أندرو ميسي، الرئيس التنفيذي للتكنولوجيا ومؤسس Convos – سلسلة المقابلات

أندرو ميسي، الرئيس التنفيذي للتكنولوجيا ومؤسس Convos، هو مهندس برمجيات وقائد منتج ذو خبرة تشمل تطوير المنتجات الذكية، هندسة البرمجيات، الشبكات، والهندسة متعددة الطبقات. قبل تأسيس Convos، ساعد في تطوير وإطلاق منصتين ذكيتين مدعومتين بالذكاء الاصطناعي في Forum3، حيث قام بدمج الهندسة العملية بإدارة المنتج التقني. وشملت أدواره السابقة في N-able (NABL )، Autoshop Solutions، و Brand IQ بناء تطبيقات الواجهة الأمامية، والأنظمة الخلفية، ولوحات العميل، وأدوات البرمجيات الداخلية باستخدام تقنيات بما في ذلك Svelte، NestJS، Angular، و JavaScript. وقد مكنت هذه الخلفية المتعددة الجنسيات من تمكينه من ربط التنفيذ التقني bằng استراتيجية المنتج عندما يقود تطوير منصة Convos للاتصالات المدعومة بالذكاء الاصطناعي.

Convos هي منصة مدعومة بالذكاء الاصطناعي لمessaging النصي الخاضع للرقابة، مصممة لمساعدة الحملات السياسية وشركات الاتصالات على استبدال الرسائل الجماعية ذات الاتجاه الواحد بالحوارات الشخصية ثنائية الاتجاه على نطاق واسع. تقوم المنصة بتحويل الاستجابات إلى تحليلات المشاعر في الوقت الفعلي، وتصنيفات الموضوعات، ونتائج الدعوة إلى العمل، ومقاييس المشاركة، ومعلومات الناخبين المهيكلة التي يمكن للحملات استخدامها لتحسين التوجيه. تعمل الذكاء الاصطناعي الخاضع للرقابة داخل المواد والمessaging الموافق عليها من قبل الحملة، مع تقديم ميزات مثل قسم الاتصال، وسجلات المحادثة، وتتبع الارتباطات، وتصدير البيانات، ومسارات التدقيق المتعلقة بالامتثال. يمكن لـ Convos أيضًا补充 البنية التحتية لمessaging المنظمة الحالية بدلاً من مطالبتها باستبدال أنظمة الاتصالات الحالية.

لقد أسست Convos بعد ملاحظة كيف أصبحت النصوص السياسية والمنظماتية في الغالب اتصالاً ذا اتجاه واحد. ما كان الفكرة الأصلية التي أقنعتك بأن هناك فرصة لتحويل الرسائل الجماعية إلى محادثات مدعومة بالذكاء الاصطناعي، وما كانت أكبر التحديات التقنية التي واجهتها في بناء المنصة؟

جاءت الفكرة من كونك على طرف الاستلام.

حوالي انتخابات 2024، كنت أتلقى كمية كبيرة من الرسائل النصية السياسية، مثل الكثير من الناس. في某ة لحظة، بدأت أرد على هذه الرسائل. كنت أسأل سؤالاً أو أستجيب، ولا شيء يأتي أبداً. كانت الرسائل تخرج بالآلاف، ولكن في اللحظة التي تحاول فيها إجراء حوار حقيقي، لم يكن هناك أحد هناك.

لقد أدركت أن هذا يمثل فرصة ضائعة كبيرة. الشخص على الطرف الآخر كان منخرطاً بالفعل. كان يسأل سؤالاً حقيقياً. لكن لا رد سوف يُرسل أبداً.

لذلك كانت الفكرة وراء Convos بسيطة. تحويل البث إلى محادثة حقيقية، على نطاق واسع، دون الحاجة إلى غرفة مليئة بالأشخاص لتشغيلها.

كانت أكبر التحديات التقنية تتعلق بثلاثة أشياء: النطاق، والزمن، والامتثال.

النطاق هو الأوضح. كنت تدير آلاف المحادثات في نفس الوقت، وكل واحدة لها حالة وتاريخها الخاص. الزمن مهم أكثر مما يتوقع الناس. إذا رد شخص ما على رسالة نصية و تأخر الرد، فإن اللحظة تفوت. يبدو messaging النصي شبه فورياً، و يجب أن تتطابق التجربة مع ذلك.

الامتثال كان الجزء الأصعب، و كان شيئاً قد ركزنا عليه من البداية. الرسائل النصية السياسية خاضعة للتنظيم بشكل كبير، و الحصول على ذلك بشكل خاطئ ليس خياراً. ذهبت الكثير من هندستنا المبكرة إلى ضمان أن النظام يبقى على الرسالة و يحترم الموافقة و الخروج في طرق تتجاوز مجرد التقاط كلمة “STOP”.

تعمل Convos على تقاطع الذكاء الاصطناعي للمحادثات، و messaging على نطاق واسع، و تحليل المشاعر في الوقت الفعلي. ما هي الدروس التي تعلمتها من نشر أنظمة الذكاء الاصطناعي التي يجب أن تتفاعل مع آلاف الأشخاص في نفس الوقت مع الحفاظ على الشعور بالشخصية و الأصالة؟

الدروس الأكبر هي أن “الشخصية على نطاق واسع” هي شيء يجب هندسته. لا يحدث بشكل افتراضي.

عندما تقوم بتشغيل آلاف المحادثات في نفس الوقت، فإن الإغراء هو معاملة كل ذلك ككائن كبير. لكن الشخص الذي يتلقى الرسالة النصية لا يهتم بكائنك الكبير. بالنسبة له، إنها محادثة من طرف إلى طرف، و يجب أن تشعر بهذا الشكل. هذا يعني أن كل محادثة يجب أن تحمل سياقها وتاريخها الخاص، بحيث يستجيب الرد فعلاً لما قاله ذلك الشخص المحدد، و ليس لمتوسط الجميع.

كما تعلمنا أن نركز على ما يقوله الناس حقاً لنا. الرد ليس مجرد رد. يحمل مشاعر. يمكن للشخص أن يستجيب بسؤال، أو بالحماس، أو بال沮ار، أو بإشارة واضحة أنه يريد أن يُترك بمفرده. قراءة تلك النعومات بشكل صحيح هي ما يجعل التفاعل أو يكسرها.

في النهاية، الأصالة تأتي من الاستماع، لا من الصوت الذكي. التبادل الذي يشعر بأكثر إنسانية هو الذي يجيب على السؤال الحقيقي و يحترم وقت الشخص.

لقد جادلت بأن العديد من المنظمات تركز بشكل كبير على معايير النماذج بينما تتجاهل الشخصية وأسلوب الاتصال. لماذا تعتقد أن الشخصية أصبحت عاملاً حاسماً في نشر الذكاء الاصطناعي في الشركات، و كيف يجب على المنظمات تقييمها؟

المعايير تقيس القدرة. لا تقيس التكيف.

يمكن لنموذج أن يسجل نتائج استثنائية في المنطق أو البرمجة و لا يزال يكون الخيار الخاطئ لمحادثة مع ناخب. الطريقة التي يصيغ الأمور، و كيف يكون دافئاً أو رسمياً، و ما إذا كان يعرف متى يكون قصيراً، كل ذلك يهم بشكل كبير بمجرد أن يكون هناك شخص حقيقي على الطرف الآخر.

في عالمنا، النموذج لا يحل مشكلة رياضية. إنه يمثل حملة في رسالة نصية. كل حملة لها صوتها الخاص، و النموذج يجب أن يطابق ذلك بدلاً من فرض صوته الخاص. إذا كان النبرة خاطئة، لا يهم مدى ذكاء النموذج الأساسي. التفاعل يفشل.

هناك أيضاً جانب قدرة يفتقر إليه المعايير. يمكن للحملة أن توفر للوكيل توجيهات مفصلة حول ما يجب قوله، و ما يجب تجنبه، و كيفية التعامل مع مواضيع معينة. يجب على النموذج اتباع كل ذلك، بشكل متسق، على مدار تبادل طويل. بعض النماذج أفضل من غيرها في الحفاظ على تعليمات معقدة دون الانحراف في منتصف المحادثة. هذه القدرة هي جزء من الشخصية أيضاً، لأن نموذج يبدو رائعاً لكن يتوقف عن اتباع تعليماته ليس نموذج يمكن وضعها أمام أشخاص حقيقيين.

هذا هو السبب في أن الشخصية أصبحت عاملاً حقيقياً في نشر الشركات. مع تحسن النماذج بشكل عام، تقل الفجوة في القدرة بينها. ما تبقى هو الشخصية. كيف يتواصل، و ما إذا كان يبقى داخل الخطوط التي حددتها.

الطريقة لتقييمه ليست على لوحة القيادة. إنها اختبار النماذج على حالة استخدامك الفعلي، مع محتواك الفعلي، و قراءة الإخراج كما يفعل مستخدمك النهائي. نقوم ب passing النماذج من خلال نفس النوع من التبادل الذي سيتم التعامل معه في الإنتاج و نحكم عليه على ما إذا كان المحادثة تشعر بالصواب. هذا يقول أكثر من أي درجة معيار.

لقد لاحظت أن هناك فروق كبيرة في أداء النماذج الرائدة و كيفية أدائها عبر المهام. ماذا تعلمت عن نقاط القوة و الضعف لنماذج LLM الحالية، و لماذا بعضها أكثر ملاءمة للعمل المحادثي من غيرها؟

ما تعلمناه هو أن هناك لا يوجد نموذج أفضل من البقية. هناك فقط أفضل نموذج لمهمة معينة.

بعض النماذج ممتازة في اتباع التعليمات بدقة، مما يهم عندما تحتاج إلى أن يبقى النظام داخل حدود صارمة. بعضها أقوى في نغمة محادثة طبيعية. بعضها أسرع، و هذا قوة خاصة عندما يكون الزمن جزءاً من التجربة. البعض الآخر أفضل في التفكير من خلال طلب معقد لكن يشعر بالجفاف أو يستغرق وقتاً طويلاً للرد في تبادل غير رسمي.

للمحادثات بشكل خاص، الجوانب التي تهم ليست دائماً تلك التي تحصل على عناوين. السرعة تهم. الاستمرارية تهم. معرفة متى تكون قصيراً تهم. نموذج يمكن أن يكتب جواباً رائعاً من ثلاثة فصول لكنه خاطئ عندما يكون الجواب الصحيح هو جملة واحدة.

لا شيء من هذا يظهر على لوحة القيادة. يمكنك معرفة ذلك فقط bằng وضع النماذج في العمل الفعلي و الانتباه إلى كيفية التعامل معه.

كثير من الشركات تتخذ استراتيجيات متعددة النماذج بدلاً من الاعتماد على مزود واحد للذكاء الاصطناعي. ما هي مزايا بناء أنظمة يمكن أن تنتقل بين النماذج، و ما هي الاعتبارات المعمارية المطلوبة لجعل ذلك ممكناً؟

الميزة الرئيسية هي أنك لست مقيداً.

إذا بنيت كل شيء حول مزود واحد، فإنك ترث جميع قيودهم. أسعارهم، حدود معدل них، زمنهم، انقطاعهم، و جدول إصدارهم يصبحون ملكك. نهج متعدد النماذج يسمح لك بتمرير كل مهمة إلى النموذج الذي يتعامل معها بشكل أفضل، و يمنحك مكاناً للذهاب إليه عندما يكون أحد المزودين يعاني من يوم سيئ.

كما يسمح لك بتماثل التكلفة مع المهمة. لا كل التفاعل يحتاج إلى نموذجك الأكثر قوة و تكلفة. أن تكون قادراً على إرسال العمل البسيط إلى نموذج أخف و الحفاظ على النموذج الثقيل للحالات الصعبة يحدث فرقاً حقيقياً على نطاق واسع.

الهندسة المعمارية هي ما يجعل ذلك ممكناً، و القرار الرئيسي هو بناء طبقة تجريد بين تطبيقك و أي نموذج معين. نظامك يجب أن لا يتحدث مباشرة إلى واجهة برمجة التطبيقات لمزود معين في جميع أنحاء قاعدة الكود. يجب أن يتحدث إلى واجهة داخلية خاصة بك، و تلك الواجهة تقرر أي نموذج يتعامل مع الطلب.

بمجرد أن تفعل ذلك، يمكنك إضافة منطق التوجيه، و الخلفيات عند فشل مزود، و القدرة على تبديل النماذج دون إعادة كتابة تطبيقك. كما تحتاج إلى معاملة متسقة للتحفيزات و الإخراج عبر النماذج، لأن كل واحدة سلوك قليلاً بشكل مختلف، و نظامك يجب أن يصل إلى تلك الاختلافات.

هذا أكثر عمل في البداية. لكنه يشتري لك مرونة من الصعب إضافتها في وقت لاحق.

لقد شددت مؤخراً على مدى سرعة تطور نماذج الذكاء الاصطناعي، مع إصدارات جديدة أحياناً تغير خصائص الأداء بطريقة غير متوقعة. كيف يجب على الشركات تحقيق التوازن بين الرغبة في تبني أحدث النماذج و الحاجة إلى الاستقرار و الموثوقية و الأداء المتوقع؟

الجواب الصادق هو أن نموذج جديد ليس تحديثاً حتى تثبت أنه كذلك.

كل إصدار جديد مثير، و هناك ضغط حقيقي لتبني أحدث شيء على الفور. لكننا رأينا نماذج جديدة تغير السلوك بطرق لم نتوقعها. شيء يعمل بشكل موثوق به يبدأ في الاستجابة بشكل مختلف قليلاً، و في نظام إنتاج، تلك التغييرات الصغيرة تتراكم.

الطريقة التي نتعامل معها هي بسيطة. لا يذهب أي نموذج إلى خط أنابيبنا حتى نختبره بأنفسنا. عندما يصدر نموذج جديد، لا نأخذ المعايير أو الإعلان على محمل الجد. نجلس و ننفذها من خلال نفس النوع من المحادثات التي سيتعامل معها في الإنتاج، و نقرأ الإخراج بأنفسنا.

هذا الخطوة اليدوية ليست اختيارية لنا. نموذج يمكن أن يبدو أفضل على الورق و يتعامل مع حوار حقيقي بطريقة لا نرغب في وضعها أمام الناخبين. الطريقة الوحيدة للعلم هي وضعها في نفس الحالات التي تتعامل معها نظامنا كل يوم و رؤية كيف يستجيب بالفعل.

هذا هو المكان الآخر حيث تكسب طبقة التجريد قوتها. لأن تطبيقنا لا يعتمد على نموذج معين، يمكننا جلب تحسينات جديدة مع وصولها. يمكننا اختبار الإصدار الجديد ضد المحادثات التي نتعامل معها بالفعل و مقارنته بشكل صادق مع ما ننفذه حالياً. إذا تجاوز العتبة، ننتقل. إذا لم يفعل، ننتظر.

لا تزال الحوادث تظل واحدة من أكبر الحواجز أمام تبني الذكاء الاصطناعي في الشركات، خاصة عند العمل مع مجموعات بيانات كبيرة ومعلومات معقدة. ما هي التقنيات العملية التي أثبتت فعاليتها في تقليل الحوادث في بيئات الإنتاج؟

التقنية الأكثر فعالية التي وجدناها هي تقييد ما يسمح للنموذج بالمعرفة.

الكثير من الحوادث يأتي من طلب نموذج للإجابة من معرفته العامة، حيث سوف يملأ الفجوات بشيء يبدو صحيحاً. نحن نفعل العكس. نظامنا الذكي يعمل بشكل صارم من المعلومات التي قدمتها الحملة. لا يملك الوصول إلى الإنترنت المفتوح، و لا يعتمد على ذكريات غير واضحة للعالم.

إذا لم تكن الإجابة في المواد التي تم توفيرها، فإن الرد الصحيح هو أن يقول إنه لا يملك تلك المعلومات. هذا الحد يزيل مخاطر كبيرة.

لا نوقف عند هذا الحد، مع ذلك. لدينا تحقق متعددة للتأكد من أن الرد يطابق ما قدمته الحملة. حتى بعد توليد نموذج للرد، يتم التحقق من ذلك الرد ضد معلومات الحملة قبل إرساله. إذا لم يطابق شيء، لا يُرسل.

علاوة على ذلك، التقنيات العملية تتعلق بالتأصيل و الحوافز. إعطاء النموذج السياق المحدد و ذي الصلة للمهمة أمامه بدلاً من كومة كبيرة غير متميزة من البيانات. كلما كانت المعلومات أكثر تركيزاً، كلما كان هناك أقل فرصة للانحراف.

نحن أيضاً نضع حدود واضحة لما يسمح للنظام بالقيام به و قوله، و نشرف على المحادثات الحقيقية بدلاً من افتراض كل شيء على ما يرام. لا تكتشف المشاكل بالثقة في النموذج. تكتشفها بالمراقبة.

في مجال خاضع للتنظيم مثل الرسائل النصية السياسية، إجابة وهمية هي مسؤولية، لذلك صممنا النظام ليفضل الشفافية على التخمين.

ما هي الأخطاء التي ترى فرق العمل يكررونها عند الانتقال من مشاريع تجريبية إلى عمليات الإنتاج؟

الأخطاء التي أراها أكثر هي أن الفرق تختبر ما إذا كان نظامها يعمل، و ليس ما إذا كان يمكن كسره.

لا أستطيع أن أحسب كم مرة قامت شركة بنشر نظام ذكاء اصطناعي و في غضون يوم، شخص ما على الإنترنت قد قام بتحويله إلى قول شيء لم يكن من المفترض أن يقوله. يتم خداعه لخروج عن تعليماته، أو خداعه لتمثيل العلامة التجارية بطريقة يصبح منها لقطة يتم نشرها.

ذلك يحدث لأن في تجربة، الجميع يتصرف بشكل جيد. أنت تختبر الوكيل مع أشخاص يتصرفون بشكل معقول، و يبدو رائعاً. الإنتاج هو العكس. في اللحظة التي تصبح فيها شيئاً عاماً، جزء من الأشخاص الذين يتحدثون معه ي试ون بشكل فعال أن يثيروا مشاكل.

إذا لم تختبر للケース العدواني، لم تختبر حقاً. يجب أن تحاول كسر نظامك بنفسك قبل أن يحاول شخص آخر. اضغط عليه، أطعمه المدخلات الغريبة و العدوانية، و انظر ما إذا كان يحافظ على حدوده عندما يتعامل شخص ما بشكل متعمد ضده.

الأخطاء المتكررة الأخرى هي افتراض أن العرض الذي يعمل هو نظام يعمل. تجربة هو عدد قليل من المحادثات المراقبة على المسار السعيد. الإنتاج هو آلاف الأشخاص في جميع الأوقات يتصرفون بطرق لم تتوقعها، و الحالات الحدية التي تتجاهلها تصبح أحداث يومية على نطاق واسع.

نصيحتي هي أن تقضي وقتًا أقل في تحسين العرض و أكثر في محاولة كسر الشيء بنفسك. إذا لم يستطع البقاء سليماً عندما تهاجمه، لن يبقى سليماً عندما يصبح عاماً.

يصبح وكلاء الذكاء الاصطناعي أكثر قدرة على التعامل مع المحادثات التي كانت تتطلب في السابق موظفين بشريين. أين ترى التوازن بين التutomatisation و الإشراف البشري على مدى السنوات الخمس القادمة، و أي عمليات العمل يجب أن تحتفظ دائماً بشخص في الحلقة؟

هذا صعب، و لا أعتقد أن أحداً يعرف حقاً حيث يقع الخط في خمس سنوات. الطريقة التي أفكر بها، القيمة الحقيقية للذكاء الاصطناعي هي كعامل مضاعف. يسمح لفريق صغير من الأشخاص بفعل المزيد مما كان يمكنهم فعله لوحدهم.

الفرق الذي يحصل على أكبر استفادة من هذه الأدوات يستخدمها بالضبط بهذه الطريقة. الذكاء الاصطناعي يأخذ الحجم و التكرار، و الناس يقضون وقتهم في الحكم و الاستراتيجية و الحالات التي تحتاج حقاً إلى شخص.

عندما يكون الهدف هو الاستبدال النقي، فإنك تميل إلى دفع التكنولوجيا إلى ما وراء ما هي جيدة فيه، و تفشل بطرق مرئية و مكلفة. عندما يكون الهدف هو مضاعفة أشخاصك، فإنك تترك للذكاء الاصطناعي ما يفعل جيداً و تحتفظ بالأشخاص حيث يضيفون القيمة الأكثر.

على مدى السنوات الخمس القادمة، أتوقع أن يأخذ الوكلاء أكثر و أكثر من حمولة المحادثات الروتينية، و يجب أن يفعلوا. ذلك العمل لا يحتاج إلى شخص يراقب كل كلمة.

عمليات العمل التي يجب أن تحتفظ دائماً بشخص في الحلقة هي تلك التي تكون فيها المخاطر عالية أو الحالة حقيقية الجدة. أي شيء يلمس بالموافقة، أو الامتثال، أو قرار يصعب التراجع عنه. يجب أن يملك الشخص الاتجاه، و يجب أن يساعد الذكاء الاصطناعي على تغطية أرض أكثر مما يمكنهم القيام به بمفردهم.

ما التطورات في الذكاء الاصطناعي للمحادثات أنت أكثر حماساً لها، و كيف تتوقع أن تتطور منصات مثل Convos مع تحسن النماذج و زيادة قدراتها و استقلالية؟

ما يثيرني أكثر هو أن المحادثات سوف تستمر في التحسن.

مع تحسن النماذج، تصبح التبادلات التي تتعامل معها منصتنا أكثر طبيعية و أكثر فائدة دون الحاجة إلى إعادة بناء الأساس كل مرة. لأننا صممنا النظام لينتقل بين النماذج، نحصل على تلك التحسينات عندما تصل.

التعددي هو التطور الذي أتابعه عن كثب. حالياً، المحادثة هي نص. مع تحسن النماذج في التعامل مع الصور و أشكال أخرى، هناك فرصة حقيقية لجعل هذه التبادلات أكثر غنى مع الحفاظ على الفورية التي تجعل messaging النصي يعمل.

فيما يتعلق بالاستقلالية، أنا متفائل لكن حذر. أصبح وكلاء أكثر قدرة يمكن إطلاقهم شهرياً، و سوف يكونون قادرين على التعامل مع الكثير بمفردهم. لكن في مجال خاضع للتنظيم، الاستقلالية الأكبر يجب أن تأتي مع الانضباط الأكبر، لا الأقل. الحدود تهم أكثر مع نمو القدرة.

دخلت هذا المجال لأنني كنت الشخص الذي يرسل رسائل نصية إلى الفراغ و لا يحصل على أي رد. هذا لا يزال المشكلة التي اهتم بها أكثر. بغض النظر عن مدى قدرة هذه النماذج، المقاييس التي أعود إليها دائماً هي بسيطة. هل يشعر الشخص على الطرف الآخر بأنه سمع؟

شكراً على المقابلة الرائعة، و يرجى زيارة Convos لمعرفة المزيد.