Jev يطرح نموذجاً لتصميم واجهات تتخذ قرارات سريعة وفق مستوى الثقة

ليست كل مهمة في المنتج بحاجة إلى مربع محادثة أو جواب طويل من نموذج لغوي. أحياناً يحتاج النظام إلى قرار صغير ومحدد: هل هذه الرسالة عاجلة؟ إلى أي نموذج ينبغي توجيه طلب الإجازة؟ هل العملية المالية ضمن السياسة؟ وما الذي يجب عرضه لمستخدم جديد؟

هذا هو السياق الذي يناقشه مقال UX Collective حول Jev، وهو نموذج تصنيف أعلنت عنه TypeSafe AI. يستقبل النموذج محتوى وسؤالاً ومجموعة خيارات ثابتة، ثم يعيد اختياراً أو درجة أو إجابة بنعم/لا، مرفقة باحتمال ومستوى ثقة.

بصيغة أبسط: بدلاً من مطالبة نموذج ذكاء اصطناعي بكتابة تفسير مفتوح، يُطلب منه وضع الحالة ضمن أحد المسارات التي حددها فريق المنتج مسبقاً.

ما المقصود بالتصنيف هنا؟

التصنيف هو تحويل مدخل غير منظم — مثل رسالة دعم أو نص كتبه المستخدم في حقل نموذج — إلى فئة محددة مسبقاً. هذه ليست فكرة جديدة؛ فمرشحات الرسائل المزعجة وأنظمة تقييم المخاطر وترتيب المحتوى تستخدم المبدأ نفسه منذ سنوات.

ما يقدمه Jev، وفقاً للمادة، هو إخراج منظم يصلح للاستخدام المباشر في البرمجيات:

• Choice: اختيار فئة واحدة من مجموعة خيارات محددة.
• Score: درجة على مقياس يعرّفه الفريق.
• Noul: إجابة نعم أو لا، مع قيمة بين صفر وواحد تعبّر عن احتمال «نعم».

تكمن الفائدة التصميمية في أن شكل النتيجة معروف مسبقاً. فلا يتعامل الفريق مع فقرة قد تتغير صياغتها، بل مع قرار يمكن ربطه بسلوك واجهة واضح.

الاحتمال ليس أمراً تلقائياً

النتيجة الاحتمالية لا تعني أن النظام يجب أن يتصرف دائماً من تلقاء نفسه. إذا كانت احتمالات ثلاث فئات متقاربة، فهذا مؤشر عملي على أن الحالة ملتبسة. وإذا كانت ثقة النموذج مرتفعة، فقد تكون النتيجة مناسبة لتشغيل إجراء محدود المخاطر.

هنا ينتقل جزء مهم من المسؤولية إلى تصميم التجربة: ما الحد الذي يستحق التنفيذ؟ وما الحد الذي يستحق سؤال المستخدم؟ ومتى يجب التحويل إلى موظف أو مراجعة يدوية؟

يمكن تمثيل ذلك بثلاث حالات في الواجهة:

1. ثقة مرتفعة: ينفذ النظام الإجراء الروتيني أو يقترح الخيار بوضوح.
2. ثقة متوسطة: يعرض توصية مع تأكيد بسيط من المستخدم.
3. ثقة منخفضة: لا يفترض النظام القرار، بل يطلب معلومات إضافية أو يحيل الحالة للمراجعة.

ولا ينبغي عرض نسبة الثقة لمجرد الزينة. عرضها مفيد فقط حين يغيّر ما ينبغي أن يفعله المستخدم، وإلا فقد يدفعه إلى الثقة بتوصية آلية أكثر مما تستحق؛ وهو ما يعرف بتحيز الأتمتة.

لماذا تهم السرعة لتجربة المستخدم؟

تنسب TypeSafe AI إلى Jev زمناً يتراوح بين 70 و500 مللي ثانية في قياساتها على الساحل الغربي الأميركي. هذه أرقام من الشركة نفسها، لكنها تفسر زاوية المقال: عندما يصل القرار بسرعة قريبة من تفاعل الكتابة، يمكن للواجهة أن تتجاوب أثناء إكمال المستخدم للمهمة، لا بعد انتقاله إلى شاشة أخرى أو انتظار رد محادثة.

يشير المقال إلى «عتبة Doherty» التي تربط الاستجابة دون نحو 400 مللي ثانية بشعور المستخدم بأن النظام يستجيب ضمن تدفق تفكيره. إن تحققت هذه السرعة في الاستخدام الفعلي، يمكن أن تظهر تطبيقاتها في الواجهة على النحو الآتي:

• ترتيب اقتراحات البحث بحسب نية المستخدم، لا بحسب تطابق الكلمات فقط.
• تنبيه المستخدم إلى خطأ محتمل أثناء تعبئة الحقل، قبل إرسال النموذج.
• فرز تذاكر الدعم أو عناصر المراجعة فور وصولها بحسب الأولوية.
• تعليق عملية حساسة، مثل تعديل جماعي أو دفعة، وطلب تأكيد واحد عند وجود مخاطرة.
• اختيار حالة البداية الأنسب: استيراد البيانات لحساب جديد، أو دعوة الفريق لمستخدم يعمل منفرداً.

الادعاءات المتعلقة بالكلفة والأداء تحتاج إلى اختبار محلي

تذكر المادة أن TypeSafe AI تسعّر Jev عند 0.042 دولار لكل مليون رمز إدخال، مع مخرجات مجانية، وتعرض مقارنات سرعة وكلفة مع نماذج محادثة متقدمة. كما تنقل اختبارات طرف ثالث أظهرت نتائج مختلفة بين الدقة والكلفة بحسب المهمة.

لكن هذه الأرقام ليست بديلاً عن اختبار المنتج نفسه. فدقة المصنف تتأثر بصياغة السؤال، والخيارات المتاحة، وطبيعة بيانات المستخدمين، وتكلفة الخطأ في كل قرار. كما أن بنية النموذج غير معلنة، وتقر المادة بأن التسعير قد لا يثبت أنه غير مدعوم لاحقاً.

المقارنة المفيدة ليست مع «لا شيء»، بل مع البديل الحالي: قاعدة ثابتة، تعبير منتظم، قائمة منسدلة، أو تدخل بشري. فإذا لم يحسن النموذج الدقة أو السرعة أو عبء العمل مقارنة بذلك البديل، فقد يكون الاحتفاظ بالقاعدة الحالية هو القرار الأفضل.

نقطة بداية عملية للمصممين والفرق

الفرصة ليست في إضافة مساعد جديد إلى كل منتج، بل في مراجعة القرارات التي تحاكيها الواجهة اليوم بقواعد بسيطة أو افتراضات ثابتة.

ابدأوا بقرار واحد منخفض المخاطر، مثل توجيه طلب إلى النموذج الصحيح أو ترتيب عناصر قائمة. ثم صمموا حالات الثقة الثلاث قبل ربط النموذج: ماذا يحدث عند الثقة العالية؟ ما نص التأكيد عند الحالة الحدودية؟ وكيف يتصرف النظام عندما لا يعرف؟

بعد ذلك، يمكن تسجيل الاحتمالات ومقارنتها بما فعله المستخدمون أو بما كانت تنتجه القاعدة القديمة. بهذه الطريقة يصبح الذكاء الاصطناعي مادة تصميمية قابلة للقياس، لا سبباً لإضافة واجهة محادثة أخرى.