تعتمد معظم مراكز الاتصال اليوم على الذكاء الاصطناعي بشكل أو بآخر. وإذا نظرتم إلى أرقام التبنّي، تبدو القصة مكتملة؛ أما أرقام الإنتاج فترسم صورة مختلفة: فمعظم هذا النشاط لم يتحول إلى حل فعلي لطلبات العملاء على نطاق واسع. والفجوة بين ما تفعله الفرق بالذكاء الاصطناعي وما يحققه فعلًا هي القصة الحقيقية لهذا العام، ولا يسدّها مزيد من النشر.
نزّلوا تقرير State of AI in CX 2026.
سوق الذكاء الاصطناعي في خدمة العملاء يزدهر، لكن الفجوة الكامنة تحته تتسع بالسرعة نفسها.
بلغت قيمة سوق الذكاء الاصطناعي في خدمة العملاء نحو 15 مليار دولار أمريكي في عام 2026، ويُتوقع أن تصل إلى 48 مليار دولار أمريكي بحلول عام 2030، بمعدل نمو سنوي مركّب قدره 26% (MarketsandMarkets). أما الوفورات المتوقعة فأكبر من ذلك: إذ تتوقع Gartner أن يخفّض الذكاء الاصطناعي المحادثي تكاليف العمالة في مراكز الاتصال بنحو 80 مليار دولار أمريكي في عام 2026 وحده، وأن يحل الذكاء الاصطناعي الوكيلي تلقائيًا 80% من مشكلات خدمة العملاء الشائعة بحلول عام 2029، ما يقلّص التكاليف التشغيلية بنحو 30%. الإنفاق يرتفع بحدة، لكن النتائج على مستوى الإنتاج لا تواكبه.
وتشير بيانات الإخفاق إلى الاتجاه نفسه. فوفقًا لأحد تقديرات MIT، يفشل نحو 95% من المشاريع التجريبية للذكاء الاصطناعي التوليدي في المؤسسات في تحقيق أثر ملموس على الأعمال على نطاق واسع. وتجد McKinsey أن استخدام الذكاء الاصطناعي شبه شامل، لكن نحو 1% فقط من المؤسسات تصف عمليات النشر لديها بأنها ناضجة. وتقدّر RAND معدل إخفاق مشاريع الذكاء الاصطناعي بنحو 80%، وهو أعلى من مشاريع تقنية المعلومات الأخرى. ونادرًا ما يكمن الخلل في النموذج نفسه، بل في الوصول إلى البيانات، وتصميم التصعيد، وغموض المسؤولية داخل المؤسسة المشترية. فنحو 88% من مراكز الاتصال تستخدم الذكاء الاصطناعي اليوم بصورة ما، لكن نحو الربع فقط دمجه بالكامل في العمليات اليومية. والدمج الجزئي هو الحالة السائدة، وهو ما يحدث عند إضافة الذكاء الاصطناعي إلى عملية لم يُعِد أحد تصميمها.
4 أنماط تميّز الفرق التي تحقق نتائج عن الفرق التي تكتفي بالنشاط.
عبر بيانات الإنتاج المستمدة من أكثر من 90 عملية نشر في المؤسسات، تتكرر 4 أنماط مرارًا، ويضاعف كل منها أثر الأنماط الأخرى.
- فجوة الحل. لا تزال معظم الفرق تتتبع معدل التحويل (هل تجنّب الطلب الوصول إلى موظف) بدلًا من معدل الحل (هل حُلّت المشكلة). فالتحويل سهل الاحتساب ومريح في التقارير، وهذا بالضبط سبب إخفائه للتذاكر المعاد فتحها وتآكل الرضا بصمت. فالطلب الذي حُوّل ثم عاد خلال 48 ساعة يُحتسب محوّلًا مرة واحدة، ومحلولًا صفر مرات.
- مفارقة النشر. تميل عمليات الطرح الأطول والأكثر تخطيطًا إلى تحقيق أضعف النتائج، في حين تصل المشاريع التجريبية محددة النطاق إلى الإنتاج خلال أسابيع. فالسرعة المقترنة بنطاق ضيق هي النمط الناجح، أما السرعة المطبّقة على عملية لم يُعَد تصميمها للذكاء الاصطناعي فتولّد إخفاقات جديدة على نطاق واسع، ولهذا يهم النطاق بقدر ما تهم السرعة.
- النقطة العمياء في الامتثال. باتت مراجعات الأمن والحوكمة تعطّل صفقات المؤسسات بقدر ما يعطّلها التوافق التقني على الأقل، وغالبًا بعد أن يكون التقييم التقني قد سار على ما يرام. إذ يفتقر 78% من المسؤولين التنفيذيين إلى الثقة في قدرتهم على اجتياز تدقيق مستقل لحوكمة الذكاء الاصطناعي خلال 90 يومًا (Grant Thornton، أبريل 2026). لقد تحوّل الامتثال من بند في قائمة المشتريات إلى بوابة للنشر.
- فرصة القناة الصوتية. الصوت هو القناة الأعلى حجمًا وتكلفة، وهي القناة التي يتأخر فيها تبنّي الذكاء الاصطناعي أكثر من غيرها. أما العوائق التي جعلت الصوت صعبًا (زمن الاستجابة، واللهجات، والامتثال أثناء المكالمات المباشرة) فقد باتت في معظمها مشكلات هندسية لها حلول، ويحقق السبّاقون ميزة في التكلفة تتسع ربعًا بعد ربع.
ما يُحسنه أصحاب أفضل 10%
عبر عمليات النشر التي يستند إليها هذا التقرير، يحقق أفضل 10% من أصحاب الأداء معدل حل تلقائي يبلغ 80% أو أكثر، في حين يقع الوسيط دون ذلك بكثير. والفجوة تتسع، وهذا أوضح دليل على أن النتائج ترتبط بطريقة تشغيل الذكاء الاصطناعي، لا بمجرد تبنّيه. وتشترك أقوى البرامج في قائمة قصيرة من الخيارات التشغيلية، لا يعتمد أي منها على ميزانية أكبر أو منظومة ذكاء اصطناعي ناضجة:
- قيسوا الحل لا التحويل منذ اليوم الأول. ابنوا لوحة المتابعة قبل تشغيل أول وكيل، لا بعد أن تأتي الأرقام مخيبة.
- ابدؤوا بنطاق ضيق ووسّعوه بناءً على الأدلة. فالمشروع التجريبي محدد النطاق هو ما يبرر الطرح الشامل.
- أضيفوا طبقة فوق الأنظمة قبل الترحيل. اربطوا الذكاء الاصطناعي بالأنظمة القائمة بدلًا من أن تدعوا بنية مثالية تعطّل نشرًا ناجحًا.
- احصلوا على الاعتماد قبل التوسع. فالامتثال بوابة للتوسع، لا شرط للمشروع التجريبي.
- أديروا الوكيل كمنتج، لا كمشروع. راجعوا بيانات الحل وإعادة الفتح أسبوعيًا، وتغطية النوايا كل ربع سنة.
والدليل على أن هذا خيار تشغيلي لا مسألة ميزانية: وفق بيانات Maven، حققت Mastermind معدل حل تلقائي بلغ 93% خلال 6 أسابيع، بفضل التزام البرنامج منذ البداية بسؤال واحد: هل حُلّت المشكلة فعلًا؟ كما حققت Papaya Pay، وهي شركة تقنية مالية، معدل حل تلقائي بلغ 90% خلال 3 أسابيع بالانضباط ذاته. وقد ربطت كلتاهما وكيل الذكاء الاصطناعي بأنظمة السجلات لديها منذ اليوم الأول، وقاستا الحل وفق معيار محدد.
من أين تبدؤون هذا الربع، بالبيانات المتوفرة لديكم
السلوك الأول، أي قياس الحل بدلًا من التحويل، لا يحتاج إلى موافقة على ميزانية ويمكن تطبيقه الآن. أعيدوا تقييم طلبات الشهر الماضي وفق 3 شروط: الإغلاق دون تصعيد، وعدم إعادة الفتح خلال فترة تتناسب مع أهداف الرضا لديكم (عادةً 7 أيام)، وعدم وجود تقييم CSAT سلبي. ثم قارنوا رقم الحل هذا بمعدل التحويل على لوحة المتابعة الحالية. فالفجوة بينهما هي حجم الفرصة المتاحة لكم.
ولمعرفة الحجة الأساسية حول سبب كون هذا المقياس وحده هو ما يحدد نجاح خدمة العملاء بالذكاء الاصطناعي، اطّلعوا على التحويل مقابل الحل.
احصلوا على التقرير الكامل
يستعرض تقرير State of AI in CX 2026 الأنماط الـ 4 بالتفصيل، والأطر التي يستند إليها كل منها، والسلوكيات الـ 5 التي تميّز أصحاب الأداء الأفضل، اعتمادًا على بيانات إنتاج من أكثر من 90 عملية نشر في المؤسسات عبر الدردشة والصوت والبريد الإلكتروني. نزّلوا التقرير الكامل للاطلاع على معادلة الحل الحقيقي، ونطاق المشروع التجريبي لمدة 90 يومًا، وقائمة التحقق من امتثال الذكاء الاصطناعي للمشترين، وشجرة قرار نشر الذكاء الاصطناعي الصوتي.
شاهدوه على محادثاتكم الفعلية.
اطلبوا عرضًا توضيحيًا مخصصًا ومجانيًا.
