سجلات المحادثات ليست دراسة عن القوى العاملة: ورقة جديدة من الاحتياطي الفيدرالي وهارفارد تقول إن معيار استخدام الذكاء الاصطناعي الذي تستند إليه خطتك يحسب عملاً لا تتضمنه وظائفك

أكثر من 15% من محادثات OpenAI تُصنَّف على أنها "Edit written materials or documents". و2.4% فقط من العاملين يشغلون مهنة تتضمن هذه المهمة في O*NET (Bick, Blandin, Deming & Schumacher, NBER, 2026). هذه الفجوة تقع في صميم معيار استخدام الذكاء الاصطناعي الذي تستند إليه معظم الخطط التشغيلية لعام 2027.

والآن في الاتجاه المعاكس. المهمة المفردة التي تستحوذ على أكبر حصة من استخدام الذكاء الاصطناعي التوليدي في مسح تمثيلي على المستوى الوطني هي "Direct organizational operations, activities, or procedures" — 4.1% من كل الاستخدامات المُبلَّغ عنها، ويؤديها 43% من العاملين. حصتها في بيانات OpenAI هي 0.0%. وفي بيانات Microsoft، 0.0%. وفي بيانات Anthropic، 0.2%.

أكثر أنواع العمل تمثيلاً للعمليات هو بالضبط العمل الذي لا تستطيع سجلات المحادثات رؤيته إطلاقاً. إذا كانت خطتك للذكاء الاصطناعي لعام 2027 قد قُدِّرت بالاعتماد على إحدى دراسات الاستخدام الصادرة عن المزوّدين — وهذا حال معظم خطط الشركات المتوسطة، لأن تلك الدراسات مجانية وحديثة وضخمة — فأنت تقرأ خريطة حُذف منها إقليمك أنت.

ما فعله هذا المسح وما لا تستطيع دراسات المحادثات فعله

بنى ألكسندر بيك (بنك الاحتياطي الفيدرالي في سانت لويس)، وآدم بلاندين (Vanderbilt)، وديفيد ديمينغ (Harvard Kennedy School)، وتايلر شوماخر (Vanderbilt) أول مؤشر لتبنّي الذكاء الاصطناعي التوليدي على مستوى المهام انطلاقاً من مسح تمثيلي وطني بدل قياسات المنصات (NBER Working Paper 35677, 2026).

الآلية هي المهمة هنا. جمّعوا أربع موجات من Real-Time Population Survey — 13,920 مستجيباً عاملاً بين 18 و64 عاماً — وربطوا استخدام كل شخص المُبلَّغ عنه بمهنته التفصيلية وبأنشطة العمل المحددة في ONET التي تتضمنها تلك المهنة فعلياً. ولأنهم يعرفون مهنة المستجيب، يمكنهم نسب الاستخدام إلى مهمة داخل بنية وظيفية معروفة*.

مصنِّف المحادثات لا يستطيع ذلك. فهو يقرأ نص المحادثة ولا يعرف عادةً ما الذي يعمله المستخدم. لذا يفعل الشيء الوحيد المتاح: يُسنِد المحادثة إلى عنوان مهمة يصف الفعل الظاهر. التحرير. جمع المعلومات. تصميم نظام.

هذا ليس خللاً في مصنِّف أحد. إنه قيد بنيوي في المدخلات، والورقة تسمّيه صراحة: مصنِّفات المحادثات "قد تكون مهيأة لإسناد المحادثات إلى عناوين مهام تصف أفعالاً أساسية وعامة".

إلى أي مدى ينحرف معيار استخدام الذكاء الاصطناعي

النتيجة تركّز شديد. عشر مهام من أصل 332 تستحوذ على 53.0% من الاستخدام في بيانات OpenAI، و46.0% في بيانات Anthropic، و60.8% في بيانات Microsoft — مقابل 22.2% في المسح (Bick et al., NBER, 2026). وتأخذ أكبر مهمة مفردة 15.1% و16.7% و23.2% من مجموعات بيانات المحادثات الثلاث على التوالي، مقابل 4.1% في المسح.

ثم يأتي الرقم الذي ينبغي أن يُنهي الجدل حول ما إذا كانت هاتان نظرتين إلى واقع واحد. الارتباط بين حصص المهام في المسح وحصصها في مجموعات بيانات المحادثات هو 0.11 لدى OpenAI، و0.34 لدى Anthropic، و0.10 لدى Microsoft. اثنتان من الثلاث لا علاقة إحصائية تُذكر بينهما وبين ما يقوله العاملون عن استخدامهم للأدوات عبر مهامهم الفعلية.

الخطأ من الدرجة الثانية هو الخطأ الموجود في خطتك

حصة الاستخدام المباشرة ليست عادةً ما ينتهي في دراسة الجدوى. السلسلة أطول، والورقة تتبعها: تُجمَّع تصنيفات المحادثة-المهمة في حصص للذكاء الاصطناعي التوليدي حسب المهنة، ثم تدور تلك الحصص باعتبارها بدائل تقريبية لمدى التعرّض للذكاء الاصطناعي حسب الدور — وهي المدخل خلف ترتيب الطرح وميزانيات التدريب وتوقعات أعداد الموظفين. ويسمّي المؤلفون أربعة مقاييس منشورة بُنيت بهذه الطريقة، ويخلصون إلى أن هذه البدائل "على الأرجح غير دقيقة وتقدّم صورة مشوَّهة".

لذلك حين يخبرك عرض تقديمي بأي من وظائفك أكثر تعرّضاً للذكاء الاصطناعي، اسأل من أين جاء الترتيب. فإن كان يعود إلى سجلات محادثات، فهو يرث مصنِّفاً لم يعرف قط مهنة أي شخص — وخطؤه المميز هو المبالغة في ترتيب العمل الذي يبدو عاماً في نصٍّ مكتوب.

مدخلك الآخر أضعف أيضاً مما يبدو

التصحيح البديهي هو التخلي عن معايير الاستخدام واعتماد مؤشر جادّ للتعرّض المهني بدلاً منها. وقد اختبرت الورقة ذلك أيضاً، في مواجهة أكثر مؤشرين استشهاداً في الأدبيات.

عند الانحدار على التبنّي الفعلي، يعطي مقياس Eloundou وزملائه (2024) معامل تحديد معدَّلاً قدره 0.081، ومقياس Felten وزملائه (2021) 0.086 — أي نحو نصف التباين القابل للتفسير على مستوى المهنة (Bick et al., NBER, 2026). المؤشران تنبؤيان بالفعل. لكنهما بعيدان عن الكفاية.

وتحت ذلك قيد أشد. المهنة نفسها تفسّر أقل من 20% من التباين في التبنّي على مستوى الفرد (Bick et al., NBER, 2026). فما يحدد من يتبنّى فعلاً يقع في معظمه داخل المسمى الوظيفي، لا بين المسميات. محللان في الفريق نفسه، بالأدوات نفسها والمهام نفسها — أحدهما أعاد بناء أسبوعه حول الأداة، والآخر يفتحها مرتين في الشهر.

هذه مشكلة تخطيط ذات شكل محدد. أي تخصيص تقوم به حسب الدور — تراخيص، ساعات تدريب، ترتيب التمكين — يستند إلى متغير يفسّر أقل من خُمس النتيجة التي تهمك.

وهي تفسّر أيضاً نمطاً رآه معظم قادة العمليات وصنّفوه تحت عنوان آخر. تعود إحدى الوظائف من جلسة التمكين نفسها بنتائج شديدة التفاوت؛ والقراءة التلقائية هي الدافعية، أو جودة المدير، أو مقاومة التغيير. بيانات التبنّي تقول إن جزءاً كبيراً من ذلك التشتت كان سيحدث على أي حال، لأنه على مستوى الشخص بينما كان التدخل على مستوى الدور. وإعادة الجلسة بإلحاح أكبر لا تعالج السبب.

"واسع لكن ضحل" عبارة دقيقة، لا تحوّط

صورة التبنّي التي ينتجها المسح يسهل الاستشهاد بها خطأً في الاتجاهين. الصيغة الدقيقة:

• حتى مايو 2026، 45% من العاملين يستخدمون الذكاء الاصطناعي التوليدي في العمل؛ ويعامل المؤلفون هذا الرقم كحد أدنى، لأن الاستخدامات المدمجة والسلبية كثيراً ما لا يُبلَّغ عنها.
• أكثر من 80% من المهن و40% من المهام تُظهر تبنّياً يتجاوز 20%.
• لكن 2.8% فقط من المهام تتجاوز 50% تبنّياً، ولا واحدة تتجاوز 70%.

اقرأها معاً. لا توجد مهمة واحدة في الاقتصاد الأمريكي يكون فيها استخدام الذكاء الاصطناعي التوليدي شبه شامل. والمهن التي تُظهر تبنّياً مرتفعاً جداً — نحو 15% تتجاوز 70% — تصل إلى ذلك لا عبر مهمة واحدة مشبعة بل عبر مجموعة من المهام متوسطة التبنّي.

وتتفق بيانات مستقلة على الشكل نفسه. دراسة ATLAS من Google، المبنية على 14.65 مليون تفاعل مُزال منه التعريف بدل التقارير الذاتية، وجدت أن المهنة الوسيطة تستخدم Gemini في نحو 21% من مهامها، مع نية أتمتة شاملة دون 10% من المحادثات المعرفية غير الروتينية (Google ATLAS v1.0, 2026). وقياسات سلوكية شملت 120,620 عاملاً وضعت 2% فقط عند مستوى نضج دمج سير العمل — أي استخدام الذكاء الاصطناعي داخل عملية أُعيد تصميمها لا كبحث جانبي (ActivTrak Productivity Lab, 2026).

ثلاث مناهج، وثلاث مجموعات بيانات، ونتيجة واحدة: تغطية واسعة ونفاذ رقيق. ما يعني أن خطة تنمذج دوراً متعرّضاً للذكاء الاصطناعي بوصفه دوراً تحوّل بالذكاء الاصطناعي تخطئ معظم المسافة.

الاعتراض النزيه

ثلاثة حدود تستحق التمسك بها.

رقم 2.4% هو جزئياً أثر جانبي لتصنيف ONET، والمؤلفون يقولون ذلك. بنص كلامهم: "حصة العاملين الذين يمارسون التحرير أكبر بوضوح من 2.4%". فـ ONET يدمج التحرير داخل مهام أعلى مرتبة مثل إعداد التقارير أو صياغة المستندات القانونية. إذن الفجوة بين 15% و2.4% ليست خطأ تصنيف خالصاً — بعضها تصنيف مرجعي يمتنع عن تسمية نشاط موجود فعلاً في كل مكان. اتجاه التشويه راسخ؛ أما حجم أي زوج مفرد من الأرقام فأهشّ مما يبدو.

التقرير الذاتي له أنماط إخفاق خاصة به. المسح يعرف ما يقوله الناس إنهم يفعلونه بالأدوات. وسجلات المحادثات تعرف ما مرّ فعلاً عبر النافذة، على نطاق لن يبلغه مسح أبداً. لا أحدهما هو الحقيقة المرجعية؛ إنهما يجيبان عن سؤالين مختلفين، وإسهام الورقة هو إظهار مدى تباعد الإجابتين، لا إعلان زيف إحداهما.

المسح الوطني ليس شركتك. يصف RPS القوى العاملة الأمريكية. أما جرد مهامك ومجموعة أدواتك وتصميم وظائفك فليست المتوسط الوطني، ولا شيء هنا يخبرك أي من أدوارك أنت سيتبنّى.

هذا الحد الأخير هو ما يهم فعلاً — وهو يشير في اتجاه واحد. كل معيار خارجي في هذا المجال، من سجلات المحادثات أو من المسوح، هو تقدير أولي. ولا واحد منها قياس لمؤسستك.

ما ينبغي أن تقرره هذا الربع

أربع خطوات. ولا واحدة تتطلب إنفاقاً جديداً.

1. تتبَّع كل معيار لاستخدام الذكاء الاصطناعي في خطتك رجوعاً إلى مصدره. إن كان الرقم نابعاً من سجلات محادثات منصة، فعلِّمه كتقدير أولي اتجاهي، لا كمدخل لنموذج أعداد موظفين أو ميزانية. هذه مراجعة من ثلاثين دقيقة لوثيقة كتبتها بالفعل.
2. ابنِ جرداً للمهام لوظيفة واحدة. عشرون إلى ثلاثون نشاطاً حقيقياً لفريق واحد، مكتوبة بلغتك أنت لا بلغة O*NET. وهو الأثر الوحيد الذي يتيح لك أن تسأل "هل تلمس الأداة هذا؟" بدل "هل هذا الدور متعرّض؟" — ويبقى صالحاً مع كل مراجعة لمعايير المزوّدين، لأنه يصف عملك لا حركة مرور غيرك. خصِّص بعد ظهر يوم مع قائد الفريق، لا مهمة استشارية.
3. توقّف عن تخصيص التمكين حسب الدور. إن كانت المهنة تفسّر أقل من 20% من التبنّي على مستوى الشخص، فالطرح المبني على الدور أقرب إلى رمي عملة. خصِّص بدلاً من ذلك وفق الاستخدام المرصود، ودع الدفعة الأولى تكون لمن هم بالفعل في المقدمة في قياساتك أنت.
4. اجعل هدفك المهمة لا الترخيص. اختر مهمة واحدة من ذلك الجرد وادفعها إلى ما بعد 50% تبنّياً. أقل من ثلاث مهام من كل مئة على المستوى الوطني تجاوزت هذا الخط — ولهذا بالضبط يكون تجاوزه عن قصد نتيجة يمكن الدفاع عنها في تقريرك.

معيار استخدام الذكاء الاصطناعي لديك أجاب عن سؤال لم تطرحه قط: كيف تبدو المحادثات. أما السؤال الذي على مكتبك فهو ماذا يفعل موظفوك طوال اليوم، وهل بلغت الأداة أي جزء منه.

أحد هذين السؤالين له إجابة منشورة. والآخر لا إجابة له سوى إجابتك.