سازمان ملل متحد در گامی بی‌سابقه، خزانه آمار و اطلاعات وسیع جهانی خود را برای دستیابی مستقیم توسط سیستم‌های هوش مصنوعی باز کرد. این سازمان در روز پنج‌شنبه از راه‌اندازی «داده‌های مشترک نظام سازمان ملل» (UN System Data Commons) خبر داد، پلتفرمی که بر بستر زیرساخت منبع‌باز داده‌های مشترک گوگل ساخته شده و وعده می‌دهد جستجوی آمارهای توسعه، سلامت، آموزش و محیط‌زیست را از حالت پرس‌وجوی سنتی پایگاه‌داده به مکالمه طبیعی با زبان تبدیل کند.

از UNData به داده‌های مشترک: قفزه‌ای به سوی زبان طبیعی

پورتال قدیمی UNData سال‌هاست مرجع اصلی پژوهش‌کنندگان و سیاست‌گذاران برای دسترسی به آمارهای آژانس‌های مختلف سازمان ملل بوده، اما رابط کاربری آن مبتنی بر فیلترها، جداول و دانلود فایل‌های CSV بود. پلتفرم جدید این مانع را از میان می‌برد: کاربر می‌تواند بپرسد «نرخ بیکاری جوانان در آفریقای زیر سهارا در دهه گذشته چگونه تغییر کرده؟» و بلافاصله پاسخ عددی، منبع دقیق و حتی نمودار را دریافت کند.

معماری فنی این سیستم بر پایه پروتکل زمینه مدل (MCP) استوار شده، استانداردی که به عامل‌های هوش مصنوعی اجازه می‌دهد به‌صورت مستقیم و ایمن به منابع داده خارجی متصل شوند و پرس‌وجو بفرستند. این به معنای پایانِ کپی‌پیست دستی داده‌ها از وب‌سایت‌ها به چت‌بات‌هاست.

شهادت آمار: مدل‌های زبانی در آزمون آمار جهانی نمره ۲۱ از ۱۰۰ گرفتند

انگیزه این همکاری تنها مدرن‌سازی نیست، بلکه حل یک معضل حیاتی است: عدم قابلیت اعتماد مدل‌های زبانی در استخراج آمار رسمی. ژوآن پدرو آزیوو، آمارگیر ارشد یونیسف، نتایج یک معیارگیری گسترده را فاش کرد که بر روی شش مدل پیشرو — GPT-4o، GPT-4o-mini، Claude Sonnet 4.5، Haiku 4.5، Gemini 2.5 Flash و Gemini 2.0 Flash — و بیش از ۱۳۳ هزار پاسخ به سوالات شاخص‌های توسعه جهانی انجام شده بود.

  • معدل دقت کلی: ۲۱.۲ درصد
  • حدود ۶۰ درصد پاسخ‌ها اصلا عدد قابل استفاده‌ای نداشتند (مدل‌ها کنکاش می‌کردند یا از پاسخ‌دهی خودداری می‌کردند).
  • تکرارپذیری پایین: وقتی همان سوالات دو روز بعد تکرار شدند، مدل‌هایی که هر دو بار عدد داده بودند تنها در ۵۰ درصد موارد عدد یکسانی برگرداندند.

این مطالعه که در حال حاضر یک پیش‌نویس کار در حال انجام (working paper) یونیسف برای ارسال به مجله علمی است، نشان می‌دهد که اعتماد کورانه به خروجی‌های چت‌بات‌ها برای تصمیم‌گیری‌های مبتنی بر شواهد می‌تواند خطرناک باشد.

نمایش داشبورد هوش مصنوعی ساخته شده از داده‌های سازمان ملل از طریق پروتکل MCP
گوگل نشان داد که چگونه یک عامل هوش مصنوعی متصل به MCP می‌تواند چندین شاخص را ترکیب کرده و داشبورد، نمودار و تحلیل متنی تولید کند.

ترافیک مرجع از هوش مصنوعی: ۶۷٪ رشد در کمتر از یک سال

یونیسف گواه افزایش ناگهانی ترافیک مرجع (referral) از ابزارهای هوش مصنوعی تولیدکننده به وب‌سایت داده‌های خود است که ماهانه بیش از شش میلیون بازدید دارد. بین اول ژانویه تا ۱۴ سپتامبر ۲۰۲۶، کلیک‌هایی که از پاسخ‌های ChatGPT به سایت یونیسف می‌آمدند، ۶۷ درصد رشد سال‌به‌سال داشته‌اند و ۶.۴ درصد تمام نشست‌ها را تشکیل می‌دهند. برآوردها حاکی از آن است که دستیارهای هوش مصنوعی به طور کلی اکنون نزدیک به یک دهم از کل ترافیک سایت را به خود اختصاص داده‌اند.

این روند نشان می‌دهد که کاربران نه تنها به دنبال پاسخ هستند، بلکه می‌خواهند منبع را بررسی کنند. پلتفرم جدید با حفظ «پروانانس» (provenance) یا ردیابی منبع برای هر آمار، این نیاز را برطرف می‌کند: هر عددی که عامل هوش مصنوعی بازیابی می‌کند، قابل ردیابی به سند اصلی سازمان ملل است.

مقیاس و اهداف: ۸۰ درصد داده‌های آماری تا ۲۰۲۷

در مرحله راه‌اندازی، ۲۶ از موجودیت‌های سازمان ملل به همکاری متعهد شده‌اند و داده‌های تقریبا ۲۰ موجودیت در دسترس است. شانتانو موکرجی، مدیر عامل واحد آمار سازمان ملل، تصریح کرد: «ما برای اولین بار این تعداد آژانس را در یک بستر واحد متصل کرده‌ایم و از این فرصت برای آماده‌سازی داده‌ها برای هوش مصنوعی بهره می‌بریم.» هدف نهایی، پوشش ۸۰ درصد مجموعه داده‌های آماری کل نظام سازمان ملل تا پایان ۲۰۲۷ است.

مدل حاکمیت: گوگل آموزش می‌دهد، سازمان ملل رانندگی می‌کند

گوگل.اُرگ (Google.org) دو میلیون دلار کمک مالی و پشتیبانی فنی برای زیرساخت‌های اصلی فراهم آورده، اما مالکیت و کنترل درازمدت در دست سازمان ملل است. پرِم راما‌اسوامی، رهبر تیم داده‌های مشترک گوگل، به تکنوکرونچ (TechCrunch) گفت: «سیستم روی یک نمونه تحت حکومت سازمان ملل میزبانی شده و هدف نهایی استقلال کامل در نگهداری، عملیات و مقیاس‌دهی توسط خود سازمان ملل است.» رویکرد «آموزش‌دهنده به آموزش‌دهندگان» (train-the-trainer) باعث شده تیم فنی سازمان ملل به سرعت خودکفا شود.

قدرت ترکیب: وقتی هوش مصنوعی چندین شاخص را با هم می‌خواند

در یکی از نمایش‌های عملی، گوگل از یک سیستم هوش مصنوعی خواست تا تأثیر برنامه اضطراری رئیس‌جمهور آمریکا برای کمک به ایدز در آفریقا (PEPFAR) را تحلیل کند. عامل به‌صورت خودکار آمارهای مرتبط — از جمله شیوع HIV، مرگ‌ومیر ناشی از ایدز و امید به زندگی — را شناسایی، ترکیب کرد و یک اینفوگرافیک جامع تولید نمود، بدون اینکه کاربر نیاز به دانلود و ادغام دستی دیتاست‌ها داشته باشد.

هشدار حیاتی: داده معتبر ≠ خروجی معتبر

با وجود این پیشرفت، راما‌اسوامی تأکید کرد: «چون مدل‌ها می‌توانند ظرایف را اشتباه تفسیر کنند، یک انسان همیشه باید خروجی‌ها را قبل از استناد یا انتشار مرور کند.» داده‌های باکیفیت و قابل ردیابی پیش‌شرط لازم است، اما کفی نیست؛ نظارت انسانی بر استدلال نهایی عامل هوش مصنوعی غیرقابل‌جایگزینی باقی مانده است.

نکته کلیدی: راه‌اندازی داده‌های مشترک نظام سازمان ملل نقطه عطفی در دموکراتیزه‌سازی دسترسی به آمارهای رسمی جهانی است. با ترکیب زیرساخت داده‌های مشترک گوگل، پروتکل MCP و حاکمیت سازمان ملل، برای اولین بار عامل‌های هوش مصنوعی می‌توانند به‌صورت مستقیم، شفاف و قابل‌حسابداری از مخزن آمار معتبر جهان پرس‌وجو کنند. با این حال، تست‌های یونیسف یادآوری می‌کند که دقت مدل‌ها همچنان پایین است و اعتبارسنجی انسانی مرحله‌ای است که هیچ اتوماسیون نمی‌تواند حذف کند.