واجهة برمجة تطبيقات Cloudglue الجديدة تحوّل الفيديو والصوت غير المهيكلين إلى بيانات مهيكلة ضرورية للمتاجر الذكية (agentic storefronts) من الجيل التالي. ولكن هل بنيتك جاهزة لفيضان البيانات الحسية؟
كنت في الطابور الرائع والمثير للسخرية الذي استمر ساعتين في Howlin' Ray's في وسط مدينة لوس أنجلوس نهاية الأسبوع الماضي. إنها علامة تجارية فريدة من نوعها من المعاناة المجتمعية في لوس أنجلوس مقابل مكافأة متفوقة. تشم الفلفل الحار والدجاج المقلي قبل وقت طويل من رؤيتك للنافذة. تسمع صوت القلي، والفريق ينادي الطلبات. تشاهد وجوه الناس وهم يتناولون تلك اللقمة الأولى التي تقلب الموازين من شطيرة الساندو (Sando). التجربة بأكملها عبارة عن تدفق هائل من البيانات الحسية التي تتوج في معاملة بسيطة: شطيرة دجاج واحدة، حرارة متوسطة زائدة.
لم يستطع عقلي الذي يعمل بالذكاء الاصطناعي التجاري التوقف. أدركت أن وكيل تسوق قياسي لن يفهم سوى الجزء الأخير من تلك المعاملة - الطلب. يمكنه معالجة النص: "شطيرة دجاج حارة". يمكنه العثور عليها في قاعدة بيانات. يمكنه حتى وضع الطلب. لكنه سيكون أعمى وأصم بشكل كامل عن السبب. لن يفهم الرائحة، الأصوات، الإشارات المرئية للطابور، ردود الفعل المبهجة للأشخاص أمامي - كل نقاط البيانات غير المهيكلة والمتعددة الوسائط التي تشير إلى أن "هذا المنتج يستحق الانتظار".
تعمل معظم أنظمة الذكاء الاصطناعي للعلامات التجارية اليوم في هذا الفراغ النصي فقط. فهي تقرأ أوصاف المنتجات وتعالج استفسارات البحث. إنها أمين مكتبة ذكي في غرفة صامتة خالية من الألوان. هذا عيب قاتل في السباق لبناء متاجر ذكية (agentic storefronts) مفيدة حقًا. يعيش عملاؤك في عالم من فيديوهات "فك التغليف" (unboxings) على TikTok، ومراجعات YouTube، وقصص Instagram - عالم من الحركة والصوت. ذكائك الاصطناعي، في الغالب، لا يعيش في هذا العالم.
ومع ذلك، فإن منشور "Show HN" الأسبوع الماضي لشركة ناشئة تُدعى Cloudglue يشير إلى أن هذا على وشك التغيير [2]. لقد أطلقوا نسخة بيتا عامة لواجهة برمجة تطبيقات تحوّل الفيديو والصوت الخام إلى JSON مهيكل تحتاج إليه خطوط أنابيب توليد النصوص المعزز بالاسترجاع (Retrieval-Augmented Generation - RAG) لتعمل. إنها إحدى أولى المحاولات الموثوقة لمنح ذكاء التجارة الاصطناعي لدينا أعينًا وآذانًا. وسوف يجبر ذلك على إعادة التفكير جوهريًا في بنية ذكاء التجارة الاصطناعي.
لماذا ذكائك الاصطناعي عالق في فيلم صامت؟
أشار Alex Rivera، الرئيس التنفيذي لشركة Cloudglue، إلى إحصائية في موضوع الإطلاق يجب على كل مدير تقني تجاري (Commerce CTO) طباعتها: "70% من بيانات منتجات البيع المباشر للمستهلك (DTC) عبارة عن فيديو/صوت، لكن الوكلاء يعجزون عن معالجتها" [2]. إنه ليس مخطئًا. المحتوى الأكثر إقناعًا وتأثيرًا حول منتجاتك محبوس بلا شك في تنسيق لا يستطيع وكيل الذكاء الاصطناعي الجديد والمكلف لديك فهمه.
فكر في الأمر. بالنسبة لعلامة ملابس رياضية فاخرة، هل البيانات الأكثر قوة للمنتج هي القائمة النقطية للميزات على صفحة تفاصيل المنتج؟ أم هو الفيديو الذي مدته 30 ثانية لعارضة أزياء تتنقل بسلاسة عبر "فينياسا" (vinyasa) مرتدية أحدث سراويلها الضيقة، وتتحدث عن المقاس والملمس؟ بالنسبة لعلامة حقائب سفر، هل هي الأبعاد الثابتة المدرجة عبر الإنترنت، أم مراجعة TikTok التي أنشأها المستخدم والتي تُظهر بالضبط عدد الملابس التي يمكن لشخص ما حزمها في حقيبة يد لرحلة نهاية الأسبوع؟
هذه هي فجوة "البيانات الحسية". الأنظمة الذكية (agentic systems) الحالية، حتى المتطورة منها التي تستخدم RAG، عادة ما تُبنى على قواعد بيانات Vector القائمة على النصوص. أنت تزودها بكتالوجات المنتجات، ووثائق المساعدة، وربما منشورات المدونة. يمكن للذكاء الاصطناعي بعد ذلك استرداد وتوليف الإجابات من هذا النص. يمكنه أن يخبر العميل أن قميصك "مصنوع من القطن العضوي 100%"، لكنه لا يستطيع فهم أو نقل شعور المراجع الذي وصف ملمس هذا القطن بأنه "ناعم بشكل مستحيل" في فيديو "فك التغليف" (unboxing).
هذا المحتوى غير المهيكل هو المكان الذي تكمن فيه قوة التحويل الحقيقية. إنه دليل اجتماعي، وعرض توضيحي للمنتج، وشهادة كلها مجتمعة في شيء واحد. ولكن بالنسبة للآلة، فإن ملف الفيديو مجرد كتلة غامضة من البكسلات وملف الصوت مجرد شكل موجي. خطوط أنابيب RAG "تعجز عن معالجتها" لأنه ليس لديها آلية لاستخراج الكيانات والسمات والمشاعر والإجراءات التي تحدث داخل تلك الوسائط. تعد محاولة القيام بذلك من الصفر مهمة هندسية ضخمة تتضمن رؤية حاسوبية معقدة ونماذج معالجة صوتية. ومعظم العلامات التجارية، بشكل صحيح، لم تفعل ذلك.