07/09/2026
تخلّص من حواجز اللغة، وتذاكر أعطال الأجهزة المشخّصة بالخطأ، وتأخر حلول مشاكل التجار، مع تقنية تنسيق الوكلاء متعددي الوسائط من Subverse AI.
في إطار تقديم الخدمات لأكثر من 3.5 مليون موقع تجاري و1.8 مليون جهاز نقاط بيع (POS) وأجهزة ساوند بوكس (Soundbox) عبر أكثر من 19,000 رمز بريدي هندي، واجهت إحدى كبرى جهات الاستحواذ على المدفوعات اختناقات تشغيلية حادة ضمن فريقها الميداني المتنقل (FOS) الذي يضم أكثر من 15,000 موظف. وقد أدت العوائق اللغوية ونماذج التطبيقات الصارمة إلى وصول معدل التصنيف الخاطئ للتذاكر إلى 38%، ومتوسط تأخير في اتفاقية مستوى الخدمة (SLA) بلغ 72 ساعة. ومن خلال نشر منصة تنسيق الوكلاء الذاتيين التابعة لـ Subverse AI، قامت جهة الاستحواذ بتطبيق وكلاء ذكاء اصطناعي صوتيين ومتعددي الوسائط عبر واتساب، قادرين على معالجة الملاحظات الصوتية باللغات المحلية، والتحقق من الأدلة المرئية لأجهزة الدفع، وتوجيه المشكلات ديناميكيًا سواء كانت مصرفية أو مرتبطة بالأجهزة، وإجراء مكالمات حل المشكلات المؤتمتة مع التجار. وقد خفّض النظام أوقات حل التذاكر بنسبة 78% وقضى تمامًا على أخطاء تسجيل التذاكر يدويًا عبر أكثر من 85,000 طلب خدمة شهريًا.
ما هي التحديات التشغيلية التي كانت تواجهها المؤسسة؟
بصفتها إحدى الشركات الرائدة في توفير حلول الدفع في الهند، تدير المؤسسة بنية تحتية واسعة للاستحواذ على التجار تضم أكثر من 3.5 مليون تاجر نشط و1.8 مليون جهاز نقطة بيع (POS) وأجهزة صوتية (Soundboxes). ويتطلب تقديم الخدمات لهذه الرقعة الواسعة قوة ميدانية هائلة تزيد عن 15,000 من موظفي المبيعات والخدمات الميدانية (FOS) يعملون عبر أكثر من 19,000 رمز بريدي—بدءاً من مراكز المدن الكبرى من الفئة 1 وحتى الأسواق الريفية النائية من الفئة 6.
ومع معالجة أكثر من 85,000 تذكرة خدمة وإصلاح شهرياً، واجهت المؤسسة تباطؤاً تشغيلياً حاداً نتيجة تسجيل المشكلات عبر تطبيقات قديمة وضعف التنسيق المجزأ بين الأقسام:
1. عوائق اللغات واللهجات المحلية عبر أسطول يضم 15,000 وكيل
يتواصل أكثر من 85% من موظفي المبيعات والخدمات الميدانية البالغ عددهم أكثر من 15,000 موظف باللهجات الإقليمية المحلية بشكل أساسي. وقد أدى إلزام الممثلين الميدانيين بكتابة أوصاف فنية دقيقة للأخطاء باللغة الإنجليزية داخل تطبيق الهاتف المحمول إلى وجود أوصاف غير مكتملة، وارتفاع معدلات الأخطاء، وتأخر إرسال المهام.
2. معدلات خطأ عالية في التشخيص وإرسال فرق ميدانية غير مبرر
كثيراً ما أخطأ الممثلون الميدانيون في تشخيص أعطال أجهزة نقاط البيع. فمن بين 85,000 مشكلة يتم الإبلاغ عنها شهرياً، تبين أن أكثر من 38% من المشكلات المسجلة كـ "عيوب في الأجهزة" كانت في الواقع بسبب مهلة استجابة الخادم من جانب البنك، أو إلغاء تفعيل شرائح الاتصال (SIM)، أو أخطاء في ربط الحسابات. وتسبب هذا التصنيف الخاطئ في استبدال آلاف الأجهزة فعلياً دون داعٍ، وتضخم تكاليف الخدمات اللوجستية العكسية.
3. تتبع مجزأ بين الأقسام وتأخيرات في اتفاقيات مستوى الخدمة (SLA)
عندما كانت المشكلة تتطلب تدخلاً من العمليات المصرفية الداخلية، أو إدارة المخاطر، أو إدارة محولات الشبكة (Switch)، كان يتم إعادة تعيين التذاكر يدوياً عبر مسارات وقوائم انتظار معزولة بين الأقسام. وتسبب غياب التنسيق الموحد في حجب الرؤية عن الممثلين الميدانيين والتجار، مما رفع متوسط أوقات الإنجاز (SLA) ليصل إلى 72 ساعة.
4. إغلاق التذاكر مبكراً وإصلاحات غير مؤكدة
لتلبية الحصص اليومية المستهدفة، اعتاد الممثلون الميدانيون تحديد التذاكر على أنها "تم حلها" دون وجود إثبات قابل للتحقق على استعادة النظام لعمله. وأدى ذلك إلى أن أكثر من 22% من التذاكر المغلقة أسفرت عن شكاوى متكررة من التجار، مما أضعف ثقة التجار وأدى إلى التوقف عن استخدام الأجهزة واستبدالها.
كيف نجحت Subverse AI في حل المشكلة؟
للتخلص من معوقات البيانات الميدانية وتبسيط تقديم الخدمات، قامت المؤسسة بنشر Subverse AI لإدارة وتنسيق سير عمل العمليات الميدانية متعددة الوسائط والشاملة عبر قنوات WhatsApp والمكالمات الصوتية.
1. تفاعل المكاتب الأمامية متعدد اللغات عبر WhatsApp والصوت
بدلاً من التعامل مع نماذج التطبيقات المعقدة، يتفاعل وكلاء الخدمات الميدانية (FOS) مع وكيل المكاتب الأمامية من Subverse مباشرة عبر WhatsApp أو المكالمات الهاتفية.
عند زيارة أحد التجار، يلتقط الوكيل صورة لشاشة جهاز نقطة البيع (POS) التي تعرض رمز الخطأ، ويرسل رسالة صوتية مقتضبة بلهجته الأصلية (مثل الهندية، أو التاميلية، أو الماراثية، أو التيلجو، أو البنغالية).
2. الاستخراج الذكي عبر الرؤية الحاسوبية والكلام
يتلقى وكيل المكاتب الخلفية من Subverse البيانات متعددة الوسائط عبر خطافات الويب (webhooks). وباستخدام نماذج الرؤية الحاسوبية والتعرف الضوئي على الحروف (OCR) المتخصصة، يقوم بتحليل خطأ الشاشة الظاهر على صورة الجهاز.
وفي الوقت نفسه، يقوم Subverse AI بنسخ وترجمة الملاحظة الصوتية، ودمج المدخلات المرئية والصوتية في حزمة بيانات تشخيصية مهيكلة بصيغة JSON.
3. التشخيص الآلي للأسباب الجذرية والتوجيه بين الأقسام
يقارن Subverse AI سياق الخطأ المستخرج بسجلات مقسم المعاملات المصرفية الأساسية.
إذا كانت المشكلة متعلقة بالنظام المضيف أو الشبكة (مثل خطأ في ربط الحساب أو تعليق معرف التاجر)، يقوم Subverse AI بتوجيه التذكرة عبر واجهة برمجة التطبيقات (API) مباشرة إلى فريق العمليات المصرفية الأساسية، مع توجيه وكيل FOS بأنه لا داعي لاستبدال الأجهزة.
أما إذا كان عطلاً فعلياً في الأجهزة (مثل تلف رأس الطباعة أو تلف فتحة بطاقة SIM)، يقوم النظام بتسجيل طلب استبدال للجهاز وتحديث نظام إدارة المخزون الداخلي.
4. التتبع الاستباقي لاتفاقيات مستوى الخدمة (SLA) والذاكرة على مستوى الكيان
باستخدام ذاكرة الكيانات في Subverse، تتبع المنصة باستمرار حالة كل معرف جهاز (TID)، ومعرف تاجر (MID)، ووكيل FOS مخصص بمرور الوقت.
عندما يقدم وكيل FOS جدولاً زمنياً تقديرياً للإصلاح، يقوم Subverse AI بجدولة مشغلات متابعة آلية.
إذا انتهت الفترة الزمنية المحددة للإصلاح، يقوم وكيل صوتي صادر من Subverse بالاتصال بممثل FOS لحثه على تقديم تحديث فوري للحالة أو تصعيد التذكرة.
5. التحقق متعدد الوسائط من إثبات الإنجاز
لضمان الحل الحقيقي للمشكلة، يفرض Subverse AI إجراءات تحقق صارمة؛ حيث يتعين على وكيل FOS تسجيل وتحميل مقطع فيديو قصير يعرض معاملة تجريبية ناجحة على جهاز نقطة البيع أو الصندوق الصوتي (Soundbox).
يقوم نموذج الرؤية في Subverse AI بتحليل الفيديو إطاراً تلو الآخر للتحقق من نص الموافقة على المعاملة الظاهر على شاشة الجهاز والتأكيد الصوتي من الصندوق الصوتي قبل الموافقة على إغلاق التذكرة.
6. تأكيد التاجر متكامل الحلقات
بمجرد التحقق من الإثبات المرئي، يُجري وكيل الذكاء الاصطناعي الصوتي الصادر من Subverse مكالمة هاتفية آلية مع التاجر بلغته المفضلة.
يؤكد الوكيل الصوتي أن الجهاز يعمل بشكل صحيح ويسجل تقييم رضا العملاء (CSAT) في الوقت الفعلي قبل إغلاق التذكرة في نظام إدارة علاقات العملاء (CRM) الخاص بالمؤسسة.
ما هي تكاملات الأنظمة والبنية متعددة الوسائط التي تم تنفيذها؟
تم دمج Subverse AI بسلاسة في البنية التحتية القديمة للمؤسسة دون الحاجة إلى إجراء تعديلات على الأنظمة الأساسية:
عمليات الدمج الأساسية
● محول المعاملات المصرفية الأساسية ومحرك الاستحواذ: معيار ISO 8583 وواجهات برمجة تطبيقات REST للتشخيص الفوري لأجهزة الدفع، والاستعلام عن الحالة، والتحقق من صحة المعاملات.
● أنظمة التذاكر وإدارة علاقات العملاء (CRM) للمؤسسات: روابط ثنائية الاتجاه ومتزامنة مع ServiceNow وقواعد البيانات الداخلية المخصصة لإدارة التذاكر عبر مختلف الأقسام.
● بوابات الاتصال الهاتفي والمراسلة: التكامل مع واجهة برمجة تطبيقات WhatsApp Business وبوابات SIP/VoIP للمتصلين الآليين ومعالجة الصوت الوارد.
قدرات الذكاء الاصطناعي متعدد الوسائط
● تحويل الكلام إلى نص متعدد اللغات (ASR): تحويل الملاحظات الصوتية الإقليمية والمكالمات المنطوقة عبر أكثر من 12 لهجة إلى نص منظم.
● الرؤية الحاسوبية والمعالجة الذكية للمستندات (IDP): نماذج تحليل الشاشة لقراءة شاشات أجهزة الدفع، واستخراج الأرقام التسلسلية، والتحقق من المعاملات عبر الفيديو.
● محرك الجدولة الاستباقي: مؤقتات خلفية مؤتمتة تُشغّل المكالمات الصوتية، والرسائل النصية القصيرة (SMS)، وتنبيهات WhatsApp بناءً على حدود اتفاقية مستوى الخدمة (SLA).
النهج التقليدي مقابل سير عمل الذكاء الاصطناعي المستقل من Subverse
المعامل | سير العمل التقليدي القائم على التطبيقات | سير العمل الذاتي المستقل من Subverse AI |
قناة إدخال البيانات | نماذج نصية يدوية باللغة الإنجليزية في تطبيق الهاتف المحمول | ملاحظات صوتية منطوقة طبيعية وصور عبر واتساب |
دقة التشخيص | معدلات خطأ عالية؛ تشخيص خاطئ متكرر للأجهزة | مطابقة مرجعية معتمدة بالذكاء الاصطناعي للمرئيات مع سجلات التبديل |
التوجيه بين الأقسام | إعادة تعيين يدوية عبر قوائم انتظار بطيئة | توجيه فوري وتلقائي عبر واجهة برمجة التطبيقات (API) بناءً على السبب الجذري |
اتفاقية مستوى خدمة الحل (SLA) | من 48 إلى 72 ساعة | أقل من 4 ساعات في المتوسط |
التحقق من الإغلاق | تغيير يدوي غير متحقق منه للحالة من قِبل موظفي الميدان | التحقق من صحة إثبات المعاملة بالفيديو عبر الرؤية الحاسوبية |
ملاحظات التجار | استطلاعات رأي يدوية دورية على عينات | مكالمات تأكيد صادرة ومؤتمتة بالكامل بنسبة 100% بالذكاء الاصطناعي الصوتي |
سهولة استخدام موظفي الميدان (FOS) | معدل تبنٍّ منخفض بسبب عوائق اللغة والكتابة | معدل تبنٍّ يقارب 100%؛ إدخال محادثة سلس ودون عناء |
ما هو الأثر على الأعمال والتحسّن في مؤشرات الأداء الرئيسية؟
من خلال أتمتة العمليات الميدانية وتوجيه التذاكر عبر Subverse AI، تمكنت شركة خدمات الدفع من إحداث نقلة نوعية في مقاييس تقديم الخدمات في جميع أنحاء الهند:
مقاييس التكلفة والكفاءة
● انخفاض بنسبة 42% في تكاليف التشغيل: ساهم التحقق التشخيصي المؤتمت في القضاء على عمليات إرسال الفنيين غير الضرورية للمشكلات المتعلقة بجانب البنك.
● معالجة مباشرة (STP) بنسبة 80%: تم تحديد مشكلات البرمجيات وبوابات الدفع تلقائياً وإرسالها مباشرة إلى فرق الدعم الأساسية دون تدخل بشري.
مقاييس السرعة واتفاقية مستوى الخدمة (SLA)
● انخفاض بنسبة 78% في اتفاقية مستوى الخدمة لإغلاق التذاكر: انخفض متوسط وقت الاستجابة والإنجاز من 72 ساعة إلى أقل من 4 ساعات على مستوى الدولة.
● انعدام التأخير في إدخال البيانات: أدى التحويل الصوتي الفوري إلى تذاكر إلى القضاء على التسجيل المسائي المتأخر للتذاكر المجمعة من قبل الوكلاء الميدانيين.
مقاييس الجودة ورضا العملاء (CSAT)
● دقة إغلاق التذاكر بنسبة 99.4%: قضى التحقق متعدد الوسائط القائم على الفيديو على عمليات الإغلاق المبكر للتذاكر.
● ارتفاع معدل رضا التجار (CSAT) إلى 4.8/5: ضمنت المكالمات الصوتية الصادرة المؤتمتة الاستماع إلى التجار والتحقق من حل مشكلاتهم قبل إغلاق التذكرة.
الأسئلة الشائعة
كيف يتعامل Subverse AI مع الوكلاء الميدانيين الذين لا يتحدثون اللغة الإنجليزية؟
يقبل Subverse AI الملاحظات الصوتية والمكالمات الهاتفية بأكثر من 12 لغة إقليمية ولهجة محلية. وتعمل المنصة تلقائيًا على تفريغ الصوت المنطوق وترجمته وهيكلته ليصبح بيانات تذاكر متوافقة مع معايير المؤسسات، مما يقضي على الحواجز اللغوية أمام الممثلين الميدانيين.
كيف تميز المنصة بين أخطاء الأجهزة (Hardware) والبرمجيات (Software)؟
يجمع Subverse AI بين البيانات المرئية للشاشة المأخوذة من الصور المحمّلة وسجلات واجهة برمجة التطبيقات (API) في الوقت الفعلي من محول الخدمات المصرفية الأساسية. وإذا أشارت رموز الخطأ إلى وجود مشكلة في الشبكة أو في النظام المضيف، تقوم المنصة بتوجيهها إلى فريق تكنولوجيا المعلومات للأنظمة الخلفية، مما يمنع إرسال فنيي الأجهزة دون داعٍ.
هل يمكن لـ Subverse AI التكامل مع أنظمة التذاكر القديمة في المؤسسات ومنصات الخدمات المصرفية الأساسية؟
نعم. يتصل Subverse AI بأنظمة إدارة علاقات العملاء (CRM) القديمة، وأنظمة تخطيط موارد المؤسسات (ERP)، ومحولات التحصيل المصرفي الأساسية باستخدام خطافات الويب (Webhooks)، أو واجهات برمجة التطبيقات REST، أو موصلات قواعد البيانات. كما ينسق مهام سير العمل عبر هذه المنصات دون الحاجة إلى إجراء تعديلات جذرية على البنية التحتية الأساسية الحالية لتكنولوجيا المعلومات.
كيف يتحقق Subverse AI من إصلاح الجهاز قبل إغلاق التذكرة؟
يشترط Subverse AI على الوكيل الميداني تقديم مقطع فيديو لمعاملة اختبار ناجحة على الجهاز الذي تم إصلاحه. وتحلل نماذج الرؤية الحاسوبية الفيديو إطارًا تلو الآخر للتأكد من الموافقة على الدفع قبل بدء مكالمة تقييم آلية مع التاجر.
جدول المحتويات
المزيد من الرؤى والأفكار
