تدخل التجارة الإلكترونية مرحلة جديدة تتجاوز فيها الخوارزميات مجرد التوصية بالمنتجات أو الرد على الأسئلة الشائعة، لتصبح قادرة على المشاركة فعلياً في قرار الشراء نيابة عن المستخدم. هذا التحول، المعروف باسم التجارة الوكيلة، يضع شركات التجزئة أمام معادلة مختلفة تماماً: المنافسة لم تعد تدور فقط حول واجهة المتجر أو سرعة الدفع، بل حول من يملك البيانات والسياق والقدرة على تحويلهما إلى ذكاء قابل للاستخدام.
وتظهر بيانات حديثة من أكسنتشر أن 74% من المستهلكين حول العالم يثقون بمساعد ذكاء اصطناعي شخصي لإجراء عملية شراء نيابة عنهم أكثر من ثقتهم بصديق مقرب. كما تتوقع ماكينزي أن تتوسط أنظمة الذكاء الاصطناعي معاملات استهلاكية عالمية تتراوح قيمتها بين 3 و5 تريليونات دولار بحلول عام 2030. هذه الأرقام لا تعني فقط اتساع السوق، بل تعني أن الفجوة بين نية الشراء وإتمامه تتقلص بسرعة غير مسبوقة.
من تجربة العميل إلى تجربة الوكيل
لعدة سنوات، ركزت شركات التجزئة على تحسين رحلة العميل عبر الويب أو التطبيق أو المتجر الفعلي. غير أن التجارة الوكيلة تنقل نقطة البداية إلى مكان آخر: المحادثات مع وكلاء ذكيين داخل منصات لا تملكها الشركة. في هذه البيئة، لا يكفي أن يكون المتجر جذاباً أو سهل الاستخدام، لأن القرار قد يُتخذ قبل أن يزور العميل الموقع أصلاً.
هذا يفرض على التجار التفكير كجهات أصلية في عالم الذكاء الاصطناعي، لا كمستخدمين إضافيين لأدوات جاهزة. فالقيمة لم تعد فقط في ما يظهر للعميل، بل في طبقة المعرفة التي تشرح للوكيل ماذا يريد العميل، وكيف يفكر، وما الذي يناسبه فعلاً.
البيانات المبعثرة لم تعد كافية
تعتمد كثير من شركات التجزئة اليوم على أدوات منفصلة لحل مشكلات محددة: البحث، الدردشة، التوصيات، إنشاء المحتوى، أو البحث البصري. هذه الأدوات قد تحسن الأداء على المدى القصير، لكنها غالباً تنقل المعرفة المتراكمة إلى الأنظمة الخارجية، تاركة لدى الشركة بيانات مجزأة ومحدودة الفائدة.
في المقابل، تحتاج التجارة الوكيلة إلى صورة ممتدة ومملوكة عن العميل عبر الزمن: ما الذي تردد بشأنه؟ ما الذي أضافه إلى السلة ثم تركه؟ ما الذي عاد إليه لاحقاً؟ وما الذي اشترى بعد أسابيع من التفكير؟ عندما تُنظم هذه الإشارات بشكل جيد، تصبح أساساً لما يمكن تسميته طبقة الذكاء، وهي طبقة تترجم النية إلى قرار وتدير التخصيص والترتيب والتوصية وحتى بعض قرارات الخدمة والتشغيل.
وتزداد أهمية هذه الطبقة لأن ميزة التاجر التنافسية لم تعد ترتبط بالمنتج وحده، بل بكيفية فهمه للمنتج والعميل وسياق الاستخدام ولحظات الخدمة. وكلما كانت البيانات أعمق وأكثر ارتباطاً بالواقع التشغيلي، أصبح بإمكان الأنظمة الذكية أن تقدم قرارات أدق وأكثر مواءمة.
تنظيف البيانات ليس شرطاً مؤجلاً
تتعامل بعض الشركات مع البيانات غير المنظمة باعتبارها عائقاً يمنع البدء. لكن تأجيل الاستثمار بحجة تنظيف كامل للبيانات قد يكون أكثر كلفة من البدء نفسه، لأن كل شهر يمر يعني ضياع إشارات عالية القيمة وتزايد إنفاق الاستحواذ على العملاء دون تعويض من الذكاء التشغيلي.
المشكلة هنا ليست تقنية فقط، بل تنافسية أيضاً. فبينما ينتظر بعض اللاعبين اكتمال “مشروع إعداد البيانات”، يواصل المنافسون جمع بيانات تدريبية جديدة وتحسين أنظمتهم على أرض الواقع. ومع الزمن، يتحول التأخير إلى فجوة يصعب ردمها.
لهذا يطرح الاتجاه الجديد بديلاً عملياً: طبقة سياق وكيل تُبنى فوق البنية الحالية للبيانات، من دون هدم أنظمة إدارة المعلومات أو الطلبات أو العملاء. الفكرة ليست استبدال الأنظمة القديمة دفعة واحدة، بل تنظيم ما هو موجود بطريقة تجعل الذكاء الاصطناعي قادراً على قراءته واستخدامه.
أربع زوايا لفهم السياق
لكي تنجح طبقة السياق، يجب أن تغطي أربعة مجالات مترابطة. الأول هو فهم المنتج، ويشمل المواصفات والملاءمة والتوافق والمفاضلات بين الخيارات. الثاني هو سياق العميل، مثل السلوك السابق وبرامج الولاء وسجل الطلبات والتفضيلات المعلنة. الثالث هو سياق الجلسة، أي ما قارنه المتسوق وما سأل عنه وما تردد في شرائه وما تركه في السلة. أما الرابع فهو السياق التجاري، مثل المخزون والهامش والعروض وقواعد التسعير والترويج.
عندما تلتقي هذه الطبقات، تتحول كل إشارة صغيرة إلى جزء من فهم أوسع لنية الشراء. عندها يصبح الذكاء الاصطناعي أكثر قدرة على تحسين الترتيب والتوصيات والمحتوى وخدمة العملاء، بدلاً من الاكتفاء بردود عامة أو نتائج بحث سطحية.
اللافت أن كل عملية بحث وكل سؤال وكل صورة يتم رفعها وكل لحظة تردد تتحول إلى بيانات أكثر تنظيماً ومعنى. لكن ذلك لا يعني أن جودة البيانات يمكن تجاهلها؛ بل يعني فقط أن تحسين الجودة يجب أن يسير بالتوازي مع بناء الطبقة التي تمنح هذه البيانات قيمة تشغيلية.
الاستراتيجية الأهم هي امتلاك التجربة
في التجزئة التقليدية، كان التنافس يدور غالباً حول تحسين التجربة المرئية للعميل: واجهة أسرع، خطوات أقل، وخيارات أكثر ملاءمة. غير أن التجارة الوكيلة تنقل التركيز إلى مستوى أعمق، حيث تصبح التجربة نفسها ناتجاً لطبقة تعلم مستمرة تتغذى على البيانات والسياق والقرارات السابقة.
اعتماد الشركات لسنوات طويلة على مزودي البرمجيات كخدمة كان له ما يبرره اقتصادياً، لأن بناء الأنظمة داخلياً كان مكلفاً ومعقداً. لكن مع تسارع هندسة البرمجيات المدعومة بالذكاء الاصطناعي، تراجعت كلفة بناء أنظمة مخصصة، وبدأت معادلة البناء مقابل الشراء تأخذ شكلاً جديداً.
المنطق هنا ليس بناء كل شيء من الصفر، بل بناء العناصر التي تمنح الشركة تميزاً لا يمكن نسخه بسهولة. ومن بين هذه العناصر طبقة التنسيق التي تختار النموذج أو الأداة أو سير العمل المناسب لكل مهمة، مع واجهات واضحة وعقود بيانات قوية تتيح تبديل النماذج واختبارها وفق معايير الشركة نفسها.
نحو نموذج تشغيل تجاري يتعلم باستمرار
التوجه الأكثر نضجاً لا يقوم على جمع أدوات منفصلة، بل على إنشاء نموذج تشغيلي موحد للتجارة المدعومة بالذكاء الاصطناعي. هذا النموذج يعتمد على بنية مشتركة، وذكاء قابل لإعادة الاستخدام، وأنظمة قابلة للتكامل، وآلية تعلم مستمرة عبر الأقسام المختلفة.
النتيجة المتوقعة ليست مجرد تحسين بسيط في التخصيص، بل بناء نظام يفهم نية العميل عبر الرحلة كلها، ويضع هذا الفهم في كل نقطة تفاعل، ثم يتعلم من كل جلسة جديدة. ومع مرور الوقت، يصبح المتجر نفسه نظاماً ذكياً يزداد دقة من خلال الاستخدام، لا مجرد صفحة عرض للمنتجات.
في هذا السياق، تبدو التجارة الوكيلة أقل شبهاً بمشروع تقني محدود وأكثر شبهاً بإعادة تعريف للبنية التحتية للتجزئة. فالشركة التي تمتلك البيانات والسياق وطبقة التنسيق ستكون الأقرب إلى الاستفادة من هذا التحول، بينما قد تجد الشركات التي تكتفي بالأدوات الجاهزة نفسها خارج دائرة السيطرة على التجربة والقرار معاً.
الرسالة الأساسية واضحة: مستقبل التجارة لن يُحسم بواجهة أفضل فقط، بل بمنظومة تعلم أذكى. ومن يفهم كيف يحول إشارات العملاء إلى معرفة مملوكة وقابلة للتنفيذ، سيكون الأقرب إلى بناء ميزة يصعب على الآخرين تقليدها.