عن الإنتاجية الزائفة، وحدود الأتمتة، ومسؤولية الإنسان عن جودة المخرجات
بقلم: د. شيماء أحمدين
من سلسلة: الوعي الإنساني في عصر الذكاء الاصطناعي
⸻ المقدمة
يكتب الذكاء الاصطناعي التقرير في دقائق، ويلخص الاجتماع خلال ثوانٍ، ويقترح عشرات الأفكار قبل أن ينتهي الإنسان من صياغة الفكرة الأولى.
فننجز أكثر، ونرسل أسرع، ونملأ الجداول، ونضاعف عدد العروض والتقارير والرسائل.
لكن هل أصبحت أعمالنا أفضل فعلًا؟
لقد ربطت المؤسسات طويلًا بين الإنتاجية والجودة: كلما أنجز الموظف أكثر في وقت أقل، عُدَّ أكثر كفاءة. ومع دخول الذكاء الاصطناعي، أصبح هذا الافتراض أكثر إغراءً وأكثر خطورة.
فالسرعة يمكن قياسها بسهولة. والكمية تظهر في لوحات المؤشرات. أما جودة التفكير، ودقة الحكم، وعمق التحليل، وما تم تجنبه من أخطاء، فهي أمور أصعب في القياس.
وهنا قد تنشأ مفارقة جديدة:
أن تزداد إنتاجية المؤسسة على الورق، بينما تتراجع جودة قراراتها في الواقع.
⸻ ١. الإنتاجية ليست مرادفًا للجودة
الإنتاجية تسأل:
كم تقريرًا أُنجز؟
كم رسالة أُرسلت؟
كم معاملة عولجت؟
كم ساعة جرى توفيرها؟
أما الجودة فتسأل:
هل كان التقرير دقيقًا؟
هل عالج المشكلة الصحيحة؟
هل استند إلى مصادر موثوقة؟
هل حافظ على السياق والاستثناءات؟
هل يمكن الدفاع عن القرار الناتج؟
هل أنشأ قيمة حقيقية أم أضاف وثيقة جديدة إلى الأرشيف؟
يمكن للذكاء الاصطناعي أن يرفع عدد المخرجات بصورة هائلة، لكن كثرة المخرجات لا تضمن صلاحيتها.
وقد ينتج النظام نصًا سلسًا، منظمًا، ومكتمل المظهر، بينما يحتوي على استنتاجات سطحية أو افتراضات غير مختبرة.
إن جودة اللغة قد تخفي ضعف الفكرة، كما قد يخفي التصميم الجيد هشاشة المحتوى.
لذلك، لا ينبغي أن نسأل فقط:
كم وقتًا وفر لنا الذكاء الاصطناعي؟
بل:
ما نوع القيمة التي أُنتجت في الوقت الذي وفره؟
⸻ ٢. متى يرفع الذكاء الاصطناعي جودة العمل؟
لا يمكن إنكار أن الذكاء الاصطناعي يستطيع تحسين الأداء حين يُستخدم في المهمة المناسبة.
فهو مفيد خصوصًا عندما تكون المهمة:
* متكررة وواضحة الحدود.
* قائمة على نمط يمكن اكتشافه.
* مدعومة ببيانات مناسبة.
* قابلة للمراجعة والتحقق.
* منخفضة أو متوسطة الخطورة.
* خاضعة لمعايير قبول محددة مسبقًا.
في هذه الحالات، قد يساعد على:
* تقليل الأخطاء الشكلية.
* توحيد القوالب والمصطلحات.
* اكتشاف التناقضات.
* تلخيص كميات كبيرة من المحتوى.
* استرجاع المعلومات بسرعة.
* إعداد المسودة الأولى.
* إتاحة خبرات أفضل للمستخدمين الأقل خبرة.
في دراسة شملت أكثر من خمسة آلاف موظف في خدمة العملاء، ارتبط استخدام مساعد توليدي بزيادة الإنتاجية وتحسن أداء الموظفين الأقل خبرة، بينما كانت استفادة الأكثر خبرة أقل، مع ظهور انخفاض طفيف في جودة أداء بعضهم. وهذا يوضح أن الأثر يختلف باختلاف مستوى الخبرة وطبيعة المهمة، ولا يمكن افتراض تحسن موحد للجميع. Stanford Graduate School of Business: Generative AI at Work
وفي تجربة على 758 مستشارًا، أدى استخدام الذكاء الاصطناعي في المهام الواقعة داخل نطاق قدراته إلى إنجاز أسرع وتحسن في التقييم البشري لجودة المخرجات. لكن الدراسة نفسها قدمت مفهوم «الحدود التقنية المتعرجة»: فالذكاء الاصطناعي يتفوق في بعض المهام، بينما يتعثر في مهام أخرى تبدو مشابهة لها ظاهريًا. Harvard Business School AI Institute: Navigating the Jagged Technological Frontier
إذن، السؤال ليس: هل الذكاء الاصطناعي يحسن الجودة؟
بل:
في أي مهمة، ولأي مستخدم، وتحت أي ضوابط، وبأي معيار للجودة؟
⸻ ٣. الحدود المتعرجة: حين لا نعرف أين تنتهي قدرة النظام
تكمن المشكلة في أن حدود الذكاء الاصطناعي ليست مستقيمة أو واضحة.
قد ينجح في تلخيص تقرير معقد، ثم يفشل في ملاحظة استثناء صغير يغير معنى النتيجة.
وقد يكتب تحليلًا قانونيًا أو علميًا متماسكًا، ثم يبنيه على مرجع غير موجود أو قاعدة لا تنطبق على الحالة.
وقد يكتشف تناقضًا بين جدولين، لكنه لا يفهم أن الاختلاف مبرر بتغيير منهجي موثق.
ويزداد الخطر لأن المهمة التي يفشل فيها قد تبدو للمستخدم شبيهة جدًا بمهمة نجح فيها قبل دقائق.
لذلك، لا يستطيع المستخدم الاعتماد على الانطباع العام بأن «النظام جيد»؛ بل يجب تقييم مدى صلاحيته لكل مهمة وسياق على حدة.
في الأعمال البسيطة، قد يكون الخطأ غير مؤثر.
أما في الأعمال التنظيمية أو الطبية أو القانونية أو المالية، فقد يؤدي إسقاط تفصيل واحد إلى تغيير القرار كله.
فالذكاء الاصطناعي لا يفسد الجودة فقط عندما يقدم معلومة خاطئة، بل أيضًا عندما يحذف السياق الذي يجعل المعلومة صحيحة أو غير صحيحة.
⸻ ٤. وهم الإنتاجية: حين ننتج بسرعة ثم ندفع تكلفة التصحيح
قد يستغرق إنشاء المسودة بالذكاء الاصطناعي دقيقتين، لكن مراجعتها قد تتطلب وقتًا أطول مما توقعناه.
نحتاج إلى:
* التحقق من الحقائق والمراجع.
* استعادة التفاصيل التي اختصرها النظام.
* تصحيح اللغة العامة.
* إعادة إدخال السياق المؤسسي.
* إزالة العبارات الواثقة غير المدعومة.
* معالجة التناقضات الخفية.
* تحديد المسؤول عن اعتماد النتيجة.
لكن بعض المؤسسات تحتسب وقت إنشاء المسودة وتغفل تكلفة المراجعة والتصحيح والمخاطر.
فتبدو الأداة منتجة لأنها أنتجت نصًا سريعًا، رغم أن الموظف الخبير اضطر إلى إعادة بناء أجزاء كبيرة منه.
والأخطر أن بعض الأخطاء لا تُكتشف أصلًا، لأنها مختبئة داخل مخرجات سليمة اللغة ومنظمة الشكل.
هنا نواجه ما يمكن تسميته الإنتاجية الزائفة:
مخرجات أكثر، ورسائل أسرع، ووثائق أجمل… دون زيادة مماثلة في القيمة أو الموثوقية.
⸻ ٥. توحيد الجودة أم توحيد الرداءة؟
من مزايا الذكاء الاصطناعي أنه يساعد على توحيد أسلوب العمل، خاصة عندما تختلف قدرات الموظفين وخبراتهم.
لكنه قد يدفع أيضًا نحو تجانس مفرط:
* التقارير تستخدم البنية نفسها.
* الأفكار تدور حول الأنماط نفسها.
* الرسائل تحمل النبرة نفسها.
* العروض تقدم الحلول المتوقعة نفسها.
* التحليلات تتجنب المواقف الحادة أو غير التقليدية.
هذا التجانس قد يبدو احترافًا، لكنه قد يخفي تراجع الأصالة والتمييز المهني.
فالجودة ليست دائمًا الاتساق.
في بعض الأعمال، تكون الجودة في اكتشاف الاستثناء، وطرح السؤال غير المتوقع، ومعارضة الرأي السائد، وفهم ما لا يظهر في القالب.
إذا استخدم الجميع النموذج نفسه، بالطريقة نفسها، وبالأسئلة نفسها، فقد لا نحصل على ذكاء جماعي أكبر؛ بل على تكرار أنيق للفكرة ذاتها.
⸻ ٦. ماذا يحدث للخبرة البشرية؟
قد يساعد الذكاء الاصطناعي الموظف المبتدئ على الوصول بسرعة إلى مستوى أفضل، وهذا مكسب حقيقي.
لكن الاستخدام المستمر بوصفه بديلًا عن التعلم قد يمنع بناء الخبرة نفسها.
فالخبرة لا تتكون من معرفة الإجابة فقط، بل من المرور بعملية البحث والمقارنة والخطأ والتصحيح وفهم الاستثناءات.
حين يتولى النظام دائمًا:
* صياغة الفكرة.
* اختيار الهيكل.
* بناء الحجة.
* تلخيص الأدلة.
* اقتراح القرار.
قد يصبح الموظف ماهرًا في مراجعة المخرجات، لكنه أضعف في إنتاج حكم مستقل عند غياب الأداة.
والسؤال هنا ليس: هل يوفر الذكاء الاصطناعي الجهد؟
بل:
أي جهد ينبغي توفيره، وأي جهد يمثل التدريب الضروري لبناء الكفاءة؟
ليس كل احتكاك في العمل هدرًا. بعض الصعوبة هي التي تبني الخبرة.
⸻ ٧. في الأعمال التنظيمية والعلمية: جودة الصياغة لا تعني جودة التقييم
يمكن للذكاء الاصطناعي أن يساعد المقيّم أو الخبير على:
* استخراج البيانات من ملف كبير.
* مقارنة الأقسام والجداول.
* تحديد المعلومات المفقودة.
* توحيد المصطلحات.
* إعداد مسودة أولية لطلب الاستيضاح.
* تتبع النقاط المفتوحة.
* البحث داخل المراجع المعتمدة.
لكن التقييم العلمي لا يقوم على جمع البيانات فقط.
إنه يتطلب فهم:
* أهمية الاختلاف وليس مجرد وجوده.
* العلاقة بين الخطر وعدم اليقين.
* مدى صلاحية الدليل للغرض المقصود.
* أثر التغيير على الجودة والسلامة والفعالية.
* ما إذا كانت أوجه القصور مستقلة أم تشير إلى ضعف نظامي.
* السياق التنظيمي والمرحلة التطويرية للمنتج.
قد يكتب الذكاء الاصطناعي ملاحظة تنظيمية قوية اللغة، لكنه لا يتحمل مسؤولية توقيعها.
وقد يقترح تصنيفًا للمخاطر، لكنه لا يملك الخبرة المؤسسية الكاملة ولا المساءلة المهنية عن القرار.
لذلك، يجب أن يبقى الفرق واضحًا بين:
المساعدة في إعداد التقييم وامتلاك الحكم التنظيمي.
⸻ ٨. متى يفسد الذكاء الاصطناعي الجودة؟
يتحول الذكاء الاصطناعي من أداة تحسين إلى مصدر تدهور عندما:
1. يُستخدم في مهمة تتجاوز قدرته الفعلية.
2. تُقاس سرعة الإنتاج دون قياس دقة النتائج.
3. يُعامل النص المنظم بوصفه نصًا صحيحًا.
4. تُلغى المراجعة البشرية لتقليل الوقت والتكلفة.
5. يستخدم الموظفون أنظمة عامة مع بيانات ناقصة أو غير مناسبة.
6. يتحول الخبير من صاحب قرار إلى مصحح لغوي لمخرجات الآلة.
7. تُخفى درجة عدم اليقين خلف لغة واثقة.
8. تُقبل الإجابة الأولى دون اختبار أو مقارنة.
9. يصبح استخدام الأداة إلزاميًا حتى في المهام التي لا تضيف إليها قيمة.
10. لا يكون هناك شخص محدد يتحمل المسؤولية النهائية.
المشكلة إذن ليست مجرد خلل تقني، بل خلل في تصميم العمل والحوكمة ومؤشرات الأداء.
⸻ ٩. معادلة جودة العمل المدعوم بالذكاء الاصطناعي
يمكن التعبير عن جودة العمل المدعوم بالذكاء الاصطناعي بالمعادلة الآتية:
جودة النتيجة = ملاءمة المهمة × جودة المدخلات × صلاحية النموذج × قوة التحقق × وضوح المسؤولية
هذه معادلة مضاعِفة، لا تجميعية.
فإذا كانت المهمة غير مناسبة، فلن تنقذها جودة الصياغة.
وإذا كانت البيانات ناقصة، فلن يعوّضها نموذج أكثر قدرة.
وإذا غاب التحقق، فقد تتحول السرعة إلى تضخيم سريع للخطأ.
وإذا لم تكن المسؤولية واضحة، فقد يعتمد الجميع المخرج ولا يملكه أحد.
⸻ ١٠. كيف نحمي جودة الأعمال؟
لا تحتاج المؤسسة إلى الاختيار بين استخدام الذكاء الاصطناعي ورفضه، بل إلى تصميم نموذج استخدام يحمي الجودة.
ويتطلب ذلك:
أولًا: تصنيف المهام حسب الخطورة
ليست صياغة رسالة داخلية كاتخاذ قرار طبي أو تنظيمي أو مالي.
كلما ارتفع أثر الخطأ، ارتفع مستوى التحقق والإشراف المطلوب.
ثانيًا: تحديد معايير الجودة قبل توليد المخرج
ينبغي تحديد المطلوب مسبقًا:
ما معيار الدقة؟
ما المصادر المقبولة؟
ما المعلومات التي لا يجوز اختزالها؟
من يراجع؟
ومن يعتمد؟
ثالثًا: قياس القيمة لا حجم الإنتاج
بدلًا من قياس عدد التقارير، تُقاس:
* نسبة الأخطاء.
* وقت إعادة العمل.
* جودة القرار.
* رضا المستفيد.
* قابلية التتبع.
* عدد المشكلات التي تم منعها.
* مستوى الثقة المدعوم بالأدلة.
رابعًا: الحفاظ على الكفاءة البشرية
يجب ألا يؤدي اعتماد الأداة إلى فقدان قدرة الموظفين على العمل والتفكير المستقل.
خامسًا: توثيق دور الذكاء الاصطناعي
ما الذي أنشأه؟
ما الذي عدله الإنسان؟
ما المصادر المستخدمة؟
من تحقق من النتيجة؟
ومن يتحمل مسؤولية اعتمادها؟
سادسًا: إبقاء الإنسان صاحب الحكم
ليس المطلوب وجود توقيع بشري شكلي، بل مراجعة حقيقية تمتلك سلطة رفض المخرج وتعديله وإعادة بنائه.
⸻ الخاتمة
الذكاء الاصطناعي لا يفسد جودة الأعمال تلقائيًا، كما أنه لا يرفعها تلقائيًا.
إنه يضخم النظام الذي يدخل إليه.
فإذا دخل مؤسسة تملك معايير واضحة، وخبرات قوية، وبيانات موثوقة، ومراجعة فعالة، فقد يرفع الجودة والإنتاجية معًا.
أما إذا دخل مؤسسة تكافئ السرعة، وتخلط بين الشكل والمضمون، ولا تحدد المسؤولية، فقد يجعل ضعفها أسرع وأكثر اتساقًا وأصعب اكتشافًا.
الخطر ليس أن ينتج الذكاء الاصطناعي عملًا رديئًا فحسب.
الخطر أن ينتج عملًا رديئًا يبدو ممتازًا.
لذلك، يجب ألا يكون السؤال:
كم أنجزنا باستخدام الذكاء الاصطناعي؟
بل:
كم نتيجة صحيحة، نافعة، قابلة للتحقق والدفاع أنتجنا؟
فالعمل الذي يُنجز في دقيقة ثم يقود إلى قرار خاطئ ليس إنتاجية.
إنه خطأ أسرع.
© 2026 د. شيماء أحمدين — جميع الحقوق محفوظة.
