تُعتبر تحسينات تحليل تقييمات الخدمة ضرورة حتمية للمنظمات العامة، خاصة إدارات الضرائب، حيث تعتمد الثقة والامتثال على توفير خدمات فعّالة وعادلة. لكن، مع زيادة أحجام الملاحظات من المواطنين، تقف التحديات أمام المدخلات الكثيرة أهمها تحديد المشكلات الناشئة في جودة الخدمة. غالبًا ما تعتمد الأساليب التقليدية على المراجعة اليدوية أو مؤشرات ثابتة متعهدة من قبل الخبراء، مما يحدّ من القدرة على النطاق والتقاط الأنماط المعقدة في التغذية الراجعة النصية.

يقدم هذا البحث منهجية جديدة تعتمد على دمج النماذج اللغوية الضخمة (Large Language Models) مع تقنيات إحصائية وتعاون بين الذكاء الاصطناعي والبشر لتحسين تحليل ملاحظات العملاء المتعددة اللغات. الهدف الرئيسي هو اكتشاف الموضوعات الناشئة المتعلقة بجودة الخدمة، التي قد تكشف أيضًا عن تباينات محتملة في تقديم الخدمة.

يعمل إطار العمل المقدم على دمج نماذج لغوية مخصصة مع إشراف الخبراء لإنتاج تحليلات دقيقة وفعّالة وقائمة على السياق. تم تقييم النهج المقترح من خلال تحليل التشابه وتقييمات من ضباط الضرائب ذوي الخبرة، حيث أظهر تطابقًا أقوى مع الأحكام الخبرائية مقارنة بالنماذج الأساسية. من خلال دمج إطار العمل المخصص للبشر، يسهم هذا النهج في تقليل التصنيع بواسطة نماذج LLM بينما يُحسّن من موثوقية وملاءمة الرؤى الناتجة.

تظهر النتائج فعالية دمج نماذج لغوية ضخمة مع خبرات بشرية لدعم اتخاذ القرارات بشكل أكثر استنادًا للأدلة في المنظمات العامة. تساهم هذه الدراسة في تطوير أنظمة ذكاء اصطناعي مسؤولة تعزز من جودة الخدمة واستجابتها وإنصافها وثقة الجمهور من خلال تحليل أكثر فعالية لملاحظات العملاء متعددة اللغات.