تدريب الموظفين على الذكاء الاصطناعي لبناء القدرة لا للتوعية: ما الذي ينبغي أن يتركه البرنامج
من خبرة فريقنا في تقديم برامج الذكاء الاصطناعي للجهات الحكومية والمؤسسات.
التوعية هي ما يعرفه الموظفون عن الذكاء الاصطناعي؛ أما القدرة فهي ما يستطيعون فعله به في عملهم الفعلي بعد انتهاء البرنامج. ويبني تدريب الموظفين على الذكاء الاصطناعي القدرةَ حين ينتهي بشيء تستخدمه المؤسسة: سير عمل مُختبَر، أو ذكاء اصطناعي يعمل، أو قرار مموَّل. والأبحاث تشير إلى الاتجاه نفسه: المكاسب تأتي من تطبيق الذكاء الاصطناعي على مهام حقيقية، وإعادة تصميم طريقة العمل، والدعم الظاهر من القيادات، لا من مجرد إتاحة الأدوات.
لماذا لا تغيّر أدوات الذكاء الاصطناعي وحدها إلا القليل؟
إتاحة أدوات الذكاء الاصطناعي للموظفين لا تعني تغيير عملهم. فقد وجدت دراسة شملت 25,000 عامل أنه حين أُتيحت للموظفين روبوتات المحادثة دون غيرها، بلغ متوسط الوقت الموفَّر 2.8% من ساعات العمل (Humlum and Vestergaard, 2025). كانت الأدوات حاضرة؛ أما إعادة تصميم العمل فلم تكن.
وتكمن أهمية ذلك في أن التغيير يصل مهمةً مهمة، لا وظيفةً وظيفة. إذ تقدّر منظمة العمل الدولية أن عاملاً من كل أربعة عمال في العالم يعمل في مهنة لها قدر من التعرّض للذكاء الاصطناعي التوليدي، وأن معظم هذه الوظائف ستتحوّل لا أن تُستبدل (ILO, 2025). والتحوّل على مستوى المهام يتطلب تدريباً على مستوى المهام: موظفون يعملون على ما يؤدونه فعلاً.
ما الذي تثبت الأبحاث نجاحه في بناء القدرات في الذكاء الاصطناعي؟
ثلاث نتائج تتكرر في أقوى الدراسات.
تطبيق الذكاء الاصطناعي على العمل الحقيقي يحقق مكاسب كبيرة. في تجربة عشوائية شملت 453 مهنياً، استغرق من استخدموا الذكاء الاصطناعي في مهام الكتابة وقتاً أقل بنسبة 40%، وجاءت أعمالهم أعلى جودةً بنسبة 18% (Noy and Zhang, Science, 2023).
معرفة مواضع إخفاق الذكاء الاصطناعي جزء من المهارة. في دراسة عشوائية شملت 758 مستشاراً، قدّم مستخدمو الذكاء الاصطناعي عملاً أعلى جودةً بنسبة 40% وأسرع بنسبة 25% في المهام التي يُحسنها الذكاء الاصطناعي، لكنهم كانوا أقل احتمالاً بمقدار 19 نقطة مئوية للوصول إلى الإجابة الصحيحة في مهمة لا يُحسنها (Dell'Acqua et al., Harvard Business School working paper, 2023). والبرنامج الذي يكتفي بعرض ما يستطيعه الذكاء الاصطناعي يترك المشاركين عُرضةً للنتيجة الثانية.
المؤسسات التي تعيد تصميم العمل هي التي تجني القيمة. من بين المؤسسات الأكثر استفادة من الذكاء الاصطناعي، أعادت ثلاث من كل أربع تصميم سير عملها تصميماً جوهرياً، مقابل واحدة من كل أربع من غيرها (McKinsey, The state of AI in 2026؛ مؤشر استرشادي). كما أن التوجيه من القيادة يغيّر النتائج: فحين يرى الموظفون استراتيجية واضحة للذكاء الاصطناعي، يلمس 80% منهم أثراً قابلاً للقياس، مقابل 55–60% حين تكون محدودة (BCG, AI at Work 2026؛ مؤشر استرشادي).
ومجتمعةً، ترسم هذه النتائج ما يتعيّن على البرنامج فعله: أن يضع المشاركين أمام مهامهم الفعلية، وأن يعلّمهم أين يُخفق الذكاء الاصطناعي، وأن يغيّر سير عمل بعينه، وأن يُشرك القيادات مبكراً.
بماذا ينبغي أن تخرج كل فئة من تأهيل الكوادر في الذكاء الاصطناعي؟
تختلف القدرة من مستوى إلى آخر في المؤسسة، فينبغي أن يختلف المُخرَج كذلك.
| الفئة | ما تخرج به | ما يتيحه للمؤسسة |
|---|---|---|
| القيادات | قائمة مرتّبة بالأولويات لأفكار الذكاء الاصطناعي، وموجز قرار عن الفكرة الأولى | تمويل الأفكار الصحيحة ضمن مستوى مخاطر اتفقت عليه القيادات |
| كل موظف | قياس زمني قبل وبعد لمهمة من مهامه | استخدام الذكاء الاصطناعي في العمل اليومي، مع التحقق من المخرجات والتعامل الآمن مع البيانات |
| فريق وظيفة محددة | مسارات عمل مُختبَرة على مدخلات حقيقية، لكل منها نقطة اعتماد بشري | تغيير طريقة عمل الفريق، على الأدوات المعتمدة أصلاً |
| فريق البناء | وكيل ذكي يعمل وقد عُرض فعلياً، وخطة تسليم للمشروع التجريبي | نقل الفكرة نحو مشروع تجريبي حيّ بمسؤول مسمّى |
كيف يبدو يوم تدريبي يبني القدرة؟
البنية بسيطة، وهي عكس المحاضرة تماماً:
- البدء من مهمة حقيقية. يُحضر كل مشارك أو مجموعة عملاً يؤدونه كل أسبوع، ويقيسون زمنه أو جودته قبل إدخال الذكاء الاصطناعي.
- البناء على أدوات معتمدة. يجري العمل على أدوات المؤسسة نفسها أو على نماذج تتحكم بها، باستخدام بيانات نموذجية واقعية.
- الاختبار على مدخلات حقيقية. تُفحص المخرجات في الحالات التي يُرجَّح أن يُخفق فيها الذكاء الاصطناعي، لا في الحالات السهلة وحدها.
- الاتفاق على نقطة الاعتماد. قبل أن يغادر أي شيء القاعة، يسمّي الفريق من يعتمد المُخرَج ومتى.
- القياس مجدداً. تُقاس المهمة نفسها زمناً وجودةً بعد ذلك، وتُسجَّل النتيجة خطَّ أساسٍ للمتابعة.
كيف تميّزون القدرة من مجرد الحضور؟
بعد تسعين يوماً من البرنامج، أربع علامات تفرّق بين الاثنين:
- المُخرَجات مستخدمة. سير العمل يعمل، والوكيل الذكي في مرحلة التجربة، وموجز القرار نُفِّذ.
- المقياس تحرّك. تغيّر الزمن والجودة في المهام المرجعية، وثمة من سجّل ذلك.
- هناك مسؤولون. لكل مُخرَج شخص مسمّى مسؤول عنه.
- اتُّخذت قرارات. موّلت القيادات أفكاراً أو علّقتها أو أوقفتها، مع بيان الأسباب.
فإن لم تظهر أيٌّ من هذه العلامات، فما اشترته المؤسسة كان توعية.
الأسئلة الشائعة
ماذا ينبغي أن يتضمن التدريب على الذكاء الاصطناعي؟
التطبيق على مهام المشاركين الفعلية، وفهماً واضحاً لمواضع إخفاق الذكاء الاصطناعي، ونقطة اعتماد محددة لكل ما يُبنى، ومقياساً يُؤخذ قبل البرنامج وبعده.
هل يكفي التدريب على الثقافة العامة في الذكاء الاصطناعي؟
هو نقطة انطلاق. فمعرفة ماهية الذكاء الاصطناعي لا تغيّر وحدها طريقة عمل الفريق؛ ما يغيّرها هو تطبيقه على سير عمل حقيقي.
كيف تقيسون نجاح التدريب على الذكاء الاصطناعي؟
خذوا خط أساس لمهام مسمّاة قبل البرنامج، وكرّروا القياس بعده، وتحققوا بعد 90 يوماً من أن المُخرَجات ما زالت مستخدمة.
من يُدرَّب أولاً؟
القيادات التي تقرر ما يُسمح للذكاء الاصطناعي بفعله، ثم الفرق التي سيتغير عملها.
هل يحتاج المشاركون إلى خلفية تقنية؟
لا. معظم بناء القدرات يجري على مهام العمل وأدوات لا تتطلب برمجة؛ والعمق التقني مطلوب فقط لمن سيتولّون بناء الوكلاء الذكيين ودمجهم في الأنظمة.
المراجع
- Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. University of Chicago and University of Copenhagen. 25,000 workers. https://bfi.uchicago.edu/working-papers/large-language-models-small-labor-market-effects/
- International Labour Organization (2025). Generative AI and jobs: A 2025 update. ILO Working Paper 140. https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
- Noy, S. and Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science. 453 professionals, randomised. https://economics.mit.edu/news/study-finds-chatgpt-boosts-worker-productivity-some-writing-tasks
- Dell'Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier. Harvard Business School working paper. 758 consultants, randomised.
- McKinsey & Company (2026). The state of AI in 2026. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- BCG (2026). AI at Work 2026. 11,749 respondents. https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools
