اربط 1,258 شخصًا بوكلاء ذكاء اصطناعي، واطلب منهم إنتاج 7,266 إعلانًا مصوّرًا، ثم دع 1,168 محكّمًا مستقلًا يقيّمون الناتج. أسوأ تركيبة في التصميم بأكمله لم تكن نموذجًا ضعيفًا ولا مستخدمًا غير مدرَّب. كانت البشر المنفتحين وهم يعملون مع ذكاء اصطناعي ضميري (Ju & Aral, PNAS, 2026).
ضميري. تلك السمة نفسها التي يضبط كل مورّد نماذجه نحوها افتراضيًا — دقيق، شامل، ملتزم بالمهمة. وحين أُسنِد إلى الشخص الخطأ، أنتج أضعف عمل في التجربة.
هذه هي النتيجة التي ينبغي لفرق العمليات في السوق المتوسطة أن تتوقف عندها، لأن معظمها راهن على العكس تمامًا: شخصية مساعد واحدة، تُضبط مرة واحدة، وتُعمَّم على الجميع. هذه الدراسة هي أول دليل سببي واسع النطاق على أن الشخصية نفسها متغيّر أداء — وأن تركها على الإعداد الافتراضي للمورّد قرارٌ لا حالة محايدة.
ما الذي قاسته التجربة فعليًا
أجرى هارانغ جو (Johns Hopkins Carey Business School) وسنان آرال (MIT Sloan، مدير مبادرة MIT للاقتصاد الرقمي) تجربة عشوائية مسجّلة مسبقًا: قيست سمات العوامل الخمسة الكبرى لدى 1,258 مشاركًا، ثم رُبطوا عشوائيًا بوكلاء ذكاء اصطناعي مُوجَّهين لإظهار مستويات مرتفعة أو منخفضة، وبصورة مستقلة، لكل سمة من تلك السمات الخمس نفسها (Ju & Aral, PNAS, 2026).
أتيح للفرق 40 دقيقة، ومحادثة آنية، وأدوات متزامنة لتحرير النص والصورة، لبناء إعلانات مصوّرة للتقرير السنوي لمركز أبحاث حقيقي. الناتج: 7,266 إعلانًا. ثم قُيّمت هذه الإعلانات على جودة النص والصورة من قبل 1,168 محكّمًا مستقلًا (MIT Sloan / EurekAlert, 2026).
ثم يأتي الجزء الذي يجعل هذا أكثر من نتيجة مختبرية. شغّل الباحثون الإعلانات على منصة X مدة أسبوعين — قرابة خمسة ملايين ظهور — وقاسوا معدل النقر وتكلفة النقرة. الجودة المقيَّمة تنبأت بالأداء في السوق: جودة النص الأعلى رفعت معدل النقر بنحو 7 بالمئة وخفّضت تكلفة النقرة بنحو 30 سنتًا (MIT Sloan / EurekAlert, 2026).
يستحق خياران في التصميم التأكيد، لأنهما ما يفصل هذا العمل عن التعليقات المتداولة أصلًا حول شخصيات الذكاء الاصطناعي. مستويات السمات أُسندت عشوائيًا وتغيّرت بصورة مستقلة، فالمقارنة ليست بين مستخدمين اختاروا أدواتهم بأنفسهم: إنها سببية. كما قاست الدراسة البشر بالأداة نفسها (العوامل الخمسة الكبرى) المستخدمة في توجيه الوكلاء، وهذا بالضبط ما يجعل التفاعل قابلًا للتقدير. معظم أبحاث المورّدين تنقل شعور المستخدمين تجاه شخصية ما. هذه الدراسة تنقل ما فعله الاقتران بالعمل نفسه.
إذن السلسلة السببية مكتملة من طرفها إلى طرفها. اقتران الشخصيات حرّك الجودة. والجودة حرّكت المال.
جدول الاقترانات: أي تركيبات ساعدت وأيها أضرّت
النتائج لا تُختزل في «طابق الشبيه بالشبيه»، وهو ما يفترضه معظم الناس قبل قراءتها.
أقوى الاقترانات كانت: بشر منفتحون مع ذكاء اصطناعي منفتح، وبشر ضميريون مع ذكاء اصطناعي ضميري، وبشر منفتحون على الخبرة مع ذكاء اصطناعي ضميري — وهذا الأخير تكامل لا انعكاس (MIT Sloan / EurekAlert, 2026).
أما الاقترانات التي أضعفت الجودة بدلالة إحصائية، بالترتيب الذي تذكره الورقة:
- بشر منفتحون + ذكاء اصطناعي ضميري — أدنى جودة في الدراسة
- بشر ضميريون + ذكاء اصطناعي مُجامِل (agreeable)
- بشر عصابيون + ذكاء اصطناعي ضميري
اقرأ السطر الثاني مرتين
الذكاء الاصطناعي الضميري يظهر في اثنين من أسوأ ثلاثة اقترانات وفي اثنين من أفضل ثلاثة. لا توجد في هذه البيانات شخصية جيدة على الإطلاق. الوكيل الضميري حين يُمنح لشخص ضميري كان من بين أفضل التركيبات المتاحة؛ والوكيل نفسه حين يُمنح لشخص منفتح كان الأسوأ. إعداد متطابق، نتيجة معاكسة، يحدّدها بالكامل من تسلّمه.
ولاحظ ما يفعله السطر الثاني بالجواب المعتاد لدى المورّدين. الذكاء الاصطناعي المُجامِل — متعاون، مُرضٍ، لا يعترض أبدًا — أضعف ناتج الأشخاص الضميريين. الشخصية الأكثر ضبطًا على رضا المستخدم كانت ضارّة فعليًا بالفئة الأرجح أن تؤدي عملك الأكثر دقة.
لماذا تُعدّ شخصية واحدة لكل المؤسسة ضريبة صامتة على الأداء
هذه هي الترجمة التشغيلية، وهي غير مريحة تحديدًا لأن تصحيحها لا يكلّف شيئًا ولا أحد يقيسها.
حين تنشر إعدادًا واحدًا للمساعد على 300 شخص، فأنت لا تُجري تعميمًا محايدًا. أنت تُجري تجربة غير عشوائية سُلّم فيها جزء من قوتك العاملة الاقتران الذي حددته هذه الدراسة بوصفه منتجًا لأسوأ النتائج — ولا هم ولا أنت تملكون أداة قادرة على كشفه. يظهر الإخفاق في صورة مسودات أضعف قليلًا، وإعادة عمل أكثر قليلًا، وإحساس غامض لدى فرق بعينها بأن الأداة «ليست بهذه الفائدة». ولا يظهر أبدًا كبند تكلفة.
وإعادة العمل تلك تهبط في أغلى موضع. تحليل McKinsey QuantumBlack لتكاليف سير العمل الوكيلي في القطاع المصرفي يضع الإنفاق على التوكينات عند 20 إلى 25 بالمئة من التكلفة المتغيرة لتشغيل الوكيل، والإشراف البشري من خبراء الوظائف والمخاطر عند 70 إلى 75 بالمئة (McKinsey QuantumBlack, 2026). في هذا الهيكل، جودة المخرجات ليست مقياسًا لينًا. كل نقطة جودة تخسرها عند التوليد تُسدَّد بسعر المراجعة، ومن قِبل الشخص الأقدم الذي يقوم بالتدقيق.
والتدقيق لن يختفي. في دراسة MIT Technology Review Insights مع Microsoft التي صنّف فيها 300 من قادة التقنية 101 مهمة وكيلية، 59 بالمئة يخططون بالفعل لإشراف بشري دائم، مع ارتباط الثقة بقابلية التحقق من المهمة أكثر من ارتباطها بقدرة النموذج الخام (MIT Technology Review Insights, 2026).
إذن سوء توافق الشخصية ليس شكوى عن تجربة الاستخدام. إنه مضاعِف صامت على أكبر بند تكلفة في منظومة الذكاء الاصطناعي لديك.
التباين موجود أصلًا داخل المسمّى الوظيفي
إن أردت دليلًا على أن هذا قابل للقياس داخل شركتك لا في المختبر وحده، فهو موجود أصلًا في بيانات التبنّي. وجد بيك وبلاندين وديمينغ وشوماخر، عبر ربط مسح ممثّل وطنيًا بمهام O*NET التفصيلية، أن مقاييس التعرّض للذكاء الاصطناعي التوليدي تفسّر نحو نصف التباين فقط في التبنّي بين العاملين — أشخاص يؤدون العمل نفسه بالأدوات نفسها يتبنّون بطرق مختلفة منهجيًا (NBER Working Paper 35677, 2026).
نصف التباين يقع داخل المسمّى الوظيفي لا بين المسمّيات. معظم فرق العمليات تصنّف ذلك تحت الدافعية أو التدريب. نتيجة PNAS تقدّم تفسيرًا أقل إطراءً وأكثر قابلية للتنفيذ لجزء منه: الأداة مضبوطة لشخص ليس هو من يستخدمها.
هذه الإعادة في التأطير تغيّر ما تفعله مع مجموعة منخفضة التبنّي. إرسال جلسة تمكين أخرى إلى فريق يحصل بصمت على مخرجات أسوأ من الوكيل الافتراضي لا يعالج السبب — بل يضيف ساعات إلى أشخاص ستعود مسوداتهم مع ذلك محتاجة إلى إعادة عمل أكثر من زملائهم.
الاعتراض النزيه
ثلاثة حدود، وهي مهمة.
المهمة كانت إنتاج إعلانات، لا عمليات. جلسات إبداعية من أربعين دقيقة تُنتج إعلانات مصوّرة ليست إقفالك الربعي، ولا إدخال مورّديك، ولا فرز تذاكرك. أن اقتران الشخصية حرّك الجودة في مهمة إبداعية نتيجةٌ؛ وأن يحرّكها في سير عملك استنتاج. تعامل معه كفرضية قوية جديرة بالاختبار، لا كنتيجة محسومة.
للمؤلفَين موقع تجاري. شارك جو وآرال في تأسيس Pairium التي تبني وتوزّع منصة التجريب Pairit المستخدمة في الدراسة (Ju & Aral, PNAS, 2026). العمل مسجّل مسبقًا ومحكَّم في PNAS، وهذا يحدّ من أوضح أنماط الخلل — لكن الباحثين الذين يملكون النتيجة يبيعون العلاج أيضًا، وهذا جزء من قراءتك لها.
مطابقة الجميع بإتقان لها كلفتها الخاصة. أعمال في الأدبيات نفسها تجد أن تنويع شخصيات الذكاء الاصطناعي يخفّف أثر التجانس في توليد الأفكار التعاوني بين الإنسان والآلة (Wan & Kalman, 2026). حسّن كل اقتران من أجل جودة المخرجات الفردية، وقد تضغط التباين في تفكير فرقك — مسودات أفضل، ومسودات أكثر تشابهًا. وإن كانت وظيفتك تحتاج اتساعًا لا صقلًا، فهذه مقايضة حقيقية.
لا شيء من ذلك ينقذ الوضع القائم. الإعداد الافتراضي ليس تحوّطًا ضد هذه الحدود؛ بل هو الخيار الوحيد المضمون أن يكون خاطئًا لجزء من قوتك العاملة، دون أي بيانات تخبرك أي جزء.
ما الذي تقرره هذا الربع
أربع خطوات، ولا واحدة منها تتطلب إنفاقًا جديدًا على المورّدين.
- توقّف عن معاملة الشخصية كإعداد لتقنية المعلومات. موجّه النظام الخاص بالمساعد هو معامل أداء بآثار مقيسة على جودة المخرجات. من يملك تمكين الذكاء الاصطناعي يملكه — وعليه تبرير الإعداد الحالي.
- نفّذ اختبار اقتران واحدًا في وظيفة تنتج أصلًا مخرجات قابلة للتقييم. المحتوى، ردود الدعم، التحليل الأولي. شخصيتان، إسناد عشوائي، ربع واحد، تقييمات جودة معمّاة. أنت تكرّر تصميمًا منشورًا على نطاق صغير، وهذا أرخص بحث ستطلبه في حياتك.
- دقّق بشدة في المنفتحين لديك وفي الموظفين مرتفعي العصابية في الأدوار عالية المخرجات. هذان هما النمطان البشريان اللذان أشارت إليهما الدراسة في مواجهة الوكيل الضميري الافتراضي. إذا كان شخص كفؤ بوضوح يحصل بصمت على القليل من الأداة، فسوء التوافق صار فرضية حيّة لا مشكلة تدريب.
- أتِح اختيار الشخصية قبل أن تبني إسناد الشخصية. التخصيص الكامل القائم على السمات يحتاج بيانات شخصية لا تملكها معظم شركات السوق المتوسطة وقد لا ترغب في امتلاكها. ملفّان أو ثلاثة ملفات مساعد قابلة للاختيار تلتقط جزءًا من الأثر دون أي انكشاف حوكمي.
اقتران الشخصية بالذكاء الاصطناعي صار الآن متغيّرًا مقيسًا وله ثمن. وأنت تضبطه بالفعل — مرة واحدة، عالميًا، بقبولك ما شحنه المورّد.
السؤال في هذا الربع ليس ما إذا كانت الشخصية مهمة. فقد أجابت PNAS عن ذلك. السؤال هو ما إذا كنت ستستمر في اتخاذ ذلك القرار افتراضيًا، للجميع، ثم تحمّل النموذج نتيجته.
