لماذا يجب على قادة التعلم أن يتجاوزوا مجرد الإلمام بالذكاء الاصطناعي
لم يعد الذكاء الاصطناعي موضوع نقاش مستقبلي عن نوع العمل فحسب؛ إنه تحول في نموذج التشغيل يحصل أمامنا الآن. تأثيره يظهر في مؤشرات قابلة للقياس، وفي تسارع أتمتة المهام، وفي تقلص أدوار المبتدئين.
– مكاسب الإنتاجية قابلة للقياس.
– أتمتة المهام تتسارع.
– أدوار الدخول في سوق العمل تضغط وتُدمَج.
ومع ذلك، لا تزال كثير من فرق التعلم والتطوير تتعامل مع الذكاء الاصطناعي كمحتوى تدريبي بدل أن تُدرك أنه محفز بنيوي للتغيير. الفرق هنا مهم: فالذكاء الاصطناعي لا يغير فقط طريقة أداء الموظفين للعمل، بل يُعيد تشكيل بنية العمل نفسها. وإذا لم تنتقل وحدات التعلم والتطوير من مزوِّد برامج إلى مهندس قدرات، فقد تصبح هامشية أمام واحدة من أهم تحولات القوى العاملة في عقود.
التحول الذي لا يمكن لإدارة التعلم تجاهله
تشير أبحاث معهد ماكينزي العالمي إلى أن الذكاء الاصطناعي التوليدي يمكنه أتمتة أو تدعيم مهام تشكل جزءاً كبيراً من العمل المعرفي الحالي. ويتوقع المنتدى الاقتصادي العالمي تحولاً كبيراً في الوظائف بحلول 2030، مع وقوع خسائر وإيجاد وظائف جديدة في آن واحد. كما أظهرت دراسات، بينها أعمال إيريك برينفولدسون، مكاسب إنتاجية تتراوح بين 15% و40% عندما يتم دمج الذكاء الاصطناعي بفعالية في سير العمل. النمط واضح:
– المهام المعرفية الروتينية هي الأكثر تعرضاً.
– أعمال المبتدئين المعتمدة على الشاشات في خطر خاص.
– زيادات الإنتاجية بدأت تظهر فعلياً.
الأثر التطويري أقل نقاشاً لكنه جوهري: تاريخياً كان الموظفون المبتدئون يكتسبون الخبرة عبر التعرض المنظم للمهام الروتينية التي شكّلت سقالة معرفية. إذا استولى الذكاء الاصطناعي على تلك الطبقة، فماذا يحل محل التدريب المهني التقليدي؟ السؤال هنا ليس تقنياً بحتاً، بل يتعلق بتصميم بنية التعلم المرتبطة بالذكاء الاصطناعي.
الأتمتة مقابل التدعيم: خيار تصميمي
جادل الحائز على نوبل دارون أجم أوغلو أن أثر الذكاء الاصطناعي يعتمد على كيفية نشره. أمام المؤسسات خياران عامان:
– استراتيجيات تضع الأتمتة أولاً لخفض التكاليف.
– استراتيجيات تضع التدعيم أولاً لتوسيع نطاق المهام البشرية.
الفارق عميق: الأتمتة تقلل عدد المهام، بينما التدعيم يوسع القدره البشرية. وأهمية إدارة التعلم والتطوير الاستراتيجية تكمن في التأثير على المسار الذي تختاره المؤسسة. إذا جرت قرارات نشر الذكاء الاصطناعي دون إدماج بُنية التعلم، فالميل الطبيعي سيكون نحو الكفاءة على حساب القدرة. والكفاءة دون تطوير للقدرات تخلق هشاشة طويلة الأمد.
لماذا برامج محو الأمية التقنية التقليدية غير كافية
تستجيب كثير من المؤسسات ببرامج تدريب على أدوات محددة:
– كيف تُصيغ المطالبات (prompts).
– كيف تستخدم المساعدين الذكيين.
– كيف تؤتمت سير العمل.
هذه مهارات ضرورية لكنها ليست كافية. من دون دمجها في إعادة تصميم سير العمل وقياس الأداء تصبح محو الأمية بالذكاء الاصطناعي تبنياً سطحياً. التحول الحقيقي يتطلب نظاماً يشمل:
– تفكيك المهام.
– تحليل نقاط القرار.
– تصميم حدود واضحة بين الإنسان والآلة.
– قياس خطوط أساس الأداء.
– تقييم ما بعد التدخل.
هذا ليس مجرد دورة تدريبية؛ إنه نظام—هندسة تعلم مصممة للذكاء الاصطناعي.
الخطر الناشئ: استقطاب القدرات
أحد الأنماط البارزة هو ما يمكن تسميته «تكبير مستخدمي القوة»: الموظفون الذين يجربون الأدوات ويُدمجونها في سير عملهم يحققون مكاسب إنتاجية غير متناسبة، بينما يتخلف الآخرون. هذا يؤدي إلى استقطاب داخلي:
– مجموعة صغيرة تعمل بمستويات إنتاجية متسارعة.
– الأغلبية تعمل بمستويات ما قبل الذكاء الاصطناعي.
إن لم تصمم وحدات التعلم والتطوير مسارات تدعيم منطقية ومنظمة، ستتسع فجوات القدرات، وقد تؤدي مع الوقت إلى تآكل المعنويات، والإحساس بعدم الإنصاف، وتفاوت الأداء، وزيادة مخاطر الدوران الوظيفي. لذا يجب أن تنتقل التعلّمات المنظمة من تدريب تفاعلي على الأدوات إلى موازنة القدرات بشكل استباقي.
الحوكمة قضية تعلمية
لاحظ محللون صناعيون أن أقسام الموارد البشرية والتعلم غالباً ما لا تكون في مركز محادثات استراتيجية الذكاء الاصطناعي. لكن قضايا الحوكمة—الاستخدام الأخلاقي، والمساءلة، والشفافية، وتخفيف المخاطر—لا يمكن فصلها عن تصميم التعلم. إذا شعر الموظف أن استخدام الذكاء الاصطناعي قد يبرهن على استبداله، فستتحول الممارسات إلى الاستخدام السري. هذا الظلّ يزيد مخاطر الامتثال وتسريب البيانات. لذلك يجب أن تُدمج قواعد الأمان النفسي، والضوابط، وآليات القياس داخل استراتيجية التعلم وليس إضافتها كسياسات لاحقة.
ثلاثة أسئلة استراتيجية يجب أن يطرحها L&D
بدلاً من السؤال السطحي: «كيف ندرب الناس على استخدام أدوات الذكاء الاصطناعي؟» على قادة التعلم والترفيع في الأدوار أن يرفعوا ثلاثة أسئلة أعمق:
– أي المهام تتعرض للضغط—وبأي تعرض تطوري تُستبدل؟ إذا اختفت التحليلات الروتينية، بأي سقالات معرفية جديدة سيبني المبتدئون خبرتهم؟
– هل نصمم للتدعيم أم للأتمتة غير المقصودة؟ هل نوسع صراحةً نطاق الحكم البشري أم نُقلص الطبقات الوظيفية سلباً؟
– كيف نقيس تحسّن القدرات؟ هل نتتبع:
1) معدلات الخطأ؟
2) جودة القرارات؟
3) توسع نطاق المهام؟
4) زمن الوصول إلى الكفاءة؟
أم أننا نقيس فقط المشاركة وإتمام الدورات؟
دون مؤشرات أداء مرتبطة بالأداء الفعلي، تصبح مبادرات الذكاء الاصطناعي تجميلية.
من وظيفة تدريب إلى هندسة القوى العاملة
هذه اللحظة تمثل فرصة لإعادة تحديد الموقع. يمكن لوحدة التعلم والتطوير أن تبقى مزوِّد برامج يرد على طرح أدوات جديدة، أو أن تصبح مهندسة لِـ:
– رؤية المهام.
– رسم خريطة القدرات.
– تصميم حدود الإنسان والذكاء الاصطناعي.
– قياس الأداء قبل وبعد.
– موائمة الحوكمة.
الخيار الثاني يتطلب تكاملاً أقرب مع العمليات والاستراتيجية والقيادة، وتحولاً في الهوية من منتج محتوى إلى مصمم أنظمة أداء.
الميزة التنافسية الحقيقية
الذكاء الاصطناعي سيستمر في التقدّم، وستظل مكاسب الإنتاجية تتوالى. لكن الفارق التنافسي لن يكون في الوصول إلى الأدوات، بل في:
– مدى تعمُّد المؤسسات في تصميم مسارات التدعيم.
– مدى صرامتها في قياس الأثر.
– مدى مسؤوليتها في حوكمة الاعتماد.
– ومدى فعاليتها في الحفاظ على توسيع القدره البشرية.
للـL&D دور محوري في تشكيل هذه النتائج—لكن فقط إذا تطورت بالتوازي مع طبيعة العمل الذي تهدف إلى دعمه. الذكاء الاصطناعي يعيد تشكيل العمل؛ والسؤال هل ستعيد وحدات التعلم والتطوير تشكيل نفسها بالسرعة الكافية لتبقى أساسية؟