تقرير: 95 % ممن يلغون اشتراكاتهم السنوية في التطبيقات لا يعودون

الشهر الأول يحسم قرار الاشتراك

إلغاء الاشتراك السنوي في التطبيقات غالباً يعني أن المستخدم لن يعود لاحقاً (شاترستوك)
إلغاء الاشتراك السنوي في التطبيقات غالباً يعني أن المستخدم لن يعود لاحقاً (شاترستوك)
TT

تقرير: 95 % ممن يلغون اشتراكاتهم السنوية في التطبيقات لا يعودون

إلغاء الاشتراك السنوي في التطبيقات غالباً يعني أن المستخدم لن يعود لاحقاً (شاترستوك)
إلغاء الاشتراك السنوي في التطبيقات غالباً يعني أن المستخدم لن يعود لاحقاً (شاترستوك)

لم تعد اشتراكات التطبيقات مجرد خيار إضافي داخل متاجر التطبيقات، بل أصبحت نموذجاً رئيساً لإيرادات كثير من المطورين، خصوصاً في تطبيقات الإنتاجية، والتعليم، والصحة، والترفيه، والأدوات المدعومة بالذكاء الاصطناعي. لكن تقريراً جديداً من شركة «ريغنيوكات» (RevenueCat) يقول إنه عندما يلغي المستخدم اشتراكه السنوي، فإن احتمالات عودته تكون ضعيفة جداً.

بحسب الجزء الثاني من تقرير «State of Subscription Apps 2026»، فإن 95 في المائة من مستخدمي الاشتراكات السنوية الذين يلغون اشتراكاتهم لا يعودون لاحقاً. التقرير يستند إلى بيانات من أكثر من 115 ألف تطبيق عبر فئات مختلفة، تغطي أكثر من 16 مليار دولار من الإيرادات.

الشهر الأول حاسم

تكشف البيانات أن إلغاء الاشتراكات السنوية لا يحدث بطريقة عشوائية على مدار العام. فالشهر الأول وحده يمثل 35 في المائة من جميع عمليات إلغاء الاشتراك السنوي، مع اختلاف واضح بين الفئات. في تطبيقات التسوق، تحدث نحو نصف عمليات الإلغاء السنوية في الشهر الأول، بينما تصل النسبة في تطبيقات التعليم إلى نحو 30 في المائة.

هذه الأرقام تعني أن المستخدم لا ينتظر دائماً نهاية العام ليقرر ما إذا كان التطبيق يستحق الاستمرار. وفي كثير من الحالات، يتخذ القرار مبكراً جداً، ربما بعد تجربة أولية لا تقنعه بالقيمة، أو بعد أن يكتشف أن الاستخدام الفعلي أقل من توقعاته عند الدفع.

فبعد الشهر الأول، تتراجع عمليات الإلغاء إلى مستويات أقل تتراوح بين 3 و7 في المائة شهرياً في الفترة من الشهر الثالث إلى الحادي عشر. لكن التقرير يرصد ارتفاعاً جديداً في الشهر الثاني عشر، عندما يقترب موعد التجديد، حيث تصل عمليات الإلغاء إلى ما بين 9 و14 في المائة عبر مختلف الفئات.

الاشتراكات السنوية تمنح المطورين قيمة أعلى لكنها تزيد صعوبة استعادة المستخدم بعد الإلغاء (شاترستوك)

قرار يُتخذ خلال ساعات

لا تقتصر المشكلة على الاشتراكات السنوية المدفوعة. فالتقرير يرصد أيضاً أن المستخدمين باتوا يحسمون موقفهم من الفترات التجريبية بسرعة كبيرة. أكثر من نصف عمليات إلغاء التجارب التي تستمر ثلاثة أيام تحدث في اليوم الأول نفسه، وتحديداً 55.4 في المائة منها في اليوم صفر. أما في التجارب ذات الأيام السبعة، فنسبة الإلغاء تبلغ في اليوم الأول 39.8 في المائة، وتصل إلى 35.7 في المائة للتجارب التي تستمر 14 يوماً، و31.1 في المائة للتجارب ذات الثلاثين يوماً.

وتظهر الصورة أكثر وضوحاً عند النظر إلى اليومين الأولين، حيث إن 84 في المائة من إلغاءات التجارب التي تستمر ثلاثة أيام تحدث بين اليوم صفر واليوم الأول، وكذلك 64 في المائة من إلغاءات التجارب التي تستمر سبعة أيام. هذا يعني أن النافذة المتاحة أمام التطبيق لإثبات قيمته أصبحت قصيرة جداً.

العودة نادرة

أبرز ما يلفت إليه التقرير أن استعادة المستخدم بعد إلغاء الاشتراك السنوي تبدو صعبة للغاية. فمعدل إعادة تنشيط الاشتراكات السنوية لا يتجاوز 5 في المائة خلال عام واحد، ويتراوح بين 3 و8 في المائة بحسب فئة التطبيق. في المقابل، يعود مشتركو الخطط الشهرية بمعدل أعلى بكثير، إذ تصل إعادة تنشيطهم إلى 20 في المائة خلال عام، أي أربعة أضعاف تقريباً.

هذا الفارق يغير طريقة النظر إلى قيمة الخطط السنوية، والشهرية. فالاشتراك السنوي يمنح المطور دخلاً أكبر في البداية، لكنه قد يجعل قرار الإلغاء أكثر نهائية. أما الاشتراك الشهري، فرغم أنه يبدو أقل قيمة فورياً، فإنه يترك باب العودة مفتوحاً بدرجة أكبر، خصوصاً في التطبيقات التي يستخدمها الناس حسب الحاجة.

وتظهر هذه النقطة بوضوح في تطبيقات الإنتاجية، وهي فئة تقودها بشكل متزايد أدوات الذكاء الاصطناعي. فقد سجلت أعلى معدل لإعادة تنشيط الاشتراكات الشهرية عند 36.1 في المائة، ما يعكس سلوك مستخدمين قد يلغون الاشتراك عندما لا يحتاجون إلى الأداة، ثم يعودون إليها عند ظهور حاجة جديدة.

قيمة ومخاطر عالية

رغم صعوبة استعادة المستخدمين الذين يلغون، تبقى الاشتراكات السنوية الأكثر قوة من حيث الاحتفاظ بمن يصلون إلى مرحلة التجديد. فالتقرير يذكر أن الخطط السنوية تجدد بمعدل 83.4 في المائة إجمالاً، وهو أكثر من أربعة أضعاف معدل الخطط الأسبوعية البالغ 18.7 في المائة، ونحو ضعف معدل الخطط الشهرية البالغ 39.2 في المائة.

لكن هذه القوة تظهر بعد تجاوز المرحلة الأولى. فالمستخدمون الذين يجددون اشتراكهم السنوي للمرة الأولى يصبحون أكثر التزاماً لاحقاً. معدلات التجديد الأولى تقع في نطاق متوسط بين 23 و40 في المائة بحسب الفئة، ثم ترتفع في التجديد الثاني إلى 44 و64 في المائة، وفي التجديد الثالث إلى 56 و70 في المائة.

بمعنى آخر، الاشتراك السنوي يحمل معادلة مزدوجة: المستخدم الذي يبقى قد يتحول إلى مشترك عالي الولاء، لكن المستخدم الذي يلغي يصبح غالباً خارج دورة الإيرادات بشكل شبه دائم.

كثير من المستخدمين يحسمون قرارهم بشأن التجربة المجانية خلال الأيام الأولى (شاترستوك)

السعر لا يغير النتيجة

قد يفترض بعض المطورين أن المستخدمين الذين يدفعون مبالغ أكبر قد يكونون أكثر قابلية للعودة بسبب وضوح قيمة الخدمة، أو ارتفاع تكلفة البدائل. لكن التقرير لا يدعم هذا الافتراض، حتى في التطبيقات مرتفعة السعر، لا يتجاوز معدل إعادة تنشيط الاشتراك السنوي 4.4 في المائة. وفي فئة السعر نفسها، يصل معدل إعادة تنشيط الاشتراك الشهري إلى 28.9 في المائة.

وتشير «RevenueCat» إلى أن معدلات إعادة تنشيط الاشتراكات السنوية تبقى متقاربة عبر مستويات الأسعار بين 4.4 و5.6 في المائة، بينما تتراوح في الخطط الشهرية بين 12 و29 في المائة. لذلك تبدو المشكلة مرتبطة بطبيعة الخطة نفسها أكثر من ارتباطها بالسعر وحده.

تراجع في الاحتفاظ

يشير التقرير إلى انخفاض الاحتفاظ في السنة الأولى للاشتراكات السنوية من 31 في المائة إلى 28 في المائة على أساس سنوي. كما تراجع الاحتفاظ الشهري من 10 إلى 8 في المائة، والأسبوعي من 1.7 إلى 1.2 في المائة.

هذه الأرقام تأتي في سوق أكثر ازدحاماً. فبحسب التقرير، زادت عمليات إطلاق التطبيقات الشهرية سبعة أضعاف منذ عام 2022، ما يجعل فترة إثبات القيمة أقصر، والمنافسة على انتباه المستخدم أكثر حدة.

ما قبل الإلغاء

تلفت هذه النتائج أنه إذا كان المستخدم السنوي لا يعود غالباً بعد الإلغاء، فإن الرهان الحقيقي لا يكون على حملات الاستعادة بعد الخروج، بل على منع الإلغاء المبكر.

يبين التقرير أن التطبيقات التي تعتمد على الخطط السنوية تحتاج إلى التركيز على الاحتفاظ المبكر، خصوصاً في الشهر الأول، وإلى توفير طرق أكثر مرونة قبل أن يختار المستخدم الإلغاء الكامل. من بين هذه الخيارات إتاحة إيقاف الاشتراك مؤقتاً بدلاً من إلغائه، بما يحافظ على العلاقة مع المستخدم من دون إجباره لاحقاً على إعادة إدخال بيانات الدفع، أو بدء الاشتراك من جديد.


مقالات ذات صلة

أداة جديدة في «رسائل غوغل» لكشف الصور المنشأة بالذكاء الاصطناعي

تكنولوجيا يختبر تطبيق «رسائل غوغل» أداة تكشف ما إذا كانت الصور أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي

أداة جديدة في «رسائل غوغل» لكشف الصور المنشأة بالذكاء الاصطناعي

يختبر «رسائل غوغل» أداة تتيح التحقق من مصدر الصور وتعديلات الذكاء الاصطناعي، لمساعدة المستخدمين على اكتشافها داخل المحادثات بسهولة.

نسيم رمضان (لندن)
تكنولوجيا «إنستغرام» تكشف عن Plus.. مزايا مدفوعة للمستخدمين الأكثر نشاطاً

«إنستغرام» تطلق اشتراك «Instagram Plus» بمزايا حصرية مقابل رسوم شهرية

تطرح «Instagram Plus» مزايا مدفوعة للقصص، والتفاعل، وتخصيص الحساب، ضمن توجه منصات التواصل لتنويع الإيرادات بعيداً عن الإعلانات.

عبد العزيز الرشيد (الرياض)
تكنولوجيا لا يكتفي النظام بتقديم ملاحظات عامة بل يحدد موضع الخطأ ويشرح سبب التصحيح للمستخدم (أرشيفية)

مدرّب افتراضي يصحح حركة الجسم بالذكاء الاصطناعي لحظة حدوث الخطأ

نظام «بايو كوتش» يستخدم الذكاء الاصطناعي لتحليل حركة الجسم أثناء التمارين وتقديم تصحيحات فورية قد تقلل خطر الإصابات.

نسيم رمضان (لندن)
تكنولوجيا الصور والفيديوهات تختفي بعد المشاهدة لزيادة الخصوصية (أبل)

«ميتا» تطلق «Instants» رسمياً... تطبيق جديد للمشاركة اللحظية ينافس «سناب شات»

يفتح التطبيق مباشرة على واجهة الكاميرا مع منع رفع الصور من ألبوم الكاميرا في محاولة لتشجيع المحتوى الحقيقي والعفوي.

عبد العزيز الرشيد (الرياض)
تكنولوجيا الاشتراك الجديد «واتساب بلس» يقدم مجموعة من المزايا الإضافية داخل التطبيق الرسمي مقابل رسوم شهرية (wabetainfo)

«واتساب» يختبر اشتراك «واتساب بلس» بمزايا مدفوعة لأول مرة داخل التطبيق الرسمي

تختبر «واتساب» اشتراك «واتساب بلس» بمزايا تخصيص مدفوعة مع بقاء الرسائل والمكالمات والتشفير مجاناً لجميع المستخدمين.

عبد العزيز الرشيد (الرياض)

تقنية جديدة تمنح الروبوتات ذاكرة للمكان والزمان

النظام يمنح الروبوتات ذاكرة طويلة الأمد تربط الأشياء بالأماكن والأوقات التي ظهرت فيها (الجامعة)
النظام يمنح الروبوتات ذاكرة طويلة الأمد تربط الأشياء بالأماكن والأوقات التي ظهرت فيها (الجامعة)
TT

تقنية جديدة تمنح الروبوتات ذاكرة للمكان والزمان

النظام يمنح الروبوتات ذاكرة طويلة الأمد تربط الأشياء بالأماكن والأوقات التي ظهرت فيها (الجامعة)
النظام يمنح الروبوتات ذاكرة طويلة الأمد تربط الأشياء بالأماكن والأوقات التي ظهرت فيها (الجامعة)

طوّر باحثون في معهد ماساتشوستس للتكنولوجيا إطاراً جديداً للذاكرة طويلة الأمد، يهدف إلى تمكين الروبوتات من تذكّر الأماكن والأشياء والأحداث التي رصدتها في أثناء تحركها في البيئات الحقيقية.

وقد يتيح هذا التوجه مستقبلاً للروبوت الإجابة عن أسئلة بسيطة مثل: أين تركت محفظتي؟ أو أين وُضع الجزء الذي كنا نعمل عليه بالأمس؟ لكن النظام لا يزال مشروعاً بحثياً، ولم يتحول بعد إلى أداة منزلية جاهزة للبحث عن الأشياء المفقودة.

يحمل النظام اسم «دام» ( DAAAM) وهو اختصار لعبارة تعني «وصف أي شيء، في أي مكان، وفي أي وقت». ويجمع بين الخرائط الثلاثية الأبعاد والرؤية الحاسوبية والنماذج اللغوية، لبناء ذاكرة مكانية وزمنية يستطيع الروبوت البحث فيها باستخدام اللغة الطبيعية.

ذاكرة مرتبطة بالعالم الحقيقي

تستطيع روبوتات كثيرة اليوم رسم خريطة للمكان وتحديد موقعها داخله، لكن هذه الخرائط تركز غالباً على الأبعاد الهندسية والعوائق والمسارات، ولا تحتفظ بالضرورة بوصف غني للأشياء الموجودة في كل موقع.

أما نماذج الرؤية متعددة الوسائط، فيمكنها التعرف على محتوى الصور ووصف الأجسام والمشاهد، لكنها قد لا تكون مصممة لتخزين هذه المعلومات داخل خريطة واسعة ومتغيرة عبر الزمن.

يحاول «DAAAM» الجمع بين القدرتين، على سبيل المثال، عند تحركه داخل منزل أو مصنع أو حرم جامعي، يسجل الأشياء التي يراها ويربط أوصافها بمواقعها على خريطة ثلاثية الأبعاد.

فقد يتذكر أن دراجة حمراء ذات إطار مثقوب كانت موجودة في موقف خارج مبنى معين، أو أن قطعة صناعية تُركت في صندوق تخزين في منطقة محددة خلال اليوم السابق. ويسمح هذا الربط للروبوت بفهم السؤال من حيث المكان والزمن والصفات، بدلاً من البحث عن اسم الشيء وحده.

اختيار الصور الأكثر فائدة

تتمثل إحدى العقبات أمام بناء هذا النوع من الذاكرة في كمية المعلومات التي يلتقطها الروبوت. فقد تمر أمام كاميراته مئات الأشياء خلال دقائق، بينما يستغرق وصف كل جسم على حدة وقتاً وقدرة حاسوبية كبيرين. لمعالجة ذلك، يجمع النظام الأشياء المتقاربة في مجموعات، ثم يختار لقطات رئيسية توفر أوضح رؤية لأكبر عدد منها. وبعد ذلك، يمكنه وصف عدة أشياء بالتوازي بدلاً من تحليل كل جسم بصورة منفصلة.

ويقول الباحثون إن هذه الطريقة تسرّع عملية إنشاء الأوصاف بنحو عشرة أضعاف، ما يسمح للنظام بالعمل في الوقت الحقيقي داخل بيئات واسعة. كما يحاول الإطار تجنب تكرار معالجة الجسم نفسه؛ إذ يسجل وصفه مرة واحدة ثم يربطه بموقعه داخل الخريطة.

تساعد التقنية الروبوتات على استرجاع مواقع الأدوات والأغراض داخل المنازل والمصانع على أن تكون قد رصدتها مسبقاً (الجامعة)

البحث باللغة الطبيعية

بعد بناء الذاكرة، يظل التحدي في الوصول بسرعة إلى المعلومة المناسبة وسط قاعدة بيانات كبيرة من المواقع والأجسام والأوصاف. ولهذا يستخدم النظام نموذجاً لغوياً يمكنه اختيار أدوات بحث مختلفة بحسب السؤال؛ فإذا سأل المستخدم عن منحوتة رآها الروبوت، يستطيع النظام البحث دلالياً عن كلمة «منحوتة». أما إذا تضمن السؤال موقع مبنى معين، فيمكنه استخدام أداة بحث مكانية. وتسمح هذه الآلية للنظام بتقسيم السؤال إلى عناصر محددة، بدلاً من الاعتماد على النموذج اللغوي وحده لتخمين الإجابة. ويرى الباحثون أن ذلك يساعد على تقليل الهلوسة؛ لأن الإجابة تستند إلى سجلات فعلية جمعها الروبوت من البيئة. وفي الاختبارات، تفوّق «DAAAM» على طرق منافسة بنسب تراوحت بين 21 و53 في المائة، بحسب نوع السؤال المستخدم في التقييم.

من المصانع إلى الواقع المعزز

قد تكون المصانع من أوائل البيئات المستفيدة من ذاكرة مكانية طويلة الأمد، حيث يمكن للعامل أن يطلب من روبوت العثور على أداة أو مكوّن تُرك في وردية سابقة، بدلاً من توجيهه يدوياً إلى الموقع. كما يمكن استخدام الفكرة في أنظمة الواقع المعزز المخصصة لفنيي الصيانة، بحيث تساعدهم على تذكّر مواضع المعدات أو رصد التغيرات غير المعتادة. وقد تفيد أيضاً في الملاحة داخل المباني والأماكن المعقدة.

لكن قدرة النظام الحالية تتركز على الأشياء والمواقع التي رصدها الروبوت بالفعل. فهو لا يعرف مكان المفاتيح إلا إذا كانت كاميراته قد شاهدتها، وربطت وصفها بموقع واضح، واحتفظت بهذه المعلومة داخل الذاكرة.

الخطوات التالية

يعمل الباحثون الآن على توسيع الإطار حتى يتمكن من تسجيل الأحداث المهمة، وليس فقط أوصاف الأجسام والمواقع. كما يخططون لإضافة مستويات ثقة إلى الإجابات، كي يوضح الروبوت مدى يقينه من المعلومة التي يقدمها. والهدف الأبعد هو تطوير روبوتات عامة تستطيع تنفيذ أنواع مختلفة من المهام بناءً على أوامر لغوية بسيطة. ويتطلب ذلك ألا ترى البيئة فقط، بل إن تتذكر كيف تغيرت بمرور الوقت، وأن تسترجع التفاصيل المناسبة عند الحاجة. بهذا المعنى، لا يقدم البحث روبوتاً منزلياً يعثر فوراً على المفاتيح المفقودة، لكنه يضع أساساً لذاكرة تجعل الآلات أكثر قدرة على فهم العالم بالطريقة التي يستخدم بها البشر المكان والزمن واللغة.


تعلّمْ كيفية التعلٌّم باستخدام الذكاء الاصطناعي

تعلّمْ كيفية التعلٌّم باستخدام الذكاء الاصطناعي
TT

تعلّمْ كيفية التعلٌّم باستخدام الذكاء الاصطناعي

تعلّمْ كيفية التعلٌّم باستخدام الذكاء الاصطناعي

لطالما تطوّرت التكنولوجيا، لكن هذا «التطوّر» يحدث عادةً بوتيرة بطيئة ومدروسة. إلا أنّ مشاهدة كيفية تطوّر الذكاء الاصطناعي وتحسينه وتوسّعه حالياً تُشبه مشاهدة أحد مقاطع الفيديو بتقنية التصوير الزمني السريع لناطحة سحاب قيد الإنشاء -أو مياه الفيضان وهي ترتفع- هذا ما يجعلك تشعر بالإلهام أو بالإحباط. هناك شعور بأنّه لا يُمكن وقفه، كما كتب غاي سوليفان(*).

رغبة في التعلم والتعليم

والأمل أن يتمكّن الناس من تحويل ذلك إلى تحدٍّ للانخراط في الذكاء الاصطناعي وتبنّيه، وفي نهاية المطاف الاستفادة منه إلى أقصى حد. وسيتطلّب هذا الموقف رغبةً في التعلّم. كما سيتطلّب، بالنسبة إلى كثيرين، رغبةً في التعليم -لتعليم أدوات الذكاء الاصطناعي مع ازدياد تعقيدها، وتعليم الزملاء في أثناء اكتشافهم كيفية استخدام الذكاء الاصطناعي في سير عملهم اليومي.

من التدريب التقليدي إلى التعلم الشخصي المدعوم بالذكاء الاصطناعي

تقيس معظم المؤسسات نمو الموظف وجاهزيته للترقية من خلال مقارنته بـ«نموذج الكفاءة». ولكن كيف يمكن قياس تطور الموظف في ظل تغير المعايير بهذه السرعة في عصر الذكاء الاصطناعي؟

وفقاً لبريت لوكاسيو، المدير الإداري في شركة «كيه بي إم جي (KPMG LLP)» الأميركية المتخصصة في التدقيق والضرائب والاستشارات، فإن الأمر يتعلق بتغيير ثقافة التعلم. يقول: «نحن نطور تصاميم تركز على الأفراد وتعمل في كلا الاتجاهين... إذ نستخدم الذكاء الاصطناعي لإطلاق العنان لقوة التعلم، ونستخدم التعلم لإطلاق العنان لقوة الذكاء الاصطناعي».

كيف تطبق الشركات الذكاء الاصطناعي لتحويل التعلم عملياً؟

يعيد لوكاسيو وفريقه النظر في كيفية تطبيق الذكاء الاصطناعي في مختلف جوانب عملهم، متجاوزين الأساليب التقليدية لتحقيق قيمة كبرى من الأدوات المتاحة لهم، لا سيما من خلال علاقات «كيه بي إم جي» الاستراتيجية مع شركاء التحالف مثل «غوغل»، و«أنثروبيك»، و«مايكروسوفت».

يستخدم لوكاسيو وفريقه أدوات الذكاء الاصطناعي لإنشاء تجارب تدريبية جديدة ومبتكرة بوتيرة أسرع من أي وقت مضى. أشار لوكاسيو إلى أن «عديداً من الناس يتعلمون بطرق مختلفة ولديهم مجموعة مهارات مميزة لإتقانها». وأضاف: «يُمكّننا الذكاء الاصطناعي من استهداف تجارب التعلم وتخصيصها بشكل أفضل بما يتناسب مع كل فرد، مما يُعزز أثرها على نمو المشاركين».

جعل التعلم أسرع وأكثر إنسانية

سمح الترويج المبكر لأدوات الذكاء الاصطناعي واعتمادها شركة «كيه بي إم جي» برؤية نتائج سريعة، لا سيما فيما يتعلق بتصميم وتطوير برامج التعلم. وأوضح لوكاسيو: «انخفض الوقت اللازم لإعداد المسودة الأولى لبرنامج تدريبي بنسبة 75 في المائة في كثير من الحالات». وأضاف: «هذا يُمكّن الموظفين من التركيز على القيمة المضافة في العملية التي لا تتحقق إلا من خلال الخبرة واللمسة الإنسانية». وأضاف أن «هذا الجانب يتعلق بتعزيز أداء موظفينا ليكونوا أكثر ابتكاراً واستراتيجية وتأثيراً».

ويُعدّ دمج مكونات الذكاء الاصطناعي في تجارب التعلم أمراً أساسياً، وليس اختيارياً. ويُمكّن الذكاء الاصطناعي متخصصي التدريب والتطوير من إثراء تجارب التعلم التقليدية الرسمية بنماذج تعلم تفاعلية تتطلب مشاركة كبرى.

ودعت الشركة إلى تبادل الخبرات بشكل غير رسمي حول ما وجدوه مفيداً وكيف تعلموا استخدام الذكاء الاصطناعي في مختلف جوانب عملهم. ولتحقيق أقصى استفادة من هذا النهج، شجعت على المشاركة على جميع المستويات الوظيفية لأن إشراك مشاركين ذوي مستويات خبرة متفاوتة وانفتاح على الابتكار يُعزز أفضل النتائج.

كفاءة ذكاء اصطناعي مدعومة بالحكمة البشرية

بدأت فرق التعلم والتطوير في «كيه بي إم جي» وعديد من الشركات الأخرى التي تحدثت معها، في الارتقاء بالذكاء الاصطناعي إلى مستوى جديد، وذلك من خلال تبنيه أداةً لمساعدة المحترفين على التفكير بشكل مختلف. ذلك أن الذكاء الاصطناعي لن يحل محل الحكمة البشرية الحقيقية، ولكنه يُمكن أن يُوفر وقتاً للتركيز على جوانب العمل التي تتطلب هذه الحكمة. وهذا هو الرأي نفسه السائد أكثر في عدد من مؤسسات القطاعات القانونية والمالية وحتى التقنية.

* خدمات «تريبيون ميديا».


أداة جديدة في «رسائل غوغل» لكشف الصور المنشأة بالذكاء الاصطناعي

يختبر تطبيق «رسائل غوغل» أداة تكشف ما إذا كانت الصور أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي
يختبر تطبيق «رسائل غوغل» أداة تكشف ما إذا كانت الصور أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي
TT

أداة جديدة في «رسائل غوغل» لكشف الصور المنشأة بالذكاء الاصطناعي

يختبر تطبيق «رسائل غوغل» أداة تكشف ما إذا كانت الصور أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي
يختبر تطبيق «رسائل غوغل» أداة تكشف ما إذا كانت الصور أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي

تعمل «غوغل» على تطوير أداة داخل تطبيق «رسائل غوغل» قد تساعد المستخدمين على معرفة ما إذا كانت الصور المتداولة في المحادثات قد أُنشئت أو عُدلت باستخدام الذكاء الاصطناعي. ولا يبدو أن الميزة ستكتفي بإصدار حكم مبسط بأن الصورة «حقيقية» أو «مولّدة»، بل قد تعرض معلومات أكثر تفصيلاً عن طريقة إنشائها والتعديلات التي أُجريت عليها، حسب موقع «آندرويد أوثوروتي».

ظهرت مؤشرات الميزة الجديدة خلال تحليل نسخة تجريبية من التطبيق على نظام «أندرويد»، لكن الأداة ليست متاحة للمستخدمين حتى الآن. كما لم تؤكد «غوغل» موعد إطلاقها. وقد تتغيّر خصائصها أو لا تصل إلى النسخة العامة، نظراً إلى أن المعلومات المتاحة تستند إلى شيفرة وعبارات موجودة في إصدار لا يزال قيد التطوير.

تفاصيل تتجاوز التصنيف البسيط

تشير العبارات المكتشفة داخل التطبيق إلى أن «رسائل غوغل» قد يميز بين صور أُنشئت بالكامل بالذكاء الاصطناعي، وأخرى التُقطت بالكاميرا ثم عُدلت بأدوات ذكية.

ومن بين الأوصاف التي يجري إعدادها داخل التطبيق «وسائط أُنشئت باستخدام الذكاء الاصطناعي»، و«عُدلت باستخدام أدوات ذكاء اصطناعي متعددة»، و«أجزاء من هذه الوسائط أُنشئت بالذكاء الاصطناعي». كما تظهر أوصاف أخرى لصور التُقطت بالكاميرا من دون تعديلات برمجية، أو جُمعت من عدة صور، أو عُدّلت بأدوات غير قائمة على الذكاء الاصطناعي.

هذا التفصيل مهم، لأن استخدام التقنية في الصور لا يأخذ شكلاً واحداً. فقد تكون الصورة مولدة بالكامل، أو قد تكون صورة حقيقية خضعت لتغيير محدود، مثل إزالة عنصر أو استبدال الخلفية. وفي حالات أخرى، قد يجري دمج صور حقيقية مع أجزاء اصطناعية، ما يجعل التصنيف الثنائي بين «حقيقي» و«مزيف» غير كافٍ.

يتوقع أن تظهر معلومات المنشأ والتعديل عند فتح الصورة واختيار عرض التفاصيل داخل المحادثة (رويترز)

الوصول إلى المعلومات من المحادثة

وفقاً للمؤشرات الموجودة في النسخة التجريبية، قد يصل المستخدم إلى هذه المعلومات عبر فتح صورة داخل المحادثة، ثم اختيار «عرض التفاصيل» من القائمة. وقد تظهر عندها بيانات مرتبطة بمصدر الصورة والجهة أو الأداة التي أنشأتها أو عدلتها.

ولا توجد حتى الآن إشارة مؤكدة إلى ظهور ملصق تحذيري تلقائي فوق كل صورة داخل المحادثة. فقد تتطلّب الميزة من المستخدم فتح التفاصيل والتحقق بنفسه، بدلاً من عرض النتيجة مباشرة في واجهة الدردشة.

ورغم أن ذلك يضيف بعض الخطوات، فإنه قد يجعل فحص مصدر الصور أسهل من نقلها إلى تطبيق آخر أو استخدام خدمة منفصلة للتحقق منها.

الاعتماد على بيانات مصدر المحتوى

يبدو أن الأداة تعتمد على معيار «بيانات اعتماد المحتوى» التابع لتحالف «C2PA»، وهو معيار مفتوح يسجل معلومات عن منشأ الوسائط الرقمية والتغييرات التي مرت بها.

تعمل هذه البيانات بطريقة تشبه السجل الرقمي المرفق بالصورة. ويمكن أن توضح ما إذا كانت الوسائط خرجت مباشرة من كاميرا داعمة للمعيار، أو خضعت لتعديلات لاحقة، أو مرت عبر أدوات للذكاء الاصطناعي.

ولا يقوم النظام بالضرورة بتحليل شكل الصورة بحثاً عن علامات التزييف، كما تفعل بعض أدوات الكشف التقليدية. بدلاً من ذلك، يقرأ بيانات موثقة مرتبطة بتاريخ الملف وطريقة إنشائه. ويعني ذلك أن فاعليته تعتمد على وجود بيانات اعتماد متوافقة داخل الصورة وعلى عدم فقدانها أو إزالتها خلال عمليات الحفظ والنقل.

لا تزال الميزة قيد التطوير كما أن غياب بيانات الاعتماد لا يعني تلقائياً أن الصورة مزيفة أو غير موثوقة (أ.ف.ب)

توجه أوسع لدى «غوغل»

لا تأتي التجربة في «رسائل غوغل» بمعزل عن تحركات أخرى للشركة. فقد وسّعت «غوغل» أدوات التحقق من المحتوى داخل تطبيق «جيميناي». كما أعلنت دعم التحقق من بيانات «C2PA» في خدمات أخرى، بهدف إظهار ما إذا كان المحتوى أصلياً من الكاميرا أو خضع لتعديلات، والأدوات التي استُخدمت في ذلك.

وتستخدم الشركة أيضاً تقنية «SynthID»، التي تطورها «غوغل ديب مايند»، لإضافة علامات مائية رقمية غير مرئية إلى المحتوى المنشأ أو المعدل بأدواتها للذكاء الاصطناعي. ويمكن لأنظمة متوافقة فحص هذه العلامات للمساعدة على تحديد مصدر المحتوى.

لكن «C2PA» و«SynthID» لا يعملان بالطريقة نفسها. فالأول هو معيار لتوثيق تاريخ المحتوى ومصدره عبر بيانات اعتماد رقمية، في حين يعتمد الثاني على علامة مائية مضمنة داخل الصورة أو الوسائط التي تنتجها أدوات «غوغل».

الحاجة إلى الحذر

قد تساعد الميزة المستخدم على فهم الصور التي تصل إليه عبر الرسائل، لكنها لن تكون ضماناً مطلقاً لصحة كل صورة. فالملف الذي لا يحتوي على بيانات اعتماد لا يعني تلقائياً أنه مزيف. كما أن غياب علامة مرتبطة بالذكاء الاصطناعي لا يثبت أن الصورة لم تخضع لأي تعديل.

وقد تُفقد بعض البيانات عند ضغط الصور، أو التقاط لقطة شاشة منها، أو تمريرها عبر تطبيقات لا تحتفظ بالمعلومات المرفقة. لذلك، تقدم هذه الأدوات سياقاً إضافياً حول مصدر المحتوى، لكنها لا تلغي الحاجة إلى التحقق من السياق والمرسل والمصدر الأصلي.

إذا وصلت الميزة إلى الإصدار العام، فستجعل «رسائل غوغل» جزءاً من توجه أوسع لنقل أدوات التحقق من الصور إلى الخدمات التي يستخدمها الناس يومياً. فبدلاً من انتظار المستخدم ليشك في صورة ويبحث عن أداة مستقلة، قد تصبح معلومات المصدر متاحة من داخل المحادثة نفسها.

Your Premium trial has endedYour Premium trial has ended