كنا نقضي يومين كاملين كل أسبوع في تصنيف شكاوى العملاء يدوياً. بعد تركيب نموذج التصنيف التلقائي، أصبحت العملية تنتهي خلال ساعة واحدة. الفريق الآن يركز وقته على حل المشكلات بدلاً من فرزها. ما أعجبني أن فريق ذكاء اصطناعي متوافق جلس مع موظفي خدمة العملاء عندنا ثلاثة أيام قبل أن يبدأوا البرمجة، لأنهم أرادوا فهم طريقة التصنيف التي نستخدمها فعلاً وليس فقط ما هو مكتوب في الدليل.
طلبنا نموذج تنبؤ بالطلب لـ 1,200 منتج في 8 فروع. النتيجة بعد 3 أشهر من التشغيل: انخفض هدر المنتجات الطازجة بنسبة 31%. الرقم مؤكد من نظام المحاسبة. الورشة الأولى كانت مفيدة جداً لأنها ساعدتنا نحن أيضاً في فهم أنماط الشراء التي لم نكن ننتبه لها.
استخدمنا خدمة تحليل المشاعر لمراقبة تقييمات تطبيقنا على المتاجر الإلكترونية. النموذج يصنف كل تقييم إلى 5 فئات (سعر، أداء، واجهة، دعم فني، أخرى) ويحدد إذا كان إيجابياً أو سلبياً. قبل ذلك كنا نقرأ التقييمات عشوائياً ونفوّت كثيراً منها. الآن نحصل على تقرير أسبوعي آلي يوضح بالضبط أين المشكلة.
أكثر شيء أقدّره هو الشفافية في التسعير. عرض السعر جاء مفصلاً: تكلفة تنظيف البيانات، تكلفة التدريب، تكلفة التكامل مع نظامنا. لا مفاجآت. مشروعنا كان بناء نظام كشف احتيال لمطالبات التأمين، واستغرق 11 أسبوعاً. النظام الآن يرفع تنبيهاً تلقائياً عند 4.2% من المطالبات، وبعد المراجعة اليدوية تبين أن 78% من هذه التنبيهات كانت فعلاً مطالبات مشبوهة.
شركة نقل تعمل في 3 مدن سعودية كانت تعتمد على جداول ثابتة لتوزيع الشاحنات على المسارات. المشكلة: بعض الشاحنات تعود نصف فارغة بينما أخرى لا تكفي لتغطية الطلبات.
بنينا نموذج تحسين يأخذ في الاعتبار: حجم الشحنات المتوقعة لكل منطقة (بناءً على بيانات 18 شهراً)، المسافات بين نقاط التسليم، وسعة كل شاحنة. النموذج يقترح توزيعاً يومياً محدثاً قبل الساعة 6 صباحاً.
مجموعة مستشفيات تستقبل أكثر من 2,000 تقرير مخبري يومياً. كان فريق من 6 موظفين يصنف هذه التقارير يدوياً حسب التخصص ودرجة الاستعجال. معدل الخطأ في التصنيف اليدوي كان 7%، وهذا يعني أن بعض التقارير العاجلة تصل متأخرة إلى الطبيب المعني.
درّبنا نموذج معالجة لغة طبيعية على 180,000 تقرير سابق. النموذج يقرأ نص التقرير ويحدد التخصص ودرجة الاستعجال خلال أقل من ثانية. معدل الخطأ انخفض إلى 1.8%. الموظفون الستة أصبحوا يراجعون فقط الحالات التي يصنفها النموذج بثقة أقل من 90%، وهي حوالي 12% من إجمالي التقارير.
الأرقام محدّثة حتى الربع الأول من 2025. نسبة الدقة محسوبة كمتوسط مرجح عبر جميع نماذج التنبؤ النشطة.
أرسل لنا وصفاً مختصراً للمشكلة التي تريد حلها، وسنرد عليك خلال يوم عمل بتقييم أولي مجاني يوضح إذا كان الذكاء الاصطناعي مناسباً لحالتك أم لا.
ابدأ الآن