في فبراير 2024، أعلن الرئيس التنفيذي لشركة Klarna أن الذكاء الاصطناعي لدى الشركة يؤدي عمل 700 موظف خدمة عملاء. انتشر هذا التصريح في كل المنشورات الاقتصادية تقريبًا، وأصبح الاستشهاد المعتاد على أن «الذكاء الاصطناعي يحل محل العمل المعرفي»، ووجد قادة تجربة العملاء الذين تعاملوا بحذر مع الذكاء الاصطناعي أنفسهم أمام مجالس إدارة تسألهم لماذا لا يفعلون الشيء نفسه.
وبحلول مايو 2025، كانت Klarna تعيد توظيف البشر بهدوء. ومع مطلع 2026، كانت عملية إعادة التوظيف قد قطعت شوطًا كبيرًا، وأقرّ الرئيس التنفيذي علنًا بأن الشركة سمحت للتكلفة بأن تتقدم على الجودة، وأنها تدفع ثمن ذلك من رضا عملائها.
تناولت التغطية الإعلامية هذه القصة على أنها دليل على أن الذكاء الاصطناعي لم يكن جيدًا بما يكفي. وهذه قراءة خاطئة. فقد أدى الذكاء الاصطناعي عمله تمامًا كما صُمّم. وهنا تكمن المشكلة الحقيقية، والدرس المستفاد منها أضيق نطاقًا وأكثر فائدة من ذلك الذي استخلصه معظم الناس من العناوين.
كتبنا عن الكلفة البشرية لذلك الخطأ في وقت سابق من هذا العام. أما هذا المقال فيتناول أمرًا مختلفًا: مشكلة القياس التي جعلت كل ذلك ممكنًا.
الجميع قاسوا الشيء الخطأ
عندما أصدرت Klarna إعلانها الأول، كان الرقم الأبرز هو معدل الاحتواء: عدد محادثات العملاء التي استوعبها الذكاء الاصطناعي قبل وصولها إلى موظف بشري، أي ما بين الثلثين وثلاثة أرباع التفاعلات بحسب التصريح. إنه رقم لافت، لكنه منفصل تمامًا تقريبًا عن مسألة ما إذا كانت مشكلة العميل قد حُلّت فعلًا.
يقيس الاحتواء ما إذا كان الذكاء الاصطناعي قد احتفظ بالمحادثة. فالعميل الذي يتواصل مع الدعم مرتين بشأن المشكلة نفسها يُحتسب حالتي احتواء إذا تولى الذكاء الاصطناعي المحادثتين. والعميل الذي يقبل إجابة خاطئة ويستسلم يُحتسب أيضًا. والعميل الذي بلغ به الإحباط حد الاعتراض على رسوم في بطاقته يُحتسب كذلك. لقد رصد المقياس الحجم، ولم يقل شيئًا عن النتائج.
كان الذكاء الاصطناعي لدى Klarna يفعل تمامًا ما كان يُقاس عليه. المشكلة كانت في القياس. وهذا التمييز بالغ الأهمية لكل قائد في تجربة العملاء يقيّم مزودي الذكاء الاصطناعي في الوقت الحالي.
تراجعت درجات CSAT قبل أن تتغير مقاييس الحجم لدى Klarna، وهذا بالضبط ما يُتوقع إذا كان الاحتواء والحل الذاتي يسيران في اتجاهين متعاكسين. كانت الإشارة موجودة، لكن أحدًا لم يلحظ الفجوة إلى أن ساءت النتائج بما يكفي لتظهر في الأرقام التي يتابعها المسؤولون التنفيذيون فعلًا.
لماذا أصبح الاحتواء هو المعيار الافتراضي أصلًا
يصعب تعريف الحل، وهذا هو السبب الرئيسي في لجوء القطاع إلى الاحتواء افتراضيًا. هل حُلّت مشكلة العميل فعلًا؟ يتطلب هذا السؤال معرفة ماهية المشكلة، وما إذا كانت الإجابة قد عالجتها، وما إذا كان العميل قد عاد مجددًا. أما الاحتواء فلا يتطلب سوى عدّ المحادثات التي انتهت دون تدخل بشري.
الشركات الصامدة في السوق الحالية بنت منظومة القياس لديها حول هذه الأسئلة الأصعب منذ البداية. فمعدل التواصل المتكرر، أي ما إذا كان العميل نفسه يعيد فتح تذكرة بشأن المشكلة نفسها خلال 14 يومًا، هو أوضح مؤشر على الحل، وهو المؤشر الذي تتجاهله معظم عمليات النشر لأنه يتطلب التتبع عبر المحادثات لا داخلها. كما أن CSAT على مستوى التفاعل الواحد أهم من المتوسط الإجمالي. ومعاملة حالات التصعيد كبيانات مستمرة تكشف مواطن قصور معرفة وكيل الذكاء الاصطناعي أثمن مما تدركه معظم الفرق.
تُظهر بيانات Maven عبر عمليات النشر المؤسسية هذا النمط بوضوح. فالعملاء الذين يعتمدون على مقاييس الاحتواء يصلون إلى مرحلة ثبات في التحسن. أما العملاء الذين يعتمدون على معدلات الحل من التواصل الأول، ونسب التفادي إلى الحل، وتكرار التواصل، فيواصلون التحسن، لأن حلقة الملاحظات لديهم مرتبطة بالنتيجة الحقيقية.
القرار الهيكلي الذي جعل مشكلة القياس قاتلة
خفّضت Klarna عدد موظفيها قبل أن يصبح تراجع الجودة واضحًا في البيانات. كان المنطق مبررًا: الذكاء الاصطناعي يتولى الحجم، لذا يمكن تقليص القدرة البشرية. لكن مشكلات الجودة تتراكم ببطء. فهي تظهر في CSAT، ثم في التواصل المتكرر، ثم في فقدان العملاء، ثم في أرقام الإيرادات التي تعكس الماضي بطبيعتها. وحين أصبحت الإشارة مرئية، كان هامش الأمان اللازم لاستيعاب التعافي قد اختفى.
هذا هو الجزء الذي يغيب عن قصة Klarna في رواية «فشل الذكاء الاصطناعي». التقنية لم تفشل. ما فشل هو هيكل النشر، وتحديدًا قرار تقليص القدرة البشرية قبل التحقق من أن الذكاء الاصطناعي يحل المشكلات فعلًا ولا يكتفي باحتوائها.
عمليات النشر التي تجنبت ذلك لم تبدأ بإلغاء الوظائف، بل أعادت هيكلتها. انتقلت فرق الدعم نحو معالجة التصعيد ومراجعة الجودة ونجاح العملاء، وهي أدوار تتطلب حسن تقدير لا يستطيع الذكاء الاصطناعي محاكاته حقًا. وجاء خفض عدد الموظفين نتيجة لإعادة الهيكلة هذه، لا من تفكير يضع تقليص العدد أولًا. قد يبدو الفرق دقيقًا، لكن النتائج ليست كذلك.
كيف تغيّر المشترون من المؤسسات بعد Klarna
سرّعت القصة تحولًا كان جاريًا بالفعل في عمليات الشراء. فقادة تجربة العملاء في المؤسسات الذين يشترون اليوم يسألون عن معدلات الحل من التواصل الأول، لا عن الاحتواء. ويسألون عمّا يحدث حين يخطئ الذكاء الاصطناعي، لا عن عدد مرات إصابته فقط. ويريدون بيانات التواصل المتكرر من عمليات نشر فعلية في بيئة الإنتاج، لا درجات دقة من عروض توضيحية في بيئة خاضعة للتحكم.
يظهر هذا التحول في دورات الصفقات بشكل ملموس. فالمزودون القادرون على الإجابة عن هذه الأسئلة ببيانات حقيقية من عملائهم يتقدمون بوتيرة أسرع، بينما يواجه من لا يزالون يتصدرون عروضهم بأرقام الاحتواء أسئلة أصعب وعمليات أطول. لقد ارتفع سقف «أثبتوا ذلك»، وKlarna سبب رئيسي في ذلك.
كيف تبدو عمليات النشر الصامدة فعلًا
قيّمت Clio ما مجموعه 32 مزودًا للذكاء الاصطناعي واختبرت 10 منهم تحت الضغط قبل نشر Maven. وهي اليوم تحل 80% من استفسارات الدردشة ذاتيًا، وتغلق إجمالًا تذاكر أكثر بنسبة 60% مقارنة بنظامها السابق. لم يتقلص فريق الدعم لديها، بل انتقل إلى عمل ذي قيمة أعلى. والمقياس الذي تتابعه هو الحل، لا التفادي. اقرأوا القصة كاملة.
أما Papaya Pay، العاملة في مجال المدفوعات العابرة للحدود الخاضع للتنظيم، فقد بلغت نسبة الحل الذاتي لديها 90%. وقد فرضت متطلبات الامتثال، من قابلية تدقيق كل تفاعل وتتبع كل تصعيد واستيفاء معايير SOC 2 وHIPAA وPCI-DSS، نوعًا من الانضباط في الحل تتجاوزه معظم عمليات النشر. ويتضح أن هذا الانضباط ميزة لا قيد.
لم تبدأ أيٌّ من العمليتين بالسؤال عن عدد الموظفين الذين يمكن الاستغناء عنهم، بل بدأت كلتاهما بالسؤال عن المعنى الفعلي لعبارة «تم الحل».
ما الذي ينبغي فعله إذا كنتم تقيّمون مزودي الذكاء الاصطناعي الآن حدّدوا معنى الحل قبل نشر أي شيء. قرروا ما تعنيه عبارة «تم الحل»: الحل من التواصل الأول، أو عدم تكرار التواصل خلال 14 يومًا، أو إنجاز مهمة محددة، واجعلوا ذلك معيار النجاح من اليوم الأول. وإن لم يستطع مزودكم إخباركم كيف سيقيس ذلك، فهذا هو الجواب. ويشرح دليلنا حول التفادي مقابل الحل بالتفصيل كيفية إعداد ذلك.
تتبّعوا معدل التواصل المتكرر كمقياس أساسي. ضعوه على لوحة المعلومات إلى جانب CSAT المعتاد، واستخدموه كحلقة ملاحظات تغذي قاعدة معرفة وكيل الذكاء الاصطناعي وسلوكه. فإذا ظل العميل نفسه يعود بشأن المشكلة نفسها، فهذا إخفاق في الحل، لا تذكرة جديدة.
تعاملوا مع بيانات التصعيد كإشارة، لا كخطوة في سير العمل. فكل تصعيد يكشف لكم أين تقصر معرفة الذكاء الاصطناعي أو صلاحياته. والفرق الأسرع تحسنًا تستخدم هذه البيانات باستمرار. وينبغي أن تجعل منصة وكلاء الذكاء الاصطناعي للمؤسسات إظهار هذه البيانات أمرًا سهلًا، لا شيئًا تضطرون إلى البحث عنه.
اشترطوا تغطية موحدة للقنوات منذ البداية. فالعميل الذي يتصل، ثم يرسل بريدًا إلكترونيًا، ثم يفتح محادثة دردشة، يجب ألا يضطر إلى تكرار كلامه. إن الحل الموحد عبر الدردشة والصوت والبريد الإلكتروني هو ما يحقق أرقام النتائج، لا الأتمتة أحادية القناة التي تبدو جيدة في العرض التوضيحي.
لا تخفضوا عدد الموظفين قبل التحقق من الجودة على نطاق واسع. خططوا للتحول في القوى العاملة بالتوازي مع نشر التقنية، لا بعده. فالأدوار تتغير، إذ ينتقل الموظفون نحو معالجة التصعيد ومراجعة الجودة وإدارة الاستثناءات، لكن هذا التحول يحتاج إلى تصميم مسبق، لا إلى افتراض.
أين يتركنا ذلك
لا يزال توقع Gartner بأن 80% من تفاعلات خدمة العملاء ستشمل الذكاء الاصطناعي بحلول 2029 قابلًا للتحقيق. لم يغيّر العامان الماضيان الوجهة، لكنهما أوضحا أي المسارات يؤدي إليها، وأيها يؤدي إلى تراجع علني وإعلان عن إعادة التوظيف.
الشركات التي ستبلغ 80% من الحل الذاتي هي تلك التي عرّفت الحل تعريفًا صحيحًا قبل نشر أي شيء، وألزمت الذكاء الاصطناعي بهذا التعريف، وأدرجت التحول في القوى العاملة ضمن الخطة منذ البداية. أما تلك التي ركزت على الاحتواء، وخفضت عدد موظفيها مبكرًا، وقاست المحادثات بدلًا من النتائج، فهي التي تكتب القصص التحذيرية.
قصة Klarna ليست تحذيرًا من قدرات الذكاء الاصطناعي، بل تحذير مما يحدث حين يُوجَّه نظام قادر نحو الهدف الخطأ.
إذا كنتم تقيّمون حلول خدمة العملاء بالذكاء الاصطناعي وتريدون إطارًا للمقارنة على أساس المقاييس المهمة فعلًا، فإن دليلنا حول التفادي مقابل الحل يشرح بالتفصيل كيفية بناء دراسة جدوى متينة. أو احجز عرضًا توضيحيًا لتروا كيف تقارن أرقام الحل لدى Maven بما تحققونه اليوم.
شاهدوه على محادثاتكم الفعلية.
اطلبوا عرضًا توضيحيًا مخصصًا ومجانيًا.
