قدّم ثلاثة مساعدي ذكاء اصطناعي الأجوبة نفسها إلى 189 من عمّال المعرفة، فدفع لهم العاملون مبالغ متباينة. في تجربة أُجريت في مكتب بالواقع الافتراضي ونُشرت في أعمال مؤتمر NordiCHI '26، منح المشاركون أموالاً حقيقية لمساعد ذي حضور ذكوري بمتوسط 2.96 فرنكاً سويسرياً، مقابل 2.54 فرنكاً لمساعد ذي حضور أنثوي متطابق وظيفياً — p = .026 (Cuber et al., NordiCHI '26, 2026). وعند سؤالهم عمّا إذا كان الحضور الظاهر قد غيّر تقييمهم، أجاب 30 من أصل 34 مستجوَباً بالنفي.
تقييمكم لوكلاء الذكاء الاصطناعي يعاني من النقطة العمياء نفسها. فكل بطاقة أداء لمشروع تجريبي، وكل استبيان ثقة، وكل لوحة متابعة للتبنّي تستخدمونها، تجمع النوع نفسه من الإجابات الذي تبيّن خطؤه هنا — بشأن المتغيّر الوحيد الذي تُظهر هذه الدراسة أنه حرّك المال فعلاً.
التجربة أبقت القدرة ثابتة عن قصد
هذه هي تفصيلة التصميم التي تجعل النتيجة قابلة للاستخدام لا مثيرة للاهتمام فقط.
نُشرت الدراسة في 2 أكتوبر 2026، وقد جعلت كل واحد من مشاركيها الـ189 (191 مجنَّداً، استُثني 2 بسبب إخفاق المساعد في الاستجابة) ينفّذ مهامّ في مكتب بالواقع الافتراضي مع ثلاثة مساعدين: روبوت محادثة نصّي، وروبوت مكتبي، ووكيل صوتي شبيه بالبشر قُدّم إمّا باسم «يوهان» أو باسم «يوهانّا». وكان المساعدون متطابقين وظيفياً — النظام الأساسي نفسه، والأجوبة نفسها، ومستوى الجودة نفسه. تنوّع التجسيد داخل المشاركين أنفسهم، أمّا الحضور الجنساني فتنوّع بين المشاركين. بعد ذلك خصّص المشاركون للمساعد ما يصل إلى 4 فرنكات سويسرية من مال حقيقي، وكل فرنك يمنحونه كان يُنقص من أجرهم الخاص.
بهذا استبعدت التجربة التفسير الذي يلجأ إليه المديرون أولاً. لم يدفع أحد للوكيل الشبيه بالبشر أكثر لأنه أدّى عملاً أفضل؛ فقد أدّى العمل نفسه. الشيء الوحيد الذي اختلف هو مظهره وصوته.
كان أثر التجسيد أكبر من أثر الجنس وأمتن إحصائياً بكثير: حصل الوكيل الشبيه بالبشر على 2.76 فرنكاً (الانحراف المعياري 1.18) مقابل 1.98 فرنكاً (الانحراف المعياري 1.26) للروبوت، W = 1511.5، p < .001، بحجم أثر r = .44. وجاء روبوت المحادثة النصّي البسيط في المرتبة الأخيرة بـ1.75 فرنكاً. وفي حدّ أقصى قدره 4 فرنكات، كان الحضور الشبيه بالبشر يساوي نحو 0.8 فرنكاً من أموال الآخرين دون أن ينتج أي شيء إضافي.
النتيجة المتعلقة بالجنس أضيق مما تقوله العناوين
الدقة مطلوبة هنا، لأن التغطية الثانوية لم تكن دقيقة. حرّك الحضور الجنساني المكافأة (2.96 مقابل 2.54، p = .026) والشبه المُدرَك بالبشر (5.09 ليوهان مقابل 4.59 ليوهانّا، p = .029). ولم يبلغ دلالة إحصائية في الثقة (5.58 مقابل 5.25، p = .065) ولا في نسبة الفضل (5.24 مقابل 5.05، p = .164).
الادّعاء الأمين إذن يتعلق بالتقدير المالي والشبه المُدرَك بالبشر — لا بالثقة. فإذا رأيتم من يسند إلى هذه الدراسة القول إن «وكلاء الذكاء الاصطناعي بحضور أنثوي أقل جدارة بالثقة»، فهذا ليس ما وجدته. وسترون كذلك رقماً أنيقاً هو «10.25٪» يتردّد في التقارير عن هذا البحث: مصدره بيان صحفي جامعي، ولا يظهر في أي موضع من الورقة البحثية، ولا يمكن استخراجه من المتوسطات المنشورة. اعتمدوا المتوسطات.
تعديل جديرٌ بالذكر: كانت ميزة الشبه بالبشر على الروبوت أقوى بين المشاركات من النساء منها بين الرجال (بيتا التفاعل = 1.074، z = 3.73، p < .001). فأثر الشخصية الظاهرة ليس موحّداً في قوّتكم العاملة، ومعنى ذلك أنه لن يتلاشى في متوسط استبيان جماعي.
ما قالوه وما دفعوه كانا رقمين مختلفين
نتيجة المقابلات هي الأقرب إلى قرار تشغيلي. فقد صرّح ثلاثون من أربعة وثلاثين مشاركاً بأن الحضور الجنساني لا يؤثر في ثقتهم أو مكافأتهم، لكن مخصصاتهم ذاتها، التي وزّعوها بمال حقيقي، كذّبتهم.
هذه فجوة نموذجية بين التفضيل المُعلَن والتفضيل المُستَدَل، ولم تكن حالة كذب. لم يكن لهؤلاء سبب خاص لتضليل أحد ولا حافز واضح لذلك؛ بل لم تكن لديهم ببساطة إمكانية وصول موثوقة إلى ما كان يحرّك حكمهم.
والنتيجة صريحة: سؤال فريقكم عن تصميم الوكلاء يُنتج بيانات بلا قيمة تنبؤية مُثبتة. في هذه الدراسة أشار التقرير الذاتي إلى الاتجاه الخاطئ في المتغيّر الوحيد الذي حرّك السلوك على نحو قابل للقياس.
تقييمكم لوكلاء الذكاء الاصطناعي يقيس جزءاً من الشخصية الظاهرة
انقلوا هذا إلى مراجعة تشغيلية في شركة متوسطة الحجم، وسيكفّ الأمر عن أن يكون عن الصور الرمزية.
أنتم تجرّبون وكيلين في وظيفتين مختلفتين: الأول واجهة صوتية مصقولة لها اسم ووجه، والثاني أداة نفعية تُعيد نصاً إلى طابور التذاكر. وفي نهاية الربع تقارنون درجات الرضا، والنفع المُدرَك، ومدى استعداد الفريق لمواصلة استخدامهما، وطلبات توسيع المقعد. ثم تموّلون الفائز.
ما تقوله هذه الدراسة هو أن نسبة مجهولة من ذلك الفارق هي تجسيد لا أداء. لقد أجريتم مقارنة غير منضبطة وقرأتم نتيجتها كإشارة قدرة. وربما كان الوكيل الذي حصل على التمويل هو الأفضل عرضاً فحسب.
ويتفاقم هذا النمط من الخلل بطريقة محدّدة: تغيير الحضور رخيص، وتغيير القدرة مكلف؛ ولذلك سيجد أي مورّد — أو فريق داخلي يحسّن مؤشرات التبنّي — أن تحسين الشخصية الظاهرة أسهل دائماً من تحسين العمل. وإذا كانت بطاقة أدائكم عاجزة عن التمييز بينهما، فستظل تكافئ الأرخص، ويكون نظام القياس عندكم قد بدأ بصمت في الانتقاء ضد الجودة الحقيقية.
وهذه صيغة أحدّ لنمط بات مرئياً في مواضع أخرى من بحوث الوكلاء. فمؤشر ثقة الوكلاء لعام 2026 (Agent Confidence Index)، الذي صنّف 101 مهمة وكيلية لدى 300 من المديرين والممارسين في قطاع التقنية، وجد أن الثقة تتبع قابلية التحقّق في المهمة واكتمال سياق العمل، لا قدرة النموذج: فقد سجّل التوليد الآلي للتقارير 83.5 وسجّلت الشيفرة النمطية 82.5، ولكل منهما مقياس تقييم موضوعي واحد، في حين توقّف ضبط شبكة الخدمات (service mesh) عند 37.5 على النماذج الأساسية نفسها (MIT Technology Review Insights, 2026؛ Microsoft, 2026). وحيث لا يوجد مقياس نجاح نظيف، يملأ الحكم البشري الفراغ — وتُظهر دراسة الواقع الافتراضي بماذا يتعلّق هذا الحكم عندما لا يجد شيئاً متيناً يتمسّك به.
ما لا تُظهره الدراسة
ثلاثة حدود، تُقال بصراحة، لأن حجة بهذه الملاءمة تستحقها.
كان السياق واقعاً افتراضياً بمهمة مُصطنعة، لا نشراً حقيقياً لوكيل داخل سياق عمل له تبعات فعلية. وكانت المبالغ صغيرة ولمرة واحدة: حتى 4 فرنكات سويسرية، تُخصَّص مرة واحدة، لا قراراً موازنياً متكرراً يتخذه شخص مسؤول عن النتيجة. كما أن فوارق الثقة ونسبة الفضل بحسب الحضور الجنساني لم تبلغ دلالة إحصائية، فالأثر إذن أضيق مما تقترحه قراءة عابرة.
وما ينجو من هذه التحفّظات هو النقطة البنيوية، وينجو سليماً: فمع تثبيت القدرة بحكم التصميم، حرّك الحضور الظاهر التقدير المالي رغم ذلك، وفشل التقرير الذاتي في التنبؤ به. لا تحتاجون إلى أن ينتقل حجم الأثر من مختبر واقع افتراضي إلى أرضية عملياتكم لتتحركوا؛ يكفي أن تقبلوا أن الشخصية الظاهرة متغيّر نشط في تقييمكم وأنكم لا تضبطونه حالياً.
تكلفة قياس الشيء الخطأ
سبب الاهتمام مالي لا أخلاقي.
وجد عمل McKinsey QuantumBlack في أغسطس 2026 عن اقتصاديات الوكلاء أن تكاليف الرموز (tokens) لوكيل يؤدي مهمة خدمة عملاء في القطاع المصرفي لا تمثّل في الغالب سوى 20 إلى 25 في المئة من تكاليف التشغيل المتغيّرة، في حين تستحوذ الرقابة البشرية على 70 إلى 75 في المئة (McKinsey QuantumBlack, 2026). فالرقابة — مقدار المراجعة البشرية التي يحتاجها وكيل بعينه، ومن يتولّاها، وبأي وتيرة — هي بند التكلفة المهيمن.
وهذا التوزيع يحدّده بالضبط الحكم الذي تُظهر هذه الدراسة أنه ملوّث. إن قرّرتم أن وكيلاً جديرٌ بالثقة، خفّضتم الرقابة ووسّعتم استقلاليته؛ وإن حكمتم بأنه غير موثوق، أبقيتم مراجعاً على كل تشغيل. وإذا كان جزء من تلك الثقة يتبع مدى بشرية الواجهة في الظاهر، فستراجعون الوكيل الساحر أقل من اللازم والوكيل النافع أكثر من اللازم — وستكونون مخطئين في أكبر بند تكلفة في المنظومة.
ما ينبغي فعله قبل مراجعتكم المقبلة للوكلاء
أربعة تغييرات، كلها ممكنة في هذا الربع، ولا يحتاج أي منها إلى أدوات جديدة.
أبقوا الحضور الظاهر ثابتاً في كل ما تنوون مقارنته. إذا كان وكيلان يُقيَّمان أحدهما مقابل الآخر، فامنحوهما نمط الواجهة نفسه، أو اقبلوا أن المقارنة مشوّشة وتوقّفوا عن تقديمها كنتيجة أداء.
توقّفوا عن استبيان الفريق بشأن تصميم الوكلاء. ثلاثون من أربعة وثلاثين مشاركاً أخطأوا في توقّع سلوكهم. اسألوا بدل ذلك عن أحداث محدّدة قابلة للرصد: ماذا أنتج الوكيل، وماذا اضطررتم إلى تصحيحه، وكم استغرق التصحيح، وماذا رفعتم للتصعيد. هذه أجوبة قابلة للتحقق.
قيسوا السلوك لا المشاعر. معدلات الأخطاء المكتشفة في المراجعة، وحجم إعادة العمل، وتواتر التصعيد، والزمن من المُخرَج إلى التسليم المقبول. وكل هذه المقاييس لا تتأثر بما إذا كان للوكيل وجه.
اجعلوا المراجعة الربعية للوكلاء كمّية ومُوقّعة. الوكيل هو الموضوع الوحيد الذي يمكنكم تقييمه بالأرقام وحدها، دون قيود الإنصاف التي تنطبق بحق على البشر: فبطاقة أداء دورية يُغلقها مشرف محدَّد بالاسم بنتيجة مكتوبة أمتن دفاعياً لـDigital Employee مما كانت ستكون يوماً لموظف بشري، ولهذا تُراجَع مقاعد Digital Employee في Scovai على هذا النحو لا باستبيان مشاعر. وأيّ نظام استخدمتم، فالشرط واحد: إنسان مسؤول محدَّد بالاسم، ومجموعة ثابتة من المقاييس، وقرار مكتوب.
واختبار صلاحية تقييمكم لوكلاء الذكاء الاصطناعي سؤال واحد يمكنكم الإجابة عنه اليوم: لو كان الوكيل الذي موّلتموه الربع الماضي قد صدر بصوت مختلف وبلا اسم، فهل كانت بطاقة أدائكم ستُنتج الرقم نفسه؟ إن لم تستطيعوا قول نعم، فأنتم قستم الصورة الرمزية.