تدقيق لتسوق الذكاء الاصطناعي يسعّر إشارات البائعين عبر 113,472 تجربة

اقترح فيليكس بوشيلر، وجيراردو بيربيغليا، ومينغيو غو تدقيقاً بالقيمة السعرية المكافئة لتأثير البائعين على وكلاء التسوق القائمين على الذكاء الاصطناعي في مسودة بحثية نُشرت على منصة arXiv في 20 أكتوبر، بعد إجراء 113,472 تجربة.

وتكتسب المسودة البحثية المنشورة في 20 أكتوبر على arXiv لكل من بوشيلر وبيربيغليا وغو أهميتها من كونها تحوّل الشارات والتزكيات وصياغة العرض إلى مقياس مالي عبر سبعة نماذج، حيث يمكن أن تفقد اختبارات معدلات الاختيار العادية قدرتها على التمييز بمجرد أن تتفوق إشارة معينة في كل مقارنة تقريباً.

ويحدد المؤلفون المشكلة بوصفها فجوة في القياس ضمن تحسين محركات البحث التوليدية (GEO)، وهو الجهد الرامي إلى فهم الكيفية التي يشكل بها محتوى البائع التوصيات المولدة بالذكاء الاصطناعي. وكتبوا أن القضية "ليست ما إذا كان محتوى البائع يغير اختيار الوكيل، بل ما مقدار هذا التغيير".

وترفع طريقتهم سعر المنتج الذي يحمل إشارة البائع حتى يختاره النموذج بنسبة 50% فقط من المرات في اختبار اختيار إجباري متوازن ومضبوط المواضع. وتُمثل العلاوة السعرية الناتجة المعادل السعري للإشارة، وهي عتبة نقطة تعادل تهدف إلى جعل إشارات البائعين المختلفة قابلة للمقارنة بالقيمة النقدية.

وذكر المؤلفون أنه عند ترجمتها إلى أسعار، تباينت بفوارق شاسعة إشاراتٌ كانت تبدو متقاربة في قدرتها الإقناعية عند تساوي الأسعار. وخلصوا في استنتاجهم إلى أن عمليات تدقيق معدل الاختيار "تقلل بشكل كبير من دقة تقدير تأثير البائع".

وشمل التدقيق سبعة نماذج عبر عائلات مختلفة وفئتين من المنتجات، وفقاً للملخص. كما تناولت الورقة البحثية نموذج "جيف" (Jev)، الذي يصفه المؤلفون بأنه نموذج أصيل لاتخاذ القرارات لأنه يُخرج احتمالية الاختيار بصورة مباشرة بدلاً من توليد نصوص.

وقال المؤلفون إن نتائج "جيف" اختلفت عن النماذج النصية التي خضعت للاختبار، وكتبوا أنه كان "يقاوم معظم الإشارات لكنه يظل عرضة للتأثر بأقوى ادعاءات الإثبات الاجتماعي".

وتتضح الأهمية المؤسسية للورقة البحثية بشكل أكبر لمنصات التجارة وأدوات التسوق بالذكاء الاصطناعي وأنظمة البحث التي قد تصنف المنتجات أو توصي بها استناداً جزئياً إلى صياغات يقدمها البائع. فإذا كان بالإمكان التأثير على الوكلاء بطريقة التقديم، فإن المطورين والمدققين بحاجة إلى وسيلة لمقارنة هذا التأثير تتجاوز مجرد فوز منتج في اختيار ثنائي.

ولم تخضع المسودة البحثية بعد لمراجعة الأقران.

وذكر المؤلفون أنهم أتاحوا المحفزات وسجلات التشغيل والرموز البرمجية كمعيار مرجعي يقدم تقريراً حول ملف الإشارات والأسعار لكل نموذج بدلاً من مجرد إعطاء درجة مفردة. وقُدمت المسودة البحثية إلى منصة arXiv في 19 أكتوبر برقم arXiv:2610.25843v1.

المصدر: مسودة بحثية في قسم الذكاء الاصطناعي (cs.AI) على منصة arXiv، بتاريخ 20 أكتوبر 2026.