من بين الموظفين في الولايات المتحدة الذين يستخدمون الذكاء الاصطناعي في مهمة واحدة أو مهمتين متمايزتين، يبلّغ 45% عن أثر إيجابي على إنتاجيتهم. أما بين من يستخدمونه في سبع مهام أو أكثر، فترتفع النسبة إلى 90% (Gallup، 2026). الأدوات نفسها. التراخيص نفسها. ميزانية التدريب نفسها. المتغيّر الوحيد الذي تحرّك هو عدد أجزاء العمل المختلفة التي تلامسها الأداة فعليًا.
هذا التدرّج هو الرقم الأكثر فائدة تشغيلية بين ما نُشر هذا العام عن إنتاجية الذكاء الاصطناعي، وهو يشير إلى موضع غير مريح: ما تُحسّنه معظم عمليات التبنّي في السوق المتوسطة — أي الوصول — يقع على الجزء المسطّح من المنحنى.
تدرّج إنتاجية الذكاء الاصطناعي الذي قاسته Gallup فعليًا
تضع قراءة Gallup لبيئة العمل في الربع الثاني من 2026 نسبة الدمج المؤسسي للذكاء الاصطناعي عند 47% من الموظفين الأمريكيين، بزيادة ست نقاط عن 41% في الربع السابق. الاستخدام الشخصي عند 52%؛ و30% يستخدمونه بضع مرات أسبوعيًا على الأقل، و15% يوميًا (Gallup، 2026).
هذه هي أرقام العناوين، وهي التي تنتهي في عروض مجلس الإدارة. التقسيم الأكثر إثارة للاهتمام هو التوزيع بحسب اتساع التطبيق — أي نسبة من يبلّغون عن أثر إنتاجي إيجابي إلى حدٍّ ما أو إيجابي للغاية، مصنّفين بعدد المهام المتمايزة التي يطبّق عليها الموظف الذكاء الاصطناعي:
- حالة إلى حالتَي استخدام: 45%
- ثلاث إلى أربع حالات: 66%
- خمس إلى ست حالات: 78%
- سبع أو أكثر: 90%
المنحنى أشدّ انحدارًا عند القاعدة. نقل موظف من تطبيقين إلى أربعة يساوي نحو 21 نقطة من المنفعة المُبلّغ عنها. نقله من خمسة إلى سبعة يساوي نحو 12 نقطة. أكبر عائد متاح في معظم شركات السوق المتوسطة ليس عند المستخدمين المتقدّمين، بل عند الأغلبية المتوقفة عند استخدام أو استخدامين، ومعظمها يملك ترخيصًا بالفعل.
لماذا يعيد هذا صياغة سؤال التبنّي
السؤال المعتاد عند التبنّي هو كم شخصًا لديه وصول. تشير بيانات Gallup إلى أن السؤال الأفضل هو كم وظيفة جرى رسم خرائط عملها. يبدوان متشابهين. لكنهما يُموَّلان بطريقتين مختلفتين تمامًا — الأول بند شراء، والثاني مشروع عمليات — وهذا بالضبط سبب استمرار معظم الشركات في الإجابة عن الأول.
مزيج الاستخدام مقلوب مقارنةً بالقيمة
النتيجة الثانية أكثر حدّة من الأولى، لأنها تفسّر سبب بقاء هذا العدد الكبير من الموظفين عند استخدام أو استخدامين.
بيانات Gallup عمّا يستخدم الناس الذكاء الاصطناعي من أجله فعليًا، في مقابل مردود تلك التطبيقات على الإنتاجية:
| التطبيق | نسبة مستخدمي الذكاء الاصطناعي | يبلّغون عن مكسب إنتاجي |
|---|---|---|
| الكتابة والتحرير | 51% | 68% |
| البحث والاطلاع | 49% | 65% |
| علم البيانات والتحليلات | 18% | 75% |
| الشرائح والعروض التقديمية | 17% | 76% |
| المساعدة في البرمجة | 16% | 77% |
| أتمتة العمليات | 16% | 77% |
اقرأ العمودين أحدهما في مقابل الآخر. التطبيقان الأكثر استخدامًا هما الأدنى مردودًا على الإنتاجية. أما التطبيقات الأربعة الأعلى تقييمًا فيستخدم كلًّا منها أقل من واحد من كل خمسة مستخدمين (Gallup، 2026).
مسار التبنّي الافتراضي — الكتابة أسرع، البحث أسرع — هو المسار الذي يصلح لكل دور ولا يتطلب عملًا على العمليات من أحد. وهو أيضًا المسار الذي يبلغ سقفه أبكر من غيره. التطبيقات الأعلى تقييمًا هي تلك التي تلامس سير عمل محدّدًا: تسوية حسابية، بناء تقرير، تسليم بين فريقين، سكربت. لا أحد يصل إليها بفتح نافذة محادثة. لا بدّ أن يرسم أحدهم خريطتها.
في هذا الجدول أثر مخفي على الميزانية. الكتابة والبحث هما التطبيقان اللذان يبيع بهما عرضُ المورّد نفسه، لأنهما لا يحتاجان إعدادًا ولا سياقًا عن أعمالكم. وهما أيضًا التطبيقان اللذان يستطيع الموظف تبنّيهما وحده، في فترة بعد الظهر، دون أن يسأل أحدًا. أما كل ما يتجاوز مردوده 75% فيتطلب أن يعرف شخصٌ ما كيف تسير عملية بعينها قبل أن يمكن توجيه الأداة إليها. تلك المعرفة موجودة في وظيفة العمليات لديكم، لا عند المورّد ولا عند الفرد — ولهذا تبقى الفئة عالية القيمة عالقة عند 16% من التبنّي في سوقٍ باتت التراخيص فيه شبه شاملة.
بيانات التكرار لدى Gallup تدعم هذه القراءة. المستخدمون المتكررون أكثر احتمالًا بنحو ثلاثة أضعاف من المستخدمين المتقطّعين لاستعمال الذكاء الاصطناعي في البرمجة (22% مقابل 8%) وفي الأتمتة (21% مقابل 8%)، وبأكثر من الضعف في إدارة المهام والمشاريع (21% مقابل 9%). الاتساع والعمق يصلان معًا، وكلاهما يصل من جهة العمليات في العمل.
الأسبوع نفسه، واقعان متعاكسان
هذا هو الجزء الجدير بأن تحملوه إلى مراجعتكم التشغيلية القادمة.
نشرت Gallup قفزة التبنّي بمقدار ست نقاط في 20 يوليو 2026. وفي اليوم التالي، نشر مختبر الإنتاجية في ActivTrak قياسات سلوكية تغطي 120,620 عاملًا، تصنّف نضج الذكاء الاصطناعي بحسب النشاط المُلاحَظ لا بحسب التراخيص أو تسجيلات الدخول أو التصريح الذاتي. والنتيجة: 27% من العاملين يبلغون مرحلة المساعدة البحثية، و14% مرحلة تنفيذ المهام، و2% مرحلة الدمج في سير العمل (ActivTrak، 2026).
مجموعتا بيانات موثوقتان، نُشرتا في غضون أربع وعشرين ساعة، تصفان القوة العاملة نفسها بعبارات متعاكسة. لا تناقض هنا يستدعي الحل: إنهما يقيسان أمرين مختلفين. Gallup تقيس ما إذا كان الذكاء الاصطناعي قد وصل إلى الناس. ActivTrak تقيس ما إذا كان قد وصل إلى العمل. الوصول يتوسّع بسرعة. إعادة تصميم العمل لا.
هذه الـ2% هي الأرضية التجريبية تحت فئة «سبع أو أكثر» لدى Gallup. رقم الـ90% في الإنتاجية حقيقي، وهو يصف عددًا ضئيلًا جدًا من الأشخاص الذين أعادوا هيكلة طريقة سير عملهم.
ماذا يفعل هذا بلوحة مؤشراتكم
إذا كان تقريركم عن الذكاء الاصطناعي مبنيًا على التراخيص المفعّلة والمستخدمين النشطين أسبوعيًا والوقت الموفَّر المصرَّح به ذاتيًا، فكل واحد من هذه المقاييس يتتبّع القسم المسطّح من منحنى Gallup. ستصعد جميعها في عملية تبنٍّ لا تنتج ولو سير عمل واحدًا معاد تصميمه — وستصعد أسرع ما تصعد في فئة الكتابة والتحرير، وهي الأدنى مردودًا على الإنتاجية.
التوزيع ليس تبنّيًا. ولوحة مؤشراتكم، اليوم، لا تستطيع التمييز بينهما.
أين تتوقف هذه الأدلة
ثلاثة حدود، تُذكر قبل أن يبني أحد حالة عمل على هذا التدرّج.
العلاقة بين الاتساع والإنتاجية ارتباطية. تقول Gallup ذلك صراحةً. والاختيار الذاتي تفسير بديل قائم: الموظفون الذين يجنون قيمة من الذكاء الاصطناعي أصلًا يبحثون عن مواضع إضافية لتطبيقه، ما يعني أن سهم السببية قد يسير عكس ما تفترضه القراءة التشغيلية.
المساحة المتاحة تختلف بحسب الدور. بعض الوظائف تتيح فعلًا سبعة تطبيقات معقولة للذكاء الاصطناعي؛ وبعضها يتيح اثنين. المحلل المالي والفني الميداني ليسا قابلين للمعالجة بالدرجة نفسها، وتفويض من نوع «أوصلوا الجميع إلى خمس حالات استخدام» سيصنع عملًا زائفًا في الأدوار التي لا تملكها.
كلٌّ من قياس الإنتاجية وعدّ حالات الاستخدام تصريح ذاتي. كلاهما يأتي من المستجيب نفسه في الأداة نفسها، وهو بالضبط الشرط الذي تميل فيه المنفعة المُدرَكة والسلوك المُبلَّغ عنه إلى التحرك معًا.
ما يصمد أمام هذه التحفظات هو عدم التماثل التشغيلي، لا النسب المئوية بعينها. الموظفون عند تطبيق أو تطبيقين هم الأغلبية الساحقة، وهم الفئة الأقل كلفة في التحريك، وكل تطبيق عالي التقييم يقع على جهة العمليات من العمل لا على جهة الكتابة. هذا يكفي لتغيير وجهة إنفاق الربع القادم، وإن لم يكفِ للوعد برقم.
انقلوا المقياس من التراخيص المفعّلة إلى حالات الاستخدام لكل دور
الأدبيات الأوسع تشير إلى هذا الاتجاه منذ عام، من جهة الاستثمار لا من جهة الاستخدام.
تقرير Deloitte "State of AI in the Enterprise 2026"، الذي شمل 3,235 قياديًا في 24 دولة، حدّد نقص مهارات العاملين بوصفه أكبر عائق أمام دمج الذكاء الاصطناعي — مع استجابة غير متوازنة تجاهه. 53% يدرّبون القوة العاملة لرفع كفاءتها في الذكاء الاصطناعي، لكن 30% فقط يعيدون تصوّر المؤسسة حول أنماط الذكاء الاصطناعي الجديدة، و33% يعيدون تصميم المسارات المهنية (Deloitte، 2026). الجميع يدرّب. لا أحد تقريبًا يعيد التصميم.
مؤشر Microsoft "Work Trend Index 2026"، الذي شمل 20,000 عامل في 10 دول، يقيس كلفة هذا الانقسام: العوامل التنظيمية — الثقافة ودعم المديرين وممارسات المواهب — تقود أكثر من ضعف الأثر المتحقق للذكاء الاصطناعي مقارنةً بالعوامل الفردية، 67% مقابل 32% (Microsoft، 2026). و26% فقط من مستخدمي الذكاء الاصطناعي يقولون إن قيادتهم متوائمة حول استراتيجية للذكاء الاصطناعي.
ضعوا مجموعات البيانات الثلاث في تسلسل، وسيكتب تصميمُ التبنّي نفسَه. الوصول مسألة محسومة. والكفاءة الفردية ممولة. المتغيّر الذي لا يملكه أحد هو الربط بين دور محدّد والمهمتين أو الثلاث في جهة العمليات حيث يعطي الذكاء الاصطناعي مردودًا فعليًا — وهذا الربط مُخرَج من مخرجات العمليات، لا من مخرجات التدريب.
النسخة العملية
اختاروا ثلاثة أدوار، لا الشركة كلها. أعداد كبيرة، تكرار عالٍ، وعند استخدام أو استخدامين اليوم. هذه الفئة تملك أشدّ ميل متاح.
سمّوا حالات الاستخدام قبل أن تسمّوا الأداة. لكل دور، اكتبوا مهمتين أو ثلاث مهام متكررة محدّدة — التسوية الأسبوعية، ملخص المورّدين، فرز التذاكر. محدّدة بما يكفي لتعرفوا إن كانت قد حدثت.
وجّهوا القائمة نحو الفئة منخفضة التبنّي عالية المردود. الأتمتة، والتحليلات، والمساعدة في البرمجة، وإنتاج الشرائح. إن كانت قائمتكم كلها صياغة وبحث، فقد وثّقتم الجزء المسطّح من المنحنى.
اربطوا توسيع التراخيص بدمج مُثبت في سير العمل. قبل شراء الدفعة التالية من التراخيص، اشترطوا أن يكون سير عمل واحد مسمّى على الأقل قد تحرّك بشكل مرئي — التقرير الذي صار يبني نفسه، التسليم الذي لم يعد يحتاج اجتماعًا. سير عمل واحد مُتحقَّق عند Stage 3 يساوي كدليل أكثر من ألف ترخيص مفعّل.
أبلغوا عن حالات الاستخدام لكل دور، لا عن المستخدمين لكل ترخيص. إنه المقياس الوحيد للذكاء الاصطناعي على لوحتكم الذي لا يستطيع قسم المشتريات تحقيقه.
قرار واحد لهذا الربع
خذوا أدواركم الثلاثة الأكبر عددًا. ولكل دور، اطلبوا من خمسة أشخاص أن يسردوا كل مهمة متمايزة يستخدمون فيها الذكاء الاصطناعي. ثم عُدّوها. إن كان الجواب الأكثر تكرارًا واحدة أو اثنتين، وكلتاهما كتابة أو بحث، فأنتم تعرفون الآن بالضبط أين يقبع عائد إنتاجية الذكاء الاصطناعي لديكم — وهو ليس في دفعة تراخيص إضافية.
عملية التبنّي التي يموّلها الجميع تنتهي حين تصل الأداة إلى الشخص. أما العائد فيبدأ حين تصل الأداة إلى العمل. هذان مشروعان مختلفان، وواحد منهما فقط مدرج اليوم في ميزانيتكم.
