أصبحت أدوات الذكاء الاصطناعي التوليدي أسرع وأكثر طلاقة وقدرة على إنتاج نصوص طويلة ومقنعة، لكن هذا التطور لم يحل المشكلة الأهم بالنسبة لملايين المستخدمين خارج البيئات الغربية: كثير من النماذج ما زالت تبدو وكأنها تتحدث من مركز ثقافي واحد، حتى عندما تُستخدم بلغات متعددة أو في أسواق مختلفة.
المشكلة ليست في اللغة وحدها، بل في المعنى. فالنظام قد يترجم الكلمات بدقة، لكنه يظل عاجزاً عن التقاط أساليب الاحترام، وأنماط السرد، والعلاقات الاجتماعية، وطريقة بناء الحجة، وما الذي يُعتبر مناسباً أو حساساً داخل مجتمع معين. وهنا يظهر الفرق بين أداة “محلية” بالمعنى السطحي، وأخرى صُممت لتفهم السياق الثقافي من الأساس.
في بيئة الأعمال، أصبح هذا الفارق حاسماً. فالشركات تستخدم النماذج اللغوية الكبيرة اليوم في التسويق، والدعم، والتعليم، والإرشاد، وحتى في بعض الاستخدامات القانونية والمهنية. وعندما يفشل النظام في فهم الثقافة، فإن الخطأ لا يكون شكلياً فقط، بل قد يؤثر في الثقة، ويشوّه الرسائل، ويُضعف العلاقة مع المستخدم.
التعريب يعالج السطح فقط
اعتمدت شركات كثيرة خلال السنوات الأخيرة على التعريب بوصفه الحل العملي للتوسع الدولي. الفكرة تبدو منطقية: ترجمة الواجهة، تعديل العملة، ضبط بعض العبارات وفق دليل أسلوب محلي، وربما إعادة صياغة النص بما يناسب السوق المستهدف. هذه الخطوات مفيدة، لكنها لا تمس البنية العميقة للنموذج.
المشكلة أن التعريب يأتي غالباً بعد اكتمال بناء النظام. أي أنه يعمل كطبقة تجميلية فوق نموذج تدريبه الأصلي منحاز في الأساس إلى أنماط بيانات وهيمنة لغوية وثقافية محددة. بمعنى آخر، يتم تزيين الناتج النهائي، لكن طريقة التفكير التي أنتجته تظل كما هي.
هذا ما يفسر شعور كثير من المستخدمين بأن المخرجات، رغم تعدد اللغات، تبدو متشابهة على نحو مفرط: نبرة متوازنة، ومفردات محسوبة، وافتراضات سلوكية تميل إلى الفردانية والمرجعيات الأنجلوساكسونية. والنتيجة أن الأداة تبدو “مفهومة” لغوياً، لكنها غير مألوفة أو غير مريحة ثقافياً.
الذكاء الاصطناعي المصمم ثقافياً يغيّر نقطة البداية
النهج البديل هو ما يمكن وصفه بالذكاء الاصطناعي المصمم خصيصاً للثقافة. هنا لا تُعامل الثقافة كتصحيح لاحق، بل كجزء من التصميم منذ البداية. هذا يعني أن أسئلة التطوير لا تبدأ بـ“كيف نكيّف النموذج لسوق معينة؟”، بل بـ“ما الذي يعرفه هذا المجتمع ويقدّره ويحتاجه فعلاً؟”.
هذا التحول يفرض تغييراً في البيانات، والمعايير، وطريقة التقييم. فالنموذج لا يُختبر فقط على صحة الترجمة أو سلامة القواعد، بل على مدى احترامه للأعراف المحلية، وفهمه لأساليب التواصل، وقدرته على إنتاج إجابات تتوافق مع ما يعتبره المجتمع المقصود منطقياً وملائماً.
خذ مثالاً على ذلك تطبيقاً للمساعدة النفسية يعتمد على نموذج عام، ثم يُترجم إلى لغة محلية. قد تكون الجمل صحيحة، لكن الإحالات الثقافية، وطريقة الحديث عن الصحة النفسية، وأدوار العائلة، وحدود الخصوصية، كلها قد تكون غير مناسبة. أما إذا بُني النظام على معرفة ثقافية محلية، فستتغير طريقة الاستجابة نفسها، لا مجرد ألفاظها.
كما أن بعض الشركات الكبرى بدأت تدرك حجم المشكلة عملياً. فالتعامل مع سوق مثل المكسيك، على سبيل المثال، لا يقتصر على تحويل اللغة إلى الإسبانية، بل يتطلب ضبط درجة الود، ومستوى الرسمية، والاختلافات الدقيقة في التعبير، مع الحرص على ألا يؤثر ذلك سلباً في تجارب لغات أو أسواق أخرى. هذا النوع من الضبط يحتاج تدريباً إضافياً، وبيانات مخصصة، وتعلماً بالتعزيز، وليس مجرد تحرير لغوي.
المبادرات المحلية تكشف أين يوجد الابتكار الحقيقي
اللافت أن بعض أكثر التجارب تقدماً في هذا المجال لا تأتي من الشركات العملاقة فحسب، بل من مبادرات محلية وإقليمية تعمل على إعادة بناء الذكاء الاصطناعي بلغات ومجتمعات غير ممثلة بالقدر الكافي. تظهر أمثلة متعددة في مصر ونيجيريا وإندونيسيا وأمريكا اللاتينية وتايلاند والسويد، وكلها تشير إلى اتجاه واحد: بناء نماذج تنطلق من احتياجات المستخدمين المحليين، لا من افتراضات عامة.
هذه المشاريع مهمة لأنها تثبت أن بناء أنظمة تفهم المجتمعات الكبرى غير الغربية ليس مجرد فكرة نظرية. بل يمكن تحقيقه عندما تُعامل اللغة والثقافة بوصفهما متغيرين أساسيين في التصميم، وعندما يُنظر إلى مجتمع المستخدمين كشريك في تحديد ما يعنيه “الإجادة” و”الصواب” و”الملاءمة”.
كما أنها تكشف خللاً أوسع في الصناعة: إذا كانت الشركات الكبرى تعتمد على أنماط بيانات تعكس وفرة الإنجليزية على الإنترنت، فمن الطبيعي أن تظل النماذج أكثر راحة في بيئات معينة وأقل دقة في غيرها. ولهذا، فإن الاستثمار في النماذج المحلية ليس ترفاً، بل استجابة لبنية معرفية غير متوازنة في المصدر نفسه.
الثقافة أصبحت ميزة تنافسية لا خياراً إضافياً
في المراحل الأولى من طفرة الذكاء الاصطناعي، كان كثير من المستخدمين يتسامحون مع “التسطيح الثقافي” لأن سحر التقنية كان يغطي على العيوب. لكن مع انتشار الأدوات واتساع استخدامها في العمل والحياة اليومية، لم يعد هذا التسامح مضموناً. فالمستخدمون في الأسواق غير الغربية لن يقبلوا طويلاً أدوات تسيء قراءة سياقهم أو تتحدث إليهم بنبرة تبدو غريبة عنهم.
من منظور الأعمال، أصبحت الثقافة جزءاً من المنافسة نفسها. فالعلامات التجارية التي تعيد تكييف الرسائل بعد إنتاجها غالباً ما تتأخر عن تلك التي تدمج الفهم الثقافي في نقطة البداية. وينطبق الأمر ذاته على منتجات الذكاء الاصطناعي: التجربة التي تبدو “عالمية” قد تكون في الواقع سطحية، بينما التجربة التي تُصمم بدقة لثقافة محددة قد تحقق ثقة أعلى وارتباطاً أفضل ونتائج أكثر فاعلية.
هناك أيضاً بعد يتعلق بالاعتماد والثقة. فكلما أخطأ النظام في نبرة المستخدم، أو تجاهل سياقه الاجتماعي، أو قدّم إجابة تبدو منفصلة عن بيئته، تقل قناعة الناس بأنه يفهمهم فعلاً. وفي فئة منتجات تعتمد أساساً على الإحساس بالفهم، يصبح هذا الخلل تهديداً مباشراً للقبول والاستخدام المستمر.
ما الذي يحتاج إلى التغيير في بنية التطوير
الطريق إلى الأمام لا يمر عبر التخلي عن النماذج العامة، بل عبر الاعتراف بأنها ليست النهاية. يمكن أن تظل النماذج الشاملة قاعدة جيدة، لكن يجب ألا تكون السقف الذي تقف عنده الصناعة. المطلوب هو طبقات أعمق من التخصيص الثقافي، تبدأ من جمع البيانات وتنتهي عند أساليب التقييم.
أول هذه المتطلبات هو بناء بيانات تدريب بالشراكة مع المجتمعات المعنية، لا الاكتفاء ببيانات مترجمة أو مجمعة عشوائياً. والثاني هو اعتماد معايير تقييم ثقافية لا تكتفي بصحة اللغة، بل تقيس الملاءمة والسياق وحساسية المعنى. أما الثالث فهو إتاحة مساحة أكبر للمجتمعات كي تعرف بنفسها ما الذي يُعد صحيحاً أو مناسباً داخل بيئتها.
هذا التحول يتطلب أيضاً إعادة التفكير في مفهوم “الذكاء” داخل الصناعة. فالنظام الذي ينتج إجابات سلسة للجميع قد يكون فعلياً مجرد متوسط لغوي شديد التطور. أما النظام الذي يفهم التباين الثقافي ويستجيب له، فهو الأقرب إلى الذكاء الذي يحتاجه العالم اليوم.
في نهاية المطاف، السؤال الحاسم ليس ما إذا كانت الثقافة مهمة؛ فهذا أصبح واضحاً. السؤال الحقيقي هو ما إذا كانت البنية التقنية للنظام تسمح للثقافة بأن تكون جزءاً من الذكاء نفسه، لا مجرد طبقة تُضاف بعد الانتهاء.
إذا كان الذكاء الاصطناعي يعمل بكفاءة في مدينة ويبدو غريباً أو غير دقيق في مدينة أخرى، فالمشكلة ليست في المستخدمين. المشكلة في التصميم. ولهذا، فإن الجيل القادم من الابتكار في التقنية لن يُقاس فقط بقدرة النموذج على الكتابة أو التلخيص، بل بقدرته على الفهم داخل العالم الحقيقي بكل تنوعه.