الذكاء الاصطناعي الصوتي للمؤسسات لا يحتاج إلى مزيد من الشخصية. إنه يحتاج إلى التعاطف من خلال التصميم

أعمل في مجال الصوت منذ عام 2017، وهو ما يكفي لأعيش دورة ضجة واحدة وأتابع موجة ثانية تكتسب زخمًا حقيقيًا. بينما هذه الموجة الثانية أكثر إبهارًا من الناحية التقنية، تحولت المناقشة حولها إلى أرقام. القليل جدًا منها يتعلق بكيفية تحدث الناس فعليًا، وأود أن أقول إننا فقدنا الصلة العاطفية باللغويات وعلم النفس التي ميزت معظم المراحل السابقة للصوت.

إذا اطلعت على الإعلانات، فسترى أرقامًا عن الكمون، ومعدلات الحل، وادعاءات طموحة حول ما يمكن للوكيل القيام به. كل هذه الأمور مهمة، لكن الوكيل المتحدث بصوت جميل لا فائدة منه إذا لم يتمكن من إكمال المهمة. ومن الجدير بالذكر أن منتجات الصوت للمؤسسات تستند بشكل متزايد إلى نفس مجموعة النماذج الأساسية، مما يعني أن السرعة أصبحت مجرد شرط أساسي.

الفرق يكمن في مكان مختلف تمامًا. ماذا يعرف الوكيل؟ ماذا يستطيع أن يفعل؟ كيف يشعر التفاعل أثناء قيامه بذلك؟ والأهم من ذلك، هل يضطر العميل إلى بذل جهد إضافي لأن الوكيل آلة؟

هنا يبدأ تصميم الصوت القائم على التعاطف. لا أقصد إضافة صوت دافئ أو عبارة متعاطفة. أقصد التصميم حول نية المتصل، والعبء المعرفي، والحالة العاطفية المحتملة. يجب أن يعرف الوكيل ما تعرفه الشركة بالفعل، ويشرح ما يقوم به، ويتعافى بشكل نظيف عندما يخطئ، ويتوقف عن الكلام عندما تُنجز المهمة.

إن الصوت الصناعي الدافئ الذي يطلب رقم الحساب نفسه ثلاث مرات لم يجعل المكالمة أسهل، ولا يُضيف الدفء أي قيمة عملية.

التعاطف ليس إعدادًا صوتيًا

يمكن أن يبدو الصوت متفكرًا دون أن يفهم النظام وراءه المشكلة أو يكون قادرًا على فعل شيء مفيد. قد يتصل العميل بخصوص انقطاع، أو فاتورة متنازع عليها، أو عائق في التنفيذ يمتد عبر عدة فرق. إذا كان الوكيل يعرف فقط الأسئلة المتكررة، فإن النبرة الدافئة أو المصقولة لن تجعل التجربة متعاطفة. يحتاج الوكيل إلى معرفة من المتصل، وما اشتراه، وما كان آخر تفاعل على حسابه، وما يُسمح له بفعله لمساعدة العميل.

يحتاج وكيل الصوت للمؤسسات إلى السياق المناسب للعميل والمنتج، مع الأذونات الصحيحة، حتى يتمكن من الرد والعمل بينما لا يزال الشخص على الخط. لا يحتاج المتصل إلى قراءة نتائج البحث بصوت عالٍ. قد يحتاج إلى إصدار استرداد، أو تصحيح السجل، أو إحضار المتخصص المناسب.

أرى التعاطف ككل من تخصص تصميم ومتطلب نظامي. يحدد تصميم الحوار كيف يتصرف الوكيل. تحدد البنية التحتية ما إذا كان يعرف ما يكفي ليكون مفيدًا. أعتبر النتيجة المدمجة كملمس المنتج الصوتي: ما يعرفه النظام، وكيف يستخدم تلك المعرفة، وكيف يتعامل مع عدم اليقين، وكيف يشعر الشخص عندما تنتهي المحادثة.

الصوت يخلق عقدًا اجتماعيًا

الصوت ليس واجهة محايدة. كنت في مكالمة مع عميل مؤخرًا وكان للوكيل التجريبي صوت أنثوي. خلال دقيقة واحدة، بدأ الأشخاص في الغرفة يطلقون عليه “هي”. لم يعلن أحد عن هذا القرار، بل كان مجرد امتداد طبيعي للمحادثة.

هذا التأثير يسبق الذكاء الاصطناعي التوليدي. في عام 1994 بحث حول الحواسيب كفاعلين اجتماعيين، أظهر كل من كليفورد ناس، جوناثان ستوير وإلين تاوبر أن الناس يطبقون استجابات اجتماعية على الحواسيب حتى عندما يعلمون أنهم يتعاملون مع آلة. يعزز الصوت تلك الاستجابة من خلال التوقيت، والثقة، والنبرة.

هذا يغيّر شعور الفشل. على سبيل المثال، صندوق النص الذي يُعيد الرابط الخطأ يسبب إزعاجًا، وصوت يتحدث فوقك، ويفهم النقطة نفسها مرتين خطأً، ويصر على أنه حل المشكلة يبدو وقحًا. التكنولوجيا لم تطور مشاعر. المتصل هو من يمتلكها.

الثقة بالفعل هشة. دراسة عالمية عام 2025 أُجريت بقيادة جامعة ملبورن بالتعاون مع KPMG شملت أكثر من 48,000 شخص في 47 دولة. وجدت أن 66٪ يستخدمون الذكاء الاصطناعي بانتظام، لكن 46٪ فقط مستعدون للثقة به. كل تفاعل صوتي إما يكسب قليلًا من الثقة أو يستهلكها.

هناك أيضًا توتر أخلاقي. غالبًا ما تعتبر الصناعة الوكيل الأكثر تشبهًا للإنسان هو الأفضل. لكن الناس لا يرغبون في الخداع. عندما أصمم وكيلًا، أرغب أن يعرّف نفسه، ويشرح ما يمكنه الوصول إليه، ويذكر ما سيقوم به قبل أن يفعل شيئًا ذا أثر. يجب أن تكون الشفافية جزءًا من الحوار.

صمم من أجل الأذن، لا العين

الشاشة تتسامح. يمكن للناس المسح، وإعادة القراءة، والتمرير إلى الخلف. الكلام يختفي بمجرد سماعه، مما يجعل العبء المعرفي قيد تصميم عملي بدلاً من حاشية أكاديمية.

يصف مراجعة نيلسون كوان لذاكرة العمل مخزنًا مركزيًا يقتصر تقريبًا على ثلاثة إلى خمسة عناصر ذات معنى لدى البالغين الشباب. ومع ذلك لا تزال أنظمة الصوت تقرأ قوائم طويلة وتجمع عدة أسئلة في دورة واحدة. لا يستطيع معظم الناس الاحتفاظ بكل ذلك في الذاكرة، خاصةً عندما يكونون مشتتين، أو يقودون السيارة، أو بالفعل منزعجين.

لا يمكن تحويل روبوت محادثة نصي إلى منتج صوتي بمجرد إعطائه تحويل النص إلى كلام. يستخدم التصميم الصوتي الأصلي دورات أقصر، ويضع المعلومات المهمة أولًا، ويمنح المتصل مساحة للمقاطعة. كما يدرك أن ليس كل فراغ في المحادثة يحتاج إلى ملء، لذا بينما السرعة مهمة، يمكن للتصميم الصوتي الأصلي أن “يقرأ” عندما تنتهي المحادثة.

تشمل خلفيتي اللغويات السوسيولوجية الثقافية، التي تدرس كيفية عمل اللغة بين الأشخاص وداخل السياقات الاجتماعية. هذا مفيد في تصميم الصوت لأنه يزودنا بلغة دقيقة لأمور مثل الإيقاع، والنغمة، وتناوب الأدوار، والإصلاح. عبارة “اجعلها تبدو طبيعية” ليست توجيهًا تصميميًا. القدرة على وصف كيفية سير المحادثة تمنح الفرق شيئًا يمكنهم بناءه فعليًا.

ما هو شكل التصميم القائم على التعاطف

التصميم القائم على التعاطف لا يتعلق بجعل الوكيل يبدو أكثر دفئًا أو إنسانية. إنه يعني تشكيل المحادثة حول وضع الشخص، وتقليل الجهد المطلوب لإنجاز مهمة، ومعالجة الفشل دون زيادة إحباطه. عمليًا، يبدأ ذلك ببعض الخيارات التصميمية الأساسية.

ابدأ بفهم سبب اتصال الشخص

لا يتصل الناس لتصفح تصنيف الشركة. يتصلون لأن شيئًا ما معطّل، أو متأخر، أو محير. المتصل الذي يقول: “أحتاج إلى إيقاف هذا التسليم” لا ينبغي أن يُدفع عبر سيناريو عام لحالة الطلب. يجب على الوكيل تحديد أي تسليم وما إذا كان لا يزال بإمكانه التدخل.

استخدم السياق لإزالة التكرار

غالبًا ما يكون التعاطف أكثر وضوحًا في ما لا يطلبه النظام. إذا كانت الشركة تعرف بالفعل من هو العميل، وأي منتج يستخدمه، وما حدث سابقًا، يجب على الوكيل استخدام ذلك السياق المعتمد بدلاً من جعل المتصل يعيد بنائه.

ينطبق نفس المبدأ داخل الشركة. يجب أن يتمكن مندوب المبيعات بين الاجتماعات من السؤال عما تغير في حساب ما، وتحديد المتابعة، وكتابة التحديث في النظام المناسب. القيمة تكمن في الاستمرار دون فقدان السياق أو خلق المزيد من الإجراءات الإدارية.

صمم الإصلاح قبل المسار السعيد

كل نظام صوتي سيخطئ في فهم أحدهم. اللهجات، الضوضاء الخلفية، الأسماء غير المألوفة، والانقطاعات تجعل ذلك لا مفر منه. يُحدد المنتج بما يحدث بعد ذلك. أسوأ نمط استعادة هو تكرار السؤال نفسه بنفس الكلمات. استجابة أفضل توضح ما فهمه الوكيل وتقلل من عدم اليقين. إذا كانت المشكلة تتطلب حكمًا أو وصولًا لا يمتلكه الوكيل، يجب إشراك شخص قبل أن يطلب المتصل ذلك.

احترام التحويل والخروج

تحويل المتصل إلى شخص ليس فشلًا. التحويل دون سياق المحادثة هو الفشل. إذا نقل الوكيل المكالمة دون نقل ما قاله العميل، وما حدده، وما جربه بالفعل، يجب على العميل أن يبدأ من جديد. هذا هو بالضبط العمل الذي يجب أن يزيله الذكاء الاصطناعي.

ينطبق نفس المبدأ عندما تُحل المشكلة. أحيانًا تكون أفضل تجربة صوتية سؤالًا واحدًا، وإجابة دقيقة، ونقرة. قد لا يشكر المتصل الوكيل أو يؤكد أن استفساره تم حله قبل إنهاء المكالمة. إذا حصلوا على ما يحتاجون إليه، فقد نجحت التفاعل.

قِس الجهد، لا العرض المسرحي

قد يبدو المكالمة التي تم حلها بنجاح من أول مرة كفشل لأن العميل ينهى المكالمة دون تأكيد رضاه. إذا كان النجاح يعني إكمال نص طويل، فستسعى الفرق إلى تحسين المحادثات الأطول وتسمّي ذلك تفاعلًا.

أفضل قياس المكالمات المتكررة، والتصحيحات، والتحويلات التي يمكن تجنبها، وما إذا تم إنجاز الإجراء المطلوب. لا تزال مؤشرات الرضا العامة مثل NPS مهمة، لكن المحادثة نفسها تكشف عن الأماكن التي اضطر فيها العميل إلى بذل جهد أكبر مما ينبغي.

في فبراير 2026، أفادت Gartner أن 91٪ من قادة خدمة العملاء والدعم كانوا تحت ضغط تنفيذي لتطبيق الذكاء الاصطناعي. يجعل هذا الضغط من المهم أكثر قياس ما إذا كانت الأتمتة تزيل العمل فعليًا. قد يبدو وكيل الصوت الذي يخلق مكالمات متكررة، أو تحويلات غير ضرورية، أو تفاعلات أطول فعالًا على الورق بينما ينقل التكلفة إلى مكان آخر. تتحسن الاقتصاديات عندما يحل النظام العمل الصحيح، ويتجنب الأدوار غير الضرورية، ويمنع عودة العملاء عبر قناة أكثر تكلفة.

القدرة والتعاطف يعيشان معًا

سوق الصوت للمؤسسات يتجاوز الكلام الطبيعي. ما يهم الآن هو ما إذا كان الوكيل يستطيع فهم احتياجات المتصل، والوصول إلى السياق التجاري المناسب، والتصرف بدقة وأمان، والرد بشكل مناسب عندما تنحرف المحادثة عن النص.

لا ينبغي للتصميم القائم على التعاطف أن يجعل الوكيل أكثر ثرثرة. عندما يُنفذ بشكل صحيح، يزيل التكرار، ويقصر الشروحات، ويمنع المتصل من الاضطرار إلى إدارة الآلة. أحيانًا يكون الإعجاب مجرد الشعور بأن شيئًا صعبًا أصبح سهلًا.

أهم سؤال أطرحه عند بناء أي منتج ذكاء اصطناعي هو سؤال بسيط بحد ذاته: لماذا قد يهتم أحد؟ يكتسب الصوت مكانته عندما يجعل شيئًا ما أسهل بوضوح، بدلاً من أن يضيف على الناس المزيد من العمل لإنجازه.

قبل إطلاق وكيل صوتي، استمع إلى المحادثات الفاشلة، وليس فقط العروض المصقولة. هل فهم لماذا اتصل الشخص؟ هل كان يعرف ما يكفي لحل المشكلة؟ عندما فشل، هل سهل الخطوة التالية أم جعلها أصعب؟

إذا كان الجواب غير واضح، فإن المزيد من الشخصية، أو انخفاض الكمون، أو صوت أكثر إنسانية لن ينقذ الأمر.