ينجح الدعم بالذكاء الاصطناعي حين يجيب من بيانات الطلب والشحن الحية ويحوّل الحالة إلى إنسان ومعها السياق. تعرّف على الطلبات التي تُؤتمت، وبناء إجابة WISMO، ومثالًا لحساب الكلفة، وقواعد الإفصاح في الاتحاد الأوروبي وخطة التطبيق.
Author
Anichur Rahaman
تفتح مسؤولة الدعم في متجر إلكتروني متوسط الحجم عشرين تذكرة عشوائيًا من صندوق وارد فيه 410 تذاكر لم تُقرأ، صباح الاثنين الساعة 7:50 بعد عطلة نهاية أسبوع حافلة بالتخفيضات: أربع عشرة منها تقول الشيء نفسه تقريبًا: «أين طلبي؟». ثلاث تسأل إن كانت السترة ضيقة المقاس. اثنتان تريدان إرجاع منتج. وواحدة من عميل خُصم منه المبلغ مرتين، ولهجته ليست لطيفة.
أربع عشرة تذكرة من العشرين تحتاج إلى بحث عن معلومة، لا إلى حوار. أما العميل الغاضب فيحتاج إلى إنسان وبسرعة، لكنه مدفون تحت أكوام الاستعلامات.
يدور هذا المقال حول رسم هذا الخط عن قصد. تنجح خدمة العملاء بالذكاء الاصطناعي في 2026 حين تجيب من بيانات الطلب وشركة الشحن الحية، وتتصرف ضمن سياسة مكتوبة، وتحوّل الحالة إلى موظف بشري ومعها القصة كاملة. وتضرّ حين ترتجل في أمور المال أو الحقوق أو المشاعر. ستجد في ما يلي أي الحالات تقع في أي جانب، وكيف تُبنى إجابة «أين طلبي؟»، ومثالًا محسوبًا بالأرقام، وقواعد الإفصاح عن كون المحادثة مع ذكاء اصطناعي، وخطة للتطبيق.
التقسيم المفيد ليس «بسيط مقابل معقد». المعيار هو: هل الإجابة موجودة أصلًا في أنظمتك؟ سؤال «أين طلبي؟» (يسميه قطاع الدعم WISMO) تجيب عنه صفوف في جدول الطلبات وحالة من شركة الشحن. لا قرار يُتخذ هنا. على الآلة فقط أن تجلب وتتحقق وتصوغ الرد.
الإرجاع ضمن مهلة السياسة يسير بالطريقة نفسها. القاعدة مكتوبة (30 يومًا، غير مستخدم، بتغليفه الأصلي)، وتاريخ الطلب في قاعدة البيانات، والنتيجة إذن إرجاع وملصق شحن. وأسئلة المنتجات تستند إلى الكتالوج: المقاسات والخامات والمخزون لكل متغير.
الضرر يقع في الطرف الآخر. استرداد خارج السياسة قرار يخص المال. العميل الغاضب يحتاج إلى اعتراف بمشكلته قبل المعلومات. سؤال عن حقوق المستهلك هو سؤال قانوني. وتغيير بيانات الحساب، كالبريد أو رقم الهاتف، مسألة هوية. في كل حالة منها الخطأ مكلف، والخطأ الذي يُقال بطلاقة أسوأ، لأنه يبدو وعدًا.
هذا الخطر ليس نظريًا. ففي قضية Moffatt ضد Air Canada (2024) رأت هيئة تحكيم في كولومبيا البريطانية أن شركة الطيران مسؤولة عن نصيحة خاطئة قدّمها روبوت الدردشة في موقعها بشأن تخفيض أسعار التذاكر لحالات الوفاة، وألزمتها بدفع 812.02 دولارًا، ورفضت فكرة أن الروبوت طرف مستقل. ما يقوله مساعدك باسمك، فأنت من قاله.
قبل ضبط أي شيء، صنّف كل نوع طلب يصل متجرك في واحد من ثلاثة مسارات. هذا التصنيف هو عمل التصميم الحقيقي، وإعدادات البرنامج تأتي بعده.
| المسار | أنواع الطلبات المعتادة | ما يجوز للذكاء الاصطناعي فعله | كلفة الخطأ |
|---|---|---|---|
| إجابة آلية | حالة الطلب، موعد التسليم المتوقع، سياسة الإرجاع، أسئلة المنتج والمقاس | قراءة البيانات والرد وبدء إرجاع ضمن السياسة | جملة خاطئة يسهل تصحيحها |
| مسودة بالذكاء الاصطناعي واعتماد بشري | الاستبدال، تغيير العنوان قبل الإرسال، الإلغاء، قسائم حسن النية | تجهيز الإجراء على أن يعتمده شخص | طرد خاطئ أو رصيد خاطئ |
| للإنسان وحده | استرداد خارج السياسة، شكاوى التلف أو الفقدان، العميل الغاضب أو الضعيف، الأسئلة القانونية وتأكيد الهوية | التلخيص والتوجيه، دون اتخاذ قرار | مال أو ثقة أو تبعة قانونية |
تتطابق المسارات مع السلّم نفسه الذي يُستخدم لوكلاء المكتب الخلفي: القراءة آمنة، والمسودة تُراجع، والتصرف في المال يمر عبر بوابة اعتماد. وللاستزادة في الحجة، اقرأ وكلاء الذكاء الاصطناعي في نظام ERP: ما الذي يمكنهم فعله بأمان.
بُنيت معظم روبوتات الدعم المخيّبة للآمال على مستند: صفحة الأسئلة الشائعة، وسياسة الشحن، وبعض الردود القديمة. يسأل العميل أين الطرد 10482، فيحصل على فقرة عن مواعيد التسليم. الروبوت لا يرى الطرد، فيجيب عن السؤال الذي يعرف جوابه لا عن السؤال المطروح.
الحل هو ربط الإجابة بالبيانات الحية (grounding). يُمنح المساعد أداتي قراءة فقط: الأولى تجلب الطلب برقمه مع بريد أو هاتف مطابق، والثانية تجلب حالة طرد هذا الطلب لدى شركة الشحن. ولا يكتب الرد إلا مما تعيده الأداتان. فإن لم تعد إحداهما شيئًا قال ذلك وحوّل المحادثة إلى موظف. ولا يُسمح له بملء الفراغ من ذاكرته.
المكوّن الثاني هو حداثة البيانات. حالة الشحن معلومة لها طابع زمني. إذا كان آخر مسح قبل 31 ساعة، فعبارة «طردك في الطريق» مجرد تخمين. ويتعامل المخطط أدناه مع الحالة القديمة بوصفها سببًا للتحقق أو التصعيد، لا للطمأنة.
كل خطوة في هذا المخطط سؤال يستطيع الكود الإجابة عنه دون نموذج لغوي. مهمة النموذج في الميل الأخير: تحويل الحقائق المؤكدة إلى رسالة واضحة ومهذبة بلغة العميل.
في التحويل يُكسب جزء كبير من تجربة العميل أو يُخسر. موظف يفتح تذكرة فيرى «الطرد 10482، الموعد المعلن 14 أغسطس، آخر مسح 16 أغسطس في مركز الفرز، العميل سأل مرتين، النبرة: منزعج» يستطيع أن يكتب ردًا واحدًا مفيدًا. أما من يواجه سجل محادثة خامًا فيبدأ من الصفر.
الإرجاع آلة حالات صغيرة: طلب، فاعتماد، فإصدار ملصق، فاستلام، ففحص، فاسترداد أو استبدال. ويستطيع الذكاء الاصطناعي تولي الخطوات الثلاث الأولى بأمان حين تكون السياسة مصاغة كفحوص يستطيع النظام تنفيذها، لا نصًا يحتاج إلى تأويل.
إذا نجحت الفحوص كلها أنشأ المساعد طلب الإرجاع وأصدر الملصق وشرح الخطوات التالية. وإذا فشل أحدها فلا يجادل. يشرح القاعدة مرة واحدة، ويعرض مراجعة بشرية، ويوجّه التذكرة مع تسمية الفحص الذي فشل. أما الاسترداد نفسه فيبقى خلف اعتماد، أو على الأقل خلف سقف للمبلغ، ولا يُنفَّذ إلا بعد أن يسجّل المستودع استلام المنتج.
الاستبدال يقع في مسار أعلى لأنه يمس المخزون. يستطيع المساعد تجهيز الاستبدال (مقاس M بدل L، والمخزون متاح في موقع الشحن)، ويؤكده شخص.
الأرقام أدناه توضيحية وُضعت لإظهار الحساب. توزيعك سيختلف، فاستبدلها ببيانات شهر من تذاكرك المصنّفة.
| نوع الطلب | التذاكر | نسبة ما يحله الذكاء الاصطناعي | ما حلّه فعليًا |
|---|---|---|---|
| أين طلبي | 2,100 | 85% | 1,785 |
| بدء إرجاع أو استبدال | 900 | 60% | 540 |
| أسئلة المنتج والمقاس | 900 | 70% | 630 |
| إلغاء أو تغيير عنوان | 480 | 25% | 120 |
| نزاعات الاسترداد وشكاوى التلف | 900 | 0% | 0 |
| الحساب والمسائل القانونية وغيرها | 720 | 0% | 0 |
| المجموع | 6,000 | 51% | 3,075 |
ننتقل الآن إلى الكلفة. لنفترض أن التذكرة التي يعالجها موظف تكلّف 4.00 دولارات شاملة كل شيء (نحو سبع دقائق من ساعة موظف بكلفته الكاملة مع الأدوات)، وأن التذكرة التي يحلّها الذكاء الاصطناعي تكلّف 0.45 دولار (استهلاك النموذج واستعلامات الطلبات ورسوم المنصة). الرقمان افتراضان للمثال.
الأثر الثاني يظهر في زمن الرد الأول. افترض الفريق نفسه، ومتوسط رد أول قدره 5 ساعات قبل التطبيق. يجيب الذكاء الاصطناعي عن تذاكره الـ3,075 في أقل من دقيقة. ويتقلص طابور البشر من 6,000 إلى 2,925 تذكرة، فينخفض متوسط الانتظار لها إلى نحو ساعتين. والأهم من التوفير هو العميل الغاضب في مطلع المقال، فهو يصل الآن إلى إنسان في الصباح لا بعد الظهر.
الصلاحيات أولًا. امنح المساعد صلاحية قراءة للطلبات والطرود والكتالوج والسياسة، وصلاحية كتابة لإجراءات ضيقة فقط: إنشاء طلب إرجاع، وإضافة ملاحظة، وتوجيه تذكرة. وأي إجراء يحرّك المال أو يعدّل ملف العميل يمر بخطوة اعتماد مع سجل، كما في مقال ضوابط الذكاء الاصطناعي: الاعتماد وسجلات التدقيق والإنسان في الحلقة.
اللغة ميزة هادئة. المتجر الذي يكتب عملاؤه بثلاث لغات يوظّف عادة متحدثًا بواحدة. والمساعد المرتبط ببيانات الطلبات نفسها يستطيع الرد بلغة العميل، وهذا تحسين حقيقي للخدمة. اعرض عينة من الردود على متحدث أصلي كل شهر، فالطلاقة الآلية تخفي أخطاء صغيرة في اللباقة والمستوى اللغوي.
اجعل قواعد النبرة قصيرة وقابلة للاختبار: اعتذر مرة واحدة، واذكر الحقيقة، واذكر الخطوة التالية، وحدد تاريخًا. وامنع الوعود التي لا يستطيع النظام الوفاء بها («سيصل غدًا») ما لم يأتِ التاريخ من أداة. وحين يُظهر العميل غضبًا أو يستخدم كلمات مثل «محامٍ» أو «استرداد المبلغ من البنك» أو «احتيال»، يتوقف المساعد ويصعّد. من يمر بيوم سيئ لا يحتاج إلى روبوت دردشة.
أخبر العملاء حين يتحدثون إلى آلة. هذه ممارسة جيدة في كل مكان، وهي قانون في الاتحاد الأوروبي. تنص المادة 50 من قانون الذكاء الاصطناعي الأوروبي (EU AI Act) على أن مزوّدي أنظمة الذكاء الاصطناعي التي تتفاعل مباشرة مع الأشخاص يجب أن يصمموها بحيث يُعلَم الشخص بأنه يتعامل مع ذكاء اصطناعي، إلا إذا كان ذلك واضحًا من الظروف. وتسري التزامات الشفافية في المادة 50 اعتبارًا من 2 أغسطس 2026. وقد أجّلت «الحزمة الرقمية الشاملة» (digital omnibus) في الاتحاد قواعد الأنظمة عالية المخاطر، لكن واجب الإفصاح في المادة 50 لم يُؤجَّل. الاستثناء الوحيد مهلة قصيرة حتى 2 ديسمبر 2026 للوسم المقروء آليًا للمحتوى المولَّد، وهذا يخص الوسائط الاصطناعية لا المحادثة.
عمليًا: وسم ظاهر على نافذة الدردشة، ورسالة أولى تذكر ذلك، ومسار بنقرة واحدة إلى إنسان. اجعل الصياغة بسيطة («أنا مساعد ذكاء اصطناعي للمتجر. أستطيع الاطلاع على الطلبات وبدء الإرجاع. يمكنك طلب موظف في أي وقت.»). وإن كنت تبيع إلى الاتحاد الأوروبي من خارجه فاعتبر أن هذا ينطبق عليك، وراجع القواعد الوطنية مع مستشار قانوني. التفاصيل في نص قانون الذكاء الاصطناعي على EUR-Lex.
ابدأ بنطاق ضيق ووسّعه بحسب ما تقوله البيانات. ويسهّل ذلك أن يجمع مكتب المساعدة التذاكر وسياق الطلب وردود الذكاء الاصطناعي في مكان واحد؛ والمساعد الذكي في StoreConsole مثال على مساعد يقرأ بيانات المتجر الحية. وأيًّا كانت الأداة، فالترتيب واحد.
نسبة الحل الآلي وحدها رقم للتباهي. فالروبوت الذي يدفع العميل إلى الاستسلام «يحوّل» هو أيضًا. تابع هذه المؤشرات معًا:
لنعد إلى التذاكر الـ410. مع وجود المسارات، أُجيب عن نحو نصفها قبل أن تفتح الحاسوب: حالة الطلب، وأسئلة المقاس، والإرجاع ضمن السياسة. أما الباقي فمرتّب، وتصل كل تذكرة ومعها طلبها ومسار شحنها وملخص من سطر واحد. والعميل الذي خُصم منه المبلغ مرتين في أعلى قائمتها، والدفع المكرر مميّز مسبقًا.
تقضي صباحها في الاستردادات والإصلاحات والتعامل مع البشر. أما المساعد فقضى صباحه في الاستعلامات. لا أحد منهما يزاحم الآخر في عمله.
Anichur Rahaman مهندس برمجيات معماري ومؤسس StoreConsole، يصمّم أنظمة التجارة وERP للشركات النامية، ويهتم خصوصًا بالبنية القائمة على الأحداث وسلامة البيانات وتشغيل الأنظمة على خوادم الشركة نفسها.
About the Author
Anichur Rahaman
Continue Reading
