Card Vision — تطبيق مسح البطاقات بالذكاء الاصطناعي

التحدي

سوق المقتنيات الرياضية الذي يبلغ حجمه 13 مليار دولار يعمل حتى اليوم ببنية تقنية عتيقة. يقتني التجّار المحترفون آلاف البطاقات في عطلة نهاية أسبوع واحدة، بينما تطبيقات المسح المتوفرة مصمّمة للهواة — بطاقة واحدة في كل مرة. رقمنة “صندوق ضخم” قياسي يضم 3,200 بطاقة كانت تستغرق أكثر من 9 ساعات: عنق زجاجة في إدخال البيانات يستنزف الأرباح استنزافًا.

منهجنا في تطوير تطبيق ذكاء اصطناعي بهذا المستوى

هندسنا منصة إنتاجية احترافية تتمحور بالكامل حول سرعة المعالجة الجماعية: بنية مخصصة تربط الرؤية الحاسوبية (Roboflow) بالذكاء الاصطناعي التوليدي (Google Gemini) للتعرّف على ما يصل إلى 12 بطاقة تداول في لقطة كاميرا واحدة، واقتصاصها وتسعيرها في آنٍ واحد. وقبل الالتزام بأي نموذج، أخضعنا مزوّدي الرؤية الحاسوبية لاختبارات معيارية على أحمال مسح حقيقية — فاخترنا بناءً على السرعة والتكلفة والدقة المقاسة، لا على شهرة الاسم.

الاختراق التقني الحقيقي حدث في الواجهة الخلفية. حمولات الذكاء الاصطناعي الثقيلة وتحليل JSON المعقّد سبّبا في البداية بطئًا على جهاز المستخدم، فنقلنا نواة التنسيق إلى Supabase Edge Functions — لتُنفَّذ الحسابات في السحابة، وتُختصر رحلات الذهاب والإياب المتعددة إلى الخادم، وتُدرَج دفعات البيانات في قاعدة البيانات لحظيًا. كما تضمن قوائم انتظار مخصصة وغير متزامنة لمعالجة الصور ألا تستهلك الصور عالية الدقة ذاكرة الجهاز مهما كان حجم الدفعة.

النتيجة

سير عمل كان يستغرق من التاجر 4 ساعات من الإدخال اليدوي أصبح يُنجَز في أقل من 20 دقيقة — بمعدل 10 إلى 12 ثانية لكل دفعة، أي مكسب كفاءة بمقدار 10 أضعاف. والسوق التفت إلى المنتج قبل أن يصدر أصلًا: نحو 3,000 هاوي جمع سجّلوا عضويًا قبل الإطلاق، إلى جانب شراكات تجريبية مبكرة مع كبار تجّار معارض البطاقات. حين يصطف الناس في الطابور لمنتج لم يوجد بعد، فالطلب حقيقي. ولأي مؤسس في السعودية أو الخليج يفكر في تطبيق مسح بالذكاء الاصطناعي يتعرّف على المنتجات ويسعّرها فوريًا، تثبت هذه التجربة أن الفكرة قابلة للتنفيذ بجودة عالمية — إذا بُنيت على القياس لا على التخمين.

جرّب Card Vision: الويب · iOS · Android