تحويل الطلبات الفوضوية إلى معاملات منظمة
تقول Choco، وهي منصة تخدم موزعي الأغذية والمشروبات، إنها دمجت وكلاء الذكاء الاصطناعي بعمق في خط معالجة الطلبات في قطاع لا يزال مثقلاً بالعمل اليدوي. وفي دراسة حالة عميل نُشرت في 27 أبريل، قالت الشركة إن واجهات برمجة التطبيقات الخاصة بـ OpenAI تساعدها الآن على معالجة أكثر من 8.8 مليون طلب سنوياً، مع خفض إدخال الطلبات يدوياً بنسبة 50% ومضاعفة إنتاجية فريق المبيعات من دون زيادة في عدد الموظفين.
المشكلة التي سعت Choco إلى حلها مألوفة في قطاع التوزيع، لكنها نادراً ما تكون لامعة. فالطلبات لا تصل دائماً بصيغ رقمية مرتبة. بل تأتي عبر البريد الإلكتروني والرسائل النصية والملاحظات الصوتية والصور والمستندات، وحتى الملاحظات المكتوبة بخط اليد. ثم يقوم الموظفون بترجمة تلك الشظايا إلى إدخالات منظمة في نظام تخطيط موارد المؤسسة. هذا العمل كثيف العمالة ومتكرر، ويعتمد على معرفة سياقية غالباً ما تكون محفوظة في أذهان موظفي مكاتب الطلبات ذوي الخبرة.
تقول Choco إن نماذج اللغة الحديثة أصبحت أخيراً جيدة بما يكفي للانتقال من المساعدة إلى التنفيذ. فبدلاً من مجرد مساعدة العاملين على قراءة المدخلات وتلخيصها، تقول الشركة إن أنظمة الذكاء الاصطناعي لديها قادرة على تحويل الاتصالات متعددة الوسائط إلى طلبات جاهزة لنظام ERP، وذلك باستخدام سياق خاص بكل عميل.
أين كانت الصعوبة الحقيقية
تتميز دراسة الحالة لأنها لا تصف التحدي باعتباره مجرد استخراج نص. تقول قيادة الهندسة في Choco إن المشكلة الأصعب كانت السياق الضمني: مطابقة وحدات SKU الخاصة بكل عميل، وتفضيلات الوحدات، وأنماط التسليم، وسلوك الطلبات التاريخي. وبعبارة أخرى، لم يكن عنق الزجاجة قراءة الرسالة فقط، بل فك الغموض بالطريقة التي سيفعلها مشغّل بشري متمرس.
هذا التمييز مهم في الذكاء الاصطناعي المؤسسي. فكثير من سير العمل يبدو قابلاً للأتمتة إلى أن تظهر الحالات الحدّية. فقد يتلقى الموزع رسالة نصية ناقصة أو صورة ضبابية لا تصبح مفهومة إلا عندما تُفسَّر في ضوء سلوك العميل السابق واتفاقيات الكتالوج. تقول Choco إنها بنت بنية تحتية للتعلم الديناميكي داخل السياق بحيث يستطيع النظام إزالة الغموض عن المدخلات بالاعتماد على تاريخ العميل وبيانات المنتج.
إذا كان هذا صحيحاً على نطاق واسع، فهذه قدرة أكثر دلالة من تحليل المستندات العام. إنها تشير إلى نموذج لوكلاء ذكاء اصطناعي مفيدين لأنهم مدمجون في السياق التشغيلي، لا لأنهم يستطيعون قراءة النص غير المنظم فقط.
من OrderAgent إلى VoiceAgent
تقول Choco إنها قدّمت OrderAgent لمعالجة المدخلات متعددة الوسائط، ثم توسعت إلى الصوت عبر نظام يسمى VoiceAgent مدعومًا بـ Realtime API من OpenAI. وهذا يتيح للعملاء تقديم الطلبات بشكل طبيعي عبر الهاتف بزمن استجابة أقل من ثانية، حتى خارج ساعات العمل.
منطق الأعمال هنا واضح. توزيع الأغذية يعتمد على طلبات مستمرة وحساسة للوقت، وكثير من الموردين لا يزالون يعملون عبر قنوات اتصال مجزأة وغير رسمية. أي نظام يمكنه البقاء متاحاً على مدار الساعة، وقبول الطلبات الصوتية، وتحويلها إلى سجلات منظمة، يقلل الاعتماد على نوافذ التوظيف اليدوي وعلى النسخ اليدوي.
كما يشير ذلك إلى تحول أوسع في كيفية نشر الذكاء الاصطناعي المؤسسي. فبدلاً من إجبار المستخدمين على واجهات جديدة، تطبق الشركات النماذج على القنوات التي يستخدمها الناس بالفعل. يصبح البريد الإلكتروني والرسائل النصية والمكالمات الهاتفية والصور مدخلات قابلة للقراءة آلياً من دون الحاجة إلى إعادة تصميم كاملة لسير العمل من جانب العميل.
لماذا يهم هذا أبعد من شركة واحدة
غالباً ما تركز قصص تبني الذكاء الاصطناعي على البرمجة أو التسويق أو العمل المعرفي داخل المكاتب الكبيرة. أما حالة Choco فهي أكثر تشغيلية. إنها تقع في الاقتصاد المادي، حيث تعتمد المطاعم والموزعون والموردون ومديرو الحسابات جميعاً على التقاط الطلبات في الوقت المناسب. وهذا يجعلها مثالاً مفيداً على المجالات التي قد تحقق فيها الأنظمة الوكلية قيمة مبكرة أكثر من بعض الرؤى الموجهة للمستهلكين حول الذكاء الاصطناعي.
تقول الشركة إنها تخدم أكثر من 21,000 موزع و100,000 مشترٍ عبر الولايات المتحدة والمملكة المتحدة وأوروبا ومنطقة الخليج. وعلى هذا النطاق، فإن تقليل إدخال الطلبات يدوياً ليس مجرد رقم لتوفير العمالة. بل يمكن أن يؤثر في معدل الإنجاز، ومعدلات الخطأ، وتغطية الخدمة، وسرعة نمو الأعمال من دون زيادة متناسبة في موظفي العمليات الخلفية.
كما تؤكد دراسة حالة OpenAI لماذا اختارت Choco واجهاتها البرمجية: أداء النموذج، والقدرة متعددة الوسائط، والمخرجات المنظمة، والموثوقية التشغيلية على نطاق واسع. وهذه هي السمات المهمة عندما يكون النموذج جزءاً من خط معاملات لا مجرد بيئة عرض. فالشركات لا تحتاج فقط إلى نموذج يبدو فصيحاً، بل إلى نموذج ينتج مخرجات قابلة للاستخدام باستمرار.
من برمجيات سير العمل إلى تنفيذ العمل
الادعاء الأكثر إثارة للاهتمام في دراسة الحالة هو ادعاء مفاهيمي. تصف Choco الانتقال بأنه انتقال من برمجيات سير العمل إلى أنظمة ذكاء اصطناعي قادرة على تنفيذ العمل مباشرة. وهذا تصريح أقوى من الأتمتة بالمعنى التقليدي. فهو يعني أن البرمجيات تتولى مهام كانت سابقاً تُدار بالحكم البشري واستدعاء السياق، لا مجرد رقمنة نموذج.
ومع ذلك، ما زالت هناك حدود لما يمكن استنتاجه من قصة نجاح نشرتها الشركة نفسها. فالنص الأصلي لا يقدم اختبارات معيارية مستقلة، ولا معدلات خطأ، ولا حالات فشل. لكنه يقدم رؤية ملموسة لكيفية تموضع وكلاء الذكاء الاصطناعي في صناعة حقيقية: ليسوا مساعدين افتراضيين مجردين، بل أنظمة تشغيلية تستوعب التواصل البشري الفوضوي وتنتج معاملات جاهزة للأعمال.
إذا انتشر هذا النموذج، فقد تأتي بعض المكاسب الدائمة الأولى للذكاء الاصطناعي من صناعات ظلّت لوقت طويل مجزأة رقمياً. وتوزيع الأغذية أحدها، وتعرض Choco نفسها بوصفها دليلاً على أن القطاع يمكنه الآن استيعاب الذكاء الاصطناعي الوكيلي على نطاق إنتاجي.
هذه المقالة مبنية على تقرير من OpenAI. اقرأ المقال الأصلي.