كما شكلت عملية التحقق من هوية المشاركين عائقًا إضافيًا، حيث يقضي كل مرشح عدة دقائق في إثبات هويته، بينما يتولى الموظفون التحقق اليدوي من المستندات والصور. مما أدى إلى تأخر بدء الاختبارات وزيادة الضغط على كل من المشاركين والإداريين.

كما كانت مراقبة جلسات الاختبار مهمة تتطلب جهدًا كبيرًا، حيث كان يطلب من المشرفين رصد أي مخالفات مثل استخدام الهواتف، أو التواصل مع الآخرين، أو عدم النظر إلى الشاشة أثناء الجلسات، سواء كانت حضورية أو عن بعد.
وغالبًا ما كانت هذه الجلسات تعقد في مدن ودول ومناطق زمنية مختلفة، مع الاعتماد الكامل على الملاحظة البشرية، مما قد يزيد من احتمالية تفويت بعض المخالفات.
وبشكل عام، جعلت هذه التحديات إدارة التقييمات أكثر صعوبة، وأعلى تكلفة، وأقل قابلية للتوسع مستقبلًا

تبين أن الحل لا يقتصر على معالجة نقطة ضعف واحدة فقط، بل يتطلب إعادة النظر في العملية بشكل كامل. لذا تم العمل على رسم خريطة لكل مرحلة، والاستماع لتحديات الموظفين والمشاركين، وطرح سؤال جوهري: في أي جانب يمكن أن يحدث الذكاء أكبر أثر؟

في السابق، كانت عملية التحقق تستغرق عدة دقائق لكل مشارك، مما يؤدي إلى تأخير بدء الجلسة. كما أن المراجعة اليدوية للوثائق كانت تتطلب وقتا وجهدًا من الموظفين، ولا تضمن الدقة في جميع الحالات.

من خلال توظيف الرؤية الحاسوبية (Computer Vision) ونماذج الشبكات العصبية، تمكنا من بناء نظام قادر على استخراج بيانات الهوية فورًا ومطابقتها مع وجه المشارك.
ورغم أن الجمع بين السرعة والدقة تطلب عدة تحسينات، إلا أن العملية أصبحت بعد تطويرها نقطة تحقق سريعة وموثوقة وآمنة.
بعد ذلك، بدأت مرحلة إعداد الأسئلة، وهي من أكثر المراحل تعقيدًا لما تتطلبه من وقت وجهد ودقة عالية. فحتى مع العمل المكثف لأسابيع، يظل هنالك احتمال لظهور بعض الأخطاء، بالإضافة إلى أن تعدد اللغات في الترجمة كان يفاقم التأخير ويزيد التعقيد.

وهنا برزت نماذج اللغة الكبيرة (LLMs) والذكاء الاصطناعي التوليدي كحل أكثر كفاءة، ولم يكن الهدف مجرد إعداد الأسئلة، بل ضمان توافقها مع أهداف المحتوى والحفاظ على اتساقها حتى بعد ترجمتها إلى عدة لغات، ومن خلال ضبط النماذج بعناية، أصبح بالإمكان تقليص وقت العمل بشكل ملحوظ وتحسين جودة المخرجات.

أما التحدي الأكبر فكان في مراقبة جلسات الاختبار، إذ كان المشرفون يعملون تحت ضغط مستمر لرصد المخالفات عبر عشرات الجلسات المباشرة، لكن تحليل الفيديو عبر الذكاء الاصطناعي غير هذه المعادلة بشكل جذري؛ فبدلًا من الاعتماد على المراقبة التقليدية، أصبح الذكاء الاصطناعي يحلل الجلسات لحظيًا ويرصد الأنماط المشبوهة فقط، ونتيجة لذلك، تحول دور المشرفين من متابعة جميع التفاصيل إلى التركيز على الحالات التي تستدعي التدخل فعلًا.
كما انعكس هذا التطور على تجربة المشاركين، إذ ساهم وجود نظام مراقبة متقدم في تعزيز الرقابة والحد من المخالفات.

تحولت العملية إلى نموذج أكثر سلاسة وذكاءً بعد دمج هذه العناصر، تغيرت عملية التقييم بشكل جذري فقد اختفت التأخيرات في مرحلة التحقق، وأصبح ما كان يستغرق عدة دقائق ينجز في ثوانٍ معدودة، مما أتاح للفرق التركيز على المشاركين بدلًا من الأعمال الورقية.

كما تسارعت وتيرة إعداد الأسئلة بشكل ملحوظ؛ إذ كان إنشاء 1000 سؤال لموضوع جديد يتطلب سابقًا من 7 إلى 14 يوم عمل، وقد يمتد إلى نحو شهر عند احتساب الترجمة والمراجعة، مع مشاركة عدد من الخبراء في مختلف المراحل.
أما اليوم، ومع الاعتماد على الذكاء الاصطناعي في إعداد الأسئلة وترجمتها إلى عدة لغات، فقد أصبح إنجاز المهمة نفسها يستغرق أقل من يوم واحد، وبعدد أقل من المراجعين، ونتيجة لهذا التحول أصبحت عملية إعداد الأسئلة أسرع وأدق وأسهل إدارة.

توسعت عملية مراقبة جلسات الاختبار لتتجاوز حدود القدرات البشرية بشكل كبير، فبدعم من الذكاء الاصطناعي أصبح بإمكان المشرفين الذين كانوا يديرون نحو 150 جلسة شهريًا التعامل مع أكثر من 100,000 جلسة.
حيث تقوم الأنظمة الذكية بالمسح المستمر في الخلفية، وتنبيه الموظفين فقط عند الحاجة إلى التدخل، وقد ساهم ذلك في تخفيف أعباء العمل، وزيادة قدرة استيعاب المتقدمين، وتوجيه الجهد إلى المواقف التي تتطلب تدخلاً فعليًا.
وقد أسهمت هذه التطورات في إعادة تشكيل عملية التقييم، لتحويلها من عملية يدوية بطيئة إلى عملية أسرع وأكثر دقة وقابلة للتوسع.