تحقق نماذج الذكاء الاصطناعي المتقدمة ما بين 64% و82% عندما يكون لسؤال يتعلق بملاحظات الموظفين إجابة واضحة وقابلة للتحقق. أما حين تتطلب المهمة الموازنة بين إشارات ناقصة ومشحونة عاطفيًا ومرتبطة بالسياق للوصول إلى خلاصة واحدة قابلة للدفاع عنها، فإن أفضلها يهبط إلى 33% (PYX Labs, 2026).
تلك الفئة الثانية لها اسم في شركتك. اسمها: تقرير من يُرقَّى.
ستة من كل عشرة مديرين يستخدمون الذكاء الاصطناعي بالفعل لاتخاذ قرارات بشأن مرؤوسيهم المباشرين — الزيادات والترقيات وتقليص العمالة وإنهاء الخدمة (Resume Builder, 2025). منحنى القدرة ومنحنى الاستخدام يشيران إلى اتجاهين متعاكسين، ولم يرسم أحد تقريبًا الخط الفاصل بينهما.
ما الذي قاسه معيار PYX-Voice فعليًا
في 15 يوليو 2026، أطلق PYX Labs — وهو مختبر بحثي ترعاه Perceptyx — معيار PYX-Voice، أول معيار قياس مُصمَّم خصيصًا لتقييم مدى فهم نماذج الذكاء الاصطناعي المتقدمة لملاحظات الموظفين. خضعت سبعة نماذج رائدة من OpenAI وGoogle وAnthropic وxAI لـ84 مهمة حقيقية من مهام الإنصات للموظفين، وجرى تقييمها وفق 208 معايير وضعها علماء نفس تنظيمي ومهني (I-O) ومتخصصون في السلوك التنظيمي (Perceptyx, 2026).
معايير التقييم هي جوهر الأمر. تسليم النموذج جدول بيانات باستجابات استبيان أمر تافه. أما تحديد ما تبدو عليه القراءة الصحيحة لتلك البيانات — ما الذي سيستنتجه عالِم نفس تنظيمي كفء وما الذي سيرفض استنتاجه — فهو الجزء الصعب، وهو الجزء الذي لا يختبره أي معيار عام لقياس الذكاء الاصطناعي.
لم تكن النتيجة الرئيسية أن النماذج سيئة. إنها ليست كذلك. تراجعت الموثوقية بحدة وبشكل يمكن التنبؤ به كلما ازداد العبء التفسيري للمهمة (PYX Labs, 2026). تجاوز أقوى نموذج في المجموعة 76% إجمالًا. وكل نموذج جرى اختباره — دون استثناء — سجّل التركيب التفسيري بوصفه قدرته الأضعف.
هذا الاتساق أهم من الدرجات المطلقة. الضعف الذي تشترك فيه كل النماذج الصادرة عن أربعة مختبرات مختلفة ليس مشكلة مورّد يمكن حلها بعملية شراء. إنه خاصية من خصائص المهمة نفسها.
الهاوية تقع تحديدًا حيث تكمن المخاطر
ينطبق منحنى أداء المعيار انطباقًا شبه تام على تمييز يقوم به معظم قادة العمليات بالفطرة، لكنهم نادرًا ما يفرضونه في أدواتهم.
كان أداء النماذج أقوى حيث تُصنَّف الملاحظات بوضوح ضمن موضوعات محددة جيدًا: أسئلة تمكين الأداء المتعلقة بالأهداف والأدوات والمقاييس والموارد. هذه مسائل تصنيف ترتدي زي الموارد البشرية. توجد إجابة صحيحة، والإجابة قابلة للتحقق، والنموذج يجدها.
وتدهور الأداء في الموضوعات الواسعة والدقيقة — التغيير والابتكار، وتلك الفئة الغامضة من التعليقات التي تقول إن شيئًا ما ليس على ما يرام دون أن تقول ما هو. هنا يتعين على النموذج أن يحمل عدة إشارات جزئية ومتناقضة في آن واحد وأن ينتج حكمًا. وقد هبطت الدرجات إلى 33% (PYX Labs, 2026).
يستحق وصف المعيار نفسه لهذا الإخفاق الاقتباس، لأنه يسمّي الآلية لا العَرَض: "يحدث الانهيار تحديدًا حين يتعين عليها الموازنة بين إشارات ناقصة أو عاطفية أو مرتبطة بالسياق وحلّها في خلاصة واحدة واضحة" (HR Dive, 2026).
أعد قراءة ذلك الوصف واسأل: ما هو قرار الترقية؟ إنه معلومات ناقصة، ذات وزن عاطفي، شديدة الارتباط بالسياق، تُحلّ في خلاصة واحدة واضحة. لم يختبر المعيار إدارة الأداء. لقد اختبر بالضبط العملية الذهنية التي تتكوّن منها إدارة الأداء.
درجة 33% في مهمة حُكم ليست مساعدًا أضعف قليلًا. إنها رمية عملة معدنية بصوت واثق.
ونمط الإخفاق أسوأ مما توحي به الدرجة، لأن المخرجات تبدو متطابقة في الحالتين. النموذج الذي يلخّص ملاحظات الموظفين تلخيصًا رديئًا لا يعيد رسالة خطأ ولا إشارة ثقة منخفضة. إنه يعيد فقرة سلسة، جيدة البناء، معقولة تمامًا عن معنويات الفريق. والمدير المراجِع لا يملك أي إشارة تميّز حالة الـ82% عن حالة الـ33%. كما سجّل PYX Labs حالات نادرة لكنها ذات دلالة أنتجت فيها النماذج مخرجات إحصائية مُلفّقة، أو لم تلتزم بقيود مجموعة البيانات الأساسية — رقم في الملخّص لم يكن موجودًا في البيانات قط (HR Dive, 2026).
الطلاقة ليست معايرة. لا شيء في طبقة العرض يتدهور حين يتدهور الاستدلال.
أين تُتَّخذ قرارات الموظفين بالذكاء الاصطناعي بالفعل
ضع الآن ملف القدرات هذا إلى جانب السلوك الفعلي للمديرين.
استطلعت Resume Builder آراء 1,342 مديرًا أمريكيًا لديهم مرؤوسون مباشرون في أواخر يونيو 2025. ستون بالمئة يستخدمون أدوات الذكاء الاصطناعي لاتخاذ قرارات بشأن موظفيهم. ومن بين هؤلاء: 78% يستخدمونها لتحديد الزيادات، و77% للترقيات، و66% لتقليص العمالة، و64% لإنهاء الخدمة (Resume Builder, 2025).
ثلاثة أرقام أخرى من الاستطلاع نفسه تحدد مشكلة الحوكمة بدقة.
أكثر من واحد من كل خمسة مديرين يقول إنه كثيرًا ما يترك الذكاء الاصطناعي يتخذ القرار النهائي دون أي تدخل بشري. وثلثا المديرين الذين يستخدمون الذكاء الاصطناعي في إدارة الموظفين لم يتلقوا أي تدريب رسمي عليه. ولا يفيد سوى 32% بتلقي أي تدريب رسمي على الاستخدام الأخلاقي لهذه الأدوات (HR Dive, 2025).
الخطر هو الثقة، لا الاستخدام
أكثر من سبعة من كل عشرة من المديرين الذين يستخدمون الذكاء الاصطناعي للمساعدة في إدارة فرقهم أعربوا عن ثقتهم بأن هذه التقنية تتخذ قرارات عادلة وغير متحيزة بشأن الموظفين (HR Dive, 2025).
أكثر من سبعين بالمئة واثقون. وثلاثة وثلاثون بالمئة قدرة عند الطرف التفسيري. تلك الفجوة هي التعرّض كله، وهي لا تُغلق بنماذج أفضل — بل تُغلق بتحديد نطاق أفضل.
انتبه إلى ما ليس هذا عليه. ليس هذا قولًا بأن المديرين متهورون أو بأن لا مكان للذكاء الاصطناعي في إدارة الأداء. المديرون الذين يفوّضون استخراج الموضوعات من 400 إجابة مفتوحة في استبيان يتخذون قرارًا صائبًا؛ تلك هي مهمة الـ82%، والقيام بها يدويًا إهدار لأسبوع من وقت شخص رفيع. المشكلة أن الواجهة نفسها وصندوق الأوامر نفسه والإذن المؤسسي نفسه يغطي المهمتين معًا — وواحدة منهما فقط آمنة.
الحجة ضد المبالغة في قراءة هذا
ثلاثة تحفظات، تُقال بوضوح، لأن نزعة التقليل من شأن المصدرين مستحقة جزئيًا.
يحظى PYX Labs برعاية Perceptyx التي تبيع تقنيات الإنصات للموظفين. ومعيار يخلص إلى أن تفسير ملاحظات الموظفين أصعب مما يبدو — وأنه يتطلب خبرة في علم النفس التنظيمي — هو معيار مريح تجاريًا لشركة تبيع تلك الخبرة بالذات. سجّل هذه الملاحظة، ثم وازنها بحقيقة أن منهجية المعيار وعدد مهامه ومعايير تقييمه معلنة، وأن النتائج نُشرت كاملة، بما في ذلك المواضع التي أبلت فيها النماذج بلاءً حسنًا.
وResume Builder شركة خدمات سير ذاتية، ودراستها استطلاع إلكتروني ذاتي التقرير. عبارة "ستون بالمئة من المديرين يستخدمون الذكاء الاصطناعي في قرارات الموظفين" تقيس ما يقول المديرون إنهم يفعلونه، في استطلاع لا يكلّف فيه قول "نعم" شيئًا. تعامل مع الاتجاه بوصفه متينًا ومع الكسور العشرية بوصفها رخوة.
كما أن PYX-Voice معيار واحد، صدر قبل أسابيع، ولم يخضع بعد لتكرار مستقل. المعيار الواحد دليل، لا برهان.
ما ينجو من التحفظات الثلاثة جميعًا هو شكل النتيجة: القدرة تهبط كلما ارتفع العبء التفسيري، بانتظام عبر المختبرات، بينما يبلغ الاستخدام ذروته تحديدًا حيث يبلغ العبء التفسيري ذروته. لم يصنع أي حافز تجاري هذا الانقلاب. وسيلزم حظ غريب بحق كي يتصادف أن يشير تحيّز الراعي وتحيّز الاستطلاع إلى الاتجاه نفسه.
ما الذي يعنيه هذا في شركة من 50 إلى 500 موظف
على مستوى الشركات الكبرى، تمتص العمليةُ هذه المشكلة. هناك لجنة تعويضات، وجلسة معايرة، وشريك أعمال في الموارد البشرية يقرأ الملاحظات نفسها باستقلالية، وإدارة قانونية ستسأل كيف جرى التوصل إلى قرار إنهاء الخدمة.
وعند 200 شخص، هناك مدير، وجدول بيانات، وموعد نهائي.
هذا ليس انتقادًا لعمليات السوق المتوسطة — بل هو الواقع البنيوي الذي يجعل هذه النتيجة أكثر إلحاحًا هنا منها في شركة من 20,000 موظف. السوق المتوسطة تملك الوصول نفسه إلى الذكاء الاصطناعي، وطبقة مراجعة أرق، وقدرة أقل بكثير على تحمّل دعوى فصل تعسفي. الأداة وصلت؛ أما عملية المعايرة التي كانت ستلتقط أخطاءها فلم تصل.
وهناك أيضًا أثر تراكمي يستحق التسمية. النموذج الذي يقرأ الملاحظات الدقيقة قراءة ناقصة لا يخطئ عشوائيًا. إنه يفضّل منهجيًا ما هو مقروء على ما هو ذو دلالة: الشكوى المكتوبة بوضوح على الشكوى المتحفظة، والموظف الفصيح على الموظف المتحفّظ، والموضوع الذي يحمل كلمة مفتاحية على الموضوع الذي لا يحملها. أدِر ذلك بهدوء عبر دورتَي ترقية ولن تكون قد ارتكبت خطأً. ستكون قد ثبّتَّ تحيّزًا مصحوبًا بأثر موثّق.
ارسم الخط هذا الربع
قسّم العمل حسب قابلية التحقق، لا حسب الأداة
الحد القابل للتطبيق ليس "الذكاء الاصطناعي للموارد البشرية: نعم أم لا". بل هو: هل يمكن التحقق من المخرجات مقابل المصدر في أقل من دقيقة؟ تجميع 300 تعليق في موضوعات — قابل للتحقق، فوّضه. ترتيب مرشحَين لمقعد ترقية واحد استنادًا إلى ملاحظاتهما — غير قابل للتحقق، أبقِه بشريًا. دوّن هذا الاختبار وأدرجه في إرشادات المديرين، لأن ثلثي مديريك الذين يستخدمون هذه الأدوات لم يتلقوا حاليًا أي تدريب رسمي على الإطلاق (Resume Builder, 2025).
سمِّ القرارات الأربعة التي لا يجوز للذكاء الاصطناعي إغلاقها
الزيادات، والترقيات، وتقليص العمالة، وإنهاء الخدمة. اشترط لكل منها مسوّغًا بشريًا موثّقًا لا يستشهد بملخّص من الذكاء الاصطناعي بوصفه دليله. هذا لا يكلّف شيئًا، ويعالج مباشرة ذلك الواحد من كل خمسة الذي يترك النموذج يقرر اليوم دون إشراف.
دقّق دورة واحدة إلى الوراء
خذ آخر دورة أداء أو تعويضات. واسأل كل مدير سؤالًا واحدًا: أين لامس الذكاء الاصطناعي هذا، وماذا تحققتَ منه؟ أنت لا تبحث عن مخالفات. أنت تبحث عن الخريطة الصادقة لما يحدث بالفعل — وهي، في معظم شركات السوق المتوسطة التي اطّلعتُ عليها، أبعد مما يفترضه فريق القيادة.
قرار واحد هذا الربع
اختر أهم قرار يتعلق بالموظفين اتخذه مديروك في التسعين يومًا الماضية، واسأل ما إذا كان ملخّص مولَّد بالذكاء الاصطناعي قد وقع في أي موضع من سلسلة أدلته. فإن كان كذلك، اطرح السؤال الثاني: هل كان بوسع أي أحد أن يعرف، من المخرجات وحدها، ما إذا كان ذلك الملخّص من نوع الـ82% أم من نوع الـ33%؟
إن كانت الإجابة لا، فأنت لا تعاني مشكلة ذكاء اصطناعي. أنت تعاني تفويضًا بلا نطاق محدد — والعلاج سطر في وثيقة سياسات، لا نموذج أفضل.
ستة من كل عشرة مديرين تجاوزوا ذلك الخط بالفعل. ولم يُخبَر أحد منهم تقريبًا بموضعه.
