الذكاء الاصطناعي يدخل قلب التنبؤات التجارية
تشهد فرق المبيعات المؤسسية تحولاً واضحاً في الطريقة التي تقيس بها فرص الإغلاق وتراجع المخاطر. فبدلاً من الاعتماد على تقديرات يدوّنها المندوبون في أنظمة إدارة العلاقات مع العملاء، بدأت منصات جديدة توظف الذكاء الاصطناعي لقراءة الصورة الأوسع: ما الذي قيل في الاجتماعات، وما الذي كُتب في البريد، وما الذي غاب عن السجلات الرسمية، وأين تتشكل الإشارات التي قد تغيّر نتيجة الصفقة.
في هذا السياق، تطرح Backstory نموذجاً مختلفاً لتوقعات المبيعات. الفكرة الأساسية ليست فقط إنتاج رقم لاحتمال الإغلاق، بل تفسير ذلك الرقم عبر تحليل سياق الصفقة نفسه. المنصة تجمع بيانات من محاضر الاجتماعات، والرسائل الإلكترونية، وتقويمات الاجتماعات، وسجلات CRM، ثم تربط بينها لتحديد العوامل التي تساعد على فهم ما إذا كانت الصفقة تسير في الاتجاه الصحيح أم لا.
هذا التوجه يعكس مشكلة قديمة في بيئة المبيعات: كثير من المؤسسات تعتمد على معلومات غير مكتملة أو متأخرة أو مشوبة بالذاتية. وعندما تكون الصفقة معقدة وتضم عدداً كبيراً من الأطراف، تصبح المؤشرات السطحية غير كافية. هنا تظهر قيمة الذكاء الاصطناعي في تحويل البيانات المتفرقة إلى قراءة تشغيلية قابلة للاستخدام.
من الأرقام المجردة إلى تفسير أسباب المخاطر
أحد أبرز تحديات التنبؤات التقليدية هو الاعتماد على نسب مئوية تبدو دقيقة لكنها لا تشرح شيئاً. قد يقال إن هناك فرصة إغلاق بنسبة 73%، لكن هذا الرقم وحده لا يكشف إن كان الخطر مرتبطاً بالميزانية أو الأمن أو المشتريات أو ضعف التفاعل من جانب العميل. Backstory تحاول تجاوز هذه الفجوة عبر ما تصفه بمنطق الإيرادات، وهو أسلوب يربط بين الإشارات التشغيلية وبين تفسير واضح للنتيجة.
المنصة تبحث عن أنماط مثل القيود المالية، أو الشكوك حول العائد على الاستثمار، أو التحديات المرتبطة بالأمن والامتثال، أو المرونة المحدودة في التسعير. كما تراقب مستوى مشاركة أصحاب المصلحة داخل الجهة العميلة، لأن الصفقات الكبيرة نادراً ما تُحسم من خلال شخص واحد أو إدارة واحدة. كلما اتسعت دائرة المشاركة، زادت أهمية فهم من يشارك فعلياً ومن بقي خارج الصورة.
هذا الأسلوب يجعل التنبؤات أكثر قرباً من الواقع العملي. فبدلاً من الاكتفاء بعلامة خضراء أو حمراء، يحصل مديرو المبيعات والقيادات التنفيذية على تفسير يوضح لماذا تبدو الصفقة معرضة للخطر، وما الخطوة التالية الأكثر منطقية للتعامل مع تلك المخاطر.
مصادر بيانات متعددة تعطي الذكاء الاصطناعي سياقاً أوسع
تعتمد Backstory على مبدأ بسيط لكنه مهم: القرارات التجارية لا تُفهم من مصدر واحد. لذلك تجمع المنصة بين البيانات المنظمة الموجودة في CRM، والبيانات غير المنظمة القادمة من الاجتماعات والمراسلات. هذا الدمج يسمح للخوارزميات بالتقاط الإشارات التي قد لا تظهر في حقول النظام التقليدية، مثل تغير نبرة التواصل، أو تراجع وتيرة الاجتماعات، أو غياب الردود من طرف أساسي داخل الحساب.
وتقول المنصة إن المستخدمين يمكنهم اختيار مصادر البيانات التي يرغبون في ربطها، بما يشمل أدوات مثل Teams وZoom والبريد الإلكتروني وأنظمة CRM المختلفة. كما تتيح تخصيص وزن كل مصدر من المصادر، بحيث لا تكون كل الإشارات متساوية في التأثير. هذا الترتيب مهم لأن بعض القنوات تعكس نوايا استراتيجية بينما تعكس أخرى تفاصيل تشغيلية يومية.
وتشير Backstory أيضاً إلى استخدام آليات ترتيب تشبه مفاهيم التقييم المعروفة في محركات البحث لتحديد الإشارات الأكثر صلة. والنتيجة هي قاعدة معرفية ديناميكية تساعد على استخراج ما هو مهم فعلاً من بين كميات كبيرة من التواصل والوثائق.
شرح المخرجات بدل التنبؤات الصماء
الفرق الجوهري في هذا النوع من التطبيقات لا يكمن في التنبؤ فقط، بل في قابلية التفسير. كثير من أدوات الذكاء الاصطناعي في بيئة الأعمال تقدم نتائج يصعب على المستخدمين الوثوق بها لأنهم لا يعرفون كيف وصلت إليها. أما في حالة Backstory، فالمخرجات مصممة لتكون قابلة للفحص والمراجعة. فإذا ظهرت صفقة على أنها معرضة للمخاطر، يستطيع المستخدم معرفة السبب: هل المشكلة في ضيق المشاركة التنفيذية، أم في غياب الرسائل، أم في وجود اعتراضات على السعر أو الجدول الزمني؟
هذا التفسير يصبح أكثر أهمية عندما تنتقل المعرفة من البائع الفردي إلى فرق أوسع داخل الشركة. فالمعلومات التي كانت تعتمد سابقاً على خبرة شخصية أو ما يُعرف داخل المؤسسات باسم المعرفة الضمنية، يمكن أن تتحول إلى إجابات أسرع وأكثر اتساقاً. وبدلاً من انتظار أيام للحصول على مثال مشابه أو تفسير من أحد الزملاء، يمكن الوصول إلى إشارة عملية في دقائق.
كما أن المنصة لا تكتفي بعرض التشخيص، بل تحاول اقتراح مسارات عمل. فإذا رصد النظام أن صفقة مشابهة نجحت في السابق عبر نموذج تسعير مختلف، فقد يقترح هذا الخيار. وإذا ظهرت ثغرات في مشاركة أصحاب القرار، قد يدفع المستخدم إلى توسيع الاتصال داخل الحساب. هذا النوع من المخرجات يجعل الذكاء الاصطناعي أقرب إلى أداة دعم قرار وليس مجرد طبقة تحليلية منفصلة.
امتدادات الاستخدام تتجاوز فريق المبيعات
رغم أن التوقعات البيعية هي نقطة الانطلاق، فإن المنصة تستهدف أكثر من فريق واحد. إدارات المالية تحتاج إلى فهم مدى واقعية التوقعات وتأثيرها على الإيرادات المتوقعة. فرق المنتج تريد معرفة كيف تظهر المزايا التنافسية داخل المحادثات. فرق نجاح العملاء تبحث بدورها عن إشارات تساعدها على فهم موقع الحسابات الكبيرة وما إذا كانت الحاجة إلى الدعم أو التوسع تتزايد.
هذا التوسع في الاستخدام يعكس واقعاً جديداً داخل المؤسسات: بيانات المبيعات لم تعد ملكاً لفريق المبيعات وحده. فهي تؤثر في قرارات التخطيط المالي، وتوجيه المنتج، وإدارة العلاقات مع العملاء، وحتى في فهم أولويات التنفيذ على مستوى القيادة. كلما كانت الرؤية أوضح، أصبحت القرارات المشتركة أسرع وأدق.
وتشير التجربة أيضاً إلى أن الذكاء الاصطناعي قد يصبح قناة وصول سريعة للمعلومة. فبدلاً من تصفح لوحات التحكم التقليدية، يمكن لمسؤول تنفيذي دخل الصفقة متأخراً أن يطلب ملخصاً فورياً من مساعد ذكي مرتبط بالنظام، ثم يحصل على قراءة مركزة لما يجري. هذه القدرة على التلخيص الفوري تمثل قيمة عملية خاصة في الصفقات الكبيرة التي تتغير تفاصيلها بسرعة.
أهمية هذا التحول لأسواق البرمجيات المؤسسية
ما تفعله Backstory يعكس اتجاهاً أوسع في سوق البرمجيات المؤسسية: نقل الذكاء الاصطناعي من مجرد أداة لإنشاء النصوص أو تلخيص المحتوى إلى محرك لتحليل السلوك التجاري واتخاذ القرار. ومع ازدياد تعقيد الصفقات، وتعدد أصحاب المصلحة، واتساع الاعتماد على التواصل الرقمي، تصبح القدرة على قراءة الإشارات الخفية ميزة تنافسية حقيقية.
لكن الأهمية الأكبر تكمن في أن هذه المنصات تحاول سد الفجوة بين البيانات والفهم. فالمؤسسات لا تعاني فقط من نقص المعلومات، بل من صعوبة ترتيبها وتفسيرها في الوقت المناسب. عندما يستطيع النظام تحديد المخاطر، وشرحها، وربطها بإجراءات مقترحة، فإنه يغير طبيعة العمل اليومي داخل فرق الإيرادات.
وبينما تتسع استخدامات الذكاء الاصطناعي في الشركات، يبدو أن القيمة الأكثر استدامة هي تلك التي تقدم سياقاً يمكن الوثوق به. وفي عالم المبيعات المؤسسية، حيث قد تعتمد نتيجة صفقة بملايين الدولارات على تواصل واحد أو اعتراض واحد أو تأخر رد، يصبح وجود طبقة تحليل ذكية قادرة على القراءة المبكرة عاملاً حاسماً في تحسين دقة التوقعات وتسريع الحركة نحو الإغلاق.