الذكاء الاصطناعي كمعلّم يبني الكفاءة، وككاتب ظل لا يبنيها — وبعد أسبوع تعرف أيّهما استخدم فريقك.

رفعت إتاحة الذكاء الاصطناعي درجات الاختبار 7.2 نقطة مئوية، وبعد أسبوع من سحب الأداة كانت 3.9 نقطة لا تزال قائمة — لكن فقط عند من استخدم الذكاء الاصطناعي كمعلّم. أما من تركه يكتب بالنيابة عنه، فقد تبدّد المكسب (كونتراكتور وريّس، 2026).

يمكن لشخصين في فريقك أن يستخدما النموذج نفسه في المهمة نفسها وأن يُنتجا عملاً بالجودة نفسها. وبعد أسبوع، يكون أحدهما أفضل في تلك المهمة بشكل قابل للقياس، ويكون الآخر قد عاد إلى نقطة البداية. والمُخرَج الذي بين يديك لا يخبرك أيّهما أيّ.

التجربة التي تقف خلف هذه الأرقام هي دراسة عشوائية حضورية وتحت إشراف: درس طلاب جامعيون موضوعاً تقنياً غير مألوف لهم تحت ضغط الوقت وكتبوا مقالاً تحليلياً بإتاحة الذكاء الاصطناعي أو بدونها، ثم خضعوا لتقييمات بلا أي مساعدة فوراً ثم مرة أخرى بعد نحو أسبوع. وخلاصة المؤلفين لهذا الانفصال هي النتيجة كلها — المكاسب تبقى لدى الطلاب الذين يستخدمون الذكاء الاصطناعي كمعلّم وتتلاشى لدى من يتركونه يكتب بالنيابة عنهم.

التصميم قاس الشخص، لا المُخرَج

تكاد كل دراسة عن الذكاء الاصطناعي والإنتاجية تقيس الناتج بينما الأداة في الغرفة. هذه الدراسة تفعل شيئاً أصعب وأكثر صلة بالقرار: تسحب الأداة وتقيس ما بقي في الشخص.

من بين 256 مسجَّلاً، حضر 211 الجلسة الأولى وعاد 205 إلى الثانية بعد 6.98 يوم في المتوسط. وكانت الموضوعات غريبة عن المشاركين بشكل مقصود — البلوك تشين، واحتجاز الكربون، وكريسبر. وكانت الجلسة الثانية تحت إشراف وبلا مساعدة للجميع، لمجموعة التجربة ومجموعة الضبط على حد سواء. وصحّح المقالات 309 مُقيّمين يحملون درجة ماجستير أو دكتوراه، مع استثناء 23 منهم لعدم اجتيازهم اختبار فهم.

هذا البناء هو ما يفصل الناتج المستعار عن القدرة المحتفظ بها. الاختبار الفوري يخبرك إن كانت الأداة قد ساعدت. والمتابعة بلا مساعدة تخبرك إن كان الشخص قد تغيّر. هذان سؤالان مختلفان، ومعظم لوحات قياس التبنّي المستخدمة في شركة متوسطة الحجم تجيب عن الأول فقط — إن أجابت عن أيٍّ منهما.

ما تقوله الأرقام فعلاً

المقياس	النتيجة
اختبار المعرفة الفوري، إتاحة الذكاء الاصطناعي مقابل الضبط	+7.2 نقطة مئوية، 0.28 SD (p = 0.021)
الاختبار نفسه، treatment-on-treated	+10.4 نقطة مئوية، 0.41 SD
اختبار بلا مساعدة بعد نحو أسبوع	+3.9 نقطة مئوية، 0.21 SD
جودة مقال الجلسة الثانية، المكتوب بلا ذكاء اصطناعي	+0.24 SD
الآلية	الوقت الإجمالي نفسه؛ تحوّل الوقت من الكتابة إلى القراءة والبحث

نتيجة المقالات تستحق نظرة ثانية. بعد أسبوع من سحب الأداة، في غرفة تحت إشراف وبلا أي مساعدة، كتب من كانت لديهم إتاحة للذكاء الاصطناعي مقالات أفضل بشكل قابل للقياس — وكانت أكبر الآثار في استخدام الأدلة والأمثلة وفي وضوح الأسلوب. انتقل شيء إلى الشخص، لا إلى الوثيقة فقط.

من استخدم نمط الآلية كسب الجلسة الأولى وخسر الأسبوع

هذا هو الجزء الذي ينبغي أن يغيّر تفكيرك في طريقة النشر.

المشاركون الذين تركوا الذكاء الاصطناعي يكتب بالنيابة عنهم — ويسمّي المؤلفون ذلك automation — سلّموا في الجلسة الأولى مقالات حصلت على تقييمات أعلى. كانوا يبدون كأفضل الأداءات. وبعد أسبوع، في الجلسة بلا مساعدة، اختفت تلك الميزة ببساطة. أما المشاركون الذين استخدموا الذكاء الاصطناعي كمعلّم، وطلبوا منه أن يشرح لا أن يُنتج، فقد حافظوا على ميزتهم.

نمطان للاستخدام. لا يمكن التمييز بينهما في المُخرَج. ومتعاكسان في أثرهما على القدرة. والآلية عادية: أنفقت المجموعتان الوقت الإجمالي نفسه، لكن إتاحة الذكاء الاصطناعي نقلت الدقائق من الكتابة إلى القراءة والبحث عن المعلومات. أنفق أصحاب نمط المعلّم تلك الدقائق في الفهم. وأنفقها أصحاب نمط كاتب الظل في ما لا يبقى منه شيء.

لهذا فإن «استخدام الذكاء الاصطناعي» هو مقياس التبنّي الخطأ. ليس مقياساً ضعيفاً ولا متأخراً. إنه مقياس يمنح القيمة نفسها للسلوك الذي يبني مخزونك من الكفاءات وللسلوك الذي يفرّغه من الداخل.

لوحة قياس التبنّي لديك لا ترى الذكاء الاصطناعي كمعلّم

إن كان نمط الاستخدام هو المتغير المهم، فالسؤال البديهي هو: هل يقيسه أحد؟ على العموم، لا.

استنتج مختبر الإنتاجية في ActivTrak مراحل تبنّي الذكاء الاصطناعي من قياسات سلوكية عن بعد لـ 120,620 عاملاً، لا من التراخيص أو مرات تسجيل الدخول أو التقارير الذاتية. وجد 27% في مرحلة المساعدة البحثية، و14% في تنفيذ المهام، و2% في تكامل حقيقي مع سير العمل (ActivTrak Productivity Lab، 2026). أعداد المقاعد ولوحات تسجيل الدخول تقيس التوزيع. لا تقيس التبنّي، ولا تقيس النمط بالتأكيد.

وفي الوقت نفسه، تتقلص القدرة التطويرية التي كانت ستُعلّم النمط الأفضل. وجد مسح PwC للقوى العاملة لعام 2026، الذي شمل 49,364 عاملاً في 48 دولة، أن نسبة من يقولون إن لديهم إتاحة لموارد التعلم والتطوير التي يحتاجونها هبطت إلى 51% من 59% في العام السابق — في حين ارتفع الاستخدام اليومي للذكاء الاصطناعي التوليدي من 14% إلى 22% (PwC، 2026). إتاحة الأداة تتوسع. وإتاحة التعليم في كيفية استخدامها تسير في الاتجاه المعاكس.

والعاملون يلاحظون. في دراسة GoTo عن العمل لعام 2026، قال 39% إن اعتمادهم على الذكاء الاصطناعي يُفتّت مهاراتهم، واعترف 43% بأنهم سلّموا ناتجاً للذكاء الاصطناعي اشتبهوا في ضعف جودته (GoTo و Workplace Intelligence، 2026). التقرير الذاتي دليل ضعيف بمفرده. أما بجوار تجربة تحت إشراف تجد الشكل نفسه، فيكفّ عن أن يكون ضجيجاً.

الاختلال الذي يجعل هذا مسألة خلافة وظيفية

نتيجة أخرى، وهي التي تنقل الموضوع من التدريب إلى تخطيط القوى العاملة.

وضعت تجربة ميدانية مسجَّلة مسبقاً ومدتها ثلاثة أشهر مساعداً ذكياً لصياغة البراءات في أيدي 133 محامي براءات ممارساً في إحدى عشرة شركة أمريكية، مع تقييم كل تسليم من خبراء في تصميم أعمى. وفي المهام المدعومة ارتفعت الجودة 0.38 SD عند تسعين يوماً، بمكاسب أكبر بين المحامين المبتدئين. ثم جاءت مهمة تحرير بلا دعم، لم يُسمح فيها بالذكاء الاصطناعي لأي أحد — وهي قياس المهارة. حصل محامو مجموعة التجربة على 0.32 SD أعلى في المجموع، لكن الميزة تمركزت بالكامل عند المحامين الأقدم، عند 0.45 SD. ولم يُظهر المبتدئون أي مكسب متوسط؛ بل تشعّبت درجاتهم، مع تراجع حاد في النتائج المتوسطة قابله مزيد من النتائج الضعيفة ومزيد من النتائج الجيدة (أوتور وآخرون، NBER، 2026).

صياغة المؤلفين أنفسهم هي الجملة التي تُحمل إلى اجتماع التخطيط القادم: أكبر المكاسب من الذكاء الاصطناعي ذهبت إلى المحامين الذين احتفظوا بأقل القدر، وقد تكون الخبرة التأسيسية شرطاً مسبقاً لاستخلاص مهارة دائمة من الممارسة المدعومة بالذكاء الاصطناعي.

اقرأ الدراستين معاً. نمط الاستخدام يحدد ما إذا كانت القدرة تتراكم، والخبرة القائمة تحدد — على ما يبدو — النمط الذي يلجأ إليه الشخص تلقائياً. أكثر موظفيك خبرة يراكمون. ومبتدئوك ينقسمون إلى مجموعتين، والناتج المدعوم لكلتيهما يبدو سليماً.

ويجدر القول بصراحة: تمويل دراسة البراءات وجزء من تأليفها يرجعان إلى الجهة المنتجة للأداة. والذي يحمل مصداقيتها هو التسجيل المسبق والتقييم الأعمى من طرف ثالث، لا الجهة الراعية.

الاعتراض الصادق

أربعة حدود، قبل أن يبني أحد سياسة على هذا.

هؤلاء طلاب جامعيون في مهمة من ساعة واحدة. لا موظفون على مدى ربع سنة من العمل الحقيقي. والآلية — إعادة توزيع الوقت من الإنتاج إلى الفهم — تنتقل على نحو معقول. أحجام الأثر لا ينبغي أن تُنقل كتقديرات لبيئة العمل، وأنا لن أضع 7.2 نقطة في دراسة جدوى.

هذه نسخة أولية. نُشر arXiv 2607.08849 في يوليو 2026 وراجعه المؤلفون في أكتوبر 2026. ولم يُكمل مراجعة الأقران.

اختبارات المتانة تزحزح الرقم. باستثناء المشاركين الذين خالفوا قواعد الدراسة، ينزل أثر التعلم في الجلسة الأولى إلى 0.24 أو 0.15 أو 0.27 SD بحسب المقياس المستخدم. الأثر يصمد، لكن حجمه أرقّ من العنوان.

النمط لوحظ ولم يُسنَد. الانفصال بين المعلّم وكاتب الظل هو أكثر نتائج الورقة قابلية للتنفيذ، وأقل أجزائها نقاءً تجريبياً — فالمشاركون اختاروا بأنفسهم كيف يستخدمون الأداة. ومن يمدّ يده إلى الشرح قد يختلف عن مَن يمدّها إلى الناتج في صفات تتنبأ أيضاً بالاحتفاظ. واختلال الأقدمية في دراسة البراءات متوافق تماماً مع هذه القراءة.

ما يصمد في مواجهة الأربعة جميعاً: المُخرَج ليس قراءةً لما إذا كان الشخص يتعلم، والفجوة بين الاثنين مشكلة قياس يمكنك حلها دون أن تشتري شيئاً.

ما ينبغي تغييره هذا الربع

أربع حركات. ولا واحدة منها عملية شراء.

1. أوقف رفع استخدام الذكاء الاصطناعي كمقياس للتبنّي. التراخيص ومرات تسجيل الدخول وأعداد الجلسات تصف التوزيع. استبدل المؤشر الرئيسي برقم واحد: كم شخصاً أثبت قدرة محددة بالاسم بلا مساعدة، بعد أن استخدم الذكاء الاصطناعي لبنائها.
2. اجعل الحوار مع النموذج بنمط المعلّم سلوكاً صريحاً يُدرَّس. إنه محدد بما يكفي ليدخل مسار التأهيل ونص لقاء الفرد بمديره: اطلب من النموذج أن يشرح استدلاله ويتحقق من استدلالك، لا أن يُنتج المُخرَج. هذا أرخص تدخّل في المجموعة كلها، ولا أحد يقوم به.
3. أضف مهمة واحدة بلا مساعدة إلى دورة التطوير للأدوار التي يكون الحكم فيها هو المُخرَج. ليس اختباراً — بل مهمة حقيقية، تُنجَز بلا دعم، وتُقيَّم بالمعيار نفسه المستخدم للنسخة المدعومة. الفجوة بين الاثنين هي إشارة الاحتفاظ بالمهارة عندك، وهي غير موجودة في أي تقرير عن جودة الناتج.
4. احسب تشعّب المبتدئين داخل خطة الخلافة الوظيفية. إذا كان الناتج المدعوم مستوياً عبر مستويات الأقدمية بينما القدرة المحتفظ بها ليست كذلك، فإن مخزونك لعامين أرقّ مما تقوله بيانات الأداء، والخطأ يسير في اتجاه واحد.

هذه الحركة الرابعة هي التي لا موضع بديهي لها في معظم الشركات، لأنها تحتاج كفاءة مقيسة لكل دورة في مقابل إطار مستقر، لا مستنتجة من المُخرَجات الأخيرة. طبقة الأداء والخلافة الوظيفية في Scovai مبنية على هذا الفصل — الكفاءة تُقيَّم بشكل حتمي، لكل كفاءة ولكل دورة، على إطار Great Eight؛ و9-box تُحتسب من بيانات الكفاءة تلك لا من انطباعات المديرين؛ وجاهزية الخلافة تُعلن لكل مقعد حَرِج: جاهز الآن أو بعد اثني عشر إلى أربعة وعشرين شهراً. والصلة هنا بنيوية: إذا كان محور الإمكانات عندك يقرأ ناتجاً مدعوماً، فهو يقرأ الأداة.

الاستنتاج المزعج من هذا البحث هو أن أعلى مستخدمي الذكاء الاصطناعي أداءً وأسرعهم تدهوراً قد يكونون الأشخاص أنفسهم، وأن لا شيء تقيسه اليوم يفصل الذكاء الاصطناعي كمعلّم عن الذكاء الاصطناعي ككاتب ظل.

لذا اختر دوراً واحداً هذا الربع، ونفّذ مهمة واحدة بلا مساعدة بالمعيار نفسه المستخدم للنسخة المدعومة، واكتشف في أي اتجاه تسير الفجوة. قِس الشخص لا الوثيقة — فالوثيقة كفّت عن أن تخبرك شيئاً عن أيٍّ منهما يوم وصلت الأداة.