ماذا يفعل موظف الذكاء الاصطناعي عندما لا يعرف الإجابة؟

حين لا يعرف موظف الذكاء الاصطناعي المبني جيداً الإجابة، لا يخمّن: يعترف بأن السؤال خارج ما يعرفه، ويجمع من العميل ما يلزم، ويحوّل المحادثة إلى موظف بشري مع سياقها كاملاً، ثم يسجّل السؤال لتحسين إجاباته لاحقاً. هذه هي حدود الذكاء الاصطناعي في خدمة العملاء، وتصميمها جزء من البناء لا إضافة عليه.

هذا الدليل لأصحاب المنشآت في السعودية والإمارات الذين يفكّرون في تشغيل موظف ذكاء اصطناعي على واتساب، وأكثر ما يقلقهم سؤال واحد: ماذا لو قال للعميل شيئاً خاطئاً؟ وإن أردت أن ترى كيف نبني هذه القواعد عملياً، فاطّلع على موظف الذكاء الاصطناعي من NourSky.

لماذا تُعدّ «لا أعرف» أهم إجابة ضمن حدود الذكاء الاصطناعي في خدمة العملاء؟

لأن النماذج اللغوية تميل بطبيعتها إلى الإجابة لا إلى التوقّف. ففي بحث نشرته OpenAI في سبتمبر 2025 بعنوان «لماذا تهلوس النماذج اللغوية»، خلص الباحثون إلى أن:

«النماذج اللغوية تهلوس لأن إجراءات التدريب والتقييم المعتادة تكافئ التخمين بدل الاعتراف بعدم اليقين.»

وفي المثال الذي عرضه البحث على اختبار SimpleQA، امتنع نموذج GPT-5-thinking-mini عن الإجابة في 52% من الأسئلة مقابل 1% لنموذج o4-mini الأقدم، وكان معدّل الخطأ 26% مقابل 75%. أي أن النموذج الذي يعترف بما لا يعرفه أكثر كان أقل خطأً بكثير.

الدرس لصاحب المنشأة: النظام الذي «يجيب عن كل شيء» ليس ميزة. النظام الذي يعرف متى يتوقّف هو الميزة.

ماذا يحدث حين يخمّن النظام بدل أن يتوقّف؟

في قضية Moffatt ضد Air Canada التي فصلت فيها هيئة تسوية النزاعات المدنية (Civil Resolution Tribunal) في مقاطعة كولومبيا البريطانية الكندية عام 2024، أخبر روبوت المحادثة على موقع الشركة عميلاً بأنه يستطيع طلب خصم تذاكر العزاء خلال 90 يوماً بعد الشراء. وحين طلب العميل الخصم، رفضته الشركة لأن سياستها الفعلية مختلفة. وحاولت الشركة الدفاع بأن الروبوت كيان مستقل عنها، فرفضت الهيئة ذلك وألزمتها بتعويض العميل، وجاء في ملخّص نقابة المحامين الأمريكية للحكم أن:

«Air Canada ظلّت تتحمّل مسؤولية كل المعلومات الواردة على موقعها، سواء جاءت من صفحة ثابتة أو من روبوت محادثة.»

المبلغ كان صغيراً، لكن المبدأ كبير: ما يقوله موظف الذكاء الاصطناعي لعميلك تتحمّله منشأتك. (القضية كندية، وهذا المثال للتوضيح وليس استشارة قانونية في أي نظام آخر.)

ماذا يريد العملاء حين لا يعرف الذكاء الاصطناعي الإجابة؟

يريدون إنساناً، وبسهولة. والأرقام واضحة:

• في استطلاع Gartner المنشور في يوليو 2024 على 5,728 عميلاً، قال 64% إنهم يفضّلون ألا تستخدم الشركات الذكاء الاصطناعي في خدمة العملاء، وقال 53% إنهم قد يفكّرون في الانتقال إلى منافس إن فعلت. وكان أول مخاوفهم صعوبة الوصول إلى إنسان، ومن بينها أيضاً أن يقدّم الذكاء الاصطناعي إجابات خاطئة.
• وفي استطلاع Gartner المنشور في أغسطس 2026 على 3,566 عميلاً، قال 87% إن الشركات التي تستخدم الذكاء الاصطناعي التوليدي في خدمة العملاء يجب أن توفّر وصولاً إلى موظف بشري. وقال Eric Keller، كبير مديري التحليل في Gartner:

«لا ينبغي لقادة خدمة العملاء استخدام الذكاء الاصطناعي التوليدي خطوةً أولى إلزامية لكل مشكلة.»

الاستطلاعان عالميان وليسا خاصّين بالخليج، لكن الرسالة واحدة: العميل يقبل الذكاء الاصطناعي حين يكون الطريق إلى الإنسان مفتوحاً، ويرفضه حين يكون جداراً.

ما الخطوات التي يتّبعها موظف الذكاء الاصطناعي حين لا يعرف الإجابة؟

1. يتعرّف على الفجوة: يجيب فقط من مصادر المعرفة التي بُني عليها (الخدمات، والأسعار المعتمدة، والسياسات، والأسئلة المتكرّرة). إن لم يجد الإجابة هناك، يعامل السؤال كسؤال مجهول، لا كفرصة للاجتهاد.
2. يعترف بلطف ودون اختراع: جملة واضحة بأن السؤال يحتاج زميلاً مختصاً، لا إجابة عامة توحي بالمعرفة.
3. يجمع ما يلزم: الاسم، وتفاصيل الطلب، والوقت المناسب للتواصل، حتى لا يعيد الموظف البشري الأسئلة نفسها.
4. يحوّل مع السياق: تصل المحادثة كاملة إلى الموظف المختص في نظام CRM، مع ملخّص قصير لما طُلب.
5. يُبلغ العميل بما سيحدث: من سيرد، ومتى تقريباً بحسب ساعات العمل، دون وعد لا يستطيع الفريق الوفاء به.
6. يسجّل السؤال للتحسين: الأسئلة المجهولة المتكرّرة تُراجَع دورياً، وما تكرّر منها يُضاف إلى مصادر المعرفة بإجابة معتمدة.

مثال لمحادثة في منشأة خدمات (التفاصيل افتراضية للتوضيح):

لاحظ ما لم يحدث: لم يقل «نعم، متاح» ولا «لا، غير متاح». وهذا بالضبط ما يفرّق هذا النموذج عن رد الي يرسل نصاً ثابتاً، وعن بوت واتساب مبني على قائمة خيارات لا تعرف أصلاً أن السؤال خارجها.

ما الحالات التي يجب أن تُحوَّل للإنسان دائماً؟

كيف تختبر حدود النظام قبل تشغيله؟

لا تكتفِ بتجربة الأسئلة التي يعرفها. جرّب ما لا يعرفه:

1. أسئلة خارج النطاق تماماً: سؤال عن خدمة لا تقدّمها. هل يعترف أم يخترع؟
2. أسئلة قريبة من النطاق: سؤال عن تفصيل غير مكتوب في السياسات. هذا أخطر نوع لأن الإجابة المخترعة تبدو معقولة.
3. محاولات الضغط: «زميلك قال لي إن فيه خصم 50%». هل يؤكّد ما لا يعرفه؟
4. طلب الإنسان مباشرة: هل يحوّل فوراً أم يحاول الإقناع بالبقاء؟
5. الحالة الحساسة: شكوى غاضبة. هل يتوقّف ويحوّل؟

إن نجح النظام في هذه الخمسة، فهو جاهز لاختبار أوسع على محادثات حقيقية تحت المراقبة. وإن لم تكن الاتمتة تحترم هذه الحدود، فالأفضل ألا تُشغَّل بعد.

كيف تبني NourSky قواعد «لا أعرف»؟

تبني NourSky (نور سكاي) موظف الذكاء الاصطناعي على مصادر معرفة تحدّدها منشأتك، وتحدّد معك قبل التشغيل قائمة الحالات التي تُحوَّل للإنسان، ومن يستلم كل حالة في نظام CRM. ولفهم الصورة الكاملة للنظام، اقرأ ما هو موظف الذكاء الاصطناعي؟ دليل عملي لأصحاب الأعمال، أو قدّر أولاً كم عميلاً تخسر بسبب الرد المتأخر.

الأسئلة الشائعة

هل يخترع موظف الذكاء الاصطناعي إجابات لعملائي؟

النماذج اللغوية تميل إلى التخمين بطبيعتها، كما يوضّح بحث OpenAI لعام 2025. لذلك يُبنى موظف الذكاء الاصطناعي ليجيب من مصادر معرفة محدّدة، ويعترف ويحوّل حين لا يجد الإجابة فيها، ويُختبر على أسئلة خارج النطاق قبل التشغيل.

هل منشأتي مسؤولة عمّا يقوله الذكاء الاصطناعي للعميل؟

في قضية Moffatt ضد Air Canada عام 2024 في كندا، رفضت هيئة تسوية النزاعات المدنية اعتبار روبوت المحادثة كياناً مستقلاً وحمّلت الشركة المسؤولية. هذا مثال توضيحي وليس استشارة قانونية؛ راجع مستشارك القانوني بشأن أنظمة بلدك.

هل يستطيع العميل طلب التحدّث مع إنسان في أي وقت؟

يجب أن يستطيع. في استطلاع Gartner لعام 2026 قال 87% من العملاء إن الشركات التي تستخدم الذكاء الاصطناعي التوليدي في خدمة العملاء يجب أن توفّر وصولاً إلى موظف بشري، ولذلك نعدّ طلب الإنسان حالة تحويل فوري.

المصادر

• Why language models hallucinate — OpenAI, September 2025
• BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot — American Bar Association, 2024
• Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn’t Use AI for Customer Service (2024)
• Gartner Survey Finds 87% of Customers Say Companies Using GenAI for Customer Service Must Provide Access to a Human Agent (2026)