شعار صنّاع التطور لتقنية المعلومات
العودة للمدونة
الذكاء الاصطناعي7 دقيقة قراءة

لماذا لم يعد ذكاء مراكز الاتصال مجرد تلخيص للمكالمات؟

صفقة Five9 وLevel AI تؤكد أن الذكاء الاصطناعي في خدمة العملاء يتجه نحو التكامل مع التشغيل اليومي، لا مجرد كتابة ملخص بعد المكالمة.

موظف خدمة عملاء يتابع لوحة مؤشرات ذكية لمركز اتصال
Photo: SiliconANGLE News via NewsAPI

كثير من الشركات في السعودية والخليج جرّبت أدوات ذكاء اصطناعي لخدمة العملاء، ثم اكتشفت أن النتائج أقل من التوقعات. الأداة تلخّص المكالمة، أو تقترح ردًا، لكنها لا تعرف حالة الطلب، ولا سياسة الاسترجاع، ولا أولوية العميل، ولا متى يجب تحويل التذكرة إلى مدير الفرع. هنا تظهر المشكلة الحقيقية: الذكاء الاصطناعي لا ينجح وحده داخل مركز الاتصال، بل يحتاج إلى بيانات مرتبة، وسير عمل واضح، وربط جيد مع الأنظمة التي تستخدمها الشركة يوميًا.

الخبر ليس صفقة تقنية فقط

بحسب SiliconANGLE News، أعلنت شركة Five9 المتخصصة في حلول مراكز الاتصال عن صفقة نقدية بقيمة 325 مليون دولار للاستحواذ على Level AI، وهي شركة ناشئة تركز على ذكاء مراكز الاتصال، وذلك بعد إعلان Five9 نتائجها المالية للربع الثالث.

قد يبدو الخبر بعيدًا عن صاحب متجر إلكتروني في الرياض، أو عيادة في جدة، أو شركة مقاولات في الدمام. لكنه يحمل إشارة مهمة: السوق لم يعد ينظر إلى الذكاء الاصطناعي في خدمة العملاء كأداة منفصلة تكتب ملخصًا للمكالمة أو تقيس رضا العميل فقط. الاتجاه أصبح نحو دمج الذكاء الاصطناعي داخل عملية خدمة العملاء كاملة.

ما معنى ذلك عمليًا؟ يعني أن الأداة الذكية يجب أن تفهم بيانات العميل، وتقرأ سجل التذاكر، وتستفيد من قاعدة المعرفة، وتقترح الإجراء التالي، وتساعد المشرف على قياس الجودة، وتكشف التأخير، وتدعم التصعيد عند الحاجة. هذه ليست ميزة جميلة فحسب، بل قد تتحول إلى فرق واضح في سرعة الاستجابة وجودة الخدمة وتقليل الأخطاء.

الشركات التي تستعد لهذا التحول من الآن ستكون أقدر على الاستفادة. أما الشركات التي تبدأ بشراء أداة جديدة قبل ترتيب عملياتها، فقد تجد نفسها أمام نظام مكلف لا يعرف من أين يأخذ المعلومة ولا أين يضعها.

من تلخيص المكالمات إلى تشغيل خدمة العملاء

أول استخدام انتشر للذكاء الاصطناعي في مراكز الاتصال كان بسيطًا ومفهومًا: تفريغ المكالمة، تلخيصها، واستخراج بعض الكلمات المفتاحية. هذا مفيد، لكنه لا يكفي لإدارة خدمة عملاء حقيقية.

تخيل متجرًا إلكترونيًا يستقبل يوميًا استفسارات عن الشحن، الإرجاع، الدفع، وتوفر المنتجات. إذا اكتفى الذكاء الاصطناعي بتلخيص مكالمة العميل، فلن يحل المشكلة. القيمة تظهر عندما يستطيع النظام أن يرى رقم الطلب، ويتعرف على شركة الشحن، ويقرأ سياسة الإرجاع، ثم يقترح ردًا مناسبًا للموظف أو يفتح تذكرة متابعة تلقائيًا.

في عيادة طبية، لا يكفي أن يعرف النظام أن المراجع اشتكى من تأخر الموعد. يجب أن يربط الشكوى بالفرع، والطبيب، ونوع الموعد، وتاريخ الحجز، وقواعد الخصوصية. في مكتب عقار، يجب أن يفرّق بين عميل يبحث عن وحدة سكنية، ومالك يريد متابعة عقد، ومستأجر لديه بلاغ صيانة عاجل.

لذلك يتغير السؤال. بدل أن تسأل: هل نحتاج أداة ذكاء اصطناعي لتلخيص المكالمات؟ اسأل: هل عمليات خدمة العملاء لدينا جاهزة كي يفهمها الذكاء الاصطناعي ويتعامل معها بأمان؟

ما الذي يجب ترتيبه قبل شراء الأداة؟

نجاح الذكاء الاصطناعي في مركز الاتصال يبدأ قبل توقيع العقد مع مزود التقنية. يبدأ من الداخل، من طريقة تنظيم البيانات والعمل.

أولًا، تحتاج إلى بيانات عملاء نظيفة في نظام إدارة علاقات العملاء (CRM). إذا كان اسم العميل مكتوبًا بأكثر من صيغة، ورقم الجوال غير موحد، والطلبات موزعة بين واتساب وإكسل والبريد الإلكتروني، فلن يحصل الذكاء الاصطناعي على صورة صحيحة. سيقترح إجابات ناقصة، أو يكرر أسئلة كان يفترض أن يعرفها.

ثانيًا، تحتاج إلى سير عمل واضح للتذاكر. ما أنواع الطلبات؟ من يستلم كل نوع؟ متى تصبح التذكرة متأخرة؟ متى تنتقل من موظف خدمة العملاء إلى المشرف أو قسم العمليات؟ هذه التفاصيل قد تبدو إدارية، لكنها الوقود الذي يجعل الأتمتة مفيدة.

ثالثًا، تحتاج إلى قاعدة معرفة عربية وإنجليزية محدثة. في السوق السعودي، كثير من العملاء يتواصلون بالعربية، وبعضهم يستخدم الإنجليزية، وقد يخلط بينهما في المحادثة نفسها. إذا كانت سياساتك مكتوبة بطريقة قديمة، أو محفوظة في ملفات متفرقة، فلن يتمكن النظام من تقديم إجابات دقيقة. قاعدة المعرفة يجب أن تشمل الأسئلة الشائعة، السياسات، خطوات الخدمة، الاستثناءات، ونبرة الرد المعتمدة.

رابعًا، ضع قواعد الجودة قبل تشغيل التحليلات. ما المكالمة الجيدة في شركتك؟ هل هي الأسرع؟ أم الأكثر التزامًا بالنص؟ أم التي تحل المشكلة من أول تواصل؟ مطعم يهمه تقليل أخطاء الطلبات، بينما شركة خدمات منزلية تهتم بدقة الموعد وتوثيق العنوان، وعيادة تهتم بالخصوصية وحسن التعامل. لا توجد قاعدة واحدة للجميع.

خامسًا، ارسم مسارات التصعيد. الذكاء الاصطناعي قد يلتقط غضب العميل أو تكرار الشكوى، لكنه يحتاج إلى قرار واضح: متى يحول الحالة إلى مشرف؟ متى يرسل تنبيهًا للإدارة؟ متى يوقف الرد الآلي ويطلب تدخل موظف؟ من دون هذه المسارات، قد يصبح الذكاء الاصطناعي مجرد مراقب يرى المشكلة ولا يملك طريقًا لحلها.

لوحة المؤشرات أهم من التقرير الطويل

المدير لا يحتاج إلى مئات الملخصات. يحتاج إلى رؤية واضحة تساعده على القرار. هنا تأتي أهمية لوحات المؤشرات.

لوحة جيدة لخدمة العملاء تعرض مثلًا عدد التذاكر المفتوحة، متوسط زمن الرد، أكثر أسباب التواصل، الفروع ذات الشكاوى المتكررة، أداء الموظفين، ونسبة الحالات التي حُلّت من أول تواصل. ومع الذكاء الاصطناعي يمكن إضافة طبقة أعمق: اتجاهات رضا العملاء، الكلمات المتكررة في الشكاوى، جودة الالتزام بالنص، والحالات التي تحتاج مراجعة.

لكن اللوحة لا تصنع المعجزة إذا كانت البيانات ضعيفة. إذا كانت التذاكر لا تصنف بطريقة صحيحة، ستظهر الأسباب مضللة. وإذا كان الموظفون يستخدمون تصنيفات مختلفة للطلب نفسه، فلن تعرف الإدارة أين المشكلة. لذلك يجب تصميم التصنيفات من البداية بلغة يفهمها الفريق، لا بلغة تقنية معقدة.

مثال بسيط: شركة صيانة تستقبل بلاغات عبر الهاتف وواتساب. إذا وضعت تصنيفات عامة مثل شكوى، استفسار، طلب، فلن تعرف أين الخلل. الأفضل أن تفرق بين تأخر الفني، إعادة زيارة، توفر قطعة غيار، خطأ في الفاتورة، وموعد جديد. عندها يستطيع الذكاء الاصطناعي أن يساعد في اكتشاف النمط، لا أن يضيف طبقة ضبابية فوق بيانات مبهمة.

كيف تبدأ دون مخاطرة عالية؟

لا تحتاج كل شركة إلى مشروع ضخم من اليوم الأول. البداية الذكية تكون محدودة وواضحة. اختر قناة واحدة، مثل واتساب أو مركز الاتصال، واختر 3 إلى 5 حالات متكررة. قد تكون متابعة الطلبات، مواعيد الزيارة، سياسة الاسترجاع، الشكاوى المتكررة، أو طلبات الفواتير.

بعد ذلك، اجمع عينة من المحادثات والتذاكر. راجعها مع فريق خدمة العملاء. ما الأسئلة المتكررة؟ أين يضيع الوقت؟ ما المعلومات التي يبحث عنها الموظف في كل مرة؟ ما الحالات التي تتصعد بلا داع؟ هذه المراجعة تكشف فرص الأتمتة أكثر من أي عرض تسويقي.

ثم اربط الذكاء الاصطناعي بالأنظمة الضرورية فقط. لا تبدأ بربط كل شيء. قد يكفي في المرحلة الأولى نظام العملاء، قاعدة المعرفة، ونظام التذاكر. بعد نجاح التجربة، يمكنك توسيع الربط إلى المبيعات، الفوترة، المخزون، أو أنظمة الفروع.

الأهم أن يبقى الإنسان داخل الحلقة. الذكاء الاصطناعي يساعد الموظف ويقترح ويراقب، لكنه لا يجب أن يتخذ قرارات حساسة دون ضوابط، خصوصًا في القطاعات التي تتعامل مع بيانات شخصية أو مالية أو صحية.

أهم الخلاصات

  • صفقة Five9 وLevel AI تعكس انتقال ذكاء مراكز الاتصال من أدوات منفصلة إلى حلول مدمجة في التشغيل.
  • تلخيص المكالمات مفيد، لكنه لا يكفي إذا لم يرتبط ببيانات العملاء والتذاكر وقاعدة المعرفة.
  • جهّز بيانات العملاء، وتصنيفات التذاكر، وقواعد الجودة، ومسارات التصعيد قبل شراء الأداة.
  • قاعدة معرفة عربية وإنجليزية محدثة تساعد الفريق والذكاء الاصطناعي على تقديم ردود أدق.
  • لوحة المؤشرات الواضحة أهم للإدارة من تقارير طويلة لا تقود إلى قرار.
  • البداية الأفضل تكون بتجربة محدودة على حالات متكررة، ثم التوسع حسب النتائج.

الذكاء الاصطناعي في خدمة العملاء لم يعد مشروعًا تجميليًا. هو مشروع تشغيل وربط وقياس. وكلما رتبت الأساسيات مبكرًا، زادت فرصك في الحصول على خدمة أسرع وتجربة أفضل لعملائك.

إذا كنت تفكر في تطوير مركز الاتصال أو ربط واتساب والتذاكر ونظام العملاء بلوحات مؤشرات ذكية، يمكن لفريق صنّاع التطور لتقنية المعلومات مساعدتك في تقييم الوضع الحالي. يسعدنا تقديم استشارة تقنية مجانية عبر واتساب، بهدوء ودون أي التزام.

المصدر: SiliconANGLE News

كُتب بمساعدة الذكاء الاصطناعي ويُراجع ليكون ذا صلة بخدمات صنّاع التطور.