: سوالات متداول

سابقه تصمیم‌گیری چگونه با گزارش حسابرسی متفاوت است؟

یک لاگ حسابرسی یک جریان زمانی از رویدادها در یک سیستم است؛ یک سند تصمیم یک سند محدود درباره یک تصمیم است. لاگ به سوال "چه اتفاقی در اینجا افتاده است" پاسخ می‌دهد؛ سند به سوال "چرا این تصمیم برقرار است" پاسخ می‌دهد. بیشتر سازمان‌ها به هر دو نیاز دارند و این‌ها جایگزین یکدیگر نیستند.

آیا یک رکورد تصمیم نشان می‌دهد که تصمیم درست بوده است؟

خیر، و هر ابزاری که خلاف این ادعا کند، بیش از حد تبلیغ می‌کند. یک رکورد تصمیم‌گیری مشخص می‌کند که چه چیزی تصمیم‌گیری شده، بر چه اساسی و توسط چه کسی — ورودی‌هایی برای قضاوت درباره درستی، نه خود قضاوت. اینکه آیا تصمیم درست بوده است، سوالی برای بازبینی‌کننده است.

آیا می‌توان یک رکورد تصمیم را پس از وقوع تغییر داد؟

این می‌تواند به گونه‌ای مهر و موم شود که تغییرات قابل شناسایی باشد. این یک تضمین معنادار متفاوت از پیشگیری است: رکورد به طور فیزیکی غیرقابل تغییر نمی‌شود، اما یک خواننده می‌تواند تشخیص دهد که آنچه در دست دارد همان چیزی است که مهر و موم شده است.

کی واقعاً این‌ها را می‌خواند؟

در عمل: حسابرسی داخلی، ارزیابان خارجی، نهادهای نظارتی که به یک شکایت پاسخ می‌دهند و همکارانی که تصمیمی را به ارث می‌برند. هر کدام به یک چیز نیاز دارند — زمینه کافی برای ارزیابی تصمیمی که در آن حضور نداشتند.

آیا برای هر تصمیم هوش مصنوعی به یک رکورد تصمیم نیاز داریم؟

خیر. این الزام به تصمیماتی مربوط می‌شود که پیامدهایی دارند — آنهایی که بر حقوق، دسترسی، پول یا ایمنی یک فرد تأثیر می‌گذارند. ثبت همه چیز در یک عمق یکسان هزینه‌بر است و پیدا کردن سوابق مهم را دشوارتر می‌کند.

یک رکورد تصمیم باید در چه فرمت باشد؟

چیزی آرشیوی و خودکفا که همچنین داده‌های قابل خواندن توسط ماشین را حمل می‌کند. خوانایی انسانی مهم است زیرا مردم تصمیمات را ارزیابی می‌کنند؛ خوانایی ماشین مهم است زیرا سیستم‌ها نیاز به جستجو و تأیید آن‌ها دارند. فرمت‌هایی که فقط یکی از این دو را ارائه می‌دهند، مخاطب دیگر را در وضعیت بلاتکلیفی قرار می‌دهند.

این چگونه به قانون هوش مصنوعی اتحادیه اروپا مربوط می‌شود؟

ماده ۱۲ به نگهداری سوابق مربوط می‌شود و ماده ۱۴ به نظارت انسانی مربوط است و هر دو در نهایت با سوابق تصمیمات فردی اثبات می‌شوند. یک سوابق تصمیم یکی از راه‌های برآورده کردن این الزامات است — خود این سوابق به تنهایی انطباق نیست، که به کل سیستم و نحوه عملکرد آن بستگی دارد.

Related AI governance topics

AI Governance

The umbrella discipline: how organizations keep AI agents accountable, observable, and compliant — start here.

AI Observability

Seeing what your AI systems do in production — metrics, traces, and logs.

LLM Observability

Monitoring prompts, tokens, latency, and quality of large language model calls.

AI Traceability

Reconstructing the full lineage of an AI output — inputs, steps, and decisions.

LLM Traceability

End-to-end traces of multi-step LLM and prompt chains.

AI Agent Observability

Observability for autonomous, multi-step agents — tool calls, plans, and decisions.

Agentic AI Governance

Governing autonomous agents: policy, oversight, and accountable autonomy.

AI Audit Trail

Append-only, tamper-evident records of what an AI system decided and why.

AI Agent Monitoring

Real-time monitoring of agent behavior, drift, and decision quality.

Explainable AI (XAI)

Making AI decisions understandable to the people accountable for them.

AI TRiSM

Gartner's framework for AI trust, risk, and security management.

Decision Retrieval

GraphRAG for agents — retrieving past decisions as bounded, auditable packets.

AI Compliance Evidence

What auditors actually ask for, and why policy documents are not evidence.

AI Conformity Assessment

How an AI system is checked against the rules, and what that check consumes.

Decision Tracing

Capturing the structured reasoning behind every AI decision — AI Agentree's category.

AI Precedent Systems

Letting agents learn from past decisions as searchable precedent.

Decision Audit Trails

How human teams record why a decision was made — the deliberation counterpart to an AI audit trail.

Transparent AI

Making model reasoning inspectable, and what changes when several models are compared against each other.

Multi-Agent Simulation

Running many AI personas against one scenario to surface risks before a decision is taken.

مشاهده یک رکورد تصمیم

واضح‌ترین راه برای درک فرمت، نگاه کردن به یک مورد است — استدلال، شواهد، مسیر سیاست و تأیید، در یک سند واحد.

پلتفرم را کاوش کنید