لماذا يجب أن تُبنى استراتيجية الذكاء الاصطناعي في التعلم على جذور صلبة أولاً
خلال العامين الماضيين خضت حوارات مستمرة مع رؤساء الموارد البشرية، رؤساء التعلم، وقادة التعلم الرقمي في مؤسسات كبيرة وناشرين رقميين ومنصات تكنولوجيا التعليم. تقريباً كل منظمة تعمل اليوم على مبادرة تعلم مدعومة بالذكاء الاصطناعي: تُجري تجارب، تُخصّص استثمارات، وتتعاظم التوقعات على مستوى الإدارة العليا.
لكن إذا تحرّكنا أبعد من السطح، يظهر نمط ثابت وغير مريح: رغم مستويات الإنفاق القياسية على الذكاء الاصطناعي في أقسام التعلم والتطوير، يظل التأثير الملموس على أداء القوى العاملة ضئيلاً أو غائبًا. تُنتج المواد التعليمية بسرعة أكبر، لكنها لا تُطبّق بشكل أفضل. تجارب الحقول تظهر على لوحات القياس لكنها لا تتوسع. وفجوات المهارات التي يطالب بها التنفيذيون بإلحاح تبقى واسعة ومقعدة.
البيانات تؤكد ذلك: وفق BCG، 74% من المؤسسات لم تسجل قيمة تجارية ملموسة من استثماراتها في الذكاء الاصطناعي، رغم إنفاق جماعي بلغ 252.3 مليار دولار في 2024 وحدها. دراسة معهد MIT لعام 2025 عن الذكاء الاصطناعي التوليدي أظهرت أن 95% من تجارب GenAI فشلت في إظهار أثر على حساب الأرباح والخسائر، وS&P Global ذكرت أن 42% من الشركات تخلت عن معظم مبادراتها في 2025، ارتفاع حاد مقارنةً بـ 17% في العام السابق.
وفي مجال التعلم تحديداً، يشير تقرير LinkedIn لعام 2025 إلى أن 80% من مهنيي التعلم يعتبرون الذكاء الاصطناعي مهماً لاستراتيجياتهم، لكن 25% فقط يدمجونه بشكل روتيني في أعمالهم. وفي الوقت نفسه، 49% من المتخصصين في التعلم والموارد البشرية يقولون إن قياداتهم قلقة من أن الموظفين يفتقرون إلى المهارات اللازمة لتنفيذ الاستراتيجية.
هذا هو الفجوة الحقيقية في تعلم الذكاء الاصطناعي التي لا يُتحدَّث عنها بما يكفي: الفجوة بين الاستثمار وقابلية القوى العاملة الحقيقية.
الجذر ليس في التكنولوجيا بحد ذاتها. من تجربتنا في هاربنجر مع ناشرين رقميين عالميين وجموع ومؤسسات تعليمية، السبب الجذري يكمن في الأساس الذي تُبنى عليه استراتيجيات التعلم بالذكاء الاصطناعي.
الذكاء الاصطناعي في التعلم ليس مجرد ترقية أدوات — إنه تحول منظومي
الخطأ الأكثر شيوعاً هو اعتبار الذكاء الاصطناعي طريقًا أسرع للقيام بما كنّا نفعل سابقاً: إنتاج دورات بسرعة، توليد اختبارات على نطاق واسع، أو أتمتة الترجمة والتوطين. كلها مكاسب كفاءوية حقيقية، لكنها لا تغيّر طريقة عمل التعلم نفسه.
الذكاء الاصطناعي يغيّر اقتصاديات المحتوى التعليمي جذريًا: ما كان يستغرق أربعين ساعة قد ينجز بأربع ساعات. لكن إن ظلّ المحتوى محبوسًا في حزم SCORM لا يتجاوز المتعلم الشريحة الثانية عشر، فكل ما فعلتَه هو إنتاج متوسّطية أسرع. توقعات المتعلّمين تتغير أيضاً: يريدون دعماً مضمّناً في سياق العمل، في الوقت المناسب، لا دورة تُطلق من نظام إدارة تعلم تقليدي.
هذا يفرض متطلبات هيكلية على منظومة التعلم التي لم تتبنّها معظم المؤسسات بعد. لم يعد المحتوى قابلاً لأن يبقى ثابتًا؛ يجب أن تتطور الأنظمة باستمرار. والهندسة المعمارية الأساسية يجب أن تدعم إعادة استخدام معيارية، تفاعل الذكاء الاصطناعي، وتقديمًا سياقياً عبر قنوات متعددة.
عندما تُضاف طبقة ذكاء اصطناعي فوق نماذج قديمة مركزة على الدورات دون معالجة هذه الحقائق البنيوية، النتيجة متوقعة: الذكاء الاصطناعي لا يُصلح نظاماً مكسوراً، بل يكشف قيوده ويعجّله.
أوجه انهيار استراتيجيات تعلم الذكاء الاصطناعي
من خلال تعاملنا مع مؤسسات ومشاريع نشر رقمي، لاحظنا أنماط فشل متكررة:
– عدم جاهزية المحتوى: معظم منظومات التعلم مبنية على حزم SCORM، ملفات PDF، وفيديوهات خطية — صيغ مصممة للتسليم لا للتفاعل الآلي. من دون بيانات وصفية منظمة وبنية معيارية، تفتقر أنظمة الذكاء الاصطناعي للسياق الضروري لإنتاج مخرجات موثوقة. النتيجة: وقت أكثر يقضيه الفريق في التحقق من مخرجات الذكاء الاصطناعي بدل الاستفادة منها.
– التعامل مع التحديث كمشروع لمرة واحدة: كثير من المؤسسات تنتقل إلى ترحيل محتوى أو تحديث منصة ثم تنتظر الدورة الميزانية التالية. في بيئة يقودها الذكاء الاصطناعي، لا يمكن أن يبقى المحتوى ثابتًا؛ من دون سير عمل للتحديث المستمر، ستبقى المؤسسات متأخرة.
– الحوكمة كخلاصة لا كبنية مضمّنة: يسرّع الذكاء الاصطناعي الأداء، ولكن من دون حوكمة مدمجة يصبح هذا السرعة مخاطرة. كثيرون يتردّدون في توسيع نطاق الذكاء الاصطناعي لأنهم يفتقدون ثقة في كيفية اكتشاف الأخطاء وتصحيحها وتدقيقها.
– غموض الأدوار داخل وظيفة التعلم: مع دخول الذكاء الاصطناعي لسير العمل، كثير من مصممي المحتوى، الخبراء الموضوعيين، وفرق ضبط الجودة يشعرون بعدم الوضوح في كيفية تطور مهامهم. هذا الغموض يخلق احتكاكًا ويبطئ الاعتماد، ليس لمقاومة للتغيير بل لأن نموذج التشغيل لم يُعاد تصميمه.
– الانفصال عن نتائج الأعمال: ربما أهم إخفاق. تُقاس معظم استراتيجيات الذكاء الاصطناعي في التعلم بمقاييس كفاءة—ساعات موفّرة، دورات مُنتجة—بينما يسأل القادة التجاريون سؤالًا مختلفًا: هل أصبح موظفونا أكثر قدرة؟ هل نغلق فجوات المهارات الحرجة؟ إذا ظلّ التعلم مركزًا على إنتاج المحتوى بدل بناء القدرة، فلا توجد إجابة صادقة على هذا السؤال.
ما تُظهره الأدلة عن المنظمات عالية النضج
تقرير LinkedIn 2025 يوضح أن 36% فقط من المؤسسات تُصنّف نفسها “أبطال تطوير المسارات المهنية”: من يربط التعلم بنهج تطوير مهني منتظم، حركة داخلية، ونتائج أعمال. لكن تلك التي تفعل تُظهر نتائج مختلفة: ربحية أعلى، احتفاظ أفضل بالمواهب، ومعدلات اعتماد أقوى للذكاء الاصطناعي. الأبطال المهنيون أكثر احتمالاً لتقديم تدريب على الذكاء الاصطناعي وإدراكهم أنهم في طليعة تبنّي تقنيات الذكاء الاصطناعي التوليدي.
ما نراه في مشاريع هاربنجر يتوافق مع ذلك: المؤسسات التي تجني ثمار الذكاء الاصطناعي ليست بالضرورة التي بدأت مبكرًا باستخدام الأدوات، بل تلك التي أعدّت بنية المحتوى ونموذج التشغيل قبل أن تضيف الأدوات.
أمثلة تطبيقية
– عملية تحويل آلاف الدورات في ناشر مجال الرعاية الصحية: بدل ترحيل المحتوى كما هو، قرر الفريق إعادة هيكلته إلى وحدات تعليمية قابلة لإعادة الاستخدام مع وسم بيانات وصفية مناسب. النتيجة: زيادة عشرية في سرعة إنتاج المحتوى ومعدل أتمتة بلغ 80%، والأهم أن البنية المعيارية سمحت بتحديث المحتوى مرة واحدة ونشره عبر صيغ متعددة تلقائياً. كان الذكاء الاصطناعي عامل تسريع؛ والبنية هي الأساس.
– مؤسسة تطوير قيادات انتقلت من صيغ دورات ثابتة إلى نموذج مصدر أحادي منظم. عندما أصبح المحتوى قابلاً للقراءة آلياً وموسومًا ببيانات وصفية، أمكن استخدام الذكاء الاصطناعي للتخصيص: محاكاة تدريبية، اختبارات ديناميكية، ومسارات تكيفية — كلها نتاج عمل بنيوي سبق اعتماد الأدوات.
الخلاصة: تصميم النظام يسبق تحويل قيمة الذكاء الاصطناعي.
نموذج عملي: نضج المحتوى × نضج نموذج التشغيل
من المفيد التفكير في الاستراتيجية عبر بُعدين: نضج المحتوى (مدى هيكلته، معياريتها، وإمكانية إعادة استخدامه) ونضج نموذج التشغيل (هل التعلم يُدار بموجب مشاريع أم عبر تسليم مستمر).
– المؤسسات التي تملك محتوى غير مُنظم ونماذج تشغيل بالمشاريع تجد أن الذكاء الاصطناعي يولّد عملاً إضافياً أكثر من القيمة.
– مع تزايد هيكلة المحتوى تتحسّن إعادة الاستخدام والاتساق… لكن من دون تغييرات في نموذج التشغيل يظل نطاق التوسع محدوداً.
– التحوّل الحقيقي يحدث عندما يتقدّم البُعدان معاً: محتوى معياري مدعوم بسير عمل مستمر وحوكمة مضمّنة. عندها يصبح الذكاء الاصطناعي امتدادًا طبيعيًا للنظام لا إضافة سطحية.
هذه العدسة الثنائية هي النهج الذي نتبناه في محادثات الجاهزية مع العملاء، سواء فرق L&D في المؤسسات أو ناشرون رقميون يحاولون تحويل كتالوج PDF إلى سلسلة توريد محتوى جاهزة للذكاء الاصطناعي.
ما تفعله فرق النضج العالي بشكل مختلف
المنظمات المتقدمة لا تبدأ رحلة الذكاء الاصطناعي بالأدوات، بل تبدأ بتصميم النظام. تعامل المحتوى كبُنية تحتية لا كمنتج نهائي: تفكك المواد إلى مكوّنات معيارية، تثريها ببيانات وصفية، وتصممها لإعادة الاستخدام. الدورات، أدوات الدعم الآني، مساعدات الذكاء الاصطناعي، وأنظمة التحليلات كلها يمكن أن تستمد من نفس المصدر.
تعيد التفكير في التقييمات: تبني نظمًا ديناميكية حيث تُوسم الأسئلة بالمهارة، الصعوبة، والسياق، فتتكيف التقييمات مع استجابات المتعلم وتنتج بيانات أعمق عن تطوّر القدرة الفعلية لا مجرد إتمام الدورة.
تعيد تصميم الأدوار لا تكتفي بإعادة تأهيلها: مصممو التعلم يصبحون مهندسي تجربة؛ الخبراء الموضوعيون ينتقلون من منتجي محتوى إلى مدققي معرفة؛ وضبط الجودة يتوسع ليشمل حوكمة الذكاء الاصطناعي كوظيفة جودة والتزام مضمّنة، وليس عائقًا بيروقراطيًا. هذا التحوّل في القوى العاملة هو العنصر الذي يغيب عن أغلب استراتيجيات الذكاء الاصطناعي.
تضمّن الحوكمة منذ البداية: تحدد حدودًا واضحة لأين يمكن للذكاء الاصطناعي أن يكون مولِّدًا وأين يجب أن يبقى حتميًا. تسجّل آثار التدقيق وتتبع الأصول حتى لا تقف الابتكارات على حساب الثقة، وهو أمر بالغ الأهمية في القطاعات الخاضعة للتنظيم.
وتقيس بشكل مختلف: بدل متابعة حجم المحتوى أو نسب الإتمام، تتابع تقدم المهارات، التنقل الداخلي، وتحسّن الأداء. تجيب بذلك عن السؤال الذي يهم القادة: هل يصبح الموظفون أكثر قدرة في ما يقود نتائج العمل؟
من أين تبدأ
لمن يسعى لتعزيز استراتيجية تعلم الذكاء الاصطناعي، نقطة البداية ليست أداة جديدة أو منصة، بل تشخيص صادق.
ثلاثة أسئلة تحتاج إجابات صريحة:
– هل محتواكم منظم بطريقة تدعم إعادة الاستخدام المعياري وتفاعل الذكاء الاصطناعي، أم مقفل بصيغ للتسليم لمرة واحدة؟
– هل تدفقات عمل التعلم مهيأة للتطور المستمر، أم تعملون بدورات ميزانية ومشاريع تحول دون تحسين دائم؟
– هل الحوكمة مدمجة في كيفية استخدام الذكاء الاصطناعي في سلسلة توريد المحتوى، أم تُطبّق لاحقاً فتولّد تردّداً يعيق التوسع؟
الإجابة الصادقة على هذه الأسئلة ترسم خارطة طريق أوضح من أي تقييم تقني. ولمن يرغب بمؤشر منظّم، إطار هاربنجر CLEAR لتدقيق المحتوى يوفر تشخيصًا مقوَّماً عبر جودة المحتوى، جاهزية الذكاء الاصطناعي، تجربة المتعلّم، وترتيب المكتبة.
خاتمة
مستقبل التعلم لا يُقاس بسرعة إنتاج المحتوى، بل بمدى قدرة المؤسسات على بناء أنظمة تطوّر قدرة القوى العاملة باستمرار وعلى نطاق، وبما يتوافق مع توجهات العمل.
في هاربنجر نعمل عند تقاطع النشر الرقمي، تمكين القوى العاملة، والتحوّل في المواهب. وما نراه باستمرار أن المنظمات الناجحة في استغلال الذكاء الاصطناعي استثمرت أولاً في البنية التحتية قبل الاستثمار في الميزات.
الذكاء الاصطناعي مُمكّن قوي لتحوّل القوى العاملة—لكن فقط عندما يكون النظام جاهزًا لاستقباله.