78% أرادوا هذه الميزة في الذكاء الاصطناعي. ولا أحد تقريبا استخدمها - سوبيريا سوبودهي، بامبل
Original · 78% Wanted This AI Feature. Almost Nobody Used It - Supriya Subudhi, Bumble
Key Takeaway
النتائج الإيجابية لاختبارات A/B وتقييمات الاستطلاعات للذكاء الاصطناعي تمثل نقطة البداية وليست نهاية المطاف، حيث تتطلب الرحلة دمج الميزة في سلوك المستخدمين الفعلي مع مراعاة التكاليف والقيود التنظيمية.
Highlights
أعرب ما يقرب من 78% من المستخدمين عن رغبتهم في الحصول على تعليقات بالذكاء الاصطناعي لملفاتهم الشخصية، بينما تراوحت نسبة الاستخدام الفعلية بين 10% و15% فقط بعد إطلاق الميزة.
أدت الاستعانة بأفضل نموذج لغوي كبير إلى ارتفاع التكاليف بنحو 10 أضعاف مقارنة بالحلول الأبسط، مما تطلب إعادة تقييم استراتيجية النماذج.
تسببت التشريعات التنظيمية المتغيرة للذكاء الاصطناعي في إطلاق ميزات مثل Muse AI في أسواق محددة كالولايات المتحدة وكندا فقط دون غيرها.
Timeline
مقدمة عن اختبارات A/B في منتجات الذكاء الاصطناعي
تتناول هذه القسم مفهوماً أساسياً حول كيفية اختبار النسخ والملفات المختلفة في المنتجات الرقمية. يوضح الشرح أن التعامل مع الذكاء الاصطناعي يختلف عن التطبيقات التقليدية لأن النجاح الأولي لا يضمن استمرار استخدام الميزة بنفس الكفاءة.
- اختبار A/B هو طريقة لتقييم نسختين من شيء ما لمعرفة أيهما أفضل.
- النتيجة الإيجابية لاختبار A/B في الذكاء الاصطناعي التوليدي تمثل نقطة البداية فقط.
- تطبيق Bumble يضم أكثر من 20 مليون مستخدم نشط شهرياً.
الفجوة بين طلب المستخدمين والاستخدام الفعلي
يوضح هذا الجزء التناقض الواضح بين آراء المشاركين في الاستطلاعات وسلوكهم الفعلي داخل التطبيق. أظهرت البيانات أن الاعتماد على الاستطلاعات وحدها لا يكفي للتنبؤ بسلوك المستهلك، مما استدعى دمج الاقتراحات في اللحظات التي يواجه فيها المستخدم عقبات حقيقية.
- أكد 78% من المستخدمين رغبتهم في تلقي تعليقات على صورهم الشخصية.
- استخدم الميزة فعلياً ما بين 10% إلى 15% من المستخدمين عند إطلاقها بنظام A/B.
- دمج الميزة داخل مسار الاستخدام اليومي للتطبيق زاد من معدلات الاعتماد.
المتوسطات الإيجابية وضوابط الأمان
يناقش هذا القسم مخاطر الاكتفاء بالنظر إلى المؤشرات الإيجابية العامة دون التعمق في التفاصيل والمخرجات الحقيقية. تم فرض قيود تقنية وأمنية صارمة تمنع النموذج من تقديم توجيهات حول سمات جسدية محددة للمستخدمين.
- أخفت المتوسطات الإيجابية العامة وجود مشكلات في دقة نصائح الذكاء الاصطناعي.
- تختلف مخاطر الخطأ جذرياً بين تطبيقات الترفيه والتطبيقات المالية.
- تعتبر ضوابط الأمان الفعالة أساساً لمنع تقديم اقتراحات تتعلق بخصائص غير قابلة للتغيير.
معضلة تكلفة النماذج وإستراتيجيات الإنفاق
يسلط هذا الجزء الضوء على العبء المالي المرتبط باستخدام الذكاء الاصطناعي التوليدي مقارنة بالتعلم الآلي التقليدي. تطلب الأمر فهم الأهداف الاستراتيجية للشركة واختيار النماذج المناسبة التي توازن بين جودة النتائج وحجم الإنفاق.
- رفعت النماذج اللغوية الكبيرة المتقدمة التكاليف بنحو 10 أضعاف مقارنة بالأساليب البسيطة.
- ترتبط فاتورة الذكاء الاصطناعي التوليدي طردياً بزيادة عدد المستخدمين ومعدل الاستخدام.
- الانتقال إلى نموذج أرخص قلل التكلفة ولكنه أثر على مستوى الدقة والنتائج.
التحديات التنظيمية والامتثال القانوني
يختتم القسم بتسليط الضوء على صعوبة إطلاق المنتجات على مستوى العالم في ظل اختلاف اللغات والأطر القانونية المنظمة للتقنية. أصبح لزاماً على فرق التطوير مراعاة الأبعاد القانونية والجغرافية جنبًا إلى جنب مع البرمجة وبناء الميزات.
- تختلف تشريعات وقوانين الذكاء الاصطناعي باستمرار باختلاف الدول.
- تفرض المخاطر القانونية والمالية قيوداً على إطلاق بعض الميزات عالمياً.
- يستوجب بناء المنتجات الحديثة التفكير في الامتثال القانوني منذ المراحل الأولى للتطوير.
Description
Bumble product manager Supriya Subudhi shares five lessons from A/B testing an AI photo feedback feature in a dating app with over 20 million monthly users. 78% of surveyed users said they wanted feedback, but only 10-15% used it; the average win hid odd outputs like telling smiling people to smile more; the best model cost about 10x more; switching to a cheaper model also shrank the results; and regulation meant the feature couldn't ship outside the US. She closes with five questions to ask before you call any AI test a win. Chapters: 0:00 Intro 1:31 Bumble's AI photo feedback feature 2:38 1. Users ask for it, then ignore it 5:19 2. The average win hides the tail 7:54 3. Green dashboard, red bill 10:37 4. The win came from the model 11:49 5. There may be no global rollout 13:54 Five questions to ask Supriya Subudhi https://bumble.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!