«مرحبًا، ما خدماتكم؟» سؤال يصلح لبدء عرض شات بوت، لكنه لا يكشف كيف يتصرف عندما يكتب عميل بلهجته، أو يغير رأيه في منتصف الحديث، أو يسأل عن معلومة ناقصة. إذا أردت شراء شات بوت عربي يخدم عملك، فاطلب مجموعة اختبار تمثل هذه اللحظات قبل الاكتفاء بانطباع المحادثة الأولى.
لا تحتاج المجموعة إلى مئات الأسئلة المنسوخة عشوائيًا. تحتاج حالات لها غرض ومصدر جواب وحدود متوقعة، مع تنوع لغوي يطابق جمهور الخدمة. وعد «يدعم العربية» لا يشرح هل المقصود عرض النص، أم فهم الطلب، أم الإجابة الصحيحة، أم المحافظة على السياق عبر عدة رسائل.
ابنِ الاختبار حول مهمة لا حول لهجة مشهورة
نفترض متجرًا افتراضيًا للأدوات المنزلية يريد الإجابة عن شروط الاستبدال وتوجيه استفسارات الطلبات. يكتب عميل «الطلب لسه ما وصلش»، وآخر «طلبي للحين ما وصل». الصياغتان توضيحيتان لطلب متابعة، وليستا تمثيلًا كاملًا للهجات مصر أو الخليج ولا دليلًا على تساوي استعمالهما بين كل العملاء.
حدد ما ينبغي أن يحدث إذا لم تتوفر قراءة للطلب ضمن النطاق: طلب معلومة مناسبة أو تحويل واضح، دون اختراع موعد وصول. وإذا كانت الشروط تختلف حسب المنتج، فلا يكفي رد عام محفوظ عن الاستبدال. يجب أن تظهر الحاجة إلى التوضيح قبل تقديم إجابة حاسمة.
بطاقة حالة تستطيع مراجعة نتيجتها
| نوع الحالة | مدخل للمثال | ما يراجعه القبول |
|---|---|---|
| معنى واحد بصيغ مختلفة. | سؤال فصيح وآخر عامي عن تأخر الطلب. | المقصد نفسه مع رد مفهوم وحدود ثابتة. |
| معلومة ناقصة. | «ينفع أبدله؟» دون تحديد المنتج أو حالته. | سؤال توضيحي مفيد بدل افتراض سياسة لا نعرف انطباقها. |
| تصحيح داخل الحوار. | العميل يصحح مرجع الطلب التجريبي. | استخدام المرجع المصحح وعدم خلطه بالسابق. |
| خارج المعرفة. | سؤال لا تسنده المصادر المعتمدة. | توضيح الحد ومسار متابعة دون جواب مختلق. |
أضف لكل حالة معرفًا ونسخة مصدر ونتيجة متوقعة وسبب أهميتها. النتيجة ليست بالضرورة جملة حرفية واحدة؛ قد تقبل صيغًا متعددة إذا حافظت على المعنى والشروط. افصل إخفاقًا مؤثرًا في المعلومة عن تفضيل أسلوبي، كي لا تخفي درجة لغوية مرتفعة خطأً في خدمة العميل.
لا تجعل التحسين يدور حول أسئلة العرض فقط
احتفظ بجزء معلوم من الحالات لإعادة الفحص، وأضف عينة منفصلة للمراجعة لم تستخدمها لضبط كل جواب. ابدأ من أسئلة فعلية متاحة بإذن بعد إزالة ما لا تحتاجه من بيانات، وأكملها بحالات اصطناعية معلنة. سجل مصدر كل حالة بدل تسمية جميعها «أسئلة العملاء» دون دليل.
تشرح وثائق Google للتقييم بناء بيانات تناسب الاستخدام وتحديد المعايير وقراءة النتائج. هذه مبادئ تصميم اختبار، ولا تثبت أن أداة أو نموذجًا يفهم جميع اللهجات. اطلب ممن يراجع اللغة والمعنى معرفة بالسياق المستهدف، وحدد في عرض الخدمة دور هذه المراجعة بدل الادعاء بحدوثها مسبقًا.
اقرأ الحوار كاملًا والنتائج بحسب النوع
قد يجيب البوت السؤال الأول جيدًا ثم ينسى التصحيح في الرسالة التالية. شغّل المحادثة كما صُممت، وراجع المطلوب في كل دور من أدوار الحوار. افصل حالات الصوت أو الصور أو الملفات إذا لم يشملها التنفيذ؛ نجاح النص لا يثبت فهم تسجيل صوتي أو مستند مصور.
اطلب تقريرًا يعرض النتائج الفردية وأسباب الفشل، ثم يلخصها بحسب المهمة والفئة اللغوية المعتمدة. نجاح عدد كبير من التحيات لا يعوض فشل الحالات الأهم. وأي نسبة تحتاج مقامًا واضحًا ومجموعة معلومة ونسخة محددة؛ لا تحولها إلى دقة عامة لكل ما قد يكتبه الناس.
اختبر مجددًا بعد تعديل المحتوى أو الإعداد
توضح وثائق Dialogflow حفظ حالات بتوقعات وإعادة تشغيلها لكشف تغير السلوك. لا يلزم استخدام المنتج نفسه لتطبيق الفكرة: استلم حالات قابلة للتكرار وسجل النسخة والإعداد والنتيجة. وإذا كان الرد توليديًا متغيرًا، فاتفق كيف تتعامل مع التكرار والاختلاف دون إخفاء النتائج غير المرغوبة.
تختص جاهزية المعرفة بمصدر الإجابة، وتساعد مقارنة المنصة بالتطوير في اختيار أسلوب التنفيذ. أرسل بطاقات الاختبار عند مناقشة تطوير شات بوت عربي مع نكست ويف لتظهر جودة الحوار كمخرج يمكن مراجعته، دون وعد بإجابة صحيحة دائمًا.
المصادر ومنهج العينة
فُتحت وثائق Google عن حالات اختبار Dialogflow وتقييم أنظمة الذكاء الاصطناعي في 4 نوفمبر 2026. المثال والعبارات والحالات تعليمية، ولم يُختبر بوت فعلي لإنتاج نسبة دقة. أُعد النص بمساعدة الذكاء الاصطناعي مع مراجعة المعلومات والترجمة.
