16 مارس 2026 – تاسفيا تاسبين | المؤسسة والرئيسة التنفيذية، Markopolo AI

اليوم، نقدم ATHENA — نموذج أساس سلوكي بمعامل 709 مليون، تم تدريبه عبر 603 شركات مستقلة، ويعمل بالكامل على الحافة. شهدت أول مجموعة من التجار لدينا تجاوز معدلات التحويل 10%، مع وصول بعضها إلى أكثر من 30%، مقارنة بمتوسط صناعي يبلغ 3%. أصبح ATHENA الآن مُنشرًا عبر أكثر من 1,500 شركة عالميًا.

كيف؟ ليس بمزيد من التتبع. بل بمزيد من الفهم.

TikTok وNetflix وInstagram لا تكتفي بالتوصية، بل تتنبأ. إنها تعالج مليارات السلاسل السلوكية لفهم ليس ما قلته إنك تريده، بل ما أنت على وشك فعله. التمرير الذي يبطؤ. المرور فوق العنصر الذي يطول. حلقة المقارنة التي تشير إلى نية. هذه المنصات تقرأ قواعد السلوك البشري أفضل من أي أحد.

لكن ما يغفل عنه الجميع هو: إنها تفعل ذلك داخل حدائق مغلقة. نماذج Google تفهم مستخدمي Google. نماذج Meta تفهم مستخدمي Meta. نماذج Amazon تفهم متسوقي Amazon. وما إن تخرج من أسوارها، تعود إلى صفحة بيضاء.

سألنا: ماذا لو أمكن نقل الذكاء السلوكي؟

نموذج أساس للنية البشرية

ATHENA هي الإجابة - نموذج أساس لا يتم تدريبه داخل منصة واحدة، بل عبر 603 شركات مستقلة في التجارة الإلكترونية وSaaS والبث والتطبيقات المحمولة والأسواق. والنتيجة هي مفردات سلوكية عالمية تضم 90 نوعًا من الأحداث الدلالية التي تلتقط النية أينما حدثت. 

حدث إضافة إلى السلة على Shopify، واشترك في منتج SaaS، وإشارة مرجعية على موقع ناشر: أفعال مختلفة، لكنها تحمل النحو السلوكي نفسه.

ما ظهر فاجأنا حتى نحن - المستخدم الذي يقيّم سترات الهودي ذات القلنسوة يظهر السلوكيات الدقيقة نفسها التي يظهرها شخص يقيّم برمجيات المؤسسات: حلقات المقارنة، إشارات التردد، وأنماط البحث عن الثقة. المجال مختلف؛ لكن بنية القرار متطابقة.

وكما تعلمت نماذج اللغة الكبيرة قواعد اللغة من خلال التدريب على كامل الإنترنت، تعلمت ATHENA قواعد النية البشرية من خلال التدريب على الويب المفتوح للتجارة. 

وكما يتنبأ GPT بالكلمة التالية في الجملة، تتنبأ ATHENA بالإجراء التالي في سلسلة سلوكية، باستثناء أن سلاسلنا ليست كلمات. إنها نقرات، وتمريرات، وتوقفات، وترددات، وقرارات.

أداء على مستوى البنية التحتية

اختبرنا ATHENA عبر 116 نوعًا مختلفًا من أفعال المستخدمين. تنبأت بالإجراء التالي مباشرةً بشكل صحيح بنسبة 73% في أول تخمين لها. وعند توسيع النطاق إلى أفضل خمسة إجراءات محتملة، ترتفع الدقة إلى أكثر من 94%. عمليًا: نحن نعرف تقريبًا دائمًا ما الذي سيفعله المستخدم قبل أن يفعله.

المعايرة لا تقل أهمية عن الدقة. عندما تقول ATHENA إنها واثقة بنسبة 80%، تكون على صواب تقريبًا 80% من الوقت. عبر أهم فئات السلوك لدينا، يحقق النموذج درجة AUC-ROC تبلغ 0.97، ويفصل النية الحقيقية عن الضوضاء الخلفية بدقة استثنائية. 

ولهذا السبب يعمل في البيئات الفوضوية الواقعية، وليس فقط في العروض التجريبية الخاضعة للضبط.

كل تنبؤ يستغرق نحو 0.01 ميلي ثانية، ما يتيح أكثر من 100,000 تنبؤ في الثانية. 

هذا ليس ذكاءً اصطناعيًا على مستوى البحث. إنه على مستوى البنية التحتية، ومصمم من البداية بأولوية الخصوصية. مستقبل التنبؤ في الوقت الفعلي لن يعتمد على التتبع المركزي. بل سيعتمد على استدلال سريع واعٍ بالخصوصية أقرب إلى المستخدم. الذكاء الاصطناعي على الحافة والمعايير على مستوى المتصفح مثل Microsoft’s WebNN تجعل ذلك ممكنًا.ما بعد التنبؤ: قراءة الاحتكاك

هذا ليس تخصيصًا. التخصيص هو مرآة الرؤية الخلفية؛ فهو يخبرك بما فعله المستخدم الأسبوع الماضي، وما الشريحة التي ينتمي إليها. ATHENA هي الزجاج الأمامي. إنها تخبرك بما سيفعله المستخدم في العشر ثوانٍ القادمة.

كما تلتقط ATHENA أيضًا ما تفوته معظم الأنظمة بالكامل: الاحتكاك. نقرات متكررة على عناصر لا تستجيب. تمرير عدواني عندما لا يكون المحتوى مقنعًا. أنماط تردد تظهر قبل الانسحاب مباشرة. هذه هي المكافئات السلوكية للنبرة في اللغة الطبيعية؛ فهي لا تخبرك فقط بما فعله المستخدم، بل كيف شعر أثناء فعله. الفرق بين إضافة واثقة إلى السلة وأخرى تسبق الانسحاب. الحدث نفسه. لكن السياق السلوكي مختلف. والنتيجة مختلفة.

الطبقة المفقودة للتجارة الوكيلة

وهنا يصبح التوقيت حاسمًا. لقد أطلقت Google وShopify وWalmart وTarget وEtsy وWayfair بروتوكول التجارة العالمية، وهو معيار مفتوح لوكلاء الذكاء الاصطناعي للتواصل عبر رحلات التسوق. وقد نشرت Google Cloud Gemini Enterprise for CX في NRF، مع وكلاء تسوق أصبحوا بالفعل مباشرِين في Home Depot وKroger وLowe's وGap Inc. وEstée Lauder.

أصبحت فرصة التجارة الوكيلة الآن حقيقة واقعة، ولم تعد نظرية.

لقد حل UCP مشكلة التنسيق. أعطى الوكلاء وسيلة للتحدث مع بعضهم البعض. لكنه لم يحل التنبؤ المسبق، ولم يساعد الوكلاء على توقع ما يحتمل أن يفعله المستخدم بعد ذلك. هذه هي الطبقة المفقودة التي تملؤها ATHENA. ATHENA هي بنية التنبؤ السلوكي التي تحوّل الوكلاء التفاعليين إلى وكلاء استباقيين.

تأثير شبكي للذكاء

603 شركات مستقلة تولد سلاسل سلوكية عبر المجالات لا توجد في أي مكان آخر. وكل شركة جديدة تنضم تجعل النموذج أذكى للجميع. 

هذا تأثير شبكي، لكنه للذكاء. كل عملية نشر عبر أكثر من 1,400 شركة عالمية لدينا تعزز فهم ATHENA للثوابت السلوكية التي تتجاوز أي منصة أو فئة منتجات بعينها.

ابنوا على ATHENA

اليوم، نفتح أيضًا طبقة التنبؤ السلوكي في ATHENA أمام المطورين. ATHENA هي طبقة التنبؤ التي تساعدك على بناء وكلاء يفهمون فعلًا ما يحاول الناس القيام به. وهي تعمل للفرق التي تبني أدوات ذكاء الجمهور، والفرق التي تصمم وكلاء التحويل، والفرق التي تنشئ تجارب تجارة مدفوعة بالأداء.

حالات الاستخدام واسعة بقدر اتساع التجارة نفسها: وكلاء تجربة العملاء الذين يتوقعون الاحتكاك قبل أن يسبب التسرب، ووكلاء توصية المنتجات الذين يستجيبون لإشارات السلوك الحية بدلًا من الشرائح التاريخية، ووكلاء الدعم الذين يكتشفون الارتباك ويتدخلون استباقيًا، ووكلاء الإيرادات الذين يحددون لحظات النية العالية ويتصرفون عليها في الوقت الحقيقي. عبر القطاعات، وعبر المنصات، من دون مشكلات البداية الباردة ومن دون المساس بخصوصية المستخدم.

بالنسبة إلى مطوري الوكلاء الذين يريدون تجاوز مجرد الاستجابة، فإن ATHENA هي طبقة التنبؤ المفقودة التي تساعد نظامك على توقع ما سيفعله المستخدمون بعد ذلك. 

في السنوات المقبلة، نؤمن بأن كل تفاعل رقمي سيُتنبأ به سلوكيًا. سيحتاج كل وكيل إلى طبقة تنبؤ. وستنتقل كل تجربة تجارة من رد الفعل إلى الاستباق. وبالنسبة إلى مستخدمي Markopolo، فهذا المستقبل موجود بالفعل هنا.

ندعو الشركات والتجار والمنصات وصناع المحتوى والمسوقين والمنتسبين ومطوري الوكلاء ذوي التفكير المستقبلي للانضمام إلينا في بناء طبقة الذكاء السلوكي لاقتصاد الوكلاء.

لقد وُضعت الأسس. فلنبنِ عليها معًا.