مواكبة الذكاء الاصطناعي بدون احتراق… أصعب مما كنا نتوقع
أول ما بدأت أدوات الذكاء الاصطناعي تنتشر، كانت الفكرة تبدو منطقية جدًا. الأداة تكتب، وتلخص، وتبحث، وتبرمج، وتنجز جزء كبير من الأعمال الروتينية. وبكذا بيصير عندنا وقت أكثر للتفكير، والإبداع، والأعمال اللي فعلًا تحتاج تدخل بشري.
هذا كان التصور. لكن بعد أكثر من ثلاث سنوات من الاستخدام الواسع، واضح إن الواقع طلع مختلف شوي. عدد من الدراسات والتقارير الصادرة خلال 2026، من UC Berkeley وHarvard Business Review وشركات مثل Workday وActivTrak، ترسم صورة متشابهة. الذكاء الاصطناعي رفع سرعة الإنجاز فعلًا، لكن في كثير من الحالات ما خفف ضغط العمل، بل غيّر شكله.
بدل ما تقل المهام، زادت. وبدل ما ينتهي العمل أسرع، ارتفع سقف التوقعات.
السرعة ليست دائمًا راحة
فيه افتراض بسيط يقع فيه كثير من الناس. إذا مهمة كانت تحتاج ساعة، وصارت تحتاج نصف ساعة باستخدام الذكاء الاصطناعي، فالنتيجة الطبيعية إن عندك نصف ساعة إضافية.
لكن اللي يحصل داخل كثير من الشركات مختلف. النصف ساعة هذي غالبا تمتلئ مباشرة بمهام جديدة. تقدر تكتب تقارير أكثر؟ ممتاز. إذا اكتب تقارير أكثر. تقدر ترد على العملاء بسرعة أكبر؟ ممتاز. طيب زد عدد العملاء اللي تتعامل معهم. تقدر تطور ميزة خلال يوم بدل يومين؟ ممتاز. خل الجدول الزمني أقصر.
مع الوقت، توفير الوقت ما يتحول إلى راحة، وإنما يتحول إلى معيار جديد للإنتاجية. وهذا يمكن أهم شيء أشارت له الدراسات الأخيرة.
“مفارقة جيفونز” (Jevons Paradox) عندما تزيد كفاءة استخدام مورد ما (في حالتنا الوقت والإنتاجية)، فإن الاستهلاك الكلي لذلك المورد يزداد بدلاً من أن يقل.
من منفذ إلى مراقب
في السابق، كنت تنفذ المهمة بنفسك من البداية للنهاية. اليوم صار دورك مختلف. تكتب الطلب. تراجع الناتج. تتأكد من صحة المعلومات. تعدل الصياغة. تجرب Prompt ثاني. ثم تقارن بين أكثر من نموذج. وبعدين ترجع تراجع النتيجة مرة ثانية قبل تعتمدها. العمل نفسه ما اختفى. هو فقط انتقل إلى مرحلة مختلفة. بدل ما تبذل الجهد في إنتاج المحتوى، صرت تبذله في الإشراف عليه. وهذا النوع من العمل مرهق ذهنيًا أكثر مما يبدو.
لأنك تحتاج تحافظ على مستوى عالٍ من الانتباه طوال الوقت، خصوصًا إذا كانت النتيجة النهائية مسؤوليتك أنت، وليس مسؤولية النموذج.
ظاهرة بدأت تظهر بشكل واضح
خلال الفترة الأخيرة بدأ يتكرر مصطلح AI Brain Fry في عدد من المقالات والأبحاث. المقصود فيه مو الإرهاق الناتج عن كثرة العمل فقط، وإنما الإرهاق الناتج عن التعامل المستمر مع مخرجات الذكاء الاصطناعي.
كل إجابة تحتاج تقييم.
كل معلومة تحتاج تحقق.
كل كود يحتاج مراجعة.
وكل نص يحتاج تتأكد إنه مناسب للسياق.
لو سويت هذا الشيء مرة أو مرتين ما بتحس بشيء. لكن إذا صار جزءًا أساسيًا من يومك، يبدأ الاستنزاف الذهني يظهر حتى لو كنت تنجز أكثر من قبل. وهنا المفارقة.
الإنتاجية ترتفع، لكن الإحساس بالتعب يرتفع معها.
كثرة الأدوات صارت مشكلة بحد ذاتها
قبل فترة كان أغلب الناس يستخدمون أداة أو اثنتين. اليوم الوضع مختلف.
- ChatGPT للكتابة.
- Claude للتحليل.
- Gemini للبحث.
- Cursor للبرمجة.
- Perplexity للبحث السريع.
وأدوات ثانية للتصميم والاجتماعات والترجمة. كل أداة ممتازة في شيء. لكن التنقل بينها طوال اليوم له تكلفة. كل مرة تغير فيها الأداة، أنت ما تغير الشاشة فقط. أنت تغير طريقة التفكير، وطريقة كتابة الطلبات، وطريقة مراجعة النتائج. الأبحاث تسمي هذا أحيانًا عبء تنسيق الأدوات. وأشوف إنه وصف دقيق جدًا.
لأن المشكلة مو في أي أداة بشكل منفرد، وإنما في كثرة الأدوات اللي نحاول نديرها في نفس الوقت.
المشكلة ليست في الذكاء الاصطناعي دائمًا
من الأشياء اللي لفتت انتباهي، إن جزءًا كبيرًا من الضغط ما كان بسبب النماذج نفسها. كان بسبب طريقة إدخالها إلى بيئة العمل. في شركات كثيرة، تم توفير الأدوات للموظفين، لكن بدون تدريب واضح. ولا فيه معايير متى تستخدم الأداة، ومتى تعتمد على نفسك، ومتى تحتاج تراجع الناتج، وكيف تتعامل مع الأخطاء.
النتيجة؟
كل شخص يخترع طريقته الخاصة.
ومع كل مهمة، يبدأ السؤال نفسه يتكرر.
هل أثق بهذه النتيجة؟
هل أراجعها بالكامل؟
هل أعيد كتابتها من الصفر؟
هذا التردد يستهلك وقتًا وتركيزًا أكثر مما نتوقع.
هل الحل إننا نخفف استخدام الذكاء الاصطناعي؟
أشوف لا. الحل مو إنك تترك الأدوات. ولا إنك تجرب كل أداة جديدة تنزل. الفكرة في بناء طريقة عمل مستقرة. إذا عندك خمس أدوات تؤدي نفس الغرض، يمكن الأفضل تختار واحدة أو اثنتين وتتقنهما. إذا كل إشعار يقطع تركيزك، يمكن تحتاج تعيد تنظيم يومك.
إذا كل ناتج تراجعه عشر مرات، يمكن تحتاج تحدد متى تكفي المراجعة بدل ما تدخل في دوامة تحسين لا تنتهي. وكذلك، من المهم نفرق بين السرعة والفهم.
النموذج يقدر يكتب إجابة مرتبة خلال ثوانٍ.
لكن هذا ما يعني إنك فهمت الموضوع.
ولا يعني إن القرار المبني عليها صار صحيحًا تلقائيًا.
وهذي نقطة تتكرر كثيرًا في الأبحاث الحديثة.
الخلاصة
أشوف إن أكبر خطأ ممكن نسويه هو قياس نجاح الذكاء الاصطناعي بعدد الساعات اللي وفرها فقط. الأهم هو: ماذا حدث بعد هذه الساعات؟ هل صارت وقتًا للتفكير؟ ولا امتلأت بمهام إضافية؟
إذا كانت كل دقيقة يوفرها الذكاء الاصطناعي تتحول مباشرة إلى عمل جديد، فمن الطبيعي إن الناس يحسون إنهم يركضون أسرع طوال الوقت، لكنهم ما وصلوا إلى مكان مختلف.
في النهاية، الذكاء الاصطناعي مجرد أداة. اللي يحدد إذا كانت بتخفف الضغط أو بتضاعفه هو طريقة استخدامها، وطريقة إدارة العمل حولها.
ويمكن هذا هو الدرس الأهم اللي بدأت الأبحاث توصل له بعد سنوات من الاستخدام الفعلي المشكلة غالبًا ليست في النموذج… بل في الطريقة اللي بنينا بها يوم العمل حوله.
Originally published on X.
