الحديث عن العربية يأتي متأخراً في الغالب. يكون المعمار قد استقرّ، ومسار الاسترجاع يعمل، والعرض التجريبي بالإنجليزية قد مرّ بسلام أمام اللجنة التوجيهية، ثم يسأل أحدهم السؤال البديهي: ومتى يتحدث النظام بالعربية؟ فيعود الجواب بنداً في الخطة: «توطين». طبقة ترجمة، وورقة أنماط تقلب اتجاه الواجهة، ومهمة تُضاف إلى آخر الجدول.
من هذا البند بالذات يبدأ المشروع في التداعي. بهدوء، وبعد الإطلاق غالباً.
العربية ليست حزمة لغوية تُركَّب على نظام مكتمل. في أنظمة الذكاء الاصطناعي هي قرار معماري يمتدّ إلى طبقة البيانات، وإلى آلية الاسترجاع، وإلى منهج التقييم، وإلى الواجهة نفسها. من يؤجّلها لا يؤجّل مهمة؛ بل يبني نظاماً على مقاس الإنجليزية، ثم يطلب منه أن يتصرف كأنه عربي.
وهذه هي الكلفة، تفصيلاً.
الفصاحة مهارة، وفهم عربية عملائك مهارة أخرى
قد يكون النموذج فصيحاً في العربية الفصحى الحديثة، وعديم النفع أمام عربية عملائك. فصحى النشرات الصحفية والتعاميم والتقارير السنوية ليست العربية التي تصل إلى قائمة التذاكر عندك.
ما يصل فعلاً:
- اللهجة الخليجية والعُمانية، بمفردات وتراكيب لا تجدها في أي مستند رسمي.
- التبديل اللغوي: العربية والإنجليزية في جملة واحدة، وفي منتصف العبارة أحياناً («الـ transfer ما وصل»). وهذا ليس تهاوناً، بل الطريقة التي يكتب بها عملاؤك وموظفوك فعلاً.
- العربيزي: عربية مكتوبة بحروف لاتينية، وأرقام تنوب عن أصوات لا مقابل لها في اللاتينية. ينوب الرقم 3 عن العين في
3arabi، والرقم 7 عن الحاء فيmar7aba. - الإملاء غير المنضبط: همزات ساقطة، ونقاط ناقصة، وكلمات إنجليزية مكتوبة صوتياً بحروف عربية.
الفصاحة قدرة على إنتاج عربية سليمة. والفهم قدرة على استيعاب عربية غير سليمة. وعملاؤك يرسلون النوع الثاني.
مشكلتك الإملائية هي مشكلة استرجاع
تحتمل العربية للكلمة الواحدة أكثر من صورة إملائية مشروعة. القارئ البشري يمرّ عليها دون أن ينتبه، أما فهرس الاسترجاع فلا يمرّ.
- صور الألف: أ / إ / آ / ا
- الياء والألف المقصورة: ي / ى
- التاء المربوطة والهاء: ة / ه
- موضع الهمزة في وسط الكلمة وفي آخرها
- التشكيل الاختياري، يظهر في مستند ويغيب في غيره
- التطويل (الكشيدة)، يمدّ الحرف بصرياً ويغيّر السلسلة النصية تحته
- الأرقام العربية الهندية والأرقام الغربية: ٠١٢٣ في مقابل 0123
اسم العميل نفسه، مكتوباً بهمزة في نظام إدارة العملاء وبدونها في العقد، يُفهرَس رمزاً مختلفاً في كل موضع. وللمصطلح نفسه صورة في دليل المنتج وصورة في سؤال المستخدم، لا تلتقيان أبداً.
والعطب هنا من أسوأ ما يكون: النظام لا يرفع خطأً، ولا يشير إلى ضعف ثقته. يجيب «لا تتوفر لديّ هذه المعلومة» عن بيانات هي بين يديه، ويبقى السجلّ نظيفاً.
العلاج زهيد إن جاء مبكراً، باهظ إن تأخر: سياسة تطبيع (normalisation) مكتوبة وموثّقة، تُطبَّق عند إدخال البيانات، وتُطبَّق بالقواعد نفسها عند صياغة الاستعلام. أما إن تأخّر، فمعناه إعادة فهرسة المتن كله.
الكلمة العربية الواحدة تحمل ما تُوزّعه الإنجليزية على عبارة كاملة
العربية لغة غنية بالتصريف، تختزل المعنى في كلمة واحدة: أداة التعريف تلتحم بالاسم، وحروف الجرّ القصيرة والعطف تلتصق بأوله، والضمائر تلحق بآخره. «وبكتابهم» كلمة واحدة تحمل عطفاً وحرف جرّ واسماً وضمير ملكية.
مطابقة الكلمات المفتاحية المضبوطة على الإنجليزية تتعثّر هنا، وقواعد التقطيع (chunking) المكتوبة لجملة إنجليزية تقطع في مواضع لا معنى لها بالعربية. المطلوب استرجاع يعي التجذيع والتحليل الصرفي، لا استبدال نموذج تضمين (embeddings) بآخر تقول بطاقة تعريفه إنه «يدعم العربية».
ثم أثر ثانٍ، أهدأ: النص العربي يستهلك في المُرمِّزات (tokenisers) الشائعة رموزاً أكثر مما يستهلكه نظيره الإنجليزي للقدر نفسه من المعنى. والاتجاه واضح دون حاجة إلى رقم: مساحة أقل في نافذة السياق، واستجابة أبطأ، وكلفة أعلى للطلب الواحد. لا تحتاج إلى إحصاء لتخطّط لهذا؛ تحتاج فقط أن تكفّ عن افتراض أن ميزانيتك المحسوبة بالإنجليزية تنتقل كما هي.
المتن الحقيقي ورق
العربية المؤسسية لا تسكن قاعدة بيانات مرتّبة. تسكن نسخاً ممسوحة ضوئياً، وملفات PDF ليست إلا صوراً لتلك النسخ، وفاكسات، ونماذج مختومة وموقّعة، وحواشيَ مكتوبة بخط اليد، وجداول تخلط العربية والإنجليزية في الصفحة الواحدة.
والتعرّف الضوئي على الحروف العربية أصعب بمراحل من نظيره اللاتيني، لأسباب بنيوية لا عارضة. الخط متصل، فالحروف تتشابك وتتبدّل أشكالها بحسب موقعها. والتراكيب المتلاحمة (ligatures) تدمج الأشكال. والإعجام — النقاط التي تفرّق بين «ب» و«ت» و«ث» — هو أول ما يضيع في مسح رديء. والتخطيط يجري من اليمين إلى اليسار، في أدوات بُنيت على افتراض العكس.
هنا تموت مشاريع العربية. لا عند النموذج، بل عند طبقة البيانات. وكل جهد يُبذل في ضبط النموذج قبل أن تستقيم طبقة البيانات هو بناء على الرمل.
الاتجاه من اليمين إلى اليسار أعمق من ورقة الأنماط
ضبط dir="rtl" هو الجزء الأسهل والأصغر.
أما الجدّ فيبدأ عند النص ثنائي الاتجاه. النصوص المختلطة، والأرقام، وأرقام الآيبان (IBAN)، والتواريخ، وأرقام الهوية، وعلامات الترقيم، يتبدّل ترتيبها جميعاً بين التسلسل المنطقي والتسلسل البصري. تجد علامة الاستفهام قد هبطت في الطرف الخطأ من الجملة، ورقم حساب داخل جملة عربية يظهر بترتيب لم يقصده أحد، وتاريخ استحقاق يُقرأ خطأً في مستند له أثر قانوني.
وعكس الواجهة نفسه قرار منتج، لا قرار مطوّر. ما الذي يُعكس؟ الأيقونات؟ أشرطة التقدّم؟ الرسوم البيانية؟ وهل تعكس مخطط سير العمل، أم أن عكسه يكسر تصوراً راسخاً في أذهان مستخدميك؟ هذه أسئلة لا يحسمها بندٌ في قائمة المهام، ولا يصحّ أن تُحسم بعد أن تكون الواجهة قد بُنيت.
ما لا تستطيع قياسه بالعربية لا تستطيع إطلاقه بالعربية
تميل الفرق إلى بناء مجموعة تقييم واحدة، بالإنجليزية، وتفترض أن العربية ستسير في ركابها. وهي لا تسير.
المطلوب مجموعة تقييم تنطلق من العربية في المقام الأول، مبنية من مادتك أنت: تذاكرك، ومستنداتك، وأسئلة عملائك كما كتبوها هم، لا كما تتمنى أن يكتبوها. ويراجعها ناطقون بالعربية من السوق نفسه، يحكمون على ما لا تراه الدرجة الرقمية:
- الأسلوب: هل الفصحى الرسمية مناسبة هنا، أم أنها تُقرأ باردة؟
- النبرة: هل تشبه صوت علامتك، أم تشبه ترجمةً عن صوت علامتك؟
- التعامل مع اللهجة والعربيزي: هل يفهم فعلاً، أم يراوغ بلباقة؟
- سلوك الرفض: هل يرفض النموذج بالعربية حيث يرفض بالإنجليزية؟ كثيراً ما لا يفعل، وهذه فجوة امتثال لا فجوة جودة.
وهنا يحضر قيد لا يقبل التأجيل: التقييم والضبط بالعربية يعنيان التعامل مع بيانات عملاء حقيقية. ومع قانون حماية البيانات الشخصية في سلطنة عُمان، والأطر المماثلة في دول الخليج، يصير موقع البيانات ومن يصل إليها قيدين هندسيين فعليين، لا بندين في عقد. قرّر أين تستقرّ بياناتك العربية، ومن يحقّ له الاطلاع عليها، قبل أن تجمعها.
الأسلوب قرار علامة، لا إعداد افتراضي
لا يتحدث البنكُ والوزارةُ ومتجرُ التجزئة العربيةَ نفسها. الفصحى الرسمية تمنح هيبة ومسافة؛ قد ترغب فيهما وزارة، ولا يرغب فيهما تطبيق تجزئة. واللغة المبسّطة القريبة من الأسلوب الخليجي المتداول تمنح دفئاً، وقد تُقرأ استخفافاً في إشعار قانوني.
وإن لم تقرّر أنت، قرّر النموذج نيابة عنك. وهو يميل إلى فصحى متيبّسة تُقرأ وكأنها مترجمة عن الإنجليزية، وتلك تحديداً هي الرسالة التي لا تريد أن تصل إلى عميل عربي. اكتب الأسلوب في المواصفات، وقِس عليه.
ما ينبغي فعله بدلاً من ذلك
لا شيء مما سبق يحتاج إلى ميزانية أكبر. يحتاج إلى أن تُتخذ القرارات في ترتيبها الصحيح.
- ضع العربية في مرحلة الاستكشاف، لا في الخطة. أمثلة عربية في المواصفات، واستعلامات عربية في معايير القبول، وشاشات عربية في مراجعة التصميم.
- طبّع البيانات عند الإدخال. سياسة واحدة موثّقة للألف والياء والتاء المربوطة والهمزة والتشكيل والتطويل والأرقام، تُطبَّق على المستندات والاستعلامات بالشيفرة نفسها.
- اجعل الاسترجاع مدركاً لخصائص العربية. تجذيع وتحليل صرفي، وتقطيع يحترم بنية الجملة العربية، واختبارات تُثبت أن استعلاماً بصورة إملائية يعثر على مستند كُتب بصورة أخرى.
- أصلح طبقة البيانات أولاً. أثبت صلاحية التعرّف الضوئي على أسوأ مستنداتك الحقيقية — المختومة، والمائلة، والمكتوبة بخط اليد — قبل أن يضبط أحد أي موجّه.
- ابنِ مجموعة التقييم العربية من مادتك، وضع عليها مراجعين من أهل اللغة والسوق. واسحب عينات من الإنتاج باستمرار، لا مرة واحدة.
- احسم الأسلوب مقدّماً واكتبه في المواصفات.
- اختبر ثنائية الاتجاه في الواجهة الحقيقية، بأرقام آيبان وتواريخ وهويات حقيقية، لا في نموذج تصميم.
- قِس العربية على حدة في الإنتاج. مؤشر جودة واحد مدمج يُخفي عطب العربية إلى أن يكتشفه عميل بدلاً منك.
الخلاصة
العربية ليست طبقة ترجمة فوق نظام إنجليزي. هي مجموعة قرارات في البيانات والاسترجاع والتقييم والواجهة، رخيصة في أول الطريق، باهظة إن أُعيد النظر فيها في آخره. ومن يعاملها ميزةً تُضاف لاحقاً ينتهي به الأمر إلى إعادة بناء أجزاء ظنّ أنه فرغ منها.
في المؤسسات التي نعمل معها، الأنظمة التي تُتقن العربية ليست أكثرها تطوراً في النماذج. هي التي أخذت اللغة على محمل الجدّ قبل أن تأخذ النموذج على محمل الجدّ.
إن كانت العربية جزءاً من الطريقة التي يخاطبك بها عملاؤك فعلاً، فموضعها في المعمار لا في قائمة المهام المؤجلة. ولننظر معاً في بياناتك العربية، وطبقة الاسترجاع، ومنهج التقييم عندك، كما هي اليوم، ونقول لك بوضوح أين سينكسر النظام. احجز استشارتك عبر apexaion.ai.