الشركات الناشئة القائمة على الذكاء الاصطناعي أولاً: لماذا يتعثر التسويق من أجل النمو وما الذي ينكسر في القمع التسويقي

المشكلة في الشركات الناشئة القائمة على الذكاء الاصطناعي أولاً ليست في التسويق بحد ذاته، بل في منطق النمو القديم الموروث من SaaS. فالمنتج التقليدي يمكن توسيعه عبر القمع المألوف من الزيارات إلى التفعيل ثم الاحتفاظ بالمستخدمين. أما منتج الذكاء الاصطناعي فكثيراً ما يعرض صورة جميلة في المؤشرات، بينما تخفي هذه الصورة واقعاً مختلفاً تماماً: فجزء كبير من المستخدمين لا يأتي لحل مشكلة، بل ليتحقق من الضجة المثارة، أو ليقارن غلافاً آخر فوق نموذج، أو ليرى ببساطة ما الذي بات الذكاء الاصطناعي قادراً عليه.

وتزداد خطورة ذلك في المرحلة المبكرة لأن الأرقام تبدو مطمئنة. فقنوات الاستقطاب قد تُكتشف بسرعة، ومحتوى الذكاء الاصطناعي ينتشر من تلقاء نفسه بين المجتمعات المهتمة، وقادة الرأي يتبنّون الموضوع، والتوصيات العضوية تمنح انطباعاً بأن المنتج بدأ ينمو بنفسه تقريباً. ويأتي معدل النقر CTR أعلى من المتوقع، وتبقى تكلفة الاستقطاب ضمن الحدود المقبولة، ويُرضي معدل التحويل إلى التسجيل الفريق، فيبدأ الانطباع بأن النمو القابل للتكرار (repeatable growth) قد وُجد بالفعل. لكن في بيئة AI-first يسهل أن تكون هذه الإشارات إيجابية كاذبة: فالاهتمام بالتقنية يتنكّر في هيئة اهتمام بالمنتج.

المشكلة الرئيسية أن الجِدّة نفسها تخلق هنا طلباً لم يكن موجوداً بهذا القدر في SaaS الكلاسيكي. فقد يحصل المستخدم على انبهار سريع منذ الجلسة الأولى، حتى لو لم يندمج المنتج بعد في عمله الفعلي. ولهذا تبدأ مقاييس التفعيل المعتادة بالتضليل. فمن يبدون مستخدمين مثاليين بحسب بيانات الاستقطاب (acquisition) كثيراً ما يختفون بعد بضع جلسات. أما من يصلون لاحقاً إلى الدفع ويصبحون مستخدمين مستقرين، فيتصرفون على العكس بصورة فوضوية: يعودون بعد عدة أيام، ويجرّبون سيناريوهات غريبة، ويغيّرون صياغة مهامهم، ويختبرون المنتج في الحالات الحدّية، وهم يشبهون من الخارج حركة زوار رديئة الجودة.

ومن هنا يتغير فهم التفعيل ذاته. فبالنسبة لمنتج AI-first لم يعد التفعيل في الغالب حدثاً واحداً مثل التسجيل أو رفع البيانات أو المشروع الأول، بل مسار ثقة. فالمستخدم لا يكتفي بالضغط على الأزرار، بل يختبر ما إذا كان بالإمكان تفويض جزء من عمله إلى النظام. بعضهم يحسم ذلك في دقائق، وآخرون لا يحسمونه إلا بعد سلسلة اختبارات في سيناريوهات مختلفة. لذلك ينبغي للتحليلات ألا تكتفي برصد وقوع الفعل، بل أن تنظر إلى بنية التفاعل: بأي سرعة تتعقد المهمة، وهل يعود الشخص إلى السياق السابق، وكيف يعدّل طلبه، وهل يستخدم الذكاء الاصطناعي كأداة أم كمنفّذ أم كشريك في الحوار. ولم يعد فريق النمو يتعامل مع الأحداث فقط، بل مع إشارات سلوكية تدل على جودة النية.

ويحدث التحول التالي على مستوى التجارب. ففي نهج النمو المعتاد يختبر الفريق الشاشات وعملية الاستقبال (onboarding) والأسعار والنصوص ويقارن الأفواج. أما في منتجات AI-first فلم يعد هذا كافياً، لأن التجربة داخل النظام نفسها أصبحت متكيفة. فالنموذج يجيب بصور مختلفة، والوكلاء (agents) يغيّرون مسار المستخدم، والعرض والتلميحات تتكيف مع الجلسة الحالية، واللحظة الأولى التي تظهر فيها القيمة تقع عند أشخاص مختلفين في أماكن مختلفة. ولهذا يفقد القمع الثابت معناه، ولا يعود اختبار A/B الكلاسيكي قياساً نقياً. وعملياً لم يعد المُختبَر شاشة مقابل شاشة، بل منطق اتخاذ القرار داخل المنتج: أي إشارة تُعدّ قوية، ومتى يُنقل المستخدم إلى سيناريو أكثر تعقيداً، وأين يُستدعى الإنسان، وأين يُترك للنظام أن يواصل الحوار بصورة مستقلة.

ويترتب على ذلك استنتاج مهم: في الشركات الناشئة القائمة على الذكاء الاصطناعي أولاً يتحول النمو تدريجياً إلى تخصص هندسي. فلم يعد منفصلاً عن المنتج، ولا يقتصر على شراء الزيارات أو نسخ الحلقات الناجحة. وتحتاج الفرق إلى أشخاص قادرين على تصميم طبقة التنسيق (orchestration) بين الاستقطاب وسلوك المستخدم ومنطق النموذج وتحقيق الدخل والاحتفاظ بالمستخدمين. أي ليس مجرد مسوّقين، بل متخصصين عند تقاطع المنتج (product) والتحليلات والتفكير النظمي (systems thinking).

وهذا يعني للسوق أمراً بسيطاً: لن يفوز من يضخّ الزيارات في منتج الذكاء الاصطناعي أسرع من غيره، بل من يتعلم التمييز بين الفضول والنية الحقيقية، ويبني النمو حول الثقة بذكاء النظام.