تكشف أبحاث جديدة في بيئات العمل الرقمية عن مفارقة لافتة: فبينما تُسوّق أدوات الذكاء الاصطناعي بوصفها وسيلة لتوفير الوقت ورفع الإنتاجية، فإن جزءاً كبيراً من هذا الوقت يعود ليضيع في أعمال لم تكن محسوبة عند الشراء أو النشر. وتشير البيانات إلى أن الموظفين قد يوفرون في المتوسط 11 ساعة أسبوعياً بفضل الذكاء الاصطناعي، لكن أكثر من ست ساعات منها تذهب إلى مراجعة المخرجات، وتدقيقها، وتصحيح الأخطاء، وإعادة صياغة الأوامر.
هذه الظاهرة، التي يصفها الباحثون بـ"رعاية البوت" أو متابعة أدوات الذكاء الاصطناعي، باتت تمثل كلفة خفية داخل المؤسسات. فهي لا تعني فقط أن الأداة لم تصل إلى مستوى الاستقلالية الموعود، بل تعني أيضاً أن الزمن الموفر على مستوى فرد واحد قد يتحول إلى عبء إضافي على زميل أو فريق آخر.
ما المقصود برعاية البوت
المصطلح يشير إلى سلسلة من المهام التي يقوم بها الموظف للتأكد من أن أداة الذكاء الاصطناعي تعمل كما ينبغي. وتشمل هذه المهام تزويد النظام بالسياق الناقص، فحص الإجابات، إصلاح الأخطاء البرمجية أو المنطقية، إعادة تنفيذ الأوامر، والتعامل مع النتائج التي تبدو واثقة لكنها غير صحيحة. وبعبارة أخرى، لا يكون الموظف مستخدماً للأداة فقط، بل مشرفاً دائماً عليها.
وتوضح هذه الممارسة أن المشكلة ليست في قدرة النماذج على توليد النص أو تلخيص البيانات، بل في مدى جاهزية المؤسسة لاستخدامها ضمن سير عمل واضح. فإذا لم تُحدد قواعد التحقق والمسؤولية والجودة مسبقاً، تصبح الأداة سبباً في المزيد من العمل بدلاً من تقليله.
فجوة بين الاستخدام والإفادة
تظهر الأرقام أن انتشار استخدام الذكاء الاصطناعي في العمل أصبح واسعاً؛ فالغالبية العظمى من العاملين الرقميين، وكذلك فرق تقنية المعلومات، تقول إنها تستخدم هذه الأدوات في مهامها اليومية. لكن هذا الانتشار لا ينعكس بالضرورة على النتائج. فالنسبة التي ترى تحسناً ملموساً في الأداء أو الإنتاجية ما تزال محدودة للغاية، ما يوحي بأن الاستخدام الواسع لا يعني الاستخدام الفعال.
في كثير من الحالات، يقتصر الاعتماد على الذكاء الاصطناعي على مهام سطحية مثل صياغة رسائل البريد أو إعداد مسودات أولية، بينما تبقى الأعمال الأكثر حساسية خارج نطاق الثقة. والنتيجة هي نموذج عمل مزدوج: الأداة تنتج، والإنسان يراجع، ثم يعيد التعديل، ثم يعيد الإدخال مرة أخرى. وهكذا يتراجع الأثر الحقيقي للتقنية رغم كثافة استخدامها.
العمل الفردي لا يساوي مكسباً مؤسسياً
أحد أبرز التحديات التي تكشفها هذه النتائج هو أن تحسين إنتاجية الفرد لا يترجم تلقائياً إلى تحسين في إنتاجية المؤسسة. فإذا كان الموظف ينجز مسودة أسرع، لكن زميلاً آخر يحتاج إلى ساعات لتصحيحها أو تلخيصها أو إعادة تنسيقها، فإن المكسب الصافي يصبح ضئيلاً أو معدوماً.
وتزداد المشكلة عندما تُنتج الأدوات مخرجات طويلة أو غير منسقة أو بلا سياق كافٍ، ثم تُرسل إلى فرق أخرى دون مراجعة دقيقة. في هذه الحالة، ينتقل العبء من منشئ المحتوى إلى متلقيه، وتُستهلك وفورات الوقت في أعمال إعادة المعالجة بدلاً من استثمارها في ابتكار أو تحليل أعمق.
السبب الجوهري: الحوكمة لا التقنية
الرسالة الأبرز في هذه المعطيات هي أن الاختلال لا يعود إلى الذكاء الاصطناعي نفسه بقدر ما يعود إلى طريقة تطبيقه. فعندما تنشر الشركات الأدوات بسرعة من دون تعريف واضح لما تعنيه الجودة، ومن المسؤول عن التحقق، وما الحد الأدنى المقبول من الدقة، فإنها تخلق بيئة مثالية للهدر التشغيلي.
كما أن نقص التدريب يزيد المشكلة تعقيداً. فالعديد من الموظفين لا يتلقون إرشادات كافية حول كيفية كتابة الأوامر الفعالة، أو متى يجب الاعتماد على الأداة، أو كيف يمكن التحقق من صحة نتائجها. وبدلاً من أن يصبح الذكاء الاصطناعي شريكاً في إنجاز العمل، يتحول إلى نظام يتطلب إشرافاً مستمراً.
السياق التقني يفرض أدوات قياس جديدة
تشير هذه التطورات إلى حاجة المؤسسات إلى إعادة التفكير في مؤشرات النجاح الخاصة بمشروعات الذكاء الاصطناعي. فعدد مرات الاستخدام ليس مقياساً كافياً، ولا سرعة إنشاء المحتوى تعني بالضرورة ارتفاع الكفاءة. الأهم هو قياس الدقة، ونسبة المخرجات القابلة للاستخدام من المرة الأولى، وكلفة المراجعة، وتأثير الأداة على سير العمل ككل.
كما أن توزيع العبء داخل الفرق يستحق الانتباه. فالمهام الدقيقة غالباً ما تقع على عاتق الموظفين الأكثر خبرة، مثل كبار المهندسين أو المتخصصين التقنيين، لأنهم الوحيدون القادرون على تفسير الأخطاء وتقييم النتائج. وهذا يعني أن الذكاء الاصطناعي قد يضيف ضغطاً غير مرئي على أصحاب الخبرة بدلاً من تخفيفه.
ما الذي يجب أن تفعله الشركات
لكي تتحول أدوات الذكاء الاصطناعي إلى رافعة حقيقية للإنتاجية، تحتاج الشركات إلى ما هو أكثر من مجرد شراء البرمجيات. المطلوب هو وضع سياسات واضحة للمراجعة، وتحديد المسؤوليات، وإعداد سيناريوهات استخدام مناسبة، ثم تدريب الموظفين على العمل مع النماذج بوصفها أدوات مساعدة لا بدائل كاملة.
كما ينبغي تصميم العمليات بحيث لا تنتج الأعمال الآلية عبئاً جديداً على فرق أخرى. فإذا كان التطبيق يولد تقريراً أو شيفرة أو رسالة، فيجب أن تكون هناك آلية مدمجة للتحقق من الجودة قبل الانتقال إلى المرحلة التالية. عندها فقط يمكن تقليص الفجوة بين الوعد النظري للذكاء الاصطناعي والأثر العملي على الأرض.
وفي نهاية المطاف، لا يبدو أن المشكلة في قدرة التقنية على التوليد، بل في قدرة المؤسسة على الإدارة. فكل دقيقة يوفرها الذكاء الاصطناعي يمكن أن تتحول إلى مكسب حقيقي، أو إلى ساعة إضافية من التحقق والتصحيح. والفرق بين الحالتين لا يصنعه النموذج وحده، بل الطريقة التي يُستخدم بها داخل المنظمة.