نشكرك على متابعة مؤتمر Google I/O. مشاهدة المحتوى عند الطلب

تمت ترجمة هذه الصفحة بواسطة Cloud Translation API‏.

وفّرت شركة Policybazaar خدمة مساعدة العملاء خارج ساعات العمل باستخدام الذكاء الاصطناعي على الويب، وحقّق% 73 من المستخدمين تفاعلات عالية الجودة.

Rishabh Mehrotra

Aman Soni

Swetha Gopalakrishnan

تاريخ النشر: 21 أيار (مايو) 2025

‫Policybazaar هي إحدى منصات التأمين الرائدة في الهند، وتضمّ أكثر من 97 مليون عميل مسجّل. يزور حوالي% 80 من العملاء موقع Policybazaar الإلكتروني كل شهر، لذا من المهم أن توفّر منصاتهم تجارب سلسة للمستخدمين.

لاحظ فريق Policybazaar أنّ عددًا كبيرًا من المستخدمين كان يزور موقعه الإلكتروني في المساء، بعد ساعات عمل فريق مساعدة العملاء. بدلاً من أن ينتظر المستخدمون حتى يوم العمل التالي للحصول على الإجابات أو توظيف موظفين يعملون طوال الليل، أرادت شركة Policybazaar تنفيذ حلّ لتقديم خدمة فورية لهؤلاء المستخدمين.

يطرح العملاء الكثير من الأسئلة حول خطط التأمين وكيفية عملها وخطّة العميل التي تلبي احتياجاته. من الصعب الردّ على الأسئلة المخصّصة باستخدام ميزة "الأسئلة الشائعة" أو محادثات chatbot المستندة إلى القواعد. ولتلبية هذه الاحتياجات، نفَّذ الفريق مساعدة مخصّصة باستخدام الذكاء الاصطناعي التوليدي.

‎73_%

المستخدمون الذين بدأوا محادثات عالية الجودة وتفاعلوا فيها

2‎_x‎

نسبة نقر إلى ظهور أعلى مقارنةً بعبارة الحث على الشراء السابقة

10_x

الاستنتاج بشكل أسرع باستخدام WebGPU

مساعدة مخصّصة باستخدام تكنولوجيات الذكاء الاصطناعي من Finova

لتقديم إجابات مخصّصة ومساعدة أفضل للعملاء باللغة الإنجليزية و اللغة الهندية الأم لبعض المستخدمين، أنشأت شركة Policybazaar روبوتًا مخصّصًا للدردشة مع العملاء بشأن التأمين ويستند إلى النص والصوت ويُعرف باسم Finova AI.

تم اتّخاذ العديد من الخطوات لتنفيذ ذلك. شاهِد عرضًا تفصيليًا في محاضرة عن حالات استخدام الذكاء الاصطناعي على الويب واستراتيجياته في العالم الواقعي من مؤتمر Google I/O لعام 2025.

يوضّح هذا المخطّط البياني الخطوات العالية المستوى التي تستند إليها عملية تنفيذ Finova AI.

1. بيانات أدخلها المستخدم

أولاً، يرسل العميل رسالة إلى محادثة chatbot، إما نصًا أو باستخدام الصوت. إذا تحدث المستخدم إلى روبوت الدردشة، يتم استخدام واجهة برمجة التطبيقات Web Speech API لتحويل الصوت إلى نص.

2. الترجمة إلى اللغة الإنجليزية

يتم إرسال رسالة العميل إلى واجهة برمجة التطبيقات Language Detector API. إذا رصدت واجهة برمجة التطبيقات لغة هندية، يتم إرسال الإدخال إلى Translator API لترجمته إلى الإنجليزية.

تعمل كلتا واجهات برمجة التطبيقات هاتين على الاستنتاج من جهة العميل، ما يعني أنّ إدخال المستخدم لا يغادر الجهاز أثناء الترجمة.

3- تقييم الرسالة من خلال رصد اللغة غير اللائقة

يتم استخدام نموذج رصد المحتوى المسيء من جهة العميل لتقييم ما إذا كانت إدخالات العميل تحتوي على كلمات غير ملائمة أو عدوانية. وفي هذه الحالة، سيُطلب من العميل إعادة صياغة الرسالة. لن تنتقل الرسالة إلى الخطوة التالية إذا كانت تحتوي على لغة مسيئة.

يساعد ذلك في الحفاظ على محادثات محترمة لفريق مساعدة العملاء لمراجعتها والمتابعة بشأنها إذا لزم الأمر.

4. يتم إرسال الطلب إلى الخادم

بعد ذلك، يتم تمرير طلب البحث المترجَم إلى نموذج من جهة الخادم تم تدريبه على data Policybazaar، ويعرض النموذج استجابة باللغة الإنجليزية للسؤال.

يمكن للعملاء الحصول على إجابات واقتراحات مخصّصة، بالإضافة إلى إجابات عن أسئلة أكثر تعقيدًا حول المنتجات.

5- الترجمة إلى لغة العميل

تُستخدَم واجهة برمجة التطبيقات Translator API لترجمة الطلب الأولي، كما تُعيد ترجمة الطلب إلى لغة العميل، كما رصدتها واجهة برمجة التطبيقات Language Detector API. تجدر الإشارة إلى أنّ واجهات برمجة التطبيقات هذه تعمل من جهة العميل، لذا تتم جميع هذه الإجراءات على جهازه. ويعني ذلك أنّه يمكن للعملاء الحصول على المساعدة بلغتهم الأساسية، ما يسمح للعملاء غير الناطقين باللغة الإنجليزية بالتواصل مع محادثة آلية.

بنية مختلطة

تعتمد تكنولوجيات الذكاء الاصطناعي في Finova، التي تعمل على كل من منصات أجهزة الكمبيوتر المكتبي والأجهزة الجوّالة، على نماذج متعدّدة لإنشاء النتائج النهائية. أنشأت شركة Policybazaar بنية مختلطة، حيث يتم تشغيل جزء من الحل من جهة العميل وجزء آخر من جهة الخادم.

هناك عدد من الأسباب التي قد تدفعك إلى تنفيذ بنية مختلطة، سواء كنت تستخدم نموذجًا واحدًا أو عدة نماذج.

تقييم قدرة النموذج من جهة العميل: الاعتماد على المعالجة من جهة الخادم عند الضرورة
- قيود بيانات النماذج: يمكن أن تتغيّر نماذج اللغة بشكل كبير من حيث الحجم، ما يحدّد أيضًا قدرات معيّنة. على سبيل المثال، لنفترض أنّ أحد المستخدمين يطرح سؤالاً شخصيًا بشأن خدمة تقدّمها. قد يكون بإمكان نموذج على جهة العميل الإجابة عن السؤال، إذا تم تدريبه في هذا المجال المحدّد. ومع ذلك، إذا لم يكن ذلك ممكنًا، يمكنك الرجوع إلى التنفيذ من جهة الخادم، والذي يتم تدريبه على مجموعة بيانات أكثر تعقيدًا وأكبر حجمًا.
- ثقة النموذج: في نماذج التصنيف، مثل الإشراف على المحتوى أو رصد عمليات الاحتيال، قد يعرض النموذج من جهة العميل نتيجة أقل ثقة. في هذه الحالة، قد تحتاج إلى الرجوع إلى نموذج أقوى من جهة الخادم.
التوافق مع إمكانات الأجهزة المختلفة
- قيود الأجهزة: من المفترض أن تكون ميزات الذكاء الاصطناعي متاحة لجميع المستخدمين. في الواقع، يستخدم المستخدمون مجموعة كبيرة من الأجهزة، ولا يمكن لبعض الأجهزة استخدام الاستنتاج بالذكاء الاصطناعي. إذا تعذّر على أحد الأجهزة استخدام ميزة الاستنتاج من جهة العميل، يمكنك الرجوع إلى الخادم. باستخدام هذا النهج، يمكنك إتاحة الميزة للجميع، مع الحدّ من التكلفة ووقت الاستجابة كلما أمكن ذلك.
- قيود الشبكة: إذا كان المستخدم غير متصل بالإنترنت أو على شبكات غير متّسقة ولكنه يمتلك نموذجًا محفوظًا مؤقتًا في المتصفّح، يمكنك تشغيل النموذج من جهة العميل.
متطلبات الخصوصية
- قد تكون لديك متطلبات خصوصية صارمة لتطبيقك. على سبيل المثال، إذا كان جزء من مسار المستخدِم يتطلّب إثبات الهوية باستخدام معلومة شخصية أو ميزة "التعرّف على الوجوه"، اختَر نموذجًا من جهة العميل لمعالجة البيانات على الجهاز وإرسال نتيجة إثبات الهوية (مثل "مقبول" أو "غير مقبول") إلى النموذج من جهة الخادم لاتّخاذ الخطوات التالية.

بالنسبة إلى Policybazaar، حيث كان مطلوبًا تقليل وقت الاستجابة وخفض التكلفة والحفاظ على الخصوصية، تم استخدام حلّ من جهة العميل. في الحالات التي كانت فيها هناك حاجة إلى نماذج أكثر تعقيدًا تم تدريبها على data مخصّصة، تم استخدام حلّ من جهة الخادم.

في ما يلي نظرة عن كثب على تنفيذ النموذج من جهة العميل.

رصد المحتوى المسيء من جهة العميل

بعد ترجمة الرسائل، يتم تمرير رسالة العميل إلى نموذج TensorFlow.js لرصد المحتوى المسيء الذي يتم تشغيله من جهة العميل على أجهزة الكمبيوتر المكتبي والأجهزة الجوّالة. بما أنّه يتم إعادة توجيه نص المحادثة إلى فريق المساعدة البشرية لمتابعة الطلب، من المهم تجنُّب استخدام لغة مسيئة. يتم تحليل الرسائل على جهاز المستخدم قبل إرسالها إلى الخادم، ثم يراجعها فريق المساعدة البشرية النهائي.

بالإضافة إلى ذلك، سمح التحليل من جهة العميل بإزالة المعلومات الحسّاسة. تشكّل خصوصية المستخدمين أولوية قصوى، ويساعد الاستنتاج من جهة العميل في تحقيق ذلك.

هناك عدة خطوات مطلوبة لكل رسالة. عند تفعيل ميزة رصد المحتوى الضار، بالإضافة إلى رصد اللغة وترجمتها، ستتطلّب كل رسالة عدة عمليات ذهاب وإياب إلى الخادم. من خلال تنفيذ هذه المهام من جهة العميل، يمكن لشركة Policybazaar الحد بشكل كبير من التكلفة المتوقّعة للميزة.

غيّرت شركة Policybazaar من WebGL إلى WebGPU في الخلفية (للمتصفّحات المتوافقة)، وحقّقت تحسينًا في وقت الاستنتاج بمقدار 10 مرات. تلقّى المستخدمون ملاحظات أسرع لمراجعة رسالتهم، ما أدّى إلى زيادة التفاعل ورضا العملاء.

// Create an instance of the toxicity model.
const createToxicityModelInstance = async () => {
  try {
    //use WebGPU backend if available
    if (navigator.gpu) {
        await window.tf.setBackend('webgpu');
        await window.tf.ready();
    }

    return await window.toxicity.load(0.9).then(model => {
      return model;
    }).catch(error => {
      console.log(error);
      return null;
    });
  } catch (er) {
      console.error(er);
  }
}

نسبة تفاعل ونسبة نقر إلى ظهور مرتفعتان

من خلال دمج نماذج متعدّدة مع واجهات برمجة تطبيقات الويب، تمكّنت شركة Policybazaar من توسيع نطاق تقديم المساعدة للعملاء بعد ساعات العمل. أظهرت النتائج الأولية من إصدار محدود لهذه الميزة ارتفاعًا في تفاعل المستخدمين.

تفاعل% 73 من المستخدمين الذين فتحوا محادثة مع chatbot في محادثات متعددة الأسئلة استمرت لعدة دقائق، ما أدّى إلى انخفاض معدّل الارتداد. بالإضافة إلى ذلك، أظهر البرنامج التمهيدي معدّل نقر أعلى بمقدار مرّتين على عبارة المطالبة بالمساعدة الجديدة لمساعدة العميل، ما يشير إلى تفاعل العملاء بنجاح مع Finova لإرسال استفساراتهم. بالإضافة إلى ذلك، أدى التبديل إلى WebGPU في الخلفية لرصد المحتوى السام من جانب العميل إلى تسريع الاستنتاج بمقدار 10 مرات، ما أدى إلى حصول المستخدمين على ملاحظاتهم بشكل أسرع.