استخدام الذكاء الاصطناعي لإجراء المقابلات الصوتية في المسوح والاستبيانات

تسعى المكاتب الإحصائية الرسمية في جميع أنحاء العالم باستمرار إلى تبني طرق مبتكرة لجمع البيانات عالية الجودة بكفاءة. تعتمد العديد من المسوح حاليًا على المقابلات الهاتفية أو المباشرة التي يجريها البشر، أو على الاستبيانات الذاتية، وهي طرق رغم فعاليتها، إلا أنها تستهلك الكثير من الموارد، وتستغرق وقتًا طويلاً، كما أنها تخضع للقيود البشرية. ومع التقدم السريع في مجال الذكاء الاصطناعي، يظهر نهج جديد يتمثل في استخدام الذكاء الاصطناعي لإجراء مقابلات صوتية بالكامل.

تتمثل الفكرة في إنشاء مقابِل افتراضي يعمل بالذكاء الاصطناعي يمكنه التحدث إلى المبحوثين باللغة الطبيعية، طرح الأسئلة، والاستماع إلى إجاباتهم المسجلة صوتيًا وتحليلها تلقائيًا. يمكن لهذه التقنية أن تُحدث ثورة في كيفية جمع البيانات الإحصائية، مما يوفر كفاءة أكبر وتقليل التكاليف مع الحفاظ على جودة البيانات واتساقها.

في هذه المقالة، سنناقش مفهوم إجراء المسوح باستخدام الذكاء الاصطناعي الصوتي، وكيفية تنفيذ مثل هذه الأداة، والفوائد التي يمكن أن تحققها للمكاتب الإحصائية. كما سنسلط الضوء على الجوانب التقنية، وقدرات الذكاء الاصطناعي الحالية التي يمكن استخدامها في هذا السياق، بالإضافة إلى التحديات المحتملة وطرق التغلب عليها.

المقابلات الصوتية المدعومة بالذكاء الاصطناعي: نهج مبتكر

تقدم الاستطلاعات التفاعلية الصوتية المدعومة بالذكاء الاصطناعي نهجًا مبتكرًا لجمع البيانات. فبدلًا من أن يقوم المحاور البشري بقراءة الأسئلة وتسجيل الإجابات، يتولى وكيل ذكاء اصطناعي متحدث هذا الدور. يقوم المحاور الصوتي الذكي بالاتصال بالمستجيب (أو يتم استدعاؤه من قبل المستجيب) ويجري الاستطلاع من خلال حوار منطوق طبيعي. يتم تقديم كل سؤال عبر الكلام الاصطناعي، وتُلتقط ردود المستجيب الصوتية ويفهمها النظام. في جوهره، يصبح الاستطلاع مقابلة صوتية متكاملة: حيث يتم تحويل نص النظام إلى كلام ليُسمع من قبل المستجيب، ثم يتم تحويل كلام المستجيب إلى نص ليتم معالجته بواسطة النظام.

يمكن اعتبار هذا النهج تطورًا لأساليب الاستطلاع المدعومة بالحاسوب التي سبقته. فعلى مدى سنوات، سمحت أنظمة الاستجابة الصوتية التفاعلية (IVR) بإجراء المسوج عبر لوحات مفاتيح الهواتف أو المطالبات الصوتية البسيطة، كما تم استخدام نظام المقابلات الصوتية الذاتية المدعومة بالحاسوب (ACASI) لتمكين المستجيبين من الاستماع إلى الأسئلة عبر سماعات الرأس وإدخال إجاباتهم على جهاز إلكتروني. تأخذ الاستطلاعات الصوتية المدعومة بالذكاء الاصطناعي هذه الفكرة إلى مستوى جديد عبر تمكين تفاعل منطوق طبيعي ومفتوح. يمكن للذكاء الاصطناعي الانخراط في محادثة مع المستجيب، تمامًا كما يفعل المحاور البشري – حيث يطرح الأسئلة المعدّة مسبقًا، ويوضحها عند الحاجة، بل ويستفسر عن مزيد من التفاصيل عندما يكون ذلك مناسبًا. والأهم من ذلك، أن جميع المستجيبين يسمعون نفس الصياغة ونبرة الصوت للأسئلة، حيث يقدم الذكاء الاصطناعي نصًا موحدًا في كل مرة، مما يضمن الاتساق في تنفيذ الاستطلاع. يمكن لهذا التوحيد أن يقلل من التفاوتات المرتبطة بالباحثين، وهي مشكلة معروفة في المسوح التقليدية، حيث قد يؤثر اختلاف الباحثين عن غير قصد على الإجابات.

الجدير بالذكر أن بعض المؤسسات الرائدة بدأت بالفعل في تجربة استخدام المساعدات الصوتية لإجراء المسوح. فعلى سبيل المثال، في قطاع أبحاث السوق، قام الباحثون بتجربة استطلاعات يتم إجراؤها عبر مساعدين صوتيين افتراضيين مثل أليكسا من أمازون. وأظهرت التجارب الأولية أن "المحاور" الذكي يمكنه بالفعل طرح الأسئلة وتسجيل الإجابات، مما يؤكد المفهوم الأساسي لإمكانية استخدام مساعد صوتي كأداة للاستطلاعات. ورغم أن المحاورين البشريين يظلون ضروريين في التفاعلات المعقدة، إلا أن هذه التجارب تشير إلى دور تكميلي يمكن للذكاء الاصطناعي أن يلعبه – من خلال إجراء المقابلات البسيطة أو الاتصال الأولي، مما يدعم مراكز الاتصال البشرية عبر تقليل عبء العمل وتسريع زمن تنفيذ الاستطلاعات. وفي مجال الإحصاءات الرسمية، يفتح هذا المفهوم الباب لإجراء مسوح واسعة النطاق من خلال المكالمات الصوتية الآلية، مما قد يسمح بالوصول إلى المستجيبين بسرعة أكبر وبتكلفة هامشية أقل لكل مقابلة بمجرد إنشاء النظام.

التنفيذ: البنية المعمارية والتقنيات الرئيسية

يتطلب تنفيذ نظام مقابلة يعتمد على الصوت من خلال الذكاء الاصطناعي (speech-to-speech) دمج عدة تقنيات متقدمة للذكاء الاصطناعي في سير عمل متكامل.يمكن تقسيم البنية المعمارية لمثل هذا النظام إلى المكونات أو الوحدات التالية:

• التعرف التلقائي على الكلام (ASR) – لتحويل إجابات المستحيب المنطوقة إلى نص.

• الفهم اللغوي الطبيعي (NLU) وإدارة الحوار – لتفسير مدخلات المستجيب (عند الحاجة) واتخاذ قرار بشأن الخطوة أو السؤال التالي في تسلسل الاستبيان.

• وحدة منطق الاستبيان – وهي نص الاستمارة المبرمج، بما في ذلك صياغة الأسئلة وأي أنماط تجاوز أو تشعّب تستند إلى الإجابات.

• تحويل النص إلى كلام (TTS) – لتحويل السؤال التالي أو التوجيه إلى كلمات منطوقة باستخدام صوت اصطناعي.

• تكامل المنصة الهاتفية أو الصوتية – ربط نظام الذكاء الاصطناعي بخطوط الهاتف أو تطبيق ما، لإرسال واستقبال الصوت في الوقت الفعلي.

• تسجيل البيانات وتخزينها – لتسجيل الإجابات بشكل آمن (كنص، وبشكل اختياري كصوت) وتخزين بيانات الاستمارة للتحليل.

دعونا نستكشف كيفية عمل هذه الأجزاء معًا في سير عمل نموذجي:

1.     بدء المقابلة

يبدأ الإجراء إما بقيام النظام بإجراء مكالمة إلى مستجيب محدد أو بقيام المستجيب نفسه بالاتصال (على سبيل المثال، الاتصال بخط ساخن للاستبيان أو فتح تطبيق الاستبيان). عند الاتصال، يرحب نظام الذكاء الاصطناعي بالمشارك بتقديم موجز. يجب على النظام التعريف بنفسه كجهة مؤتمتة أو معتمدة على الذكاء الاصطناعي من المكتب الإحصائي، للحفاظ على الشفافية والثقة. على سبيل المثال، قد يقول الصوت:

                                    "مرحبًا، أنا باحث مؤتمت أتصل نيابة عن مكتب الإحصاء"    

هذه الشفافية مهمة – كما أظهرت تجارب الذكاء الاصطناعي مثل Google Duple، ينبغي إبلاغ الأشخاص بأنهم يتحدثون مع ذكاء اصطناعي وليس إنسانًا. في الواقع، عندما عرضت Google لأول مرة الذكاء الاصطناعي الخاص بها الذي يتحدث بصوت بشري لإجراء المكالمات، اضطروا لاحقًا لضمان أن يكشف الذكاء الاصطناعي عن طبيعته لتجنب تضليل الناس.

2. طرح الأسئلة عبر الصوت الاصطناعي:

بعد ذلك، يبدأ النظام بطرح أسئلة الاستمارة. يتم تمرير كل سؤال في الاستمارة (أو توجيه المحاور) عبر محرك تحويل النص إلى كلام. يمكن لتقنية تحويل النص إلى كلام القائمة على الشبكات العصبية الحديثة إنتاج صوت طبيعي بشكل ملحوظ، مع إيقاع وتجويد مناسبين. لقد أصبحت التطورات الحديثة مبهرة لدرجة أن الكلام الناتج يمكن في بعض الحالات أن يكون لا يمكن تمييزه تقريبًا عن المتحدث البشري. وهذا يعني أن المشاركين يستمعون إلى أسئلة بصوت واضح ومتسق يمكن تخصيصه (على سبيل المثال، صوت ذكوري أو أنثوي، لهجة معينة) بما يتناسب مع سياق الاستمارة. يمكن أن يكون الصوت مهذبًا ومحايدًا في نبرته، وفقًا لتدريب نموذج تحويل النص إلى كلام. وعلى عكس الأصوات الروبوتية الرتيبة لأنظمة الرد الصوتي التفاعلي الأقدم (IVR)، تبدو الأصوات الاصطناعية اليوم سلسة وجذابة، مع القدرة على نقل طابع حواري. على سبيل المثال، أدخلت الأنظمة المدعومة بالذكاء الاصطناعي مثل Duplex من Google ترددات طبيعية في الكلام مثل "آه" و"هممم" لمحاكاة السلوك البشري في المحادثة، ما يجعل التفاعل أكثر راحة. ورغم أن تلك الكلمات التعبيرية قد لا تكون ضرورية في الاستمارة، فإن القدرة الأساسية تظهر مدى التطور الذي وصل إليه الصوت الاصطناعي.

3. التقاط إجابة المشارك:

بعد طرح النظام للسؤال، يلتقط إجابة المشارك المنطوقة. تتم معالجة هذا الإدخال الصوتي فورًا بواسطة مكوّن التعرف التلقائي على الكلام. تتمتع نماذج ASR الحديثة – غالبًا المعتمدة على التعلُّم العميق – بالقدرة على نسخ اللغة المنطوقة إلى نص بدقة عالية في الوقت الفعلي. على سبيل المثال، في اللغات الرئيسية مثل الإنجليزية، وصلت دقة التعرف التلقائي على الكلام أو حتى تجاوزت المستوى البشري في ظروف محددة. حيث أعلن باحثون في Microsoft تحقيق معدل خطأ في الكلمات يبلغ 5.1% فقط عند نسخ المحادثات الهاتفية، وهو ما يعادل مستوى النسخ لدى المحترفين البشر. بالنسبة للباحث القائم على الذكاء الاصطناعي، يعني ذلك أنه يمكنه فهم معظم إجابات المشاركين بدقة. ويتم إتاحة النص للنظام لاستخدامه بعد ذلك.

 4.     تفسير الإجابة والتعامل معها:

بناءً على نوع السؤال، قد يتعامل النظام مع الإجابة بطرق مختلفة. ففي الأسئلة الواقعية البسيطة (مثل: "كم طفلًا يعيش في منزلك؟") قد يقوم النظام فقط بتسجيل الرقم. وفي أسئلة نعم/لا، سيقوم بربط كلمة "نعم" أو "لا" المنطوقة (وأيضًا الصيغ الأخرى مثل "أجل" أو "بالتأكيد") بفئة الاستجابة المقابلة. يأخذ دور فهم اللغة الطبيعي مكانة أكبر إذا كان السؤال مفتوحًا أو إذا تضمن الاستبيان بعض الإجابات غير المنضبطة. في هذه الحالات، قد يحتاج النظام إلى تفسير جوهر الإجابة أو اتخاذ قرار بشأن ما إذا كانت هناك حاجة لسؤال متابعة. غالبًا ما يتم تشغيل الفهم اللغوي الطبيعي بواسطة نماذج لغوية ضخمة (LLMs) أو خوارزميات ذكاء اصطناعي مشابهة يمكنها فهم سياق ومعنى المدخل الصوتي أو المكتوب. وقد أظهرت الأبحاث أن النماذج اللغوية الضخمة يمكن استخدامها "كمحاورين للذكاء الاصطناعي" لإجراء مقابلات حوارية وتقديم جودة بيانات مماثلة للمحاورين البشريين. على سبيل المثال، يمكن أن يسأل المحاور القائم على الذكاء الاصطناعي: " برأيك، ما هي أهم قضية تواجه البلاد اليوم؟"، وإذا كانت إجابة المشارك في البداية كلمة واحدة فقط ("التضخم"، مثلًا)، فقد يدرك الذكاء الاصطناعي أن الإجابة مقتضبة ويحث تلقائيًا بالقول: "هذا موضوع مهم. هل يمكنك أن تخبرني المزيد عن سبب اعتقادك أن التضخم هو القضية الأهم؟". هذا النوع من الحث التفاعلي يشبه ما قد يفعله محاور بشري ماهر للحصول على مزيد من المعلومات، وهو ممكن بفضل الدمج بين الفهم اللغوي الطبيعي وإدارة الحوار المدعوم بالذكاء التوليدي.

بالنسبة للاستبيانات الإحصائية الرسمية، يعتمد استخدام الحث القائم على الذكاء الاصطناعي على تصميم الاستبيان – حيث يفضّل العديد من الاستبيانات الرسمية اتباع أسلوب موحد في المقابلة من دون حث إضافي غير مكتوب للحفاظ على الاتساق. ومع ذلك، حتى مع نص ثابت، يمكن أن يساعد الفهم اللغوي الطبيعي في توضيح بعض الأمور. على سبيل المثال، إذا لم يتم سماع إجابة المشارك بوضوح أو تم نسخها بثقة منخفضة، يمكن للنظام اكتشاف ذلك ويطلب من المشارك بلطف تكرار الإجابة أو توضيحها. وبالمثل، إذا أجاب المشارك خارج النطاق المتوقع (على سبيل المثال، ذكر عمره بأنه "150" عامًا)، فقد يتعامل منطق النظام مع ذلك كإدراك خاطئ محتمل ويقوم بالتحقق من الإجابة مرة أخرى. وتعمل قواعد إدارة الحوار ونماذج الذكاء الاصطناعي معًا هنا لضمان بقاء المحادثة في المسار الصحيح والتقاط البيانات بشكل سليم. كما أن وحدة منطق الاستبيان تضمن اتباع أي أنماط تجاوز – على سبيل المثال، إذا قال المشارك إنه لا يملك سيارة، فسيتجاوز الذكاء الاصطناعي أي أسئلة لاحقة تتعلق بملكية السيارة.

5.     متابعة الحوار:

تتواصل المقابلة سؤالًا تلو الآخر بهذه الطريقة. بعد كل إجابة، إما ينتقل النظام مباشرة إلى السؤال التالي أو يفعّل بعض الإجراءات الديناميكية (مثل سؤال متابعة، أو توضيح، أو إنهاء الاستجواب إذا تم الوصول إلى نهايته). وعلى مدار هذه العملية، يحافظ الذكاء الاصطناعي على أسلوب مهذب واحترافي. يمكنه استخدام إشارات حوارية (مثل شكر المشارك بعبارة "شكرًا" أو "تم تسجيل الإجابة") ليجعل التفاعل يبدو طبيعيًا، على أن تكون هذه العبارات مضبوطة بعناية لتجنب التأثير على الإجابات. من مزايا المحاور الذي يعتمد على الذكاء الاصطناعي أنه لا يحيد عن النص ولا يصاب بالإجهاد. فكل مستجيب يمر بنفس التجربة في المسح. وهذا يزيل التباين المرتبط بالمحاور البشري، مثل الاختلافات في طريقة طرح الأسئلة أو ردود فعل المحاور على الإجابات. تُعد أهمية الحياد في الطرح أمرًا معروفًا – فمثلًا، يتلقى الباحثون الهاتفيون تدريبًا على عدم إدخال أي تحيز من خلال نبرة الصوت. يمكن للصوت الاصطناعي تحقيق هذا الحياد على نحو مثالي. حيث ان المساعد الصوتي يمكن أن يكون "المحاور المثالي" من حيث إنه لا يؤثر على الإجابات مطلقًا. وفي الوقت نفسه، يوفر دفء الصوت لأولئك المشاركين الذين قد يشعرون بعدم الارتياح مع الاستبيانات النصية فقط.

6.     إنهاء المقابلة وحفظ البيانات:

بمجرد طرح جميع الأسئلة أو إذا قرر المشارك إنهاء المقابلة مبكرًا، يشكر الذكاء الاصطناعي المشارك على وقته. ويتم تقديم أي معلومات ختامية أو إفصاحات مطلوبة. ثم تنتهي المكالمة. في أثناء ذلك، كان النظام يسجل الإجابات. يتم تخزين إجابات المشارك، التي حُولت إلى نص، في قاعدة بيانات آمنة مرتبطة بذلك الاستبيان. وإذا سمحت بروتوكولات الخصوصية، يمكن أيضًا حفظ الصوت الخام لأغراض مراقبة الجودة أو التحليل (على سبيل المثال، للسماح بمراجعة بشرية لعينة من المقابلات للتأكد من أداء الذكاء الاصطناعي بشكل جيد، أو لتطبيق تحليلات الكلام لرصد الانفعالات/المشاعر إذا كان ذلك ذا صلة). تصبح البيانات متاحة على الفور – إذ ليست هناك حاجة للنسخ اليدوي لأن التعرف التلقائي على الكلام قام بالمهمة في الوقت الفعلي. وهذا يعني أن نتائج الاستبيان يمكن أن تبدأ في الظهور والتحليل بعد لحظات من جمعها، ما يسرّع بشكل كبير الوقت من جمع البيانات إلى استنتاج الرؤى.

اعتبارات بنية النظام:

يمكن تنفيذ سير العمل المذكور أعلاه بطرق معمارية مختلفة. فقد تكون مكونات التعرف التلقائي على الكلام والفهم اللغوي الطبيعي وتحويل النص إلى كلام خدمات قائمة على السحابة. على سبيل المثال، باستخدام مزودي خدمات مثل Microsoft Azure أو Google Cloud أو واجهات برمجة تطبيقات مفتوحة)، أو يمكن نشرها ضمن البنية الداخلية إذا كان لدى المكتب الإحصائي قيود بشأن خروج البيانات من بيئته. يمكن أن تكون إدارة الحوار تطبيقًا مخصصًا يتولى التنسيق بين هذه المكونات. يُعد انخفاض زمن الاستجابة أمرًا حاسمًا؛ إذ يجب على النظام معالجة الكلام والرد بسرعة ليبدو حواريًا – وهذا ممكن مع النماذج الحديثة للذكاء الاصطناعي والشبكات السريعة. كما أن قابلية التوسع أمر أساسي: ينبغي أن تدعم البنية إجراء عدة مقابلات في وقت واحد. في بيئة سحابية، بحيث يمكن التعامل مع مئات المكالمات بالتوازي خلال فترات الذروة. أما في بيئة داخلية، فيعني ذلك توفير موارد حوسبة (وحدات معالجة مركزية/وحدات معالجة رسومات) كافية لتشغيل نماذج الصوت بالتوازي. ولحسن الحظ، فإن تقنية الصوت القائمة على الذكاء الاصطناعي قابلة للتوسع بشكل كبير – إذ يمكن لخادم واحد التعامل مع العديد من التدفقات الصوتية المتزامنة، أو يمكن للخدمات السحابية تخصيص مزيد من طاقة المعالجة ديناميكيًا عند زيادة الطلب.

ستتناول الأقسام التالية فوائد هذا النهج القائم على الذكاء الاصطناعي للمكاتب الإحصائية الرسمية، والحالة الراهنة لتقنيات الذكاء الاصطناعي التي تجعل هذا الأمر ممكنًا، والتحديات التي يجب معالجتها عند نشر مثل هذا الحل.

فوائد للمكاتب الإحصائية  الوطنية

يمكن أن يوفر تبني المقابلات الصوتية بالذكاء الاصطناعي (speech-to-speech) لأغراض المسوح العديد من الفوائد للمكاتب الإحصائية الوطنية. تتوزع هذه الفوائد بين الكفاءة التشغيلية، والتحسين في جودة البيانات، وتوسيع القدرات:

• زيادة الكفاءة والإنتاجية:

يمكن لنظام المقابلات الصوتية بالذكاء الاصطناعي إجراء العديد من المقابلات بالتوازي، في أي وقت من اليوم، دون قيود ساعات العمل البشرية. وهذا يعني إمكانية تقصير فترة جمع البيانات بشكل كبير. فعلى سبيل المثال، إذا احتاجت جهة إحصائية لإكمال 10,000 مقابلة هاتفية، فيمكن نظريًا لنظام الذكاء الاصطناعي إجراء اتصالات بمئات المبحوثين في الوقت ذاته، وإنجاز ما قد يستغرق أسابيع من فريق مركز اتصال محدود خلال أيام فقط. وحتى عند عدم التشغيل على نطاق واسع جدًا، يمكن للنظام زيادة معدل الإنجاز بالعمل المستمر (بما في ذلك الأمسيات وعطلات نهاية الأسبوع إذا لزم الأمر) وتقليل فترات التوقف بين المكالمات. وبالإضافة إلى ذلك، يمكن جدولة المقابلات أو تنفيذها فورًا عندما يكون المبحوث متاحًا، متفاديًا التأخير الناجم عن تنسيق مواعيد مع محاور بشري. ومثل هذا النظام يمكنه “تقليص الوقت المطلوب بشكل كبير، وربما إلى النصف” لبعض الدراسات مقارنة بالأساليب التقليدية. ولا يقتصر الأمر على توفير الوقت فحسب، بل يعني ذلك أيضًا إتاحة إحصاءات أكثر حداثة، مما يسمح لواضعي السياسات بالحصول على المعلومات في وقت أقرب.

• قابلية التوسع:

يُعد توسيع القوى العاملة من الباحثين البشريين عملية مستهلكة للوقت – فهي تتطلب التوظيف والتدريب والإدارة. أما توسيع نظام الذكاء الاصطناعي فهو في المقام الأول مهمة هندسية: إضافة المزيد من الموارد الحاسوبية أو الخدمات السحابية للتعامل مع حمل عمل أعلى. وبمجرد تطوير الحل، يصبح تشغيله لاستطلاع يشمل 1,000 مبحوث أو 100,000 مبحوث مسألة تتعلق بالبنية التحتية، لا التوظيف. وهذا يجعل من الأسهل على المكاتب الإحصائية إجراء مسوح واسعة النطاق أو مسوح أكثر تكرارًا دون زيادة تتناسب طرديًا في التكلفة. كما يتيح المرونة؛ فعلى سبيل المثال، خلال التعداد أو الاستطلاعات الكبيرة المؤقتة، يمكن زيادة سعة النظام ثم خفضها لاحقًا، دون التعقيدات المرتبطة بالتوظيف المؤقت. وعمليًا، يقدم الذكاء الاصطناعي “فائدة إضافية تتمثل في قابلية التوسع”، مما يحقق جمع بيانات بجودة عالية على نطاقات قد تكون باهظة التكاليف في الظروف العادية.

• تحسين جودة البيانات والاتساق:

يمكن أن تتحسن جودة البيانات بفضل الطبيعة الموحدة والمتحكم بها للمقابلات بالذكاء الاصطناعي. إذ يتم طرح كل سؤال تمامًا كما هو مصاغ، وبنفس النبرة والإيقاع، مما يلغي أخطاء القياس المرتبطة بالمحاور البشري. فالباخثون البشر، على الرغم من التدريب، قد يوضحون أحيانًا السؤال بأسلوبهم الخاص أو يشددون على بعض الكلمات دون قصد؛ في حين يلتزم الذكاء الاصطناعي بالنص الحرفي. كذلك لن يتخطى الذكاء الاصطناعي الأسئلة بالخطأ أو ينحرف عن تدفق الاستبيان. فجميع أنماط التجاوز والدمج (إدراج الإجابات السابقة في الأسئلة اللاحقة، وما إلى ذلك) تُنفذ بدقة بواسطة البرنامج. يؤدي هذا الاتساق إلى إجابات أكثر موثوقية. إضافة إلى ذلك، فإن طرح الأسئلة بصياغة وصوت موحد يجعل الفروق في الاستجابات ترجع في الغالب إلى اختلافات فعلية في خصائص المستجيبين وليس إلى تأثير المحاور. ومن زاوية أخرى لجودة البيانات، فإن دقة النسخ الصوتي تزداد بالاعتماد على تحويل الكلام إلى نص تلقائيًا، دون مخاطر أن يدوّن المحاور إجابة مفتوحة بشكل خاطئ أو يختار خيارًا غير صحيح – إذ يقوم نظام التعرف التلقائي على الكلام بالتقاط الإجابات حرفيًا. وإذا كانت ثقة النظام في التعرف منخفضة، فيمكنه حل ذلك فورًا بطلب إعادة الإجابة من المستجيب، مما يضمن توضيح الإجابات غير الواضحة مباشرة بدلاً من أن تتحول إلى بيانات مفقودة أو مسجلة خطأ.

• معدلات استجابة أعلى وراحة المستجيب:

بإمكان الاستطلاعات الصوتية بالذكاء الاصطناعي تسهيل مشاركة المبحوثين. فهم لم يعودوا بحاجة إلى التعامل مع نموذج مكتوب أو الضغط على أزرار في نظام IVR؛ بل يكفي أن ينطقوا إجاباتهم بسهولة. وبالنسبة للفئات التي تواجه صعوبات في القراءة والكتابة أو التعامل مع واجهات نصية، يعتبر الحديث أكثر سهولة. وكانت هذه إحدى الميزات الملاحظة في تطبيقات Audio Computer-Assisted Self-Interviewing (ACASI) – إذ وجد الأشخاص ذوو المهارات المحدودة في القراءة والكتابة أن الاستماع والإجابة صوتيًا أسهل بكثير. وتجمع المقابلة الصوتية بالذكاء الاصطناعي بين سهولة المكالمة الهاتفية وودّية المساعد الشخصي. قد يجد المبحوثون أنها أقل عبئًا مقارنة بالاستبيان الإلكتروني المطول أو تحديد موعد مع محاور بشري. علاوة على ذلك، نظرًا لأن الذكاء الاصطناعي يمكن أن يعمل بجدول مرن، يمكن للمبحوثين الاختيار من بين أوقات أكثر لإجراء المقابلة. فقد يُفضل البعض الإجابة في وقت متأخر من المساء، ويمكن للذكاء الاصطناعي تلبية ذلك دون مشكلات. وعندما تصبح الاستطلاعات أسهل، يزداد الإقبال على المشاركة، مما قد يقلل من التحيز الناتج عن عدم الاستجابة.

• القدرات متعددة اللغات:

غالبًا ما تحتاج المكاتب الإحصائية الوطنية إلى استقصاء مجموعات سكانية متنوعة تتحدث عدة لغات. ويُعد تدريب قوة عمل متعددة اللغات من الباحثين أو توفير مترجمين تحديًا. أما الأنظمة الصوتية بالذكاء الاصطناعي فيمكنها الانتقال بسلاسة بين اللغات. حيث يمكننا توفير نماذج ASR وTTS لكل لغة مطلوبة، مما يُمكّن النظام نفسه من إجراء المقابلات في لغات عديدة. على سبيل المثال، يمكن للنظام تحية المبحوث باللغة الإنجليزية أو الإسبانية اعتمادًا على تفضيله المعروف مسبقًا، أو حتى اكتشاف اللغة التي يرد بها المبحوث والتبديل تبعًا لذلك. وهناك أصوات عصبية (Neural Voices) عالية الجودة متوفرة بالعشرات من اللغات، ويمكن تدريب نماذج التعرف على الكلام أو تكييفها للغات ولهجات مختلفة. هذا يجعل من الممكن توفير تجربة مسوح متعددة اللغات حقًا جاهزة للاستخدام، مما يعزز الشمولية بشكل كبير. إذ يستطيع كل مبحوث الاستماع إلى الأسئلة بلغته الأم بصوت واضح وبلهجة قريبة من لغته، ويمكنه الرد بهذه اللغة. لقد أصبحت القدرة على التحدث بمعظم لغات العالم بواسطة الأصوات المدعومة بالذكاء الاصطناعي واقعًا متزايدًا مع الحلول التجارية. وبالنسبة للمكاتب الإحصائية، يعني ذلك تغطية أفضل للأقليات اللغوية واحتمالية الحصول على بيانات أكثر دقة، لأن المبحوثين يعبرون عن أنفسهم باللغة التي يرتاحون لها أكثر.

• توفير التكاليف على المدى الطويل:

في حين توجد تكلفة أولية لتطوير أو شراء نظام المقابلات بالذكاء الاصطناعي، فإن التكلفة الهامشية لكل مقابلة إضافية تكون منخفضة. فلا توجد رواتب للباحثين أو تكاليف تنقل؛ إذ تقتصر التكاليف في الأساس على وقت الخادم أو استخدام واجهات برمجة التطبيقات لخدمات الكلام. وعلى المدى الطويل، خاصة بالنسبة للاستطلاعات الكبيرة المستمرة أو برامج جمع البيانات الدورية، يمكن أن تكون هذه الوفورات كبيرة. فهي تحول عمليات المسوح إلى نموذج أقرب للتكلفة الثابتة (البرمجيات) بدلًا من التكاليف المتغيرة (ساعات عمل الموظفين لكل مقابلة). بالإضافة إلى ذلك، فإن المكاسب الإنتاجية (إكمال أسرع، تقليل الحاجة لإعادة المقابلات بسبب الأخطاء، توفر البيانات الفوري الذي يقلل تكاليف المعالجة) تسهم في فعالية التكلفة لهذا النهج. وقد أشار بعض العاملين في مجال أبحاث السوق إلى أنهم لم يتجهوا إلى المقابلات بالذكاء الاصطناعي في البداية بهدف توفير التكاليف، بل لإيمانهم بمستقبل التقنية. ومع ذلك، مع نضج التقنية وتحولها إلى حلول جاهزة، نتوقع أن تصبح العوائد الاقتصادية جذابة للغاية، لا سيما بالنظر إلى القدرة على إجراء المزيد من الاستطلاعات أو زيادة أحجام العينات ضمن نفس الميزانية.

• تعزيز عمق البيانات (بحذر):

يمكن للمحاور القائم على الذكاء الاصطناعي، لا سيما المدعوم بالذكاء التوليدي، أن يجمع بيانات أعمق بشكل اختياري مما يتيحه الاستبيان الهيكلي القياسي. كما ذكرنا سابقًا، يمكنه الاستقصاء عن الإجابات المفتوحة أو طلب توضيح من المبحوث، مما يؤدي إلى إجابات أكثر تفصيلًا. وهذا يقترب من دمج الخطوط الفاصلة بين المسوح الكمية والمقابلات النوعية. بالنسبة للإحصاءات الرسمية، يجب التحكم بحذر في أي انحراف عن الأسئلة الموحدة لتجنب إدخال أي تحيز. ولكن إذا تم ذلك بشكل صحيح، يمكن لإمكانات المحادثة في الذكاء الاصطناعي سد الثغرات البسيطة (“هل قصدت الشهر الماضي أم الأسبوع الماضي؟” إذا كانت إجابة المبحوث مبهمة، على سبيل المثال) وضمان أن تكون الإجابات بأقصى قدر من المعنى. هناك أدلة على أن الأساليب الحوارية يمكن أن تحسّن جودة الاستجابة وأن نماذج اللغة الضخمة (LLMs) قد تساعد في تخصيص الأسئلة وتوضيحها بطريقة لا تستطيع النماذج الإلكترونية الثابتة تنفيذها. وعلاوة على ذلك، يمكن للذكاء الاصطناعي إجراء التحقق الفوري – فإذا كانت الإجابة تتعارض مع إجابة سابقة، يمكن للنظام التحقق فورًا. هذا النوع من التحقق الفوري يحاول المحاور البشري القيام به أيضًا، لكن يمكن برمجة الذكاء الاصطناعي لالتقاط كل هذه الحالات منهجيًا.

• صدق المبحوث وتقليل التحيز الاجتماعي:

من المثير للاهتمام أن المبحوثين قد يكونون أكثر استعدادًا للإفصاح عن معلومات حساسة لنظام ذكاء اصطناعي مقارنة بمقابلة مع محاور بشري. فمع غياب العنصر البشري الذي قد يحكم عليهم، يشعر بعض المبحوثين بضغط اجتماعي أقل، وبالتالي يجيبون بمزيد من الصراحة حول الأسئلة الحساسة (مثل تلك المتعلقة بالدخل أو الصحة أو السلوك الشخصي). وقد لاحظت أبحاث في منهجية المسوح منذ وقت طويل أن الأساليب ذات الإدارة الذاتية (مثل ACASI أو الويب) غالبًا ما تستخلص تقارير أعلى عن السلوكيات الحساسة مقارنة بأساليب المقابلة التي يجريها محاور، على الأرجح لأنها توفر إحساسًا أكبر بالخصوصية. إن مقابلة صوتية مع الذكاء الاصطناعي تقع في منطقة بين المقابلة التي يديرها المحاور والمقابلة الذاتية؛ فهناك صوت يطرح الأسئلة، لكنه ليس إنسانًا. قد تحقق تأثيرًا مشابهًا لـACASI – إذ يدرك المبحوثون أن “الشخص” الذي يتحدثون معه ليس بشريًا ولن يصدر حكمًا عليهم، ما يقلل من انحياز الرغبة الاجتماعية. وفي دراسة أُجريت بشأن الأسئلة الحساسة التي أجاب عنها المشاركون عبر واجهة صوتية حاسوبية، تبين أن المشاركين أفصحوا عن المزيد وانخفضت نسبة الأسئلة غير المجاب عنها مقارنة بالطرق التقليدية. وبالنسبة للمكاتب الإحصائية، فإن الحصول على إجابات صادقة أمر بالغ الأهمية للدقة. فإذا تمكن المحاور بالذكاء الاصطناعي من تعزيز شعور بالخصوصية والسرية، فقد يحسّن صدق الإجابات في بعض الموضوعات. وبطبيعة الحال، يجب تحقيق التوازن مع توضيح أنه لا تزال البيانات مسجلة (ولكن تتم معالجتها بسرية كما هو معتاد).

باختصار، تعد الاستطلاعات الصوتية المعتمدة على الذكاء الاصطناعي  (speech-to-speech) واعدة في جعل جمع البيانات للإحصاءات الرسمية أكثر سلاسة بفضل المقابلات الأسرع والقابلة للتوسع والمتسقة. كما تعزز تجربة المستجوب من خلال المرونة وقد تزيد جودة البيانات سواء بالالتزام القوي بالإجراءات أو تشجيع المبحوثين على الإجابة بصراحة. ومع ذلك، فإن تحقيق هذه الفوائد مرهون بالاستفادة من قدرات الذكاء الاصطناعي المتقدمة، وهو ما سنناقشه لاحقًا.

القدرات الحالية للذكاء الاصطناعي التي تُمكِّن هذا الحل

لم تتجلَّ إمكانية إجراء المقابلات الصوتية بواسطة الذكاء الاصطناعي إلا في السنوات الأخيرة، بفضل التطورات السريعة في مجال الذكاء الاصطناعي الخاص بالصوت واللغة. نراجع هنا أحدث ما توصلت إليه التكنولوجيا في المجالات الأساسية الثلاثة للذكاء الاصطناعي التي تدعم المقابلات الصوتية: التعرف على الكلام، والفهم اللغوي الطبيعي، وتحويل النص إلى كلام.

1.     التعرف التلقائي على الكلام (ASR):

لقد حققت أنظمة التعرف التلقائي على الكلام الحديثة مستويات مذهلة من الدقة. وباستخدام تقنيات التعلم العميق ومجموعات بيانات تدريبية ضخمة، وصلت أداءات ASR إلى حد أن الآلات تُضاهي في بعض اللغات (مثل الإنجليزية) وفي ظروف صوتية معيّنة دقةَ المُدوِّنين البشريين تقريبًا. وكان إنجازًا بارزًا قد أعلن عنه باحثو Microsoft عام 2017، إذ وصلوا إلى معدل خطأ في الكلمات يبلغ نحو 5.1% في اختبار قياسي للنطق في محادثات هاتفية، وهو ما يضاهي فعليًا دقة التفريغ البشري في تلك المهمة. ومنذ ذلك الحين، واصلت نماذج ASR  بما في ذلك النماذج القائمة على المحولات من البداية للنهاية، مثل Whisper من OpenAI وغيرها  التقدم إلى الأمام، فأصبحت قادرة بشكل متزايد على التعامل مع مختلف اللهجات وظروف الضوضاء. وهذا يعني أن المحاور القائم على الذكاء الاصطناعي يمكنه الاعتماد على ASR لالتقاط إجابات المبحوثين بدقة، حتى وإن كانوا يتحدثون بسرعة أو يستخدمون ألفاظًا غير رسمية. وبالنسبة للاستطلاعات الرسمية، التي تحدث غالبًا عبر خطوط الهاتف (مع نطاقها الترددي الصوتي المحدود وضجيج الخلفية المحتمل)، فإن متانة ASR أمر بالغ الأهمية. حاليًا، تُدرَّب خدمات ASR على مقاطع صوتية متنوعة، مما يجعلها بارعة في التعامل مع المحادثات الهاتفية. ويمكنها التعامل مع الاختلافات بين المتحدثين إلى حد كبير، وإن كانت هناك تحديات لللهجات الشديدة أو التي لا تكون ممثلة بشكل جيد في بيانات التدريب (وسنناقش ذلك في قسم التحديات). وبشكل عام، فإن نضج تكنولوجيا ASR هو حجر الأساس – إذ بدون دقة عالية، سيتعثر المحاور القائم على الذكاء الاصطناعي. ولحسن الحظ، فإن التقنية أصبحت قادرة على أداء المهمة في أغلب السيناريوهات وتواصل التحسن باستمرار.

2.     الفهم اللغوي الطبيعي (NLU) وإدارة الحوار:

بمجرد نسخ الكلام المنطوق إلى نص، تأتي الخطوة التالية المتمثلة في فهمه ضمن السياق. في الاستطلاع، يكون جزء كبير من عملية “الفهم” مباشرًا؛ لأن الأسئلة تملي تنسيق الإجابات المتوقعة. فالأسئلة المغلقة (نعم/لا، أو اختيار من متعدد) لا تتطلب تفسيرًا لغويًا معقدًا يتعدى التعرف على الكلمات المفتاحية في الإجابة. ولكن الأسئلة المفتوحة أو أي تعليقات غير متوقعة من المبحوث تتطلب قدرًا أكبر من الفهم اللغوي الطبيعي. فعلى سبيل المثال، إذا قال المبحوث: “هل يمكنك تكرار السؤال؟” أو “لست متأكدًا من كيفية الإجابة”، يجب على النظام أن يتعرّف على ذلك على أنه ليس إجابة جوهرية بل تعقيب على ما وراء السؤال، وأن يرد بالشكل المناسب (مثل إعادة طرح السؤال أو شرحه). تتميز النماذج الحديثة للذكاء الاصطناعي، خاصة النماذج اللغوية الضخمة، بقدرة عالية على إنجاز مثل هذه المهام. فقد أثبت نموذج لغوي ضخم مثل GPT-4، على سبيل المثال، قدرته على إجراء محادثات متماسكة، والإجابة عن أسئلة توضيحية، واتباع التعليمات. وقد استكشفت بعض الأبحاث المبكرة استخدام النماذج اللغوية الضخمة كمحاورين للاستطلاعات، ووجدت أنها قادرة على الالتزام بإرشادات إجراء المقابلات والتفاعل مع المبحوثين بفعالية. وهذا يشير إلى أن إمكانات الفهم اللغوي الطبيعي وإدارة الحوار اللازمة لحل الاستطلاع الصوتي لدينا يمكن بناؤها اعتمادًا على النماذج التأسيسية للذكاء الاصطناعي المتوفرة حاليًا. ويمكن لمدير الحوار استخدام منطق قائم على القواعد للمهام الحتمية في الاستطلاع (ضمان طرح الأسئلة المطلوبة والمضي قدمًا في النموذج)، مع استدعاء قدرات NLU/LLM الذكية للتعامل مع التبادلات غير المهيكلة. وبالإضافة إلى ذلك، يمكن استخدام مثل هذا الذكاء الاصطناعي لتفسير الإجابات المفتوحة من أجل الترميز الفوري أو الحث المخصص. فعلى سبيل المثال، إذا ذكرت إجابة المبحوث المفتوحة عدة مواضيع، فيمكن للذكاء الاصطناعي إنشاء سؤال متابعة يركز على أحد تلك المواضيع لجمع تفاصيل أكثر – وهو مستوى من التفاعل الديناميكي الذي، في حال سمح به تصميم الاستطلاع، قد يُثري البيانات. من المهم ملاحظة أن النماذج اللغوية الحالية، رغم قوتها، تحتاج إلى تصميم محكم للمطالب (prompt design) وضبط للسلوك، كي تتصرف بالشكل الملائم في بيئة الاستطلاع (أي تبقى محايدة، وألا تقدم أي معلومات أو تحيز، وأن تحافظ على تركيز الحوار). ومع التهيئة الصحيحة، فإن نماذج الفهم اللغوي الطبيعي الحالية قادرة بالتأكيد على أن تكون بمثابة “عقل” المحاور في الاستطلاع القائم على الذكاء الاصطناعي.

3.     تحويل النص إلى كلام (TTS):

على جانب الإخراج، والمتمثل في توليد الأسئلة المنطوقة، وصل الذكاء الاصطناعي أيضًا إلى مستويات جديدة. فأنظمة TTS المبكرة كانت تنتج صوتًا آليًا يصعب على المستمع احتماله في مقابلة طويلة، وإن كان مقبولًا في العبارات المختصرة. أما اليوم، فأنظمة TTS العصبية تنتج أصواتًا ذات تنغيم طبيعي وإيقاع، وبإمكانها حتى نقل عواطف وتوكيدات دقيقة. تُدرَّب هذه الأنظمة على ساعات من التسجيلات البشرية، وتتعلّم كيفية إنشاء موجات صوتية تحاكي النطق والإيقاع البشريين. والنتيجة صوت يمكن للكثير من المستمعين إدراكه على أنه بشري بالفعل. بل إن هناك باحثين قدموا مفهوم “تكافؤ الإنسان” في توليد الصوت، حيث لا يتمكن المستمعون من التمييز بشكل موثوق بين الصوت الذي يولده الذكاء الاصطناعي والصوت الحقيقي. فعلى سبيل المثال، أعلنت Microsoft في أبحاثها عن نموذج اسمه VALL-E 2 تمكن من تحقيق هذا التكافؤ البشري في الاستنساخ الصوتي بدون عينات سابقة (zero-shot voice synthesis). هذا يعني أن الذكاء الاصطناعي يمكنه استنساخ صوت أو ابتكار صوت جديد يبدو طبيعيًا ويُصَدَّق. فالناس أكثر ميلًا للاستمرار في الإجابة والشعور بالارتياح إذا كان الصوت ودودًا وشبيهًا بالبشر. ومع قدرات TTS الحالية، يمكننا ابتكار هوية صوتية للمحاور تكون واضحة وودودة واحترافية. بل يمكن أن تكون ذات صفات مناسبة لسياق الاستطلاع (مثل استخدام صوت شاب لاستطلاع يستهدف الشباب، أو نبرة هادئة ومطمئنة في استطلاع صحي). كما يمكن لأصوات TTS التعامل مع المحتوى الديناميكي – إذ يمكنها قراءة الأرقام والأسماء أو المصطلحات الفنية في الحال، وهو ما يلزم عند إدراج نص في الاستطلاع (على غرار: “خلال الاثني عشر شهرًا الماضية، هل قمت بزيارة [اسم الحديقة المحلية]؟”). وتستطيع هذه الأصوات نطق مجموعة واسعة من المفردات بدقة بفضل التدريب المكثف والقواميس المتاحة. وتستفيد الجيل الأحدث من TTS من تكامله مع النماذج اللغوية، ما يتيح قراءة أكثر تعبيرًا عند التعامل مع نصوص مطولة. كل هذه التطورات تعني أن المحاور الاصطناعي يمكنه أن يبدو بأداء يقترب مما يقدمه المحاور البشري – دون أن يُرهق، وبأسلوب مضبوط تمامًا.

التقنيات ذات الصلة:

إضافةً إلى العناصر الثلاثة الكبرى، هناك مكوّنات أخرى من الذكاء الاصطناعي أو التقنيات المختلفة جديرة بالذكر. على سبيل المثال، يمكن استخدام التحقق من هوية المتحدث (speaker verification) للتأكد من هوية المبحوث (مثلاً عبر التعرف على أن الصوت لنفس الشخص عند مشاركته مجددًا في موجة متابعة من الاستطلاع). كما أن رصد العواطف عن طريق الصوت هو قدرة ناشئة – مع أنه ليس مطلوبًا عادةً في الاستطلاعات الرسمية، لكنه قد يشير نظريًا إلى ما إذا كان المبحوث متوترًا أو أبدى ترددًا في إجابته، وقد تتم مراجعته لاحقًا لأغراض الجودة. ويمكن للترجمة الآلية، إن رغبنا في تنفيذ الاستطلاع بلغة ما وتحليل النتائج بلغة أخرى، أن تترجم الإجابات المفتوحة تلقائيًا. كما أن منظومة أدوات الذكاء الاصطناعي للصوت واللغة غنية، ويمكن لمنصة الاستطلاع دمج الكثير منها حسب الحاجة. ومع ذلك، فإن التكنولوجيا الأساسية المُمكِّنة – ASR لـ"الاستماع"، وNLU لـ"التفكير"، وTTS لـ"التحدث" – أصبحت متطورة بما يكفي اليوم لتنفيذ رؤية إجراء المقابلات الصوتية بواسطة الذكاء الاصطناعي.

التحديات والاعتبارات

على الرغم من الجاذبية الكبيرة للاستطلاعات الصوتية المدفوعة بالذكاء الاصطناعي، فإن تنفيذ مثل هذا الحل في سياق الإحصاءات الرسمية ينطوي على عدة تحديات واعتبارات. ومن الضروري معالجتها بشكل استباقي لضمان فعالية الأداة وعدالتها وقبولها من المبحوثين. فيما يلي نناقش أهم التحديات والحلول المحتملة:

1.     الدقة والتعامل مع الأخطاء:

بالرغم من التطور الكبير في ASR، تبقى الأخطاء في التعرف على الكلام واردة. فقد يؤدي سوء التعرف على إجابة المبحوث إلى بيانات مسح غير صحيحة أو أسئلة متابعة غير مناسبة. فعلى سبيل المثال، قد يتم فهم “نعم” على أنها “لا” أو نسخ “50” على أنها “15”، مما يشكل مشكلة. وبالمثل، قد يسيء نظام الفهم اللغوي الطبيعي تفسير نية الإجابة. وللحد من هذه المخاطر: يمكن تصميم النظام بحيث يقوم بتأكيدات خاصة عند الأسئلة الجوهرية. فعندما يتعلق الأمر ببيانات مهمة (مثل الدخل أو عدد أفراد الأسرة)، يمكن للنظام إعادة صياغة الإجابة للمبحوث للتحقق (“سمعت أنك قلت خمسة – صفر، 50. هل هذا صحيح؟”). إضافة إلى ذلك، يمكن استخدام درجة الثقة الصادرة عن ASR لتحفيز إعادة الطلب تلقائيًا – فإذا لم يكن النظام متأكدًا بما فيه الكفاية مما قيل، فلا ينبغي أن يخمن بل يعيد سؤال الشخص يقوم بإعادة صياغة كلامه. ولحسن الحظ، يتفهم المستخدمون عادة أن الذكاء الاصطناعي قد لا يلتقط بعض الأمور، نظرًا لمرورهم بتجارب مشابهة مع المساعدات الصوتية. وعبر برمجة اعتذارات مهذبة وإعادة طرح (“عذرًا، لم أفهم ما قلت.”)، يمكن جعل التعامل مع الأخطاء جزءًا سلسًا من التفاعل. كما أن التحسين المستمر ضروري: فبتحليل النصوص وأي أخطاء (ومقارنتها بالتسجيلات الفعلية إن توفرت)، يمكن تكييف نماذج ASR أو إعادة تدريبها على بيانات خاصة بالاستطلاعات لتحسين الأداء بمرور الوقت. تسمح العديد من أنظمة ASR بإضافة مفردات مخصصة أو ضبطها لاستيعاب المصطلحات الشائعة – ويمكن للمكاتب الإحصائية تزويدها بالأسماء العلم وأسماء المناطق والاستجابات المحتملة لتقليل أخطاء التعرف في تلك النواحي.

2.     التحيز والعدالة (Bias and Fairness)

يمكن لأنظمة الذكاء الاصطناعي أن تُدخل عن غير قصد تحيزات أو تعكس تحيزات موجودة. ففي التعرف على الكلام، ثبت أن الدقة قد تكون أقل لدى المتحدثين بلهجات إقليمية قوية أو الناطقين بلهجات الأقليات، خصوصًا إذا كانت بيانات التدريب لتلك المتغيرات اللغوية محدودة. وهذا يمكن أن يؤدي إلى وضع يصبح فيه لدى بعض الفئات الديموغرافية دقة أقل في نسخ إجاباتهم، مما قد يؤثر على جودة البيانات لدى هذه الفئة. وهناك أيضًا جانب يتعلق بشخصية صوت الذكاء الاصطناعي: إذا افترضنا أن الصوت الاصطناعي كان صوت امرأة شابة، فكيف سيتفاعل المبحوثون المختلفون مع ذلك؟ ففي الاستطلاعات التي يجريها محاورون بشريون، يمكن لعوامل مثل جنس المحاور أو عرقه أن تؤثر أحيانًا بشكل ملموس على الإجابات في بعض الأسئلة – وهذا ما يُعرف بأثر المحاور. قد يخفف صوت الذكاء الاصطناعي بعض التحيزات (لأنه لا يمتلك عرقًا أو جنسًا حقيقيًا يمكن تمييزه)، ولكن قد ينسب المبحوثون خصائص إلى ذلك الصوت (مثل: “سألتني امرأة شابة لطيفة…”).

وللحد من هذه المخاطر ولمعالجة مشكلة التحيز في ASR، يتعين اختبار النظام على عينات متنوعة من الأصوات تمثل مجتمع الاستطلاع. وفي حال وجدت فروقات في الدقة، ينبغي تحسين بيانات التدريب للهجات أو اللكنات الأقل أداءً أو استخدام تقنيات تكيّف للهجات المحددة. وقد تُفضّل بعض الجهات نشر نماذج متعددة من ASR محسّنة لمتغيرات لغوية مختلفة (مثلًا، نموذج للغة العربية الفصحى ونموذج للهجات المحلية، مع التبديل بناءً على كلام المبحوث). أما فيما يتعلق بصوت الذكاء الاصطناعي، فيمكن اتباع نهج يتيح للمبحوثين اختيار صوت يفضلونه (ذكر/أنثى، وربما بضعة خيارات للهجات) في بداية الاستطلاع. وهذا ربما يجعلهم يشعرون براحة أكبر ويحد من التأثير اللاواعي لصوت واحد موحد. لكن توفير الخيارات قد يزيد التعقيد؛ والبديل الآخر هو اختيار صوت محايد ووسطي ثبتت مقبوليته عمومًا لدى عدد كبير من المستخدمين من خلال اختبارات تجريبية. تُعد الشفافية جزءًا من العدالة – إذ يمكن إبلاغ المبحوثين بأن الذكاء الاصطناعي محايد وأن إجاباتهم ما هي إلا بيانات، مما يشجعهم على التحدث بحرية. وأخيرًا، ينبغي مراقبة مكونات NLU/LLM فيما يتعلق بالتحيز أيضًا – إذ يجب ضمان عدم استجابة النظام بشكل مختلف أو أقل صبرًا لأنماط لغوية معينة. وسيساعد الاختبار الدقيق وربما استخدام نماذج مقيدة أو تم ضبطها بشكل جيد في الحفاظ على سلوك موحد للذكاء الاصطناعي مع جميع المستخدمين.

3.     قبول المبحوثين ومشاركتهم (Respondent Acceptance and Engagement)

هناك سؤال جوهري: هل سيكون الناس على استعداد للتحدث إلى ذكاء اصطناعي من أجل المشاركة في مسح او استطلاع؟ وهل سيظلون متفاعلين طوال مدة المقابلة؟ فقد يشعر بعض المبحوثين بعدم الارتياح أو استغراب الفكرة، خاصة إن لم يسبق لهم التفاعل مع ذكاء اصطناعي حواري عبر الهاتف. وقد يشك آخرون في أنه خدعة أو مكالمة آلية غير مرغوب فيها (robocall) فينقطعون عن المكالمة. لذا يمثل بناء الثقة والحفاظ على المشاركة تحديًا كبيرًا. وللحد من هذه المخاطر:قد تكون  مقدمة الاتصال بالغة الأهمية. حيث يجب على النظام توضيح هدف الاتصال، والتعريف بالجهة الرسمية، وربما حتى الإشارة إلى أنه يستخدم نظامًا آليًا لجمع البيانات في الاستطلاع. على سبيل المثال: “هذا اتصال من مكتب الإحصاءات الوطني يحمل استطلاعًا هامًا. أنا محاور افتراضي قائم على الذكاء الاصطناعي أساعد في هذه الدراسة.” كما يمكن ذكر خيار التحقق من الاستطلاع عبر موقع إلكتروني أو رقم إعادة اتصال، لطمأنة المبحوثين إلى شرعية المكالمة. وخلال المقابلة، يجب أن تكون الأسئلة مكتوبة بوضوح وإيجاز احترامًا لوقت المبحوث. وإذا كان الاستطلاع طويلاً، فيمكن للذكاء الاصطناعي التذكير بشكل دوري: “لقد وصلنا إلى منتصف الاستبيان، شكرًا على إجاباتك حتى الآن.” ولأن الذكاء الاصطناعي قد يفتقر إلى اللمسة البشرية، فمن المهم أن تتضمن السكربت عناصر بسيطة من التعاطف أو التقدير (“أقدّر صبرك”) لتجعل المبحوث يشعر بالاهتمام. وقد أظهرت التجارب المبكرة للمحاورين القائمين على الذكاء الاصطناعي ردود فعل إيجابية عمومًا، لكن لا يزال بعض المشاركين يفضلون التفاعل البشري. ومع مرور الوقت، وزيادة شيوع الذكاء الاصطناعي الصوتي في الحياة اليومية ،مع استخدام الكثيرين بالفعل لـSiri أو Alexa أو Google Assistant بشكل منتظم، ستتزايد مستويات الراحة مع هذه التقنية. وضمان تمتع صوت الذكاء الاصطناعي بجودة عالية وحوار طبيعي سيجنب المبحوثين الشعور بالإحباط. وإذا سأل المبحوث: “هل أنت شخص حقيقي؟”، فيجب أن يجيب الذكاء الاصطناعي بصدق بأنه نظام ذكي اصطناعي. فالصدق يعزز الثقة. وأخيرًا، يجب أن يتوافر لدى المبحوثين خيار الانسحاب أو التحدث إلى موظف بشري عند الرغبة – مثل الضغط على زر معين للتحويل إلى مركز المساعدة، أو أن يقترح الذكاء الاصطناعي معاودة الاتصال عبر محاور بشري إذا شعر الشخص بعدم الارتياح. وبتوفير هذا المخرج، نلبي احتياجات من لا يرغبون في التحدث مع محاور افتراضي، مع الاستفادة من الذكاء الاصطناعي لأولئك الذين يتقبلونه.

4.    المشكلات التقنية والموثوقية (Technical Issues and Reliability)

قد تؤدي أي مشاكل تقنية – مثل تباطؤ نظام الصوت، أو انقطاع الصوت، أو تكرار سوء الفهم – إلى إفساد المقابلة. قد يتسامح الناس مع بعض “عذرًا، لم أفهم”، لكن إن بدا النظام غير موثوق، فسوف ينسحبون. وقد تتسبب مشكلات الشبكة أو أخطاء التكامل في انقطاع المكالمات أو ضياع البيانات. وللحد من هذه المخاطر تعد الهندسة والاختبار المتقنان أمرًا حاسمًا. يجب اختبار النظام تحت ظروف شبكية مختلفة (بما في ذلك المكالمات الهاتفية ذات الجودة المختلفة). وإذا كان يُستخدم بروتوكول VoIP، يجب ضمان زمن انتقال منخفض. وقد يكون من الحكمة تضمين آلية لدى الذكاء الاصطناعي لرصد انهيار التواصل – فإذا كرر طلب المعلومات ثلاث مرات مثلاً، يمكنه الاعتذار وإنهاء المكالمة بأسلوب لائق (“عذرًا، يواجه النظام مشكلة. سنعاود الاتصال لاحقًا.”) أو التحول إلى وضع احتياطي  كتقديم رابط SMS أو ويب بديل. وتُعد إدارة السجلات ضرورية أيضًا: إذ ينبغي تسجيل كافة التفاعلات كي يمكن تشخيص أي فشل. ويمكن للبنية التحتية الاحتياطية مثل خوادم ASR متعددة أن تمنع فترات التوقف. وباعتبار هذا تطبيقًا مهمًا لجمع البيانات، فهو بحاجة إلى تخطيط موثوقية يشبه ما يُعتمد في مراكز الاتصال – حيث توجد خطوط اتصال احتياطية وتسجيل للمكالمات وما إلى ذلك. ومن جهة المبحوث، ينبغي ضمان عدم حاجته إلى معدات خاصة – مكالمة هاتفية عادية تكفي دون الحاجة لتطبيق على هاتف ذكي، إلا إذا تم اختياره كقناة توزيع، مع ضرورة الحفاظ على الهاتف التقليدي كخيار أول للتواصل. إن التصميم الذي يأخذ أضعف تقنيات الهواتف في الحسبان يجعل النظام متاحًا على نطاق واسع.

5.     أمن البيانات والخصوصية (Data Security and Privacy)

غالبًا ما تتعامل الاستطلاعات الرسمية مع معلومات شخصية حساسة. وقد يثير استخدام خدمات الذكاء الاصطناعي السحابية لمعالجة الصوت والبيانات مخاوف بشأن السرية. فقد تنتقل البيانات عبر الشبكات وتتم معالجتها من قبل مزودين خارجيين للذكاء الاصطناعي، مما يتطلب تأمينًا عاليًا. إضافة إلى ذلك، البيانات الصوتية هي بيانات بيومترية بطبيعتها – يمكن إساءة استخدامها إذا لم تُحْمَ بشكل جيد. و للحد من هذه المخاطر:سيتعين على المكاتب الإحصائية التأكد من امتثال أي مكوّن للذكاء الاصطناعي لأنظمة حماية البيانات وسياسات السرية الصارمة الخاصة بها. أحد الأساليب هو استخدام إصدارات محلية (on-premises) أو ذاتية الاستضافة لنماذج التعرف وتحويل النص إلى كلام، بحيث لا تخرج البيانات الصوتية عن سيطرة المنظمة. وإن استُخدمت الخدمات السحابية (لجودة أفضل أو قابلية أعلى للتوسع)، فيجب وضع اتفاقيات صارمة (مثل تعطيل أي تسجيل للبيانات أو احتفاظ بها من جانب مقدم الخدمة، واستخدام التشفير أثناء النقل وفي التخزين). وتقدم العديد من مزودي خدمات ASR/TTS خيار عدم تخزين الصوت أو النص المستخلص حالما تتم إعادته، ويجب تفعيل هذا الخيار. ويجب تشفير جميع الاتصالات. كذلك، لا ينبغي للنظام الاحتفاظ بالصوت إلا للمدة اللازمة – ربما فقط الاحتفاظ بالنص المفرغ لأغراض التحليل (وهو ما يتوافر عادة في الاستطلاعات) وحذف الصوت الخام ما لم تكن هناك حاجة للتحقق. كطبقة إضافية، يمكن إخفاء هوية البيانات بعدم تخزين محددات الهوية الصريحة المنطوقة (ومع ذلك، قد يكون ذلك معقدًا إن تضمن الاستطلاع طلب الاسم أو العنوان). كما ينبغي برمجة الذكاء الاصطناعي بحيث لا يفشي أي معلومات – بل يكتفي بطرح الأسئلة والإجابة عنها، دون مشاركة أي تفاصيل عن مبحوثين آخرين أو بيانات داخلية. إن الحفاظ على ثقة الجمهور أمر بالغ الأهمية؛ فإذا خشي المبحوثون أن الخصوصية مهددة من قبل الذكاء الاصطناعي، فلن يشاركوا. وقد تكون هناك حاجة إلى توضيح علني يشرح كيفية عمل الاستطلاع بالذكاء الاصطناعي، وكيف تتم حماية البيانات، وأنه آمن تمامًا (بل وربما أكثر أمانًا) من الحديث مع شخص بشري (لأن عدداً أقل من الأشخاص يتعاملون مع البيانات). وفي سياق الذكاء الاصطناعي التوليدي في الإحصاءات الرسمية، يعد أمن البيانات وسريتها من المخاوف الكبرى، ويجب على الوكالات الموازنة بين فوائد الذكاء الاصطناعي وحماية البيانات الحساسة وثقة الجمهور. وعبر الالتزام بتلك المبادئ، ينبغي تصميم نظام الاستطلاع المعتمد على الذكاء الاصطناعي بالاعتماد على منهج “الخصوصية في صميم التصميم”.

6.     الاعتبارات الأخلاقية والقانونية (Ethical and Legal Considerations)

إلى جانب الخصوصية، هناك تساؤلات أخلاقية أخرى. على سبيل المثال، هل مقبول عدم وجود إنسان على الخط؟ في معظم الحالات، الإجابة نعم بالنسبة للاستطلاعات، لكن ربما تطلب بعض الاستطلاعات حول مواضيع شديدة الحساسية أو العاطفية وجود عنصر بشري (مثل استطلاع حول الفقد أو الصدمات العاطفية قد لا يناسب الذكاء الاصطناعي في التعامل بتعاطف). قانونيًا، هناك بعض الأنظمة التي تقيد المكالمات الآلية (robocalls) – غالبًا ما تُستثنى الاستطلاعات إذا كانت لغرض بحثي وغير تجاري، ولكن من المهم ضمان الامتثال لقوانين الاتصالات، وتجنب تصنيف المكالمات على أنها رسائل غير مرغوب فيها (spam). كما يجب على الذكاء الاصطناعي التعريف بطبيعة المكالمة سريعًا وألا يستخدم أي خداع. وهناك جانب أخلاقي آخر يخص الوصول: فالاعتماد على الصوت وحده قد يستبعد فئة الصم، لذا يجب توفير بدائل مثل استطلاعات نصية أو TTY لضمان شمولية جمع البيانات.
وللحد من هذه المخاطر يجب ان يكون الحل المعتمد على الذكاء الاصطناعي أحد الأدوات وليس حلاً وحيدًا يناسب جميع الحالات. ينبغي للوكالات استخدامه حيث يكون ملائمًا، مع توفير بدائل أخرى. يجب أن تكون الرسائل واضحة وصادقة وتحترم المبحوثين. وإذا بدا على المبحوث ضيق أو ذكر رغبته في إنهاء المقابلة، فعلى الذكاء الاصطناعي الامتثال فورًا وإنهاء الاستطلاع بأسلوب لبق (تمامًا كالمحاور البشري الذي تدرب على فعل ذلك). ومن خلال برمجة المبادئ الأخلاقية في أسلوب إدارة الحوار (مثلاً ألا يُكره الذكاء الاصطناعي المبحوث على الإجابة، وأن يُذكره دائمًا أن المشاركة طوعية)، نصبح أقرب إلى أفضل الممارسات التي يعتمدها المحاور البشري. ويمكن إجراء مراجعات دورية على سلوك الذكاء الاصطناعي للتأكد من بقائه ضمن الحدود الأخلاقية.

7.   الدمج مع العمليات الحالية (Integration with Existing Processes)

لدى المكاتب الإحصائية عمليات معتمدة لإدارة العينات ومتابعة الحالات ومعالجة البيانات. وعند إدخال محاور بالذكاء الاصطناعي، يستلزم ذلك تكاملًا مع تلك الأنظمة. ينبغي لنظام إدارة العينة أن يزود الذكاء الاصطناعي بأرقام الهاتف التي سيتصل بها، وأن يتعقب النتائج (مثلاً، لم يُجب أحد، موعد إعادة الاتصال، تمت المقابلة، إلخ)، وأن يتيح لمديري الاستطلاع البشريين مراقبة سير التقدم. وسينبغي وجود لوحات تحكم (dashboards) في الوقت الفعلي تُظهر عدد المقابلات المنجزة، وعدد الرفض، إلخ، على غرار واجهات إدارة مركز الاتصال. كما قد تحتاج البيانات الناتجة إلى خطوات تنقية أو تحقق مماثلة للبيانات التي تُجمع بطرق تقليدية.
و للحد من هذه المخاطر يجب عند التصميم التخطيط لنقاط التكامل: إذ ينبغي للنظام القائم على الذكاء الاصطناعي أن يصدر ملفات بيانات موحدة تُدمج في قاعدة بيانات الاستطلاع الخاصة بالمكتب. وينبغي تسجيل بيانات البارامتر (paradata) (مثل الطوابع الزمنية وعدد المحاولات) لتحليل العمليات. وربما يتكامل الذكاء الاصطناعي أيضًا مع برمجيات المقابلة الهاتفية بمساعدة الحاسوب (CATI)، إذا أراد المكتب اتباع نهج هجين (بعض المقابلات ينفذها الذكاء الاصطناعي، وبعضها بشري، باستخدام نفس منطق الاستبيان). ويتطلب ذلك تصميم واجهات مستخدم بعناية للمسؤولين كي يراجعوا أو يستمعوا لأي حالات إشكالية. كل ذلك تفاصيل تنفيذية أكثر منها عوائق أساسية، لكنها تتطلب اهتمامًا كي ينسجم حل الذكاء الاصطناعي بسلاسة في عملية الاستطلاع الشاملة.

الخلاصة
على الرغم من وجود تحديات – بدءًا من الدقة التقنية وصولاً إلى العوامل البشرية – فإن أياً منها ليس عصيًا على الحل. فمن خلال الاستفادة من أفضل الممارسات والدروس المستقاة من مجال الذكاء الاصطناعي ومجال منهجيات الاستطلاعات، يمكن للمطورين بناء نظام استطلاع صوتي (speech-to-speech) يكون قويًا ومنصفًا ومناسبًا للمبحوثين. وستكون الاختبارات التجريبية (Pilot tests) حاسمة: فتجربة النظام على نطاق صغير، ربما في استطلاع داخلي أو مع مجموعة متطوعين من المبحوثين، يمكنها تسليط الضوء على مشكلات غير متوقعة وإتاحة الفرصة للتحسين قبل النشر على نطاق واسع. كما أن الانفتاح على تبنٍ تدريجي (ربما استخدام الذكاء الاصطناعي في جزء من الأسئلة أو في جزء من العينة في البداية) يمكن أن يساعد أيضًا في إدخال هذه الابتكارات في مجال جمع البيانات الرسمية.

الخاتمة
يمثل ظهور المقابلات الصوتية القائمة على الذكاء الاصطناعي (speech-to-speech) فرصة ابتكارية مهمة للمكاتب الإحصائية الرسمية. فهي تمزج بين التفاعل الشبيه بالبشري الذي تتميز به الاستطلاعات القائمة على المقابلات مع كفاءة وإتساق الأنظمة المؤتمتة. ومن خلال الاستفادة من القدرات المتقدمة للذكاء الاصطناعي في التعرف على الكلام والفهم اللغوي الطبيعي وتحويل النص إلى كلام، يمكن للجهات الإحصائية إجراء مقابلات الاستطلاع بواسطة وكلاء افتراضيين يتحدثون ويستمعون تمامًا كما يفعل البشر. ويفتح هذا المجال آفاقًا جديدة لتوسيع عمليات الاستطلاع، وخفض التكاليف والمدة الزمنية، وتحسين جودة البيانات المحتملة من خلال طرح موحد للأسئلة وتشجيع الصراحة في الإجابات.

ومع ذلك، يجب المضي بحذر في طريق نشر المقابلات الصوتية بالذكاء الاصطناعي. فلبنات البناء التكنولوجية جاهزة إلى حد كبير – كما ناقشنا، فإن النماذج الحالية للذكاء الاصطناعي قادرة على السمع والفهم والكلام بمستويات تجعل هذا المفهوم قابلاً للتطبيق. أما التركيز الآن فينتقل إلى هندسة الحل لتحقيق الموثوقية وإدماجه في المنظومة المعقدة لمنهجية الاستطلاعات. وبالمثل، تظل المحافظة على ثقة المبحوثين وتفاعلهم مهمة أساسية. إذ إن تعاون الجمهور هو شريان الحياة للإحصاءات الرسمية، ويجب الحفاظ عليه حتى مع إدخال الأتمتة. وسيتطلب ذلك الشفافية بشأن استخدام الذكاء الاصطناعي، والانتباه الدقيق لقضايا الخصوصية والأخلاقيات، وتوفير خيارات لمن لا يستطيعون أو لا يرغبون في التفاعل مع الذكاء الاصطناعي.

عند تنفيذ أدوات الاستطلاع الصوتية (speech-to-speech)، لدى المكاتب الإحصائية الفرصة لتكون رائدة في الاستخدام المسؤول للذكاء الاصطناعي. إذ سيُظهر النشر الناجح كيف يمكن للذكاء الاصطناعي التوليدي وتقنية الصوت تعزيز عمليات جمع البيانات الرسمية بطريقة إيجابية – مما يزيد من الكفاءة دون المساس بالجودة أو السرية. كما قد يحفّز الابتكار في مجالات ذات صلة، مثل استخدام الذكاء الاصطناعي في تحليل بيانات الاستطلاع (كترميز الأسئلة المفتوحة تلقائيًا)، ويسهم عمومًا في تحديث صورة الاستطلاعات لتلائم المبحوثين المتمرسين في التقنيات.

نحن نقف عند مفترق طرق مثير للاهتمام، حيث لم يعد “التحدث” إلى الحاسوب خيالاً علميًا، بل أصبح واقعًا يوميًا لكثير من الناس. وبالاستفادة من هذه الألفة، قد يصبح المحاور القائم على الذكاء الاصطناعي وسيلة مقبولة للمشاركة في الاستطلاعات. تخيل مستقبلاً تتلقى فيه أسرة مكالمة؛ ليست من باحث ميداني ولا من محاور هاتفي، بل من صوت ذكاء اصطناعي لبق يقول: “مساء الخير، أنا أتصل من مكتب الإحصاءات الوطني لإجراء المسح الربع سنوي للقوى العاملة.” ثم يتابع أحد أفراد الأسرة الإجابة براحة كما لو كان يتحدث مع مساعد شخصي. يمكن لهذا السيناريو توسيع نطاق الوصول بشكل كبير – حتى أولئك الذين يفوتهم زيارة المحاور أو يكونون مشغولين للغاية لحضور مقابلة شخصية قد يجدون بضع دقائق للتحدث إلى الذكاء الاصطناعي في وقت مناسب.

وسيشتمل الطريق المستقبلي على دراسات تجريبية وتحسينات متتالية وتعاون بين خبراء الذكاء الاصطناعي ومختصي منهجية الاستطلاعات. وسيحتاج محترفو التقنية في الذكاء الاصطناعي إلى فهم متطلبات الاستطلاعات (مثل الحفاظ على نبرة محايدة، وصياغة الأسئلة بدقة، وما إلى ذلك)، بينما سيحتاج مختصو الاستطلاعات إلى معرفة قدرات الذكاء الاصطناعي وحدوده. وينبغي أن يحافظ هذا التعاون على نبرة تفاؤل حذر: الاعتراف بالتحديات والعمل على حلها مع إدراك أن المكاسب المتوقعة – بيانات أسرع، بيانات أفضل، وطرق جمع جديدة – تستحق الجهد.

وفي الختام، إن الاستطلاعات الصوتية القائمة على الذكاء الاصطناعي (speech-to-speech) تمثل حلاً واعدًا ومبتكرًا للإحصاءات الرسمية. فهي تعكس تقدم التكنولوجيا، إذ تجمع بين الذكاء الاصطناعي الحواري والممارسة العريقة للمقابلات الاستطلاعية. ومع تطبيق مدروس، يمكنها تعزيز كفاءة الاستطلاعات ونطاقها وجودتها، مما يمكّن المكاتب الإحصائية من تلبية الطلب المتزايد على بيانات آنية ومفصلة بكلفة معقولة. كما أن دمج الذكاء الاصطناعي مع مقابلات الاستطلاعات يوضح كيف يمكن حتى لمجال تقليدي مثل الإحصاءات الرسمية أن يستفيد من تطورات الذكاء الاصطناعي المتقدمة، ليبدأ عصرًا تصبح فيه الاستطلاعات ليست مجرد نماذج تعبأ، بل أحاديث تدور بسهولة مع محاور افتراضي نشيط وذكي. قد يبدو مستقبل جمع البيانات الاستطلاعية ببساطة كصوت ذكاء اصطناعي ودود يسأل: “لنبدأ الاستطلاع – إجاباتك ستساعد في تشكيل إحصاءات مهمة لبلدنا”، ويقوم بذلك بأسلوب جذاب ومحترم وعالي الكفاءة.