يقضي فريقك 87 دقيقة يوميًا داخل أدوات الذكاء الاصطناعي. من هذا الوقت، تذهب 42% لمعالجة الأخطاء وتكرار صياغة الأوامر، مقابل 35% للعمل الذي يدفع المهمة فعليًا إلى الأمام (BambooHR، 2026). أصبح وقت معالجة مشكلات الذكاء الاصطناعي أكبر فئة منفردة من وقت الذكاء الاصطناعي في يوم العمل المتوسط — أكبر من الفئة المنتجة التي اشتُريت هذه الأدوات لتوسيعها.
على أساس سنوي، تعادل الـ87 دقيقة نحو 47 يوم عمل من ثماني ساعات في السنة. ويُنفق نحو 20 يومًا منها في إقناع الأداة بأن تتصرف كما ينبغي.
هذه ليست مشكلة تبنٍّ. التبني يعمل. إنها مشكلة قياس: تكاد كل لوحة معلومات تتابع هذا التطبيق أن تحصي الـ87 دقيقة، ولا واحدة منها تفصّلها.
الدراسة التي ينبغي أن يبدأ بها نقاش التجديد لديك
استطلعت دراسة BambooHR بعنوان Redesigning Work: AI's Performance Review آراء 1,608 موظفين أمريكيين بدوام كامل وراتب ثابت، من بينهم مجموعة فرعية من 520 مختصًا في الموارد البشرية، وجُمعت البيانات بين 26 يونيو و15 يوليو 2026 عبر Method Research ونُشرت في الأول من سبتمبر (BambooHR، 2026). غطّى المشاركون أكثر من اثني عشر قطاعًا، بتوزيع متساوٍ بين الجنسين وتنوع في الفئات العمرية والمناطق الجغرافية.
التقسيم الأساسي هو النتيجة:
- 42% من وقت الذكاء الاصطناعي — معالجة الأخطاء وتكرار صياغة الأوامر
- 35% من وقت الذكاء الاصطناعي — عمل منتج يدفع عبء عمل الموظف إلى الأمام
- 23% — كل ما تبقى
احتفظ بالنسبة بدل النسب المئوية. مقابل كل ثلاث دقائق يقضيها فريقك في استخلاص قيمة من أداة ذكاء اصطناعي، يقضي أربع دقائق في إقناع الأداة بإنتاج شيء قابل للاستخدام. هذه النسبة لها تكلفة، ولها توزيع، ولا يظهر أي منهما في تقرير عدد التراخيص.
في الوقت نفسه، رفعت 63% من المؤسسات ميزانياتها لأدوات الذكاء الاصطناعي بالفعل. الإنفاق يتوسع على مقام لم يفكّكه أحد.
العبء يقلب هيكلك التنظيمي
هنا الجزء الذي ينبغي أن يغيّر وجهة نظرك.
الدقائق اليومية داخل أدوات الذكاء الاصطناعي، بحسب المستوى (BambooHR، 2026):
- نواب الرؤساء والإدارة التنفيذية العليا: 101 دقيقة
- المديرون والمديرون التنفيذيون: 89 دقيقة
- المساهمون الأفراد: 54 دقيقة
يقضي القادة داخل هذه الأدوات ضعف ما يقضيه تقريبًا من يرفعون تقاريرهم إليهم. وإذا ظلّت حصة معالجة المشكلات ثابتة ولو تقريبًا عبر المستويات، فإن أكبر تجمّع لوقت الذكاء الاصطناعي غير المنتج في شركتك تولّده أغلى قوة عاملة لديها.
طبّق ذلك على حجم الشركات المتوسطة. شركة من 200 موظف بدوام كامل، فيها 15 شخصًا بمستوى نائب رئيس فما فوق: 101 دقيقة يوميًا، 42% منها معالجة مشكلات، تساوي نحو 42 دقيقة لكل قيادي يوميًا. وعبر 15 شخصًا يتجاوز ذلك 10 ساعات قيادية يوميًا — أكثر من موظف أول إضافي بدوام كامل، يُنفق بالكامل على تكرار الأوامر وتصحيح الأخطاء، ممولًا من أغلى بند في كشف رواتبك.
لم يوافق أحد على تلك الوظيفة. لقد وصلت عبر ميزانية أدوات.
لماذا تركّز الأقدمية التكلفة
الاتجاه غير مفاجئ بمجرد النظر إلى ما يستخدم كبار الموظفين الذكاء الاصطناعي من أجله. عملهم أقل قولبة، وأكثف حكمًا، وأشد اعتمادًا على السياق — وهي بالضبط السمات التي تنتج تكرارًا أكثر وتصحيحًا أكثر ومخرجات مهجورة أكثر. أما المهام ذات العائد الأنظف من الذكاء الاصطناعي فتميل إلى أن تكون المهام المهيكلة، الأدنى في الهيكل التنظيمي.
ثمة إشارة متسقة من منطقة اليورو. وجد استطلاع توقعات المستهلكين الصادر عن البنك المركزي الأوروبي أن المهام ذات أعلى عائد زمني من الذكاء الاصطناعي ضيقة وقليلة الاستخدام — توليد الشيفرة وتصحيح الأخطاء البرمجية يعيدان نحو ثماني ساعات أسبوعيًا، لكن نحو 8% فقط من العاملين يطبّقون الذكاء الاصطناعي هناك — بينما الاستخدامات الأكثر شيوعًا، وهي البحث وجمع المعلومات والكتابة والتحرير، توفّر أقل بكثير (البنك المركزي الأوروبي، 2026). العمل الواسع غير المهيكل وعالي السياق هو حيث تدخل الساعات ويخرج أقل عائد. وهذا وصف دقيق ليوم القيادي.
لماذا لم يشتكِ أحد
لأنه لا يبدو هدرًا. وهذا هو الجزء الذي يُبقي المشكلة غير مرئية طوال دورة ميزانية كاملة.
وجدت BambooHR أن 65% من العاملين يشعرون بالثقة والحماس تجاه استخدام الذكاء الاصطناعي في العمل، وأن 58% يذكرون توفير الوقت بوصفه دافعهم الرئيسي — بينما هم داخل التقسيم نفسه 42/35.
يُظهر أول مؤشر مرجعي لـ Culture Amp بعنوان AI at Work الانفصال ذاته على نطاق واسع. فعبر نحو 112,000 موظف و343,000 استجابة جُمعت في الاثني عشر شهرًا حتى يوليو 2026، قال 71% من الموظفين إن أدوات الذكاء الاصطناعي تساعدهم على الشعور بإنتاجية أعلى، وترتفع النسبة إلى 93% بين أكثر المستخدمين كثافة. ومع ذلك، حين سُئلوا عمّا إذا كان عبء عملهم معقولًا، جاء المستخدمون المكثفون عند 72% مقابل 69% لغير المستخدمين — فارق ثلاث نقاط (Culture Amp، 2026).
الإنتاجية المُحسّة ترتفع 22 نقطة مع كثافة الاستخدام. أما التخفيف المُحس في عبء العمل فيتحرك ثلاث نقاط. كان ينبغي لهذين المنحنيين أن يسيرا معًا، وهما لا يفعلان.
التقرير الذاتي هو الأداة الضعيفة هنا
الفجوة بين الأثر المُدرَك والأثر المقيس موثّقة، وهي تسير في اتجاه واحد. فقد وجدت تجربة METR العشوائية على مطورين مخضرمين في المصادر المفتوحة أن أدوات الذكاء الاصطناعي في مطلع 2025 جعلتهم أبطأ بنسبة 19% بينما اعتقد المشاركون أنهم صاروا أسرع؛ ويفيد استطلاع METR اللاحق لـ349 عاملًا تقنيًا بأن المشاركين في تلك الدراسة بالغوا في تقدير أثر الذكاء الاصطناعي على زمن المهمة بنحو 40 نقطة مئوية (METR، 2026).
وتُظهر تقييمات الحكومة البريطانية الانكماش نفسه بمنهج أفضل. فتجربة Microsoft 365 Copilot المشتركة بين الوزارات — 20,000 موظف حكومي — أفادت بتوفير متوسطه 26 دقيقة يوميًا، وهو رقم قدّره المشاركون بأنفسهم انطلاقًا من مجموعة نطاقات (GDS، 2025). وحين قيّمت وزارة العمل والمعاشات البريطانية شريحتها من التجربة مقابل مجموعة مقارنة من غير المستخدمين، مع ضبط المتغيرات الديموغرافية والمهنية ومتغير الحماس للذكاء الاصطناعي، جاء التقدير عند 19 دقيقة يوميًا عبر ثماني مهام روتينية (DWP، 2025).
المجموعات السكانية مختلفة ونطاق المهام مختلف، لذا فهذه ليست مقارنة نظيفة قبل/بعد. لكنهما قياسان للتطبيق نفسه، والقياس الذي يملك مجموعة مقارنة هو الأصغر. وتقرير GDS صريح في خلاصاته: "بسبب قيود تجريبية، لم يكن ممكنًا تحديد كيف أُنفق الوقت الموفَّر".
حماس فريقك حقيقي. لكنه ليس دليلًا.
وقت معالجة مشكلات الذكاء الاصطناعي يكسر مقاييس التبني لديك
عدد التراخيص، ومعدل استخدام التراخيص، ومعدلات تسجيل الدخول — كلها تقيس الـ87 دقيقة. ولا واحد منها يميّز الـ42 عن الـ35. ولوحة تبنٍّ تُظهر استخدامًا قويًا تتوافق، بناءً على هذه الأدلة، بالقدر نفسه مع فريق يحقق رافعة حقيقية ومع فريق يصارع أدواته 20 يوم عمل في السنة.
والأسوأ أن المقياس يكافئ الحركة الخاطئة. فارتفاع الدقائق داخل الأداة يُقرأ نجاحًا. وإذا كانت حصة معالجة المشكلات ثابتة، فإن الدقائق المتزايدة هي في معظمها إعادة عمل متزايدة.
وتضيف نتيجة البنك المركزي الأوروبي التصحيح الثاني. فالمستخدم الوسيط للذكاء الاصطناعي في منطقة اليورو يوفّر نحو ثلاث ساعات أسبوعيًا، أي قرابة 7.7% من وقت العمل — لكن لأن 48.8% فقط من العاملين يستخدمون الذكاء الاصطناعي ويوفّرون به وقتًا في آن واحد، فإن المكسب على مستوى الاقتصاد يبلغ نحو 3.8% (البنك المركزي الأوروبي، 2026). أرقام الفرد الواحد مضروبةً في عدد الموظفين تبالغ في العائد بنحو الضعف. ودراسة جدوى مبنية على "س دقيقة موفَّرة × الجميع" تُخطئ مرتين: مرة في المشاركة، ومرة في حصة معالجة المشكلات داخل الدقائق التي تحصيها أصلًا.
الاعتراض النزيه
ثلاثة قيود، تُقال بوضوح.
هذه دراسة صادرة عن مورّد. تبيع BambooHR برمجيات موارد بشرية للشركات الصغيرة والمتوسطة، ولها مصلحة تجارية في الحجة القائلة إن تطبيقات الذكاء الاصطناعي تحتاج إلى إدارة من جانب الأفراد. نفّذت العمل الميداني شركة أبحاث مستقلة، والمنهجية معلنة، والعينة معقولة — لكنها إصدار استطلاعي لا ورقة محكّمة. رجّحها بناءً على ذلك.
إنها تقارير ذاتية، وكذلك معظم ما يدعمها. تقسيم 42/35 هو تقدير العاملين لتوزيع وقتهم بأنفسهم، وهي بالضبط الأداة التي أثبتت METR عدم موثوقيتها في هذا المجال. القراءة النزيهة: الاتجاه مدعوم جيدًا عبر BambooHR وCulture Amp والتجارب البريطانية، بينما المقادير رخوة. لا تستشهد بالـ42% بوصفها ثابتًا مقيسًا. استشهد بها بوصفها سبب قياس رقمك أنت.
الفارق بحسب الأقدمية ارتباط لا آلية. تنشر BambooHR الدقائق حسب المستوى؛ ولا تنشر حصة معالجة المشكلات حسب المستوى. وحسابي أعلاه يفترض أن الـ42% تظل ثابتة تقريبًا عبر المستويات. هذا افتراض معقول وغير مُختبَر — فقد يولّد العمل القيادي تكرارًا أكثر، أو قد يكون كبار المستخدمين أمهر في تفاديه. تعامل مع رقم الساعات القيادية بوصفه رتبة مقدار تذهب للتحقق منها، لا رقمًا تضعه في عرض لمجلس الإدارة.
ما ينبغي أن تقرره هذا الربع
أربع خطوات. لا تتطلب أي منها برمجيات جديدة.
- فكّك عدّاد الدقائق قبل التجديد القادم. مقياسك الحالي هو الدقائق داخل الأداة. أضف بعدًا واحدًا: ما حصة ذلك الوقت التي تنتج مخرجات مقابل الحصة التي تنتج أمرًا قابلًا للاستخدام. سجل ذاتي لأسبوعين عبر 20 شخصًا يمنحك رقمًا داخليًا قابلًا للدفاع، وهو الرقم الوحيد في هذه المقالة الذي يخص شركتك.
- خذ العينة بحسب النطاق الوظيفي لا بحسب المتوسط. اسحب النطاق القيادي على حدة. إذا صحّ الشكل الذي وجدته BambooHR في مؤسستك، فالمشكلة المكلفة مركّزة في خمسة عشر جدولًا زمنيًا لا في مئتين — وهو ما يجعلها قابلة للمعالجة أيضًا.
- اجعل حصة معالجة المشكلات مؤشر الأداء الرئيسي للتبني. استبدل معدل تسجيل الدخول بالنسبة. التطبيق الذي ترتفع فيه الدقائق وتنخفض حصة معالجة المشكلات يعمل. أما الذي يرتفع فيه الاثنان فهو خط إعادة عمل يرتدي لوحة تبنٍّ.
- حدّد وجهة الساعات قبل أن تحصيها. استطاع التقييمان البريطانيان قياس الوقت الموفَّر، ولم يستطع أي منهما قول أين ذهب. ورقم توفير وقت بلا وجهة محددة ليس مدخلًا لحساب العائد. قرّر ما الذي يتوقف قبل أن تُقيّد ما الذي يبدأ.
الـ63% الذين رفعوا ميزانيات الذكاء الاصطناعي هذا العام فعلوا ذلك استنادًا إلى رقم يحصي دقيقة المصارعة ودقيقة العمل على أنهما شيء واحد.
قبل أن توافق على الزيادة التالية، اكتشف أيّهما كنت تشتري. كبار موظفيك يدفعون ثمن الإجابة طوال العام — من وقت معالجة مشكلات الذكاء الاصطناعي الذي لم يضعه أحد في الميزانية.
