خلال 60 يومًا، نشرت Gartner توقعين ينبغي لأي قائد في مجال تجربة العملاء يقدّر حجم الإنفاق على الذكاء الاصطناعي خلال الـ 24 شهرًا المقبلة أن يقرأهما معًا.
ففي 26 يناير، توقعت الشركة أن تتجاوز تكلفة الحل الواحد بالذكاء الاصطناعي التوليدي في خدمة العملاء 3 دولارات بحلول عام 2030، أي أعلى من تكلفة كثير من موظفي الخدمة البشريين في مراكز الدعم الخارجية لقطاع B2C. وفي 31 مارس، توقعت أن يضاعف أكثر من نصف مؤسسات خدمة العملاء إنفاقها على التكنولوجيا بحلول عام 2028 دون خفض مماثل في عدد الموظفين.
إذا قُرئ التوقعان معًا، فإنهما يرسمان اقتصادًا لتجربة العملاء يرتفع فيه منحنى الإنفاق، ويبقى فيه منحنى عدد الموظفين ثابتًا تقريبًا، وتقترب فيه تكلفة الحل الواحد بالذكاء الاصطناعي من تكلفة الموظف في مراكز الدعم الخارجية التي كان يُفترض أن تكون أقل منها. لم تعد الرواية القائلة إن الذكاء الاصطناعي يجعل خدمة العملاء أرخص، وهي الفرضية التي تقوم عليها معظم ميزانيات برمجيات تجربة العملاء منذ عام 2023، صامدةً بوضوح.
تحدد Gartner متغيرين وراء هذا الاتجاه: الكفاءات وتعقيد الأدوات. كلاهما حقيقي، لكن ثمة متغيرًا ثالثًا يكمن تحتهما، وهو المتغير الذي لا تتتبعه معظم الفرق: الحل، وتحديدًا الفجوة بين ما يتعامل معه الذكاء الاصطناعي وما يحله فعلًا. وهو الذي يحدد ما إذا كان كل دولار جديد يُنفق على تقنيات تجربة العملاء يحقق نتيجة أم مجرد معاملة.
فجوة الحل بلغة الأرقام
تعرض معظم لوحات معلومات تجربة العملاء «معدل الأتمتة» أو «معدل التفادي (deflection)» بوصفه الرقم الرئيسي. تصل تذكرة، فيرد الذكاء الاصطناعي، وتنتهي المحادثة دون تدخل موظف، فتصنّف المنصة التذكرة على أنها تمت معالجتها. ويرتفع المؤشر في لوحة المعلومات.
أما ما لا تُظهره لوحة المعلومات دائمًا فهو ما إذا كانت مشكلة العميل قد حُلّت فعلًا. هذه هي فجوة الحل: المسافة بين التفاعلات التي يلامسها الذكاء الاصطناعي والمشكلات التي يحلها فعلًا.
لا يختفي حجم العمل عندما تكون الفجوة واسعة، بل يعود إلى النظام بثلاث طرق:
- على شكل تواصل متكرر، حين يعود العميل عبر القناة نفسها لأن مشكلته ما زالت قائمة
- على شكل تصعيد عبر القنوات، حين يجرّب العميل المحادثة ثم ييأس فيتصل هاتفيًا، ليصل إلى موظف يبدأ معه من الصفر
- على شكل فقدان العملاء، حين يستنتج العميل أن الشركة عاجزة عن مساعدته فيتوقف عن المحاولة
تحمل كل نتيجة من هذه النتائج تكلفة لا ترصدها لوحة معلومات التفادي. وتُبرز عينة McKinsey AI in Customer Service 2026 اقتصاديات الوحدة بوضوح: تبلغ تكلفة الحل الذي يتولاه الذكاء الاصطناعي نحو 0.62 دولار، مقابل 7.40 دولار للحل الذي يتولاه موظف بشري (بحسب مجموعة المعايير المرجعية لعام 2026 من Digital Applied). لكن هذه الحسابات لا تصح إلا عند احتساب رقم الحل، لا رقم التفادي. فكل تفاعل يُسجَّل على أنه تم تفاديه ثم يرتد ليصبح تصعيدًا يتولاه موظف بشري يعني فاتورتين: واحدة لترخيص الذكاء الاصطناعي، وأخرى للموظف الذي يلتقط الخيط المنقطع. وحين تتسع الفجوة، تتراكم هذه الحسابات، ومنحنى الإنفاق الذي تتوقعه Gartner حتى عام 2028 هو صورتها على نطاق واسع.
لهذا السبب، فإن تكلفة الحل الواحد هي المعيار الذي يُعتدّ به عند مقارنة اقتصاديات الذكاء الاصطناعي بخط الأساس البشري، لا تكلفة التفاعل الواحد ولا معدل التفادي. فتوقع Gartner بأن تبلغ التكلفة 3 دولارات لكل حل في عام 2030 هو قياس لتكلفة الذكاء الاصطناعي حين يحل المشكلة فعلًا، لا لتكلفته حين يتعامل مع رسالة.
ما يحدث فعلًا داخل منحنى الإنفاق
وجد استطلاع أجرته Gartner في أكتوبر 2025 وشمل 321 من قادة خدمة العملاء أن 20% فقط من المؤسسات خفّضت عدد موظفي الدعم بسبب الذكاء الاصطناعي. أما الـ 80% الباقية فتدفع ثمن الذكاء الاصطناعي وثمن الموظفين معًا.
وليست هذه مرحلة انتقالية في الطريق نحو تكاليف أقل، بل هي نتيجة بنيوية لطريقة نشر الذكاء الاصطناعي في معظم وظائف تجربة العملاء. وكما أوضحت CXOVoice، فإن تكاليف خدمة العملاء ترتفع لأن الذكاء الاصطناعي يضيف طبقات بدلًا من أن يزيلها؛ إذ باتت المنظومة التقنية تشمل الذكاء الاصطناعي المحادثي، والتوجيه، والمعرفة، والتحليلات، والتنسيق، والإشراف، ولكل منها تكاليف ترخيص وتنفيذ وتكامل خاصة بها.
لا تُلغي أي من هذه الطبقات طبقة قائمة. وما تتوقعه Gartner حتى عام 2028 ليس تكلفة ترحيل لمرة واحدة، بل تحول بنيوي من ميزانيات لتجربة العملاء تهيمن عليها الرواتب إلى ميزانيات تهيمن عليها البرمجيات، مع ارتفاع إجمالي قاعدة التكاليف بدلًا من انخفاضها.
وفي خضم هذا التحول، تحدد فجوة الحل في أي جانب من الدفاتر يقع الإنفاق على الذكاء الاصطناعي. فحين يحل الذكاء الاصطناعي المشكلة من البداية إلى النهاية، تستحق طبقة البرمجيات مكانها: فهي تؤدي عملًا كان سيتطلب موظفًا بشريًا، وتنجح اقتصاديات الوحدة. أما حين يتفادى الذكاء الاصطناعي التذكرة دون حلها، فإن طبقة البرمجيات تضيف تكلفة دون أن تلغي أيًا من التكاليف القائمة، وينتهي الدولار الذي كان يُفترض أن يُقتطع من ميزانية الموظفين إلى تمويل الذكاء الاصطناعي فوقها.
الحسابات المتراكمة
لنأخذ إعدادًا نموذجيًا: 10,000 تذكرة واردة شهريًا، ولوحة معلومات من المورّد تُظهر معدل أتمتة 60%، و6,000 تذكرة مصنفة على أنها «تمت معالجتها» دون تدخل بشري.
غالبًا ما تصل أعمال التدقيق التي تميّز بين التفادي والحل المؤكد إلى نتيجة مختلفة. إذ تجد أبحاث القطاع حول عمليات النشر القائمة على RAG باستمرار أن ما بين 15% و25% من التذاكر «التي تم تفاديها» تتضمن إجابات خاطئة أو منقوصة. فإذا عادت 25% من هذه التذاكر الـ 6,000 إلى النظام خلال 72 ساعة (على شكل تواصل متكرر أو تصعيد أو محاولات عبر قنوات أخرى)، فإن 1,500 تفاعل بدت مؤتمتة لم تكن كذلك.
إن المعدل الحقيقي للحل الذاتي في هذا الحجم ليس 60%، بل 45%. وتظهر الفجوة في ثلاثة بنود لم تُصمَّم معظم لوحات معلومات تجربة العملاء لإبرازها:
- فاتورة مورّد الذكاء الاصطناعي لا تتغير؛ فالترخيص مسعّر على أساس التفاعلات، والذكاء الاصطناعي يتعامل مع التفاعلات.
- يشمل عبء عمل فريق الموظفين تلك التذاكر الـ 1,500 العائدة، وغالبًا دون سياق، لأن عملية التسليم معطلة.
- تتحمل تجربة العملاء تكلفة السؤال مرتين. يحاسبكم المورّد على 6,000 تفاعل، في حين حصلتم فعليًا على 4,500 حل.
فجوة الحل هي ما يحدد ما إذا كان بند الذكاء الاصطناعي بديلًا عن المعالجة البشرية أم إضافة إليها. فحين تكون الفجوة صغيرة، يعوّض الإنفاق على الذكاء الاصطناعي الإنفاق على الموظفين. وحين تكون واسعة، يتراكم الإنفاق على الذكاء الاصطناعي فوق الإنفاق على الموظفين، وهذا هو المنحنى الذي تتوقعه Gartner حتى عام 2028.
متغير البنية
فجوة الحل ليست مشكلة في النموذج، بل مشكلة في البنية.
معظم وكلاء الذكاء الاصطناعي العاملين في بيئات الإنتاج اليوم قادرون على القراءة لكنهم عاجزون عن التنفيذ. فهم يسترجعون المعلومات من قاعدة المعرفة، ويلخصون السياسات، ويقترحون الخطوات التالية. أما ما لا يستطيعون فعله عمومًا من دون تكامل أعمق، فهو معالجة استرداد المبالغ، أو تحديث الحساب، أو تعديل الطلب، أو تغيير الموعد. والخط الفاصل من الناحية البنيوية هو صلاحية القراءة فقط مقابل صلاحية القراءة والكتابة في الأنظمة التي تكمن فيها مشكلة العميل الفعلية.
الذكاء الاصطناعي ذو صلاحية القراءة فقط محدود بنيويًا بنسبة التذاكر التي يمكن حلها بعرض المعلومات. وفي معظم برامج تجربة العملاء لدى المؤسسات، تمثل هذه النسبة شريحة المستوى الأول من إعادة تعيين كلمات المرور، والاستعلام عن حالة الطلبات، وأسئلة السياسات؛ وهو حجم حقيقي، لكنه سقف. أما الشكاوى، والاستثناءات، ونزاعات الفواتير، وتغييرات الحسابات التي تقف وراء تكاليف الدعم، فتقع على الجانب الآخر من حد القراءة والكتابة.
لهذا تستحق أرقام «معدل الأتمتة» التي تتجاوز 70% على مجموعات واسعة من الاستفسارات التمحيص. فهي تعكس عادةً إما طبقة فرز صارمة تستبعد الحالات الصعبة قبل أن يراها الذكاء الاصطناعي، وإما تعريفًا للحل يحتسب المحادثات المكتملة دون التحقق من النتيجة. أما عمليات النشر الإنتاجية المزودة بتكامل قراءة وكتابة مع الأنظمة الخلفية، فتتراوح عادةً بين 70% و85% من الحل المؤكد على مجموعات واسعة من الاستفسارات تشمل تذاكر تعتمد على السياسات.
القرار البنيوي هو ما يحدد ما إذا كان كل دولار جديد يُنفق على تقنيات تجربة العملاء يسد فجوة الحل أم يوسعها. القراءة فقط مقابل القراءة والكتابة، والطبقة الإضافية مقابل الاستبدال الكامل، والذكاء الاصطناعي كطبقة فوق مكتب المساعدة مقابل الذكاء الاصطناعي داخله: هذه ليست تفاصيل تنفيذية، بل هي مضاعِف الإنفاق. ويستعرض إطار التقييم من Maven هذه الأبعاد بمزيد من التعمق.
كيف يبدو نهج «الحل أولًا» في بيئة الإنتاج
تشترك الشركات التي تسد فجوة الحل في سمة بنيوية واحدة: تكامل بصلاحية القراءة والكتابة مع الأنظمة التي تكمن فيها مشكلات العملاء فعلًا. وبيانات الإنتاج التي تسد هذه الفجوة محددة بوضوح:
- Mastermind حققت نسبة حل ذاتي بلغت 93% خلال 6 أسابيع من النشر.
- Papaya Pay حققت نسبة حل ذاتي بلغت 90% خلال 3 أسابيع.
- Clio انتقلت من روبوت محادثة تقليدي إلى حل ذاتي بنسبة 80%، وحلّت تذاكر أكثر بنسبة 60%، وجعلت الاستجابة في الدعم المباشر أسرع بـ 4 أضعاف.
- Rho حافظت على نسبة CSAT عند 95% مع استيعاب زيادة بنسبة 12% في حالات التواصل الشهرية دون زيادة عدد الموظفين.
تستحق نقطة البيانات الأخيرة التوقف عندها. يتوقع بيان Gartner الصادر في 31 مارس ألا تقابل مضاعفةَ الإنفاق على تقنيات تجربة العملاء حتى عام 2028 خفضٌ في عدد الموظفين، ويحذر من أن الشركات التي تقلّص موظفيها لتمويل الذكاء الاصطناعي تعرّض نفسها لخطر اضطراب العمليات، وتراجع تجربة العملاء، والتراجع المكلف عن قراراتها. ويفترض التوقع أن الذكاء الاصطناعي لا يحل بمفرده ما يكفي لاستيعاب الحجم المتزايد.
يمثل رقم Rho أوضح مثال على حسابات الإنفاق القائمة على نهج «الحل أولًا» في بيئة الإنتاج. فقد ظلت نسبة CSAT عند 95%، ونما حجم التواصل بنسبة 12%، ولم يكبر الفريق. هكذا تبدو القدرة على استيعاب الحجم حين يكون معدل الحل حقيقيًا: عملاء أكثر، والفريق نفسه، ونسبة CSAT محفوظة.
هذه هي صيغة حسابات الإنفاق التي تجعل بند الذكاء الاصطناعي يستحق مكانه. يرتفع الإنفاق على التقنية، ويبقى الإنفاق على الموظفين ثابتًا، ويزداد حجم العملاء، وتنخفض قاعدة التكاليف الإجمالية لكل مشكلة تُحل. ولا ينجح ذلك إلا حين يكون رقم الحل مرتفعًا بما يكفي؛ أي حين تكون الفجوة بين التفادي والحل صغيرة بما يكفي لكي يتحول حجم عمل الذكاء الاصطناعي بسلاسة إلى نتائج فعلية.
3 أسئلة قبل مضاعفة الميزانية
ليس من الضروري أن ينعكس توقع Gartner للإنفاق في عام 2028 على قائمة الأرباح والخسائر لكل فريق تجربة عملاء. والمتغير الذي يحدد ذلك هو بنية طبقة الذكاء الاصطناعي المضافة واقتصادياتها. وتتيح 3 أسئلة تجاوز الأرقام البراقة التي سيبدأ بها أي مورّد.
- هل يستطيع الذكاء الاصطناعي تنفيذ إجراءات في الأنظمة التي تكمن فيها مشكلة العميل، أم يقتصر على الرد استنادًا إلى المستندات؟ الخط الفاصل بين القراءة فقط والقراءة والكتابة هو المتغير البنيوي الذي يحدد سقف ما يمكن للذكاء الاصطناعي معالجته من قاعدة تكاليف الدعم. فالذكاء الاصطناعي الذي يعرض حالة الطلب مفيد، أما الذي يعالج المرتجع ويحدّث الحساب ويؤكد التغيير فهو ما يسد فجوة الحل.
- ما معدل التواصل المتكرر خلال 72 ساعة على التذاكر التي تم حلها؟ هذا هو مقياس التدقيق. فإذا أدت 25% من التذاكر «المحلولة» إلى متابعة خلال 3 أيام، فإن معدل الحل الفعلي أقل بكثير من الرقم المعلن. والمورّد الواثق من جودة الحل التي يقدمها ذكاؤه الاصطناعي ينشر هذا الرقم، أما المورّد الذي لم يقِسه فعادةً ما يكون لديه سبب.
- ما معدل الحل المؤكد، لا معدل التفادي؟ لا يحتسب الحل المؤكد إلا التذاكر التي حُلّت فيها مشكلة العميل ولم يعد العميل بعدها. أما التفادي فيحتسب أي تذكرة يلامسها الذكاء الاصطناعي. والموردون الذين قاسوا الرقمين سيشاركونهما معًا، أما الذين لم يقيسوهما أو يرفضون مشاركتهما فعادةً ما يركزون على الرقم الذي يُظهرهم بصورة أفضل.
تحدد هذه الإجابات مجتمعةً ما إذا كان كل دولار جديد يُنفق على تقنيات تجربة العملاء يشتري حلولًا أم مجرد نشاط.
المتغير الذي لم تسمّه Gartner
يسير توقعا عام 2026 في الاتجاه نفسه: يرتفع الإنفاق، وتصعد تكلفة الحل الواحد بالذكاء الاصطناعي نحو مستوى التكلفة البشرية، ويبقى عدد الموظفين ثابتًا تقريبًا. والأثر المجمّع هو زيادة بنيوية في قاعدة تكاليف تجربة العملاء لدى نصف المؤسسات التي ستضاعف إنفاقها على التقنية حتى عام 2028.
ما لا تقوله التوقعات، لأنها تقيس الإنفاق على التقنية لا البنية، هو أن فجوة الحل هي المتغير الذي يحدد في أي النصفين تقع مؤسسة بعينها. فالشركات التي تعتمد الحل مقياسًا مرجعيًا، وتبني طبقة الذكاء الاصطناعي لديها لتنفذ إجراءات في الأنظمة التي تكمن فيها مشكلات العملاء فعلًا، لن ترى منحنى الإنفاق يتضاعف دون نتائج. أما الشركات التي تعامل الحل مرادفًا للتفادي فستنفق أكثر في الأعوام 2026 و2027 و2028، وستحل تقريبًا القدر نفسه الذي حلّته في عام 2024.
وتتغير لغة القطاع لتعكس ذلك. إذ أصبح الحل الذاتي هو المقياس المرجعي، ويسير معدل الحل (Resolution Rate) نحو الحلول محل معايير تجربة العملاء الأقدم بوصفه المقياس الأساسي لمدى نجاح الذكاء الاصطناعي في الدعم. وتتقارب تعليقات الموردين والمحللين حول النقطة ذاتها: في عام 2026، لوحة المعلومات التي يبدأ بها مورّد الذكاء الاصطناعي لديكم هي التي ينبغي أن تمحّصوها أكثر من غيرها.
منحنى الإنفاق الذي تتوقعه Gartner لعام 2028 ليس حتميًا، بل هو نتيجة قرارات بنيوية تتخذها معظم فرق تجربة العملاء الآن.
شاهدوه على محادثاتكم الفعلية.
اطلبوا عرضًا توضيحيًا مخصصًا ومجانيًا.
