كيف تستخدم الذكاء الاصطناعي في العمل دون أن تخسر المهارة؟
تخيّل أن موظفًا يسلّمك تقريرًا مرتبًا قبل الموعد. توصياته واضحة، ولغته مقنعة. تسأله: «لماذا اخترت هذا الحل؟ وما الذي قد يجعلك تغيّر رأيك؟» فيعود إلى المحادثة مع الذكاء الاصطناعي بحثًا عن الإجابة.
أكاديمية زيراكس
الخلاصة في أربعة أرقام
- ٢٥٫١٪ وقت أقل في المتوسط لإنجاز مهام مناسبة لقدرات GPT-4، في تجربة على مستشاري مجموعة بوسطن الاستشارية.
- ١٥٪ زيادة في عدد المشكلات المحلولة في الساعة في المتوسط، لدى أكثر من خمسة آلاف موظف خدمة عملاء، وفق النسخة المنشورة عام ٢٠٢٥.
- ١٧٪ أقل في درجات اختبار دون مساعدة لطلاب ثانوي تدرّبوا بمساعد شبيه بـChatGPT، مقارنة بمجموعة لم تستخدم الذكاء الاصطناعي.
- ٥٢ مطوّرًا في تجربة عشوائية صغيرة أُتيحت عام ٢٠٢٦: حصل مستخدمو المساعد على درجات أقل في اختبار لاحق دون الأداة.
ماذا قد تخفي سرعة التسليم؟
هذا الموقف الافتراضي يوضح ما قد تخفيه سرعة التسليم: جودة المستند لا تكشف وحدها مقدار فهم صاحبه. يستطيع الموظف أن ينجز بمساعدة الأداة، بينما يظل محتاجًا إلى تعلّم ما يمكّنه من مراجعة النتيجة والدفاع عن قراره.
بالنسبة إلى المدير ومسؤول التدريب، تحتاج تجربة الذكاء الاصطناعي إلى قياسين متوازيين: كيف تحسّن العمل بمساعدته؟ وما الذي يستطيع الموظف فهمه وتنفيذه عندما يعمل بمفرده؟
هل يرفع الذكاء الاصطناعي إنتاجية الموظفين؟
يمكنه ذلك، لكن مقدار الفائدة يختلف بحسب المهمة وخبرة الموظف وطريقة استخدامه.
في تجربة على مستشاري مجموعة بوسطن الاستشارية، أُنجزت مجموعة من المهام المناسبة لقدرات GPT-4 في وقت أقل بنسبة ٢٥٫١٪ في المتوسط. وفي دراسة منفصلة على أكثر من خمسة آلاف موظف خدمة عملاء، ارتفع عدد المشكلات المحلولة في الساعة بنسبة ١٥٪ في المتوسط، وفق النسخة المنشورة عام ٢٠٢٥. [١، ٢]
كانت مكاسب موظفي خدمة العملاء الأقل خبرة ومهارة أكبر، بينما استفاد الأعلى مهارة بدرجة محدودة، مع تراجع طفيف في بعض مقاييس الجودة. لذا لا تفترض أن الأداة التي تساعد الموظف الجديد ستضيف القيمة نفسها إلى عمل الخبير.
يمكنك ترجمة ذلك إلى تجربة داخل فريقك: اختر مهمة متكررة، وحدّد معيار قبول واضحًا، ثم قارن الوقت والجودة مع الأداة وبدونها. احتسب وقت المراجعة والتصحيح ضمن وقت الإنجاز؛ فهو جزء من العمل الذي تحتاج إلى تسليمه.
كيف تبدو الإجابة احترافية وتظل خاطئة؟
في تجربة المستشارين نفسها، انخفض احتمال الوصول إلى الحل الصحيح عندما استخدم المشاركون GPT-4 في حالة عمل اختارها الباحثون لأنها تجاوزت قدراته آنذاك. النجاح في المهام السابقة لم يكن ضمانًا للنجاح في هذه المهمة. [١]
يسمّي الباحثون هذا التفاوت «الحدود المتعرّجة لقدرات التقنية»: قد تتشابه مهمتان في الصعوبة بالنسبة إلى الإنسان، وتنجح الأداة في إحداهما وتتعثر في الأخرى.
وقد يختلط علينا حسن العرض بصحة الاستنتاج. لذلك، عند مراجعة توصية، اطلب من الموظف تحديد البيانات التي يستند إليها، والافتراض الذي قد يغيّر القرار، والطريقة التي تحقّق بها من النتيجة. إعادة السؤال إلى الأداة نفسها لا تكفي وحدها للتحقق.
هذه التجربة استُخدمت فيها نسخة مبكرة من GPT-4، وظهرت نتائجها أول مرة عام ٢٠٢٣ قبل نشرها في مجلة علمية عام ٢٠٢٦. فائدتها اليوم هي تذكيرك باختبار حدود الأداة التي تستخدمها فعلًا؛ فلا يصح تحويلها إلى حكم ثابت بأن النماذج الحالية تفشل في كل مهمة تحليلية معقدة.
هل نفقد مهاراتنا، أم نفوّت فرصة اكتسابها؟
يُطرح خطر «تآكل المهارات» أو «ضمور المهارة» عند الحديث عن الاعتماد على الأتمتة. لكن هناك فرقًا بين مهارة أتقنها الموظف ثم ضعفت، ومهارة جديدة لم يكتسبها أصلًا لأن الأداة أدّت عنه خطوات التعلّم.
الأبحاث التالية تتناول أساسًا الحالة الثانية، وتقيس نتائج قريبة من وقت التدريب. وهي لا تثبت أن كل مستخدم للذكاء الاصطناعي يفقد مهاراته مع مرور السنوات.
الإجابة الجاهزة قد تحسّن التمرين وتضعف التعلّم
في تجربة على نحو ألف طالب ثانوي في تركيا، تحسّن أداء الطلاب أثناء التدريب باستخدام مساعد شبيه بـChatGPT. لكن عندما أُزيلت المساعدة، جاءت درجاتهم في الاختبار أقل بنسبة ١٧٪ من مجموعة لم تستخدم الذكاء الاصطناعي. [٣]
أما المجموعة التي استخدمت مساعدًا صُمّم لتقديم تلميحات، وزُوّد بحلول ومعلومات أعدّها المعلمون، فلم يظهر في درجات اختبارها فرق ذو دلالة إحصائية عن المجموعة التي تعلّمت دون المساعد. ساعد هذا التصميم على تجنّب التراجع المرصود مع النسخة التي تتيح الإجابات الجاهزة.
كانت التجربة في رياضيات المرحلة الثانوية، وليست قياسًا لموظفي الشركات. وما يمكن الاستفادة منه في التدريب المهني هو سؤال التصميم: هل يحتاج المتدرّب إلى المحاولة والتفسير، أم يستطيع الوصول إلى النهاية بنقل الإجابة؟
دليل أحدث من تعلّم البرمجة
في ورقة بحثية أُتيحت عام ٢٠٢٦، درس باحثان من أنثروبيك أثر المساعدة بالذكاء الاصطناعي على تعلّم مكتبة برمجية جديدة لدى ٥٢ مطوّرًا. حصل مستخدمو المساعد على درجات أقل في اختبار لاحق دون الأداة، ولم يثبت تحسّن ذو دلالة إحصائية في متوسط زمن الإنجاز. [٤]
هذه تجربة عشوائية صغيرة، منشورة كورقة أولية، استخدم المشاركون فيها مساعدًا مبنيًا على GPT-4o. وقاس الباحثان الفهم بعد المهمة مباشرة، لذلك تضيف دليلًا أقرب إلى العمل المهني دون أن تحسم أثر الاستخدام طويل الأمد أو أداء أحدث المساعدات البرمجية.
ولاحظ الباحثان أيضًا أن من طلبوا تفسيرات أو طرحوا أسئلة مفاهيمية حققوا نتائج أفضل من بعض أنماط التفويض الكامل. هذا ارتباط استكشافي في عينة صغيرة، لكنه يساعد على صياغة أسئلة مفيدة عند مراجعة طريقة تعلّم الموظفين.
سبع قواعد لتستخدم الأداة وتحافظ على دور الموظف في التفكير
يمكن ترجمة هذه النتائج إلى الممارسات التالية في التدريب وإدارة العمل، مع تقييم فائدتها داخل فريقك.
١. حدّد هدف المهمة قبل اختيار طريقة المساعدة
إذا كان الموظف يتقن العمل ويحتاج إلى اختصار خطوات متكررة، فقد يناسبه تفويض جزء أكبر للأداة مع المراجعة. أما إذا كان يتعلّم مهارة سيحتاج إليها للحكم على النتائج لاحقًا، فاترك له خطوات يؤديها بنفسه. وضّح في التكليف هل تقيس جودة التسليم، أم اكتساب المهارة، أم الاثنين.
٢. اطلب محاولة أولى قبل عرض الحل
في مهام التعلّم واتخاذ القرار، اطلب من الموظف تسجيل فهمه للمشكلة، والحل الذي يرجّحه، وما ينقصه من معلومات. ثم يستخدم المساعد لمناقشة هذه المحاولة. بهذه الطريقة يستطيع المدير رؤية ما تغيّر في فهم الموظف، بدل الاكتفاء بمستند نهائي مصقول.
٣. استخدم التلميحات لفكّ التعثر
يمكن للمتدرّب أن يطلب:
«هذه محاولتي. حدّد أول خطوة تحتاج إلى مراجعة، واطرح سؤالًا يساعدني على تصحيحها. انتظر إجابتي قبل إكمال الحل.»
هذا طلب مقترح، وليس ضمانًا لالتزام الأداة أو صحة توجيهها. وفي التدريب المنظّم، راجع التلميحات والحلول مع خبير بالمحتوى، كما فعل المعلمون في التجربة التعليمية.
٤. راجع الدليل والمنطق قبل تحسين الصياغة
افصل بين مراجعة المحتوى وتحريره. تحقّق من الأرقام في مصدرها، واختبر الحسابات، وناقش الافتراضات. وفي القرارات المهمة، اطلب من الموظف تفسير سبب قبول التوصية وما الذي سيجعله يرفضها. ثم حسّن العرض واللغة بعد استقرار المضمون.
٥. اختبر الفهم دون المساعد
بعد التدريب، قدّم حالة مشابهة بتفاصيل مختلفة، واطلب من الموظف حلّها وشرح اختياره دون الاستعانة بالأداة. استخدم معيار تقييم محددًا، وأعد التقييم لاحقًا إذا كانت المهارة مهمة للدور. رضا الموظف عن تجربة التعلّم وثقته بالإجابة لا يغنيان عن هذا الدليل.
٦. اجعل المراجعة فرصة لنقل الخبرة
اطلب من الموظف الجديد بيان الاقتراحات التي قبلها والتي عدّلها أو رفضها، مع السبب. يناقش المدير معه مثالًا من عمله بدل الاكتفاء بسؤال «هل استخدمت الذكاء الاصطناعي؟». وللخبير، تابع جودة القرار والتصحيحات المطلوبة؛ فزيادة السرعة وحدها قد تخفي تراجعًا في جانب آخر من الأداء.
٧. حدّث قواعد الاستخدام كلما تغيّرت الأداة
سجّل المهام التي اختبرتموها، والأداة أو النموذج المستخدم، ومعيار الجودة، والأخطاء المتكررة. عند تغيير النموذج أو طريقة العمل، أعد اختبار عينة مناسبة. حدود الأداة تتغير، وكذلك خبرة فريقك في استخدامها؛ فلا تجعل تجربة قديمة سياسة دائمة.
أسئلة شائعة
هل ينبغي منع الذكاء الاصطناعي أثناء التدريب؟
حدّد أولًا ما تريد أن يتعلّمه الموظف. قد تسمح بالمساعدة أثناء الممارسة، ثم تطلب أداءً مستقلًا عند التقييم. ويمكن تدريب الموظف أيضًا على الاستخدام الجيد للأداة، على أن تقيس هذه القدرة بوضوح بدل خلطها بإتقانه للمهمة دون مساعدة.
هل هذه النتائج ما زالت مفيدة بعد تطوّر النماذج؟
نعم، لفهم الفرق بين إنجاز المهمة وتعلّمها. لكنها لا تعطي نسبة مكسب أو خسارة ثابتة لأدوات اليوم. دراسة خدمة العملاء اعتمدت على أداة مبنية على GPT-3 ونشرٍ واسع خلال ٢٠٢٠–٢٠٢١، والتجربة التعليمية نُفذت في خريف ٢٠٢٣، بينما استخدمت ورقة المطوّرين الأحدث GPT-4o. اختبر النتائج على أدواتك ومهامك قبل تعميمها.
ما أول إجراء يمكن أن يتخذه مسؤول التدريب؟
اختر مهارة واحدة يحتاجها الفريق لمراجعة مخرجات الذكاء الاصطناعي. صمّم لها مهمة تدريبية بمساعدة الأداة، ثم حالة مستقلة دونها، وقارن الفهم والأخطاء وفق المعايير نفسها. استخدم النتائج لتعديل طريقة المساعدة في التدريب التالي.
المصادر
- Dell’Acqua et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. سجل النشر والملخص الرسمي في كلية هارفارد للأعمال. ظهرت الورقة أول مرة عام ٢٠٢٣.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. النص المنشور على موقع الباحثة. اعتُمدت أرقام النسخة المنشورة، لا تقديرات مسودة ٢٠٢٣.
- Bastani et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. النص الكامل. أُجريت التجربة في خريف ٢٠٢٣؛ ويتعلق تصحيح أغسطس ٢٠٢٥ بانتماء أحد الباحثين المؤسسي، لا بالنتائج.
- Shen, J. H., & Tamkin, A. (2026). How AI Impacts Skill Formation. arXiv:2601.20245، النسخة الثانية. الورقة الأولية. أُتيحت أول مرة في يناير ٢٠٢٦، وأُخذت حدود العينة والقياس قصير الأمد في الاعتبار عند عرضها.
- أكاديمية زيراكس، خصائص تدريب الشركات.
كيف تساعد زيراكس في تصميم تدريب يطلب من الموظف التفكير؟
لتطبيق هذه القواعد، يحتاج التدريب إلى مواقف يتخذ فيها الموظف قرارًا، وأنشطة تكشف فهمه، وتحكّم في المساعدة المتاحة له. توفّر زيراكس تدريبات مبنية على سيناريوهات العمل وأنشطة بعد الدروس، مع إمكانية جعل الأنشطة إلزامية وتحديد ما إذا كانت الإجابة تظهر بعد ثلاث محاولات أو لا تظهر. [٥]
ويجيب مساعد التدريب من محتوى التدريب نفسه مع ذكر الدرس الذي استند إليه، ويمكن تفعيله أو إيقافه لكل تدريب. تتيح هذه الخيارات لمسؤول التدريب تنظيم استخدام المساعدة، ويستكملها المدير بتقييم التطبيق في العمل.
نستطيع أن نبني ذلك لفريقك. اطلب عرضًا لفريقك: أخبرنا عن جهتك وعدد موظفيك، ونعود إليك بعرض يناسبكم. أو راسلنا على contact@zerax.online.


