Quantum Metric: ARR من العملاء الجدد يبلغ ثلاثة أضعاف

ما الذي حدث

أعلنت شركة Quantum Metric أن الإيرادات المتكررة السنوية (ARR) من العملاء الجدد تضاعفت ثلاث مرات، في وقت تربط فيه المؤسسات مبادرات الذكاء الاصطناعي ببيانات السلوك والتجربة المنظمة بدلاً من الاعتماد على مقاييس الاستخدام الخام. ونقلت هذا الإعلان نشرة GlobeNewswire، وتناولته مصادر أخرى تحت عنوان مشابه يركز على دور "سياق التجربة" في تشغيل الذكاء الاصطناعي.

وبحسب ما ورد، فإن التحول لا يقتصر على إضافة أدوات ذكاء اصطناعي جديدة، بل يشمل طريقة تغذية هذه الأدوات بالبيانات. فالمؤسسات التي تزوّد أنظمتها بإشارات سلوكية وتجريبية مهيكلة تحصل، وفق الإعلان، على نتائج أفضل من تلك التي تعتمد على سجلات الاستخدام وحدها.

ولا تكشف المواد المتوفرة عن قيمة الإيرادات الأساسية ولا عن الإطار الزمني لهذا النمو، ولذلك يصعب تقدير حجم الزيادة بدقة من خلال المصادر وحدها.

لماذا يهم ذلك

يعكس الخبر تحولاً في طريقة تفكير القادة في الذكاء الاصطناعي، إذ ينتقل الاهتمام من سؤال "أي نموذج نستخدم؟" إلى سؤال "ما البيانات التي يفهم بها النموذج سلوك العميل ونيته؟". فالتقنية المتقدمة تنتج نتائج ضعيفة إذا غابت عنها الصورة الكاملة للرحلة، وتصبح أكثر فائدة عندما تُغذّى بسياق يوضح ما حاول المستخدم إنجازه وأين تعثر.

وبالنسبة لفرق تجربة العملاء والتحول الرقمي، يشير هذا الاتجاه إلى أن جودة البيانات التشغيلية والسلوكية قد تصبح عاملاً حاسماً في نجاح مبادرات الذكاء الاصطناعي، لا مجرد عنصر داعم لها. ويعني ذلك أيضاً أن ميزانيات التقنية يجب أن تشمل تصميم البيانات ومعايير تجميعها، لا الأدوات وحدها.

صورة من منظور تجربة العميل

من الناحية السلوكية، يُعد الفرق بين "ما فعله المستخدم" و"لماذا فعله" فرقاً جوهرياً. فعدد النقرات أو مدة الجلسة لا يكشف عن الإحباط أو الثقة أو نية الشراء، بينما تكشف الإشارات المنظمة عن هذه المعاني. لذلك قد يساعد إدخال هذا النوع من السياق في تحسين توصيات الخدمة وتقليل الاحتكاك في الرحلة، وهو ما ينعكس على العملاء الجدد تحديداً.

رأي Renascence

يلفت هذا الخبر الانتباه إلى أن الذكاء الاصطناعي لا يصنع تجربة أفضل بذاته، بل يضخّم ما تقدمه البيانات له. ما يغفله كثير من القراء أن الرقم اللافت في العنوان قد يكون نتيجة للبيانات السلوكية أكثر من كونه نتيجة للنموذج نفسه. والمبدأ الكامن هنا هو أن الفهم السياقي للرحلة يسبق الأتمتة، ومن يبدأ بالأتمتة قبل هذا الفهم يكرر الأخطاء بسرعة أكبر.

المشغّل الذي يركز على العميل لا ينبغي أن يسأل أولاً عن النموذج الأحدث، بل عن الإشارات التي يمتلكها عن سلوك العميل وإحباطه ونيته. ابدأ بتحديد عشرة قرارات خدمية يومية، وحدّد البيانات التي تشرح كل قرار، ثم اختبر هل يتحسن أداء الذكاء الاصطناعي عند إضافة هذا السياق. إذا لم يتحسن، فالمشكلة في تصميم الرحلة لا في الخوارزمية.