تفكيك حالات WorkBuddy في الخدمات الحكومية: كيف دخل government AI assistant وdigital counter وhousing fund AI إلى واجهة خدمة المواطنين؟

إذا كنت تنظر إلى WorkBuddy باعتباره مجرد مساعد مكتبي يعمل على سطح المكتب، فأنت لم ترَ بعد جانبه الأقرب إلى public service وخدمة المواطنين.

هذه المرة عدتُ إلى عدة مواد علنية ترتبط مباشرة بـ الخدمات الحكومية، والإرشاد الذكي للمعاملات، والشباك الرقمي لصندوق الإسكان، وتحسين كفاءة العمل الداخلي. وبعد المراجعة، كان حكمي واضحًا:

المسار الذي ينتمي إليه WorkBuddy داخل منظومة Tencent للذكاء الاصطناعي لم يعد يقتصر على مساعدة الموظفين الحكوميين في كتابة التقارير، بل بدأ يقترب فعلًا من الواجهة الأمامية لخدمة المواطنين وتنفيذ المعاملات.

وما يستحق الانتباه هنا ليس فقط أن "AI يستطيع الإجابة"، بل:

• هل يمكنه تحويل طلب المواطن بصياغته الطبيعية إلى سير عمل قابل للتنفيذ
• هل يستطيع ربط الاستعلام والسحب والحساب والتوقيع داخل سلسلة واحدة
• هل يخدم المواطنين من الخارج والموظفين من الداخل في الوقت نفسه
• وهل يمكنه نقل الخدمة من مجرد "قابلة للتنفيذ" إلى "أسهل وأسرع ويمكن إنهاؤها أثناء الحوار"

إذا استقر هذا المسار، فالقيمة لن تكون مجرد رفع إنتاجية المكتب، بل:

تغيير بنيوي في تجربة خدمة المواطنين.

الخلاصة أولًا

• حتى 29 يونيو 2026، تُظهر المواد العلنية أن المسار المرتبط بـ WorkBuddy داخل Tencent في اتجاه الخدمات الحكومية والعامة يرسم على الأقل ثلاثة خطوط واضحة نسبيًا:

  1. رفع كفاءة العمل الداخلي: عبر WorkBuddy / LightClaw لتوليد التقارير، وتراكم محاضر الاجتماعات، وتحسين كفاءة البحث والتطوير والعمل الإداري
  2. الإرشاد الذكي لخدمات المدينة: عبر نموذج “小宝同学” في منطقة باوان بشنزن، حيث تتحول خدمات المدينة إلى مدخل صوتي ومعاملة بضغطة واحدة
  3. الشباك الرقمي لصندوق الإسكان مع "الحديث أثناء الإنجاز": عبر حالة صندوق الإسكان في هاندان، حيث يدخل الحوار الطبيعي مباشرة في سلسلة إنجاز المعاملة

• الإشارة الأهم هنا ليست "هل النظام يجيد الدردشة"، بل أن المواد العلنية كشفت بالفعل تفاصيل قريبة من بيئة إنتاج حقيقية:

  • مدخل عبر برنامج WeChat Mini Program
  • تدفق معاملات مدفوع بالحوار باللغة الطبيعية
  • تغطية 48 خدمة متكررة عالية الاستخدام
  • تغطية 600+ خدمة مدنية
  • تقليص المعاملة الواحدة من 15 دقيقة إلى 3 دقائق
  • 2475 استشارة في الأسبوع الأول مع دقة إجابة آلية بلغت 82%
  • أكثر من 600 ألف معاملة سنوية لسحب صندوق الإسكان

• إذا كنت تتابع الآن موضوعات مثل:

  • رقمنة الخدمات الحكومية
  • تحديث الواجهة الأمامية لـ citizen service
  • ربط كفاءة المكتب الداخلي بالخدمة الخارجية
  • قابلية تشغيل government AI assistant في سيناريوهات ذات إجراءات قوية

  فهذه الحالات المرجعية أهم بكثير من عروض "AI مكتبي" العامة.

توضيح مهم أولًا: المسألة ليست مجرد وضع WorkBuddy داخل Mini Program

أسهل سوء فهم هنا هو النظر إلى المشهد كأنه:

• WorkBuddy للمهام المكتبية
• والـ Mini Program للمعاملات الحكومية
• والطرفان فقط يستخدمان تقنيات AI من Tencent بالمصادفة

لكن إذا جمعنا المواد العلنية معًا، فالفهم الأدق هو:

WorkBuddy يمثل المدخل المكتبي داخل مسار Tencent للذكاء الاصطناعي والوكلاء، بينما الإرشاد الحكومي والشباك الرقمي هما امتداد الواجهة الأمامية العامة للمسار نفسه.

بمعنى أن القيمة الحقيقية هنا ليست "أداة منفصلة"، بل:

• من الداخل: كفاءة، تقارير، محاضر، مساعد عمل
• من الخارج: إرشاد، أسئلة وأجوبة، إنجاز معاملات، تفاعل باللغة الطبيعية

وحين يلتقي الجانبان بالفعل، يبدأ المشهد في الظهور كنظام حكومي ذكي متكامل، لا مجرد مساعد دردشة محسّن.

الحالة 1: العميل الحكومي لا يريد نافذة دردشة فقط، بل منظومة خدمة محلية وسحابية في آن واحد

في المقال العلني 《腾讯云+AI全栈能力支撑数字政府融合创新与效率提升》، جرى تلخيص التوترات الأساسية في رقمنة الحكومة بشكل مباشر:

• الحاجة إلى نشر محلي يلبّي الأمان والامتثال
• والحاجة في الوقت نفسه إلى تحمّل وصول مرتفع التزامن وعالي الإتاحة على مستوى الإنترنت
• الحاجة إلى منظومة مستقلة وقابلة للتطوير
• والحاجة أيضًا إلى أن تكون الأنظمة مفيدة فعليًا في سير العمل اليومي

وفي هذه المادة، يظهر ضمن سلسلة أدوات Tencent الحكومية الخاصة بالذكاء الاصطناعي ما يلي بوضوح:

• WorkBuddy: مساعد AI مكتبي ذاتي التطوير وسهل الاستخدام
• LightClaw: بيئة تشغيل AI سحابية للنشر بضغطة واحدة
• ADP 3.0: يدعم LLM + RAG وWorkflow وMulti-Agent

هذه التركيبة مهمة جدًا، لأنها تقول إن السؤال الحقيقي أمام الجهة الحكومية ليس "هل نحتاج روبوت إجابة أذكى؟"، بل:

كيف نربط طرف المكتب، وطرف التطوير، وطرف الأعمال داخل طبقة AI واحدة يمكن الاعتماد عليها؟

ولهذا السبب أرى أن قراءة هذا المسار لا يجب أن تقتصر على "تجربة الدردشة في الواجهة"، بل يجب أن تمر عبر ثلاث طبقات معًا:

• المساعد المكتبي الداخلي
• تطوير سير العمل وجدولته
• مدخل الخدمة الحكومية الخارجي

الحالة 2: “小宝同学” في باوان بشنزن يثبت أن الإرشاد الذكي لم يعد مجرد إثبات مفهوم

في المادة نفسها، هناك حالة ثانية تستحق التوقف عندها فعلًا:

“小宝同学” في منطقة باوان بشنزن

والمعلومات الأساسية المعلنة عنه تتضمن:

• أنه مساعد إرشاد ذكي داخل Mini Program باسم “宝i企”
• أنه موجّه لرقمنة خدمات المدينة والوصول الاستباقي إلى المستخدم
• أنه يغطي 600+ خدمة مدنية
• أنه يدعم الإدخال الصوتي
• أنه يدعم إنجاز المعاملة بضغطة واحدة
• وأنه يستطيع التعامل مع استشارات وإرشاد في معاملات أكثر تعقيدًا مثل دعم المواهب عالية المستوى أو ترخيص تشغيل الأغذية

ماذا يعني ذلك؟

يعني أننا لا نتحدث عن "روبوت FAQ" بسيط، بل عن:

واجهة إرشاد أمامية موجهة إلى معاملات محددة.

في الخدمات الحكومية، المشكلة المزعجة فعلًا ليست فقط "عدم العثور على الجواب"، بل:

• عدم معرفة أين تبدأ المعاملة
• عدم معرفة ما إذا كنت تستوفي الشروط أصلًا
• عدم معرفة الخطوة التالية بالضبط
• وعدم معرفة ما المستندات التي يجب تحضيرها

إذا استطاع مساعد مثل 小宝同学 التقاط هذا الاحتكاك المبكر، فقيمته ليست فقط خفض حجم الاستشارات، بل نقل جزء كبير من الإرشاد اليدوي إلى المدخل الرقمي قبل الوصول إلى الموظف.

الحالة 3: شباك هاندان الرقمي لصندوق الإسكان هو اللحظة التي يدخل فيها الحوار داخل المعاملة نفسها

إذا كان الإرشاد الذكي لا يزال في جوهره "يساعدك على إيجاد الطريق"، فإن خطوة هاندان الأهم هي:

أن الحوار نفسه أصبح جزءًا من إنجاز المعاملة.

في مقال Tencent Cloud Developer Community بعنوان 《聊着天就把事儿办了的政务AI，落地邯郸！》، تبدو التفاصيل المعلنة قريبة جدًا من بيئة تشغيل فعلية:

• مدخل عبر WeChat Mini Program
• أول digital counter على مستوى الصين لسحب صندوق الإسكان بأسلوب "تحدث وأنهِ المعاملة"
• المستخدم يصف حاجته باللغة الطبيعية
• يمكن التعرف على اللهجات أيضًا
• النظام يفهم النية اعتمادًا على نموذج كبير
• ثم يستدعي تلقائيًا عبر الـ Workflow:
  • التحقق من الهوية
  • بيانات نظام صندوق الإسكان
  • توقيع الاتفاقيات
  • تمرير المعاملة عبر مسارها الإداري

أي أن التجربة ليست "اسأل أولًا ثم انتقل لاحقًا إلى صفحة التنفيذ"، بل:

المحادثة نفسها أصبحت جزءًا من سلسلة الإنجاز.

وهذه نقطة شديدة الأهمية في citizen service، لأن ما يستهلك الوقت في كثير من المعاملات ليس قرار الموافقة نفسه، بل:

• تعبئة النماذج
• شرح الشروط
• إعادة التأكد من الأهلية أكثر من مرة
• البحث عن المدخل الصحيح للخطوة التالية

إذا استطاع housing fund AI امتصاص هذه الخطوات مسبقًا عبر اللغة الطبيعية، فالتجربة تختلف جذريًا.

الأرقام المعلنة تكفي وحدها للقول إننا لسنا أمام عرض PowerPoint

أكثر ما يقنعني في حالة هاندان ليس الشعار، بل وجود مجموعة أرقام يمكن العودة إليها:

• عدد الاستشارات التي تمت معالجتها في الأسبوع الأول: 2475
• دقة الإجابة الآلية للذكاء الاصطناعي: 82%
• في مثال سحب المعاش التقاعدي من صندوق الإسكان:
  • كان الزمن سابقًا 15 دقيقة
  • وأصبح الآن 3 دقائق
  • أي تحسن يتجاوز 80%
• تم إدخال 48 خدمة متكررة الاستخدام تدريجيًا
• ويتم سنويًا التعامل مع أكثر من 600 ألف حالة من معاملات سحب صندوق الإسكان

معنى هذه الأرقام ليس أن كل مدينة ستحصل تلقائيًا على النتيجة نفسها، بل:

أن الحالة خرجت من مرحلة العرض التوضيحي وبدأت تتحمل حجمًا حقيقيًا من العمل.

وتفصيل 48 خدمة متكررة مهم جدًا هنا، لأن كثيرًا من مشاريع AI الحكومية تبقى عالقة عند 1 أو 2 من الحالات الاستعراضية. أما إدخال الخدمات المتكررة تدريجيًا، فهو ما يشبه فعلًا نظامًا يمكنه الاستمرار.

الحالة 4: المسار نفسه يخدم الداخل عبر WorkBuddy ويخدم الخارج عبر الشباك الرقمي

في مادة أخرى بعنوان 《腾讯“云基座+AI大模型”重构公积金核心系统与业务闭环纪要》، توجد نقطة ثمينة جدًا:

المادة لا تصف صندوق الإسكان على أنه "خدمة خارجية" فقط، بل تذكر بوضوح:

• استبدال جزء من كفاءة العمل الداخلي
• استخدام مساعد العمل الذكي (WorkBuddy / CodeBuddy)
• توليد تقارير تحليلية مختلفة بضغطة واحدة
• ترسيب بيانات الاجتماعات متعددة الوسائط في شكل منظم

هذا مهم لأنه يكشف أن الفكرة في مسار Tencent الحكومي ليست:

• واجهة أمامية منفصلة
• وطبقة خلفية منفصلة
• ومكتب داخلي بمنظومة ثالثة

بل أقرب إلى:

• للخارج: الشباك الرقمي، والإرشاد الذكي، وإنهاء المعاملة أثناء الحوار
• للداخل: مساعد عمل، وتوليد تقارير، ومحاضر اجتماعات، ودعم إجرائي

وهذا بالتحديد ما يجعلني أرى أن خط WorkBuddy public service يستحق المتابعة. فلو بقي التحسين خارجيًا فقط فلن تتحسن المؤسسة فعليًا، ولو بقي داخليًا فقط فلن يظهر أثره على خدمة المواطنين.

كيف تبدو بيئة الإنتاج الحقيقية إذا جمعنا هذه الحالات معًا؟

عند تركيب هذه المواد فوق بعضها، تظهر عدة إشارات واضحة على أننا أمام مسار إنتاجي لا مجرد عرض تسويقي:

• وجود مساعد عمل داخلي، لا مجرد واجهة أسئلة خارجية
• وجود Workflow فعلي، لا مجرد دردشة مع نموذج كبير
• وجود مدخل عبر WeChat Mini Program والهواتف، لا مجرد صفحة ويب للعرض
• وجود إدخال صوتي والتعرف على اللهجات، لا مجرد نص معياري نظيف
• وجود أفعال خدمة محددة مثل الاستعلام والسحب والحساب والتوقيع
• وجود إدخال لخدمات متكررة، لا مجرد Demo منفرد
• وجود مؤشرات كمية معلنة، لا مجرد وصف مفاهيمي

ولهذا أراه أقرب إلى:

سير عمل AI بدأ يدخل الصف الأول من الخدمة الحكومية، لا أداة مكتبية يجري اختبارها داخل المكاتب فقط.

من هم أكثر فرق الحكومة والخدمة العامة التي يجدر بها متابعة هذا المسار؟

أرى أن القيمة المرجعية هنا ستكون أوضح لدى الفرق التالية:

• جهات صندوق الإسكان، والتأمينات، والخدمات البلدية المتكررة
• الإدارات التي تريد نقل حجم كبير من الاستشارات والنماذج من الشباك التقليدي إلى المدخل الرقمي
• الفرق الحكومية التي بنت Mini Program أو App أو حساب خدمة، لكن تجربة الإرشاد فيها ما زالت ضعيفة
• فرق التحول الرقمي التي تريد تحسين كفاءة المكتب الداخلي وتجربة الخدمة الخارجية معًا
• فرق السحابة الحكومية أو السحابة القطاعية التي تحتاج امتثالًا محليًا مع تحمّل حركة استخدام مرتفعة

أما إذا كانت أعمالك لا تتقاطع أصلًا مع:

• استشارات عامة مرتفعة التكرار
• معاملات متكررة الاستخدام
• ترابط بين العمليات الداخلية والخارجية
• مداخل عبر الهاتف أو Mini Program

فلن تشعر بقيمة هذا المسار بالدرجة نفسها.

إذا أردت اختباره بنفسك، فأنا أقترح هذا الأسلوب

لا تبدأ بسؤال "هل AI يجيد الدردشة؟"، بل اختبره مباشرة على سلسلة معاملات حكومية حقيقية:

1. اختر من 3 إلى 5 من أكثر المعاملات تكرارًا، واختبر هل يستطيع ربط الاستشارة وتحديد الأهلية ومدخل التنفيذ والخطوة التالية داخل تجربة واحدة.
2. افصل بين طبقة "الإرشاد" وطبقة "التنفيذ" بدلًا من جمعهما في شعار واحد.
3. اختبر قدرته على استقبال الصوت والتعبيرات غير المعيارية، فهذه نقطة حاسمة في الخدمات الحكومية.
4. اختبر من الداخل أيضًا طبقة WorkBuddy المكتبية: هل توليد التقارير ومحاضر الاجتماعات وترتيب الموضوعات يوفّر جهدًا بشريًا فعلًا؟
5. وبعد ذلك فقط احسب ROI، مع التركيز على:
   • زمن إنجاز المعاملة الواحدة
   • دقة الإجابة الآلية
   • نسبة تحويل الضغط بعيدًا عن الشباك البشري
   • نسبة تغطية الخدمات المتكررة

وإذا كنت في الوقت نفسه تقارن بين مسارات توحيد الوصول إلى النماذج والشراء والتجربة العملية، فيمكنك البدء من هنا:

• أسعار النماذج
• شراء API Key
• الشروحات العملية

خلاصة حكمي النهائي

إذا أردت تلخيص نظرتي إلى هذه المجموعة من حالات WorkBuddy الحكومية في جملة واحدة، فستكون:

ما يستحق الاهتمام فعلًا ليس فقط أن "الحكومة بدأت تستخدم AI"، بل أن Tencent بدأت تجمع بين المساعد المكتبي، ومساعد الإرشاد، والشباك الرقمي الذي ينجز المعاملة أثناء الحوار، داخل مسار أقرب إلى سير عمل خدمة عامة حقيقي.

وإذا استمر هذا المسار في النضج، فلن يظهر أثره فقط في "إجابات أسرع"، بل أيضًا في:

• تقليل ضياع المواطنين عند مدخل المعاملة
• تقصير زمن إنجاز الخدمات المتكررة
• خفض الضغط على الشبابيك البشرية
• تسريع إعداد التقارير ومحاضر الاجتماعات داخليًا
• وربط الواجهة الأمامية والخلفية بطبقة قدرات ذكية واحدة

ولهذا أرى أن أهميته الحقيقية تبدأ من هنا:

دخول AI فعليًا إلى الخط الأمامي لخدمة المواطنين.

المراجع

• 腾讯云+AI全栈能力支撑数字政府融合创新与效率提升
• 腾讯“云基座+AI大模型”重构公积金核心系统与业务闭环纪要
• 聊着天就把事儿办了的政务AI，落地邯郸！
• 腾讯云企业级智能体产业落地：从场景试点到规模化应用