كيف تستخدم الذكاء الاصطناعي في العمل بشكل عملي؟

لا يبدأ الاستخدام العملي للذكاء الاصطناعي في العمل بسؤال: «ما أفضل أداة؟». يبدأ بسؤال أدقّ: «ما المهمة التي أريد تحسينها، وكيف سأعرف أن الناتج صحيح؟».

قد يساعد الذكاء الاصطناعي في إعداد مسودّة خلال دقائق، أو استخراج قرارات من اجتماع طويل، أو تصنيف طلبات متكرّرة. لكنه قد ينتج أيضًا إجابة مقنعة وغير صحيحة، أو يحذف استثناءً مهمًّا من مستند، أو يعالج بيانات لا ينبغي إدخالها في أداة غير مصرَّح بها.

لذلك فالمعيار العملي ليس مقدار ما تستطيع الأداة إنتاجه، بل كيفية إدخالها في سير العمل: ما الذي تفعله، وما الذي يراجعه الإنسان، وما البيانات التي تصل إليها، وما الإجراء المتّبع عند الخطأ.

قبل أن تستخدم الذكاء الاصطناعي: حدّد نوع المهمة

صنّف المهمة أولًا بدل اختيار الأداة عشوائيًّا. التصنيف التالي إطار عملي، وليس معيارًا علميًّا رسميًّا:

• توليد مسوّدة أولية: بريد، تقرير، خطة، وصف منتج، أو نقاط اجتماع.
• التلخيص: اختصار محضر أو مستند مع الحفاظ على القرارات والقيود.
• إعادة الصياغة: تغيير النبرة أو البنية دون تغيير المعنى.
• استخراج المعلومات: العثور على أسماء، تواريخ، مبالغ، التزامات، أو أسئلة مفتوحة.
• التصنيف: فرز تذاكر الدعم أو ملاحظات العملاء إلى فئات.
• التحليل الأوّلي: مقارنة خيارات، كشف أنماط، أو اقتراح أسئلة تحتاج إلى فحص.
• تحويل البيانات: نقل جدول إلى صيغة منظَّمة أو تحويل ملاحظات غير مرتَّبة إلى حقول.
• البحث داخل المستندات: العثور على سياسة أو معلومة في قاعدة معرفة داخلية، غالبًا عبر نظام استرجاع مرتبط بالمصدر.
• اقتراح خطوات أو تنفيذها: استخدام الأتمتة أو الوكلاء عندما تكون الأدوات والصلاحيات والحدود واضحة.

ليست كل هذه المهام متساوية في سهولة التحقّق. يمكن مثلًا مقارنة ملخّص اجتماع بالتسجيل أو بالملاحظات الأصلية. أما التوصية المالية أو التفسير القانوني النهائي، فلا يكفي أن تبدو الإجابة منطقية؛ يجب الرجوع إلى المصدر المختصّ أو صاحب الصلاحية.

اسألي قبل البدء:

1. ما المدخلات التي يحتاجها النظام؟
2. هل أستطيع التحقّق من الناتج؟
3. ما تكلفة الخطأ؟
4. هل البيانات مسموح بإدخالها؟
5. هل أريد مساعدة في جزء من المهمة أم تنفيذًا تلقائيًّا؟

هذه الأسئلة تحوّل الاستخدام من تجربة عامة إلى قرار تصميم صغير داخل سير العمل.

أين يكون الذكاء الاصطناعي مفيدًا فعلًا في العمل؟

١. المسوّدة الأولى

يمكن استخدام الذكاء الاصطناعي لإنتاج نسخة أولى من بريد أو تقرير أو خطة اجتماع. القيمة هنا ليست استبدال الكاتب، بل تقليل وقت البداية وتحويل صفحة فارغة إلى مادة قابلة للتحرير.

الأفضل أن تزوّديه بالغرض، والجمهور، والنبرة، والحقائق التي يجوز استخدامها، ثم تراجعي النتيجة. لا تتركي للنموذج اختراع الأرقام أو الوعود أو التزامات لم تُذكر.

وجدت دراسة منشورة في Science، شملت ٤٥٣ مهنيًّا حاصلين على تعليم جامعي في مهامّ كتابة مهنية متوسطة المستوى، أن استخدام ChatGPT خفّض متوسط الوقت بنسبة ٤٠٪ ورفع جودة المخرجات بنسبة ١٨٪. لكن النتيجة تخصّ مهامّ الكتابة التجريبية في تلك العيّنة، ولا تعني أن كل نوع من العمل سيتحسّن بالمقدار نفسه. (science.org)

٢. التلخيص والاستخراج

بدل طلب «لخّص هذا المستند»، اطلبي مخرجات يمكن مراجعتها:

• القرارات المتّخذة.
• المهامّ والمسؤولون عنها.
• التواريخ والمواعيد.
• النقاط المختلَف عليها.
• الأسئلة التي لم يُجَب عنها.
• العبارات التي تحتاج الرجوع إلى المصدر.

هذا الشكل يقلّل خطر أن يخفي الملخّص معلومات مهمّة خلف فقرة عامة. وفي المستندات الحسّاسة، يجب تحديد المصدر المسموح به وطريقة التعامل مع الملف قبل رفعه.

٣. تنظيم المعلومات

يمكن استخدام النموذج لتصنيف تذاكر الدعم، أو تجميع ملاحظات العملاء، أو تحويل نصوص غير منظَّمة إلى حقول موحَّدة. هنا ينبغي تعريف الفئات مسبقًا، وإضافة خيار مثل «غير واضح» أو «يحتاج مراجعة» بدل إجبار النظام على اختيار فئة خاطئة.

إذا كان التصنيف يؤثّر في أولوية عميل أو استحقاق موظف، فلا ينبغي اعتبار التصنيف الآلي قرارًا نهائيًّا دون آلية مراجعة مناسبة.

٤. المساعدة في التحليل

يمكن للنظام مقارنة خيارات أو استخراج مؤشرات أو اقتراح أسئلة ينبغي فحصها. لكنه لا يتحوّل بذلك إلى صاحب القرار.

مثلًا، يمكن أن تطلبي منه مقارنة موردين وفق السعر ومدة التسليم وشروط الضمان، ثم تتحقّقي من الأرقام في عروض الأسعار الأصلية. أما اختيار المورد النهائي، فقد يتطلّب عوامل لا تظهر في الجدول، مثل المخاطر التعاقدية أو الاعتمادية السابقة أو تضارب المصالح.

٥. البحث داخل المعرفة المؤسسية

يمكن لنظام مرتبط بقاعدة معرفة أن يسترجع المقاطع ذات الصلة من سياسات الشركة ثم يستخدمها لصياغة إجابة. يُسمّى هذا النمط غالبًا التوليد المعزَّز بالاسترجاع (RAG).

القيمة العملية ليست في جعل النموذج «يعرف كل شيء»، بل في ربط الإجابة بمصادر المؤسسة. ويظلّ من الضروري عرض مصدر الإجابة وتاريخ تحديثه، لأن النظام قد يسترجع وثيقة قديمة أو يخلط بين سياسة عامة واستثناء خاص.

مثال عملي: استخدام الذكاء الاصطناعي في مهمة يومية

لنفترض أن موظفًا لديه محضر اجتماع طويل، وملاحظات متفرّقة، ومجموعة قرارات، ويريد إعداد رسالة متابعة للفريق.

يمكن بناء سير العمل كالتالي:

1. إدخال المحتوى المسموح به: يحدّد الموظف ما إذا كان المحضر يحتوي معلومات سرّية أو بيانات شخصية، ثم يستخدم أداة معتمدة وفق سياسة المؤسسة.
2. استخراج القرارات: يطلب قائمة بالقرارات، مع الإشارة إلى موضع كل قرار في النص إن أمكن.
3. استخراج المهامّ: يطلب جدولًا يتضمّن المهمة، والمسؤول، والموعد، وحالة اليقين في كل معلومة.
4. مراجعة النتائج: يقارن الموظف الأسماء والتواريخ والمهامّ بالمحضر الأصلي، ويصحّح ما حُذف أو فُهم خطأً.
5. تحويل النتائج إلى بريد: يستخدم النسخة المعتمدة من الجدول لإنتاج رسالة مختصرة ومنظَّمة.
6. الفحص قبل الإرسال: يتحقّق من المستلمين، والتواريخ، وصياغة الالتزامات، وأي معلومة قد تخلق وعدًا رسميًّا.

أين وفّر الذكاء الاصطناعي الوقت؟ في قراءة النص الطويل، وتجميع النقاط المتكرّرة، وتحويلها إلى مسوّدة منظَّمة. وأين بقيت المسؤولية على الموظف؟ في إثبات أن القرار نُقل بدقّة، وأن الشخص الصحيح عُيّن للمهمة، وأن الرسالة لا تتضمّن استنتاجًا لم يرد في الاجتماع.

لو أرسل الموظف البريد مباشرة دون مراجعة، فقد يخلط النظام بين الشخص الذي اقترح المهمة والشخص المسؤول عنها، أو يحوّل موعدًا احتماليًّا إلى موعد نهائي. هذه ليست مشكلة في «اللغة» فقط، بل في انتقال المخرَج إلى فعل داخل المؤسسة.

من المساعدة إلى الأتمتة: ثلاثة مستويات للاستخدام

المستوى الأول: مساعد

يبدأ الإنسان المهمة ويستخدم الذكاء الاصطناعي لإنتاج مسوّدة أو تحليل أوّلي. مثال ذلك كتابة بريد، أو تلخيص ملاحظات، أو اقتراح بنية تقرير.

في هذا المستوى، تكون الصلاحيات محدودة، ويظلّ الإنسان ممسكًا بالمدخلات والمراجعة والتنفيذ.

المستوى الثاني: داخل سير عمل

يصبح الذكاء الاصطناعي جزءًا من عملية محدّدة:

استقبال نموذج
→ تصنيف الطلب
→ اقتراح ردّ
→ مراجعة بشرية
→ إرسال الردّ

قد يعمل التصنيف والاقتراح تلقائيًّا، لكن توجد نقطة مراجعة قبل الإرسال. ويمكن قياس جودة هذا المسار عبر نسبة التصنيفات الصحيحة، وزمن المعالجة، وعدد التعديلات البشرية.

المستوى الثالث: تفويض مهامّ متعدّدة الخطوات

قد يستخدم وكيل أو نظام وكيلي أدوات متعدّدة لجمع معلومات، واختيار الخطوة التالية، وتجهيز نتيجة. مثال ذلك جمع بيانات مبيعات من أكثر من مصدر ثم إعداد تقرير أوّلي.

هذا المستوى ليس «أفضل» تلقائيًّا. فهو يحتاج إلى صلاحيات محدّدة، وسجلّ إجراءات، وحدود للوقت وعدد الخطوات، وآلية للتعامل مع الفشل، وربما موافقة بشرية قبل تغيير سجلّ أو إرسال رسالة أو تنفيذ عملية مالية.

كل انتقال من المساعدة إلى الأتمتة ثم التفويض يرفع قيمة التنسيق، لكنه يرفع كذلك مساحة الخطأ المحتمل. لذلك ينبغي توسيع الاستقلالية تدريجيًّا بعد اختبار المهمة، لا منح النظام صلاحيات واسعة من البداية.

أين يفشل استخدام الذكاء الاصطناعي في العمل؟

أوضح أنواع الفشل هو أن يعطي النموذج إجابة تبدو واثقة لكنها خاطئة. لكن الأخطاء العملية قد تكون أقلّ وضوحًا:

• حذف قيد أو استثناء من ملخّص.
• بناء تحليل على بيانات ناقصة أو قديمة.
• فهم سياق المؤسسة فهمًا غير كافٍ.
• إدخال بيانات حسّاسة في أداة غير معتمدة.
• استخدام مخرجات النموذج في قرار مرتفع المخاطر دون مراجعة.
• أتمتة عملية سيّئة بدل إصلاح سبب التعقيد فيها.
• تحويل اقتراح احتمالي إلى حقيقة أو التزام رسمي.

في تجربة ميدانية على ٧٥٨ مستشارًا من Boston Consulting Group، تحسّن أداء المشاركين في مهامّ تقع ضمن قدرات النموذج، لكن الباحثين وجدوا أن استخدام الذكاء الاصطناعي في مهمة إدارية معقّدة خارج تلك الحدود جعل المشاركين أقلّ وصولًا إلى الحلّ الصحيح بـ١٩ نقطة مئوية، رغم أن إجاباتهم بدت أكثر إقناعًا. وكانت الدراسة تجربة محدّدة على عيّنة ومهامّ محدّدة، لا حكمًا على كل استخدام للذكاء الاصطناعي. (hbs.edu)

يشرح هذا المثال لماذا لا تكفي السرعة أو جودة الصياغة. قد ينتج النظام توصية مرتَّبة ومقنعة، بينما تكون الفرضية الأساسية ناقصة. وكلّما كان من الصعب على المستخدم اكتشاف الخطأ، زادت الحاجة إلى مصدر مستقلّ أو مراجعة من شخص يملك الخبرة والصلاحية.

خذي مثال تلخيص عقد طويل. قد ينتج النظام ملخّصًا صحيحًا في معظم فقراته، لكنه يحذف شرطًا جزائيًّا أو استثناءً أو تعريفًا يغيّر معنى بند كامل. المشكلة ليست أن التلخيص خاطئ دائمًا؛ المشكلة أن الاعتماد عليه بوصفه بديلًا عن العقد غير مناسب في سياق يحتاج دقّة قانونية.

كما يدرج NIST ضمن مخاطر الذكاء الاصطناعي التوليدي: المحتوى الخاطئ الواثق، وخصوصية البيانات، ونزاهة المعلومات، وأمن المعلومات، وطريقة توزيع المسؤولية بين الإنسان والنظام. ويوصي الإطار بإدارة المخاطر عبر فهم النظام وقياسه وتوثيق الإشراف عليه، لا بالاكتفاء بتجربة المخرجات مرة واحدة. (nvlpubs.nist.gov)

متى تستخدمين الذكاء الاصطناعي ومتى لا تستخدمينه؟

استخدميه عندما:

• يكون الهدف واضحًا.
• يمكن التحقّق من الناتج مقابل مصدر أو معيار.
• تكون المهمة متكرّرة أو تستغرق وقتًا.
• يكون الخطأ قابلًا للاكتشاف والتصحيح قبل الضرر.
• تتوفّر بيانات كافية ومناسبة.
• يسمح المنتج وسياسة المؤسسة بهذا الاستخدام.
• تستطيعين تحديد نقطة يراجع فيها الإنسان النتيجة.

لا تستخدميه وحده عندما:

• يكون القرار مرتفع المخاطر.
• يتطلّب حكمًا قانونيًّا أو طبيًّا أو ماليًّا نهائيًّا.
• لا تستطيعين التحقّق من المخرجات.
• تكون البيانات حسّاسة ولا تعرفين شروط معالجتها.
• قد يسبّب الخطأ ضررًا كبيرًا أو التزامًا لا يمكن التراجع عنه.
• يعتمد العمل على معرفة بشرية أو سياق لا يصل إلى النظام.
• لا توجد جهة واضحة تتحمّل مسؤولية النتيجة.

هذه ليست قائمة قانونية شاملة، بل إرشادات عملية مستندة إلى مبدأ أن مستوى الإشراف ينبغي أن يتناسب مع المخاطر. ويؤكّد NIST أن إدارة مخاطر الذكاء الاصطناعي تشمل التصميم والتطوير والاستخدام والتقييم، وأن ملفّ الذكاء الاصطناعي التوليدي يساعد المؤسسات على تحديد مخاطره الخاصة وإدارتها. (nist.gov)

ويمكن استخدام الذكاء الاصطناعي في هذه الحالات كمساعد، مثل تنظيم المعلومات أو إعداد أسئلة للمختصّ، لكن لا ينبغي الخلط بين «المساعدة في التحضير» و«تفويض القرار النهائي».

ماذا لا ينبغي أن يُرسَل إلى أداة ذكاء اصطناعي بلا تحقّق؟

لا تتعاملي مع كل أدوات الذكاء الاصطناعي بالطريقة نفسها. تختلف سياسات الاحتفاظ بالبيانات، وإعدادات المؤسسة، وشروط الاستخدام، ومكان المعالجة، وإمكانية استخدام المدخلات لتحسين الخدمة، بحسب المنتج والخطة والإعدادات.

لذلك تعاملي بحذر مع:

• بيانات العملاء الشخصية أو المالية.
• معلومات الموظفين والرواتب والتقييمات.
• أسرار الشركة وخططها غير المعلنة.
• كلمات المرور ومفاتيح الواجهات البرمجية وبيانات الدخول.
• المعلومات الصحية.
• العقود والوثائق السرّية.
• الشيفرة الداخلية الحسّاسة أو مفاتيح البنية التحتية.

الحلّ ليس منع الذكاء الاصطناعي بالكامل، بل معرفة سياسة الأداة وسياسة المؤسسة قبل إدخال البيانات. استخدمي نسخة معتمدة، وقلّلي البيانات إلى الحدّ الضروري، وأخفي المعرّفات غير اللازمة، ولا تفترضي أن حذف المحادثة من الواجهة يساوي حذف كل النسخ أو السجلّات في النظام.

وينظر NIST إلى خصوصية البيانات وأمن المعلومات على أنهما من مخاطر الذكاء الاصطناعي التوليدي التي ينبغي تحديدها وقياسها وإدارتها ضمن المؤسسة.

قاعدة بسيطة: النظام يقترح، والإنسان يتحقّق

تصلح هذه القاعدة نموذجًا عمليًّا لكثير من الاستخدامات، وليست قانونًا ثابتًا لكل نظام.

يمكن أن يتولّى النظام إنتاج مسوّدة، وتلخيص مستند، واستخراج عناصر، واقتراح تصنيف، وعرض بدائل، وتحديد أسئلة تحتاج إلى فحص.

ويتولّى الإنسان التحقّق من الحقائق، وإضافة سياق المؤسسة، ومراجعة البيانات الحسّاسة، وتصحيح الأخطاء، وتقرير ما إذا كان الناتج مناسبًا للإرسال أو التنفيذ، وتحمّل مسؤولية القرار النهائي عندما تكون المهمة من اختصاصه.

أما الأنظمة المؤسسية التي تؤتمت إجراءات أكثر، فتحتاج تصميمًا مختلفًا: صلاحيات أقلّ، وحدود تنفيذ، ومراقبة، وسجلّات، واختبارات، ومسار واضح للتدخّل البشري. لا يكفي أن تقول المؤسسة «سيراجع الإنسان»؛ ينبغي تحديد من يراجع، وماذا يراجع، ومتى يوقف العملية، وكيف يوثّق القرار.

الأسئلة الشائعة

كيف أبدأ باستخدام الذكاء الاصطناعي في عملي؟

ابدئي بمهمة صغيرة ومتكرّرة، مثل إعداد مسوّدة أو استخراج مهامّ من محضر، وحدّدي معيارًا لمراجعة الناتج قبل استخدامه. لا تبدئي بعملية حسّاسة ولا بربط الأداة بكل بيانات المؤسسة؛ اختبري القيمة، والخطأ، والوقت الموفَّر، ومتطلّبات الخصوصية أولًا.

ما أفضل استخدام للذكاء الاصطناعي في العمل؟

أفضل استخدام ليس واحدًا للجميع، لكنه غالبًا يكون في مهمة واضحة ومحدّدة يمكن التحقّق من مخرجاتها: المسوّدة الأولى، والتلخيص المنظَّم، والاستخراج، والتصنيف المبدئي، والبحث داخل مستندات موثوقة. وكلّما زادت حساسية القرار، احتجتِ إلى مراجعة أقوى.

هل يمكن الاعتماد على ChatGPT في العمل؟

يمكن استخدامه للمساعدة في الكتابة والتنظيم والتحليل الأوّلي، لكن لا ينبغي اعتبار كل إجابة صحيحة أو مناسبة لسياق المؤسسة. يعتمد الاستخدام المقبول على نوع الحساب، وسياسة الشركة، وطبيعة البيانات، وقدرتك على التحقّق من الناتج قبل مشاركته أو تنفيذه.

هل من الآمن رفع ملفات العمل إلى أدوات الذكاء الاصطناعي؟

لا توجد إجابة واحدة لكل الأدوات والملفات؛ يعتمد الأمر على المنتج والخطة والإعدادات وشروط الاحتفاظ ومعالجة البيانات وسياسة المؤسسة. قبل الرفع، تحقّقي من اعتماد الأداة، وقلّلي المعلومات الحسّاسة، ولا ترفعي أسرارًا أو بيانات شخصية أو مفاتيح وصول دون تصريح واضح.

هل الذكاء الاصطناعي يزيد الإنتاجية فعلًا؟

تُظهر دراسات تجريبية مكاسب في مهامّ محدّدة، لكنها لا تثبت زيادة عامة في كل الوظائف. فدراسة الكتابة على ٤٥٣ مهنيًّا وجدت وقتًا أقلّ وجودة أعلى، ودراسة على وكلاء دعم العملاء وجدت زيادة متوسطة في الإنتاجية بلغت ١٤٪ مع اختلاف كبير بحسب الخبرة والسياق؛ لذلك يجب قياس المهمة الفعلية بدل تعميم رقم واحد. (nber.org)

المراجع

1. Shakked Noy وWhitney Zhang — Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence (Science، يوليو ٢٠٢٣). science.org
2. Erik Brynjolfsson وDanielle Li وLindsey R. Raymond — Generative AI at Work (NBER، ورقة عمل ٢٠٢٣). nber.org
3. Fabrizio Dell'Acqua وآخرون — Navigating the Jagged Technological Frontier (Harvard Business School Working Paper، ٢٠٢٣). hbs.edu
4. NIST — AI Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1، يوليو ٢٠٢٤). nvlpubs.nist.gov
5. NIST — Artificial Intelligence Risk Management Framework 1.0 (NIST، يناير ٢٠٢٣). nist.gov

ملاحظة تحريرية: قاعدة «النظام يقترح والإنسان يتحقّق» إطار عملي تقترحه الكاتبة، لا قاعدة واردة في المراجع أعلاه. وأمثلة المحضر والعقد والموردين توضيحية من تأليفها، لا حالات موثَّقة.