طرحت Oyster على أكثر من 1000 متخصص في الموارد البشرية وإدارة الأفراد سؤالًا لا تطرحه تقريبًا أي دراسة عن الجاهزية للذكاء الاصطناعي: ما الذي يحدث فعلًا للموظف الذي يُؤتمت جزءًا من وظيفته؟ 38% فقط قالوا إن ذلك الشخص سيُكافأ. و26% قالوا إن شيئًا لن يتغير، و24% قالوا إنه سيُمنَح عملًا أكثر، و6% قالوا إن الدور سيتقلّص (Oyster, 2026). اقرأ هذا التوزيع كجدول حوافز لا كإحصاء، وسيصبح واضحًا ما تبثه مؤسستك إلى أفضل من يُؤتمتون فيها: اعثر على التوفير، واستوعب الطاقة المحرَّرة بنفسك، وأبقِ الوصف الوظيفي القديم كما هو.
هذه ليست مشكلة تدريب. إنها مشكلة توازن بين الجهد والمكافأة، وتقع أسفل مجرى كل برنامج لمحو أمية الذكاء الاصطناعي في موازنتك لعام 2027.
التوزيع هو النتيجة، لا الرقم الذي يصلح عنوانًا
إذا أُخذ 38% منفردًا فهو يبدو نتيجة نصف مُرضية. ضع النتائج الأربع جنبًا إلى جنب وسيتبيّن أن الشكل أهم من أي عمود منفرد: من المتوقع أن يُحمَّل عملًا أكثر عددٌ من الموظفين يقارب عدد من لن يتغير لهم شيء، والحالتان معًا — 50% — ترجحان على فرضية المكافأة. وطرف بنسبة 6% يتوقع أن ينكمش الدور نفسه.
ملاحظة منهجية واحدة، لأنها تغيّر طريقة استخدامك للرقم. هؤلاء متخصصو موارد بشرية يصرّحون بما يتوقعون أن يحدث داخل مؤسساتهم، وليست هذه مراجعة تدقيقية لما حدث فعلًا لموظفين محدَّدين بالاسم. وتبيع Oyster خدمات تشغيل عالمية، فهذه دراسة مزوّد لا تعداد شامل. وما تقيسه جيدًا هو التوقع المؤسسي — أي ما سيقوله لك مدير بصراحة بعيدًا عن التسجيل إذا سألته كيف تعاملت الشركة مع آخر مكسب أتى من الأتمتة. وفي سؤال عن الحوافز، يكون التوقع المُعلَن قريبًا من الأداة الصحيحة، لأن الموظفين يستجيبون للنمط الذي يرونه، لا للسياسة المنشورة على الشبكة الداخلية.
ويقدّم التقرير نفسه التفصيل البنيوي المؤيِّد. فمن بين الشركات التي أضافت متطلبات مهارات الذكاء الاصطناعي إلى أدوار قائمة خلال الاثني عشر شهرًا الماضية، لم تُغيّر 62% منها لا المسمى الوظيفي ولا الأجر. ومن الثلثين الذين أضافوا متطلبات الذكاء الاصطناعي إلى وظائف غير تقنية تقليديًا — التسويق والموارد البشرية والعمليات — يقول 46% إنهم لم يُبلّغوا بالتغيير رسميًا قط. ومن بين 68% من الشركات التي تسأل المرشحين عما بنوه شخصيًا بالذكاء الاصطناعي، يقول 53% إن الإجابة لا تؤثر في قرارات التوظيف أو الأجر (Oyster, 2026).
مسار المكافأة ليس موضع خلاف. إنه غائب.
هندسة أدوارك متقادمة بالفعل
يقول 95% من متخصصي الموارد البشرية المشمولين بالدراسة إن الموظفين في شركاتهم يستخدمون أدوات الذكاء الاصطناعي يوميًا في أدوار لا يكون فيها الذكاء الاصطناعي جزءًا من الوصف الوظيفي الرسمي. وتحليل Oyster للأدوار التي مُلئت عبر منصتها يضع المتطلب الرسمي عند 15%، أي ثلاثة أمثال نسبة 5% في 2022 — وتسعة من كل عشرة من تلك الأدوار لا تذكر الذكاء الاصطناعي في أي موضع من المسمى الوظيفي (Oyster, 2026).
الفجوة بين 95% و15% هي الموضع الذي تسكنه المشكلة. وهي ليست أثرًا قياسيًا زائفًا، بل واقع تشغيلي: عمل الذكاء الاصطناعي يُنفَّذ داخل تعريفات أدوار لا تعترف به، ومعنى ذلك أنه لا يمكن تحديد نطاقه ولا معايرته ولا الأجر عليه ولا الترقية بناءً عليه.
ابدأ من طبقة المنسّقين
تشير بيانات الانتشار إلى موضع محدد. فمن بين الأدوار التي مُلئت عبر Oyster، طلب 17% من إعلانات منسّق التسويق، و15% من إعلانات أخصائي التوظيف، و10% من إعلانات منسّق العمليات مهارات في الذكاء الاصطناعي صراحةً. تلك هي طبقة المنسّقين — وهي بالضبط الفئة التي تقوم عليها وظيفة عمليات من 50 إلى 500 موظف بدوام كامل، وبالضبط الفئة التي تُعاد كتابة أوصافها الوظيفية بأقل تواتر.
وهي أيضًا الأدوار التي تكون فيها مكاسب الأتمتة أسهل ما يُكتشف وأصعب ما يُرى. فالمنسّق الذي يُلغي بسكربت ست ساعات أسبوعية من أعمال المطابقة قد حقّق تحسنًا حقيقيًا في الهامش لن يظهر أبدًا في أي نظام سجلات، لأنه لا يوجد نظام سجلات يراقب ذلك المقعد.
لماذا تكلّف أتمتة وظيفتك أكثر من الساعات التي توفّرها
هنا اعتراض معقول: العمل الأكثر ليس عقابًا. امنح صاحب الأداء القوي نطاقًا أوسع وستكون قد منحته مهمة نمو. وكثير من المسارات المهنية تُبنى على هذا النحو تمامًا.
لكن الاعتراض لا يصح إلا إذا كان النطاق الأوسع مُسمّى. وهناك خطان مستقلان من الأدلة يرجّحان أن التكلفة الدافعية، حين لا يكون مُسمّى، تأتي سريعًا وتكون أكبر من الطاقة المكتسبة.
الأول سببي. في تجربة مُسجَّلة مسبقًا أُجريت على عينات ممثِّلة وطنيًا في الولايات المتحدة وهولندا (N مجمَّعة = 3628)، لم يُغيّر نيكولوفا وميلانوفا ووانغ سوى بطاقة نسبة التأليف الملحقة بناتج إبداعي متطابق. وعندما قيل للمشاركين إن العمل جاء من الذكاء الاصطناعي لا من متخصص تسويق، قيّموا المهمة بأنها أقل معنى، وانخفض استعدادهم للتطوع بعمل أصلي من إنتاجهم بمقدار 3.4 نقطة مئوية مقابل خط أساس 26% — أي انخفاض نسبي بمقدار 13% في الجهد التقديري، مع تثبيت جودة الناتج (Brookings, 2026). فطريقة تأطير مشاركة الذكاء الاصطناعي ليست حاشية في الاتصال المؤسسي. إنها مُعامِل يُحرّك الجهد.
والثاني رصدي، ويشير إلى أرخص رافعة متاحة. فقد وجدت دراسة Achievers Workforce Institute لعام 2026 التي شملت 3000 موظف حول العالم أن 19% فقط يشعرون بالثقة في استخدام الذكاء الاصطناعي في العمل، و18% يشعرون بالدعم في التكيف مع التغير التقني — لكن الموظفين الذين يتلقون تقديرًا أسبوعيًا كانوا أكثر احتمالًا بنسبة 84% لفهم كيف يؤثر الذكاء الاصطناعي في عملهم، وقال 92% إنهم سيبذلون جهدًا إضافيًا لو حصلوا على تقدير أفضل (Achievers Workforce Institute, 2026).
رتّب النتائج الثلاث في تسلسل. الموظف يؤدي عمل الذكاء الاصطناعي الذي لم يطلبه أحد منه. والمؤسسة لا تُسمّيه، ولا تعيد تحديد نطاقه، وفي ربع الحالات تردّ عليه بحجم عمل أكبر.
ولهذا النمط اسم في بحوث الصحة المهنية. فعدم التوازن بين الجهد والمكافأة — جهد مرتفع ومستمر يقابله عائد ضعيف في الأجر أو التقدير أو الأمان أو التقدم — من أمتن المفاهيم في هذا المجال؛ ويذكر التقييم النقدي الذي أجراه سيغريست لثلاثة عقود من الأدلة مخاطر متسقة ومرتفعة بدرجة متوسطة للاكتئاب ومرض القلب الإقفاري بعد التعرض لعدم التوازن هذا، مدعومة بتصاميم تتبعية ووسائط فسيولوجية (Siegrist, Scandinavian Journal of Work, Environment & Health, 2026).
كن دقيقًا في ما يثبته ذلك وما لا يثبته. لا شيء من تلك الأدبيات يقيس أتمتة الذكاء الاصطناعي على وجه التحديد، وأنا لا أزعم وجود أثر مقيس بين أتمتة المرء لوظيفته ومعدل التسرّب. أما ما تثبته فهو أن البنية التي وصفتها Oyster — جهد يصعد ومكافأة مُثبَّتة بقرار — هي البنية الأفضل توثيقًا لجانبها السلبي في كل أدبيات الصحة المهنية. أنت تُشغّل تهيئة معروفة الضرر على أكفأ من لديك، وهو النقيض التام لما يفترضه نموذج الجدوى للذكاء الاصطناعي.
وفي الوقت نفسه ضاق مخرج الحركة الداخلية
الوعد المضمر في عبارة «نطاق أوسع الآن، ومسمى لاحقًا» يستند إلى معدل أساس تحرك ضدك هذا العام. فقد وجد تقرير Workday العالمي للقوى العاملة الصادر في أكتوبر 2026، المستند إلى بيانات أنظمة مجهولة الهوية من عملاء لديهم 250 موظفًا على الأقل، أن الانتقالات إلى أدوار جديدة داخل الشركة نفسها انخفضت عند 57% من أصحاب العمل على أساس سنوي، في حين بقيت معدلات الترقية عالميًا مستوية في جوهرها (Workday, 2026).
إذًا فالموظف الذي استوعب الطاقة المؤتمتة مقابل انتقال داخلي مستقبلي يحمل أداةً أضعف مما كانت قبل اثني عشر شهرًا. وفي الوقت ذاته تُظهر بيانات Workday نفسها أن الطلب على مهارات الذكاء الاصطناعي التطبيقية — بناء الأدوات وأتمتة سلاسل العمل — ارتفع بنسبة 51% بين سبتمبر 2025 ويوليو 2026 في طلبات التوظيف لدى نحو 550 جهة عمل من فئة المؤسسات الكبرى. فالسوق الخارجي يُزايد تحديدًا على القدرة التي أثبتها للتو ذلك المُؤتمت غير المكافأ عندك.
الحساب المزعج: اكتشفتَ المهارة، وامتنعتَ عن تسعيرها، ونشرتَ الدليل عليها إلى سوق سيُسعّرها.
ما يجب حسمه قبل دورة الأداء القادمة
المعالجة ضيقة وزهيدة، وهذه هي الحجة الرئيسة لإنجازها في هذا الربع بدل دمجها في مشروع لهندسة الأدوار في 2027.
اطرح داخليًا السؤال الذي طرحته Oyster. اطرحه على مديريك: ما الذي حدث لآخر شخص في فريقك أتمت جزءًا من عمله؟ أنت لا تُراجع الالتزام، بل تكتشف النمط الذي تعلّمه فريقك بالفعل. وإذا لم يستطع أحد ذكر حالة، فالأتمتة تحدث بصورة غير مرئية، وهي النتيجة الأسوأ.
حدّد المسار قبل أن تحتاج إليه. مسار مُسمّى ومتفق عليه مسبقًا يمتد من «أنا أتمتُ هذا» إلى قرار في النطاق أو المسمى أو الأجر — بموعد نهائي ومسؤول محدد — أثمن من النتيجة التي يُنتجها، لأن وجوده هو ما يستجيب له الموظفون. احسمه قبل دورة الأداء وليس داخلها، حيث يتحول كل حوار إلى مفاوضة موازنة.
أعد تحديد النطاق على مستوى الدور لا الشخص. إذا دخل عمل الذكاء الاصطناعي إلى دور، فإن وصف الدور يتغير لكل من يشغله. والـ62% الذين لم يغيّروا مسمى ولا أجرًا يحملون التزامًا صامتًا: توسعًا غير موثَّق في المهام سيظهر في شكوى أو في تمرين مقارنة مرجعية أو في مقابلة خروج.
قِس القدرة لا التقرير الذاتي. السبب في عجز معظم المؤسسات عن مكافأة عمل الأتمتة هو أنها لا تراه — فبيانات الجدارات تسكن في تقييمات سردية سنوية كُتبت قبل أن يوجد ذلك العمل. وقياس الجدارات في كل دورة مقابل إطار محدد، وقراءة الإمكانات من تلك البيانات بدلًا من ذاكرة المدير، هو الفرق بين وعد بمسار ومسار فعلي. وهذه هي الطبقة التي تعمل عليها أنظمة الأداء والتعاقب الوظيفي، وهي شرط مسبق لبقاء أي من الخطوات السابقة صامدًا عند أول اتصال باجتماع معايرة.
راقب طبقة المنسّقين أولًا. أعلى انتشار لمتطلبات الذكاء الاصطناعي، وأدنى دقة في الأوصاف الوظيفية، وأرق حركة داخلية. ابدأ من هناك وستجد الحالات في أسبوع.
قرار هذا الربع
ليست لديك مشكلة فجوة مهارات في الذكاء الاصطناعي قبل أن تحلّ مشكلة المكافأة عليه. فكل ساعة تدريب تُمَوّلها تهبط على موظفين سبق أن حسبوا ماذا جنى آخر زميل حاول أن يُؤتمت وظيفته. ذلك الحساب رخيص عليهم أن يجروه وباهظ عليك أن تعكسه.
فاتخذ قرارًا واحدًا قبل إغلاق هذه الدورة: سمِّ الشخص الذي يملك الإجابة حين يقول موظف «أنا أتمتُ هذا» — وسمِّ الموعد النهائي الذي عليه أن يُجيب فيه. وإذا لم تستطع تسمية الاثنين قبل نهاية الربع، فسيواصل أفضل من لديك الأتمتة، وسيواصلونها في مكان آخر.