حين يصبح اثنان أضعف من واحد

ما الذي يحدث فعلاً حين نضع الإنسان والذكاء الاصطناعي في غرفة واحدة؟

هناك فكرة مريحة يكررها الجميع تقريباً: الذكاء الاصطناعي لن يحلّ محل الإنسان، بل سيعمل الإنسان معه، وسيكون الاثنان معاً أفضل من كل واحد على حدة. الفكرة جميلة، ومطمئنة، وتُقال في كل مؤتمر.

المشكلة أن أكبر مراجعة علمية أُجريت حتى الآن على هذا السؤال وجدت العكس.

في أكتوبر ٢٠٢٤، نشر باحثون من معهد ماساتشوستس للتقنية (MIT) في دورية Nature Human Behaviour تحليلاً بَعدياً (meta-analysis) مسجَّلاً مسبقاً، جمع ١٠٦ تجربة تحتوي على ٣٧٠ قياساً للأثر. السؤال كان بسيطاً: حين يعمل الإنسان والذكاء الاصطناعي معاً، هل تتفوق النتيجة على أفضل الطرفين منفرداً؟

الجواب: لا. في المتوسط، كان الأداء المشترك أسوأ بفارق دالّ إحصائياً (حجم الأثر −٠٫٢٣). يقول توماس مالون، أحد مؤلفي الدراسة: «كان هذا أكثر ما فاجأنا… توقّعنا أن يكون الدمج أفضل بكثير، فإذا به أسوأ بدلالة إحصائية».

لكن انتبهي للتفصيل الذي يسقط من معظم التغطيات

الدراسة نفسها وجدت أن الدمج بين الإنسان والآلة كان أفضل بكثير من الإنسان وحده (حجم أثر +٠٫٦٤، وهو أثر متوسط إلى كبير). أي أن الذكاء الاصطناعي يساعد الناس فعلاً — لكنه غالباً لا يحتاجهم.

هذه ليست مفارقة، بل هي جوهر الموضوع. ولفهمها، إليك مثالين من الدراسة نفسها:

المثال الأول — كشف مراجعات الفنادق المزيفة: الآلة وحدها: دقة ٧٣٪ · الإنسان وحده: ٥٥٪ · الاثنان معاً: ٦٩٪. الإنسان سحب الآلة إلى الأسفل.

المثال الثاني — تصنيف صور الطيور: الآلة وحدها: ٧٣٪ · الإنسان وحده: ٨١٪ · الاثنان معاً: ٩٠٪. هنا حدث التعاون الحقيقي.

الأرقام نفسها تقريباً للآلة في الحالتين. ما اختلف هو الإنسان.

القاعدة التي تلخّص كل شيء

استخرج الباحثون العامل الحاسم، وهو بسيط لدرجة مذهلة:

حين يكون الإنسان أفضل من الآلة في المهمة، يحقق الدمج مكاسب حقيقية (+٠٫٤٦). وحين تكون الآلة أفضل من الإنسان، يحقق الدمج خسائر (−٠٫٥٤).

والتفسير الذي يقدّمونه أدقّ من القاعدة ذاتها: حين يكون الإنسان أفضل عموماً، فإنه يكون أيضاً أفضل في معرفة متى يثق برأيه ومتى يعتمد على الآلة. أما حين تكون الآلة أفضل، فإن الإنسان لا يملك المعيار الذي يميّز به لحظة التدخّل الصحيحة من لحظة التدخّل المدمّر. فيتدخل في اللحظة الخطأ.

بعبارة أخرى: المشكلة ليست أن الإنسان ضعيف. المشكلة أن الحكم على جودة الإجابة يحتاج تقريباً نفس الكفاءة المطلوبة لإنتاجها.

الدليل من غرفة الطبيب

في تجربة عشوائية محكّمة نُشرت في JAMA Network Open عام ٢٠٢٤، وُزّع ٥٠ طبيباً عشوائياً بين مجموعتين لحلّ حالات تشخيصية:

• الأطباء بالمصادر التقليدية: ٧٤٪
• الأطباء ومعهم GPT-4: ٧٦٪ (فرق غير دالّ إحصائياً — عملياً: لا شيء)
• GPT-4 وحده: ٩٢٪

خلاصة الباحثين حرفياً: «توفّر نموذج لغوي كمساعد تشخيصي لم يحسّن أداء الأطباء… النموذج وحده تفوّق على الأطباء حتى حين كان متاحاً لهم».

ودراسة أوسع في الأشعة (٢٢٧ أخصائي أشعة، ٣٢٤ حالة صدر) وجدت أن إضافة تنبؤات الذكاء الاصطناعي لم تحسّن الدقة في المتوسط إطلاقاً، بينما حسّنها إعطاء الطبيب التاريخ المرضي للمريض بنسبة ٤٪. السبب الذي رصدوه: الأطباء يقلّلون من وزن تنبؤ الآلة حين يخالف حدسهم — ثم يخطئون. وصل الباحثون إلى توصية جذرية: «ما لم تُصحَّح هذه الأخطاء، فإن التصميم الأمثل يوجّه الحالة إما إلى الإنسان أو إلى الآلة، ونادراً إلى إنسانٍ يساعده ذكاء اصطناعي».

الحدّ المسنَّن

أشهر تجربة ميدانية في هذا الباب أُجريت على ٧٥٨ مستشاراً في شركة بوسطن الاستشارية (BCG). في ثمانَ عشرة مهمة واقعية يجيدها GPT-4، أنجز المستشارون المستعينون به مهامّ أكثر بنسبة ١٢٫٢٪، وأسرع بنسبة ٢٥٫١٪، وبجودة أعلى بأكثر من ٤٠٪. ومن كانوا في النصف الأضعف تحسّنوا ٤٣٪ مقابل ١٧٪ للنصف الأقوى.

ثم أعطوهم مهمة واحدة مصمَّمة عمداً بحيث تشير البيانات إلى إجابة وتشير المقابلات إلى إجابة أخرى — أي مهمة تُخطئ فيها الآلة.

انخفضت نسبة الإجابات الصحيحة لدى مستخدمي الذكاء الاصطناعي بـ ١٩ نقطة مئوية مقارنة بمن عملوا بلا مساعدة.

نفس الأشخاص. نفس اليوم. نفس الأداة. سمّى الباحثون هذا «الحدّ المسنَّن» (jagged frontier): حدود قدرة الآلة ليست خطاً مستقيماً يمكن حفظه، بل حافة مشرشرة، ومهمتان تبدوان متساويتَي الصعوبة قد تقع إحداهما داخل الحدّ والأخرى خارجه.

إذن متى ينجح التعاون فعلاً؟

ينجح حين يُعطى الذكاء الاصطناعي مهمة فرعية محدّدة، لا مقعداً على طاولة الحكم.

أوضح دليل على ذلك تجربة MASAI السويدية العشوائية، وقد نُشرت نتائجها النهائية في The Lancet في يناير ٢٠٢٦: ١٠٥٬٩٣٤ امرأة في فحص الثدي المبكر، نصفهن بقراءة مدعومة بالذكاء الاصطناعي ونصفهن بالقراءة المزدوجة المعتادة.

• الحساسية (اكتشاف الحالات الحقيقية): ٨٠٫٥٪ مقابل ٧٣٫٨٪
• النوعية (عدم إطلاق إنذارات كاذبة): ٩٨٫٥٪ في المجموعتين — متطابقة تماماً

كشف أكثر، دون ثمن. لماذا نجح هنا وفشل هناك؟ لأن الآلة لم تُطلَب منها «الرأي النهائي»، بل فرز الحالات وتخفيف عبء القراءة، والقرار بقي بشراً.

ويؤكد هذا بحث حديث لفريق من DeepMind قُدّم في مؤتمر FAccT عام ٢٠٢٦: في مهمة تحقّق من صحة الادعاءات، سجّلت الآلة وحدها ٨٧٫٧٪، والبشر بالأغلبية ٨٠٫٦٪. أما التصميم الفائز فبلغ ٩١٫٣٪ — وهو التصميم الذي أعطى البشر الأدلة التي جمعتها الآلة دون أن يعطيهم حكمها. عبارتهم: «التآزر ليس هو الوضع الافتراضي».

الخلاصة العملية

هذه ليست دعوة للتشاؤم، بل دعوة لسؤالٍ أدقّ. قبل أن نضع أنفسنا والآلة في المهمة نفسها، يبقى سؤال واحد:

هل أنا الطرف الأقوى في هذه المهمة تحديداً؟

إن كان الجواب نعم، فالتعاون سيرفع النتيجة. وإن كان لا، فالأصدق تفويض المهمة كاملة، أو طلب الأدلة لا الحكم من الآلة — ويبقى الحكم لنا.

وهناك ثمن أخير لا يظهر في جدول النتائج: في دراسة رصدية نُشرت في The Lancet Gastroenterology & Hepatology عام ٢٠٢٥، تابع الباحثون ١٩ منظاراً خبيراً (لكلٍّ منهم أكثر من ألفَي إجراء سابق) في أربعة مراكز في بولندا. بعد أن اعتادوا العمل بمساعدة الذكاء الاصطناعي، انخفض معدل اكتشافهم للأورام الحميدة حين عملوا بدونه من ٢٨٫٤٪ إلى ٢٢٫٤٪. (الدراسة رصدية لا عشوائية، والباحثون أنفسهم ينبّهون إلى احتمال وجود عوامل أخرى.)

نقيس عادةً أداء الفريق. وننسى أن نقيس ما بقي من الإنسان بعد أن يخرج الفريق من الغرفة.

الأسئلة الشائعة

هل يعني هذا أن الاستعانة بالذكاء الاصطناعي بلا فائدة؟

لا. التحليل نفسه وجد أن الدمج أفضل بكثير من الإنسان وحده. المقارنة التي خسرها الدمج هي مع أفضل الطرفين منفردًا — أي أن الأداة كثيرًا ما تكفي وحدها في المهام التي تجيدها.

متى ينجح التعاون فعلًا؟

حين تُسنَد إلى الآلة مهمّة فرعية ويبقى الحكم بشريًّا. في تجربة الفحص المبكر للثدي ارتفعت الحساسية دون أي انخفاض في النوعية، لأن الآلة لم تُطلَب منها الرأي النهائي بل الفرز. وفي تجربة أخرى فاز التصميم الذي أعطى البشر أدلّة الآلة دون حكمها.

ما «الحدّ المسنَّن»؟

أن حدود قدرة الآلة ليست خطًّا مستقيمًا يُحفظ، بل حافة مشرشرة: مهمّتان تبدوان متساويتَي الصعوبة قد تقع إحداهما داخل قدرتها والأخرى خارجها. ولهذا انخفضت إجابات مستخدمي الأداة الصحيحة بتسع عشرة نقطة في المهمّة التي صُمّمت لتُخطئ فيها.

المراجع

1. Vaccaro, M., Almaatouq, A., & Malone, T. — When combinations of humans and AI are useful: A systematic review and meta-analysis, Nature Human Behaviour (2024). nature.com
2. MIT Sloan — When humans and AI work best together — and when each is better alone (تصريحات مالون وألمعتوق). mitsloan.mit.edu
3. Goh, E. et al. — Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial, JAMA Network Open (2024). pubmed.ncbi.nlm.nih.gov
4. Agarwal, N., Moehring, A., Rajpurkar, P., & Salz, T. — Combining Human Expertise with Artificial Intelligence (ورقة عمل، MIT، نوفمبر ٢٠٢٥). economics.mit.edu
5. Dell'Acqua, F. et al. — Navigating the Jagged Technological Frontier (تجربة BCG، ٧٥٨ مستشاراً)، Organization Science (2026) / SSRN. papers.ssrn.com
6. تجربة MASAI — النتائج النهائية، The Lancet (يناير ٢٠٢٦)، عبر البيان الصحفي الرسمي. eurekalert.org
7. Jain, S. et al. (Google DeepMind) — Human-AI Complementarity: A Goal for Amplified Oversight, ACM FAccT 2026. arxiv.org
8. Budzyń, K. et al. — Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy, The Lancet Gastroenterology & Hepatology (2025). thelancet.com00133-5/abstract

ملاحظة منهجية: دراسة الأشعة (٤) ورقة عمل لم تُحكَّم بعد؛ ودراسة تراجع مهارة المناظير (٨) رصدية لا عشوائية. ذُكرت الأرقام كما وردت في مصادرها الأصلية.