بناة الكفاءات: آفاق مستقبلية في التعلم والتطوير

من توصيل التعلم إلى هندسة الكفاءة

لغاية عقود، كان افتراض أقسام التعلم والتطوير بسيطاً ومستقراً نسبياً: إذا احتاج أداء المؤسسة إلى تحسّن، فالحل هو مزيد من التدريب. هذا الافتراض أنشأ صناعة كاملة: دورات، وتعلّم إلكتروني، وأنظمة إدارة التعلم، وتتبع الانتهاء والدوام ورضا المتعلّمين. وبناءً على ذلك أُقيمت وظائف ومهام قائمة على إنتاج وتقديم التجارب التعليمية. ولم يكن ذلك غير كافٍ لفترة طويلة. اليوم بات ذلك غير كافٍ.

الواقع الذي يكشفه الذكاء الاصطناعي صادم لكن واضح: كثير من الموظفين لا يحتاجون مزيداً من التعلم، بل يحتاجون وصولاً أسرع إلى المعرفة، وقرارات أفضل في لحظة الحاجة، وإجراءات أوضح، وأدوات أفضل، وتوجيه أقوى، وعوائق أقل أمام الأداء. هذا التمييز يغيّر قواعد اللعبة: مستقبل التعلم والتطوير لن يُقاس بمن يصنع المزيد من المحتوى، بل بمن يبني المزيد من القدرات. والكثير من وحدات التعلم غير مستعدة لهذا التحول.

الحقيقة المزعجة عن التعلم والتطوير المعاصر

التحدي الأكبر ليس التكنولوجيا بل إثبات العائد على الاستثمار. المديرون التنفيذيون لا يستيقظون ليتساءلوا عن نسب الانتهاء من الدورات، ولا تُتخذ قرارات الاستثمار بناءً على ساعات التعلم أو مؤشرات رضا المتعلّمين. هم مهتمون بـ:
– نمو الإيرادات
– الإنتاجية
– الجودة
– رضا العملاء
– الابتكار
– السلامة
– الاحتفاظ بالمواهب
– تقليل المخاطر
– التميّز التشغيلي

ومع ذلك لا تزال فرق التعلم تقيس النجاح عبر:
– إكمال الدورات
– الحضور
– ساعات التعلم
– نتائج الاختبارات
– تقييمات الرضا

الفجوة واضحة: لسنوات كانت وحدات التعلم تقيس التعلم بينما كانت المؤسسات تقيس الأدا. التعلم مدخل؛ الأداء مخرج. والذكاء الاصطناعي يجبر المؤسسات على تمييز هذا الفرق.

الذكاء الاصطناعي لا يستبدل المحترفين—بل يستبدل الأعمال

الفارق مهم: الذكاء الاصطناعي يستبدل أعمال التعلم، لا المحترفين بالضرورة. اليوم يمكن للذكاء الاصطناعي أن:
– يصيغ أهداف التعلم
– يضع مخططات دورات
– يولّد اختبارات
– يبني لوحات سردية للتعليم
– يُعد محاكاة
– يلخّص المحتوى ويترجمه
– ينتج مساعدات وظيفية وأنشطة تدريبية

مهام كانت تستغرق أسابيع صار يمكن إنجازها خلال ساعات، وفرق يمكن أن تصبح أقل حاجةً إلى تكامل افراد متعددين. الموجة الأولى من الاضطراب لا تقضي على الناس بل على الأنشطة التقليدية التي اعتُبرت قيمة رئيسية لفرق التعلم. والسؤال المحرج: إذا كان AI يستطيع إنشاء المحتوى، فماذا تبقى لقيمة وحدات التعلم والتطوير؟

الإجابة: الكفاءة المؤسسية. فالذكاء الاصطناعي لا يستطيع تشخيص مشاكل الأداء المؤسسي بشكل مستقل، ولا جمع أصحاب المصلحة حول أهداف استراتيجية، ولا التفريق ما إذا كان السبب مهارة أم عملية أم قيادة أم تكنولوجيا أم ثقافة أو تصميم سير العمل. الناس هم من يفعل ذلك، وهنا يجب أن يتطوّر الدور المهني.

من التعلم إلى الكفاءة: تغيير جوهري

المنظور الفارق: التعلم يسأل “ماذا يجب أن يعرف الناس؟” بينما الكفاءة تسأل “ما الذي يجب أن يفعله الناس باستمرار وبنجاح لتحقيق أهداف المؤسسة؟” التعلم اكتساب معرفة؛ الكفاءة تطبيق معرفة ومهارة وحكم وأدوات وسلوكيات لإنتاج نتائج. فرد قد يكمل دورة أو يجتاز اختباراً لكنه لا يضمن القدرة على اتخاذ قرار فعّال تحت الضغط أو التنفيذ المستمر في بيئة العمل. المؤسسات لا تخلق قيمة لأن موظفيها تعلموا، بل لأن موظفيها يؤدون. هذا الإدراك يقود إعادة تشكيل مجال L&D.

لماذا نماذج التعلم التقليدية تصبح بالية

تقليدياً، ركزت وحدات التعلم على فعاليات تعليمية: دورات وورش وبرامج وشهادات، مبنية على افتراض أن التعلم يسبق الأداء. ولكن العمل الحديث لا يسير هكذا: المعرفة تتغير بسرعة، والتكنولوجيا تتطوّر أسرع، واتّخاذ القرار أصبح أكثر تعقيداً. لا يكفي الاعتماد على ما تعلّمته الشهر الماضي أو السنة الماضية؛ الناس بحاجة إلى دعم أثناء الأداء، لا فقط قبله. مستقبل L&D هو تمكين الأداء الأفضل، وهذا يتطلب هوية مهنية جديدة.

ظهور مهندس الكفاءة

التطور التالي للتعلم والتطوير هو دور مهندس الكفاءة (أو مهندس أنظمة التعلم). الهدف واحد: تصميم الأنظمة والبيئات والتدخلات والهياكل الداعمة التي تمكّن الأفراد والمنظمات من تحقيق نتائج أداء قابلة للقياس. السؤال المركزي لدى مهندس الكفاءة ليس “ما التدريب الذي نصممه؟” بل “ما الكفاءة المطلوبة لنجاح العمل؟” يبدأ كل شيء من هناك.

مهام مهندس الكفاءة

مهندس الكفاءة يصمم القدرة المؤسسية بالكامل، لا الدورات أو المحتوى فحسب. يركّز على منظومة الأداء الشاملة، التي تشمل:
– المهارات والمعرفة
– الأدوات والعمليات والتكنولوجيا
– الإرشاد والتغذية الراجعة
– دعم الأداء وممارسات القيادة والثقافة
– أنظمة القياس

يفهم أن الأداء نادراً ما يُبنى بالتدريب وحده؛ الأداء ينشأ من الأنظمة، ودوره بناء تلك الأنظمة.

مهندس أنظمة التعلم

قريب من مهندس الكفاءة لكنه يولي تركيزاً خاصاً على تصميم منظومات متكاملة يتداخل فيها التعلم مع دعم الأداء، الإرشاد، أدوات سير العمل، ومساعدات الذكاء الاصطناعي. المصممون التعليميون يصنعون التجارب التعليمية؛ مهندس أنظمة التعلم يصمم بيئات حيث تعمل كل هذه المكوّنات معاً. النظام نفسه يصبح الحل.

المهمة الأساسية

مهمة مهندس الكفاءة بسيطة وواضحة: خلق الشروط التي تمكّن الناس من الأداء بنجاح. يقاس نجاحه بنتائج مثل:
– تسريع عمليات التوظيف والتأهيل
– الوصول إلى مستوى الإتقان بسرعة أكبر
– زيادة الإنتاجية وتحسين الجودة
– تحسين تجارب العملاء وتقليل الأخطاء
– تحسين السلامة وتقليل المخاطر
– تعزيز مرونة القوى العاملة وبناء قدرة مؤسسية أعلى

ليس بقياس إكمال الدورات أو ساعات التعلم، بل بتحسنات أداء قابلة للقياس.

سبع مسؤوليات رئيسية لمهندس الكفاءة

1) تشخيص الأداء
قبل التوصية بالتدريب، يحدد مهندس الكفاءة السبب الحقيقي للفجوة: ما الواقع الحالي؟ ماذا يجب أن يحدث؟ ما الأدلة؟ ما العوائق؟ هل المشكلة في معرفة، مهارة، عملية، تكنولوجيا، قيادة، دافع، تغذية راجعة، بيئة أو أنظمة تنظيمية؟ التدريب حل واحد ممكن فقط.

2) رسم خريطة القدرات
تحديد القدرات اللازمة لنجاح المؤسسة: المهام الحرجة، القرارات المطلوبة، السلوكيات الأساسية، معايير الأداء، والمعرفة الداعمة، واحتياجات القدرات المستقبلية. هذا يبيّن ما يتطلبه الأداء الناجح فعلاً.

3) تصميم منظومات التعلم والأداء
بدلاً من تصميم دورات معزولة، يصممون منظومات متكاملة قد تضم تجارب تعليمية، محاكاة، فرص ممارسة، إرشاد، مجتمعات ممارسة، مساعدات وظيفية، أدوات دعم أداء، مساعدين بالذكاء الاصطناعي وآليات تغذية راجعة وتعزيز مستمر. الهدف: الأداء المستدام.

4) استراتيجية قدرات القوى العاملة
ربط استراتيجية المؤسسة بقدرات القوى العاملة: ما القدرات التي سنحتاجها مستقبلاً؟ أي القدرات تمنح ميزة تنافسية؟ أين الفجوات؟ كيف نبني الجاهزية التنظيمية؟ هذا يجعل L&D شريكاً استراتيجياً في العمل.

5) مواءمة أصحاب المصلحة
جمع القادة والمديرين والـSMEs والموارد البشرية والعمليات والموظفين حول نتائج أداء مشتركة، وتوضيح مقاييس النجاح، التوقّعات، الأدوار والمسؤوليات. بدون المواءمة تصطدم مبادرات الكفاءة غالباً بالفشل.

6) قياس الكفاءة
قياس ما يهم: زمن الوصول إلى الإتقان، تحسين الإنتاجية، تقليل الأخطاء، رضا العملاء، تحسين الجودة، أثر على الإيرادات، أداء السلامة. الانتقال من قياس نشاط التعلم إلى قياس أثر الأداء.

7) هندسة الكفاءة المدعومة بالذكاء الاصطناعي
استخدام الذكاء الاصطناعي لتسريع الأداء: تصميم أنظمة تضم مساعدين روبوتيين ذكيين، مساعدي معرفة سياقيين، أدوات تدريب آلية، مسارات تعلم شخصية، وأنظمة دعم أداء. الذكاء الاصطناعي جزء من منظومة القدرة وليس الحل النهائي.

عودة أدوات المساعدة الوظيفية

اتجاه حاسم هو عودة دور الأدوات العملية (job aids). لسنوات ركّزت L&D على مساعدة الناس على التذكّر؛ المستقبل سيركّز على مساعدتهم على الأداء. لا يمكن للموظف أن يحفظ كل عملية أو تحديث؛ ولا يجب أن يفعل. المحترفون ذوو الأداء العالي يستخدمون أنظمة دعم: قوائم التحقق للجراحين والطيارين، إرشادات عملية للمهندسين والتقنيين. الخبراء يعتمدون على دعم الأداء، وستفعل القوى العاملة القادمة الشيء نفسه.

أهمية الأدوات العملية أكثر من أي وقت مضى

الأداة العملية هي أي وسيلة تدعم الأداء عند لحظة الحاجة: قوائم تحقق، إجراءات تشغيل معيارية، أشجار قرار، دلائل مرجعية، خرائط عمليات، أدلة حل المشكلات، قواعد معرفة، مساعدين بالذكاء الاصطناعي، وأنظمة دعم أداء رقمية. الهدف: تقليل الاعتماد على الذاكرة وزيادة موثوقية الأداء. أحياناً دليل قرار من صفحتين يحدث أثر أداء أكبر من دورة مدتها ساعتان. الحل الأفضل ليس دائماً تدريباً بل دعم.

الذكاء الاصطناعي كجيل جديد من الأدوات

الأدوات التقليدية ثابتة؛ أدوات الذكاء الاصطناعي ديناميكية وسياقية: بدلاً من البحث في مستندات، يسأل الموظف ويجيب المساعد فوراً، بدلاً من تصفح كتيبات طويلة يحصل الموظف على إرشاد مُفصّل حسب السياق. أدوات مثل:
– مساعدين مشاركين بالذكاء الاصطناعي
– أنظمة دعم القرار الذكية
– مساعدين معرفيين واعين للسياق
– أدوات دعم أداء مخصصة
– أنظمة إرشاد ضمن سير العمل

في كثير من المنظمات ستفوق هذه الأدوات قيمة البرامج التدريبية التقليدية.

كفاءات مهندس الكفاءة المستقبلي

للنجاح سيحتاج مهندس الكفاءة إلى خبرة في:
– استشارات الأداء
– التفكير المنظومي
– علم التعلم
– التطوير التنظيمي
– التصميم المتمحور حول الإنسان
– تحليل البيانات والتخطيط للقوى العاملة
– إدارة التغيير والاستراتيجية التجارية
– تمكين الذكاء الاصطناعي والتأثير على أصحاب المصلحة وقياس النتائج

هذا الدور يلتقي فيه التعلم والتطوير مع التطوير التنظيمي وتحسين الأداء واستراتيجية القوى العاملة، وسيكون من أهم الأدوار الاستراتيجية في العقد القادم.

خاتمة

مستقبل التعلم والتطوير ليس في زيادة التعلم بل في بناء القدرة. الحساب الحقيقي ليس ما إذا كان AI سيؤتمت إنشاء المحتوى—فسيحدث ذلك—بل ما إذا كانت وحدات L&D ستتحول من جهة توصيل إلى جهة هندسة القدرات. المهنيون الأكثر قيمة مستقبلاً قد لا يُعرفون بالمدرّبين أو مصممي المحتوى، بل بمهندسي الكفاءة: من يشخّصون قبل أن يصمّموا، يبنون أنظمة بدل فعاليات، يعرفون أن الأدوات قد تفيد أكثر من الدورات، يدمجون الذكاء الاصطناعي في منظومات الأداء، ويقيسون النجاح بنتائج العمل وليس بنشاط التعلم. المؤسسات لا تتنافس على مقدار ما يتعلّم الموظفون، بل على مدى فعالية أدائهم على نطاق واسع. المستقبل لمن يبني ذلك — ولمن مهندسو الكفاءة.