Parloa تبني وكلاء خدمة يرغب العملاء في التحدث إليهم

في بدايات Parloa، أمضى الشريك المؤسس شتيفان أوستفالد يومًا داخل مركز اتصالات تابع لشركة تأمين، حيث كان فريقه يطوّر تجارب صوتية أولية. جلس إلى جانب الموظفين واستمع إلى المحادثات نفسها تتكرر مرارًا: إعادة تعيين كلمات المرور، والاستفسار عن وثائق التأمين، وإجراء التعديلات الروتينية. وأدرك أن بالإمكان أتمتة جانب كبير من ذلك العمل.

بعد هذه التجربة، بدأت Parloa⁠(يفتح في نافذة جديدة)، ومقرها برلين، في بناء وكلاء صوتيين قائمين على القواعد لأتمتة تفاعلات العملاء كبيرة الحجم.

ومع ظهور ChatGPT، تطورت الشركة لتبني ما يُعرف اليوم بمنصة إدارة وكلاء الذكاء الاصطناعي (AMP)، القائمة على جيل جديد من النماذج، ومنها GPT‑5.4.

تتيح AMP للمؤسسات تصميم تفاعلات خدمة العملاء ونشرها وإدارتها على نطاق واسع. وبدلًا من رسم نوايا ومسارات جامدة، تحدد الفرق السلوك بلغة طبيعية، وتتصل بالأنظمة الداخلية، وتُجري تحسينات سريعة باستخدام أدوات المحاكاة والتقييم المدمجة.

تدير Parloa هذه التفاعلات من البداية إلى النهاية، بدءًا من التوجيه البسيط ووصولًا إلى الطلبات المعقدة متعددة الخطوات. وينصب التركيز على الاتساق في بيئة الإنتاج، حيث يتساوى الأداء وزمن الاستجابة والحالات الطرفية في الأهمية. ولتحقيق ذلك، تختبر Parloa النماذج باستمرار على سيناريوهات حقيقية للعملاء قبل نشرها.

صُممت منصة إدارة الوكلاء (AMP) من Parloa لتمكين مستخدمي الأعمال وخبراء المجالات من بناء وكلاء ذكاء اصطناعي من دون كتابة تعليمات برمجية.

يقول أورايلي: «باستخدام AMP، يمكن لخبراء المجالات من وحدات الأعمال المختلفة بناء الوكلاء فعليًا وربط واجهات API بطريقة أبسط وأكثر كفاءة بكثير».

على المستوى العام، تتيح AMP للعلامات التجارية إدارة دورة حياة وكيل الذكاء الاصطناعي بالكامل. وتحقق ذلك بمنح الفرق غير التقنية طريقة أبسط لتحديد سلوك الوكيل قبل تشغيله فعليًا. فبدلًا من كتابة التعليمات البرمجية أو رسم أشجار نوايا جامدة، يحدد خبراء المجالات دور الوكيل وتعليماته وأدواته وحدوده بلغة طبيعية. ويصبح هذا الإعداد أساس المطالبة التي تُوجَّه إلى النموذج وطريقة تصرف النظام في بيئة الإنتاج.

وبعد تحديد الوكيل، يُختبر قبل النشر. تحاكي Parloa محادثات العملاء باستخدام نماذج مثل GPT‑5.4، حيث يؤدي أحد النماذج دور المتصل ويشغّل آخر الوكيل الذي جرى إعداده. ويمكن للفرق فحص هذه التفاعلات مباشرة، واختبار التغييرات في سيناريوهات واقعية، وتحسينها قبل الإطلاق.

ثم تُستخدم النماذج نفسها لتقييم تلك المحادثات بمزيج من الفحوص الحتمية ودرجات النماذج اللغوية الكبيرة (LLM) بوصفها حكمًا. ويُظهر ذلك ما إذا كان الوكيل قد اتبع التعليمات، واستخدم الأدوات بشكل صحيح، وأكمل المهمة كما هو متوقع.

أثناء المحادثة المباشرة، تزوّد طبقة التنسيق في AMP نموذجًا من OpenAI بإعدادات الوكيل وسياق المحادثة، ليولّد ردًا أو يسترجع المعلومات عبر التوليد المعزز بالاسترجاع (RAG) أو يشغّل أدوات للتفاعل مع أنظمة العملاء الخلفية. وتحدّث Parloa هذه الطبقة باستمرار بأحدث أجيال النماذج عندما تُظهر تحسنًا واضحًا في الأداء الفعلي.

بعد المحادثة، تلخّص مسارات عمل منفصلة مدعومة من OpenAI التفاعل، وتصنّف نية العميل، وتقيّم الأداء وفق القواعد المحددة.

ومع ازدياد تعقيد الوكلاء، أصبح الحفاظ على مطالبة واحدة متكاملة أكثر صعوبة. فقد تؤدي التغييرات الصغيرة إلى آثار جانبية غير مقصودة. ولمعالجة ذلك، اعتمدت Parloa نهجًا معياريًا. يمكن فصل مهام مثل المصادقة أو تعديل الحجوزات أو تحديث الحسابات إلى وكلاء فرعيين مستقلين، ما يحسّن اتباع التعليمات ويُسهّل تطوير الأنظمة بمرور الوقت.

وفي الوقت نفسه، تدمج المنصة ضوابط حتمية في المواضع التي تكون فيها الموثوقية أهم ما يكون. يمكن للمؤسسات تحديد سلاسل منظمة من واجهات API ومنطق قائم على الأحداث لضمان تنفيذ الخطوات المهمة بالترتيب الصحيح، بما يوازن بين مرونة المحادثة وقابلية التنفيذ للتنبؤ.

تستخدم Parloa نماذج مثل GPT‑4.1 وGPT‑5‑mini وغيرها لمحاكاة تفاعلات واقعية للعملاء قبل تشغيل الوكيل، ثم تقيّمها بمزيج من قواعد حتمية وتقييم النماذج اللغوية الكبيرة (LLM) بوصفها حكمًا. ويتيح ذلك للفرق اختبار الحالات الطرفية، وإجراء تحسينات سريعة، والتحقق من الأداء قبل تعريض العملاء للإخفاقات.

تعمل Parloa أساسًا مع المؤسسات الكبيرة، حيث لا يقل الاتساق أهمية عن القدرات.

يقول ماتيوس دويتش، كبير العلماء التطبيقيين: «عند صدور نموذج جديد، نشغّل عليه حزمة اختباراتنا المعيارية». «من المهم جدًا لنا ألا تنجح الحلول في الاختبارات المعيارية النظرية فحسب، بل في حالات الاستخدام الفعلية أيضًا».

وبدلًا من الاعتماد على اختبارات معيارية مجردة، تنشئ Parloa نسخًا مماثلة لوكلاء الإنتاج الفعليين وتُخضعها لمسارات المحاكاة والتقييم. تقيس هذه الاختبارات موثوقية اتباع التعليمات، واتساق استدعاء واجهات API، وزمن الاستجابة، والأداء العام في ظروف واقعية.

وتحدد هذه التقييمات النماذج الجاهزة لبيئة الإنتاج. ولا تُنشر إلا النماذج التي تقدم أداءً موثوقًا في مختلف سيناريوهات العملاء الحقيقية.

يقول دويتش: «يتحمل عملاء المؤسسات تكلفة فعلية عند الانتقال». «فبعد استقرار عمل النظام في بيئة الإنتاج، يحافظون عليه ولا ينتقلون إلا عندما تكون الفوائد واضحة».

ونتيجة لذلك، تتصرف الأنظمة على نحو يمكن التنبؤ به في بيئة الإنتاج، حتى على نطاق واسع. وعبر ملايين التفاعلات مع العملاء، تُحل معظم المحادثات بسلاسة. وحتى عند تحويل المكالمات إلى موظفين بشريين، نادرًا ما يكون التصعيد ناتجًا عن إخفاق. وفي أحد تطبيقاتها، خفّضت شركة سفر عالمية طلبات التحدث إلى موظف بشري بنسبة 80%.

أصبحت عقلية «التقييم أولًا» ميزة تنافسية أساسية، إذ تتيح لـParloa التحرك بسرعة من دون التضحية بالموثوقية في بيئة الإنتاج.

يفرض الصوت مجموعة من القيود تختلف عن قيود الدردشة النصية. يمر كل تفاعل عبر مسار منخفض زمن الاستجابة: تحويل الكلام إلى نص، ثم استدلال النموذج، ثم تحويل النص إلى كلام.

ويجعل هذا المسار زمن الاستجابة عاملًا حاسمًا. فحتى التأخيرات البسيطة في طبقة النموذج تتراكم لتتحول إلى فترات توقف ملحوظة للمتصل، ما يؤثر في اختيار النماذج وتحسينها.

تعمل Parloa عن كثب مع OpenAI لتحسين الأداء في حالات الاستخدام الفوري، مع التركيز على زمن الاستجابة وجودة الرد واتباع التعليمات. ويقيّم الفريق باستمرار الإصدارات الجديدة من النماذج ويخضعها لاختبارات ضغط في بيئات تحاكي الإنتاج قبل طرحها في تفاعلات العملاء المباشرة.

تقيّم Parloa كل مكوّن من مكونات المنظومة الصوتية على حدة:

• تُختبر أنظمة تحويل الكلام إلى نص لقياس معدل الخطأ في الكلمات، لا سيما في المدخلات الحساسة مثل أرقام وثائق التأمين أو معرّفات الحسابات.
• تُقيّم نماذج تحويل النص إلى كلام عبر اختبارات استماع معماة لقياس مدى طبيعية الصوت لدى المستخدمين الحقيقيين. ثم تُقارن هذه النتائج بتفاعلات العملاء الحقيقية لضمان اتساق الأداء في بيئات الإنتاج.
• يجري حاليًا تقييم نماذج تحويل الكلام إلى كلام للتأكد من جاهزيتها للإنتاج، مع التركيز على زمن الاستجابة والدقة والتكلفة.

ومنذ البداية، بُنيت هذه الأنظمة للنشر عالميًا. تشمل الاختبارات المعيارية لغات متعددة، إذ يعمل العملاء في مناطق مختلفة حول العالم. وتعكس هذه الصرامة في تعدد اللغات جذور Parloa الأوروبية وتوقعات عملاء المؤسسات، الذين يتطلبون أداءً متسقًا عبر الأسواق، لا في لغة أو منطقة واحدة فحسب.

يتولى وكلاء Parloa اليوم ملايين المحادثات في قطاعات تشمل البيع بالتجزئة والسفر والتأمين، ويدعمون حالات استخدام تمتد من أتمتة الدعم إلى مسارات تولّد الإيرادات، مثل التسوق عبر الهاتف.

ترى Parloa أن خدمة العملاء تتطور إلى تجربة متعددة الوسائط بالكامل.

فقد تبدأ المحادثة عبر الهاتف، ثم تستمر في الدردشة، وتتضمن روابط أو عناصر تفاعلية في أثنائها. وبدلًا من التعامل مع كل خطوة بوصفها مسارًا منفصلًا، صُممت AMP لإدارتها كتفاعل واحد. وبمرور الوقت، قد يصبح وكلاء الذكاء الاصطناعي محوريين في رحلات العملاء بقدر المواقع الإلكترونية وتطبيقات الأجهزة المحمولة.

ومع توجه المؤسسات إلى أتمتة حصة متزايدة من تفاعلات العملاء، تركز Parloa على جعل وكلاء الذكاء الاصطناعي موثوقين ومرنين وجديرين بالثقة بما يكفي للعمل على نطاق عالمي.