كيف يعمل تقييم الذكاء الاصطناعي في TenderYeti

المنهجية حتى أغسطس 2026

تشرح هذه الصفحة كيف نقيّم ملاءمة كل مناقصة حكومية واردة لنشاطك. إنها صفحة تقنية وصريحة — نخبرك بالنماذج التي نستخدمها، وأين تذهب البيانات، وأين تكمن حدود النظام الحقيقية. إن كنت تقارن TenderYeti بمنافس، فهذه هي الصفحة التي ينبغي قراءتها.

1. ما الذي تعنيه "درجة الملاءمة" فعلًا

تحصل كل مناقصة نفهرسها على درجة بين 0.00 و1.00 وفق وصف النشاط الذي تحدده بلغة طبيعية في حسابك. درجة 0.85 تعني أن الذكاء الاصطناعي واثق من ملاءمة المناقصة؛ و0.15 تعني ثقة بعدم الملاءمة. وتُرشَّح رسالة ملخصك اليومية بعتبة تتحكم بها أنت (الافتراضي 0.60)، فأنت من يقرر مقدار الضوضاء المسموح بمرورها.

الدرجة نسبية إلى وصف نشاطك — وليست تقييمًا مطلقًا لجودة المناقصة. الإعلان نفسه قد يسجل 0.9 لمورّد نظام CMMS و0.05 لشركة إنشاءات.

2. ما الذي يقرؤه الذكاء الاصطناعي فعلًا

نرسل إلى النموذج اللغوي الكبير، لكل مناقصة، متن الإعلان الكامل (العنوان + الوصف + الجهة المشترية + نوع الإعلان + الدولة + فئة المشتريات + القيمة التقديرية إن وجدت)، وليس العنوان فقط. وهذا مهم لأن جزءًا كبيرًا من المناقصات ذات الصلة يحمل عناوين عامة ("خدمات برمجية — اتفاقية إطارية") ويكمن مقصودها الفعلي في قسم المتطلبات.

قراءة النص الكامل هي سبب قدرتنا على التقاط مناقصات يفوّتها البحث بالكلمات المفتاحية. وهي أيضًا سبب كون التقييم بالذكاء الاصطناعي ميزة يصعب تقليدها — لا يمكنك محاكاتها بتنبيه بحث محفوظ على TED أو SAM.gov.

3. مراجعة LLM من مستويين

تمر كل مناقصة أولًا بنموذج أساسي سريع. الإعلانات ذات الحكم الواثق (درجة ≤ 0.40 أو ≥ 0.70) تُحسم عند هذه الخطوة. أما الإعلانات الواقعة في نطاق عدم اليقين (0.40–0.69) فيعيد تقييمها نموذج مراجعة ثانٍ أكبر. هكذا نجمع بين إنتاجية نموذج صغير في الحالات السهلة وحُكم نموذج أكبر في الحالات الحدّية — نحو 15% من الإعلانات التي يكلفك فيها خطأ التقييم فرصة ضائعة فعلًا.

يرى النموذجان الموجّه نفسه: وصف نشاطك، ومحتوى المناقصة، وتعليمات منظمة لإصدار درجة مع مسوّغ من جملة واحدة وقائمة كلمات مفتاحية مطابقة. يُخزَّن المسوّغ إلى جانب الدرجة لترى لماذا قيّم الذكاء الاصطناعي المناقصة على هذا النحو، ويمكنك الإبلاغ عن اعتراضاتك من لوحة التحكم.

4. المطابقة متعددة اللغات

يُكتب وصف نشاطك بلغة واحدة (الإنجليزية عادة). وتصل المناقصات بأكثر من 20 لغة — الألمانية والفرنسية والإسبانية والبرتغالية والإيطالية والهولندية والبولندية والروسية والتركية والعربية وغيرها. نعالج هذا التباين بطريقتين:

• توسيع الكلمات المفتاحية. نحافظ على قاموس منسق يضم أكثر من 2,660 ترجمة للكلمات المفتاحية الشائعة لدى فرق العطاءات عبر 20 لغة. كلمتك الإنجليزية "permit to work" تطابق أيضًا "Arbeitserlaubnis" و"permis de travail" و"permesso di lavoro" و"разрешение на работу" وغيرها. والكلمات الجديدة التي تضيفها تُترجم فوريًا عبر نموذج ترجمة آلية مستضاف داخليًا وتُحفظ في الذاكرة المؤقتة.
• ترشيح مسبق بالنص الكامل. قبل أن ينظر أي نموذج لغوي إلى مناقصة، نرشّح على مجموعة الكلمات المفتاحية متعددة اللغات على مستوى PostgreSQL — بوابة أولية تقريبية لسؤال "هل يمكن أن تكون ذات صلة؟". ما يجتازها يذهب إلى النموذج للتقييم الفعلي. هذا يتيح لنا معالجة أكثر من 500,000 مناقصة يوميًا دون استنفاد ميزانية الذكاء الاصطناعي.

5. أسبقية لكل مستخدم

في باقة Pro يمكن لكل مستخدم في الحساب استبدال موجّه الذكاء الاصطناعي المشترك بموجّهه الخاص. شريك أول يتتبع اتفاقيات إطارية تفوق قيمتها $10M ومحلل مبتدئ يتتبع طلبات أسعار تشغيلية في الفريق نفسه يريان درجتين مختلفتين للمناقصة نفسها، لأن كلًا منهما يرى الدرجة المولّدة وفق وصف نشاطه هو. وتجري طبقة التقييم ربطًا مزدوجًا بحيث تتقدم درجة المستخدم نفسه على القيمة الاحتياطية للحساب.

6. ما لا نفعله (ولن ندّعيه)

• لا ننشر رقم دقة/استرجاع معايرًا. لم نجرِ دراسة بلجنة مستقلة. ومن يدّعي "دقة 94.7%" دون منهجية تقييم علنية إنما يقتبس رقمًا اخترعه. ورقمنا كان سيكون كذلك أيضًا. ما يمكننا قوله: عمليات الفحص الداخلية مع عملاء حقيقيين تحقق دقة >90% عند عتبة 0.60 في تخصصات برمجيات السلامة والصحة المهنية وأنظمة CMMS. وستختلف نتائجك بحسب مجالك.
• لا نتدرّب على كلماتك المفتاحية ولا على أحكامك بشأن ملاءمة المناقصات. وصف نشاطك موجّه، لا إشارة تدريب. ولا نجري أي ضبط دقيق خاص بعميل بعينه.
• لا نرسل بيانات حسابك أو فوترتك إلى النموذج اللغوي. لا يذهب إلى مزود النموذج إلا نص المناقصة العام مع وصف نشاطك.
• لا نضمن غياب السلبيات الخاطئة تمامًا. مناقصة يقيّمها الذكاء الاصطناعي بدرجة 0.30 قد تكون مناسبة لك رغم ذلك. لهذا تعرض لوحة التحكم الطيف كاملًا لا الملخص فقط — فالملخص هو القائمة المختصرة، لا الصورة الكاملة.

7. أي مزود نماذج نستخدم

اليوم النموذجان الأساسي والمراجع نماذج مفتوحة الأوزان مضبوطة بالتعليمات ومستضافة ذاتيًا (عائلة Qwen 2.5) تعمل على بنيتنا التحتية الخاصة من وحدات GPU. هذا يمنحنا التحكم في التكلفة، والتحكم في الخصوصية (لا احتكار مورّد ولا فاتورة لكل رمز)، والقدرة على تبديل النماذج دون إعادة كتابة التكاملات. وعندما نستخدم مزودين مستضافين (للترجمة أو كحلول احتياطية) فلا يُرسل إلا نص المناقصة العام مع قائمة كلماتك المفتاحية الإنجليزية — وأبدًا لا بيانات الحساب أو الفوترة. قائمة معالجينا من الباطن في سياسة الخصوصية.

8. كيف نتعامل مع الأخطاء

يمكن لكل مستخدم الإبلاغ عن حكم الذكاء الاصطناعي على مناقصة من لوحة التحكم ("قُيّمت عاليًا لكنها غير ذات صلة" أو "قُيّمت منخفضًا لكنني كنت سأقدّم عطاءً"). تصل البلاغات إلى قائمة مراجعة داخلية. ونفحص دوريًا المناقصات المبلَّغ عنها لرصد الثغرات المنهجية — وهي عادة كلمة مفتاحية فات توسيعها أو وصف نشاط أعم من اللازم. نضبط القاموس متعدد اللغات وإرشادات الموجّه بناءً على ملاحظات حقيقية، لا على اختبارات اصطناعية.

9. حداثة البيانات

تصل المناقصات الجديدة إلى الفهرس وتُقيَّم عادة خلال دقائق من نشرها على البوابة المصدر. والبوابات ذات دورات تحديث بالساعة أو باليوم تحدّ من ذلك — فلا يمكننا أن نكون أحدث من المصدر. تُرسل رسالة ملخصك اليومية في الوقت الذي تختاره (الافتراضي 06:00 بالمنطقة الزمنية للحساب) بكل ما قُيّم منذ الملخص السابق.