انتقل إلى المحتوى
كل المقالات
ذكاء-اصطناعيتطبيقات-جوالتجارة-إلكترونيةدراسة-حالة

مساعد تسوق صوتي بالذكاء الاصطناعي باللهجة السعودية

١٢ نوفمبر ٢٠٢٦ 10 دقيقة قراءة· Mahmoud Makhlouf
Read this article in English

"وش أرخص زيت عافية هالأسبوع؟" سؤال يقوله المتسوق في الرياض بصوته وهو واقف في المطبخ، لا يكتبه. ولو أجابه مساعد ذكي بسعر خاطئ مرة واحدة، فلن يصدّق التطبيق بعدها حتى في الأسعار الصحيحة.

الإجابة المختصرة: مساعد التسوق بالذكاء الاصطناعي يستحق تكلفته فقط عندما لا يجيب من ذاكرته أبداً. النموذج اللغوي يفهم الكلام واللهجة والنية، ثم يستدعي دوال البحث في قاعدة بياناتك (Function Calling)، ويلخّص ما رجع منها فقط. الأسعار والمتاجر والمنتجات تأتي من بياناتك، والنموذج لا يملك أن يخترع رقماً.

المشكلة التجارية

أغلب طلبات "أضيفوا ذكاءً اصطناعياً للتطبيق" تنتهي بنافذة دردشة تتكلم بطلاقة ولا تعرف شيئاً عن نشاطك. في تطبيق عروض هذا أسوأ من عدم وجود المساعد أصلاً. إذا قال المساعد إن كيس الأرز 5 كيلو بـ 39 ريالاً والنشرة تقول 45، خسرت ثقة العميل في كل سعر على الشاشة.

والحاجة الحقيقية في تطبيق العروض أضيق وأوضح:

  • الناس يتسوقون بقائمة، لا بمنتج واحد. مقارنة عشرة أصناف بين خمسة متاجر يدوياً تأخذ وقتاً يجعل أغلب الناس يتركونها.
  • كثيرون يفضلون الكلام على الكتابة بالعربي في لوحة مفاتيح الجوال، ويتكلمون بلهجتهم: "أبي حليب المراعي" لا "أريد حليباً".
  • البيانات تتغير كل أسبوع. العرض الذي كان صحيحاً يوم الأحد قد ينتهي يوم الخميس.

فتصبح المخاطر أربعة: أسعار مخترعة، وفاتورة تشغيل تكبر مع كل مستخدم فضولي، ومساعد ينجرف إلى مواضيع لا علاقة لها بنشاطك، وصوت غريب على أذن العميل الذي بنيت له التطبيق.

متى يضيف المساعد قيمة حقيقية ومتى يكون استعراضاً؟

قبل البناء، حدّد ماذا تشتري فعلاً:

الخيارماذا يفعليناسبالخطر
بحث عادي مع إدخال صوتييحوّل الكلام إلى نص في مربع البحث الحاليالبحث عن منتج واحدضعيف مع القوائم والطلبات المبهمة
دردشة حرة مع نموذج عامالنموذج يجيب من معرفتهالعروض التسويقيةأسعار مخترعة وإجابات خارج الموضوع
مساعد مربوط ببياناتك عبر الأدواتالنموذج يستدعي دوال البحث والمقارنة ثم يلخّصالقوائم والأسئلة المبهمة وصور المنتجاتيحتاج تصميم أدوات دقيقاً وحدوداً واضحة
مهمة واحدة محددة مثل قراءة فاتورةاستدعاء واحد يستخرج البيانات، وكودك يحسبميزات عالية القيمة بخطوة واحدةأخطاء القراءة تحتاج تحققاً

قاعدتنا بسيطة: إذا كان البحث العادي يجيب عن السؤال، فلا تضع نموذجاً لغوياً أمامه. المساعد يستحق تكلفته عندما يكون المُدخل فوضوياً (قائمة منطوقة، عبارة عامية، صورة منتج) والمُخرج يجب أن يكون من بياناتك أنت.

وطبّقنا القاعدة داخل التطبيق نفسه. مساعد النشرة، الذي يساعدك على إيجاد منتج داخل النشرة المفتوحة أمامك، يقبل الصوت لكنه لا يستخدم نموذجاً لغوياً إطلاقاً. يبحث بالبحث العادي داخل النشرة، وإن لم يجد المنتج يقترح نفس المنتج في نشرة أخرى، الأرخص بالكيلو أو اللتر أولاً. النموذج اللغوي محجوز للمساعد الرئيسي الذي يستقبل القوائم والصور والأسئلة المفتوحة.

كيف بنيناه في قوطي

قوطي منصة لنشرات وعروض المتاجر الأسبوعية في السعودية: موقع وتطبيق Flutter وبوابة شركاء، كلها على Backend واحد. وعندها مسبقاً خط معالجة بالرؤية الحاسوبية يقرأ صور النشرات ويحوّلها إلى كتالوج منظم من المنتجات والأسعار والأحجام والمتاجر. هذا الكتالوج هو ما جعل المساعد ممكناً. الجزء الصعب، أي بيانات عروض نظيفة ومحدّثة، كان جاهزاً قبل كتابة أول سطر في الـ Prompt.

المساعد اسمه "قطي"، القط الذي يمثّل التطبيق. وله في تطبيق الجوال ثلاثة مداخل:

  1. نافذة المحادثة: تكتب، أو تتكلم (تحويل الكلام إلى نص بالعربية السعودية ar_SA أو الإنجليزية حسب لغة التطبيق)، أو ترسل صورة منتج من الكاميرا أو المعرض.
  2. مساعد النشرة: نسخة البحث فقط التي وصفناها، داخل نشرة واحدة.
  3. مسح الفاتورة: تصوّر فاتورة السوبرماركت فترى كم كانت ستكلفك نفس السلة في العروض الحالية.

نافذة محادثة قطي في تطبيق قوتي: الشخصية وزر الميكروفون والاقتراحات الجاهزةنافذة محادثة قطي في تطبيق قوتي: الشخصية وزر الميكروفون والاقتراحات الجاهزة

شخصية قطي في التطبيق، لا في النموذج. القط يتنفس ويميل برأسه وينعس بعد فترة هدوء، ويهتز حين يتكلم ويقفز حين يجد عرضاً. كل هذا رسوم متحركة برمجية فوق صور قليلة لحالاته المزاجية. وأصواته (مواء، وخرخرة، وصوت "لقيتها"، ومواء حزين) مولّدة من الصفر بسكربت Python صغير يحاكي صوت القط بترددين صوتيين، فلا توجد عينات صوتية مرخّصة. والأصوات تعمل كصوت خلفي: زر الصامت في iPhone يكتمها، ولا تقطع موسيقى المستخدم، وإعداد واحد يطفئها كلها.

من الداخل: حلقة مربوطة بالبيانات

صوت / نص / صورة
        |
   تطبيق Flutter ── POST /chat {messages, image?, city}
        |
   الخادم: تنظيف المدخلات، حد الطلبات، بناء الـ Prompt
        |
   الجولة 1 للنموذج ──> استدعاء أدوات ──> search_products / compare_shopping_list
        |                                  |  (MongoDB: العروض السارية في مدينة المستخدم)
   الجولة 2 للنموذج <── نتائج JSON مختصرة
        |
   {reply, mood} + بطاقات المنتجات (من الأدوات مباشرة، لا من نص النموذج)

النموذج يملك أداتين فقط. هذه نسخة مبسطة من تعريفهما:

const TOOLS = [
  { type: "function", function: {
      name: "search_products",
      description: "Search current active offers in the user's city for ONE product. " +
                   "Returns the cheapest match and up to 3 alternatives. Prices in SAR.",
      parameters: { type: "object", additionalProperties: false, required: ["query"],
        properties: {
          query: { type: "string", description: "Short flyer-style query, e.g. \"رز بسمتي\"" },
          limit: { type: "integer", description: "1-4" } } } } },
  { type: "function", function: {
      name: "compare_shopping_list",
      description: "Price a shopping list: cheapest product per item, cheapest total, " +
                   "and the store covering the most items.",
      parameters: { type: "object", additionalProperties: false, required: ["items"],
        properties: { items: { type: "array", items: { type: "string" } } } } } },
];

وتعليمات النظام صريحة: الأدوات هي "المصدر الوحيد" للمنتجات والأسعار. ممنوع اختراع منتج أو سعر أو متجر أو خصم أو تاريخ، وإذا لم يستدعِ النموذج أداة فلا يذكر أي سعر. ولا يسمي النتيجة "مطابقة" إلا إذا كانت من نفس نوع المنتج المطلوب: من سأل عن مكيّف ورجعت له معطّرات جو، فالجواب "ما لقيت". وكل سؤال خارج التسوق يُرد عليه بجملة مهذبة واحدة ثم يعود الحديث إلى العروض. أما الأسلوب فلهجة سعودية ودودة ("هلا"، "أبشر"، "لقيت لك") في جملة إلى ثلاث جمل.

لكن التعليمات وحدها ليست شبكة الأمان. الكود مبني بحيث لا يستطيع نموذج يخطئ أن يضع سعراً خاطئاً على الشاشة:

  • بطاقات المنتجات تأتي من نتائج الأدوات لا من نص النموذج. الخادم يجمع كل ما رجعت به الأدوات ويرسله للتطبيق بجانب الرد. نص النموذج مجرد تعليق قصير فوق بيانات لا يملك تعديلها.
  • مزاج القط يحدده ما حدث فعلاً. بحث ووجد؟ القط سعيد. بحث ولم يجد؟ متفاجئ. ولا يُؤخذ مزاج النموذج إلا إذا لم يحدث بحث.
  • المخرجات المكسورة لا تصل للمستخدم. الرد يجب أن يكون JSON. إذا رجع مقطوعاً أو بدأ النموذج يكرر نتائج الأدوات الخام، يتجاهله الخادم ويستخدم جملة احتياطية ثابتة بلغة المستخدم.

المطابقة هي العمل الحقيقي

نموذج يستدعي الأدوات بإتقان سيظل مخطئاً إذا كان البحث خلفه ضعيفاً. أغلب الجهد الهندسي ذهب إلى المطابقة:

  • توحيد الكتابة العربية والمرادفات: تُوحَّد الهمزات والتاء المربوطة، وجدول مرادفات يربط "رز" بـ "أرز" و rice، و"موية" بـ "مياه"، و"فراخ" بـ "دجاج". فيفهم البحث الكلمة الخليجية والمصرية معاً.
  • المنتج نفسه أم وصف له؟ كلمة "زيت" في "تونة في زيت" ليست زيتاً، و"حليب" في "شوكولاتة بالحليب" ليست حليباً. البحث يميّز هل كلمة السؤال هي المنتج أم مجرد وصف، ويبقي نوع المنتج الذي قصده المستخدم.
  • سعر الوحدة لا سعر الرف: تُقرأ الأحجام من أسماء المنتجات ("1.5 لتر"، "6 × 200 مل")، و"الأرخص" يعني الأرخص للكيلو أو اللتر أو الحبة. قد تفوز العبوة الأكبر. أما الأجهزة كالتلفزيونات فتُقارن بسعر الرف.
  • الأحجام المقروءة خطأً تُستبعد: إذا خرج حليب بريال واحد للتر بينما الحليب المشابه بين 5 و7 ريالات، فالحجم غالباً قُرئ خطأً من النشرة. أي منتج سعر وحدته أقل من ثلث الوسيط بين أربعة منتجات مشابهة أو أكثر لا يُحسب "الأرخص".

رد قطي على قائمة من أربعة أصناف بجملة واحدة باللهجة السعودية، مع أرخص منتج لكل صنف وأفضل متجر واحدرد قطي على قائمة من أربعة أصناف بجملة واحدة باللهجة السعودية، مع أرخص منتج لكل صنف وأفضل متجر واحد

ضبط التكلفة

كل مستخدم يفتح المحادثة يكلّف مالاً، لذلك الحدود مكتوبة في الكود:

  • جولتان من استدعاء الأدوات كحد أقصى لكل رسالة، ثم إجابة نصية إجبارية. أي ثلاثة استدعاءات للنموذج في أسوأ الأحوال، لكل منها مهلة 15 ثانية وإعادة محاولة واحدة.
  • سجل محادثة قصير: آخر 10 رسائل فقط، كل رسالة حتى 2,000 حرف، والرد حتى 400 Token.
  • نتائج الأدوات تُرسل للنموذج مختصرة: الاسم والسعر والمتجر والحجم وسعر الوحدة، بلا معرّفات ولا روابط صور.
  • الصور تُصغّر إلى 1,024 بكسل على الجوال، وحدها الأقصى 1.5 ميجابايت على الخادم، وتُرسل للنموذج بدقة منخفضة.
  • حد لكل مستخدم: 30 محادثة و10 فواتير في الساعة.

ومزوّد النموذج مجرد إعداد. الخادم يستخدم مكتبة OpenAI، ومتغير بيئة واحد يحوّل نفس الطلبات إلى Gemini عبر الواجهة المتوافقة مع OpenAI التي توفرها Google. الأدوات والصور وردود JSON تبقى بنفس الشكل. واسم النموذج ومستوى التفكير متغيرات أيضاً. ومع Gemini، ضبط التفكير على "minimal" قلّص زمن الرد في تجاربنا إلى النصف تقريباً، من نحو عشر ثوانٍ إلى نحو خمس. فالمقارنة بين المزودين في التكلفة والجودة تحتاج تغيير إعداد وإعادة تشغيل، لا إصداراً جديداً للتطبيق.

قرار الصوت

الاستماع يعتمد على إضافة speech_to_text في Flutter، وهي تستخدم محرك التعرف على الكلام في الجوال نفسه، بالعربية السعودية أو الإنجليزية حسب لغة التطبيق. ما يدعمه الجهاز هو ما يعمل: في iOS التعرف على الكلام خدمة عبر الإنترنت لها حدود استخدام، وفي بعض أجهزة Android يحتاج المستخدم إلى تثبيت حزمة اللغة أولاً. وإن لم يتوفر المحرك، يبقى مربع الكتابة يعمل.

أما الرد بالصوت فغيّرنا رأينا فيه. النسخة الأولى كانت تقرأ الرد بمحرك تحويل النص إلى كلام في النظام (flutter_tts بالعربية السعودية). لكن أجهزة كثيرة ليس فيها صوت عربي مثبّت، فخرج الرد العربي بنطق إنجليزي، وهذا أسوأ من الصمت. فصار قطي "يتكلم بلغة القطط": حركة فم قصيرة مع صوت القط المناسب، والنص على الشاشة. والدرس لأي منتج صوتي عربي: اختبر توفر الصوت العربي على الأجهزة الفعلية في سوقك قبل أن تعد العميل بردود منطوقة.

مسح الفاتورة: "كان ممكن توفّر"

ميزة الفاتورة تستخدم نفس اتصال النموذج لمهمة مختلفة. استدعاء رؤية واحد، بدرجة عشوائية صفر ودقة عالية، يقرأ صورة الفاتورة ويحوّلها إلى JSON: المتجر والتاريخ والأصناف بكمياتها وإجمالياتها والخصومات. بعدها يتولى الكود الحسابات:

  • تُحذف سطور الضريبة والمجموع والنقد والباقي والبطاقة ونقاط الولاء حتى لو وضعها النموذج كأصناف، وتنتقل السطور السالبة والكوبونات إلى الخصومات.
  • الكمية × سعر الوحدة يجب أن يساوي إجمالي السطر بفارق لا يتجاوز 2%، وإلا يُعتمد الإجمالي.
  • كل سطر يُبحث عنه في العروض الحالية بنفس مطابقة المحادثة، ثم يُصفّى لنفس نوع المنتج. الدجاجة الكاملة لا تُقارن بصدور الدجاج أبداً.
  • العرض الذي يكلّف أقل من 30% مما دُفع يُعامل كمنتج مختلف، لا كصفقة.
// A "deal" that is too good is almost always a different product.
const MIN_PLAUSIBLE_RATIO = 0.3;
const MAX_PLAUSIBLE_RATIO = 3;   // only applied when the receipt line has no size

const plausible = options.filter((o) => {
  const r = o.cost / item.unitPaid;
  return r >= MIN_PLAUSIBLE_RATIO && (hasSize || r <= MAX_PLAUSIBLE_RATIO);
});

والنتيجة تعرض ما دفعه المستخدم، وأرخص تشكيلة من عدة متاجر، وأرخص متجر واحد للأصناف التي يغطيها، والمبلغ الذي كان ممكناً توفيره. الصورة لا تُحفظ أبداً، ولا يُسجَّل إلا عدد الأصناف.

نتيجة مسح الفاتورة: المدفوع، وأرخص تشكيلة، وأفضل متجر واحد، و"كان ممكن توفّر" لكل صنفنتيجة مسح الفاتورة: المدفوع، وأرخص تشكيلة، وأفضل متجر واحد، و"كان ممكن توفّر" لكل صنف

قائمة تحقق قبل إضافة مساعد ذكي لتطبيقك

  1. اكتب الأسئلة التي يجب أن يجيب عنها. إن كان البحث العادي يكفي، أضف الصوت إلى البحث واستغنِ عن النموذج.
  2. أعطِ النموذج أدوات على بياناتك، واجعلها المصدر الوحيد للأسعار والمخزون والتوفر.
  3. اعرض بيانات المنتجات من نتائج الأدوات، لا من نص النموذج.
  4. حدّد حالة المساعد (وجد، لم يجد، خارج الموضوع) في الكود بناءً على ما رجعت به الأدوات.
  5. تحقق من كل مخرج منظم، وجهّز رداً احتياطياً ثابتاً لكل لغة.
  6. استثمر في المطابقة: توحيد الكتابة والمرادفات وسعر الوحدة واستبعاد القيم الشاذة. هذا أهم من اختيار النموذج.
  7. ضع حدوداً من اليوم الأول لجولات الأدوات وطول السجل وطول الرد وحجم الصور وعدد طلبات كل مستخدم.
  8. اجعل المزوّد والنموذج إعدادات قابلة للتغيير لتقارن التكلفة والسرعة دون إصدار جديد.
  9. اختبر التعرف على الكلام والنطق بلهجة عملائك على جوالاتهم الفعلية.
  10. في صور الفواتير والمستندات: دع النموذج يستخرج، ودع كودك يحسب.

الأسئلة الشائعة

هل يمكن أن يعطي مساعد التسوق بالذكاء الاصطناعي أسعاراً خاطئة؟

نعم، إذا أجاب من معرفته العامة. المساعد المربوط ببياناتك يأخذ الأسعار فقط من استدعاء دوال قاعدة البيانات، والتطبيق يعرض بطاقات المنتجات من تلك النتائج لا من كلام النموذج. ويبقى احتمال أن يصيغ النموذج الملخص بشكل غير دقيق، لذلك تُقيَّد الردود بجمل قصيرة ويُستبعد أي مخرج غير سليم.

هل يعمل التعرف على الكلام باللهجة السعودية في الجوال؟

غالباً نعم، عبر محرك التعرف المدمج في الجوال الذي تستخدمه إضافات Flutter مثل speech_to_text. لكن التوفر يعتمد على الجهاز واللغات المثبتة فيه، وفي iOS هي خدمة عبر الإنترنت بحدود استخدام. لذلك اجعل الكتابة متاحة دائماً.

كيف أتحكم في تكلفة المساعد الذكي داخل التطبيق؟

بحدود مكتوبة في الكود: عدد أقصى لجولات الأدوات في كل رسالة، وسجل محادثة قصير، وطول رد محدود، وصور صغيرة، وحد طلبات لكل مستخدم. وأرسل للنموذج نتائج مختصرة بلا معرّفات ولا روابط صور. وللاطلاع على تكلفة بناء مشروعك راجع صفحة الخدمات.

هل أستطيع التبديل بين OpenAI و Gemini دون إعادة كتابة المساعد؟

غالباً نعم. وقت كتابة هذا المقال (نوفمبر 2026) توفر Google واجهة لـ Gemini متوافقة مع OpenAI تقبل نفس صيغ المحادثة والأدوات والصور عبر مكتبة OpenAI. في قوطي التبديل متغير بيئة واحد. لكن اختبر سلوك استدعاء الأدوات بعد التبديل، فالنماذج تختلف في التزامها بتعليمات المخرجات.

هل يجب أن يقرأ المساعد إجاباته بصوت عربي؟

فقط إذا كانت جوالات عملائك فيها صوت عربي جيد. أجهزة كثيرة ليس فيها، فيقرأ النظام العربية بنطق خاطئ. نحن نعرض النص مع صوت قط قصير وحركة فم، ونستخدم الصوت للإدخال حيث يوفّر أكبر جهد على المستخدم.

الخطوة التالية

إن كنت تفكر في ميزة ذكاء اصطناعي لمنتجك، فابدأ بالبيانات التي يجب أن تُبنى عليها، وبثلاثة أو أربعة أسئلة يجب أن تجيب عنها. ستجد في دراسة حالة قوطي المنصة التي يقوم عليها هذا المساعد، وفي مقالنا عن تطبيقات الذكاء الاصطناعي للشركات الصغيرة ما يصلح للآلة وما لا يصلح، وفي شات بوت واتساب للأعمال طريقة ربط الرد الآلي بنظامك. وعندما تكون جاهزاً، أرسل لنا وصفاً مختصراً لفكرتك، وسيخبرك فريقنا بصراحة هل يستحق المساعد البناء أم أن بحثاً أفضل سيؤدي المهمة.

// لنبدأ

عندك فكرة منتج؟ خذ خطة واضحة و مكالمة تعارف مجانية 15 دقيقة.

احكِ لنا عن مشروعك، ونرجع لك بتصوّر للتنفيذ وجدول زمني مبدئي وتقدير أولي للتكلفة — عادةً خلال 24 ساعة.

احجز مكالمة مجانية WhatsApp