اتفق مُصنِّفان بشريان مدرَّبان على تصنيف مشاعر 20,000 عبارة من عبارات مراكز الاتصال بمعامل كابا كوهين 0.605 فقط، على مقياس تمثل فيه 1.0 الاتفاق التام و0 الصدفة المحضة (باحثو ConnexAI، IntechOpen 2026). وهذا السقف مهم لأن كل درجة مشاعر في لوحة تحليلات الكلام تُدرَّب وتُقيَّم قياسا إلى تصنيفات من هذا النوع. وفي المقابل، أخطأت أنظمة التعرف على الكلام التجارية في 16.5% إلى 19.2% من الكلمات على 50 محادثة حقيقية في مراكز الاتصال، مقابل 10.2% إلى 11.62% على معيار هاتفي قياسي (Szymanski وآخرون، Findings of EMNLP 2020)، وتشغّل 49.8% من 1,104 شركات بالفعل تحليلات التفاعلات على هذه النصوص (Metrigy, AI for Business Success 2025-26). جمعنا بيانات من Metrigy وملفات NICE وVerint لدى هيئة الأوراق المالية والبورصات الأمريكية (SEC)، ومعايير الكلام المنشورة في EMNLP وLREC ومن OpenAI وعلى arXiv، ومن NBER وقانون الذكاء الاصطناعي الأوروبي والجمعية العامة لولاية إلينوي، إلى جانب عدة مصادر أولية أخرى. وللاطلاع على جانب الأتمتة في القطاع نفسه (روبوتات الصوت ووكلاء الذكاء الاصطناعي بدلا من التحليلات)، راجع إحصائيات أتمتة مراكز الاتصال بالذكاء الاصطناعي الصوتي.
أبرز النقاط
- 49.8% من الشركات تستخدم تحليلات التفاعلات بالفعل، و29.9% أخرى تخطط لإضافتها (Metrigy, AI for Business Success 2025-26).
- 55% من مراكز الاتصال لا تزال تجري ضمان الجودة على جداول البيانات، بانخفاض من 65% قبل عام (Scorebuddy وCall Centre Helper، ديسمبر 2025).
- معدل خطأ الكلمات (WER) في أنظمة ASR التجارية على 50 محادثة حقيقية في مراكز الاتصال: من 16.5% إلى 19.2% (Szymanski وآخرون، Findings of EMNLP 2020).
- يخطئ Whisper large-v2 في 17.6% من الكلمات على مكالمات CallHome الهاتفية، لكن في 2.7% فقط على الكلام المقروء من الكتب الصوتية (OpenAI، ورقة Whisper 2022).
- على صوت حقيقي لمركز اتصال بلكنات إفريقية، سجل Whisper-large-v3 معدل WER قدره 24.69% وأفضل نموذج 13.45% (AfriSpeech-MultiBench، arXiv 2025).
- يتفق المُصنِّفون البشريون على مشاعر عبارات مراكز الاتصال بمعامل كابا كوهين 0.605 (باحثو ConnexAI، IntechOpen 2026).
- اتفق مقيّمان يقيّمان مكالمات عملاء حقيقية بمعامل ICC قدره 0.62 فقط في التكافؤ و0.52 في الاستثارة (دراسة CusEmo، arXiv 2023).
- بلغت الدقة المرجحة لنماذج المشاعر الصوتية فقط 54.23% على المكالمات الهاتفية، مقابل 85.76% للبشر (Chen وآخرون، LREC 2020).
- رفع مساعد ذكاء اصطناعي إنتاجية موظفي الدعم بنسبة 14% ومشاعر العملاء بمقدار 0.18 نقطة على مقياس من -1 إلى 1 (NBER Working Paper 31161).
- يُحظر في الاتحاد الأوروبي منذ 2 فبراير 2025 استنتاج انفعالات الموظفين في العمل من الصوت (قانون الذكاء الاصطناعي الأوروبي، اللائحة (EU) 2024/1689).
- تحدد إلينوي تعويضات تتراوح بين $1,000 و$5,000 عن كل مخالفة تتعلق بمعرّفات بيومترية مثل البصمات الصوتية (740 ILCS 14).
1. الاعتماد: تحليلات التفاعلات وضمان الجودة الآلي
مسألة الاعتماد محسومة إلى النصف. 49.8% من 1,104 شركات تستخدم بالفعل تحليلات التفاعلات (برمجيات تحول المكالمات والمحادثات النصية والرسائل الإلكترونية إلى نصوص وتستخرج منها المواضيع وعبارات الامتثال والمشاعر)، وخططت 29.9% أخرى لتطبيقها خلال العام (Metrigy, AI for Business Success 2025-26). ما تغير هو وصف الوظيفة. فأكبر مجموعة من المعتمدين، 46.2%، تقول الآن إن أكبر قيمة هي مقارنة أداء وكلاء الذكاء الاصطناعي بأداء موظفي خدمة العملاء البشريين (تحليل Metrigy، 14 مايو 2025). لقد أصبحت تحليلات الكلام لوحة نتائج للأتمتة، لا مجرد أداة تدريب.
ما زالت عملية ضمان الجودة (QA) التي يُفترض أن تحل التحليلات محلها يدوية على نحو مفاجئ. فقد وجد استطلاع برعاية أحد الموردين أن الاعتماد على جداول البيانات في ضمان الجودة انخفض من 65% إلى 55% على أساس سنوي، وأن 44% من مراكز الاتصال أبدت اهتماما قويا بالتقييم الآلي أو الفوري (Scorebuddy وCall Centre Helper، What Contact Centers Are Doing Right Now، ديسمبر 2025). وقاعدة الموردين مركزة وكبيرة: أعلنت NICE إجمالي إيرادات 2025 بقيمة $2,945.4 مليون، مقابل $2,735.3 مليون، مع ارتفاع إيرادات السحابة 12.8%، ودفعت مقابلا نهائيا إجماليا قدره $887.3 مليون للاستحواذ على شركة الذكاء الاصطناعي الحواري Cognigy (نموذج NICE 20-F للسنة المالية 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| الشركات التي تستخدم تحليلات التفاعلات بالفعل | 49.8% من 1,104 شركات | Metrigy, AI for Business Success 2025-26 |
| الشركات التي تخطط لتطبيق تحليلات التفاعلات خلال 2025 | 29.9% | Metrigy, AI for Business Success 2025-26 |
| المعتمدون الذين تتمثل أكبر قيمة لديهم في مقارنة فعالية وكلاء الذكاء الاصطناعي بفعالية الموظفين البشريين | 46.2% (أكبر مجموعة) | تحليل Metrigy، مايو 2025 |
| مراكز الاتصال التي تستخدم جداول البيانات في ضمان الجودة، هذا العام مقابل العام الماضي | 55% مقابل 65% | استطلاع Scorebuddy وCall Centre Helper، ديسمبر 2025 (برعاية أحد الموردين) |
| مراكز الاتصال ذات الاهتمام القوي بتقييم الجودة الآلي أو الفوري | 44% | استطلاع Scorebuddy وCall Centre Helper، ديسمبر 2025 (برعاية أحد الموردين) |
| مؤسسات عملاء NICE وعملاؤها من Fortune 100 | أكثر من 25,000 مؤسسة في أكثر من 150 دولة، منها 85 من شركات Fortune 100 | نموذج NICE 20-F، السنة المالية 2025 |
| عملاء Verint من Fortune 100 والدول المخدومة | أكثر من 80 من شركات Fortune 100، في أكثر من 175 دولة | نموذج Verint 10-K، السنة المالية المنتهية في 31 يناير 2025 |
| إيرادات Verint من أعمال الاشتراكات | نحو 80% | نموذج Verint 10-K، السنة المالية المنتهية في 31 يناير 2025 |
ملاحظة سياقية: تنتشر على نطاق واسع أرقام تزعم أن فرق ضمان الجودة اليدوية تراجع «من 1% إلى 3%» أو «أقل من 5%» فقط من المكالمات، لكن كل نسخة وجدناها تعود إلى مدونات الموردين أو إلى مراجع يتعذر التحقق منها، فاستبعدناها. ولا يوجد استطلاع عام مستقل في 2025 أو 2026 يبلغ عن حصة المكالمات التي يراجعها البشر مقابل التي تقيّمها الآلة. كما يذكر نموذج Verint 10-K أن نحو 72% من إيراداتها جاء من الأمريكتين.
2. دقة النسخ على صوت المكالمات الحقيقية
يبدأ كل تقييم مشاعر قائم على النص بنسخ نصي، وصوت المكالمات الضيق النطاق (8 kHz) والعفوي من أصعب الأصوات اليومية على أي نظام تعرف. ومعدل خطأ الكلمات (WER) هو نسبة الكلمات التي يستبدلها النظام أو يحذفها أو يضيفها مقارنة بنسخ بشري. سجلت ثلاثة أنظمة تجارية معدل WER بين 16.5% و19.2% على 50 محادثة حقيقية في مراكز الاتصال، مقابل 10.2% إلى 11.62% على معيار Switchboard الهاتفي (Szymanski وآخرون، WER we are and WER we think we are، Findings of EMNLP 2020). ويلاحظ المؤلفون أن أفضل النتائج المنشورة على Switchboard نحو 5%، أي أن المكالمات الحقيقية سجلت نحو ثلاثة إلى أربعة أضعاف معدل الخطأ الذي توحي به معايير العناوين الرئيسية (16.5 / 5 = 3.3 و19.2 / 5 = 3.84). أحدث بيانات متاحة للأنظمة التجارية على صوت مراكز الاتصال الخاص: Szymanski وآخرون، 2020؛ ولم نعثر على أي تكرار علني لهذا الاختبار على تسجيلات مكالمات حقيقية بمحركات تجارية حالية.
وتُظهر النماذج المفتوحة الأحدث الفجوة نفسها. فقد سجل Whisper large-v2 معدل WER قدره 2.7% على LibriSpeech test-clean (كتب صوتية مقروءة) لكن 17.6% على CallHome و13.8% على Switchboard، وكلاهما مجموعتا محادثات هاتفية (OpenAI، Robust Speech Recognition via Large-Scale Weak Supervision، 2022). واللكنة توسع الفجوة أكثر: ففي مجموعة خاصة صغيرة من مكالمات حقيقية بين موظفين وعملاء بلكنات إفريقية، تراوحت النتائج بين 13.45% لأفضل نموذج و88.71% لأسوئها (AfriSpeech-MultiBench، arXiv نوفمبر 2025). وتتناول إحصائياتنا حول انحياز اللكنات ومعدل خطأ الكلمات هذا البعد بعمق.
| المقياس | القيمة | المصدر |
|---|---|---|
| معدل WER لثلاثة أنظمة ASR تجارية على 50 محادثة حقيقية في مراكز الاتصال (8.5 ساعات من الصوت، 2.2 ساعة من الكلام) | من 16.5% إلى 19.2% | Szymanski وآخرون، Findings of EMNLP 2020 |
| معدل WER للأنظمة الثلاثة نفسها على معيار HUB’05 Switchboard الهاتفي | من 10.2% إلى 11.62% | Szymanski وآخرون، Findings of EMNLP 2020 |
| معدل WER في مراكز الاتصال حسب مجال العمل لأفضل نظام | 13.73% (التأمين) إلى 20.95% (حجز السفر) | Szymanski وآخرون، Findings of EMNLP 2020 |
| معدل WER على كلام العملاء مقابل كلام الموظفين، لأضعف الأنظمة الثلاثة | 20.99% مقابل 17.83% | Szymanski وآخرون، Findings of EMNLP 2020 |
| معدل WER لـ Whisper large-v2 على الكلام المقروء من الكتب الصوتية (LibriSpeech test-clean) مقابل المكالمات الهاتفية CallHome مقابل المكالمات الهاتفية Switchboard | 2.7% مقابل 17.6% مقابل 13.8% | OpenAI، ورقة Whisper 2022 |
| معدل WER لـ NVIDIA Conformer-CTC large مقابل wav2vec2-large-960h على مكالمات CallHome الهاتفية | 11.3% مقابل 34.8% | OpenAI، ورقة Whisper 2022 (جدول المقارنة) |
| معدل WER على صوت حقيقي لمركز اتصال بلكنات إفريقية: أفضل نموذج مقابل Whisper-large-v3 مقابل GPT-4o Transcribe | 13.45% مقابل 24.69% مقابل 23.20% | AfriSpeech-MultiBench، arXiv نوفمبر 2025 |
| حصة مجموعة تقييم لمراكز الاتصال منسوخة بـ ASR (618 عبارة) التي تحتوي على أخطاء نسخ | 42.6% (263 عينة) | باحثو ConnexAI، IntechOpen 2026 |
ملاحظة حول القيم الشاذة: فجوة الموظف مقابل العميل ليست شاملة. ففي أفضل الأنظمة التجارية الثلاثة، كان معدل WER لكلام العملاء والموظفين متطابقا تقريبا (16.48% مقابل 16.49%)، أي أن جانب العميل أصعب لدى بعض المحركات لا لدى جميعها. كما تختلف الأخطاء في نوعها عن أخطاء المعايير؛ وتتناول إحصائياتنا حول هلوسة التعرف على الكلام الكلمات المختلقة التي لا تفصلها درجة WER وحدها.
3. مشاعر النص في نسخ المكالمات: اتفاق البشر ودقة الآلة
الرقم المزعج في تحليلات المشاعر هو خط الأساس البشري. اتفق مُصنِّفان على تصنيف 20,000 عبارة من عبارات مراكز الاتصال (الإنترنت واسع النطاق والتأمين وقطاعات أخرى) بمعامل كابا كوهين 0.605 (باحثو ConnexAI، Enhancing Call Centre Sentiment Analysis with Large Language Models، IntechOpen 2026). ويصحح معامل كابا نسبة الاتفاق الخام بحسب الصدفة: 1.0 اتفاق تام و0 هو ما تنتجه الصدفة وحدها. وأي رقم يعلنه مورد عن «دقة المشاعر» يُقاس بتصنيفات يختلف عليها البشر أنفسهم في كثير من الأحيان.
وضمن هذا السقف تؤدي النماذج جيدا على النص النظيف وتتعثر في الفئة الأهم. فمع تعليمات الوسم الكاملة، طابق نموذج لغوي كبير (LLM) مفتوح بحجم 32 مليار معامل المعيار الذهبي البشري في 91% من الحالات على ثلاث فئات، لكن معدل F1 الماكرو لديه (متوسط درجات F1 لكل فئة، وهو يعاقب إهمال الفئات النادرة) بلغ 0.79. أما الاختبار الحقيقي فهو مخرجات ASR: ففي مكالمات الإنتاج المنسوخة آليا، بلغ معدل F1 الماكرو للنهج نفسه 0.74 من عبارات منفردة و0.86 حين رأى نافذة من ست مراحل حوارية. وكان للسياق أثر أكبر من الحجم: ففي الاختبارات نفسها، سجل نموذج Qwen3 بحجم 4 مليار معامل قيمة F1 ماكرو قدرها 0.78 بينما سجل شقيقه بحجم 32 مليار معامل 0.56. وفي مدونة Switchboard الهاتفية، يوضح توزيع التصنيفات سبب هيمنة الفئة «المحايدة» على لوحات المؤشرات: فقد كانت 52.6% من المقاطع محايدة (Chen وآخرون، A Large Scale Speech Sentiment Corpus، LREC 2020).
| المقياس | القيمة | المصدر |
|---|---|---|
| الاتفاق بين مُصنِّفَين بشريَّين على مشاعر 20,000 عبارة من عبارات مراكز الاتصال (كابا كوهين) | 0.605 | باحثو ConnexAI، IntechOpen 2026 |
| نموذج لغوي كبير مفتوح (Qwen2.5-32B-Instruct) مع التعليمات الكاملة مقابل المعيار الذهبي البشري، 3 فئات مشاعر، 8,750 عينة | دقة 0.91، F1 ماكرو 0.79 | باحثو ConnexAI، IntechOpen 2026 |
| DistilBERT المضبوط مقابل مصنف SVM، F1 الماكرو على مكالمات منسوخة بشريا | 0.90 مقابل 0.82 | باحثو ConnexAI، IntechOpen 2026 |
| نموذج لغوي كبير على نسخ المكالمات الإنتاجية بالآلة (ASR): عبارة منفردة مقابل نافذة سياق من ست مراحل، F1 الماكرو | 0.74 مقابل 0.86 | باحثو ConnexAI، IntechOpen 2026 |
| متوسط دقة المُصنِّفين البشريين الأفراد مقارنة بالتصنيف الغالب، مكالمات Switchboard الهاتفية (49,500 مقطع، 140 ساعة) | نحو 85% | Chen وآخرون (Google)، LREC 2020 |
ملاحظة سياقية: في الفصل نفسه، كانت الفئة السلبية نقطة الضعف حتى لدى أفضل مصنف (بلغت قيمة F1 لـ DistilBERT المضبوط 0.78 في المشاعر السلبية مقابل 0.94 في الإيجابية)، وانهار مصنف SVM على النسخ الآلية، إذ سجل F1 ماكرو قدره 0.25 على كلام الموظفين و0.46 على كلام العملاء. كما كانت مكالمات الإنتاج المنسوخة آليا منحازة: 61% محايدة و30% إيجابية و9% سلبية. والنموذج الذي يصنّف كل شيء محايدا يبدو دقيقا على هذه البيانات بينما يفوته الـ 9% الغاضبة.
4. اكتشاف الانفعالات من الصوت: ماذا يضيف الصوت
نبرة الصوت هي نقطة البيع في «الذكاء الاصطناعي العاطفي»، ومع ذلك كانت أضعف إشارة منفردة في معيار مشاعر المكالمات الهاتفية Switchboard. بلغت الدقة المرجحة لنموذج صوتي فقط 54.23% في تصنيف المشاعر إلى ثلاث فئات، مقابل 85.76% للبشر، وأدى إضافة النص إلى رفعها إلى 65.65% (Chen وآخرون، LREC 2020، مع الإبلاغ عن خطوط الأساس لدى Lu وآخرون 2019). وتعد الدقة المرجحة كل مقطع بالوزن نفسه؛ أما الدقة غير المرجحة فتأخذ متوسط الفئات الثلاث، لذا فإن درجة النموذج الصوتي غير المرجحة البالغة 39.63% تزيد بنحو 6 نقاط فقط على 33.3% التي يحققها التخمين العشوائي (39.63 - 33.33 = 6.3). أحدث بيانات متاحة لمعيار عام لمشاعر المكالمات الهاتفية يقارن أنواع المدخلات الثلاثة كلها: مدونة Switchboard للمشاعر، LREC 2020.
وتصنيف مكالمات خدمة العملاء الحقيقية أصعب. ففي مركز اتصال فرنسي لسفر الأعمال (دراسة CusEmo)، بلغ معامل الارتباط داخل الفئة (ICC، وهو درجة اتفاق من 0 إلى 1) بين مقيّمين يقيّمان انفعال العملاء بصورة متصلة 0.62 للتكافؤ (مدى إيجابية الانفعال أو سلبيته) و0.52 للاستثارة (مدى نشاطه أو هدوئه) (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations، arXiv 2023). وبلغ معامل ارتباط التوافق (CCC، حيث 1 تعني التوافق التام) لأفضل نموذج مع تلك التقييمات 0.699 للتكافؤ و0.508 للاستثارة، بعد إبلاغه بمدى تعاطف الموظف. وبعبارة أخرى، يسهل قراءة مزاج العميل حين يسمع النموذج الموظف أيضا. وللاستخدامات السريرية للتقنية نفسها، راجع إحصائيات دقة التعرف على الانفعالات من الكلام.
| المقياس | القيمة | المصدر |
|---|---|---|
| الدقة المرجحة لتصنيف المشاعر إلى 3 فئات على مكالمات Switchboard الهاتفية: نموذج صوتي فقط مقابل نموذج صوتي مع نص مقابل نموذج يستخدم سمات التعرف على الكلام مقابل مستمعين بشريين | 54.23% مقابل 65.65% مقابل 70.10% مقابل 85.76% | Chen وآخرون (Google)، LREC 2020 |
| الدقة غير المرجحة (بمتوسط الفئات) للمقاربات الأربع نفسها بالترتيب نفسه | 39.63% مقابل 54.59% مقابل 62.39% مقابل 84.61% | Chen وآخرون (Google)، LREC 2020 |
| مجموعة CusEmo المصدرية من مركز اتصال فرنسي لسفر الأعمال | 5,548 محادثة، 375.39 ساعة | دراسة CusEmo، arXiv 2023 |
| محادثات CusEmo ذات الوسم السياقي؛ صوت العملاء الذي قُيِّم انفعاليا | 469 محادثة؛ 13.15 ساعة | دراسة CusEmo، arXiv 2023 |
| الاتفاق بين مقيّمين يقيّمان انفعال العميل (ICC): التكافؤ مقابل الاستثارة | 0.62 مقابل 0.52 | دراسة CusEmo، arXiv 2023 |
| توافق أفضل نموذج مع التقييمات البشرية (CCC) عند إضافة تعاطف الموظف: التكافؤ مقابل الاستثارة | 0.699 مقابل 0.508 | دراسة CusEmo، arXiv 2023 |
ملاحظة سياقية: مدونة CusEmo للاستخدام الداخلي فقط ولم تُنشر، ولم يحصل سوى 469 من 5,548 محادثة على وسم سياقي. وبيانات الانفعالات الحقيقية في مراكز الاتصال شحيحة بالتحديد لأن التسجيلات تحمل بيانات شخصية، وهذا أحد أسباب أن معظم أرقام الدقة المنشورة تأتي من البودكاست أو الكلام التمثيلي أو مدونات هاتفية عمرها عقود.
5. النتائج التجارية المقاسة
يبيع موردو التحليلات نتائج، وأفضل دليل مضبوط يأتي من النص لا من الصوت. ففي دراسة شملت 5,179 من موظفي دعم العملاء ونحو 3 ملايين محادثة نصية، رفع مساعد محادثات يعمل بالذكاء الاصطناعي عدد المشكلات المحلولة في الساعة بنسبة 14% في المتوسط وبنسبة 34% لدى الموظفين المبتدئين ومنخفضي المهارة (Brynjolfsson وLi وRaymond، Generative AI at Work، NBER Working Paper 31161). وقاست الدراسة مزاج العملاء بمصنف مشاعر يعتمد على نموذج لغوي (SiEBERT، يقيّم النص من -1 إلى 1)، ما يجعلها إحدى الدراسات الميدانية الكبيرة القليلة التي تستخدم المشاعر الآلية نتيجةً لا مدخلا.
وتحركت المقاييس الأخف أيضا: ارتفعت مشاعر العملاء بمقدار 0.18 نقطة (نصف انحراف معياري)، وانخفضت طلبات التحدث إلى مدير بنحو 25%، وتراجع وقت المعالجة بمقدار 3.8 دقيقة. أما معدل الحل فلم يتغير تقريبا. ويبدو أن المشترين يعتقدون أن مكان البيانات في القمة: فنحو 84% من الشركات، و96.7% من مجموعة النجاح لدى Metrigy، تقول إن بيانات تفاعلات العملاء ينبغي أن تكون جزءا من لوحات الأداء التنفيذية (تحليل Metrigy، مايو 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| مكسب الإنتاجية (المشكلات المحلولة في الساعة) مع مساعد محادثات بالذكاء الاصطناعي، 5,179 موظفا | 14% في المتوسط | NBER Working Paper 31161، Brynjolfsson وLi وRaymond |
| مكسب الإنتاجية لدى الموظفين المبتدئين ومنخفضي المهارة | 34% | NBER Working Paper 31161 |
| التغير في متوسط مشاعر العملاء (درجة SiEBERT من -1 إلى 1) | +0.18 نقطة، أي نحو نصف انحراف معياري | NBER Working Paper 31161 |
| التغير في طلبات العملاء للتحدث إلى مدير (خط الأساس نحو 6 نقاط مئوية) | أقل بنحو 25% | NBER Working Paper 31161 |
| التغير في متوسط وقت المعالجة | أقصر بمقدار 3.8 دقيقة، أي انخفاض 9% | NBER Working Paper 31161 |
| التغير في معدل الحل (خط الأساس 82%) | +1.3 نقطة مئوية، ذو دلالة عند مستوى 10% فقط | NBER Working Paper 31161 |
| الشركات التي تريد بيانات التفاعلات على لوحات المؤشرات التنفيذية: جميع الشركات مقابل المجموعة الأنجح | نحو 84% مقابل 96.7% | تحليل Metrigy، مايو 2025 |
ملاحظة حول القيم الشاذة: ارتفعت مشاعر الموظفين في دراسة NBER بمقدار 0.02 نقطة فقط، أي نحو 1% من انحراف معياري، فظهر المكسب في طريقة كتابة العملاء لا في طريقة كتابة الموظفين. وتغطي الدراسة المحادثات النصية في شركة واحدة؛ ولم نعثر على دراسة مضبوطة بحجم مماثل لنتائج تحليلات المكالمات الصوتية.
6. التنظيم والخصوصية: قواعد التعرف على الانفعالات وقانون البصمة الصوتية
يمر الخط القانوني بين صاحب الانفعالات التي تُقرأ ومصدر قراءتها. منذ 2 فبراير 2025 يحظر قانون الذكاء الاصطناعي الأوروبي أنظمة الذكاء الاصطناعي التي تستنتج انفعالات شخص في مكان العمل، باستثناء الأسباب الطبية أو الأمنية (اللائحة (EU) 2024/1689، المادتان 5(1)(f) و113). ويعرّف القانون التعرف على الانفعالات بأنه استنتاج «على أساس بياناتهم البيومترية»، ولهذا تعد إرشادات المفوضية أن قيام مركز اتصال باستخدام التعرف على الصوت لتتبع غضب الموظفين أمر محظور، أما تتبع انفعالات العملاء فهو خارج نطاق الحظر، وكذلك الاستنتاج من النص المكتوب (إرشادات المفوضية الأوروبية بشأن ممارسات الذكاء الاصطناعي المحظورة، 4 فبراير 2025، الأمثلة كما لخصتها CMS، 10 فبراير 2025). وعمليا، يعد تحليل المشاعر القائم على النص للعملاء التصميم الأكثر أمانا في أوروبا، ويعد تقييم نبرة صوت الموظفين الأكثر خطورة.
وتبرر الفقرة التمهيدية 44 من القانون الحظر بالإشارة إلى مخاوف جدية بشأن الأساس العلمي للتعرف على الانفعالات، وتذكر محدودية الموثوقية وانعدام الخصوصية ومحدودية قابلية التعميم، وهي نقاط الضعف نفسها التي تقيسها درجات الاتفاق في القسمين 3 و4. وفي الولايات المتحدة، يتمثل أشد تعرض في الجانب البيومتري: فإلينوي تعد البصمة الصوتية معرّفا بيومتريا، وبالتالي فإن أي نظام ينشئ بصمات صوتية للمتحدثين (مثلا للتحقق من هوية المتصل) يخضع لقواعدها وتعويضاتها عن كل مخالفة (قانون خصوصية المعلومات البيومترية في إلينوي، 740 ILCS 14).
| المقياس | القيمة | المصدر |
|---|---|---|
| تاريخ سريان الحظر الأوروبي على استنتاج الانفعالات في مكان العمل والتعليم (المادة 5(1)(f)) | 2 فبراير 2025 | قانون الذكاء الاصطناعي الأوروبي، اللائحة (EU) 2024/1689، المادة 113 |
| الحد الأقصى للغرامة على استخدام ممارسة ذكاء اصطناعي محظورة | 35,000,000 يورو أو 7% من إجمالي حجم الأعمال السنوي العالمي، أيهما أعلى | قانون الذكاء الاصطناعي الأوروبي، المادة 99(3) |
| وضع أنظمة التعرف على الانفعالات غير المحظورة (مثلا على العملاء) | مدرجة ضمن أنظمة الذكاء الاصطناعي عالية المخاطر | قانون الذكاء الاصطناعي الأوروبي، الملحق III، البند 1(ج) |
| تاريخ التطبيق العام لقانون الذكاء الاصطناعي الأوروبي كما نُشر | 2 أغسطس 2026 | قانون الذكاء الاصطناعي الأوروبي، المادة 113 |
| مركز اتصال يستخدم التعرف على الصوت لتتبع انفعالات الموظفين مثل الغضب | محظور | إرشادات المفوضية الأوروبية، فبراير 2025 |
| مركز اتصال يستخدم التعرف على الصوت لتتبع انفعالات العملاء | خارج نطاق حظر مكان العمل | إرشادات المفوضية الأوروبية، فبراير 2025 |
| تعويضات قانونية محددة في إلينوي عن كل مخالفة تتعلق بمعرّفات بيومترية مثل البصمات الصوتية: الإهمال مقابل التعمد أو التهور | $1,000 مقابل $5,000 | قانون BIPA في إلينوي، 740 ILCS 14/20 |
| تاريخ سريان قانون BIPA في إلينوي وآخر تعديل له | 3 أكتوبر 2008؛ عُدّل بالقانون العام 103-769 الساري من 2 أغسطس 2024 | الجمعية العامة لولاية إلينوي |
ملاحظة سياقية: إرشادات المفوضية غير ملزمة، والتفسير المرجعي الحاسم يعود إلى محكمة العدل التابعة للاتحاد الأوروبي. وينبه التقرير السنوي لشركة NICE نفسها إلى أن قانون الذكاء الاصطناعي «ينطبق تدريجيا حتى أغسطس 2026» وأن غرامات عدم الامتثال «كبيرة» (نموذج NICE 20-F للسنة المالية 2025).
الخلاصة: دقة اكتشاف المشاعر في تحليلات الكلام بمراكز الاتصال بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| الشركات التي تستخدم تحليلات التفاعلات بالفعل مقابل التي تخطط لتطبيقها في 2025 | 49.8% مقابل 29.9% (من 1,104) | Metrigy, AI for Business Success 2025-26 |
| مراكز الاتصال التي لا تزال تستخدم جداول البيانات في ضمان الجودة | 55% (بانخفاض من 65%) | Scorebuddy وCall Centre Helper، ديسمبر 2025 |
| إجمالي إيرادات NICE في 2025 | $2,945.4 مليون | نموذج NICE 20-F، السنة المالية 2025 |
| معدل WER لأنظمة ASR التجارية على 50 محادثة حقيقية في مراكز الاتصال | من 16.5% إلى 19.2% | Szymanski وآخرون، Findings of EMNLP 2020 |
| الأنظمة نفسها على معيار Switchboard الهاتفي | من 10.2% إلى 11.62% | Szymanski وآخرون، Findings of EMNLP 2020 |
| معدل WER لـ Whisper large-v2: الكلام المقروء من الكتب الصوتية مقابل مكالمات CallHome الهاتفية | 2.7% مقابل 17.6% | OpenAI، ورقة Whisper 2022 |
| معدل WER على صوت مركز اتصال بلكنات إفريقية: أفضل نموذج مقابل Whisper-large-v3 | 13.45% مقابل 24.69% | AfriSpeech-MultiBench، arXiv 2025 |
| الاتفاق بين البشر على مشاعر عبارات مراكز الاتصال (كابا كوهين) | 0.605 | باحثو ConnexAI، IntechOpen 2026 |
| F1 الماكرو لمشاعر النموذج اللغوي الكبير على نسخ ASR: عبارة منفردة مقابل سياق من ست مراحل | 0.74 مقابل 0.86 | باحثو ConnexAI، IntechOpen 2026 |
| الدقة المرجحة لمشاعر المكالمات الهاتفية: صوتي فقط مقابل صوتي مع نص مقابل البشر | 54.23% مقابل 65.65% مقابل 85.76% | Chen وآخرون (Google)، LREC 2020 |
| اتفاق المقيّمين على التكافؤ مقابل الاستثارة لدى العملاء في مكالمات حقيقية (ICC) | 0.62 مقابل 0.52 | دراسة CusEmo، arXiv 2023 |
| مكسب الإنتاجية من مساعد المحادثات بالذكاء الاصطناعي، جميع الموظفين مقابل المبتدئين | 14% مقابل 34% | NBER Working Paper 31161 |
| تغير مشاعر العملاء (مقياس من -1 إلى 1) وطلبات التحدث إلى مدير مع مساعدة الذكاء الاصطناعي | +0.18 نقطة؛ طلبات أقل بنحو 25% | NBER Working Paper 31161 |
| يسري الحظر الأوروبي على استنتاج الانفعالات في مكان العمل من | 2 فبراير 2025 | قانون الذكاء الاصطناعي الأوروبي، المادة 113 |
| مركز اتصال يستخدم التعرف على الصوت لتتبع انفعالات الموظفين مقابل انفعالات العملاء | محظور مقابل خارج حظر مكان العمل | إرشادات المفوضية الأوروبية، فبراير 2025 |
| الحد الأقصى للغرامة الأوروبية على ممارسات الذكاء الاصطناعي المحظورة | 35,000,000 يورو أو 7% من حجم الأعمال العالمي | قانون الذكاء الاصطناعي الأوروبي، المادة 99(3) |
| تعويضات إلينوي عن كل مخالفة بيومترية، الإهمال مقابل التعمد | $1,000 مقابل $5,000 | قانون BIPA في إلينوي، 740 ILCS 14 |
المنهجية والمصادر
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1,104 شركات) وتحليل Metrigy للدراسة نفسها، 14 مايو 2025: الاعتماد والاعتماد المخطط له وأهم حالات الاستخدام وتوجهات لوحات المؤشرات.
- Scorebuddy وCall Centre Helper, What Contact Centers Are Doing Right Now، 11 ديسمبر 2025: استطلاع أدوات ضمان الجودة، برعاية أحد الموردين؛ ولم يُفصح عن حجم العينة في البيان.
- NICE Ltd, نموذج 20-F للسنة المالية المنتهية في 31 ديسمبر 2025 (SEC EDGAR): الإيرادات ونمو السحابة وقاعدة العملاء ومقابل الاستحواذ على Cognigy وعامل المخاطر المتعلق بقانون الذكاء الاصطناعي.
- Verint Systems, نموذج 10-K للسنة المالية المنتهية في 31 يناير 2025 (SEC EDGAR): قاعدة العملاء والدول وحصة الاشتراكات والإيرادات الإقليمية.
- Szymanski وآخرون, WER we are and WER we think we are, Findings of EMNLP 2020: أنظمة ASR التجارية على 50 محادثة حقيقية في مراكز الاتصال.
- Radford وآخرون (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: معدل WER لـ Whisper على LibriSpeech وCallHome وSwitchboard.
- Ashungafac وآخرون (Intron Health), AfriSpeech-MultiBench, arXiv نوفمبر 2025: معدل WER في مجال مراكز الاتصال لـ 18 نظام ASR.
- Jordan وFonseka وStacey وSitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen، 20 يونيو 2026: اتفاق البشر ودقة مشاعر النماذج اللغوية الكبيرة والمصنفات ومتانة ASR. يعمل المؤلفون لدى مورد للذكاء الاصطناعي في مراكز الاتصال.
- Chen وآخرون (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): تصنيفات مشاعر Switchboard ودقة البشر وخطوط الأساس الصوتية والنصية.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: مدونة انفعالات حقيقية من مركز اتصال ونتائج النماذج.
- Brynjolfsson وLi وRaymond, Generative AI at Work, NBER Working Paper 31161: نتائج الإنتاجية والمشاعر والتصعيد ومعدل ترك الموظفين للعمل.
- اللائحة (EU) 2024/1689 (قانون الذكاء الاصطناعي الأوروبي), EUR-Lex: المادة 3(39) والمادة 5(1)(f) والمادة 99(3) والمادة 113 والملحق III والفقرة التمهيدية 44.
- المفوضية الأوروبية, إرشادات بشأن ممارسات الذكاء الاصطناعي المحظورة، 4 فبراير 2025 وملخص CMS لأمثلة مراكز الاتصال، 10 فبراير 2025.
- الجمعية العامة لولاية إلينوي, قانون خصوصية المعلومات البيومترية، 740 ILCS 14: تعريف البصمة الصوتية والتعويضات القانونية المحددة.
- ملاحظة حول البيانات: دراسة معدل WER التجارية في مراكز الاتصال (2020) وورقة Whisper (2022) وخطوط الأساس لمشاعر Switchboard (2020) ودراسة CusEmo (2023) هي أحدث البيانات العامة المتاحة لقياساتها؛ ولم نعثر على اختبار عام أحدث لمحركات تجارية على تسجيلات مكالمات حقيقية، كما أن مجموعات بيانات مراكز الاتصال المستخدمة في هذه الأوراق خاصة. وفصل IntechOpen غير متسق داخليا في بعض المواضع (فملخصه يذكر 3,000 ملاحظة مشاعر بينما يستخدم المتن 8,750، ويورد قيمة F1 لـ ASR «نحو 0.76» في الملخص مقابل F1 ماكرو قدره 0.74 ودقة 0.76 في المتن)؛ واعتمدنا جداول المتن. ويورد نص ورقة CusEmo القيمتين 0.657 و0.434 لإعداد واحد يدرجه جدولها بالقيمتين .667 و.499. ولا تضم مجموعة مراكز الاتصال في AfriSpeech-MultiBench سوى 16 عينة (0.80 ساعة)، وتذكر الورقة أن 18 و19 نظاما جرى تقييمها. وتأتي نتائج NBER من محادثات نصية في شركة واحدة لا من مكالمات صوتية. وتصف Metrigy نتيجة الاعتماد نفسها بأنها 49.8% في موضع و«النصف فقط» في موضع آخر. أما الادعاءات المتكررة على نطاق واسع بأن ضمان الجودة اليدوي يغطي من 1% إلى 3% من المكالمات فلم يمكن ربطها باستطلاع مستقل فاستُبعدت. والجدول الزمني لقانون الذكاء الاصطناعي الأوروبي منقول كما نُشر في الجريدة الرسمية؛ تحقق من أي تعديلات لاحقة قبل الاعتماد على تاريخ 2 أغسطس 2026 لالتزامات الأنظمة عالية المخاطر.
آخر تحديث: 27 أكتوبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يأتي التحديث التالي عندما تنشر Metrigy دراستها القادمة AI for Business Success وتقدم NICE نموذجها السنوي 20-F التالي.