ثلاثة نماذج ذكاء اصطناعي بدل جداول BI: كيف تحلّل ربحية المنتجات على Ozon

يرى البائع على Ozon أن منتجه في الصدارة: الدوران ينمو والكتالوج ينبض بالحياة. لكن في نهاية الشهر لا تصل الأموال لسبب ما. والمشكلة ليست في غياب الدوران أصلًا، بل في أنه لا يتضح أين ذهبت الأموال بعد عمولات المنصة والمرتجعات ونفقات الإعلان.

لماذا لا تحل جداول BI المشكلة

هذه مشكلة يعاني منها تقريبًا كل بائع تجارة إلكترونية لديه كتالوج كبير. فحساب قائمة الأرباح والخسائر (P&L) الكاملة يدويًا لما بين 500 و2000 صنف يستغرق ساعات كل أسبوع، وفي معظم الحالات لا يقوم به أحد ببساطة. يُقيَّم المنتج بحسب الدوران، بينما قد يكون هامشه الفعلي سالبًا لسنوات دون أن يلاحظ أحد.

أدوات التحليل موجودة في السوق منذ زمن طويل. لكن معظمها يعرض كمًّا كبيرًا من الأرقام في جداول بشكل أنيق فحسب. المعلومات كثيرة، لكن لا توجد إجابة عن السؤال الأهم: ماذا أفعل بكل هذا الآن؟ تعمل أنظمة BI التقليدية وفق قواعد صارمة وإعدادات مسبقة. فهي غير مرنة، ولا تنظر إلى سياق كل منتج على حدة، ولا تقدم نصائح.

لجنة من ثلاثة نماذج ذكاء اصطناعي

لا تعالج SKUmind المشكلة بنموذج واحد، بل بلجنة من ثلاثة نماذج مختلفة. في السوق نماذج ذكاء اصطناعي متنوعة: Claude وGPT وغيرهما. كل منها تدرّب بطريقة مختلفة وينظر إلى المهمة من زاوية مختلفة.

الفكرة بسيطة: تُعطى البيانات نفسها للنماذج الثلاثة، ويبدي كل منها رأيه بشكل مستقل. بعد ذلك يراجع حَكَم خاص، وهو أيضًا نموذج ذكاء اصطناعي، مواضع تطابق الآراء ومواضع اختلافها، ويختار الاستنتاج الأكثر موثوقية.

لماذا ثلاثة بالتحديد؟ لأن النموذج الواحد قد يبدأ بالهلوسة ويختلق وقائع. وقد يكون الثاني محافظًا أكثر من اللازم فيرى مخاطر غير موجودة فعليًا. وقد يغفل الثالث تفصيلًا مهمًا. وعندما يكون هناك أكثر من نموذج، يراجع كل منها الآخر ويكتشف الأخطاء. الأمر أشبه بلجنة أطباء تُعقد في العيادة: يرى أحد الأطباء شيئًا، ويرى الثاني شيئًا آخر، وينتبه الثالث إلى ما فات الاثنين الأولين. وفي النهاية يكون التشخيص أكثر موثوقية مما لو نظر فيه شخص واحد.

يحلّل كل من النماذج الثلاثة، لكل منتج:

• الهامش الحقيقي بعد جميع عمولات المنصة والمرتجعات
• كفاءة كل روبل أُنفق على الإعلان
• الإمكانات السعرية: هل الأسعار مبالغ فيها أم أقل من قيمتها
• الاتجاهات الموسمية وتقلب الطلب عبر الزمن
• توصيات محددة حول ما يجب تغييره بشكل عاجل

التنفيذ: واجهة API ومراجعة الشيفرة الطويلة

تبيّن أن الأمر من الداخل أعقد بكثير مما بدا في البداية. فـOzon لا تنشر جميع المقاييس والأرقام اللازمة عبر واجهة API الرسمية. واضطر الفريق إلى استعادة المنطق يدويًا من تحليل حركة الطلبات. وقد ساعد في ذلك أنه كان بالإمكان تشغيل جلستين من Claude بالتوازي، وتكليفهما بتحليل المهمة نفسها من زوايا مختلفة، ثم مقارنة النتائج.

بعد أن اكتمل منطق التطبيق أخيرًا، بدأت المرحلة الأطول والأكثر مللًا: مراجعة الشيفرة. فلأن هذا النظام يؤثر مباشرة في القرارات المالية للناس، يجب فحص كل سطر وكل خوارزمية فحصًا نقديًا. ومراجعة الشيفرة تستغرق الآن 60–70% من إجمالي وقت التطوير. إنها عملية طويلة ومرهقة، لكنها مبررة تمامًا حين يتعلق الأمر بأموال الآخرين.

ماذا يغيّر هذا في الصناعة

يخرج الذكاء الاصطناعي من خانة التجارب إلى خانة الأدوات العملية للعمل. أما جداول BI الثابتة القائمة على قواعد صارمة مسبقة الإعداد فهي من الماضي. وتحل محلها نماذج قادرة على الاستدلال بمرونة، مثل الإنسان.

وهذا يعني للتجارة الإلكترونية أن الشفافية المالية لم تعد ترفًا للمتخصصين، بل تصبح معيارًا متاحًا لأي بائع لديه كتالوج كبير.