من مراكز الاتصال إلى زملاء الذكاء الاصطناعي: كولين أوبري من AWS تشارك رؤيتها
عبر صناعة الحوسبة السحابية، يغيّر الذكاء الاصطناعي ما يتوقعه العملاء من خدمات الدعم والتواصل. ولم يعد الأمر يقتصر على الرد السريع على المكالمات. تتعرض الشركات لضغوط لفهم السياق عبر القنوات المختلفة، وقراءة المشاعر في اللحظة نفسها، ودمج الأتمتة مع الحكم البشري بطريقة تبدو طبيعية لا آلية.
في حدث AWS re:Invent هذا العام، كان هذا التحول واضحاً في خارطة طريق Amazon Connect. حيث تدفع AWS بمنصة Connect لتتحول من أداة مركز اتصال تقليدية إلى منصة متكاملة لتجربة العملاء مدعومة بالوكلاء. وتشمل الإصدارات الجديدة مسارات الخدمة الذاتية باستخدام صوت Nova Sonic، وزملاء ذكاء اصطناعي لدعم الوكلاء البشريين، وتخصيصاً أعمق يعتمد على بيانات التفاعل والملفات الشخصية، إضافة إلى قدرات رصد أوسع تتيح للمؤسسات فهم سلوك الذكاء الاصطناعي بدقة قبل دخوله حيّز الإنتاج وبعده.
في هذه المقابلة، تشرح كولين أوبري، نائبة الرئيس الأولى لحلول الذكاء الاصطناعي التطبيقي في AWS، لـ MENA TECH كيف ترى تأثير الذكاء الاصطناعي الوكيلي في إعادة تشكيل تواصل العملاء، ولماذا لا يزال دعم تعدد اللغات و«شخصية» النماذج بحاجة إلى تطوير، ولماذا يبقى التحدي الأصعب هو المرحلة الأخيرة من تطبيق الذكاء الاصطناعي في الأعمال الواقعية.
ما أبرز تحديثات الذكاء الاصطناعي لمنصة Amazon Connect في re:Invent 2025؟
في re:Invent 2025، أطلقنا 29 ميزة جديدة لـ Amazon Connect، وأصنّفها ضمن أربع فئات تركز على الوكلاء.
أولاً، الخدمة الذاتية. نستخدم Nova Sonic لدعم المكالمات باللغة الطبيعية، حيث يتحدث العملاء بأسلوبهم الخاص. وفي الخلفية، يمكن للوكلاء إتمام مهام مثل تحديث المواعيد أو الجداول بينما تستمر المحادثة.
ثانياً، الذكاء الاصطناعي إلى جانب الوكلاء البشريين. أنا أؤمن حقاً بفكرة زميل الذكاء الاصطناعي، أو عدة زملاء، يعملون إلى جانب الموظف البشري. ويتيح Connect الآن للذكاء الاصطناعي الاستماع إلى المكالمة، واقتراح الردود، وتنفيذ إجراءات خلفية، وملء النماذج، وإنشاء الملخصات، حتى يتمكن البشر من التركيز على العميل.
ثالثاً، التخصيص. نستخدم بيانات التفاعل وملفات العملاء الغنية لتقديم توصيات فورية للوكلاء البشريين، بحيث تكون كل محادثة أكثر تخصيصاً وأقل عمومية.
رابعاً، الرصد والتحكم. ترغب المؤسسات في رؤية ما يفعله الذكاء الاصطناعي. نتيح لهم تتبع التفاعل عبر القنوات، وفهم المنطق وراء كل خطوة والأدوات المستخدمة، واختبار المسارات قبل إطلاقها. كما ندعم الصوت المولد بالذكاء الاصطناعي عبر Nova Sonic، وأضفنا خيارات من أطراف ثالثة، بما في ذلك Deepgram، ونماذج ذكاء اصطناعي مثل Llama.
كيف تتحكمون في نبرة أصوات الذكاء الاصطناعي لضمان بقائها مناسبة ومتوافقة مع العلامة التجارية؟
مع Nova Sonic، يمكننا ضبط الصوت عبر عدة أبعاد. نستطيع تعديل النبرة، والإيقاع، واللهجة، واللغة، ونحن ندعم بالفعل لغات متعددة.
كما نولي اهتماماً للشخصية. داخلياً، نستخدم نموذجاً ذهنياً يتضمن عدداً من المؤشرات، مثل مدى الخفة المرغوبة، ودرجة التعاطف، والموقع بين الإبداع والدقة الصارمة.
مع مرور الوقت، نرغب في إتاحة مزيد من هذه الضوابط مباشرة داخل Connect، حتى يتمكن أصحاب الأعمال من ضبط صوت علامتهم التجارية بدقة. الفكرة أن يقرروا مدى الدفء أو الجدية أو المرح، ثم يعكس النظام هذه الخيارات في المحادثات اليومية.
كيف يغيّر وكلاء الذكاء الاصطناعي علاقة الشركات بالعملاء، وماذا يعني ذلك للأسواق والإعلانات؟
هناك اعتقاد شائع في السوق بأن بإمكانك استبدال فرق خدمة العملاء وترك الذكاء الاصطناعي يتولى كل شيء. يمكن للذكاء الاصطناعي التعامل مع الكثير، لكنني لا أعتقد أن معظم الشركات ترغب في الانفصال التام عن عملائها. إذ يمكن للذكاء الاصطناعي معالجة الأعمال الروتينية والمعاملات، ويجب أن يعالج المشكلات بشكل استباقي قبل أن يضطر العملاء للتواصل. أما البشر، فينبغي أن يركزوا على الحالات المعقدة والحساسة التي تتطلب تعاطفاً وحكماً بشرياً وعلاقات طويلة الأمد.
في أمازون، أمضينا سنوات طويلة في بناء علاقة مباشرة مع المتسوقين، وسنواصل إعطاء هذه العلاقة أولوية. نحن في حوارات مفتوحة مع مزودي خدمات المحادثة، بما في ذلك OpenAI، لكننا نرغب في تصميم تجربة تسوق قائمة على الوكلاء بأنفسنا.
لماذا تواجه كثير من مشاريع الذكاء الاصطناعي صعوبات في السحابة، وما أولويتكم لمعالجة المرحلة الأخيرة؟
الجزء الأصعب هو المرحلة الأخيرة، حيث يجب على الذكاء الاصطناعي العمل ضمن قيود عمل حقيقي. لهذا يحمل فريقنا اسم «الذكاء الاصطناعي التطبيقي». النماذج الأولية والعروض التوضيحية سهلة نسبياً، لكن يبدأ الاحتكاك عندما تضيف اللوائح، والأمن، والامتثال، وإرشادات العلامة التجارية، وتوقعات العملاء. كل ذلك يجعل النشر في بيئة الإنتاج صعباً، ولهذا نرى معدلات فشل مرتفعة في مشاريع الذكاء الاصطناعي.
مهمتنا هي أخذ هذه المرحلة الأخيرة على محمل الجد لوظائف محددة. في خدمة العملاء، يعني ذلك ذكاءً اصطناعياً يفهم فعلياً أرقام التأكيد، والعناوين، والتفاصيل المالية الحساسة بالدقة المطلوبة. ففي الخدمات المالية، على سبيل المثال، لا مجال للأخطاء.
بعض المؤسسات تمتلك العمق التقني لبناء ذلك بنفسها فوق اللبنات الأساسية مثل Agent Core وAmazon Bedrock. كثيرون لا يمتلكون ذلك، ولهذا يبني فريقي حلولاً أعلى مستوى. نركز على تجربة العملاء في Connect، وعلى التخطيط واتخاذ القرار لسلاسل العرض والطلب، حيث لدى أمازون خبرة عميقة، وكذلك على الرعاية الصحية، حيث نعمل على إزالة الأعباء الإدارية لتمكين الأطباء من التركيز على رعاية المرضى.
هل القوى العاملة اليوم جاهزة للعمل مع وكلاء الذكاء الاصطناعي، وكيف يجب أن تتطور الواجهات حتى لا يضطر الناس إلى «تعلم الذكاء الاصطناعي»؟
بشكل عام، لا، ليس بعد. في مؤسستي، أرى طيفاً واسعاً. هناك متبنون مبكرون متحمسون يجرّبون كل أداة جديدة ويظهرون كيف يمكنهم تحويل أسابيع من العمل إلى ساعة واحدة. وهناك من يستخدم الذكاء الاصطناعي أحياناً لأسئلة سريعة، لكنهم لم يغيروا طريقة عملهم. وآخرون بالكاد يستخدمونه.
أشجع الشركات على وضع حدود صارمة للأمن والامتثال، ثم السماح بتجريب واسع ضمن تلك الضوابط. يخلق المتبنون الأوائل زخماً يسحب الفئة الوسطى إلى الأمام، ومع الوقت سيحتاج حتى المتحفظون إلى الذكاء الاصطناعي لمواكبة الوتيرة. وفي الوقت نفسه، لا ينبغي أن يتطلب المستقبل أن يصبح الجميع خبراء في الذكاء الاصطناعي. هذا العام، أنشأنا فريق تجربة مستخدم مخصصاً لتعريف شكل واجهات العمل القائمة على الوكلاء.
من وجهة نظري، يجب أن يتكيف الذكاء الاصطناعي مع المستخدم. عليه أن يتحرك عبر الأنظمة نيابة عنك ويجلب لك المعلومات المناسبة. يجب أن يأتي العمل إلى الشخص. وقد يمتلك شخصان في الدور نفسه واجهات مختلفة، إذ لم يعد هناك سبب لتوحيد تجربة المستخدم.
بعيداً عن خدمة العملاء، ما المشكلات الأخرى التي تسعون لحلها بالذكاء الاصطناعي؟
أطلقنا مبادرة مركزة في علوم الحياة في بداية العام، وأتوقع أن تروا نتائجها في الربع الأول من 2026. نعمل مع مزودي نماذج الأساس البيولوجية، ونستخدم قدرات AWS الحاسوبية لوضع هذه الإمكانات في أيدي علماء الأحياء. تركيزنا الأول هو اكتشاف الأجسام المضادة.
اليوم، هناك حالة خنق بين علماء المختبر الذين يفهمون علم الأحياء، وعلماء الأحياء الحاسوبيين الذين يعملون على النماذج والبنية التحتية. نريد توسيع القدرات الحاسوبية لعلماء المختبر، حتى يتمكنوا من استكشاف عدد كبير من المواد المرشحة للأجسام المضادة افتراضياً، وتقييم الخصائص المهمة، ثم إرسال مجموعة أصغر وأعلى جودة إلى المختبر. وتُعاد نتائج المختبر الرطب بعد ذلك إلى النظام لتغذيته، ما يتيح التكرار بسرعة أكبر وزيادة معدل النجاح عند إجراء الاختبارات الفيزيائية.
