هل سيحلّ الذكاء الاصطناعي محلّ الفكر البشري؟ يستطيع الذكاء الاصطناعي إنجاز العديد من المهام بكفاءة وسرعة أكبر، لكنّه يُصبح مُحفوفًا بالمخاطر في هذه المجالات. صورة إبداعية حول هذا الموضوع، تُبرز الذكاء الاصطناعي: Xpert.Digital
يقدم الذكاء الاصطناعي إجابات مقنعة، لكن ذلك لا يضمن اتخاذ قرارات جيدة
عندما تُطوّر الآلات الأفكار: أين تنتهي قيمتها الاقتصادية؟
الندرة الجديدة في سوق العمل: لماذا أصبحت القدرة على اتخاذ القرارات أكثر قيمة بفضل الذكاء الاصطناعي
يكتب الذكاء الاصطناعي النصوص، ويطور البرمجيات، ويلخص المعلومات، ويدعم عملية اتخاذ القرارات. وبذلك، يتولى مهامًا كانت تُعتبر في السابق من صميم العمل المعرفي البشري. ولكن ما الذي يكمن وراء نتائجه المقنعة؟ هل يفهم الذكاء الاصطناعي حقًا ما يتحدث عنه، أم أنه ببساطة يُنتج إجابات تبدو مفهومة ومنطقية للبشر؟
بالنسبة للشركات، يتجاوز هذا السؤال مجرد نقاش فلسفي. فالذكاء الاصطناعي قادر على تسريع عمليات العمل وتحسين جودة النتائج. مع ذلك، تُظهر الدراسات أيضًا أن دعمه في بعض المهام قد يؤدي إلى قرارات أقل جودة. لذا، لا يقتصر الأمر على سرعة عمل النظام أو مدى ذكاء إجاباته، بل الأهم هو مدى موثوقيته في التطبيق المحدد، والأخطاء التي يرتكبها، وعواقب تلك الأخطاء.
إن المقارنة بين آلة "مفكرة" وإنسان يفهم فقط هي مقارنة تبسيطية للغاية. صحيح أن الذكاء الاصطناعي قادر على تمييز الأنماط، وربط المعلومات، وتوليد اقتراحات جديدة، لكن هذا لا يثبت وجود تجربة أو وعي بشري. في الوقت نفسه، ليس البشر معصومين عن الخطأ بأي حال من الأحوال: فهم أيضاً يحكمون بناءً على الروتين، ويتجاهلون الروابط، وقد ينخدعون بتفسيرات مقنعة.
لذا، فإن السؤال الاقتصادي لا يكمن في قدرة الآلة على التفكير كالإنسان، بل في تحديد المهام التي يمكنها إنجازها بكفاءة، حيث تبقى الخبرة والتقييم النقدي والمسؤولية عناصر أساسية لا غنى عنها. فكلما زادت سهولة توليد الذكاء الاصطناعي للنصوص والتحليلات والأفكار، ازدادت أهمية القدرة على التمييز بين الاقتراحات الجيدة وتلك التي تبدو معقولة ظاهريًا ولكنها خاطئة في نهاية المطاف.
الذكاء الاصطناعي يحسب، والبشر يفهمون؟ ما الذي يمكن للذكاء الاصطناعي فعله فعلاً، وأين تصل قيمته الاقتصادية إلى حدودها؟
لا تحتاج الآلات إلى الوعي لتعطيل نماذج الأعمال - لكن الشركات تحتاج إلى أكثر من مجرد إجابات مثالية
يُحدث الذكاء الاصطناعي تحولاً جذرياً في اقتصاد العمل الفكري. فهو يكتب النصوص، ويطور برامج الحاسوب، وينظم المعلومات، ويصمم المنتجات، ويدعم عملية اتخاذ القرارات. وبذلك، يتولى مهاماً كانت تُعتبر لفترة طويلة حكراً على القدرات البشرية. هذا التطور يثير تساؤلاً جوهرياً: إذا قدمت الآلة نتائج مقنعة، فهل هي حقاً تفكر وتفهم، أم أنها مجرد منتجة لما يبدو للبشر وكأنه تفكير وفهم؟
يكمن الحل الاقتصادي الحاسم بين مبالغتين. الأولى تُصوّر الذكاء الاصطناعي، قبل الأوان، ككيان مفكر وشاعر. أما الثانية فتختزله إلى مجرد آلة نسخ، مُقللةً بذلك من شأن قدراته الحقيقية. كلا المنظورين يُعقّدان اتخاذ قرارات استثمارية سليمة. لا تحتاج الشركات إلى الإيمان بوعي الآلة أو إثبات استحالة استخدام الذكاء الاصطناعي بفعالية. بل تحتاج إلى فهم المهام التي يُؤديها النظام بكفاءة، والظروف التي يفشل فيها، والمهارات البشرية التي تزداد أو تقل قيمتها نتيجةً لذلك.
ثلاثة مصطلحات تُعدّ بالغة الأهمية هنا: التجريد، والفكرة، والإدراك. فهي تصف مستويات مختلفة من المعالجة الذهنية. يستخلص التجريد مبدأً من الملاحظات الفردية. وتفتح الفكرة آفاقًا جديدة للعمل. أما الإدراك فيُغيّر فهم الموقف. يستطيع الذكاء الاصطناعي إنتاج نتائج تُحاكي وظيفيًا العمليات الثلاث جميعها، أو تُجسّدها فعليًا في مهام مُحدّدة. مع ذلك، لا يعني هذا بالضرورة أنه يُنفّذ هذه العمليات كتجربة شخصية.
يُعدّ هذا الفصل بين الأداء الملحوظ والتجربة الداخلية ذا أهمية اقتصادية بالغة. فالأسواق تدفع في المقام الأول مقابل النتائج العملية، لا مقابل اليقين الفلسفي بشأن مصدرها. ومن جهة أخرى، لا يمكن استخلاص المسؤولية والثقة والأهداف والشرعية الاجتماعية من جودة النتيجة المُحققة وحدها.
لا يوجد خط فاصل بسيط بين أساليب الحساب والفهم
تتعلم نماذج اللغة التوليدية الحديثة الأنماط الإحصائية من مجموعات البيانات الضخمة. ببساطة، يتم تعديل معاييرها أثناء التدريب لتتمكن من توليد التتابعات اللغوية والمخرجات الأخرى المطلوبة بأكبر قدر من الكفاءة. عند استخدامها، تعالج هذه النماذج السياق المحدد وتحسب المخرجات وفقًا لذلك.
هذا الوصف مهم من الناحية التقنية، لكنه لا يُفسر بشكل كامل القدرات التي تنشأ من هذه العملية. فكون النظام يعمل رياضياً لا يعني أنه يُعالج فقط تجمعات الكلمات السطحية. إذ يُمكن أن تنعكس العلاقات المعقدة والفئات والبنى المجردة في التمثيلات المُكتسبة. ولذلك، لا يقتصر البحث على مناقشة حدود هذه الأنظمة فحسب، بل يتناول أيضاً مدى قدرتها على تطوير نماذج داخلية للعالم وأشكال فهم وظيفية ذات صلة.
يُوضح مثال التفاحة الفرق الضروري. فالإنسان يربط التفاحة بمذاقها ورائحتها ووزنها وذكرياتها وشعوره بالجوع أو بفعلٍ مُحدد. أما النموذج اللغوي البحت فيفتقر إلى هذه التجربة الشخصية، ولكنه مع ذلك قادر على معالجة العلاقات بين التفاح وعمليات نضجه وقيمته الغذائية وزراعته وجاذبيته. كما يُمكن للنظام متعدد الوسائط أن يُدمج الصور أو بيانات حسية أخرى. لذا، فإن غياب التجربة الإنسانية لا يعني بالضرورة غياب الكفاءة الوظيفية.
في المقابل، لا يُظهر التفسير المناسب بالضرورة فهمًا بشريًا. فبإمكان نظام ما أن يتحدث عن المذاق دون إثبات تجربة تذوق فعلية، وأن يصف الحزن دون استثارة شعور شخصي تجاهه، وأن اللغة التي يعبر بها الناس عن حالاتهم الداخلية يمكن توليدها دون إثبات تلك الحالات علميًا. حاليًا، لا يوجد أساس مقبول عمومًا لاستنتاج التجربة الذاتية مباشرةً من أداء لغوي مقنع.
هذا يقود الشركات إلى منظور واقعي: لا ينبغي للشركات أن تحكم على الذكاء الاصطناعي بناءً على صفاته الشبيهة بالبشر أو وصفه اللغوي الذاتي. المهم هو القدرات القابلة للتحقق، ومعدلات الخطأ، والفوائد الملموسة في عملية العمل المعنية.
لماذا تقصر صيغة بناء الجملة بدون دلالات؟
يُشير التمييز بين النحو والدلالة إلى مشكلة حقيقية. يهتم النحو بالقواعد التي تُرتّب الرموز وفقًا لها، بينما تهتم الدلالة بمعانيها. قد تكون الجملة الصحيحة نحويًا خاطئة من الناحية الواقعية. وقد تستند توصية مُقنعة بشأن إجراء ما إلى افتراضات غير دقيقة.
مع ذلك، لا يمكن استنتاج أن الذكاء الاصطناعي لا يعالج أي بنى دلالية على الإطلاق. يعتمد هذا الاستنتاج على مفهوم المعنى. فإذا اقتصر المعنى على كونه تجربة ذاتية، فإن نسبته إلى الأنظمة الحالية غير مؤكدة. أما إذا شمل المعنى القدرة على التمييز بين المفاهيم بما يتناسب مع الموقف، واستخدام العلاقات لحل المشكلات، فإن الأنظمة قادرة على إظهار أداء وظيفي مماثل. ولهذا السبب تحديدًا، يبقى هذا التصنيف الفلسفي مثيرًا للجدل.
في التطبيقات التجارية، يُعدّ هذا التمييز أكثر عمليةً مما يبدو عليه في البداية. يمكن للنموذج استخدام مصطلح "تأخير التسليم" بشكل صحيح. ومع ذلك، فإنّ مدى موثوقية توصيته بشأن اختناق إمداد مُحدد يعتمد على قدرته على مراعاة مستويات المخزون ذات الصلة، والشروط التعاقدية، والترابطات الإنتاجية، والخيارات المتاحة.
لا تكمن المشكلة إذن في مجرد غياب المعنى بالمعنى الفلسفي، بل في احتمال وجود فهم غير مكتمل للواقع العملي. فالنظام ذو القدرة اللغوية العالية، والذي يفتقر إلى بيانات جرد محدّثة، يظل محدودًا في التخطيط التشغيلي. في المقابل، قد يكون النظام الأقل تعبيرًا، والذي يعتمد على بيانات موثوقة وقواعد واضحة لاتخاذ القرارات، أكثر جدوى من الناحية الاقتصادية.
لذا، فإن السؤال الإداري المركزي ليس ما إذا كانت الإجابة تبدو ذكية، بل ما إذا كانت المعلومات الأساسية والاستنتاجات والإجراءات المقترحة كافية لاتخاذ القرار المحدد.
التجريد يعني إدراك النقطة الأساسية حتى خارج نطاق المثال
يستطيع الناس تكوين مفاهيم عامة من تجاربهم الفردية. فالكرسي لا يُعرَّف بلونٍ مُحدد، أو بمادةٍ معينة، أو بأربع أرجلٍ تحديداً. المهم هو وظيفته في سياق الاستخدام. لذا، حتى الدلو المقلوب يُمكن أن يُستخدم كمقعد.
يُظهر هذا المثال قوة تكوين المفاهيم لدى الإنسان: إذ يربط الناس بين الإدراك والتجربة الجسدية والإشارات الاجتماعية والأهداف العملية. مع ذلك، سيكون من المضلل استخلاص قاعدة عامة من هذا مفادها أن البشر يكتفون دائمًا بأمثلة قليلة بينما تحتاج الآلات بطبيعتها إلى أمثلة كثيرة. فالطفل لا يصادف الأشياء دون معرفة مسبقة، إذ يعتمد تعلمه على تاريخ نمائي حافل.
حتى مع الذكاء الاصطناعي، لا بد من التمييز بين مرحلة التدريب المعقدة وتطبيق نموذج مُدرَّب مسبقًا. يستطيع النظام المُدرَّب مسبقًا التعامل مع مهام جديدة باستخدام أمثلة قليلة فقط، لأنه يعتمد على بنى مكتسبة سابقًا. لذا، فإن العامل الحاسم ليس العدد الهائل من الأمثلة المُقدَّمة فورًا، بل مدى امتداد المبدأ المُتعلَّم خارج نطاق المواقف المألوفة.
وهنا تكمن الصعوبة الرئيسية. فالأداء الجيد في فئة مهام معينة لا يضمن بالضرورة إمكانية تطبيقه بشكل متساوٍ على مهام أخرى. تُظهر الدراسات التي أُجريت على الأعمال كثيفة المعرفة أن الذكاء الاصطناعي يُسهم بشكل كبير في بعض المهام، بينما قد يُؤدي إلى تراجع جودة النتائج في مهام أخرى تبدو ظاهريًا مماثلة في صعوبتها.
بالنسبة للشركات، يعني هذا ضرورة اختبار قدرات التجريد في مواجهة مشاكل النقل الواقعية. فالنظام الذي يلخص الشكاوى السابقة بفعالية قد لا يتمكن من تحديد وجود خلل تصميمي غير معروف سابقًا وراء الشكاوى الجديدة. كما أن النموذج الذي يصف نماذج الأعمال الحالية بشكل مقنع قد لا يُقيّم بدقة أيًا من افتراضاتها الأساسية التي تنهار حاليًا.
متى تصبح التشبيهات مفيدة ومتى تضللك
التشبيه شكلٌ خاص من أشكال التجريد، حيث ينقل الناس هياكل من مجال إلى آخر. يتحدثون عن معوقات تنظيمية، أو أنظمة بيئية رقمية، أو آلية عمل نموذج الأعمال. هذه المفاهيم تُسهّل فهم العلاقات المعقدة.
مع ذلك، لا يُعدّ التشبيه دليلاً قاطعاً. قد يكون تطبيق مبدأ فيزيائي على العمليات الاجتماعية تجربة فكرية مثيرة للاهتمام، لكنه لا يُقدّم تفسيراً موثوقاً. فالشركات لا تتصرف كالكواكب، والأسواق لا تتبع ببساطة قوانين الحركة الميكانيكية.
خاصةً في التحليلات التي يُنشئها الذكاء الاصطناعي، ينبغي التمييز بين الوضوح اللغوي والصحة السببية. فقد يُخفي التشبيه البليغ حقيقة أن الافتراضات الأساسية لا تزال غير مُختبرة. ويصدق هذا بشكل خاص عندما يُنشئ النظام تفسيراً معقولاً من أنماط سردية مألوفة.
تُشير الدراسات التي تتناول التفكير الشبيه بالبشر في نماذج اللغة إلى وجود قيود، مثل الاختصارات الاستدلالية، والارتباطات الزائفة، والافتراضات السببية الخاطئة. وقد تحدث هذه المشكلات على الرغم من ارتفاع معدلات النجاح في اختبارات أخرى.
لا يصبح التجريد ذا قيمة اقتصادية إلا عندما يُتيح تحسينًا قابلًا للتحقق. ويساعد التشبيه الجيد في صياغة الفرضية. ويجب أن تُثبت البيانات أو التجارب أو الملاحظات العملية ما إذا كانت العلاقة المفترضة موجودة بالفعل. وتبقى القدرة على تحويل فكرة جذابة إلى عبارة قابلة للتحقق شرطًا أساسيًا لإجراء تحليل دقيق.
لا تنشأ الأفكار من البيانات فحسب، ولكنها لا تأتي من العدم أيضاً
قد تنشأ الأفكار البشرية من الفضول، أو الإحباط، أو النقص، أو الفرح، أو الخوف، أو التجربة الشخصية. قد يكتشف شخص يعاني يوميًا من عملية عمل مرهقة تحسينًا لم يكن متوقعًا في أي وصف وظيفي رسمي. يحدد رائد الأعمال مشكلةً ما من خلال التحدث إلى العملاء. يُعدّل المصمم أحد المكونات لأنه يكتشف نقاط ضعفه أثناء التجميع.
هذا المزيج من الخبرة والدافع وتحديد الأهداف يميز الإبداع البشري عن نتاج الأنظمة التوليدية الحديثة. مع ذلك، لا ينبغي غموض الإبداع البشري، فالأفكار غالباً ما تنشأ من مزيج مبتكر من المعارف الموجودة، ولا يشترط أن تكون خارج نطاق الخبرة السابقة لتكون أصلية وذات قيمة اقتصادية.
لذا، فإن الادعاء بأن الذكاء الاصطناعي لا يستطيع سوى محاكاة العمليات القائمة مبالغ فيه. إذ يمكن للأنظمة توليد تركيبات مبتكرة بهذا الشكل، ولفت انتباه الناس إلى إمكانيات قابلة للتطبيق. وفي مهام الاستشارات التجريبية، كانت المتطلبات الإبداعية من بين الأنشطة التي يمكن للذكاء الاصطناعي تحسين الأداء فيها.
السؤال الأهم هو من يحدد التوجه ومن يقيم قيمة النتائج. يمكن للآلة تطوير نسخ مختلفة من المنتج، لكن يبقى تقييم ما إذا كان هذا المنتج يحل مشكلة مهمة للعميل، أو يلبي احتياجات الشركة، أو مرغوبًا فيه اجتماعيًا، أمرًا يخضع لمزيد من التقييم.
الأصالة ليست سوى معيار واحد. قد تكون الفكرة الجديدة غير قابلة للاستخدام، أو غير قابلة للتسويق، أو حتى خطيرة. في المقابل، قد يُحقق تحسين أقل إثارةً فوائد اقتصادية كبيرة. لذا، فإن عدد المقترحات المُقدمة ليس مقياسًا موثوقًا للابتكار.
إن العمل المستقل ليس دليلاً على نوايا المرء
إن فكرة أن الذكاء الاصطناعي يستجيب فقط لمُدخل واحد تصف العديد من التطبيقات البسيطة، ولكنها لا تصف كل أشكال استخدامه. يمكن دمج الأنظمة في سير العمل الذي يبدأ تلقائيًا، ويستخدم الأدوات، ويُقيّم النتائج الوسيطة، ويُفعّل خطوات لاحقة. وبناءً على ذلك، تبحث الدراسات أيضًا في وكلاء الذكاء الاصطناعي الذين يُعالجون مهامًا مُحددة عبر خطوات متعددة.
يُتيح هذا الاستقلال التشغيلي دون الحاجة إلى إثبات الاحتياجات الفردية. يمكن للنظام العمل لتحقيق هدف ما لأن هذا الهدف مُحدد تقنيًا. لا يحتاج النظام إلى الشعور بالطموح أو الرغبة الشخصية في النجاح.
يتطلب مصطلح "القصدية" دقةً أيضاً. ففي الفلسفة، يشير غالباً إلى مباشرة الحالات الذهنية تجاه شيء ما. أما في اللغة الدارجة، فيعني غالباً النية أو الدافع الداخلي. ولا ينبغي مساواة هذين المعنيين ببساطة. بالنسبة للشركات، يكفي في البداية تمييزٌ أكثر عملية: من يحدد الهدف، وما هو نطاق العمل الممنوح للنظام، ومن يتحمل العواقب؟
على سبيل المثال، يمكن تحسين أداء وكيل المبيعات الآلي لتوليد أكبر عدد ممكن من العملاء المحتملين المؤهلين. ويعتمد ما إذا كان هذا سيؤثر سلبًا على علاقات العملاء، أو يخلق حوافز غير مرغوب فيها، أو يؤدي إلى استخدام غير لائق للمعلومات الحساسة، على القواعد والضوابط المعمول بها.
لذا، لا يكمن التحدي الاقتصادي في إضفاء دوافع بشرية على الآلة، بل في التوفيق بين السعي لتحقيق الأهداف التقنية والمصالح الريادية والمتطلبات المجتمعية. وكلما اتسع نطاق العمل، ازدادت أهمية الحدود القابلة للتحقق.
إنّ البصيرة أكثر من مجرد بيان مقنع
لحظة الإدراك العميق غالباً ما تُغير أكثر من مجرد إجابة واحدة. ففهم العلاقة بين الأمور يُتيح تصحيح المعتقدات السابقة، وتعديل السلوك، وإعادة تقييم الدور الشخصي. لذا، فإن لحظة الإدراك العميق تحمل بُعداً معرفياً وشخصياً.
مع الذكاء الاصطناعي، يجب التمييز بين هذه المستويات. يمكن للنظام أن يُقدّم تفسيراً دقيقاً أو يكشف عن رابطٍ كان غائباً عن الأنظار. وهذا قد يُفضي إلى فهمٍ حقيقيّ لدى الشخص. مع ذلك، لا يُثبت هذا بالضرورة أن النظام نفسه قد اختبر لحظة فهمٍ مُدركة ذاتياً.
لا يمكن حسم مسألة الوعي بتأكيد قاطع. فليس هناك تعريف عملي متفق عليه عالميًا يمكنه إثبات التجربة الذاتية بشكل نهائي في أي نظام معين. لذا، من منظور علمي، من المناسب التمييز بين غياب الأدلة الموثوقة وإثبات الاستحالة الجوهرية.
تُوضح الأبحاث التي تناولت أشكالاً محدودة من الملاحظة الذاتية في نماذج اللغة هذا التحذير. ففي التجارب، تمكنت النماذج من رصد معلومات حول الحالات الداخلية المتأثرة في ظل ظروف معينة. ومع ذلك، كانت النتائج غير موثوقة، ولم تُفسَّر صراحةً على أنها دليل على الوعي الظاهري.
بالنسبة للقرارات التجارية، فإن هذا الغموض أقل شللاً مما يبدو. يمكن للشركات تقييم جودة أداة تشخيصية أو تصميم أو توقعات دون حل مشكلة الوعي أولاً. لكن لا يجوز لها استخلاص سمات إضافية من أداء مقنع غير مدعوم بأدلة.
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات - الصورة: Xpert.Digital
ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.
تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.
المزايا الرئيسية باختصار:
⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.
🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.
💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.
🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.
📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.
للمزيد من المعلومات، انقر هنا:
الذكاء الاصطناعي ومستقبل صنع القرار
السوق يقيم النتائج، وليس التجربة الداخلية لمنشئها
تعتمد القيمة الاقتصادية للخدمة بشكل كبير على المشكلة التي تحلها، والتكاليف التي تتجنبها، والمخاطر التي تنجم عنها. لا تحتاج الشركة إلى نظام يتمتع ببديهية بشرية لتخصيص المستندات تلقائيًا، بل تحتاج إلى تخصيص موثوق، وتكاليف معقولة، ومعالجة واضحة للاستثناءات.
وهذا يفسر لماذا لا يُعدّ غياب الوعي المُثبت ضمانةً اقتصاديةً للعمل البشري. فالآلة لا تحتاج إلى تجربة نشاطٍ ما بطريقةٍ بشريةٍ لتقديم بعض نتائجها القابلة للتسويق. المهم هو ما إذا كان المشترون يتقبلون الأداء، وما إذا كانت التكاليف الإجمالية أقل أو النتائج أفضل.
في الوقت نفسه، لا تُعدّ كل نفقات متشابهة ظاهريًا متكافئة اقتصاديًا. ولا يُغني مسودة استراتيجية مُولّدة تلقائيًا عن اتخاذ قرار استراتيجي مسؤول. كما أن النص الذي يبدو قانونيًا لا يُعدّ بالضرورة تحليلًا قانونيًا سليمًا. ولا تُغني التوقعات عن القرار بشأن مستوى المخاطر التي ترغب الشركة في تحمّلها.
في المهن التي تتطلب معرفة مكثفة، يُغيّر هذا الأمر التركيز. قد يصبح إنشاء مسودة أولية أمراً متاحاً بسهولة أكبر. ومع ذلك، قد يكون من الأجدى تحديد المشكلة بدقة، والوصول إلى المعلومات ذات الصلة، والتحقق من الافتراضات، والتنفيذ في ظروف واقعية.
إذن، لا يكمن الفرق الجوهري ببساطة بين البشر والآلات، بل يكمن بين إنتاج مخرجات قابلة للتبادل وخدمة متأصلة بشكل موثوق في سياق اقتصادي ملموس.
ما تُظهره دراسات الإنتاجية وما تتركه مفتوحاً
لا ينبغي أن يقتصر النقاش الاقتصادي على الاعتبارات الأساسية. تُظهر الدراسات التجريبية أن الذكاء الاصطناعي التوليدي يمكن أن يُحسّن أداء العمل بشكل ملحوظ في ظل ظروف معينة.
أجرت دراسةٌ من قِبل إريك برينجولفسون، ودانييل لي، وليندسي ريموند، في ورقة عملٍ أولية، فحصت 5179 موظفًا في خدمة العملاء. وقد أظهرت الدراسة أن استخدام مساعد الذكاء الاصطناعي زاد الإنتاجية، مُقاسةً بعدد مشاكل العملاء التي تم حلها في الساعة، بنسبة 14% تقريبًا في المتوسط. وبالنسبة للموظفين عديمي الخبرة وذوي المهارات المتدنية، بلغت الزيادة المُقاسة حوالي 34%، بينما استفاد الموظفون ذوو الخبرة والأداء العالي بنسبة أقل بكثير.
تُعدّ هذه الأرقام مهمة لعدة أسباب. أولاً، يرتبط التأثير بنشاط تشغيلي محدد وليس بالاقتصاد ككل. ثانياً، لا يُعدّ المتوسط مقياساً موثوقاً به لكل موظف على حدة. ثالثاً، يمكن أن يكون الذكاء الاصطناعي مفيداً بشكل خاص عندما تصبح المعرفة التجريبية الموجودة أكثر سهولة في الوصول إليها وتطبيقها مباشرة أثناء العمل.
يؤدي هذا إلى وظيفة اقتصادية محتملة: إذ يمكن للذكاء الاصطناعي نشر بعض المعارف التنظيمية التي كانت مرتبطة سابقًا بالأفراد ذوي الخبرة. وبالتالي، لا يضطر الموظفون الجدد إلى اكتشاف كل صيغة أو حل مناسب بأنفسهم.
مع ذلك، لا تُثبت الدراسة إمكانية استبدال العمالة الماهرة بشكل عام، ولا تُثبت حدوث التأثيرات نفسها في جميع القطاعات. فخدمة العملاء المعيارية تختلف اختلافًا كبيرًا عن قرار الاستثمار، أو المفاوضات المعقدة، أو تطوير نظام بالغ الأهمية للسلامة. لذا، تتطلب أرقام الإنتاجية دائمًا وصفًا للنشاط قيد الدراسة.
زيادة السرعة قد تؤدي إلى اتخاذ قرارات أسوأ
ومن التجارب اللافتة للنظر تجربة أجريت على 758 مستشارًا من مجموعة بوسطن الاستشارية. فعندما كُلِّف المشاركون بمهام ضمن قدرات النظام قيد الدراسة، أنجزوا، باستخدام دعم الذكاء الاصطناعي، مهامًا أكثر بنسبة 12.2% في المتوسط، وأنهوها أسرع بنسبة 25.1%. كما كانت جودة نتائجهم المُقَيَّمة أعلى بكثير.
لكن في مهمة مختلفة ومعقدة عمداً، انقلبت الموازين. فقد قلل دعم الذكاء الاصطناعي من احتمالية التوصل إلى حل صحيح. ويُشير التقرير المصاحب من كلية هارفارد للأعمال إلى أن متوسط الفرق يبلغ حوالي 19 نقطة مئوية.
يتضمن هذا تحذيراً اقتصادياً هاماً. فحدود أداء الذكاء الاصطناعي ليست موحدة. قد يتفوق النظام في مهمة ما، بينما يكون غير موثوق به في مهمة أخرى تبدو مشابهة لها. ولا يكون هذا الحد واضحاً للمستخدمين دائماً.
قد تُعقّد الجودة اللغوية الأمور، على وجه الخصوص. فالإجابة المُحكمة البناء تُولّد الثقة بسهولة، حتى لو كان افتراضها الأساسي خاطئًا. وإذا تقبّل الناس الاقتراح دون فحص المنطق الكامن وراءه، فإنّ الضعف التقني يتحوّل إلى ضعف تنظيمي.
لذا، لا يقتصر المعيار ذو الصلة على سرعة المعالجة فحسب، بل يشمل أيضاً سرعة الوصول إلى نتيجة موثوقة وقابلة للاستخدام وخاضعة للمساءلة. فالقرار الخاطئ السريع قد يكون أكثر تكلفة بكثير من الناحية الاقتصادية من القرار الصحيح الذي يُتخذ ببطء.
انخفاض تكلفة القدرة الحاسوبية يساهم في حل مشكلة النقص في العمل المعرفي
يُؤدي انخفاض تكاليف الذكاء الاصطناعي القوي إلى زيادة الضغط من أجل التغيير. ويشير مؤشر ستانفورد للذكاء الاصطناعي لعام 2025 إلى أن تكاليف الاستعلام لنظام ذي مستوى أداء يُضاهي GPT-3.5 قد انخفضت بأكثر من 280 ضعفًا بين نوفمبر 2022 وأكتوبر 2024. ويُشير هذا إلى مستوى أداء مُحدد، وليس إلى انخفاض عام في تكلفة جميع تطبيقات الذكاء الاصطناعي بنفس القدر.
من الناحية الاقتصادية، يعني هذا التطور أن بعض أشكال العمل الفكري الأساسي أصبحت متاحة بسهولة أكبر. فالملخصات، وتنوعات النصوص، والتحليلات الأولية، والمسودات البسيطة تفقد بعضاً من ندرتها السابقة. وهذا يزيد من حدة المنافسة على الخدمات التي تستمد قيمتها أساساً من إنتاجها الذي يتطلب جهداً بشرياً مكثفاً.
مع ذلك، لا تعني تكاليف النموذج المنخفضة بالضرورة انخفاض التكاليف الإجمالية. فقد تحتاج الشركة إلى إعداد البيانات، وتطوير واجهات المستخدم، وإدارة صلاحيات الوصول، ومراجعة النتائج، وتدريب الموظفين. علاوة على ذلك، توجد تكاليف محتملة مرتبطة بالإنفاق الخاطئ.
لذا، يتغير مفهوم الندرة. فإذا أصبحت التصاميم رخيصة، قد تصبح مراجعتها هي العائق الرئيسي. وإذا تم توليد الأفكار بأعداد كبيرة، يصبح الاختيار أكثر قيمة. وإذا تم تجميع المعلومات بسرعة، تزداد أهمية مسألة تحديد المعلومات الموثوقة والملائمة لاتخاذ القرار.
يُفسر هذا التحول قدرة الذكاء الاصطناعي على خفض قيمة الخدمات وفي الوقت نفسه توليد طلب جديد. لن تختفي جميع الأنشطة المدفوعة سابقًا، ولكن يجب إعادة تعريف الجزء من قيمة هذه الأنشطة الذي يعتمد على معالجة المعلومات الروتينية.
من توفير الوقت الظاهر إلى نتائج الأعمال الفعلية
لا ينبغي للشركة أن تقيس فوائد الذكاء الاصطناعي فقط بمدى سرعة إنجاز خطوة عمل واحدة. المهم هو ما إذا كانت العملية برمتها تتحسن.
لنفترض أن تصميم تحليل يستغرق عشر ساعات بدون استخدام الذكاء الاصطناعي، وست ساعات باستخدامه. في مرحلة الإنشاء، يُلاحظ توفير كبير في الوقت. مع ذلك، إذا تطلب الأمر ساعات إضافية للتحقق من المصادر، وتصحيح البيانات، وتصحيح الاستنتاجات الخاطئة، فإن الفائدة الفعلية تتضاءل. هذا المثال هو حساب نموذجي، وليس بيانًا حول دراسة محددة.
والأهم من ذلك هو السؤال عن كيفية استغلال الوقت المُوفَّر. يمكن استخدامه لطلبات إضافية، أو لتحسين خدمة العملاء، أو لإجراء مراجعة أكثر شمولاً. ومع ذلك، قد يبقى هذا الوقت غير مُستخدَم إذا حدَّت خطوات أخرى في العملية من الطاقة الإنتاجية.
لذا، ينبغي أن تأخذ التقييمات الاقتصادية في الحسبان تكاليف التطوير، وجهود الرصد، وعواقب الأخطاء، والاستخدام الفعلي. ويُعدّ مستوى المخاطرة المقبول في جلسة عصف ذهني غير ملزمة مختلفًا عن مستوى المخاطرة المقبول في قرار ذي تبعات مالية أو متعلقة بالسلامة.
يُغيّر هذا أيضًا منطق الاستثمار. فالنظام الرخيص ليس بالضرورة اقتصاديًا. قد يُجدي النظام الأكثر تكلفة نفعًا إذا قلّل بشكل ملحوظ من إعادة العمل أو قضى بشكل موثوق على عنق زجاجة حرج. العامل الحاسم هو التكلفة الإجمالية لتحقيق نتيجة قابلة للاستخدام.
لماذا لا يضمن تحسين الأداء الفردي تحقيق قفزة اقتصادية شاملة؟
لا يمكن ببساطة تعميم مكاسب الإنتاجية على مستوى المهام لتشمل الشركات أو الاقتصادات الوطنية. فإذا كان النشاط لا يشغل سوى جزء صغير من إجمالي وقت العمل، فإن مساهمته في الناتج الإجمالي تظل محدودة. علاوة على ذلك، تتكون الشركات من عمليات مترابطة.
إن تسريع عملية إنشاء العروض لا يُجدي نفعاً يُذكر إذا استمر تأخير الموافقة التقنية. وإذا ما ساهم الذكاء الاصطناعي في تسريع تطوير البرمجيات، فقد تكمن المشكلة في الاختبار أو التكامل أو متطلبات العملاء. ولن يُحقق تحسين استرجاع المعلومات إيرادات إضافية طالما بقيت القرارات والتنفيذ على حالها.
ينبغي تفسير معدلات التبني المرتفعة بحذر. يشير مؤشر ستانفورد للذكاء الاصطناعي لعام 2025 إلى أن 78% من المؤسسات التي شملها الاستطلاع كانت تستخدم الذكاء الاصطناعي في عام 2024، مقارنةً بـ 55% في العام السابق. وهذا يشير إلى الاستخدام المُبلغ عنه في وظيفة تجارية واحدة على الأقل، وليس دليلاً على تحول كامل ومثمر.
ثمة فرق جوهري بين التجريب والتكامل الفعال اقتصاديًا. فمساعد النصوص وحده لن يُغير نموذج العمل. ولن تُترجم القدرة التقنية إلى ميزة تنافسية مستدامة إلا عندما تتوافق إمكانية الوصول إلى البيانات والمسؤوليات وسير العمل وضمان الجودة.
لذا، يجمع المنظور الواقعي بين الديناميكية التكنولوجية والصبر التنظيمي. فالإمكانيات قد تنمو بسرعة، بينما يتطلب تنفيذها العملي وقتاً واستثمارات تكميلية.
تصبح المعرفة القياسية متاحة بسهولة أكبر؛ ولا يصبح الحكم تلقائياً غير ضروري
تُظهر دراسة خدمة العملاء أن الذكاء الاصطناعي يُمكن أن يُقلل من فجوات الأداء، لا سيما عندما يستفيد الموظفون الأقل خبرة بشكل كبير. وهذا يُشير إلى إمكانية نشر بعض أنواع المعرفة العملية بسهولة أكبر. مع ذلك، لا يعني هذا بالضرورة تحقيق تكافؤ عام في جميع المهارات.
في العديد من المهن، لا تقتصر الخبرة على مجرد الإجابة الصحيحة على سؤال نمطي، بل تشمل أيضاً القدرة على تمييز المواقف غير المألوفة، وتصنيف المعلومات غير المكتملة، وتقييم مستوى المعرفة الشخصية بواقعية.
إذا سهّل الذكاء الاصطناعي الوصول إلى المعرفة القياسية، فقد تتغير قيمة العمل الاحترافي تبعًا لذلك. قد يصبح من غير المهم إعادة إنتاج تفسير شائع دون مساعدة. بل سيصبح الأهم هو طرح السؤال الصحيح، والتعرف على الدلائل المتناقضة، وتحديد متى تكون الإجابة التي تبدو معقولة غير كافية.
يمثل هذا تحديًا كبيرًا للتعليم والتدريب. فمجرد تشغيل الأدوات لا يكفي. إذ لا يزال من الضروري لمن يتحقق من النتائج امتلاك أساس متين في الموضوع. ومن لم يفهم حساب التكلفة بنفسه، فلن يستطيع تقييم الحساب المُنشأ تلقائيًا إلا بشكل محدود.
لذا، ينبغي أن تجمع استراتيجية التأهيل الفعّالة بين أمرين: الاستخدام الأمثل للدعم التقني وتطوير المعرفة التي تُمكّن من إصدار الأحكام المستقلة. ولا ينبغي الخلط بين التسريع قصير الأجل وتنمية الكفاءات المستدامة.
لا تؤدي الأفكار الكثيرة إلا إلى مزيد من الابتكار إذا واكبت عملية الاختيار والاختبار هذا التطور
يُسهّل الذكاء الاصطناعي التوليدي إنتاج نسخ مختلفة من المنتجات. إذ يُمكن للشركات دراسة المزيد من مفاهيم المنتجات، وأساليب التواصل، ومقترحات حل المشكلات في وقت أقل. وهذا بدوره يُمكن أن يُؤدي إلى ميزة تنافسية في مجال الابتكار.
في الوقت نفسه، يتزايد خطر الخلط بين كثرة الأفكار واكتساب المعرفة. فمئة اقتراح ليست بالضرورة أكثر قيمة من عشرة. وإذا كانت مبنية على افتراضات متشابهة، فإنها تزيد في المقام الأول من الجهد المطلوب للاختيار.
لا يقتصر عرض جامعة هارفارد لتجربة الاستشارات على تحسين الأداء فحسب، بل يشير أيضاً إلى احتمال أن يحدّ الذكاء الاصطناعي من تنوّع الأفكار. وهذا أمر بالغ الأهمية لعمليات الابتكار: إذ يمكن لأداة ما أن تُحسّن النتائج الفردية، وفي الوقت نفسه تُسهم في وصول العديد من الأشخاص إلى حلول أكثر تشابهاً.
لذا، ينبغي للشركات استخدام الذكاء الاصطناعي ليس فقط في الإنتاج، بل أيضاً في عمليات التحقق المتبادل الموجهة. ويمكن أن تساعد الافتراضات المختلفة، أو مجموعات الاستهداف البديلة، أو وجهات النظر المتناقضة عمداً، في توسيع نطاق التحقيق. ومع ذلك، فإن نجاح ذلك يعتمد على النتائج الفعلية.
تبقى الخطوة الحاسمة هي الاختبار. فملاحظات العملاء، والتجارب التقنية، وتحليلات التكلفة والعائد الدقيقة، هي ما يميز الفكرة الواعدة عن الابتكار القابل للتطبيق. يمكن للذكاء الاصطناعي أن يدعم هذه العملية، لكنه لا يستطيع أن يحل محلها بمجرد قوة إقناعه.
لا يمكن تفويض المسؤولية الإنسانية من خلال إجابة طليقة
في الشركات، لا يقتصر الأمر على اتخاذ القرارات فحسب، بل يجب تبريرها ومحاسبة المسؤولين عنها. فالذين يستثمرون، أو يوظفون الموظفين، أو يطرحون المنتجات، هم من يحددون عواقب ذلك على الآخرين. ولا يُعفي وجود مخرجات نظام مقنعة من هذه المسؤولية.
لا يُعدّ الإشراف البشري وحده ضمانةً كافية. فقد أظهرت نتائج التجربة الاستشارية أن دعم الذكاء الاصطناعي قد يُؤدي في الواقع إلى تراجع أداء الأفراد في بعض المهام. فوجود شخص في نهاية العملية لا يجعل النظام المعيب موثوقًا به تلقائيًا.
لذا، تتطلب الرقابة الفعالة ظروفاً ملائمة. يجب أن يمتلك الشخص المراجع الخبرة الكافية والوقت اللازم وإمكانية الوصول إلى المعلومات. علاوة على ذلك، يجب أن يكون مخولاً فعلياً برفض التوصية أو طلب إجراء تحقيقات إضافية.
في القرارات المهمة، ينبغي أن يبقى واضحاً ما هي البيانات المستخدمة، وما هي الافتراضات الحاسمة، وأين تكمن أوجه عدم اليقين. ليس الهدف هو شرح كل التفاصيل التقنية، بل القدرة على دراسة الأساسيات ذات الصلة بالقرار.
يكمن هنا الفرق الجوهري بين مجرد الأتمتة والأتمتة المسؤولة. فالأولى تُنتج نتائج، بينما تربط الثانية النتائج بمسؤوليات قابلة للتتبع، ومخاطر مُدارة، ومعالجة مناسبة للاستثناءات.
إن تقسيم العمل الجديد لا يتطلب عبادة الآلات ولا المبالغة في تقدير الذات لدى الإنسان
إن المقارنة بين مجرد آلة تصنع الأنماط وإنسان مبدع بطبيعته صورةٌ بليغة، لكنها تبسيطية للغاية ولا تُقدّم تفسيراً كاملاً. فالبشر أيضاً يتعاملون مع الأنماط، ويتبنّون الروتين، ويرتكبون الأخطاء. أما الذكاء الاصطناعي، فيُمكنه تحقيق إنجازات تتجاوز مجرد التكرار.
لذا، لا يكمن التمييز الصحيح في الادعاء بأن أحد الجانبين يركز فقط على الحساب والآخر فقط على الفهم، بل يكمن في اختلاف المتطلبات والقدرات وسياقات المسؤولية.
يمتلك البشر تجارب حياتية وعلاقات اجتماعية واهتمامات شخصية، ويتأثرون بنتائج القرارات الاقتصادية. تستطيع أنظمة الذكاء الاصطناعي معالجة المعلومات وإنتاج النتائج دون إظهار تجارب ذاتية مقابلة. ولا يُغيّر السؤال المفتوح حول الوعي من هذه الأدلة الحالية.
ينبغي أن يستغل تقسيم العمل الفعال هذه الاختلافات بدلاً من تجاهلها لغوياً. يمكن للآلات المساعدة في البحث، والتنظيم، وتطوير البدائل، ومعالجة المشكلات بطريقة محددة. ليس من الضروري أن يقوم البشر بكل خطوة وسيطة بأنفسهم. ومع ذلك، ينبغي أن يحتفظوا بالقدرة على التقييم عندما تكون الأهداف والافتراضات الأساسية والقرارات المصيرية على المحك.
لا يُعدّ هذا التقسيم للعمل قانونًا طبيعيًا ثابتًا، بل يجب تطويره باستمرار مع التقدم التكنولوجي ونتائج التجارب العملية. فالمهمة الصعبة اليوم قد تصبح قابلة للأتمتة في المستقبل. ومع ذلك، تبقى المسؤولية والغاية مسألتين منفصلتين.
تكمن الميزة التنافسية الحاسمة في الحكم القابل للتحقق
لا تتوقف الأهمية الاقتصادية للذكاء الاصطناعي على ما إذا كانت الآلات ستشهد يومًا ما لحظة إدراكٍ إنساني. فحتى اليوم، تستطيع الأنظمة تسريع وتحسين بعض المهام القائمة على المعرفة. في المقابل، تُظهر الدراسات أن دعمها في مهام أخرى قد يؤدي إلى نتائج أقل جودة. لذا، يجب دائمًا مراعاة الأداء والموثوقية معًا.
تُحدد الصيغة الأصلية - التي يفهمها البشر ويحسبها الذكاء الاصطناعي - حدسًا هامًا: يرتبط الفكر البشري بالتجربة والمعنى والمشاركة الشخصية. مع ذلك، وباعتبارها حدًا علميًا عامًا، فإنها تظل قاطعة للغاية. فالفهم، أو استحالته، لا يترتب تلقائيًا على الحساب. واللغة المقنعة لا تعني بالضرورة وجود وعي مثبت.
بالنسبة للشركات، ثمة استنتاج مختلف وأكثر قوة. ينبغي عليها توظيف الذكاء الاصطناعي حيثما تكون فوائده قابلة للتحقق، والتعامل بجدية مع قيوده عندما تكون للأخطاء عواقب وخيمة. كما ينبغي عليها عدم المبالغة في تقدير المهارات البشرية، بل تطويرها بشكل منهجي: الخبرة، والتحليل النقدي، وفهم المشكلات، والتفكير التجريبي، والاستعداد لرفض التفسيرات الجذابة.
لذا، قد لا يكمن العائق الحقيقي في اقتصاد قائم على الذكاء الاصطناعي في إنتاج الإجابات بقدر ما يكمن في القدرة على تمييز الإجابات الجيدة من السيئة. فمع تزايد سهولة الوصول إلى الاقتراحات والتحليلات والتصاميم، لا يكون الفائز بالضرورة هو من ينتج أكبر قدر منها. بل تكمن الميزة في أولئك الذين يختارون المشكلات المناسبة، ويختبرون النتائج في الواقع، ويترجمون الإنجاز التقني إلى قيمة مضافة موثوقة.
🎯🎯🎯 مركز صناعي قائم على البيانات بين الشركات كحل شبه داخلي
الحل شبه الداخلي: كيف تسدّ Xpert.Digital الثغرات التشغيلية في التسويق والمبيعات بين الشركات - أعمال ذكية قائمة على المحتوى - الصورة: Xpert.Digital
Xpert.Digital هي منصة صناعية B2B تعتمد على البيانات بقيادة Konrad Wolfenstein . تعمل الشركة كحل خارجي شبه داخلي للشركاء الصناعيين، حيث تسد الثغرات التشغيلية في التسويق والمحتوى والمبيعات - دون الحاجة إلى موارد إضافية من جانب العميل.
للمزيد من المعلومات، انقر هنا:
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
