مكاسب الإنتاجية من الذكاء الاصطناعي ذهبت إلى زيادات لم تحدث قط - وفي أسفل جدول رواتبك تقريبًا بالكامل

عبر 321 مهنة أمريكية وعقد كامل من بيانات الأجور الصادرة عن Bureau of Labor Statistics، كان الأثر القابل للقياس للذكاء الاصطناعي على التوظيف صفرًا. أما أثره على الأجور فلا. نمو الأجور الحقيقية كان أبطأ بنحو 6.7% في المهن عالية التعرّض بعد 2023 — وفي الشريحة الربعية الأدنى أجرًا كان أبطأ بنسبة 10.7%. أما الشريحة الأعلى فلا شيء: لا أثر ذا دلالة إحصائية على الإطلاق (Edlich & Slok، Apollo، 2026).

هكذا تحدَّد موقع مكاسب الإنتاجية من الذكاء الاصطناعي لديك. لم تظهر على شكل تقليص في عدد الموظفين، بل على شكل زيادات لم تحدث قط، مركّزة تقريبًا بالكامل في أسفل جدول الرواتب.

إذا كانت دراسة الجدوى لمشاريع الذكاء الاصطناعي لديك لعام 2026 ما زالت تصوغ مخاطر القوى العاملة بسؤال كم وظيفة ستُلغى، فأنت تقرأ السطر الخطأ في الكشف الخطأ.

ما الذي قاسته Apollo فعليًا — ولماذا يغيّر "التبنّي المرصود" القراءة

بنى كل من Sania Edlich وTorsten Slok من Apollo Global Management نموذج «الفروق في الفروق» عبر 321 مهنة متطابقة باستخدام بيانات BLS Occupational Employment and Wage Statistics من 2015 إلى 2025، مع تأثيرات ثابتة للمهنة وللسنة وأخطاء معيارية مُجمّعة على مستوى المهنة (Edlich & Slok، Apollo، 2026).

القرار المنهجي الحاسم هو كيفية تعريف التعرّض. فمعظم التقديرات السابقة — Felten وWebb وBrynjolfsson-Mitchell-Rock — تصنّف المهن وفق قابلية نظرية مستمدة من أوصاف المهام في O*NET. أما Apollo فقاست التعرّض من الاستخدام المرصود، المستخلص من Anthropic Economic Index. أي ليس ما الوظائف التي قد يمسّها نظام ذكاء اصطناعي نظريًا، بل الوظائف التي يُستخدم فيها فعليًا بشكل قابل للإثبات.

هذا الاستبدال وحده يقلّص حجم الفئة محل النقاش بشكل حاد. فالمهن عالية التعرّض وفق المقياس المرصود تغطي نحو 5.8 مليون عامل — أي قرابة 3.7% من القوى العاملة الأمريكية (Axios، 2026). ثلاث سنوات من العناوين المبنية على التعرّض النظري كانت تصف قوى عاملة أكبر بأضعاف مما وصل إليه الذكاء الاصطناعي فعلًا.

وداخل هذه الفئة الأصغر، يشير المعاملان الرئيسيان إلى اتجاهين متعاكسين:

• لوغاريتم (التوظيف): −0.0639، خطأ معياري 0.0870. غير دال إحصائيًا. لا خسارة وظائف قابلة للرصد.
• لوغاريتم (الأجر الحقيقي): −0.0667، خطأ معياري 0.0181، p < 0.01. أي ما يقارب 6.7% نموًا أبطأ في الأجور الحقيقية.

أعاد الباحثان التقدير عند عتبات تعرّض 0.4 و0.6 وصمدت نتيجة الأجور. أما الحد الأدنى التجميعي المتحفظ للدخل العمّالي الضائع فهو 28 مليار دولار سنويًا (Edlich & Slok، Apollo، 2026؛ HR Dive، 2026).

ملاحظة إحصائية تستحق أن تحملها إلى أي نقاش داخلي: معامل التوظيف غير الدال ليس دليلًا على أن الذكاء الاصطناعي لم يُلغِ وظائف. بل يعني أن هذا التصميم لم يستطع رصد أثر، وأنه بهذا الخطأ المعياري كان سيُفوّت أثرًا متوسط الحجم. تقدير الأجور هو التقدير الدقيق. أما تقدير التوظيف فهو التقدير الصامت.

الشكل التنازلي هو النتيجة الحقيقية

عند التقسيم حسب الشريحة الربعية للأجر في الفترة السابقة — وهي شرائح مُعرَّفة على متوسط أجر المهنة بين 2015 و2022 — لا يكون الأثر موزعًا، بل متكدّسًا في الأسفل (Edlich & Slok، Apollo، 2026):

• الربع الأول، الأدنى أجرًا: −10.7% (p < 0.01)
• الربع الثاني: −5.7% (غير دال)
• الربع الثالث: −4.05% (p < 0.1)
• الربع الرابع، الأعلى أجرًا: لا أثر ذا دلالة

وبحسب المجموعة المهنية، سجّلت الأدوار الإدارية والمهنية −4.1%. أما الأعمال اليدوية فلم تُظهر أثرًا ذا دلالة، وهو المتوقع من تقنية محدودة الوصول إلى المهام البدنية. وجاءت فئة الخدمات عند −24.3%، لكن الباحثَين نفسيهما ينبّهان إلى أنها عيّنة فرعية صغيرة وحساسة للتركيب. تعامل معها كإشارة اتجاه، لا كرقم تضعه في شريحة عرض.

كان الأثر كذلك أقوى في المهن الأصغر حجمًا — أدوار متخصصة بتنوّع مهام أقل يتيح امتصاص العمل الذي تولّاه الذكاء الاصطناعي. المهن الضيّقة لا تملك مكانًا داخليًا لإعادة توظيف الساعة المحرَّرة، فتظهر القيمة في بند الأجر بدل بند حجم العمل.

قارن ذلك الآن بطريقة تجهيز معظم برامج الذكاء الاصطناعي في الشركات المتوسطة. إدارة التغيير، وميزانية إعادة التأهيل، وجولة "ماذا يعني هذا لمسارك المهني" — كلها موجَّهة إلى الطبقة المعرفية والقيادية. وهي بالضبط الشريحة التي يكون فيها الأثر المقاس على الأجور صفرًا.

أثر الأجور يهبط حيث لا يصل جهدك في التواصل.

ضغط الأجور هو مكسب الإنتاجية من الذكاء الاصطناعي الذي لم يوافق عليه أحد

ثمة سبب لبقاء الأمر دون ملاحظة ثلاث سنوات. التسريح له بوابة موافقة: دراسة جدوى، ومراجعة قانونية، ونموذج تعويضات، وخطة تواصل، واسم مرتبط بالقرار. أما ضغط الأجور فلا يملك شيئًا من ذلك. إنه الحصيلة الناشئة عن مئة قرار صغير قابل للتبرير: دور ضاق نطاقه بهدوء، ومخصص استحقاق وُزّع على تقييم أداء أبرد قليلًا، ووظيفة بديلة أُعلنت في أسفل النطاق بدل وسطه، وتعديل سوقي أُجِّل دورة أخرى لأن الفريق "يتعامل مع الحجم بلا مشكلة".

لم يقرر أحد في هذه السلسلة أن يلتقط مكسب الإنتاجية من الذكاء الاصطناعي على شكل ضغط للأجور. لكن المؤسسة فعلت ذلك على أي حال، لأن الضغط هو ما يحدث تلقائيًا حين يصبح العمل أسهل ولا ينتبه شيء في عملية التعويضات.

هذا يفسّر أيضًا لماذا يظل الأثر غير مرئي في تقاريرك. لديك لوحات مؤشرات لعدد الموظفين والاستنزاف وتكلفة التوظيف. وشبه المؤكد أنه ليس لديك لوحة لـنمو الأجور الحقيقية في الأدوار المعرَّضة للذكاء الاصطناعي مقابل بقية جدول الرواتب. فجوة القياس ليست سهوًا — بل هي السبب الذي يجعل الآلية تعمل بلا معارضة.

سجل رواتبك لم يعد مرجعًا صالحًا للمقارنة

المشكلة من الدرجة الثانية أسوأ من الأولى. في الشركات من 50 إلى 500 موظف، تُبنى نطاقات الأجور عادة على السجل الداخلي مضافًا إليه مسح سوقي متأخر عن السوق بعام أو أكثر. وفي الأدوار التي فيها تبنٍّ حقيقي للذكاء الاصطناعي، بات هذا السجل يحمل ثلاث سنوات من النمو المكبوت. مقارنة نطاق 2027 به لا تصحّح الضغط — بل تُثبّته وتمدّده دورة إضافية.

الأدوار التي أتمتّها أولًا هي بالضبط الأدوار التي لم تعد بيانات رواتبك بشأنها قراءة موثوقة للسوق الخارجي.

ما الذي يعتقده موظفوك بالفعل عن وجهة المكسب

للحقيقة التوزيعية إدراك توزيعي مصاحب، وهذا الإدراك يسبق الأدلة.

استطلاع Ipsos لصالح Groundwork Collaborative، أُجري في يونيو 2026 على 1,533 عاملًا أمريكيًا، وجد أن 51% يعتقدون أن منافع الذكاء الاصطناعي تذهب فقط أو أساسًا إلى المُلّاك والتنفيذيين، مقابل 6% يقولون إن معظم المنافع تصل إلى العاملين (Groundwork Collaborative / Ipsos، 2026). وثلثاهم يتوقعون أن يزيد الذكاء الاصطناعي العمل سوءًا.

ومديروك ليسوا مجهّزين لمنازعة هذه القراءة. مسح Global Total Rewards Pulse Survey من Korn Ferry، الذي أُجري في يونيو 2026 على 5,512 مؤسسة في 135 دولة، وجد أن 16% فقط من المؤسسات واثقة من قدرة مديريها على شرح تغييرات الأجر والعمل المرتبطة بالذكاء الاصطناعي للموظفين (Korn Ferry، 2026).

ضع النتائج الثلاث في تسلسل واحد ويصبح الخطر التشغيلي بديهيًا. الأثر على الأجور حقيقي وتنازلي. ونصف القوى العاملة يفترضه أصلًا. وخمس شركات من كل ست عاجزة عن إدارة حوار ذي مصداقية بشأنه. هذه ليست مشكلة تواصل لاحقة للتطبيق — بل هي مسار الانتقال من قرار أجور لم يتخذه أحد إلى برنامج تبنٍّ يتعثّر دون أن يسمّي أحد السبب.

الحجة المضادة التي تستحق أن تُؤخذ بجدية

Apollo شركة إدارة أصول لا جامعة، وهذه ورقة بيضاء لا بحث محكَّم. اعتراض وجيه، ويجب أن يُقال صراحة لا أن يُلتَفّ حوله.

ثلاثة قيود محددة:

1. جهة النشر والحافز. تنشر Apollo أبحاثًا كلية برؤية مؤسسية خاصة. الدفاع في المنهج لا في جهة النشر: النموذج تقليدي، والمعاملات والأخطاء المعيارية منشورة، وفحوص المتانة معروضة. احكم عليه من الجداول.
2. قياس التعرّض مصدره مزوّد واحد. القياس المبني على الاستخدام تحسّن حقيقي مقارنة بالتعرّض النظري، لكنه يأتي من سجلات تفاعل مزوّد واحد. بيانات أفضل، لا بيانات محايدة.
3. «الفروق في الفروق» تُحدِّد ارتباطًا تحت افتراض الاتجاهات المتوازية. فإذا كانت المهن عالية التعرّض تسير أصلًا على مسار أجور أبطأ لأسباب أخرى قبل 2023، فجزء من التقدير هو ذلك التباعد السابق وليس الذكاء الاصطناعي.

لا شيء من هذا محسوم، ولا يوجد تفصيل خاص بالشركات المتوسطة — فتطبيقه على شركة من 200 شخص استنتاج لا قياس.

لكن انظر إلى ما يتعيّن على الاعتراض أن يشتريه. لرفض النتيجة عليك أن تزعم أن الأثر على الأجور زائف و أنه زائف بطريقة تتركّز في الشريحة الأدنى بعشرة أضعاف تركّزها في الأعلى. الموقف الأمتن هو أن الحجم غير مؤكد وأن الشكل مُعلِم — والشكل هو ما يغيّر قراراتك.

ما ينبغي فعله هذا الربع

ادمج دراسة جدوى الذكاء الاصطناعي ومراجعة نطاقات الأجور في وثيقة واحدة

صارتا الآن التمرين نفسه. أي مبادرة ذكاء اصطناعي تغيّر ما يفعله الدور لها نتيجة على الأجر، ومراجعتهما في اجتماعين منفصلين وتقويمين منفصلين هي بالضبط الطريقة التي حدث بها الضغط. وثيقة واحدة، مالك واحد، تاريخ مراجعة واحد.

شغّل تقاطع التعرّض مقابل الاستحقاق على جدول رواتبك أنت

يستغرق هذا بعد ظهر يوم، لا مشروعًا. حدِّد الأدوار التي غيّرت فيها أدوات الذكاء الاصطناعي العمل تغييرًا جوهريًا. قارن نمو أجورها الحقيقية منذ 2023 — الزيادات الاسمية ناقص التضخم — ببقية جدول الرواتب. فإذا كانت الأدوار المعرَّضة متأخرة، فقد أعدت إنتاج نتيجة Apollo داخل شركتك، وصار لديك النسخة الوحيدة من هذا الدليل التي ستحرّك فريق قيادتك فعلًا.

أعد المقارنة المرجعية خارجيًا، بدءًا من الشريحة الأدنى

بالنسبة للأدوار المؤتمتة، ارجع إلى بيانات السوق الخارجية الحالية بدل السجل الداخلي. ابدأ من أسفل جدول الرواتب، حيث الأثر المقاس هو الأكبر وحيث دوران الموظفين في الشركات المتوسطة هو أصلًا الأغلى لكل وحدة أقدمية.

اكتب نص حوار الأجر والنطاق قبل التطبيق القادم

بالنظر إلى نسبة 16%، افترض أن مديريك اليوم لا يجيدون ذلك. اكتب حوار العشر دقائق — ما الذي تغيّره الأداة في نطاق الدور، وما الذي لا تغيّره في النطاق الأجري، وما هو مسار التقدّم — وتدرّب عليه مع المديرين الذين سيديرونه. إنه أرخص تدخّل في هذا المقال كله، ويكاد لا يموّله أحد.

القرار الذي على مكتبك

بُنيت السنوات الثلاث الأخيرة من تخطيط القوى العاملة حول الذكاء الاصطناعي على سؤال — كم وظيفة ستختفي — تجيب عنه أفضل الأدلة المتاحة القائمة على التبنّي المرصود بعبارة "لا شيء يمكن رصده". وفي الأثناء، ذهب الأثر القابل للقياس والدال والتنازلي مباشرة إلى دورة الأجور، دون فحص، لأن لا لوحة مؤشرات في الشركات المتوسطة موجَّهة إليه. مكسب الإنتاجية من الذكاء الاصطناعي لم يضِع قط. بل أُعيد تخصيصه، بهدوء، ولم يذهب إلى من تحمّلوا التغيير.

قبل مراجعة استثمارك القادم في الذكاء الاصطناعي، احضر معك رسمًا بيانيًا واحدًا: نمو الأجور الحقيقية منذ 2023 في أدوارك المعرَّضة للذكاء الاصطناعي، مقابل الجميع، مقسّمًا حسب الشريحة الأجرية. فإذا كانت الفجوة موجودة، فأنت لم تُدر برنامج كفاءة. أنت أدرت خفضًا للأجور، ولم توافق عليه.