التكنولوجيا وحدها لا تكفي لضمان الاستخدام: دروس من بناء بوت داخلي للذكاء الاصطناعي

مع تسارع اعتماد الذكاء الاصطناعي في مختلف القطاعات، بدا نشر روبوت محادثة لدعم تطبيق داخلي جديد قرارًا منطقيًا. لكن التطبيق نفسه خالف توقعات المستخدمين المعتادة، إذ قدم مسارات عمل جديدة مبنية على تقنية ناشئة لم تكن مألوفة لمعظمهم.

ولتقليل الاحتكاك وتحسين التبني، صُمم الروبوت للإجابة عن الأسئلة المتعلقة بالتطبيق والتقنية التي يقوم عليها. كان الهدف مساعدة المستخدمين على فهم ما ينبغي فعله وسبب تصرف النظام على ذلك النحو. واعتقدنا أن تقديم شروحات مرتبطة بالسياق سيسرع التعلم ويقلل الالتباس.

منذ البداية، تصورنا وكيل الذكاء الاصطناعي كحل محدود النطاق يقتصر على دعم الوثائق ومساعدة المستخدمين. وكان المقصود أن يكون بديلًا ديناميكيًا لوثيقة الأسئلة الشائعة التقليدية، من خلال واجهة حوارية قابلة للبحث ومتاحة باستمرار، بقدرات تتجاوز المحتوى الثابت.

ولدمج الوكيل في بيئة المحادثة الداخلية للمؤسسة، كان علينا فهم كيفية عرض الرسائل المنظمة، وتخزين سجل المحادثة، وتحديد المشاركين داخل سلاسل النقاش. وقد أتاح ذلك تحديد المتغيرات الأساسية اللازمة لبدء معالجة أسئلة المستخدمين.

تأسيس النموذج على سياق موثوق بدل الهلوسة

تتميز النماذج اللغوية الكبيرة بقدرات قوية، لكنها تكون عرضة للهلوسة إذا لم ترتبط بسياق واضح. ولمعالجة ذلك طبقنا تقنية التضمين المتجهي.

حوّلنا أدلة المستخدم والوثائق الداخلية ورؤية المنتج إلى تمثيلات رقمية متجهية للنص. التقطت هذه التضمينات المعنى الدلالي، فتمكن النظام من مطابقة المفاهيم بدل الاعتماد على تطابق الكلمات المفتاحية البسيط.

عندما يطرح المستخدم سؤالًا، يحوله النظام إلى تمثيل متجهي ويقارنه بالتضمينات المخزنة. ثم يسترجع الوثائق الأكثر صلة من الناحية الدلالية ويضيفها إلى مطالبة النموذج، ليولد النموذج إجابة مستندة إلى تلك الوثائق وغالبًا ما يلخص المعلومات ذات الصلة.

حسن هذا النهج دقة الإجابات بدرجة كبيرة. فبدل إنشاء إجابات من المعرفة العامة وحدها، أصبح النموذج يستخدم وثائق مؤسستنا كسياق مباشر.

التعقيد الخفي لإدارة السياق

كان من الضروري إدراج سجل المحادثة في المطالبة حتى يفهم الروبوت أسئلة المتابعة ويحافظ على الاستمرارية. ومن دون السجل أصبحت التفاعلات مجزأة ومتكررة؛ فالمستخدمون يصقلون أسئلتهم تدريجيًا، ولا يستطيع الروبوت من دون السياق فهم إشارات مثل «ذلك الخيار» أو «الخطوة السابقة».

لكن إدراج سجل طويل جدًا خلق مشكلة أخرى هي حدود الرموز. تظهر هذه المشكلة عندما تقتطع النماذج اللغوية المدخلات التي تتجاوز نافذة السياق القصوى. وإذا طال السؤال أو الحوار كثيرًا، قد تضيع معلومات مهمة من دون ظهور خطأ صريح، فتتراجع جودة الإجابة أو دقة الاسترجاع.

للحد من ذلك، طبقنا استراتيجيات لضبط حجم المطالبة وإعطاء الأولوية للمحتوى ذي الصلة ومراقبة طول الأسئلة. وجربنا تلخيص الرسائل القديمة وإدراج أكثر أجزاء المحادثة صلة فقط. كان السياق ضروريًا، لكنه احتاج إلى إدارة دقيقة.

توسيع القدرات وما نتج عنه من التباس

إلى جانب الإجابة عن أسئلة الوثائق، وسعنا قدرات الروبوت بإضافة وظائف خلفية تستخرج بعض المعلومات العامة مباشرة من التطبيق. أتاح ذلك للمستخدمين استرجاع البيانات داخل المحادثة من دون تسجيل الدخول إلى التطبيق، بهدف تقليل الاحتكاك وجعل الروبوت واجهة مفيدة لا مجرد طبقة معرفة ثابتة.

لكن هذا التوسع أربك بعض المستخدمين. فعندما بدأ الروبوت باسترجاع بيانات مباشرة، طلبوا منه تنفيذ إجراءات تستلزم التفاعل داخل المنصة والمصادقة أو التنفيذ المتعمد. لم يُصمم الروبوت لهذه المهام، إلا أن الحد الفاصل بين المساعدة المعلوماتية والتنفيذ التشغيلي لم يكن واضحًا دائمًا.

وأدخل دمج البيانات المباشرة اعتبارات تقنية جديدة. كان علينا تحديد متى يمر السؤال عبر الاسترجاع القائم على التضمينات ومتى يشغّل استدعاءً للنظام الخلفي. تطلب منطق القرار تصميمًا دقيقًا، كما اضطررنا إلى ضبط الإجابات لمعالجة الاستثناءات التقنية بسلاسة ومنع عرض أخطاء النظام الخام للمستخدمين.

القدرة متعددة اللغات ليست تلقائية

اكتشفنا أثناء الاختبار أن أداء الروبوت باللغة الإنجليزية كان أفضل باستمرار من أدائه باللغات الأخرى المستخدمة داخل Jalasoft. والسبب الأساسي بنيوي: معظم الوثائق التي أنشأنا منها التضمينات كُتبت بالإنجليزية، كما أن نموذج التضمين المختار كان محسنًا للتشابه الدلالي الإنجليزي.

لم يدعم النموذج الاسترجاع متعدد اللغات أو المقارنة الدلالية بينها، لذلك كانت الاستعلامات بغير الإنجليزية تسترجع وثائق أقل صلة وتنتج إجابات أضعف. وأوضح ذلك درسًا مهمًا: دعم اللغات المتعددة لا يحدث تلقائيًا.

عندما تتجاوز التوقعات نطاق النظام

للتحكم في التكاليف وضعنا حدًا يوميًا لعدد الأسئلة التي يمكن للمستخدم طرحها، لكننا لم نقيد موضوعاتها صراحة. وكان بإمكان المستخدمين السؤال عن أي شيء.

أدى هذا الانفتاح إلى أنماط استخدام غير متوقعة، إذ بدأ بعض المستخدمين التفاعل مع الروبوت لأغراض شخصية أو استكشافية لا علاقة لها بالتطبيق. وبمرور الوقت تجاوزت التوقعات دوره المقصود، فنشأت فجوة بين ما أمل المستخدمون أن يفعله وما صُمم لدعمه.

قلل هذا الاختلال فائدته المتصورة تدريجيًا. انخفض الاستخدام، ثم أُوقف الروبوت في النهاية وحُولت الجهود إلى إعادة تصميم التطبيق نفسه ليصبح أبسط وأسهل استخدامًا.

الدرس الحقيقي: تصميم التفاعل

من المنظور الهندسي عمل النظام بصورة جيدة إلى حد معقول. استرجع الوثائق، وأدرج سجل المحادثة، وقلل الهلوسة بالتضمينات، وتعامل مع استدعاءات الأنظمة الخلفية، وأدار حجم المطالبة. أدت البنية وظيفتها كما خُطط لها.

لكن النظام افتقر إلى تصميم تفاعل مقصود. لم يشكل مسار الحوارات بوضوح، ولم يؤكد نطاقه باستمرار، ولم يرشد المستخدمين بأمثلة منظمة لما يستطيع فعله وما لا يستطيع. كان يجيب عن الأسئلة، لكنه لم يضبط التوقعات.

تعلمنا أن أنظمة الذكاء الاصطناعي الحوارية تحتاج إلى أكثر من نماذج قوية وبيانات منظمة؛ فهي تحتاج إلى توقعات مصممة بعناية. يجب أن يفهم المستخدمون دور الوكيل وحدوده ونقاط قوته، وعلى النظام أن يقدم أمثلة للمطالبات بصورة استباقية، ويوضح القيود، ويعيد توجيه الأسئلة الخارجة عن النطاق باستمرار.

من دون هذا الإطار المتعمد، قد يعجز حتى التنفيذ السليم تقنيًا عن الحفاظ على قيمته. فقد يبالغ المستخدمون في تقدير القدرات أو ينسحبون عندما لا تتحقق توقعاتهم غير المعلنة.

الخلاصة بسيطة لكنها قوية.

بناء الذكاء الاصطناعي الحواري ليس تحديًا تقنيًا فحسب، بل هو تحدٍ في تصميم التفاعل أيضًا

السياق القوي والاسترجاع الدقيق والبنية المتينة ضرورية، لكنها غير كافية. تعتمد فعالية النظام بالقدر نفسه على كيفية تعريف دوره والتعبير عن حدوده وتشكيل توقعات المستخدمين.

التقنية وحدها لا تضمن التبني؛ تصميم التفاعل الواضح هو ما يضمنه.