مرحبًا! أنا صديقك الصحفي المتخصص في الشؤون المالية والاقتصادية. المقال الذي سنتحدث عنه اليوم يلمس بالفعل نقطة حساسة في قلوب الكثير من العاملين ومديري الشركات.
ببساطة، الفكرة الرئيسية للمقال هي أن الذكاء الاصطناعي (AI) يجعل “نتائج العمل” رخيصة الثمن، مما يجعل الطريقة القديمة التي كانت تعتمد على “مراقبة النتائج” لتقييم “القدرات الشخصية” غير فعالة.
في الماضي، عندما كنت تقدم كودًا جيدًا أو تقريرًا ممتازًا، كان المدير يفترض أنك تفهم التقنية والعمل بشكل جيد. الآن، يمكن للذكاء الاصطناعي أيضًا إنتاج كود أو تقرير مماثل، مما يجعل المدير في حيرة: هل هذه النتيجة نتيجة قدراتك أم نتيجة قدرات الذكاء الاصطناعي؟
لكي تفهم هذا الموضوع بشكل كامل، قمت بتقسيم المقال إلى خمسة جوانب رئيسية وشرحتها بلغة بسيطة وواضحة.
---
الجانب الأول: في الماضي، كانت “مجموعات الأعمال” تمثل “بطاقة الهوية” للقدرات، أما الآن فقد أصبحت مجرد “نسخ”.
المنطق الأساسي: التحول من “استنتاج القدرات من النتائج” إلى “النتائج لم تعد تعكس القدرات”.
لفترة طويلة، كان هناك قاعدة ضمنية في مكان العمل: الإنتاج يعني القدرة.
- عندما يقدم المهندس كودًا يعمل بشكل مستقر، يُفترض أنه يفهم الهندسة وكيفية التعامل مع الأخطاء.
- عندما يكتب مدير المنتج خطة منطقية، يُفترض أنه يفهم احتياجات المستخدمين والقيود التجارية.
- عندما يقدم المستشار عرضًا بيانيًا جميلًا، يُفترض أن لديه قدرات قوية على جمع المعلومات والتفكير المنظم.
لماذا كانت هذه الطريقة فعالة؟ لأن تكلفة إنتاج هذه النتائج كانت مرتفعة في ذلك الوقت؛ كان يتطلب الأمر وقتًا طويلًا للتعلم والتفكير وتجربة الأخطاء لإنتاج كود جيد أو خطة ممتازة. لذلك، كانت النتائج في حد ذاتها تعتبر “آثارًا للقدرات”. لم تستطع الشركة رؤية ما يفكر فيه الشخص، لكنها استطاعت رؤية ما أنتجه. إذا كان المنتج جيدًا، فمن المحتمل أن الشخص يمتلك القدرات اللازمة.
لكن الذكاء الاصطناعي قد كسر هذا التوازن.
الآن، يمكن لشخص ذو معرفة متوسطة في المجال أن يستخدم الذكاء الاصطناعي لإنتاج تقرير متكامل في غضون بضع دقائق؛ ويمكن لمهندس ذو خبرة قليلة استخدام أدوات الذكاء الاصطناعي لإنجاز مهام كانت تتطلب وقتًا طويلًا في الماضي. النتيجة لا تزال نفسها، بل قد تكون أفضل وأكثر احترافية. لكن المشكلة هي: ما مدى قدرة هذه النتيجة على إثبات شيء عن الشخص نفسه؟ في الماضي، كانت الأعمال تمثل “النسخة الأصلية” للقدرات؛ أما الآن، فقد تكون مجرد “نسخة مصنوعة بواسطة الذكاء الاصطناعي”. من الصعب على المدير أن يستنتج بشكل مباشر مدى قوة قدرات الشخص من خلال هذه النسخة.
الجانب الثاني: لا تتعب نفسك في التفكير في “هل أنت من كتبها بنفسك”， بل اسأل “هل تفهم لماذا تم فعل ذلك”.
المنطق الأساسي: التحول من “البحث عن الغش” إلى “البحث عن الفهم”.
عندما يرى الكثير من المديرين أن الذكاء الاصطناعي يمكنه القيام بالعمل، أول رد فعل لديهم هو القلق، ويبدأون في التفكير في كيفية التخلص من استخدام الذكاء الاصطناعي: “هل كتبت هذا الكود بنفسك؟ هل يمكنك القيام بذلك بدون استخدام الذكاء الاصطناعي؟”
يعتقد المؤلف أن هذا النهج غير فعال.
هذا مثل أننا لا نطلب من المبرمجين إيقاف استخدام أدوات التطوير أو محركات البحث أو مترجمات الكود لإثبات قدراتهم على البرمجة؛ فالذكاء الاصطناعي سيصبح في النهاية جزءًا من البنية التحتية مثل الإضاءة والإنترنت. من غير الضروري وغير الواقعي إجبار الموظفين على العودة إلى عالم بدون الذكاء الاصطناعي.
السؤال الحقيقي الذي يجب طرحه هو:
- السؤال الخاطئ: “ما نسبة الكود الذي كتبته بنفسك؟**
- السؤال الصحيح: “إذا انحرفت النتيجة عن المسار المتوقع، هل يمكنك مواصلة العمل؟**
على سبيل المثال:
- الموظف أ: الذكاء الاصطناعي أنشأ هيكلًا، وهو يستطيع شرح سبب اختيار هذا الهيكل، ويعرف أي جزء هو الأكثر عرضة للخطأ، وإذا تغيرت الظروف، يعرف كيف يمكن تعديله، وإذا حدث خطأ في النموذج، يمكنه اكتشافه.
- الموظف ب: الذكاء الاصطناعي أنشأ هيكلًا، وهو يقول “هذا ما أوصى به النموذج، وقمت بتشغيله ولم يحدث أي خطأ”.
حتى لو كانت الوثائق التي يقدمها كلا الموظفين متطابقة، فإن قدرات الموظف أ أعلى بكثير من قدرات الموظف ب. الفرق لا يكمن في الوثيقة، بل في من يمكنه السيطرة على الوضع عند حدوث خطأ أو تغيير في النتائج. الذكاء الاصطناعي قلل من تكلفة الحصول على النتائج، لكنه أيضًا قلل من قيمة النتائج كإشارة للقدرات. ما تحتاجه الشركة الآن ليس فقط “إنجاز العمل”， بل “ما إذا كان الشخص يمتلك فعلاً القدرة على فهم النتائج واتخاذ القرارات المناسبة والتحكم فيها”.
الجانب الثالث: أثمن القدرات في المستقبل تكمن خارج “المنتجات النهائية”.
المنطق الأساسي: التحول من “المنفذ” إلى “المحدد” و“الحارس”.
بما أن “القدرة على العمل بسرعة” و“القدرة على إنتاج كميات كبيرة” لم تعد نادرة، فما هي القدرات التي أصبحت أكثر قيمة الآن؟ يذكر المؤلف أربع قدرات كانت مخفية وراء النتائج في الماضي والتي يجب أن تبرز الآن:
1. القدرة على تحديد المشكلة الصحيحة (الأثمنة)
الذكاء الاصطناعي جيد في الإجابة على “كيفية القيام بشيء”， لكنه ليس جيدًا في تحديد “ما يجب القيام به”.
عندما يطلب العميل خدمة عملاء ذكية، يمكن للذكاء الاصطناعي إنشاء نظام خدمة عملاء فعال، لكن المشكلة الحقيقية قد تكون أن تكلفة الخدمة مرتفعة جدًا أو أن قاعدة المعرفة فوضوية، أو حتى أن المشكلة ليست تقنية.
الخطر هو: كلما كانت التكلفة أقل، كان من السهل على الذكاء الاصطناعي ارتكاب أخطاء بشكل كبير. تحديد ما يستحق التنفيذ أكثر أهمية من التنفيذ نفسه.
2. القدرة على معرفة ما قد يكون خاطئًا (الشك)
ميزة الأشخاص ذوي الخبرة ليست في القدرة على الحساب بسرعة مثل الذكاء الاصطناعي، بل في معرفة ما لا يمكن تصديقه بسهولة.
يعرفون أن أخطر جزء في عملية نقل البيانات ليس الإجراءات العادية، بل عمليات الاسترجاع؛ يعرفون أن البيانات المتزايدة قد تكون نتيجة تغيير في طرق القياس؛ يعرفون أن الحلول التي يقدمها الذكاء الاصطناعي قد تبدو جيدة، لكنها قد لا تعمل في بيئة الإنتاج. هذه الحدس والخبرة كانت مخفية في الماضي وراء الأعمال، والآن يجب عليهم إظهارها بشكل صريح.
3. القدرة على التعامل مع الفوضى (التكيف)
الذكاء الاصطناعي جيد في التعامل مع المشكلات التي تم وصفها بوضوح. لكن العالم الواقعي مليء بالفوضى: التغيرات المفاجئة في المتطلبات، نقص البيانات، عدم توافق الواجهات، تعارض الأهداف.
عندما ينحرف الواقع عن بيانات التدريب أو المسارات المحددة مسبقًا، من يستطيع إعادة بناء نموذج المشكلة هو من يفوز. المشكلة الرئيسية في المستقبل ليست “هل يمكنك تقديم إجابة”， بل “هل يمكنك الحفاظ على الكفاءة عندما تصبح الإجابات غير واضحة”.
4. القدرة على تحمل المسؤولية عن القرارات (المساءلة)
الذكاء الاصطناعي يمكنه تقديم الاقتراحات، لكنه لا يمكنه تحمل المسؤولية نيابة عن المنظمة.