استخراج الكيانات

ما الذي يفعله

استخراج الكيانات هو ما يجعل الفرق بين إجابة عامة وإجابة تخصّ السائل. «أين طلبي رقم ٤٤٢٩١» تحتاج انتزاع الرقم؛ و«موعدي يوم الثلاثاء الجاي» تحتاج تحويل عبارة زمنية غامضة إلى تاريخ محدد.

وأغلب العمل هنا في التطبيع لا في الالتقاط. الرقم قد يُكتب بالأرقام العربية أو الإنجليزية، والتاريخ قد يأتي هجرياً أو ميلادياً أو كعبارة نسبية، والاسم قد يُكتب بعدة صيغ. توحيد هذه الأشكال هو ما يجعلها قابلة للاستعمال.

وأهم قاعدة أن الكيان المستخرَج يُعرض على المستخدم قبل التصرف بناءً عليه إن كان الأثر معتبراً. «فهمت أنك تسأل عن الطلب ٤٤٢٩١» جملة تمنع فئة كاملة من الأخطاء.

لماذا هو أصعب بلغتين

العربية تفرض هنا تحديات تطبيع لا وجود لها في الإنجليزية. الأرقام تُكتب بالصيغة العربية الشرقية أو بالصيغة اللاتينية داخل النص نفسه، وأحياناً في الجملة الواحدة، وكلاهما صحيح.

والتواريخ قد تكون هجرية أو ميلادية أو نسبية بصياغة لهجية، والتحويل بينها ليس مسألة تنسيق بل مسألة فهم للسياق: «الأسبوع الجاي» تعني شيئاً مختلفاً بحسب يوم قولها.

وأسماء الأماكن والأشخاص تُكتب بصيغ متعددة صحيحة كلها — بألف أو بغيرها، بأل أو بدونها، وبنقل حرفي مختلف عن الإنجليزية. المطابقة الحرفية تفشل هنا بانتظام، والمطلوب مطابقة تتسامح مع هذا التنوع دون أن تصبح فضفاضة.

ما الذي تبحث عنه عند تقييمه

أين لا ينبغي الوثوق به وحده

لا ينبغي التصرف بناءً على كيان مستخرَج دون تأكيد إذا كان الأثر معتبراً. رقم الطلب الخاطئ يعرض بيانات شخص آخر؛ والتاريخ الخاطئ يحجز موعداً في يوم لا يناسب أحداً.

والخطر هنا صامت أيضاً: النظام لا يعلن أنه استخرج الرقم الخطأ. ولهذا يكون التأكيد الصريح قبل التصرف قاعدة تصميم لا خطوة زائدة، وكلفتها ثانية واحدة.

وبيانات التواصل والهوية تستحق معاملة خاصة: تُستخرج للاستخدام المباشر ولا تُكرَّر في الرد ولا تُسجَّل بلا مبرر. الظهور غير الضروري لبيان شخصي في نص هو بالضبط ما تحاول سياسات الخصوصية منعه.

كيف يتصل هذا بالكل

من المفيد فهم أن هذه ليست منتجات منفصلة بل مكوّنات تعمل في تسلسل واحد. المحادثة الواحدة قد تمرّ على عدة منها قبل أن تصل كلمة واحدة إلى العميل، وجودة المخرَج النهائي محكومة بأضعف حلقة في السلسلة لا بأقواها.

وهذا يفسّر لماذا لا يكفي أن يكون كل مكوّن جيداً منفرداً. مكوّن دقته خمس وتسعون بالمئة يبدو ممتازاً وحده؛ وثلاثة منها متسلسلة تُنتج نتيجة أقل بكثير مما توحي به الأرقام الثلاثة. ولهذا يُقاس النظام من طرفه لا من مكوّناته، ويُقيَّم المورّد الذي يعرض أرقام مكوّنات منفصلة بحذر.

والفائدة العملية من فهم التسلسل أنها تجعل التشخيص ممكناً. حين يأتي رد خاطئ، السؤال الأول هو أي حلقة أخطأت: هل فُهم السؤال، أم استُرجعت المادة الخاطئة، أم كانت المادة صحيحة والصياغة خاطئة. ثلاث مشكلات مختلفة تماماً بثلاثة علاجات مختلفة، وخلطها يجعل التحسين تخميناً.

والمكوّنات مصمَّمة لتفشل بأمان لا بصمت. المكوّن الذي لا يستطيع إنجاز عمله ينبغي أن يقول ذلك فيتوقف التسلسل ويُعرض بديل، لا أن يمرّر نتيجة رديئة إلى المكوّن التالي الذي سيبني عليها بثقة.

لماذا يُبنى هذا بدل شرائه جاهزاً

السؤال المشروع هنا: لماذا لا يُستخدم مكوّن جاهز من مزوّد عالمي لكل وظيفة؟ والجواب ليس أيديولوجياً بل عملياً، وله ثلاثة أسباب.

الأول هو العربية. أغلب المكوّنات الجاهزة ضُبطت على الإنجليزية أولاً وأُضيفت إليها اللغات الأخرى، وأداؤها العربي مقبول في النص الفصيح وضعيف في اللهجة والجملة المختلطة — وهما ما يستخدمه عملاؤكم فعلاً. الفارق ليس نظرياً ويظهر في أول عشر محادثات حقيقية.

والثاني هو التحكم في السلوك. المكوّن الذي لا تملكون ضبطه لا تستطيعون ضبط حدوده، وحدود ما يُقال هي بالضبط ما تحتاجون إثباته في قطاع منظَّم. القدرة على إضافة فحص على المخرَج، أو تعديل عتبة، أو تفسير سبب سلوك معيّن، تتطلب ملكية المكوّن لا مجرد استدعائه.

والثالث هو مكان البيانات ومسارها. كل مكوّن خارجي يعني خروج محتوى المحادثة إلى طرف ثالث، وهذا سؤال يُطرح في كل مراجعة امتثال في هذه المنطقة. تقليل عدد الأطراف التي تلمس المحتوى ليس تفضيلاً هندسياً بل تبسيط لمسألة ستُسألون عنها.

وليس المقصود أن كل شيء يُبنى من الصفر — ذلك هدر. المقصود أن المكوّنات التي تحدّد جودة التجربة العربية وحدود السلوك ينبغي أن تكون تحت سيطرتكم، وأن يكون ما تبقّى قابلاً للاستبدال دون إعادة بناء النظام.

قياس هذا المكوّن بصدق

قياس مكوّن منفرد أصعب مما يبدو، لأن الرقم بلا سياق لا يعني شيئاً. دقة تسعين بالمئة على أي مقياس تحتاج ثلاثة تفاصيل قبل أن تصبح معلومة: على أي مجموعة اختبار، وبأي لغة، ومقارنة بأي بديل. والرقم الذي يصل بلا هذه الثلاثة هو تسويق.

والمبدأ العملي أن تُقاس المكوّنات على بياناتكم أنتم لا على مجموعات قياسية عامة. المجموعات العامة مفيدة للمقارنة بين الموردين ومضلّلة للتنبؤ بأدائكم، لأن أسئلة عملائكم وصياغاتهم ومستنداتكم لا تشبه أي مجموعة عامة.

وقياس المكوّنات منفصلة عن قياس النظام. كلاهما ضروري ولأسباب مختلفة: قياس النظام من طرفه يخبركم هل يعمل، وقياس المكوّنات يخبركم أين يجب أن تعملوا حين لا يعمل. والاكتفاء بالأول يجعل التحسين تخميناً؛ والاكتفاء بالثاني يجعل الأرقام جميلة والتجربة سيئة.

وأخيراً، أعيدوا القياس دورياً لا مرة واحدة. المواد تتغير، وأسئلة العملاء تتغير، وما كان صحيحاً في الشهر الأول قد لا يبقى كذلك في السادس. القياس الذي يجري مرة عند الإطلاق يقيس لحظة انتهت.