أثار الانتشار السريع لأدوات الذكاء الاصطناعي التوليدي وعوداً كبيرة حول تسريع العمل وتقليل المهام المتكررة، لكن الواقع داخل كثير من المؤسسات أصبح أكثر تعقيداً. فبدلاً من تحقيق مكاسب مباشرة في الكفاءة، بدأت بعض الفرق تواجه نوعاً من المخرجات التي تبدو منسقة ومقنعة في الظاهر، لكنها تفتقر إلى الدقة أو العمق أو المراجعة الكافية. هذه المشكلة باتت معروفة في بعض الأوساط المهنية باسم مخرجات العمل الرديئة المنتجة بالذكاء الاصطناعي.
وبحسب تقرير حديث تناول آراء مهنيين في الولايات المتحدة، فإن هذه الظاهرة لم تعد هامشية. فقرابة 45% من المشاركين قالوا إن هذا النوع من المخرجات جعلهم أكثر حذراً في استخدام الذكاء الاصطناعي داخل العمل. كما أشار 51% إلى أن أثرها المباشر كان انخفاض الإنتاجية، بينما رأى 57% أنها تقلل الثقة في التقنية نفسها، وحذر 46% من انعكاسها على سمعة الشركات.
هذه الأرقام تكشف مفارقة واضحة: التقنية التي يفترض أن توفر الوقت قد تتحول إلى مصدر هدر إضافي إذا استُخدمت بلا ضوابط أو توقعات واقعية. لذلك بدأت مؤسسات كبرى وقادة تقنية في إعادة تعريف معنى الإنتاجية عند إدخال الذكاء الاصطناعي إلى بيئات العمل.
ما المقصود بالمخرجات الضعيفة من الذكاء الاصطناعي
المشكلة لا تتعلق فقط بالأخطاء الصريحة. فالكثير من المخرجات التي تنتجها أنظمة الذكاء الاصطناعي قد تبدو جيدة لغوياً ومنسقة شكلياً، لكنها لا تقدم قيمة حقيقية. قد تكون المعلومة ناقصة، أو الصياغة عامة أكثر من اللازم، أو التحليل سطحياً، أو النتيجة غير مناسبة لسياق القرار المطلوب.
هذا النوع من المحتوى يستهلك وقتاً إضافياً لأن الموظف يضطر إلى مراجعته أو تصحيحه أو إعادة إنتاجه من جديد. وفي بعض الحالات، يبدو الأمر وكأن الذكاء الاصطناعي أنجز المهمة، بينما الحقيقة أن العمل لم يكتمل بعد. هنا تحديداً تظهر الخسارة: وقت صُرف على مخرجات تحتاج إلى إصلاح، وثقة تتراجع، وفرق عمل تصبح أقل اقتناعاً بالأداة.
لماذا تنخفض الإنتاجية رغم استخدام أدوات أسرع
السبب الرئيسي هو أن السرعة لا تعني دائماً كفاءة أعلى. إذا أنتج النظام نصوصاً أو ملخصات أو ملاحظات اجتماعات لا يحتاجها أحد فعلياً، فإن المؤسسة لم تحقق وفراً حقيقياً في الوقت. وإذا أنجزت الأداة جزءاً من المهمة بسرعة، لكن الموظف احتاج إلى وقت مماثل للتأكد من الجودة، فقد تختفي الفائدة المتوقعة.
كذلك تواجه المؤسسات مشكلة في اختيار حالات الاستخدام الصحيحة. ليس كل ما يمكن للذكاء الاصطناعي توليده يستحق التنفيذ. هناك فرق بين أداة تختصر ساعات من التحليل الأولي أو البحث أو التلخيص، وبين أداة تولد أعمالاً شكلية تضيف عبئاً جديداً على الفريق.
من هنا، بدأ بعض المديرين التنفيذيين في قطاع التقنية يتحدثون عن ضرورة قياس الإنتاجية بطريقة أدق، لا بمجرد عدد المهام التي أُنجزت، بل بالقيمة الفعلية التي أضيفت إلى العمل، ومدى تقليل الوقت والجهد والمخاطر.
إعادة تعريف الإنتاجية في عصر الذكاء الاصطناعي
أحد التحولات البارزة داخل المؤسسات يتمثل في الانتقال من نموذج الإنسان أولاً ثم الأداة إلى نموذج الذكاء الاصطناعي أولاً ثم الإنسان في بعض أنواع العمل. الفكرة هنا ليست استبدال الموظف، بل جعل النظام يبدأ بالمهمة في الطبقات القابلة للأتمتة، ثم يتدخل الإنسان لاحقاً لإضافة الحكم والخبرة والفهم السياقي.
هذا التحول يظهر بوضوح في مجالات مثل تطوير البرمجيات، وإعداد المسودات الأولية، والبحث، وتنظيم المعرفة. لكنه يتطلب تغييراً في طريقة التفكير داخل الفرق. فبدلاً من سؤال: ماذا يمكن أن أنجز بنفسي ثم أطلب من الأداة تحسينه؟ يصبح السؤال: ما الجزء الذي يمكن للأداة تنفيذه أولاً بشكل آمن ومفيد، ثم أراجعه أنا بخبرة بشرية؟
لكن هذا النهج لا ينجح تلقائياً. لا بد من تقييم مستمر لحالات الاستخدام، ومعرفة ما إذا كانت الأداة توفر ساعات أو أياماً فعلاً، أو أنها تخلق ناتجاً إضافياً لا ينعكس على جودة القرارات أو سرعة التنفيذ.
المراجعة البشرية ليست خياراً ثانوياً
رغم التقدم الكبير في نماذج الذكاء الاصطناعي، ما زال الحكم البشري عاملاً حاسماً. الأنظمة قادرة على إنتاج نصوص ومقترحات وتحليلات أولية بكفاءة، لكنها لا تملك دائماً الفهم الكامل لأولويات المؤسسة أو حساسية السياق أو القدرة على التمييز بين ما يبدو جيداً وما هو مفيد فعلاً.
لذلك تشدد كثير من المؤسسات على أن الذكاء الاصطناعي يجب أن يعمل كمساعد، لا كبديل عن الخبرة. فالموظفون الأكثر معرفة بالمجال هم الأقدر على اكتشاف المبالغة، أو النقص، أو الأخطاء في الإجابات، أو حتى التوصيات غير المناسبة. ومع ازدياد الاعتماد على أدوات الذكاء الاصطناعي، تتحول المراجعة البشرية من خطوة نهائية إلى جزء أساسي من سير العمل.
كما أن هناك حدوداً واضحة لما يمكن أن تقدمه النماذج الحالية. فهي بارعة في إعادة تركيب المعرفة وتوليد الصيغ المختلفة، لكنها ليست بديلاً كاملاً عن الإبداع البشري، أو الإلهام، أو بناء العلاقات، أو اتخاذ القرار في المواقف الحساسة.
الاستفادة الحقيقية تحتاج إلى صبر وبناء أنظمة عمل
اعتماد أداة ذكاء اصطناعي داخل الشركة لا يعني أن النتائج ستظهر فوراً. كثير من الموظفين يجربون الأداة مرة أو مرتين، ثم يتوقفون إذا لم يحصلوا على ما يريدون مباشرة. لكن هذا السلوك قد يحجب مكاسب أكبر كان يمكن تحقيقها مع بعض الوقت والتجربة والتحسين.
المؤسسات التي حققت نتائج أفضل لم تكتف بتوفير الأداة، بل عملت على بناء أنظمة مساندة حولها: تعليمات واضحة، بيانات مناسبة، آليات مراجعة، طرق لضبط السياق، وتدريب الموظفين على كتابة الطلبات وتقييم النتائج. هذا النوع من الجهد هو ما يحول الأداة من تجربة مثيرة إلى جزء منتج من سير العمل اليومي.
وغالباً ما تبدأ الاستفادة الحقيقية من أفراد داخل الفريق لديهم فضول أكبر واستعداد لتجربة أكثر من طريقة. هؤلاء يطورون أساليب استخدام أكثر نضجاً، ثم تنتقل خبرتهم إلى بقية الزملاء. ومع الوقت، يتكون داخل المؤسسة فهم عملي لما يصلح وما لا يصلح، بدلاً من الاعتماد على الانطباعات الأولية فقط.
المهارات المطلوبة في سوق العمل تتغير
مع تزايد استخدام الذكاء الاصطناعي في المؤسسات، ترتفع قيمة الموظفين القادرين على الجمع بين قدرات الأدوات والخبرة المهنية. لم يعد المطلوب فقط معرفة استخدام منصة أو نموذج معين، بل القدرة على توجيه الأداة، وفهم حدودها، والتأكد من جودة مخرجاتها، ثم تحويلها إلى نتائج عملية.
هذا التحول قد يؤثر أيضاً في قرارات التوظيف والاحتفاظ بالمواهب. فالموظفون الذين اعتادوا على استخدام أدوات فعالة في شركاتهم السابقة قد ينظرون إلى البنية التقنية للشركة الجديدة كعامل مهم في اختيار الوظيفة. وبالتالي، تصبح بيئة الذكاء الاصطناعي داخل المؤسسة جزءاً من تجربة العمل نفسها، لا مجرد إضافة تقنية.
لكن في المقابل، لا يكفي امتلاك عدد كبير من الأدوات. الأهم هو أن تكون هناك سياسة واضحة توازن بين الفائدة والمخاطر، وتحدد متى يستخدم الذكاء الاصطناعي، وفي أي مهام، وما مستوى المراجعة المطلوبة قبل اعتماد النتائج.
خطوتان أساسيتان لتقليل الضرر وزيادة الفائدة
الدرس الأوضح من تجارب المؤسسات يتمثل في خطوتين مترابطتين. الأولى هي إعادة التفكير في معنى الإنتاجية. لا يجب قياس نجاح الذكاء الاصطناعي بعدد النصوص أو الملخصات التي ينتجها، بل بقدرته على تقليل الوقت الضائع ورفع جودة المخرجات وتحسين القرار.
أما الخطوة الثانية فهي الاستمرار في التعلم والتحسين. فالأدوات الحالية تحتاج إلى ضبط وتجربة ومثابرة. والفرق التي تتعامل معها بهذه العقلية تكون أقدر على استخراج قيمة حقيقية منها، مقارنة بمن يتوقع نتائج مثالية من أول استخدام.
في النهاية، لا يبدو أن الذكاء الاصطناعي سيتراجع من بيئة العمل، لكن طريقة استخدامه ستحدد ما إذا كان سيصبح ميزة تنافسية أم عبئاً إضافياً. وبين الحماس المبالغ فيه والرفض الكامل، يبرز مسار أكثر واقعية: استخدام منضبط، ومراجعة بشرية، وقياس واضح للعائد الفعلي على الإنتاجية.