الفهم ليس هو التنفيذ

جمعت مرةً ما يقارب ألف موظف من جميع أقسام الشركة في تدريب مكثّف استمر أسبوعًا كاملًا. علّمنا الناس العمل على نظام واحد: إدخال البيانات في نظام إدارة العملاء، وتسجيل الحضور والمبيعات في مكان يراه الجميع، والتوقف عن تكرار العمل في ملفات Excel شخصية. طوال الأسبوع، كررنا الرسالة نفسها: النظام نعم، وExcel لا. كانت التغذية الراجعة على التدريب إيجابيةً بشكل كبير، وكنت متأكدًا أن كل شيء على وشك أن يتغير.

بعد أسبوعين، مررت على أحد الفروع ورأيت المديرة تدخل البيانات في ملف Excel خاص بها من جديد. سألتها لماذا عادت إلى الطريقة القديمة، فقالت: "الأمر أسهل بالنسبة لي".

كان خطأي أنني افترضت أن الناس بمجرد أن يفهموا شيئًا، سيطبقونه فورًا. اليوم، كثير من الشركات تقع في الفخ نفسه مع الذكاء الاصطناعي. يشترون الأدوات، ويمنحون الصلاحيات، ويعقدون دورات تدريبية، ثم يفترضون أن هذا يكفي. سواغاتام باسو، المدير التحليلي الأول في ممارسة الموارد البشرية في Gartner، أطلق على هذا اسم "وهم التمكين" — أي عندما يُخلط بين منح الوصول ومقاييس الاستخدام وبين التحول الفعلي.

أنا مقتنع أن المشكلة ليست أن الناس سيئون في كتابة الأوامر أو أنهم يقاومون التغيير. إذن ما هي المشكلة؟

مشكلة التبني ليست حيث تظن

الشركات أنفقت مبالغ ضخمة على الذكاء الاصطناعي، ومعظمها لم يرَ عائدًا ملموسًا بعد. تقارير Gartner تقول إن 88% من مسؤولي الموارد البشرية لم يروا أي قيمة أعمال حقيقية من أدوات الذكاء الاصطناعي في 2025. ودراسة من BCG شملت 1250 شركة وجدت أن 5% فقط تحقق قيمة كبيرة من الذكاء الاصطناعي على نطاق المؤسسة، بينما 60% لا ترى أي عائد ملموس إطلاقًا.

رد الفعل المعتاد هو إلقاء اللوم على التقنية: النموذج خاطئ، الحوكمة ضعيفة، الأدوات غير مترابطة. وكل هذه أمور يمكن أن تعرقل العمل فعلًا. عندما تكون أنظمة الذكاء الاصطناعي معزولة، والبيانات غير متصلة، يفتقر النموذج إلى السياق. هنا يمكن أن يساعد "التنسيق" — أي طبقة منفصلة تربط الأدوات المتناثرة وتجمع بياناتها في صورة موحدة. لكن هذا يحل المشكلة على المستوى التقني فقط. حتى الأنظمة المتكاملة تمامًا لن تنقل إلا المعرفة التي استطاعت الشركة التقاطها.

بصفتي شخصًا قضى أكثر من عشرين عامًا في التعليم وتطوير الموظفين، رأيت هذا بعيني: الطريقة التي يتخذ بها أفضل موظفيك قراراتهم الفعلية لا تُوثَّق في أي مكان تقريبًا. النتائج هي تأخر في تأهيل الجدد، وفقدان المعرفة مع كل مغادرة، والآن استثمارات في الذكاء الاصطناعي لا تؤتي ثمارها.

الذكاء الاصطناعي يوسّع فقط المعرفة التي جعلتها الشركة صريحة وموثقة. إذا لم يحصل النموذج إلا على وثائق رسمية تصف عملية مثالية بدل العملية الحقيقية، فسيعطي إجابات تبدو صحيحة لكنها ليست كذلك. عندها يضطر الموظفون إما إلى قضاء ساعات في التحقق يدويًا من توصيات الذكاء الاصطناعي، أو يتوقفون عن استخدام الأداة نهائيًا.

لهذا النوع من المعرفة اسم دقيق: المعرفة الضمنية — أي ما يعرف الشخص كيف يفعله دون أن يستطيع تفكيكه إلى خطوات. وكلما كان الخبير أكثر خبرة، كان أصعب عليه ذلك. بعد سنوات من الممارسة، تصبح معرفته تلقائية: يتخذ القرار الصحيح دون أن يعرف بوعي كيف وصل إليه. لهذا فإن عبارة "اسأل الخبير كيف يفعلها" لا تنجح — لأنه بصدق لا يعرف الإجابة.

لقد رأينا هذه المشكلة قبل الذكاء الاصطناعي

هذه مشكلة قديمة ومكلفة. بيانات APQC تُظهر أن 85% من كبار التنفيذيين قلقون من فقدان المعرفة عندما يغادر الموظفون ذوو الخبرة، لكن 8% فقط من المؤسسات تحافظ على تلك المعرفة بشكل منتظم.

الوقت الضائع في البحث عن المعرفة لم يبدأ مع الذكاء الاصطناعي أيضًا. وفق نتائج أخرى من APQC، يقضي المحترفون حوالي 8 ساعات أسبوعيًا في البحث عن المعلومات التي يحتاجونها، أو في إعادة شرح أمور سبق أن شرحوها. هذا تقريبًا يوم عمل كامل كل أسبوع تخسره الشركة لمجرد أن المعرفة غير متاحة في شكل قابل للنقل.

التأهيل، الذي يعتمد مباشرة على نقل المعرفة بفاعلية، يحكي القصة نفسها. تقارير Gallup تقول إن 12% فقط من الموظفين يوافقون بشدة على أن شركتهم تقوم بعمل جيد في تأهيل الموظفين الجدد، والوصول إلى الإنتاجية الكاملة يستغرق عادةً حوالي عام. إذا كانت الشركة لا تستطيع نقل دور وظيفي بسرعة وبشكل كامل إلى إنسان آخر، فمن غير المرجح أن تنقله إلى الذكاء الاصطناعي.

لاحظت أن المؤسسات التي تعلّمت منذ زمن طويل التقاط وتنظيم معرفة أفضل موظفيها تجد اليوم تبني الذكاء الاصطناعي أسهل بكثير — لأن لديها شيئًا حقيقيًا يُغذّيه. أما تلك التي لم تتعلم أبدًا، فهي تلقي باللوم على النموذج.

استخرج المعرفة قبل أن تؤتمت

كثير من الشركات لديها بالفعل كل ما تحتاجه لتبني الذكاء الاصطناعي بنجاح — باستثناء معرفة كيف يعمل أفضل موظفيها فعلًا. أنا أنظر إلى هذا من خلفيتي في علوم التربية: استخراج المعرفة وتحويلها إلى مهارة قابلة للنقل هو مشكلة تعلم كلاسيكية. إليك كيف تقترب منها:

اعثر على صاحب المعرفة. ليس بالضرورة هو المخضرم صاحب العقود من الخبرة. قد يكون بسهولة شخصًا اكتشف أسلوبًا عمليًا مع أداة جديدة في شهره الأول. المعرفة لا يجب أن تكون قديمة حتى تكون ثمينة.

اجعل المعرفة صريحة. هذا يتطلب سلسلة مقابلات معمقة مع الخبير. ومن الأفضل أن يكون المحاور شخصًا مدرّبًا على طرح الأسئلة الصحيحة: مصمم تعليمي، أو مهندس معرفة، أو أخصائي تعلم. وظيفته هي التقاط كيف يتخذ الموظف المتميز قراراته. المنطق الذي يقف خلف هذه القرارات يصبح إذن مادة لأداة الذكاء الاصطناعي — القواعد والأمثلة والسياق الذي يستقبله النموذج.

لا تطلب من الذكاء الاصطناعي أن يحل محل الخبير — اطلب منه أن يساعد في مقابلته. في مرحلة الاستخراج، الذكاء الاصطناعي قوي فعلًا: تفريغ المحادثات، وتجميع الحالات المتشابهة، وتحويل الشروحات إلى سيناريوهات أولية، ورصد الثغرات في منطق الخبير. المهم هو أين توجّهه. تحليل لنموذج نوناكا كما طُبّق على الذكاء الاصطناعي يلاحظ أمرًا دقيقًا: الذكاء الاصطناعي يعطي أقل قيمة عندما يعيد تنظيم ما هو معروف بالفعل، وأعلى قيمة عندما يساعد في إظهار ما لم يُنطق به قط. لكن البنية النهائية التي سيعتمدها الذكاء الاصطناعي ما زالت بحاجة إلى أن يتحقق منها إنسان. اختبر الاستيعاب الحقيقي لدى الناس وفي النموذج. يمكنك أن تكتب التعليمات وتجعل شخصًا يجلس لمشاهدة فيديوهات تدريبية، لكن ذلك لا يعني أنه يعرف كيف يطبق ما تعلّمه. البالغون لا تنقل معرفتهم من حالة سلبية إلى حالة نشطة إلا بالممارسة والتغذية الراجعة. والأمر نفسه ينطبق على الأداة: أعطها حالات حقيقية من عمل الخبير، وتحقق مما إذا كانت مخرجاتها مطابقة لما كان سيفعله المختص. وعندما تختلف الإجابات، فعادة لا يعني ذلك أن "النموذج ضعيف"، بل أن هناك قاعدة أو استثناءً أو مثالًا لم يُذكر.

اسأل نفسك هذا قبل شراء الأداة التالية

بعد حادثة إكسل، توقفت عن تقديم الدورات التدريبية. بدلًا من ذلك، جلست مع أفضل الموظفين أداءً وبدأت خطوة بخطوة أفكك كيف يتخذون قراراتهم في الواقع: ما المعايير التي يعتمدون عليها، وما الذي يستبعدونه، وأين يحيدون عن النص الرسمي. مع مرور الوقت، أصبح هذا هو الأساس في نظام التوظيف والتدريب لدينا، وأصبحت المعرفة المستخلصة هي القاعدة التي يعمل عليها ذكاؤنا الاصطناعي. فهو يجيب على الأسئلة ويدرّب الناس مستندًا إلى الخبرة الحقيقية لأفضل موظفينا، بما فيها خبرتي أنا، بدلًا من التعليمات العامة.

عندما توقفت المعرفة عن كونها ملكية شخصية لأفراد معينين، تغيّر كل شيء. استطعت الابتعاد عن الأعمال اليومية، وبدأت أقسام جديدة تُفتتح من دون مشاركتي خلال أسبوعين بدلًا من أشهر. لم يحدث ذلك لأننا وجدنا أداة سحرية، بل لأننا توقفنا عن فقدان معرفة أفضل موظفينا.

إذا لم ترقَ أداة الذكاء الاصطناعي الأخيرة إلى مستوى توقعاتك، فلا تتعجل في تجربة أداة أخرى. اسأل نفسك بدلًا من ذلك بضعة أسئلة:

أولًا: من في فريقك يحقق نتائج أفضل من غيره بشكل لافت باستخدام الذكاء الاصطناعي؟ وهل وثّقت بالضبط كيف يفعل ذلك؟

ثانيًا: ما الذي تلقّنه للنموذج: طريقة العمل كما هي موصوفة في الدليل، أم طريقة العمل كما تُنجز فعلًا؟

ثالثًا: إذا غادر أفضل مختص لديك غدًا، فما الذي سيخرج معه من الباب، وهو مصنّف تحت بند "إنه فقط يعرف"؟

هناك احتمال كبير ألا تعجبك الإجابات. لكن إذا لم تسأل نفسك هذه الأسئلة، فإن فاتورة أداة الذكاء الاصطناعي التي لم تغطِّ تكلفتها أبدًا ستطرحها عليك.

المصادر:
[1] استطلاع جارتنر: 88% من قادة الموارد البشرية يقولون إن مؤسساتهم لم تحقق قيمة أعمال كبيرة من أدوات الذكاء الاصطناعي.
[2] فجوة قيمة الذكاء الاصطناعي المتفاقمة، مجموعة بوسطن الاستشارية.