لو فريق المبيعات حدّث سعرًا في ملف، والعمليات عدّلت موعد التنفيذ في ملف تاني، مين المفروض يوافق قبل ما موظف AI يرد بالمعلومات الجديدة؟ الإجابة مش "اللي رفع الملف". القرار لازم يكون عند صاحب المعلومة داخل الشركة، مع تسجيل النسخة المعتمدة وتاريخ سريانها.
ده فرق مهم بين تجهيز قاعدة معرفة لأول مرة وبين تشغيلها بشكل آمن بعد كده. المقال الخاص بتجهيز بيانات الشركة يشرح إيه اللي تجمعه. هنا بنتكلم عن مين يوافق على التغيير وإمتى يوصل للعميل.
المشكلة مش في تحديث الملف، المشكلة في صلاحية اعتماده
تخيل شركة خدمات في مصر عندها عرض موسمي. التسويق كتب أن العرض مستمر لنهاية الشهر، والمبيعات أبلغت العملاء أنه انتهى، والمالية لسه ما اعتمدتش الخصم الجديد. لو كل قسم رفع مستنده من غير مراجعة، ممكن يطلع رد صحيح بالنسبة لملف وخاطئ بالنسبة لقرار الشركة الحالي.
الحل العملي هو فصل ثلاث خطوات: اقتراح المعلومة، اعتمادها، ثم اختبار استخدامها في الرد. وجود سجل للمراجعات مهم، لكنه لا يعني أن منصة AI نفسها تملك بالضرورة Workflow موافقات جاهزًا. ممكن تبدأ العملية بجدول داخلي ومسؤول واضح.
سجل مصدر صغير أفضل من ملفات كثيرة بلا مالك
لكل معلومة حساسة في الردود، سجل الحقول دي:
| الحقل | السؤال العملي |
|---|---|
| المصدر | فين الملف أو النظام المرجعي؟ |
| المالك | مين القسم المسؤول عن صحة المعلومة؟ |
| المعتمد | مين له صلاحية الموافقة؟ |
| النسخة | إيه تاريخ آخر تعديل وسريان؟ |
| الحالة | مقترح، قيد مراجعة، معتمد، أو متوقف |
| الأثر | أنهي إجابات أو منتجات أو فروع هتتغير؟ |
مافيش داعي تعمل النظام ده لكل وصف تسويقي بسيط. ابدأ بالمعلومات اللي ممكن تعمل وعد مالي أو تشغيلي: الأسعار، الخصومات، المواعيد، التوافر، الاسترجاع، والالتزامات التعاقدية.
مثال: تغيير موعد التسليم في فرع واحد
العمليات تقترح نقل موعد التسليم لفرع معين من الثلاثاء للخميس. قبل اعتماد التغيير، المبيعات تراجع الطلبات المفتوحة اللي اتقال لها الثلاثاء، وخدمة العملاء تجهز ردًا واضحًا للحالات المتأثرة. بعدها صاحب القرار يعتمد التاريخ الجديد، ويتسجل وقت سريانه.
لو موظف AI سُئل عن موعد طلب قديم، ماينفعش يرد بموعد الفرع الجديد وكأنه ينطبق على كل الحالات. لازم تفرّق بين معلومة عامة حالية وبين وعد سابق لعميل بعينه يحتاج مراجعة بشرية.
اختبر التغيير قبل ما يلمس محادثة حقيقية
اختار خمس محادثات ممثلة على الأقل كاختبار تشغيلي مبدئي، مش معيار جودة عالمي. اسأل عن الموعد الجديد، والقديم، وعن حالة عميل عنده وعد سابق. اختبر سؤالًا ناقصًا وسؤالًا يجمع بين فرعين.
سجل هل الرد استند إلى المصدر المعتمد، وهل اعترف بنقص المعلومة، وهل حوّل الاستثناء للموظف. لو فشل، ارجع لسبب الفشل: المصدر، صياغة القاعدة، أو طريقة استرجاع المعرفة. مجرد تعديل Prompt مش بديل عن تصحيح معلومة خاطئة.
يوصي إطار NIST لإدارة مخاطر الذكاء الاصطناعي بإدارة المخاطر عبر الحوكمة والقياس والمتابعة المستمرة. ده إطار طوعي عام، مش شهادة امتثال ولا قانونًا مصريًا خاصًا بموظفي AI.
إمتى توقف الإجابة الآلية؟
لو فيه مصدران معتمدان متعارضان، أو قرار سعر لم يوقع عليه صاحبه، أو وعد خاص لا يظهر في بيانات الشركة، الأفضل أن الرد يوضح الحاجة للمراجعة بدل ما يختار إجابة بثقة. عرّف مين يستلم الحالة، وإيه المعلومات اللي يحتاجها، وإمتى يرجع للعميل.
خطوة عملية للفريق هذا الأسبوع
ابدأ بثلاث فئات عالية المخاطر، وسمّ لكل واحدة مالكًا ومعتمدًا. راجع أحدث عشر محادثات فيها سعر أو موعد أو سياسة. حوّل كل تعارض إلى تحديث موثق واختبار جديد. بعد كده وسّع النطاق حسب تكرار الأخطاء، مش حسب عدد الملفات.
في Mr. AI الشركة تضيف معرفتها وقواعدها وتختبر الردود، ويمكن للفريق مراجعة المحادثة واستلامها عند الحاجة. اعتماد المعلومات بين أقسام الشركة مسؤولية تشغيلية تحددها أنت، ولا نفترض وجود نظام موافقات تلقائي لم يُعلن عنه. لو عايز تشوف إزاي تضبط المعرفة والتدخل البشري، احجز تجربة مع الفريق.
