كلارنا: مساعد الذكاء الاصطناعي قام بعمل 700 وكيل بدوام كامل في شهره الأول

• Klarna AI assistant handles two-thirds of customer service chats in its first month — Klarna (пресс-релиз), 2024-02-27
• Klarna's AI chatbot: how revolutionary is it, really? — The Pragmatic Engineer, 2024-03
• Klarna changes its AI tune and again recruits humans for customer service — CX Dive, 2025-05-09

السياق

كلارنا هي منصة سويدية للدفع والتسوق، وتعتبر من رواد نموذج الشراء بالتقسيط (BNPL). كان نطاق عملياتها عند إطلاق مساعد الذكاء الاصطناعي يشمل أكثر من 114 مليون مستخدم نشط، و3.4 ملايين معاملة يومية، وأكثر من 850,000 شريك تجزئة في 23 سوقاً جغرافياً. إدارة خدمة العملاء بهذا الحجم تعني ملايين جلسات الدردشة شهرياً بعشرات اللغات: استفسارات عن استرجاع المبالغ والدفعات والفواتير والحدود الائتمانية تأتي على مدار الساعة من ولايات قضائية ذات أنظمة قانونية مختلفة.

للنموذج BNPL خصيصة هيكلية تجعل الدعم محملاً بشكل خاص: كل عملية شراء تنتج جدول دفع — وبالتالي أسئلة محتملة عديدة. أين فاتورتي، لماذا هذا المبلغ، كيف أؤجل دفعة، أين استرجاع الطلب الملغي، لماذا تغير حد الإنفاق لدي. في التجارة الإلكترونية التقليدية يتواصل العميل مع الدعم غالباً عند حدوث مشكلة في التسليم؛ في BNPL هناك نقاط اتصال أكثر بكثير، لأن العلاقة المالية تستمر لأسابيع بعد الشراء.

أفصحت كلارنا عن تفصيل مهم: قبل الذكاء الاصطناعي، كان دعم الخط الأول يعتمد في المتوسط على حوالي 3,000 موظف بدوام كامل — من موظفي شركات الاستعانة بالتوظيف الخارجي. الدعم، بعبارة أخرى، لم يكن فريقاً داخلياً بل وظيفة مشتراة بنموذج خطي: المزيد من العملاء يعني المزيد من الموظفين والمزيد من التكاليف.

عندما ظهر ChatGPT في أواخر عام 2022، أصبح دعم العملاء على الفور أفضل مرشح للأتمتة باستخدام نماذج اللغات الكبيرة: تنسيق محادثة طبيعي، سيناريوهات متكررة، مقاييس قابلة للقياس. أصبحت كلارنا واحدة من أكثر شركاء OpenAI عدوانية في اعتماد الذكاء الاصطناعي — قال Brad Lightcap، رئيس العمليات في OpenAI، في البيان الصحفي المشترك أن كلارنا كانت 'في الطليعة تماماً بين شركائنا في اعتماد الذكاء الاصطناعي'. في فبراير 2024 أصبحت كلارنا أول شركة تمويل كبيرة تنشر النتائج التشغيلية الفعلية لنقل خدمة العملاء من الخط الأول إلى مساعد ذكاء اصطناعي — برقام ملموسة انتشرت عبر الصناعة، وصنعت عناوين الصحافة الاقتصادية، وأصبحت نقطة مرجعية لسوق الذكاء الاصطناعي في خدمة العملاء: لا يزال 'معادل 700 وكيل' يُستشهد به في معظم العروض حول الذكاء الاصطناعي في خدمة العملاء.

المشكلة

قبل إطلاق المساعد، استغرقت المهمة العادية 11 دقيقة في المتوسط لحلها عبر الدردشة. الطلبات الروتينية — استرجاع المبالغ والإلغاءات وحالة الدفع وأسئلة الفواتير وجداول الدفع — هيمنت على الطابور. كل مثل هذا الحوار تطلب من الوكيل العثور على الطلب والتحقق من شروط بائع معين وقواعد سوق معين — عمل روتيني لكن ليس فورياً.

الحجم جعل المشكلة هيكلية. 23 سوقاً تعني 23 مجموعة من قوانين الاسترجاع والدفع المحلية وحاجة للدعم بعشرات اللغات. تغطية ذلك بوكلاء بشريين فقط تعمل بشكل كثيف: التوظيف والتدريب من خلال شركات الاستعانة بالتوظيف الخارجي، الأحمال الذروة في فترات البيع، معدلات ترك الموظفين وإعادة التدريب المستمرة. متوسط حوالي 3,000 وكيل هو أحد أكبر بنود التكاليف التشغيلية للشركة، ينمو تقريباً بشكل خطي مع توسع العمل.

الاستفسارات المتكررة كانت مشكلة في حد ذاتها: عاد العملاء إلى الدردشة لأن المشكلة لم تُحل بدقة في المرة الأولى. كل تفاعل متكرر يضاعف تكلفة المعالجة ويعمق إحباط العميل الذي شرح مشكلته بالفعل. بالنسبة لشركة تمويل، هذا ليس مجرد تكلفة بل مخاطرة: إجابة غير دقيقة عن دفعة أو استرجاع تقوض مباشرة الثقة بمنتج يحرك الناس أموالهم من خلاله. لذلك جعلت كلارنا لاحقاً تقليل الاستفسارات المتكررة أحد مقاييس النتائج الرئيسية المعلنة علناً للمشروع — فهو مؤشر على الدقة وليس فقط السرعة.

أخيراً، الدردشات الآلية ذات الأجيال السابقة لم تحل المشكلة: أشجار القرار الجامدة لم تستطع التعامل مع تنوع صيغ الاستفسارات عبر 35+ لغة، ولا الحاجة إلى حساب سياق طلب معين. أي شيء خارج الشجرة انتقل إلى وكيل — وبقيت اقتصاديات الدعم دون تغيير.

الحل

أطلقت كلارنا مساعد الذكاء الاصطناعي على نماذج OpenAI (عبر ChatGPT API) داخل تطبيقها الخاص — عالمياً، في غضون شهر واحد، عبر جميع 23 أسواق في نفس الوقت. يعمل المساعد 24/7 ويتواصل بأكثر من 35 لغة. وفقاً للبيان الصحفي، يغطي سيناريوهات الخط الأول الأساسية: استرجاع المبالغ والإلغاءات ومشاكل الدفع والنزاعات ودقة الفواتير والرصيد الحالي وتذكيرات جدول الدفع وشرح حدود الإنفاق.

وضع المساعد داخل التطبيق ليس مجرد تفصيل تقني بل قرار منتج استراتيجي. العميل مسجل الدخول بالفعل في التطبيق، لذا يرى المساعد على الفور طلباته ودفعاته — لا حاجة لاستهلاك نصف الحوار على طلب 'يرجى تقديم رقم طلبك وآخر أربعة أرقام من بطاقتك'. هذا ما يجعل الإجابة على 'أين استرجاع المبلغ' مسألة ثوان بدلاً من دقائق من التوضيح.

ما نعرفه عن البنية المعمارية يأتي من تحليل مستقل لـ The Pragmatic Engineer (اختبر Gergely Orosz المساعد مباشرة وحلل تصميمه). إنها إعادة استرجاع معلومات RAG على وثائق دعم كلارنا الخاصة: يسترجع المساعد أقسام قاعدة المعرفة الملائمة ويحقن السياق الخاص بالطلب — السعر والتاجر وتاريخ الشراء. في الأعلى جدران حماية قوية: قائمة بيضاء بالموضوعات المسموحة في موجه النظام، خطوة تحقق من مقارنة الإجابة المولدة بالموضوعات المسموحة، وتسليم آلي لوكيل بشري بمجرد خروج السؤال عن الحدود. في اختبارات التحليل أثبت المساعد مقاومة للهلوسة ضمن منطقته — إلى حد كبير لأن المنطقة متعمدة بشكل ضيق: النموذج لا 'يعرف' الإجابات، بل يجمعها من الوثائق المراجعة والبيانات الطلب.

كانت هناك حفر موثقة علناً: رغم الجدران، أظهر المستخدمون بسرعة حقن الموجه — على سبيل المثال، الحصول على روبوت الدعم لإنشاء برنامج. لم تنجم أضرار مباشرة (الروبوت ليس لديه وصول لعمليات تتطلب مثل هذه الامتيازات)، لكن هذا وضح حقيقة على مستوى الصناعة: عدم التحديد في LLMs لا يمكن 'قفله' تماماً بموجه، والمحيط الأمني يجب أن يُبنى حول النموذج — على مستوى الامتيازات والوصول — وليس فقط داخل الموجه.

سعر المقايضة التي اختارتها كلارنا يستحق الملاحظة: قائمة بيضاء ضيقة بالموضوعات تعني حصة مرئية من الأسئلة غير القياسية تذهب مباشرة للبشر. هذا تبادل متعمد — ضحت الشركة بـ 'عالمية' الروبوت من أجل القابلية للتنبؤ والدقة في السيناريوهات المالية، حيث تفوق تكلفة الخطأ المدخرات على التصعيد.

القرار المنتج الرئيسي: الذكاء الاصطناعي يغطي الخط الأول وليس استبدال القناة — يمكن للعميل الوصول إلى وكيل بشري في أي لحظة. كانت سرعة الطرح غير مسبوقة لشركة تمويل: إطلاق عالمي عبر جميع الأسواق في نفس الوقت، بدون تجارب طويلة لكل دولة — اختارت كلارنا عن عمد السرعة والتعلم من حركة مرور مباشرة. وضع مؤلف The Pragmatic Engineer الأمور في نصابها بملاحظة دقيقة: في الأساس أتمتت كلارنا دعم L1 — طبقة كانت الشركات تتمتة باستخدام روبوتات نصية قبل عصر LLM. الفرق أن LLM تفعلها بـ 35+ لغات، مع وعي سياق الطلب، وبجودة قيّمها العملاء على قدم المساواة مع البشر — شيء لم تحققه الروبوتات النصية أبداً.

النتيجة

في شهره الأول، تعامل المساعد مع 2.3 مليون محادثة — ثلثا جميع جلسات دعم كلارنا — قام بعمل معادل لـ 700 وكيل بدوام كامل. انخفض متوسط وقت الحل من 11 دقيقة إلى أقل من دقيقتين. انخفضت الاستفسارات المتكررة بنسبة 25% — تعزو كلارنا هذا إلى إجابات أكثر دقة. بقي رضا العملاء (CSAT) على قدم المساواة مع وكلاء بشريين. قدرت الشركة التأثير بـ 40 مليون دولار تحسن في الأرباح لسنة 2024 وأعلنت ذلك علناً، في بيان صحفي مؤرخ في 27 فبراير 2024. ضع في الاعتبار أن جميع الأرقام هي التقارير الخاصة للشركة للشهر الأول من التشغيل، وليست معتمدة خارجياً.

كانت للقصة متابعة جعلت الحالة أكثر تعليماً. بالتوازي مع طرح الذكاء الاصطناعي، جمدت كلارنا التوظيف وخفضت الموظفين في 2024، رابطة ذلك علناً بإستراتيجية الذكاء الاصطناعي. ثم في مايو 2025، اعترف الرئيس التنفيذي Sebastian Siemiatkowski في مقابلة مع Bloomberg أن الأتمتة المدفوعة بالتكلفة أنتجت 'جودة أقل' وأعلن عودة وكلاء بشريين — في إعداد مرن من نوع 'Uber' مع عمليات توظيف بعيدة. 'من الحرج جداً أن تكون واضحاً لعميلك أنه سيكون هناك دائماً بشري إذا أردت'، كانت هذه كيف أطر الموضع الجديد. الذكاء الاصطناعي لم يختفِ: اعتباراً من منتصف 2025 كان المساعد لا يزال يتعامل مع حوالي ثلثي الاستفسارات، وأوقات الاستجابة كانت 82% أسرع من حقبة ما قبل الذكاء الاصطناعي.

في رأينا، يجب قراءة حالة كلارنا كاملة، مع الانعكاس لسنة 2025 — هذا هو حيث يكون أكثر فائدة. أثبت الجزء الأول أن مساعد LLM على خط أول ضيق يمكنه فعلاً الاحتفاظ بثلثي الحجم برضا CSAT على مستوى بشري — يُتحقق منه على مقياس ملايين الحوارات وقابل للنقل إلى أي عمل بتدفق كبير من الاستفسارات الروتينية. أظهر الجزء الثاني سعر الراديكالية: المقاييس التي نشرتها كلارنا قاست السرعة والحجم لكن ليس ثقة العلامة التجارية أو جودة الحالات المعقدة — وهذا بالضبط حيث تراكمت التحديات التي كان على البشر أن يعودوا لمعالجتها.

الإطار السوقي مهم أيضاً: كانت كلارنا تستعد لـ IPO، والادعاءات الذكاء الاصطناعي العالية خدمت سردية الاستثمار — كما فعل التصحيح اللاحق نحو 'الجودة'. بالنسبة للممارسين، الدرس، في رأينا، هو هذا: البنية المعمارية المستهدفة للدعم هي هجينة حيث يزيل الذكاء الاصطناعي الروتين والبشر يبقون ضمان الجودة وسبيل التصعيد؛ المشاريع المصممة كهجينة منذ اليوم الأول لا تحتاج أبداً إلى المرور عبر انعكاس مؤلم.

الدروس المستفادة

1. قس التأثير بمقاييس تشغيلية يبلغ عنها الدعم بالفعل: وقت الحل والحصة من الحجم والاستفسارات المتكررة. أبلغت كلارنا عن هذه بالضبط — والأرقام يصعب الطعن فيها.
2. تكافؤ رضا العملاء مع البشر هو عتبة التوسع: ذهبت ثلثا الدردشات للذكاء الاصطناعي فقط بينما ظلت الرضا على مستوى وكلاء بشريين.
3. تعدد اللغات هو رافعة العائد على الاستثمار الرئيسية لخدمة عالمية: مساعد واحد بـ 35+ لغة يستبدل عشرات خطوط الدعم المحلية.
4. يأتي الموثوقية من تضييق المنطقة: قائمة بيضاء للموضوع والتحقق من الإجابة والتسليم الآلي للبشر جعل المساعد مقاوماً للهلوسة — لأنه لا يحاول الإجابة على كل شيء.
5. حقن الموجه ليس فرضياً: حصل مستخدمون على روبوت كلارنا لإنشاء برنامج في غضون أسابيع. يُبنى محيط الأمان حول النموذج (الامتيازات والوصول)، وليس فقط في الموجه.
6. سطر P&L عام ($40M) يحول مشروع ذكاء اصطناعي من 'تجربة' إلى عنصر قابل للدفاع أمام المستثمر — لكن الأرقام غير المعتمدة للشركة تحتاج إلى سياق عند الاستشهاد بها.
7. الانعكاس لسنة 2025 هو أكبر درس في الحالة: السرعة والحجم أتمتة بسرعة، لكن جودة الحالات المعقدة وثقة العلامة التجارية لا تتحقق بسرعة. صمم الهجين منذ البداية حتى لا تضطر للعودة للبشر تحت الضغط.

الأسئلة الشائعة