يا أهلاً وسهلاً فيكم، معكم أخوكم أبو عمر.
بتذكر قبل كم سنة، كنا شغالين على تطبيق مالي جديد، والحماس كان واصل للسما. كل شي كان ماشي زي الساعة، لحد ما وصلنا لعقبة اسمها “اعرف عميلك” أو الـ KYC. في هذاك الوقت، كانت العملية عنا يدوية بحتة. تخيلوا معي المشهد: غرفة صغيرة فيها موظفين اثنين، قدام كل واحد شاشة، وجنبهم طابور طويل من صور الهويات وجوازات السفر اللي بعتوها المستخدمين.
كانت مهمتهم، يا جماعة الخير، إنهم يفتحوا كل صورة، ويقروا الاسم ورقم الهوية وتاريخ الميلاد… حرف حرف ورقم رقم، ويكتبوهم في النظام. وبعدها يقارنوا صورة الشخص في الهوية مع صورته السيلفي اللي أخذها. الشغلة كانت تاخذ من يومين لثلاثة أيام لكل مستخدم جديد. كنا قاعدين في المكتب للصبح، وصوت الكيبورد ما يوقف، وكاسات القهوة مكومة. الغلطة في رقم واحد كانت تعني حظر حساب المستخدم ومراسلات رايحة جاية لحتى نصلحها. باختصار، كان جحيمًا صغيرًا يستهلك وقتنا ومواردنا ويُنفّر العملاء اللي ما الهم طولة بال يستنوا كل هالوقت. لحد ما في يوم، قررنا إنه “لهون وبس”، لازم نلاقي حل جذري، وهون بلشت حكايتنا مع الذكاء الاصطناعي.
ما هو “اعرف عميلك” (KYC) ولماذا هو كابوس يدوي؟
قبل ما نغوص في الحل، خلينا نوضح شو هو الـ KYC. “اعرف عميلك” (Know Your Customer) هو إجراء إلزامي تفرضه الجهات الرقابية على البنوك والشركات المالية وكل من يتعامل بالمال. الهدف منه هو التحقق من هوية العملاء والتأكد من أنهم ليسوا متورطين في عمليات غسيل أموال أو تمويل إرهاب أو أي أنشطة غير قانونية. هذه الإجراءات تقع تحت مظلة أكبر اسمها “التكنولوجيا التنظيمية” أو RegTech.
العملية اليدوية التقليدية، زي ما حكيتلكم، كانت كارثية على أكثر من صعيد:
- بطيئة جدًا: المستخدم اليوم يتوقع أن يفتح حسابًا ويبدأ باستخدامه في دقائق، وليس أيام. الانتظار الطويل هو أكبر سبب لتخلي المستخدمين عن تطبيقك.
- مُعرضة للخطأ البشري: “غلطة الشاطر بألف”، والموظف مهما كان دقيقًا، سيخطئ في إدخال البيانات مع ضغط العمل والتعب. خطأ واحد في رقم الهوية يمكن أن يسبب مشاكل قانونية وتشغيلية ضخمة.
- مكلفة للغاية: تخيل أنك تحتاج لتوظيف فريق كامل فقط لإدخال البيانات. مع نمو عدد المستخدمين، ينمو هذا الفريق وتنمو معه التكاليف بشكل هائل.
- صعبة التوسع (Not Scalable): ماذا لو سجل في تطبيقك 10,000 مستخدم في يوم واحد بسبب حملة تسويقية ناجحة؟ النظام اليدوي سينهار تمامًا.
كان واضحًا أن الاعتماد على العنصر البشري في هذه المهمة المتكررة لم يعد خيارًا مستدامًا.
كيف دخل “التعرف الضوئي على الحروف” والذكاء الاصطناعي على الخط؟
هنا جاء دور التكنولوجيا لتنقذ الموقف. الحل لم يكن سحريًا، بل كان عبارة عن تكامل ذكي بين تقنيتين رئيسيتين: التعرف الضوئي على الحروف (OCR) ونماذج الذكاء الاصطناعي.
المرحلة الأولى: التعرف الضوئي على الحروف (OCR) – قراءة ما لا يُقرأ
الـ OCR هي تقنية تحول الصور التي تحتوي على نصوص (مثل صورة بطاقة الهوية) إلى نص يمكن للكمبيوتر قراءته ومعالجته. بدلًا من أن يقوم الموظف بقراءة “الاسم: فلان الفلاني” وكتابتها، يقوم نظام الـ OCR بهذه المهمة في أجزاء من الثانية.
الفكرة بسيطة: النظام يستقبل صورة الهوية، ويقوم بتحليلها، وتحديد أماكن وجود النصوص، ثم يحول هذه النصوص إلى بيانات نصية (String).
نصيحة من خبرتي: ليست كل أنظمة الـ OCR متساوية، خصوصًا عند التعامل مع اللغة العربية. الخطوط المختلفة، تشابك الحروف، وجودة الصور السيئة تشكل تحديًا كبيرًا. عند اختيارك لأداة OCR، تأكد من أنها تدعم اللغة العربية بكفاءة عالية وتم تدريبها على وثائق متنوعة من المنطقة التي تستهدفها.
لتقريب الفكرة، هذا مثال بسيط جدًا باستخدام مكتبة pytesseract في لغة بايثون، والتي تعد واجهة لمحرك Tesseract OCR من جوجل:
# مثال توضيحي باستخدام مكتبة بايثون
import pytesseract
from PIL import Image
# لنفترض أن 'id_card.png' هي صورة بطاقة الهوية التي رفعها المستخدم
try:
image_path = 'id_card.png'
image = Image.open(image_path)
# استخراج النص من الصورة باللغة العربية
# يجب تثبيت حزمة اللغة العربية (ara) في Tesseract لتشغيل هذا الكود
text = pytesseract.image_to_string(image, lang='ara')
print("--- النص الخام المستخرج من الصورة ---")
print(text)
except FileNotFoundError:
print("خطأ: لم يتم العثور على ملف الصورة 'id_card.png'")
except Exception as e:
print(f"حدث خطأ أثناء المعالجة: {e}")
الناتج من هذا الكود سيكون نصًا خامًا غير منظم. وهنا يأتي دور المرحلة التالية والأكثر ذكاءً.
المرحلة الثانية: الذكاء الاصطناعي (AI) – الفهم والتحقق
الـ OCR يعطينا النص، لكنه لا يفهمه. هو لا يعرف أن “١٢٣٤٥٦٧٨٩” هو رقم الهوية وأن “٠١/٠١/١٩٩٠” هو تاريخ الميلاد. هنا يتدخل الذكاء الاصطناعي ليقوم بمهام أكثر تعقيدًا:
- فهم وتصنيف البيانات (Named Entity Recognition – NER): يتم تدريب نماذج تعلم الآلة على فهم سياق النص المستخرج. هي تتعلم أن تتعرف على “الاسم”، “رقم الهوية”، “تاريخ الميلاد”، “تاريخ الانتهاء”، إلخ، وتستخرج كل معلومة وتضعها في الحقل المخصص لها في قاعدة البيانات.
- التحقق من تطابق الوجوه (Face Verification): يقوم نظام الذكاء الاصطناعي بمقارنة الصورة الشخصية الموجودة على بطاقة الهوية مع صورة سيلفي حية يطلبها من المستخدم أثناء عملية التسجيل. النظام لا يقارن الصور بشكل سطحي، بل يحلل ملامح الوجه ويحولها إلى بصمة رياضية (Vector)، ثم يقيس المسافة بين بصمة الوجه في الهوية وبصمة الوجه في السيلفي ليعطي درجة تشابه دقيقة.
- التحقق من الحيوية (Liveness Detection): للتأكد من أن المستخدم شخص حقيقي وليس مجرد صورة أو فيديو مسجل، يطلب النظام من المستخدم القيام بحركة بسيطة (مثل أن يبتسم، أو يومئ برأسه يمينًا ويسارًا). نماذج الرؤية الحاسوبية (Computer Vision) تحلل الفيديو للتأكد من أن الشخص حي ويتفاعل بشكل مباشر.
- التحقق من مصداقية الوثيقة (Document Authenticity): النماذج الأكثر تقدمًا يمكنها تحليل صورة الوثيقة للبحث عن علامات تزوير، مثل التلاعب في النصوص، أو عدم وجود العلامات المائية والهولوغرامات، أو وجود آثار لبرامج تعديل الصور.
رحلتنا في بناء نظام KYC الآلي – دروس من الميدان
وهون يا جماعة الخير بتبلش الخبرة تحكي. بناء نظام مثل هذا ليس مجرد كتابة كود، بل هو رحلة مليئة بالتحديات والقرارات. إليكم بعض الدروس التي تعلمناها بالطريقة الصعبة:
تحدي “البناء أم الشراء” (Build vs. Buy)
أول سؤال واجهنا: هل نبني هذا النظام من الصفر أم نستخدم خدمة جاهزة من طرف ثالث (مثل Amazon Textract, Google Vision AI, أو شركات متخصصة في الـ KYC مثل Onfido أو Jumio)؟
- البناء من الصفر: يمنحك تحكمًا كاملًا، لكنه يتطلب فريقًا متخصصًا في الذكاء الاصطناعي، وكميات هائلة من البيانات لتدريب النماذج (آلاف صور الهويات مع بياناتها الصحيحة)، ووقتًا طويلًا للتطوير.
- استخدام خدمة جاهزة (API): أسرع بكثير وأقل تكلفة في البداية. هذه الشركات لديها نماذج مدربة على ملايين الوثائق من حول العالم.
نصيحة أبو عمر: لا تعيد اختراع العجلة، إلا إذا كانت عجلتك ستحلق في الفضاء! بالنسبة لـ 95% من الشركات، وخاصة الناشئة، البدء باستخدام واجهة برمجية (API) من مزود خدمة موثوق هو القرار الأذكى. يمكنك التركيز على منتجك الأساسي، وعندما تنمو شركتك بشكل كبير، يمكنك التفكير في بناء أجزاء من النظام بنفسك.
التعامل مع جودة الصور السيئة
هذا كان أكبر تحدٍ عملي. المستخدمون يرسلون صورًا مهزوزة، مظلمة، مع إضاءة عاكسة (glare) على الهوية، أو حتى وأصابعهم تغطي معلومات مهمة.
الحل كان على مستويين:
- على مستوى التطبيق (Client-Side): قمنا بتطوير واجهة مستخدم ترشد العميل لالتقاط صورة جيدة. وضعنا إطارًا على الشاشة بحجم بطاقة الهوية، ونظامًا يكتشف الإضاءة السيئة أو الاهتزاز ويطلب من المستخدم إعادة المحاولة قبل رفع الصورة.
- على مستوى الخادم (Server-Side): قبل إرسال الصورة إلى محرك الـ OCR، قمنا بتطبيق خطوات معالجة صور (Image Pre-processing) باستخدام الذكاء الاصطناعي لتصحيح زاوية الصورة، زيادة التباين، وإزالة الظلال والانعكاسات قدر الإمكان.
النتيجة: من أيام وليالٍ إلى ثوانٍ معدودة
بعد تطبيق النظام الآلي، كانت النتائج مذهلة وغيرت قواعد اللعبة بالنسبة لنا:
- انخفض متوسط وقت التحقق من العميل من 48 ساعة إلى أقل من 60 ثانية.
- ارتفعت دقة استخراج البيانات إلى أكثر من 98%، مما قلل الأخطاء بشكل شبه كامل.
- تخلصنا من التكاليف التشغيلية العالية لفريق التحقق اليدوي.
- الأهم من كل هذا، تحسنت تجربة المستخدم بشكل جذري، مما زاد من معدلات اكتمال التسجيل والرضا العام.
تحول الكابوس إلى ميزة تنافسية قوية.
خلاصة الحكاية ونصيحة من أخوكم أبو عمر
إن أتمتة عمليات التحقق من الهوية (KYC) باستخدام التعرف الضوئي على الحروف (OCR) والذكاء الاصطناعي لم تعد رفاهية، بل هي ضرورة حتمية لأي شركة مالية أو تقنية تطمح للنمو والمنافسة في عالم اليوم الرقمي السريع.
نصيحتي الأخيرة لكم، سواء كنتم مطورين أو رواد أعمال: لا تنظروا إلى التكنولوجيا على أنها مجرد كود وأدوات، بل انظروا إليها كوسيلة لحل مشاكل حقيقية ومؤلمة. أفضل المنتجات التقنية هي تلك التي ولدت من رحم المعاناة. ابحثوا عن “الجحيم” في عمليات شركاتكم أو في حياة عملائكم، فهناك بالضبط تكمن أكبر الفرص للابتكار والنجاح.
يلا، شدّوا حيلكم ورجونا إبداعاتكم! 💪
