دليل عملي لفهم وكيل الصوت بالذكاء الاصطناعي: مكوناته وبنيتاه وحالات استخدامه ومبادئ تصميمه وخطة إطلاق آمنة وقياس لنتائجه.
كثير من الشركات في الخليج والشرق الأوسط تدير خدمة العملاء عبر WhatsApp وInstagram ودردشة الموقع، لكن العميل ما زال يتصل هاتفيًا حين يكون الأمر عاجلًا أو معقدًا أو حين يكون مستعجلًا في سيارته. وكيل الصوت بالذكاء الاصطناعي يرد على هذه المكالمات بلغة طبيعية، لكنه ليس نسخة صوتية من روبوت الدردشة، وتصميمه له قواعد مختلفة.
في هذا المقال ستعرف كيف يعمل الوكيل الصوتي من الداخل، ومتى يفيد ومتى لا يفيد، وكيف تصمم محادثة منطوقة جيدة، وكيف تطلقه تدريجيًا وتقيس نجاحه.
ما هو وكيل الذكاء الاصطناعي الصوتي فعليًا؟
وكيل الصوت برنامج يستقبل كلام المتصل، ويفهم قصده، ويبحث عن الجواب في مصادر معرفتك، ثم يرد بصوت مسموع. هو ليس قائمة خيارات من نوع "اضغط 1 للمبيعات"، وليس مجرد تسجيل صوتي. المتصل يتكلم بحرية، والوكيل يتابع الحوار ويطرح أسئلة توضيحية ويتذكر ما قيل قبل ثوانٍ.
الفرق الجوهري عن الدردشة النصية أن الصوت يجري في الزمن الحقيقي. لا يستطيع العميل أن "يمرر نظره" على الجواب أو يعود إلى سطر سابق. إذا طال الرد أو تعثر، يشعر بذلك فورًا. لذلك يُقاس وكيل الصوت بالسرعة والإيجاز ووضوح النطق بقدر ما يُقاس بصحة المعلومة.
وهو لا يحل محل فريقك. وظيفته أن يلتقط الأسئلة المتكررة، مثل ساعات العمل وحالة الطلب وموعد الحجز، ويحوّل ما يتجاوز قدرته إلى إنسان.
اللبنات الثلاث
تقوم أي منظومة صوتية على ثلاثة أجزاء، حتى لو بدت من الخارج كتلة واحدة.
1. تحويل الكلام إلى نص
يلتقط هذا الجزء صوت المتصل ويحوّله إلى نص مكتوب. هنا تظهر صعوبات اللهجات والضوضاء وجودة خط الهاتف. جملة تُفهم بسهولة في الدردشة قد تُلتقط خطأً عبر مكالمة ضعيفة الإشارة.
2. العقل: النموذج والمعرفة
يقرأ النموذج النص ويقرر ماذا يجيب، مستندًا إلى شخصية الوكيل وتعليماته ومصادر معرفته. جودة الجواب هنا تعتمد على جودة ما غذّيته به من ملفات وأسئلة وأجوبة وصفحات موقع. وكيل بمعرفة ناقصة سيبدو ذكيًا في النبرة وضعيفًا في المضمون.
3. تحويل النص إلى كلام
يحوّل هذا الجزء الجواب المكتوب إلى صوت. اختيار الصوت يؤثر في ثقة المتصل: صوت واضح وهادئ بإيقاع مناسب يخدمك أكثر من صوت متكلف أو سريع.
وفوق هذه الثلاثة طبقة رابعة لا تُرى: خط الاتصال نفسه، أي الرقم الهاتفي الذي تصل عبره المكالمة إلى النظام.
- 01المتصل يتكلم
- 02تحويل الكلام إلى نص
- 03النموذج يبحث ويصوغ الجواب
- 04تحويل النص إلى صوت
بنيتان: المسار المتسلسل والكلام المباشر
هناك طريقتان شائعتان لبناء الوكيل الصوتي.
المسار المتسلسل (Pipeline): تعمل المراحل الثلاث واحدة بعد الأخرى، كما في الشكل أعلاه. ميزته أنك تتحكم في كل حلقة: تختار النموذج وتختار الصوت، وترى النص الوسيط فتراجعه وتخزنه. عيبه أن كل مرحلة تضيف تأخيرًا صغيرًا، فيصير مجموع الصمت بين سؤال المتصل وجوابك ملحوظًا.
الكلام المباشر (Speech-to-Speech): نموذج واحد يسمع الصوت ويرد بالصوت دون المرور بنص وسيط. تبدو المحادثة أكثر سلاسة وطبيعية، ويُقاطَع الوكيل بسهولة أكبر كما يحدث بين البشر. لكن لديك تحكم أقل في التفاصيل، وغالبًا اعتماد على مزوّد واحد.
لا توجد بنية "أفضل" مطلقًا. إن كانت أولويتك الضبط والمراجعة فالمتسلسل مناسب، وإن كانت أولويتك الإحساس الطبيعي بالحوار فالمباشر يستحق التجربة.
أين يفيد الصوت وأين لا يفيد
حيث يتفوق الصوت
- الأسئلة العاجلة: من ينتظر جوابًا وهو يقود أو يحمل أغراضه يفضّل الاتصال على الكتابة.
- الفئات الأقل راحة مع الكتابة: كبار السن ومن يفضّلون الحديث على الطباعة.
- المواعيد والحجوزات: حوار قصير ومحدد، مثل تأكيد موعد أو تغييره.
- ساعات الذروة وما بعد الدوام: وكيل يلتقط المكالمة بدل أن تذهب إلى بريد صوتي لا يُسمع.
حيث لا يناسب الصوت
- المعلومات الطويلة أو الدقيقة: رقم طلب من اثنتي عشرة خانة أو عنوان تفصيلي أو جدول أسعار يُقرأ أصعب بكثير مما يُرسل مكتوبًا.
- الأمور الحساسة: لا تطلب من المتصل أن يقول بيانات سرية بصوت مرتفع في مكان عام.
- الشكاوى المشحونة: المتصل الغاضب يريد إنسانًا يعترف بمشكلته، والوكيل هنا يجب أن يحوّل بسرعة.
مبادئ تصميم المحادثة المنطوقة
تصميم الكلام يختلف عن تصميم النص. هذه مبادئ تتكرر في المشاريع الجيدة.
- ابدأ بتعريف نفسك وحدّد التوقعات. جملة قصيرة تقول إن المتصل يكلّم مساعدًا آليًا وبماذا يستطيع أن يساعده. الصراحة تبني الثقة وتقلل الإحراج.
- اجعل الجمل قصيرة. جواب من جملة إلى ثلاث جمل. الفقرات الطويلة تُنسى قبل أن تنتهي.
- سؤال واحد في كل مرة. لا تسأل "ما اسمك ورقم طلبك وما المشكلة؟" دفعة واحدة.
- أكّد الأرقام والتواريخ بصوت عالٍ. "موعدك يوم الثلاثاء الساعة الرابعة عصرًا، هل هذا صحيح؟" خطوة صغيرة تمنع أخطاء مكلفة.
- تجنب الرموز والروابط داخل الكلام. لا أحد يريد سماع عنوان رابط حرفًا حرفًا. اعرض إرساله عبر قناة مكتوبة.
- جهّز مخرجًا إلى إنسان. يجب أن يعرف المتصل كيف يصل إلى موظف، وأن يعرف الوكيل متى يفعل ذلك دون إصرار على المحاولة.
- اعترف بحدود معرفتك. عبارة "لا أملك هذه المعلومة، سأحوّلك إلى زميل" أفضل من جواب مختلق.
وانتبه إلى اللغة واللهجة. العربية الفصحى المبسطة مقبولة عادة في الأعمال، لكن بعض الشركات تفضّل نبرة أقرب إلى لهجة العملاء. جرّب الصوت المختار على عبارات حقيقية من مكالماتك قبل أن تعتمده.
خطة إطلاق آمنة
لا تفتح الخط على كل العملاء من اليوم الأول. اتبع مراحل.
- اختبار داخلي: اتصل أنت وفريقك بالوكيل بأسئلة عادية وأخرى مربكة، وبلهجات مختلفة وفي أماكن صاخبة.
- مجال ضيق: ابدأ بنوع واحد من الأسئلة، مثل ساعات العمل أو حالة الطلب، ولا تضف الاستثناءات الكثيرة بعد.
- مراجعة كل مكالمة في الأسبوع الأول: استمع وافحص النصوص، وسجّل أين أخطأ الوكيل أو ترددّ.
- تحسين المعرفة والتعليمات: أغلب المشكلات تُحل بإضافة سؤال وجواب ناقصين، لا بتغيير النموذج.
- توسيع تدريجي: أضف موضوعًا جديدًا فقط حين يستقر السابق.
- المكالمات الصادرة في النهاية: التذكيرات والتأكيدات أكثر حساسية لأنك أنت من يبادر بالاتصال. اختبرها على أرقام فريقك أولًا، واحرص على وجود موافقة من العميل على التواصل وفق أنظمة بلدك.
الأرقام أعلاه توضيحية فقط لتبيّن كيف تقسم المراجعة. في تجربتك الفعلية ستكون النسب مختلفة، والمهم أن تعرف أي شريحة تحتاج اهتمامك أولًا.
قياس النجاح
لا يكفي أن تسأل "هل يعمل؟". قِس بمؤشرات واضحة:
- نسبة الحل دون موظف: كم مكالمة أُغلقت دون تحويل، مع التأكد أن العميل خرج راضيًا فعلًا لا أنه يئس.
- نسبة التحويل ولماذا: كل تحويل يحمل درسًا: هل كانت المعرفة ناقصة أم الطلب خارج النطاق أصلًا؟
- مدة المكالمة: طولها الزائد قد يدل على أسئلة متكررة أو سوء فهم.
- الانقطاع المبكر: من أغلق الخط في الثواني الأولى؟ قد تكون التحية طويلة أو الصوت منفّرًا.
- رضا العميل: استمع بنفسك إلى عينة عشوائية، فالأرقام وحدها لا تروي القصة.
- الأسئلة غير المجابة: قائمة تتحول مباشرة إلى مواد جديدة لقاعدة المعرفة.
وراقب التكلفة: الدقائق الصوتية تستهلك رصيدًا أكثر من الرد النصي، فاحسب الجدوى على أساس المكالمات التي يحلها الوكيل فعلًا.
تطبيق ذلك في AI SNS CHAT
في AI SNS CHAT يوجد قسم Voice في الشريط الجانبي، ويضم: Overview وAnalytics وVoice agent وAvatar وVoice Playground وInbound calls وCall history وOutbound calls وVoice / SIP وUsers وDevelopers.
ابدأ من Voice Playground. جرّب الوكيل الصوتي هناك قبل ربط أي رقم. تدعم المنظومة الصوتية 22 لغة، وبعضها يستخدم صوتًا إنجليزيًا احتياطيًا على الهاتف، لذا اختبر لغتك وعباراتك قبل الاعتماد عليها.
اختر الصوت. مزودو تحويل النص إلى كلام هم Grok/xAI (الافتراضي) وOpenAI (gpt-4o-mini-tts) وElevenLabs وكلام المتصفح. مع ElevenLabs تتاح مكتبة أصوات وتصميم صوت واستنساخ.
الكلام المباشر. يعتمد وضع Synthia للكلام إلى كلام على OpenAI Realtime API فقط، دون بديل احتياطي. كما يُعرض صوت Grok المباشر، لكنه يرد افتراضيًا على مالك الحساب وحده.
المكالمات الواردة. في Inbound calls تربط رقم Twilio بكل وكيل، مع اختبار ذاتي للـ webhook وإصلاح تلقائي. الوكيل نفسه الذي تضبط شخصيته ومصادر معرفته (من Data sources) هو الذي يُربط بالرقم، فتبقى المعرفة في مكان واحد.
المكالمات الصادرة. في Outbound calls تُنشئ حملات دفعية تتطلب رقم Twilio، مع مكالمة تجريبية أولًا، ويمكن إيقاف الحملة أثناء التشغيل. استخدمها للتذكيرات المتفق عليها فقط.
المراجعة والقياس. Call history تتيح لك مراجعة المكالمات، وAnalytics في قسم Voice تعرض التحليلات الصوتية. التحليلات المتقدمة العامة تتطلب باقة Pro.
تنبيهات مهمة:
- إعدادات SIP trunk تُحفظ في الصفحة، لكن لم يوجد مسار مكالمات يستخدمها، فلا تبنِ خطتك عليها.
- WhatsApp voice والأرقام الهاتفية المُدارة ما زالت قائمة انتظار ("Coming soon") فقط.
- احتساب الدقيقة الصوتية: الرصيد لكل دقيقة تحدده الإدارة، وفي عرض باقة Private AI تساوي الدقيقة 4 أرصدة. راجع الأسعار لتفاصيل الباقات.
أما دردشة WhatsApp وInstagram والموقع فتبقى قنواتك النصية، ويمكنك الاطلاع على القنوات المتاحة في الميزات والاتصالات. للبدء يمكنك إنشاء حساب وتجربة الوكيل في Voice Playground.
الأسئلة الشائعة
هل أحتاج إلى رقم هاتف لتجربة وكيل صوتي؟
لا. يمكنك تجربة الوكيل أولًا في Voice Playground داخل لوحة التحكم دون أي رقم. الرقم مطلوب فقط عند استقبال مكالمات حقيقية، وهو رقم Twilio يُربط بالوكيل من صفحة Inbound calls.
هل يمكن للوكيل نفسه أن يخدم الدردشة والصوت؟
الأرقام الهاتفية تُربط بالوكيل نفسه، وهو الذي تحدد شخصيته ومصادر معرفته من لوحة التحكم، فلا تحتاج إلى بناء المعرفة من الصفر للصوت. ومع ذلك اضبط أسلوب الرد المنطوق بإيجاز أكبر، واختبره في Voice Playground قبل الإطلاق.
ما اللغات التي تدعمها المنظومة الصوتية؟
تدعم المنظومة الصوتية 22 لغة، وبعضها يستخدم صوتًا إنجليزيًا احتياطيًا على الهاتف. لذلك جرّب لغتك ولهجتك وعباراتك الفعلية في Voice Playground قبل الاعتماد عليها.
هل أستطيع استخدام SIP trunk خاص بي أو استقبال مكالمات WhatsApp الصوتية؟
حاليًا لا. إعدادات SIP تُحفظ لكن لا يوجد مسار مكالمات يستخدمها، وWhatsApp voice في قائمة الانتظار فقط. المتاح للمكالمات الواردة والصادرة هو رقم Twilio.
هل الصوت آمن للتذكيرات الصادرة؟
يمكن أن يكون كذلك إذا التزمت بالموافقة المسبقة من العملاء وبأنظمة بلدك. تتطلب الحملات الصادرة رقم Twilio ومكالمة تجريبية أولًا، ويمكن إيقافها أثناء التشغيل. ابدأ بدفعة صغيرة من أرقام فريقك وراجع النتائج قبل التوسع.

