المعرفة المتخصصة تلتقي بالذكاء الاصطناعي: مستقبل الذكاء الاصطناعي في ألمانيا لن يُحسم في مركز البيانات، بل في ورشة العمل

يمكن للذكاء الاصطناعي أن يُسرّع من حدوث الأخطاء - إذا فقدت الشركات خبرة متخصصيها

قد يكمن سرّ تفوق ألمانيا الحاسم في عصر الذكاء الاصطناعي في مكانٍ لا يتوقعه أحد: ليس في مراكز البيانات الضخمة أو أحدث نماذج اللغة، بل في عقول وأيدي المتخصصين ذوي الخبرة. تكمن معرفتهم في مهاراتهم اليدوية، وعينهم الخبيرة، وبديهتهم التي تمكنهم من إدراك متى لا تعمل الآلة بشكل صحيح أو متى يحتاج أحد مكوناتها إلى فحص دقيق. نادرًا ما نجد هذه المعرفة في دليل استخدام، ولا يمكن نسخها ببساطة.

لكن هذه المعرفة العملية تحديدًا هي المعرضة لخطر الضياع. فملايين الموظفين من جيل طفرة المواليد يقتربون من سن التقاعد، بينما تفتقر العديد من الشركات إلى المواهب الشابة. وفي الوقت نفسه، تُدخل الشركات الذكاء الاصطناعي، الذي يُمكنه تسريع العمليات والتعرف على الأنماط، ولكن بدون خبرة القوى العاملة، قد يُركز على حل المشكلة الخاطئة. لذا، لا تكمن فرصة ألمانيا بالضرورة في كونها في طليعة السباق نحو أكبر النماذج، بل في الجمع الفعال بين المهارات البشرية والذكاء الاصطناعي، ونقل المعرفة بين الأجيال في كلا الاتجاهين. والسؤال المحوري هو: هل لا يزال لدى الشركات الصغيرة والمتوسطة الوقت الكافي للقيام بذلك؟.

تنسخ الصين الآلات في غضون أشهر. وتفقد ألمانيا خبرتها العملية على مر السنين، ولا يكاد أحد يلاحظ ذلك

عادةً ما يركز من يتحدثون عن طفرة الذكاء الاصطناعي على الجوانب الظاهرة. يتحدثون عن مراكز البيانات، ومعالجات الرسومات، والتقييمات التي تصل إلى مليارات الدولارات، ونماذج اللغة، والأذرع الروبوتية التي تمسك بالمكونات في ثوانٍ. كل هذا يمكن تصويره وعرضه في العروض التقديمية وعكسه في الميزانيات العمومية. لكن ما سيجعل الشركة ذات قيمة حقيقية في المستقبل بفضل الذكاء الاصطناعي يكمن في مكان لا يظهر في أي صورة: المعرفة العملية لأشخاص عملوا مع الآلات والمواد والعملاء والأخطاء لعقود.

يمكن استنساخ الآلة. ويمكن تطوير نموذج ذكاء اصطناعي وتدريبه وتكييفه مع احتياجات محددة. مع ذلك، غالبًا ما يبقى سبب إعادة فحص مفتش خبير لنقطة معينة أثناء اختبار القبول غير مُفسَّر في أي دليل. ربما يكون قد شهد فشل لحام في تلك النقطة تحديدًا قبل خمسة عشر عامًا. ربما يعرف المورِّد الذي تختلف معاييره بين الشتاء والصيف. ربما يسمع ببساطة صوت محرك يُشبه إشارة تحذيرية لوجود خلل ما. في المواقف الحرجة، تُحدِّد هذه المعرفة ما إذا كانت الشركة ستستفيد من الذكاء الاصطناعي أم سترتكب خطأً مكلفًا بسرعة أكبر.

يؤدي هذا إلى مقامرة تبدو في البداية غير منطقية. ففي عصر الذكاء الاصطناعي تحديدًا، قد تتمتع الشركات الألمانية الصغيرة والمتوسطة بميزة هيكلية. لا يعود ذلك إلى برمجيات أفضل أو مراكز بيانات أكبر، إذ يتفوق عليها منافسوها في كلا المجالين. تكمن الميزة في مؤسسة جمعت بين الشباب والمهنيين ذوي الخبرة لأجيال. لكن نجاح هذه المقامرة يتوقف على سؤالين: ما الذي يعرفه جيلٌ ما ويمكن للجيل الذي يليه أن يتعلمه؟ ومن هو المستعد للاستماع إلى الآخرين أيضًا؟

اقتصاديات المعرفة الصامتة

يستخدم علم الاقتصاد مصطلحًا معقدًا نوعًا ما لوصف ما يمتلكه العمال المهرة ذوو الخبرة، والحرفيون الماهرون، والمهندسون: المعرفة الضمنية. تشير هذه المعرفة إلى المهارات التي يصعب، بل يستحيل أحيانًا، التعبير عنها بالكلمات. لطالما ميّزت أبحاث سوق العمل بين المعرفة الصريحة، التي يمكن تدوينها ونقلها وإدراجها في المناهج الدراسية، والمعرفة الضمنية، المتأصلة في المهارات اليدوية، والأنماط الإدراكية، والأحكام. تُعتبر المعرفة التجريبية شكلًا متطورًا للغاية من أشكال المعرفة الإجرائية، إذ تربط بين المستويين بطريقة تمكّن الأفراد من حلّ المهام بكفاءة حتى في ظل نقص المعلومات، وضغط الوقت، والظروف المتغيرة.

من الناحية الاقتصادية، تُعدّ هذه المعرفة قيّمة للغاية لثلاثة أسباب. أولًا، يصعب تسويقها. فلا يوجد سوقٌ يُمكن فيه شراء حدس مُفتّش الجودة في تحديد النقاط الحرجة. في أحسن الأحوال، يُمكن توظيف الشخص الذي يمتلكها، وحتى في هذه الحالة، لا ينجح نقل هذه المعرفة إلا إذا سمحت البيئة الجديدة له بتطبيق مهاراته. ثانيًا، يصعب نسخها. يُمكن إعادة بناء رسومات التصميم من خلال الهندسة العكسية، ويمكن شراء مرافق الإنتاج، وإعادة برمجة البرامج. إلا أن التفاعل بين معرفة العمليات، وفهم العملاء، والخبرة المكتسبة من الأخطاء التي تتطور داخل شركة راسخة، يُخالف هذا المنطق إلى حد كبير. ثالثًا، تُفقد هذه المعرفة إذا لم تُنقل. فعلى عكس الآلة التي يُمكن تخزينها، تختفي المعرفة العملية مع الشخص الذي يغادر الشركة.

هذه السمة تحديدًا هي جوهر القدرة التنافسية للعديد من الشركات الألمانية الرائدة. فنادرًا ما تستند ريادتها في السوق العالمية إلى اختراع واحد مذهل، بل إلى آلاف التحسينات الصغيرة، وإلى دقة تصنيع لا يستطيع الآخرون تحقيقها بثبات، وإلى القدرة على حل مشاكل العملاء قبل أن يتمكنوا حتى من التعبير عنها. هذه خبرة متراكمة، موزعة بين العقول والجهود والأقسام. لا تظهر هذه الخبرة في الميزانية العمومية، لكن أي شخص شهد شركةً تُثير فجأةً سيلًا من الشكاوى بعد رحيل اثنين من الشخصيات الرئيسية يُدرك قيمتها.

لماذا يؤدي الذكاء الاصطناعي أيضاً إلى تسريع الأخطاء

الذكاء الاصطناعي هو في جوهره مُضخِّم. فهو يُعالج البيانات بسرعة أكبر، ويتعرف على الأنماط بكميات هائلة، ويُؤتمت القرارات التي كانت تتطلب سابقًا تدخلًا بشريًا. هذه هي ميزته الهائلة. ولكنها أيضًا تُشكّل خطره، لأن المُضخِّم لا يُميّز بين الإشارات الجيدة والسيئة. فالنموذج الذي يتعلم من بيانات غير مكتملة أو مُشوَّهة لا ينقل نقاط ضعفه فحسب، بل يُضخِّمها أيضًا.

في الممارسة الصناعية اليومية، يصبح هذا الأمر ملموسًا للغاية. يستطيع نظام فحص الجودة البصرية المدعوم بالذكاء الاصطناعي فحص ملايين المكونات في وقت قصير. ولكن إذا لم يكن أحد على دراية بأنماط العيوب الحرجة، فسيفحص النظام بشكل خاطئ. يستطيع نموذج لغوي صياغة العروض وتعليمات الصيانة وتقارير الاختبار في ثوانٍ. ولكن إذا لم يكن على دراية بأسئلة العميل المتطلب أثناء اختبار القبول، فإنه يُصدر وثائق مكتوبة بأسلوب سلس ولكنها تفشل في اللحظة الحاسمة. تستطيع خوارزمية الصيانة التنبؤية تقييم بيانات المستشعرات. ولكن إذا كانت تفتقر إلى معرفة أي الانحرافات غير ضارة وأيها تشير إلى عطل، فستُصدر إما إنذارات خاطئة أو شعورًا زائفًا بالاطمئنان.

لذا، لا يكمن جوهر القيمة في النموذج بحد ذاته، بل في دمجه مع خبرة المختصين. وتشهد النماذج الأساسية الكبيرة إنتاجًا واسع النطاق، إذ تتوفر عبر واجهات برمجة التطبيقات، ويتراجع سعر الحساب، وتتقلص الفروقات في أدائها. ما يميز شركة عن منافسيها هو نوعية المعرفة التي يمكنها إدخالها في هذه الأنظمة، بما في ذلك قوائم الأخطاء التي تحتفظ بها، ومعايير الاختبار التي وضعتها، والاستثناءات التي تعترف بها، ومتطلبات العملاء التي تفهمها. لكن البيانات ليست سوى نصف الحكاية، فالحكم السليم هو ما يحدد البيانات المهمة فعلاً.

يُفضي هذا إلى إدراكٍ مُقلقٍ لكل من ينظر إلى الذكاء الاصطناعي كوسيلةٍ لتوفير تكاليف العمالة ذات الخبرة. فمن يُسرّحون أصحاب الخبرة العميقة في العمليات، بالتزامن مع إدخال أنظمة الذكاء الاصطناعي، يحرمون هذه الأنظمة من أهم مواردها. قد تنجح هذه الحسابات على المدى القصير، لكنها ستؤدي على المدى المتوسط ​​إلى أخطاءٍ مُكلفة.

الفجوة بين الأجيال في الصين كدرس

قلما نجد مثالاً يُجسّد الدور المحوري للمعرفة المتوارثة بين الأجيال في التنمية الاقتصادية لأي بلدٍ بشكلٍ أوضح من الصين. فخلال الثورة الثقافية، توقف التعليم العالي عملياً. وبين عامي 1966 و1969، لم تقبل الجامعات أي طلاب جدد. ومن عام 1970 إلى 1976، اقتصر القبول على المتقدمين الذين يُعتبرون موثوقين سياسياً. ولم يُستأنف امتحان القبول الجامعي الوطني، المعروف باسم "غاوكاو"، إلا في خريف عام 1977 بعد توقف دام أحد عشر عاماً. وقد شكّل امتحان "غاوكاو" الشتوي الشهير في ذلك العام نقطة تحولٍ لجيلٍ كامل.

كانت عواقب هذا الانقطاع وخيمة. فقد جيلٌ سنواتٍ من التعليم، وتعرض المعلمون للاضطهاد، وتراجعت قيمة المعرفة، وفي كثير من المجالات، لم تُنقل إلى الأجيال اللاحقة. ولذا، كان الأمر الأكثر إثارة للدهشة هو ما حدث لاحقًا. فقد بنى الجيل التالي اقتصادًا صناعيًا في غضون عقود قليلة بوتيرةٍ لا مثيل لها تقريبًا في التاريخ الاقتصادي. كل من زار المواقع الصناعية الصينية في العقدين الماضيين شهد كيف تحولت الحقول إلى مجمعات صناعية، والموردون إلى رواد في السوق العالمية. اليوم، تُعد الصين أكبر دولة صناعية في العالم. من حيث كثافة الروبوتات في التصنيع، تفوقت الصين على ألمانيا: فمع حوالي 470 روبوتًا صناعيًا لكل 10,000 موظف، تجاوزت مؤخرًا جمهورية ألمانيا الاتحادية، ويعمل حاليًا أكثر من 1.7 مليون روبوت صناعي في المصانع الصينية.

والآن، يطور جيل صيني شاب الذكاء الاصطناعي، ويحقق نجاحاً باهراً. فقد لحقت نماذج اللغة الصينية سريعاً بأحدث التقنيات العالمية، غالباً بموارد أقل بكثير من نظيراتها الأمريكية. وهكذا، في بلد واحد، تلتقي ثلاثة أجيال بخلفيات شديدة التباين: جيل عانى من تقلبات الماضي، وآخر خاض غمار التصنيع، وثالث يتقن التقنيات الرقمية بسهولة.

يحمل هذا درساً يتجاوز حدود الصين. فوجود ثلاثة أجيال في بلد واحد حقيقة ديموغرافية. ويُعدّ دمج خبراتهم في شركة واحدة تحدياً تنظيمياً، بل وأكثر صعوبة. فالخبرة العملية لجيل التصنيع والمهارات الرقمية للجيل الشاب لا تندمج تلقائياً، بل يجب دمجهما في علاقات عمل ملموسة - على الآلات، وفي الاختبارات، وفي تفاعلات العملاء.

عندما تطغى السرعة على التعلم

يُقدّم مثال من مقاطعة شاندونغ توضيحًا لمدى واقعية هذا التحدي. فشركة كبيرة لتصنيع المركبات والآلات الزراعية في مدينة ريتشاو الساحلية، ويعمل بها حوالي 10,000 موظف، تُدير برنامجًا خاصًا للتدريب المهني. وقد وصف مديرها لمنظمة العمل الدولية مشكلة مألوفة لدى العديد من الشركات الصناعية: ضغط العمل اليومي الكبير لا يترك سوى القليل من الوقت للتدريب المنهجي للمتدربين. فالإنتاج يُعطى الأولوية، ويصبح التعلّم أمرًا ثانويًا.

تُثير هذه الملاحظة تساؤلات جوهرية. فمن المفارقات أن وتيرة النمو السريعة التي تُعزز قوة الشركة قد تحرمها من الوقت الكافي لنقل خبراتها. ففي مرحلة النمو، حيث تُعدّ كل ساعة عمل للآلات ذات قيمة بالغة، وتكون مواعيد التسليم ضيقة، تبدو الساعة التي يقضيها العامل الماهر ذو الخبرة مع المتدرب بمثابة تكلفة إضافية. ولا تتضح فائدتها إلا بعد سنوات، عندما يصبح المتدرب قادرًا على حل المشكلات بشكل مستقل، وتجنب الأخطاء، وتوجيه الآخرين. ومن الناحية الاقتصادية، يُعدّ التدريب استثمارًا طويل الأجل ذو عوائد غير مؤكدة، لأن الموظف المُدرّب قد يغادر الشركة في أي وقت. ولذلك، تُقلّل الأسواق التي تُركّز بشدة على الأداء قصير الأجل من الاستثمار في هذا النوع من رأس المال البشري بشكل منهجي.

أدركت الصين هذه المشكلة. فعلى مدى سنوات، دأبت الحكومة على تطوير نظام تدريب مهني حديث يهدف إلى دمج الخبرة العملية في مكان العمل مع التعليم النظري بشكل أفضل، مستفيدةً بشكل واضح من تجارب أوروبا. وبدعم دولي، تم اختيار شركات رائدة، ووضع معايير تدريبية، وهيكلة مراحل التدريب. مع ذلك، لا يمكن إنشاء مثل هذا النظام بمرسوم في غضون سنوات قليلة. فهو يتطلب شركات تُدرك أن التدريب جزء لا يتجزأ من هويتها، ومدربين ذوي مؤهلات تربوية ومهنية، ومؤهلات معترف بها، ومكانة اجتماعية للتعليم المهني تُضاهي المسار الأكاديمي. في مجتمعٍ لطالما اعتُبرت فيه شهادة الثانوية العامة (الغاوكاو) والدراسات الجامعية المعيار الذهبي لعقود، يُمثل هذا تحولاً ثقافياً.

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:

• الحل شبه الداخلي: كيف تسدّ Xpert.Digital الفجوات التشغيلية في التسويق والمبيعات بين الشركات – أعمال ذكية قائمة على المحتوى

المعادلة الألمانية: التركيبة السكانية تلتقي بالرقمنة

أي شخص يستنتج من هذا أن ألمانيا تستطيع أن تسترخي وتكتفي بالجلوس مكتوفة الأيدي فهو مخطئ تماماً. يتمتع النموذج الألماني بميزة، ولكنه يتعرض لضغوط غالباً ما يتم التقليل من شأنها.

بحسب حسابات المعهد الاقتصادي الألماني (IW)، سيبلغ نحو 19.5 مليون شخص من جيل طفرة المواليد سن التقاعد بحلول عام 2036. وفي الوقت نفسه، يتناقص عدد الشباب الملتحقين بسوق العمل بشكل ملحوظ. والنتيجة النهائية هي نقص وشيك في الأيدي العاملة يُقدّر بنحو 4.3 مليون شخص. هذا ليس مجرد رقم إحصائي، بل يعني أن جزءًا كبيرًا من الخبرات والمعارف المتراكمة في الشركات الألمانية سيُفقد خلال السنوات العشر القادمة بسبب التقاعد. ويُمثّل جيل طفرة المواليد، على وجه الخصوص، القوى العاملة الأكثر خبرة في العديد من المهن التقنية، وإدارة الجودة، والصيانة، ومبيعات السلع الرأسمالية المعقدة.

الوضع أكثر خطورةً في أعلى مستويات الشركات. فأكثر من ثلث مالكي الشركات المتوسطة الحجم تزيد أعمارهم عن 60 عامًا، وخُمسهم تتراوح أعمارهم بين 55 و59 عامًا. ويبلغ متوسط ​​أعمارهم أكثر من 54 عامًا. وبحلول نهاية عام 2029، يخطط حوالي 109 آلاف من مالكي الشركات الصغيرة والمتوسطة الحجم لتسليم شركاتهم إلى ملاك جدد سنويًا. في الوقت نفسه، يخطط مئات الآلاف من رواد الأعمال لإغلاق شركاتهم لعدم وجود خلفاء، بدلًا من نقل الملكية. ومع كل شركة تُغلق، لا تختفي الوظائف والإيرادات فحسب، بل تختفي أيضًا المعرفة المتعلقة بالعملاء والعمليات والأسواق المتخصصة التي لا يمكن استعادتها بالكامل.

إن الأساس الذي تقوم عليه ميزة ألمانيا يتداعى أيضاً. فقد انخفض عدد عقود التدريب المهني المزدوج المبرمة حديثاً إلى ما يقارب 476 ألف عقد في عام 2025، أي أقل بعشرة آلاف عقد عن العام السابق، بنسبة 2.1%، ويعود ذلك أساساً إلى انخفاض عدد العقود المبرمة مع الشركات. وفي الوقت نفسه، لا تزال العديد من فرص التدريب المهني شاغرة، بينما يعجز بعض الشباب عن إيجاد فرص تدريب مناسبة. ويُعدّ عدم التوافق بين العرض والطلب مشكلة متكررة في سياسة التعليم المهني.

الوضع مختلطٌ أيضاً فيما يتعلق باستخدام الذكاء الاصطناعي. ففي عام 2025، استخدمت ما يزيد قليلاً عن ربع الشركات الألمانية التي تضم عشرة موظفين على الأقل تقنيات الذكاء الاصطناعي، مقارنةً بالخُمس في العام السابق. يُعدّ معدل النمو ملحوظاً. مع ذلك، لا تزال الفجوة كبيرة بين الشركات الكبيرة والصغيرة. إذ تستخدم أكثر من نصف الشركات التي تضم 250 موظفاً على الأقل الذكاء الاصطناعي، بينما لا تتجاوز النسبة الربع في الشركات التي يتراوح عدد موظفيها بين 10 و49 موظفاً. وينتشر الذكاء الاصطناعي حالياً ببطء شديد في القطاعات التي تتسم بكثافة الخبرة العملية وهشاشتها، وتحديداً في المؤسسات الصناعية الصغيرة والمتوسطة.

إذن، تتلخص المعادلة الألمانية فيما يلي: رصيد هائل من المعرفة العملية، وتناقص سريع في عدد حامليها، وتراجع في أعداد المواهب الشابة، وتردد في التحول الرقمي في الشركات الصغيرة والمتوسطة. قد يُصبح هذا ميزة تنافسية، ولكن فقط إذا أمكن تأمين المعرفة الموجودة ضمن إطار زمني معقول، ونقلها، وجعلها قابلة للاستخدام مع الأدوات الجديدة.

ثلاثة أجيال على طاولة واحدة

تُجسّد محادثة دارت في شركة متوسطة الحجم كيف يمكن تطبيق هذا المبدأ على نطاق أصغر. جلس ثلاثة أشخاص من ثلاثة أجيال حول طاولة واحدة. أكبرهم، ديرك، يبلغ من العمر 67 عامًا. وهو يُحضّر الأسئلة التي قد يطرحها العميل لاحقًا، والاعتراضات التي تُثار خلال اختبارات القبول، والاستفسارات الحاسمة حول المتانة، فضلًا عن خبرته في أسباب فشل المشاريع عادةً. في المنتصف، يجلس شاب يبلغ من العمر 45 عامًا، ذو خلفية في الهندسة الميكانيكية وإدارة الجودة، وهو مُلِمٌّ بالعمليات والمعايير ومنطق الاختبار. أما أصغرهم، ماكسي، فيبلغ من العمر 16 عامًا، وهو من بنى نظام الذكاء الاصطناعي للشركة.

يُشكّل هذا الوضع تحديًا لنظام غير معلن لا يزال سائدًا في العديد من الشركات اليوم. فلو كان معيار تحديد من يُمكنه شرح أمرٍ ما لمن يعتمد على سنوات الخدمة، لكان مطوّر الذكاء الاصطناعي آخر من يحصل على الموافقة. في الهياكل التنظيمية التقليدية، تتدفق المعرفة من أعلى الهرم إلى أسفله، من ذوي الخبرة إلى الجدد، ومن الخبير إلى المتدرب. أما في عالم تتطور فيه الأدوات الرقمية بوتيرة أسرع من قدرة لوائح التدريب على التكيف، فإن هذا المسار أحادي الاتجاه لم يعد كافيًا.

تكمن القيمة الحقيقية لهذا المثلث في أن كل فرد فيه يُضيف ما ينقص الآخر. فالشخص الخبير يعرف الأسئلة المهمة، لكنه قد لا يستطيع تحويلها إلى نظام. أما الجيل الشاب، فيستطيع بناء الأنظمة، لكنه لا يعرف الأسئلة التي يحتاج إلى الإجابة عنها. ويُجسّد الجيل المتوسط ​​الفجوة بين هذين العالمين، مُحوّلاً المعرفة إلى عمليات ومعايير وإجراءات اختبار. ومن خلال هذا التفاعل فقط، يُمكن لتطبيق الذكاء الاصطناعي أن يظهر، ليس فقط من الناحية التقنية، بل أيضاً من حيث قدرته على اجتياز تدقيق العملاء المُتطلبين.

يشير البحث في مجال الموارد البشرية إلى الاتجاه المعاكس، حيث يُعرّف الشباب كبار السن بالتقنيات الجديدة، فيما يُعرف بالتوجيه العكسي. في عصر الذكاء الاصطناعي، يتجاوز هذا الأمر كونه مجرد أداة لتطوير الموظفين، ليصبح شرطًا أساسيًا لدمج المعرفة العملية في الأنظمة الرقمية. يتطلب هذا من كبار السن أن يكونوا على استعداد للاستماع إلى شاب في السادسة عشرة من عمره، وأن لا يتجاهل الشباب سؤال شخص في السابعة والستين من عمره باعتباره نقصًا في الفهم التكنولوجي، بل كمؤشر على مشكلة لم يحلها نظامهم بعد. كلا الأمرين أكثر تعقيدًا مما يبدو، لأنهما يمسّان المكانة الاجتماعية، والصورة الذاتية، والأدوار الراسخة.

التدريب المهني المزدوج كبنية تحتية للذكاء الاصطناعي يتم التقليل من شأنها

هنا تبرز قوة الشركات الصغيرة والمتوسطة في ألمانيا. فبفضل نظامها المزدوج للتدريب المهني، تمتلك ألمانيا مؤسسة تحقق ما تعجز عنه اقتصادات أخرى كثيرة: إذ تجمع بشكل منهجي بين الشباب والمهنيين ذوي الخبرة في الشركات على مدى سنوات عديدة، وفقًا لقواعد واضحة. لا يقتصر تعلم المتدربين على المدارس المهنية فحسب، بل يشمل أيضًا العمل على آلات حقيقية، وتنفيذ طلبات عملاء فعلية، تحت إشراف خبراء أتقنوا حرفتهم لعقود. ويحظى هذا النظام بحماية غرف التجارة، ولوائح التدريب، والامتحانات، وعلى الرغم من بعض الانتقادات، فإنه يحظى بمستوى من التقدير الاجتماعي تحسده عليه دول أخرى.

حتى الآن، كان يُنظر إلى التدريب المهني المزدوج في المقام الأول كأداة لتأمين العمالة الماهرة ودمج الشباب في سوق العمل. في عصر الذكاء الاصطناعي، يكتسب هذا التدريب وظيفة إضافية، كانت غائبة عن الأنظار سابقًا: فهو بمثابة بنية تحتية لنقل المعرفة بين الأجيال، في كلا الاتجاهين. يستطيع الحرفي الماهر أن يُعلّم المتدرب كيفية تحديد العيوب. ويستطيع المتدرب أن يُعلّم الحرفي الماهر كيف ستفيد هذه المعرفة الورشة بأكملها غدًا، لأنه يعرف كيفية تنظيمها في قاعدة بيانات معرفية، أو إدخالها في مساعد ذكاء اصطناعي، أو ترجمتها إلى تقرير فحص رقمي.

يجعل هذا النهج المزدوج النموذج فرصةً محتملةً لأوروبا بأكملها. من غير المرجح أن تتفوق القارة على الولايات المتحدة أو الصين في سباق امتلاك أكبر نماذج لغوية وأقوى مراكز بيانات. مع ذلك، يمكنها تعزيز قوتها في المجالات التي يلتقي فيها الذكاء الاصطناعي بالتطبيقات الصناعية: في التصنيع، وضمان الجودة، والصيانة، والخدمات اللوجستية، وهندسة المصانع. في هذه المجالات، تُعدّ الخبرة العملية للقوى العاملة المورد الأساسي، وأوروبا، ولا سيما الدول الناطقة بالألمانية بتقاليدها العريقة في التدريب المهني، تمتلك هذه الخبرة بوفرة.

لإطلاق هذه الإمكانات، لا بد من تطوير التدريب المهني المزدوج. فاللوائح التدريبية التي تُعامل المهارات الرقمية كمسألة ثانوية لا تعكس الواقع. يحتاج المدربون أنفسهم إلى الوصول إلى أدوات الذكاء الاصطناعي وحرية استخدامها في تدريبهم اليومي. يجب على الشركات توفير بيئات للمتدربين تمكنهم من تطوير واختبار حلولهم الرقمية الخاصة، بدلاً من مجرد دمجها في عمليات محددة مسبقاً. كما يجب أن يتحول دور المتدرب من مجرد متلقٍ إلى مشارك فاعل. يُلزم قانون الذكاء الاصطناعي الأوروبي الشركات بالفعل بضمان امتلاك موظفيها مهارات كافية في هذا المجال. وسيكون التدريب المهني المزدوج وسيلة مثالية للوفاء بهذا الالتزام، ليس كعبء بيروقراطي، بل كاستثمار.

من المعرفة الأساسية إلى ذاكرة ورشة العمل

كيف يُمكن ترجمة هذا المفهوم إلى تطبيقات عملية في مجال الأعمال؟ تُظهر التجارب أن العديد من مشاريع إدارة المعرفة تفشل لأنها تبدأ بشكل نظري مُفرط. يتم شراء البرامج، وإنشاء موقع ويكي، على أمل أن يُساهم الموظفون ذوو الخبرة بمعرفتهم. لكن هذا نادرًا ما يحدث، لأن المعرفة الضمنية لا يُمكن تحويلها إلى نص بضغطة زر، ولأن المعنيين ببساطة لا يملكون الوقت الكافي لذلك في عملهم اليومي. لذا، يُعدّ النهج الذي يُركّز على العمل الملموس نفسه أكثر جدوى.

تتمثل الخطوة الأولى في تحديد مواطن النقص المعرفي داخل الشركة. من هم الموظفون الذين يمتلكون معارف لا يمتلكها غيرهم؟ من منهم سيتقاعد خلال السنوات الخمس القادمة؟ في أي مراحل العمل تحدث الأخطاء الأكثر تكلفة، ومن لديه الخبرة اللازمة لتجنبها؟ يُعدّ تحليل المخاطر هذا لقاعدة المعرفة جديدًا بالنسبة لمعظم الشركات المتوسطة الحجم، على الرغم من أهميته البالغة لضمان استمراريتها في المستقبل، تمامًا كتقييم الآلات أو الوضع المالي.

تتمثل الخطوة الثانية في تشكيل فرق ثنائية أو ثلاثية من مختلف الأجيال ذات مهمة واضحة. فبدلاً من مجرد نقل المعرفة العامة، يعمل خبير متمرس وزميل أصغر سناً ملمّ بالتكنولوجيا الرقمية معاً على حل مشكلة محددة. على سبيل المثال، قد يطورون مساعداً ذكياً يعمل بالذكاء الاصطناعي لحل مشاكل نظام معين، أو استبياناً لاختبار قبول العملاء، أو بروتوكول اختبار رقمي يوثق أنماط الأخطاء الشائعة بالصور والشروحات. لا تُقيّم المعرفة بشكل مجرد، بل تُعرض من خلال الحوار. يشرح الزميل الخبير سبب تركيزه الشديد على نقطة معينة، ويطرح الزميل الأصغر سناً أسئلة حتى تتضح قاعدة مفهومة.

تُسهّل أدوات الذكاء الاصطناعي الحديثة هذه العملية بشكلٍ كبير. إذ يُمكن نسخ تسجيلات المحادثات وهيكلتها تلقائيًا. كما يُمكن ربط صور ومقاطع فيديو سير العمل بشروح توضيحية. وتستطيع نماذج الكلام الوصول إلى وثائق الشركة وتقارير الشكاوى وبروتوكولات الاختبار، والرد على الموظفين بلغة طبيعية. وبهذه الطريقة، تتبلور تدريجيًا ذاكرةٌ شاملةٌ للورشة، لا تُهمل في مجلدٍ ما، بل تكون متاحةً بسهولة في العمل اليومي. يطرح الموظفون الجدد أسئلةً على المساعد الرقمي، الذي تعلّم من زملائهم ذوي الخبرة، ويرى هؤلاء الزملاء أن خبرتهم تمتد لما بعد التقاعد.

تتعلق الخطوة الثالثة بالحوافز والتقدير. يتطلب نقل المعرفة وقتًا، ويجب التخطيط لهذا الوقت وتقديره. من النادر أن تنجح الشركات التي تقيس موظفيها الأكثر خبرة بمخرجات الإنتاج فقط في حثهم على مشاركة معارفهم. تنطبق تجربة شاندونغ هنا كما تنطبق في شوابيا. فعندما يطغى ضغط العمل اليومي على كل شيء آخر، لا يتم نقل المعرفة. لذا، فإن تخصيص أوقات محددة لنقل المعرفة، والتقدير الواضح لدور التوجيه، ونماذج مرنة للانتقال إلى التقاعد، مثل العمل بدوام جزئي أو تقديم الاستشارات بعد التقاعد، كلها أمور مفيدة. وتُعد هذه الخيارات متاحة بشكل خاص للشركات الصغيرة والمتوسطة، التي غالبًا ما تعرف موظفيها ذوي الخبرة معرفة شخصية.

الخطوة الرابعة هي ضمان جودة المعرفة الراسخة. فليس كل ما يعتبره الموظف الخبير صحيحًا هو بالضرورة صحيح. بعض القواعد العامة تعود إلى أزمنة كانت فيها المواد أو الآلات أو المعايير مختلفة. لذا، يجب الحفاظ على الذاكرة الجماعية للورشة ومراجعتها وتحديثها. وهنا أيضًا، يمكن أن يكون التعاون بين الأجيال مفيدًا. إذ يُشكك الموظفون الأصغر سنًا في الممارسات المتبعة، ويشرح الموظفون الأكبر سنًا أصولها، ويقررون معًا ما يجب الإبقاء عليه.

حدود الأطروحة

يجب أن يُقرّ أي تحليل موضوعي بنقاط ضعف هذه المجازفة. أولًا، لا يُعدّ تفوّق ألمانيا في المعرفة العملية أمرًا مُسلّمًا به. فقد راكمت الصين قاعدةً ضخمةً من الخبرة الصناعية في غضون عقود قليلة. يمتلك الجيل الذي قاد نهضتها الصناعية معرفةً هائلةً بالعمليات، وليس من المُسلّم به أن هذه المعرفة ستُنقل بفعالية أقل من المعرفة الألمانية. علاوةً على ذلك، تُوظّف الشركات الصينية بنشاط مهندسين ذوي خبرة من أوروبا، كما أن عمليات الاستحواذ على الشركات الأوروبية الصغيرة والمتوسطة، على مرّ السنين، خدمت أيضًا غرض نقل المعرفة. المعرفة الضمنية يصعب نسخها، ولكنها بالتأكيد قابلة للاكتساب.

ثانيًا، قد يقلل السرد الذي يعتمد بشكل أساسي على المعرفة التجريبية من سرعة تعلم الآلات. تتعلم أنظمة الذكاء الاصطناعي الحديثة أنماطًا من كميات هائلة من البيانات لم يسبق لأي إنسان أن صاغها بوعي. في بعض مجالات معالجة الصور، وتحسين العمليات، وبحوث المواد، تتفوق هذه الأنظمة بالفعل على المحترفين ذوي الخبرة. أولئك الذين يمتلكون ملايين نقاط بيانات المستشعرات ومستوى عالٍ من الأتمتة، كما هو شائع بشكل متزايد في المصانع الصينية، يمكنهم استبدال بعض المعرفة التجريبية بكميات هائلة من البيانات. لذلك، فإن فرضية المعرفة الخبيرة التي لا غنى عنها لا تنطبق في كل مكان. وتكون هذه الفرضية أقوى حيث تكون دفعات الإنتاج صغيرة، والتنوعات كثيرة، ومتطلبات العملاء فردية - تحديدًا في تصنيع الآلات ذات الأغراض الخاصة، وهندسة المصانع، والعديد من القطاعات المتخصصة في الشركات المتوسطة الحجم.

ثالثًا، تواجه ألمانيا مشاكل لا يمكن التغلب عليها مهما بلغت جودة نظام التدريب المهني لديها. فارتفاع أسعار الطاقة، وطول إجراءات الموافقة، وضعف زخم الاستثمار، والتردد في رقمنة الإدارة العامة، وبطء تبني التقنيات الرقمية في الشركات الصغيرة، كلها عوامل تؤثر سلبًا على قدرتها التنافسية. ويُظهر انخفاض عدد عقود التدريب المهني أن النظام المزدوج نفسه يتعرض لضغوط. فالميزة التي لا تُستغل لا تُعتبر ميزة على الإطلاق.

رابعًا، ثمة خطر التراخي. قد يصبح الحديث عن المعرفة التجريبية غير المرئية ذريعةً ملائمةً لتأجيل التغييرات الضرورية. أولئك الذين يعتمدون على مهارات موظفيهم دون حمايتها ورقمنتها وتطويرها، يحوّلون أعظم ميزة لديهم إلى أكبر خطر، لأن المعرفة التجريبية التي تتلاشى مع التقاعد تُفقد إلى الأبد.

النسخة أم المهارة: أيهما يضيع أسرع؟

على الرغم من هذه الاعتراضات، تبقى الفرضية الأساسية صحيحة، تحديدًا لأنها تتضمن دعوة واضحة للعمل. لن يُحسم التنافس في عصر الذكاء الاصطناعي بقوة الحوسبة وحجم النموذج فحسب، بل سيُحسم إلى حد كبير بمدى نجاح الشركات والاقتصادات في الجمع بين الخبرة البشرية والذكاء الاصطناعي. ستكون أفضل النماذج متاحة للجميع، بينما ستبقى أفضل الخبرات نادرة.

في هذه المنافسة، تتمتع ألمانيا بميزة حقيقية. فهي تمتلك شبكة واسعة من الشركات المتوسطة المتخصصة ذات المعرفة المتعمقة بالعمليات، ونظامًا مُثبتًا يجمع الأجيال داخل الشركة، وتقاليد راسخة في تقدير المهارات المهنية في المجتمع. في الوقت نفسه، الوقت ينفد. ففي السنوات العشر القادمة، سيتقاعد ملايين المهنيين ذوي الخبرة، وتسعى عشرات الآلاف من الشركات سنويًا إلى ضمان استمرارية الإدارة، ويتناقص عدد عقود التدريب المهني. وبالتالي، فإن فرصة الاستفادة من المعرفة الحالية ودمجها مع الأدوات الجديدة محدودة.

يقودنا هذا إلى السؤال الاستراتيجي الحقيقي لألمانيا كموقع تجاري. تستطيع الصين نسخ الآلات، وبسرعة تُفاجئ المصنّعين الأوروبيين مرارًا وتكرارًا. أما ألمانيا، فتُخاطر بفقدان خبرتها تدريجيًا، عامًا بعد عام، مع كل عملية تقاعد لا تُصاحبها عملية تسليم مُنظّمة. كلا الأمرين يُشكّل تهديدًا. الثاني أشدّ خطورة لأنه لا يُثير ضجة إعلامية ولأنه لا رجعة فيه. فالآلة المنسوخة يُمكن أن تتفوّق عليها آلة أفضل. أما الخبرة المفقودة، فلا يُمكن استعادتها إلا بصعوبة بالغة وبشكل غير كامل.

الخبر السار هو أن الحل لا يكمن بالضرورة في برامج بمليارات الدولارات أو مشاريع ضخمة. بل يبدأ من طاولة حوار تجمع بين شخص في السابعة والستين من عمره، وآخر في الخامسة والأربعين، وثالث في السادسة عشرة. يساهم كل منهم بخبرته، ويستمع كل منهم للآخرين، بغض النظر عن أقدمهم في الشركة. إذا ما جرت هذه الحوارات في عشرات الآلاف من الشركات، بدعم منهجي من خلال نظام تدريب مهني مزدوج حديث وأدوات ذكاء اصطناعي تجعل المعرفة مرئية ومتاحة، فإن رأس المال الخفي للشركات الصغيرة والمتوسطة سيصبح ميزة تنافسية لا يمكن لأي مصنع في العالم محاكاتها بسهولة.

لذا، فإن الرهان على ألمانيا ليس رهانًا على الحنين إلى الماضي، أو على ورش العمل التقليدية، أو على تفوق فضائل الماضي. بل يعتمد على استعداد الأجيال للتعلم من بعضها البعض، في كلا الاتجاهين. ومن يرغب في تحقيق هذا الرهان عليه أن يبدأ اليوم، بينما لا يزال أصحاب المعرفة على المحك يعملون في الشركة.

من الشفافية إلى الثقة: مسارك القابل للتوسع مع Xpert.Digital - الصورة: Xpert.Digital

في مجال الأعمال الصناعية بين الشركات، نادراً ما تنشأ علاقات تجارية مستدامة بين عشية وضحاها. بل تتطور تدريجياً من خلال الشفافية، والأهمية المهنية، والتواصل المستمر، وبناء الثقة المتنامية. ويُعالج نموذج Xpert.Digital ذو المراحل الأربع هذا الأمر تحديداً: فهو يُقدم مساراً منظماً يبدأ بنقطة دخول سهلة، ويمكن تطويره إلى تعاون أعمق في تنمية الأعمال عند الحاجة.

بدلاً من الاعتماد على وعود تسويقية براقة، يضع هذا النموذج العلاقة في صميم اهتمامه. تبدأ الشركات بمقاييس محددة بوضوح وسهلة الحساب، ثم تقرر، بناءً على خبرتها، مدى رغبتها في توسيع نطاق التعاون. ومن العوامل الرئيسية في هذه العملية السلسة لبناء الثقة: أن المنصة تتجنب تماماً الإعلانات المزعجة، بحيث يبقى التركيز التحريري منصباً بالكامل على خبرة الشركات.

للمزيد من المعلومات، انقر هنا:

• من الشفافية إلى الثقة: مسارك القابل للتوسع مع Xpert.Digital

☑️ 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 [email protected]:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو

أتطلع إلى مشروعنا المشترك.

☑️ دعم الشركات الصغيرة والمتوسطة في مجالات الاستراتيجية والاستشارات والتخطيط والتنفيذ

☑️ إنشاء أو إعادة تنظيم الاستراتيجية الرقمية والتحول الرقمي

☑️ توسيع وتحسين عمليات المبيعات الدولية

☑️ منصات التداول العالمية والرقمية بين الشركات

☑️ تطوير الأعمال الرائدة / التسويق / العلاقات العامة / المعارض التجارية