أهم ما في الذكاء الاصطناعي الصوتي ليس الصوت

أهم ما في الذكاء الاصطناعي الصوتي ليس الصوت، بل التجربة التي يتيحها الصوت.

تذكّر أفضل تجربة خدمة مررت بها على الإطلاق. شعرت بأن الطرف الآخر يفهمك. لم تضطر إلى تكرار كلامك، أو معرفة طريقة عمل المؤسسة، أو التعامل مع تعقيداتها الداخلية. شرحت ما تحتاج إليه، فاستعان شخص ما بالسياق وحسن التقدير ومعرفته بالمؤسسة لمساعدتك على تحقيق نتيجة ناجحة.

ماذا لو استطاعت المؤسسات توفير المزيد من هذه التجارب، بوتيرة أكثر اتساقًا وعلى نطاق أوسع؟

هذا هو الوعد الحقيقي للوكلاء الصوتيين، وليس مجرد استبدال الكتابة بالتحدث أو أتمتة كل تفاعل بشري. ينقل الوكلاء الصوتيون التجربة من التنقل بين الأنظمة إلى التعبير عن المقصود. ويصف العميل أو الموظف بكلماته ما يريد إنجازه. يفهم الوكيل السياق، وينسق في الخفاء المعارف والأنظمة المناسبة، وينفذ الإجراءات المسموح بها، ويستعين بشخص حقيقي عندما يتطلب الأمر حسن تقدير أو تعاطفًا أو صلاحية لاتخاذ القرار.

لعقود، تكيف الناس مع التكنولوجيا. تعلمنا أين ننقر، وأي قائمة نفتح، وكيف نحول نية بسيطة إلى سلسلة من الأوامر. بدأ الذكاء الاصطناعي التوليدي يغير ذلك، إذ أتاح لنا التحدث بلغة الحياة اليومية. ويخطو الصوت الخطوة التالية، ليبدأ بقلب العلاقة برمتها: التكنولوجيا تتكيف مع الطريقة التي يتواصل بها الناس بطبيعتهم، بينما يتوارى تعقيد المؤسسة عن الأنظار.

كيف يغيّر الصوت تجربة المؤسسات

تنبع أهمية الصوت من أنه يزيل العقبات أمام الموظفين والعملاء والموظفين الجدد على حد سواء. فلا ينبغي للموظف الذي يتصل بمكتب الخدمة أن يعرف أي نظام يتولى المشكلة أو يضم الحل. ولا ينبغي للعميل أن يضطر إلى تكرار المعلومات نفسها عند الانتقال بين القنوات. كما لا ينبغي أن يقتصر تدريب الموظف الجديد على مواد تدريبية ثابتة، حين يكون بوسعه التدرب على محادثة واقعية وتلقي ملاحظات فورية.

ويوسّع الصوت أيضًا نطاق الوصول أمام من يبتعدون عن لوحة المفاتيح أو يعملون في الميدان أو يشعرون ببساطة براحة أكبر عند التحدث مقارنة بالكتابة. وتساعد القدرات متعددة اللغات المؤسسات على التواصل باتساق عبر المناطق الجغرافية، من دون تحويل كل تفاعل إلى جهد إنتاجي مستقل.

ومع ذلك، لا يحل الصوت محل كل شاشة أو كل محادثة بشرية. تظل الوسائل المرئية والمكتوبة أفضل لمقارنة المعلومات الكثيفة ومراجعة التفاصيل الدقيقة، كما يظل الحكم البشري ضروريًا عندما يكون الموقف ملتبسًا أو حساسًا أو ذا تبعات مهمة. وتتمثل الفرصة في استخدام الصوت عندما تكون المحادثة المسار الأكثر طبيعية للوصول إلى نتيجة، ثم تصميم عمليات إحالة واضحة عندما لا يكون الأمر كذلك.

الواجهة الصوتية وحدها لا تكفي

لا يكفي أن يكون الصوت طبيعيًا. فالقيمة الفعلية تتوقف على قدرة الوكيل على تحسين التجربة بصورة ملموسة: إزالة العقبات، والحفاظ على السياق، وتسريع الحل، ومساعدة الشخص على بلوغ النتيجة المناسبة. وهذا يتطلب أكثر من واجهة جذابة؛ إذ يحتاج إلى بيانات وسير عمل مترابطين، وحدود واضحة، وإحالات موثوقة، ومساءلة عما يحدث لاحقًا.

ومن المفيد التمييز بين كتابة الخطوات مسبقًا والانطلاق من المقصود. فسير العمل التقليدي يحدد كل خطوة مسبقًا. أما الوكيل الصوتي المصمم لتحقيق النتائج، فيتلقى المقصود، ويفهم القواعد والسياق، ويكيّف نهجه إلى أن يتحقق الهدف أو تدعو الحاجة إلى حكم بشري.

من المفيد معرفة واقع المشترين، لأن قطاع المؤسسات مرّ بثلاث مراحل في وقت قصير. فقد شهدنا فترة من الاندفاع المحموم نحو التبني، وكان التبني فيها غاية بحد ذاته إلى حد كبير. ثم وجد القادة أنفسهم مسؤولين عن عوائد تلك الاستثمارات، وغالبًا ما عجزوا عن توضيح القيمة التي حققوها. وأدى ذلك إلى إعادة ضبط الأولويات حول النتائج. ولم يعد السؤال يقتصر على ما إذا كان التطبيق قد حقق نتيجة، بل شمل أيضًا ما إذا كان تحقيقها قد أضرّ بأي أمر جوهري. ثمة نوع من التشكيك المنفتح: استعداد حقيقي للاستثمار، يقترن بتوقع الحصول على إجابة عن كلا السؤالين.

تشير التوقعات إلى الاتجاه نفسه. تتوقع Gartner أن يحلّ الذكاء الاصطناعي الوكيلي، من تلقاء نفسه، 80% من مشكلات خدمة العملاء الشائعة بحلول عام 2029. لا يهم إن كان الرقم الدقيق 80% أم لا. الكلمة المهمة هنا هي الحلّ. تبدأ المحادثة بإتاحة الوصول، والمنتج هو الحل.

العميل الأول في محفل بالغ الظهور

في DXC، نُفّذ أحد أقدم تطبيقاتنا للذكاء الاصطناعي الصوتي في بيئة لافتة للأنظار على نحو غير مألوف: مكالمات إعلان نتائجنا المالية. وعلى مدى ثلاثة أرباع متتالية، كان الرئيس التنفيذي Raul Fernandez يكتب نصه المُعدّ، فيما يلقي نموذج صوتي مخصص للذكاء الاصطناعي، طُوّر بالتعاون مع ElevenLabs، النص بصوته.

أظهرت المكالمة الأولى القدرة الأساسية. وفي الثانية، أمكن مشاركة كلماته بالإسبانية والفرنسية والألمانية والبرتغالية والعربية. وبحلول الثالثة، بُثّ النص في ست لغات في الوقت نفسه. وفي كل مرة، أخبر Raul المستمعين بأنه كتب الكلمات، وأن نموذجًا للذكاء الاصطناعي هو من كان يلقيها.

ليس الاتصال المخصص لإعلان النتائج المالية مناسبة سهلة؛ فهو يخضع للتدقيق والتنظيم، ولا يتسامح مع أي شيء يبدو خاطئًا ولو قليلًا. وقد أسفر إجراء التجربة في هذا السياق، بدلًا من مكان أكثر أمانًا، عن أربعة استنتاجات.

• تأليف الرسالة أهم من إلقائها. فالكلمات كلماته، والنموذج لا يفعل سوى قراءتها. ويمكن للمؤسسات توسيع نطاق التواصل بلغات متعددة من دون تغيير هوية كاتب الرسالة أو الجهة التي تظل مسؤولة عنها.
• عزز الإفصاح النتيجة بدلًا من تقويضها. لم يكن واضحًا في البداية ما إذا كان الإعلان عن استخدام صوت مولّد بالذكاء الاصطناعي سيضر بمصداقيتنا. لكن العكس هو ما حدث، أما البديل — أي الأمل في ألا يلاحظ أحد — فكان سيئًا من الناحيتين الأخلاقية والعملية.
• أضاف الإلقاء بلغات متعددة قيمة حقيقية. فالمساهمون الذين كانوا سيضطرون إلى انتظار الترجمة بات بإمكانهم الآن سماع التصريحات نفسها، بالصوت نفسه، وفي الوقت نفسه. وهذا يغيّر من يحصل على فرص متكافئة للوصول إلى المعلومات، وليس مجرد كفاءة في الإنتاج.
• تستند الثقة إلى المساءلة، لا إلى الإتقان الشكلي. يتقبل الناس رسالة يقدّمها الذكاء الاصطناعي حين يعرفون من ألّفها، ومن يتحمل مسؤوليتها، وما السبل المتاحة لهم للجوء إلى جهة أخرى. ولا يُسمع أي من ذلك في الصوت نفسه.

يعكس هذا مبدأً نعمل به في LabX، حاضنة DXC للمنتجات المصممة من أساسها بالذكاء الاصطناعي: قبل أن نطلب من العملاء الوثوق بتقنية ناشئة، ينبغي أن نكون مستعدين لاختبارها في بيئتنا. فأن نكون «العميل الأول» يكشف مشكلات لا يستطيع عرض مصقول إظهارها — أين يتردد الناس، وأين تنهار الثقة، وما الضوابط اللازمة للتشغيل بمسؤولية وعلى نطاق واسع. وعادةً ما تكون أصعب تحديات الذكاء الاصطناعي في المؤسسات بشرية لا تقنية.

من العرض التوضيحي إلى تجارب متحوّلة

تنطلق شراكتنا الاستراتيجية مع ElevenLabs، شركة الذكاء الاصطناعي المتخصصة في النماذج الصوتية ووكلاء الصوت، من تجربة «العميل الأول» هذه، وتوظّف الصوت في ثلاثة مجالات عملية. وفي كل حالة، تكون نقطة البداية نتيجة محددة، لا مجرد تطبيق تقنية.

• في مكاتب الدعم، يمكن لوكلاء الصوت مساعدة الموظفين على وصف المشكلة بطبيعية، واسترجاع المعارف ذات الصلة، وإنجاز الخطوات الروتينية، ونقل السياق كاملًا إلى اختصاصي عند الحاجة إلى التصعيد. ولا يُقاس النجاح بعدد المكالمات التي جرى تفاديها، بل ببلوغ المتصل حلًا للمشكلة في تفاعل واحد، من دون أن يضطر إلى وصفها ثلاث مرات.
• في منصات تجربة العملاء، تتيح الواجهات متعددة اللغات، ذات الأصوات الطبيعية، تفاعلات أكثر اتساقًا عبر قنوات الهاتف والقنوات الرقمية. وتتفاوت جودة الخدمة في معظم المؤسسات بحسب الشخص الذي يرد على العملاء ووقت الرد. وتتاح فرصة حقيقية للتحسين؛ إذ يمكن أن يستند كل تفاعل إلى السياق نفسه، مع مواصلة إحالة الحالات الأصعب إلى الأشخاص الأقدر على التعامل معها.
• في التدريب، يحوّل الصوت المحتوى السلبي إلى ممارسة فعلية. ويمكن للموظفين التدرب على محادثة مع عميل، أو موقف متعلق بالسلامة، أو نقاش إداري صعب، ثم تلقي تدريب موجه بحسب احتياجاتهم. ويكتسب الناس الكفاءة بسرعة أكبر عندما يتدربون على المحادثة نفسها بدلًا من القراءة عنها.

قد تكون التطبيقات المصممة لقطاعات بعينها الأشد أثرًا. إذ يمكن لشركات التأمين استكشاف استقبال موجّه للمطالبات الاعتيادية؛ ويمكن للمصنّعين إتاحة الوصول إلى الإجراءات للفنيين الميدانيين من دون استخدام أيديهم؛ كما يمكن لمؤسسات القطاع العام تيسير الوصول إلى المعلومات بلغات متعددة. فهذه ليست وكلاء عامة تُضاف إلى مؤسسة من الخارج، بل يجب تصميمها وفقًا للمفردات والقواعد والبيانات وطبيعة المخاطر الخاصة بكل قطاع.

وسّع نطاق خصائص الخدمة المتميزة، لا التفاعل المقيّد بنص جاهز

يكمن الخطر، بطبيعة الحال، في أن يتحول التوسع إلى نمطية. فقد ارتكبت المؤسسات هذا الخطأ من قبل: تطبيق شجرة قرارات واحدة على الجميع، فتلبية احتياجات الحالة المتوسطة وإخفاقها مع سواها. وما ينبغي توسيع نطاقه فعلًا هو خصائص التفاعل المتميز في تقديم الخدمة — أن يكون مستندًا إلى المعرفة، وسريع الاستجابة، وموجّهًا نحو تحقيق نتيجة — فيما يتكيف التفاعل نفسه مع لغة الشخص وسياقه واحتياجه. وينبغي أن يعني الاتساق تقديم خدمة جيدة باستمرار، لا تقديم خدمة متطابقة للجميع.

الثقة جزء من التجربة

كلما بدا صوت الوكيل أقرب إلى صوت الإنسان، ازدادت أهمية الشفافية. ينبغي أن يعرف الشخص متى يتفاعل مع الذكاء الاصطناعي. وعلى المؤسسات الحصول على إذن صريح لإنشاء صوت اصطناعي لشخص ما أو استخدامه، ووضع ضوابط تحدد من يمكنه الوصول إليه، واعتماد مصادقة قوية للإجراءات الحساسة، والاحتفاظ بسجلات لما فعله الوكيل، وتوفير مسار واضح للتواصل مع شخص حقيقي.

غالبًا ما تُعامل هذه الأمور باعتبارها مسألة امتثال تُضاف بعد تصميم التجربة، مع أنها يجب أن تكون جزءًا منها. فمن لا يستطيع معرفة ما إذا كان يتحدث إلى شخص حقيقي، أو لا يعرف ما الذي يملك الوكيل صلاحية فعله، أو لا يستطيع الوصول إلى شخص عندما يحتاج إليه، لا يخوض تجربة جيدة مهما بدت المحادثة طبيعية.

ينبغي أن نوضح بدقة مصدر هذه الثقة، لأن المسؤولية فيها مشتركة. يجب أن يضبط مطوّرو النموذج أداءه على النحو السليم. أما كيفية نشره — من معالجة البيانات والتحكم في الوصول إلى تسجيل الإجراءات وتحديد نقاط انتقال المهمة إلى شخص — فهي مسألة منفصلة تقع على عاتق الجهة التي تضع النظام قيد التشغيل. ولا يغني أحد الأمرين عن الآخر. وتزداد أهمية كليهما في التفاعل الصوتي، لأن التفاعل يجري مباشرة، وقد ينفذ الوكيل إجراءات أثناء حديثه، فيما لا توجد شاشة تُظهر للشخص ما حدث للتو نيابة عنه.

تساعد الإرشادات الخارجية في هذا الشأن. فقد سلّطت لجنة التجارة الفدرالية الضوء على الأضرار المحتملة للاستنساخ الصوتي الخبيث، ويوفر إطار NIST لإدارة مخاطر الذكاء الاصطناعي بنية عملية لتحديد مخاطر الذكاء الاصطناعي وإدارتها. وينبغي اعتبار الموافقة والإفصاح والأمن والاختبار والمراقبة المستمرة متطلبات أساسية للمنتج.

بناء مسار منفتح من التجربة إلى التوسع

يجمع دوري الموسّع بصفتي رئيس الابتكار والاستراتيجية في مجال الذكاء الاصطناعي وLabX بين جانبين من التحدي نفسه: احتضان منتجات مبنية على الذكاء الاصطناعي منذ البداية، وتطوير الجانب التجاري لاستراتيجية منصة شركاء الذكاء الاصطناعي لدى DXC. وتظل LabX مساحة لاختبار التقنيات المتقدمة في مواجهة مشكلات حقيقية لدى العملاء، لكن مهمتها تشمل الآن مساعدة العملاء على التعامل مع منظومة منفتحة من الشركاء، مثل Anthropic وElevenLabs.

تكتسب هذه المقاربة المنفتحة أهميتها لأن نموذجًا أو منصة أو واجهة واحدة لن تكون مناسبة لكل مؤسسة ولكل حالة استخدام. ومهمتنا هي الجمع بين التقنية المناسبة والخبرة المتخصصة في المجال وتصميم سير العمل والحوكمة والقدرة على التنفيذ، ثم التحقق من أنها تحقق نتائج قابلة للقياس. أحيانًا تكون الواجهة المناسبة نصية، وأحيانًا تكون مرئية. ويتزايد استخدام الصوت، وغالبًا ما يكون الأنسب الجمع المدروس بين الأنواع الثلاثة.

ليس السؤال أين يمكن للمؤسسة إضافة الصوت، بل أين يمكن للمحادثة أن تحسّن التجربة والنتائج، وما إذا كانت المؤسسة مستعدة لإعادة تصميم العمل بما يتلاءم معها.