ورقة بحثية21 دقيقة قراءة

الطبقة البشرية: لماذا البنية التحتية الأهم في الذكاء الاصطناعي ليست اصطناعية

بينما تتسابق المؤسسات نحو الأتمتة الكاملة، كثيرون يزيلون الطبقة ذاتها التي تحدد نجاح أنظمة الذكاء الاصطناعي على نطاق واسع: الطبقة البشرية. تقدّم هذه الورقة الطبقة البشرية كبنية تحتية معمارية، لا كخيار فلسفي.

بقلم Ahmad Noureddine · ٢٤ فبراير ٢٠٢٦

كل نظام ذكاء اصطناعي جاد يحتوي على طبقات. طبقات بيانات، طبقات نماذج، طبقات امتثال، طبقات أمان. لكن الطبقة الأكثر أهمية في أي معمارية ذكاء اصطناعي هي تلك التي تتسابق معظم الشركات لإزالتها: الطبقة البشرية.

هذا ليس موقفاً فلسفياً. إنه خطأ معماري له عواقب اقتصادية قابلة للقياس. المؤسسات التي تصمم الذكاء الاصطناعي لتضخيم القدرة البشرية تتفوق على تلك التي تسعى للأتمتة الكاملة بمعامل ثلاثة أضعاف. [10] ومع ذلك، يظل السرد السائد في الصناعة مهووساً بالاستبدال. العناوين تحتفي بتقليص عدد الموظفين. المستثمرون يكافئون خرائط الطريق "المستقلة بالكامل". المؤسسون يتنافسون على إزالة الإنسان من الحلقة تماماً.

هذا المنشور يقدم الطبقة البشرية كمبدأ تصميمي، وحجة اقتصادية، ومتطلب بنية تحتية لأي نظام ذكاء اصطناعي يُراد له العمل على نطاق واسع في بيئات منظّمة أو عالية المخاطر أو تعتمد على الثقة. الحجة مباشرة: أزل الطبقة البشرية، وسيصبح نظامك هشاً، وستتبخر ثقتك، وسيتقلص سوقك.

1. مغالطة الاستبدال

السرد السائد حول الذكاء الاصطناعي والتوظيف مبني على افتراض محدد: أن الاستبدال هو الوجهة الطبيعية للأتمتة. البيانات تروي قصة أكثر تعقيداً.

مؤشر الجبل الجليدي من MIT، الصادر أواخر 2025، وجد أن الذكاء الاصطناعي يستطيع حالياً استبدال 11.7% من سوق العمل الأمريكي، ممثلاً نحو 1.2 تريليون دولار من الأجور عبر قطاعات المالية والرعاية الصحية والخدمات المهنية. [1] تقرير مستقبل الوظائف من المنتدى الاقتصادي العالمي يتوقع إزاحة 92 مليون وظيفة بفعل الأتمتة بحلول 2030، بينما سيظهر 170 مليون دور جديد. [2] McKinsey تقدر أن 14% من الموظفين عالمياً قد يحتاجون لتغيير مساراتهم المهنية بسبب الرقمنة والروبوتات وتطورات الذكاء الاصطناعي ضمن نفس الإطار الزمني. [3]

هذه الأرقام حقيقية. لكنها تُقدّم باستمرار من خلال عدسة واحدة: الطرح. وظائف مفقودة. عمال مزاحون. أدوار ملغاة.

ما يُدفن هو الجانب الآخر من المعادلة. دراسة Accenture لعمليات المؤسسات في 2024، التي شملت 2,000 مدير تنفيذي عبر 12 دولة و15 صناعة، وجدت أن الشركات ذات العمليات الحديثة بالكامل والمقودة بالذكاء الاصطناعي تحقق نمو إيرادات أعلى بـ 2.5 مرة وإنتاجية أكبر بـ 2.4 مرة من نظيراتها. [4] الذكاء الاصطناعي يمكن أن يساهم بما يصل إلى 15.7 تريليون دولار في الاقتصاد العالمي بحلول 2030 من خلال تضخيم القدرات البشرية. [5] والمؤسسات التي استثمرت في التعاون بين الإنسان والذكاء الاصطناعي شهدت نمو إيرادات أعلى بـ 38% مع توسيع قواها العاملة بنسبة 10%. [6]

سرد الاستبدال ليس خاطئاً. إنه ناقص. والأطر الناقصة تنتج معمارية سيئة.

حين تصمم نظاماً حول الطرح، تُحسّن للتكلفة. حين تصمم نظاماً حول التضخيم، تُحسّن للقيمة. هذان قراران هندسيان مختلفان جوهرياً، وينتجان نتائج مختلفة جوهرياً.

2. نمط رأيناه من قبل

في عام 1811، بدأ عمال نسيج مهرة في نوتنغهام بإنجلترا حملة منظمة لتدمير آلات المصانع. أطلقوا على أنفسهم اسم اللوديين، نسبة إلى شخصية ربما خيالية تُدعى نيد لود. بعد قرنين، أصبح "لودي" اختصاراً لأي شخص يعارض التكنولوجيا بشكل غير عقلاني.

هذه قراءة خاطئة للتاريخ تتكرر في خطاب الذكاء الاصطناعي المعاصر.

اللوديون لم يكونوا معادين للتكنولوجيا. كثير منهم استخدموا الأنوال الآلية لعقود. ما عارضوه هو الطريقة المحددة التي كانت تُنشر بها الآلات الجديدة: لاستبدال الحرفيين المهرة بعمالة غير مدربة ومنخفضة الأجر، مع تركيز جميع مكاسب الإنتاجية في أيدي أصحاب المصانع. في إحدى الهجمات، دمّر اللوديون أربعة أنوال لكنهم تركوا اثنين سليمين عمداً بعد التأكد من أن مالكهما لم يخفّض الأجور. [7] رسموا خطوطاً واضحة بين التكنولوجيا التي تخدم العمال والتكنولوجيا التي تستغلهم.

سعوا للتفاوض. اقترحوا ضرائب لتمويل معاشات العمال، وحد أدنى للأجور، ومعايير عمل أساسية. [8] أصحاب المصانع رفضوا. البرلمان البريطاني جعل تكسير الآلات جريمة عقوبتها الإعدام ونشر 14,000 جندي لقمع الانتفاضة. [9] أُعدم أو نُفي عشرات من اللوديين. قُمعت الثورة. وما تبع ذلك لم يكن عصراً ذهبياً للازدهار الصناعي. كانت عقوداً من ظروف العمل المروعة وعمالة الأطفال وفجوة متزايدة بين رأس المال والعمل استغرق تصحيحها أجيالاً من التنظيم السياسي.

التوازي مع تحول الذكاء الاصطناعي اليوم ليس خفياً. السؤال لم يكن أبداً "هل يجب أن نستخدم الآلات؟" السؤال كان دائماً "من يستفيد من طريقة نشرها؟"

الذكاء الاصطناعي ليس النول. الذكاء الاصطناعي هو إعادة تصميم المصنع بأكمله. وخيار التصميم الأهم هو ما إذا كنت تبني النظام لإلغاء الإنسان أو لتوسيع ما يستطيع الإنسان فعله. التاريخ يشير إلى أن المجتمعات التي تختار الإلغاء تدفع الثمن عبر أجيال. تلك التي تختار التوسيع تخلق نمواً اقتصادياً مستداماً.

نحن داخل نافذة التحول الحرجة الآن. الفترة بين 2025 و2030 ستحدد أي فلسفة تصميم ستسود.

3. فجوة التضخيم

الحجة الاقتصادية للتعاون بين الإنسان والذكاء الاصطناعي ليست نظرية. إنها مقاسة ومكررة ويصعب تجاهلها بشكل متزايد.

البحث عن المتبنين الأوائل للذكاء الاصطناعي وجد أن الشركات التي استخدمت الذكاء الاصطناعي لتضخيم القدرات البشرية حققت ثلاثة أضعاف تحسن الأداء مقارنة بالشركات التي استخدمته أساساً لأتمتة المهام. [10] هذه المؤسسات التعاونية لم تكتفِ بتقليل التكاليف. زادت الإيرادات وخلقت وظائف جديدة في آن واحد. تحليل منفصل وجد أن المؤسسات التي استثمرت في التعاون بين الإنسان والذكاء الاصطناعي شهدت نمو إيرادات أعلى بـ 38% ووسّعت قواها العاملة بنسبة 10%، بينما تلك التي ركزت حصرياً على الأتمتة لم تحقق نتائج مماثلة. [6]

في التصنيع، البيانات أكثر دقة. الباحثة في MIT CSAIL جولي شاه درست التعاون بين الإنسان والروبوت في مصنع BMW في سبارتنبرغ ووجدت أن فرق البشر والروبوتات العاملين معاً تفوقت على الفرق البشرية بالكامل والروبوتية بالكامل. الفرق التعاونية قلّصت وقت خمول البشر بنسبة 85%. [11] ليس بإزالة البشر من خط الإنتاج. بل بوضع البشر والآلات في أدوار متكاملة حيث يعمل كل منهما بأقصى قدراته. إدارة BMW نفسها لاحظت أن الروبوتات التعاونية "تكمّل بشكل مثالي مرونة البشر وذكاءهم وحساسيتهم"، وأن الأفكار لا تزال تأتي من الناس. [11]

هذا لا يعني أن الأتمتة الكاملة ليست أبداً الخيار التصميمي الصحيح. في التداول عالي التردد، وتوجيه الخدمات اللوجستية، والمعالجة المتكررة للمعاملات، والتصنيع في أنظمة مغلقة بتباين صفري، فإن إزالة الإنسان من الحلقة غالباً ما يكون عقلانياً وفعالاً. الحجة هنا ليست أن كل نظام يحتاج طبقة بشرية. بل أنه في البيئات المعتمدة على الثقة، والمنظّمة، والقائمة على العلاقات، أو الغنية بالغموض، فإن الطبقة البشرية هي بنية تحتية حاملة للأحمال، وليست عبئاً إضافياً. المجالات التي تهيمن فيها الأتمتة الكاملة تشترك في سمة مشتركة: تعمل في أنظمة مغلقة بقواعد محددة جيداً وحكم أدنى من أصحاب المصلحة. معظم الاقتصاد لا يعمل بهذه الطريقة.

أقوى حجة مضادة للطبقة البشرية ليست أن الآلات أسرع. بل أن البشر متحيزون. في الأحكام الجنائية، مثلاً، وثّقت دراسات أن قرارات القضاة تتأثر بالتحيزات المعرفية، بما في ذلك دراسة أظهرت أن أحكام الإفراج المشروط المواتية انخفضت من نحو 65% إلى ما يقارب الصفر قبل فترات الطعام، ثم عادت إلى خط الأساس بعدها. [18] أُدخلت أدوات تقييم المخاطر الخوارزمية مثل COMPAS تحديداً لتقليل هذا التذبذب. المنطق كان سليماً: أزل الحكم البشري التقديري، وتزيل النتائج التمييزية.

الأدلة تروي قصة أكثر تعقيداً. تحقيق ProPublica في 2016 وجد أن COMPAS كان أكثر احتمالاً بشكل كبير لتصنيف المتهمين السود خطأً كعاليي الخطورة للعودة للجريمة، بينما كان المتهمون البيض يُصنّفون خطأً في كثير من الأحيان كمنخفضي الخطورة. [19] الخوارزميات المدربة على بيانات متحيزة تاريخياً أعادت إنتاج، وفي بعض الحالات ضخّمت، الفوارق ذاتها التي صُممت لتصحيحها.

لكن الجواب لم يكن إزالة الخوارزميات تماماً. دراسة لقرارات الكفالة قبل المحاكمة من باحثين في Yale وجدت أن النتائج الأكثر دقة وعدالة لم تأتِ من القضاة وحدهم ولا من الخوارزميات وحدها، بل من قضاة ذوي مهارة عالية يمارسون تجاوزات تقديرية على توصيات الخوارزمية. هؤلاء القضاة تفوقوا على الخوارزمية في الدقة والعدالة العرقية معاً في آن واحد. [20] القضاة ذوو المهارة المنخفضة، في المقابل، كان أداؤهم أدنى من الخوارزمية في كلا البعدين. في الواقع، 90% من القضاة في الدراسة اتخذوا قرارات تجاوز لم تكن أفضل من العشوائية. [20] المتغير الذي حدد النتائج لم يكن وجود أو غياب الخوارزمية. كان جودة الطبقة البشرية العاملة بجانبها.

هذا هو النمط الذي يتنبأ به إطار الطبقة البشرية. المشكلة ليست أبداً التكنولوجيا أو الإنسان بمعزل. المشكلة هي معمارية الواجهة بينهما. إزالة الإنسان لا تلغي التحيز. إنها تُرمّز التحيز بشكل دائم. إزالة الخوارزمية لا تلغي التذبذب. إنها تترك التذبذب دون رقابة. النظام الذي يعمل هو الذي يصمم كلتا الطبقتين كهيكليتين، مع بروتوكولات تصعيد صريحة، وآليات تجاوز، ومساءلة عن النتائج.

لكنه سيكون غير أمين فكرياً تقديم حجة التضخيم دون الاعتراف بحدودها. تحليل تلوي نُشر في 2025 في California Management Review فحص 37 دراسة عن تطوير البرمجيات بمساعدة الذكاء الاصطناعي ووجد صورة أكثر دقة. [12] بينما قضى المطورون وقتاً أقل في توليد الكود النمطي، فإن تراجعات جودة الكود وإعادة العمل غالباً ما أبطلت مكاسب الإنتاجية المعلنة، خاصة مع تعقد المهام. نفس المراجعة لم تجد علاقة قوية بين تبني الذكاء الاصطناعي ومكاسب الإنتاجية الإجمالية على مستوى المؤسسة. [12]

دراسة نُشرت في 2025 في Scientific Reports التابعة لـ Nature تضيف طبقة أخرى. بينما عزّز التعاون بين الإنسان والذكاء الاصطناعي باستمرار الأداء الفوري للمهام عبر تجارب كتابة التقارير والعصف الذهني وحل المشكلات، فإن تأثير التضخيم لم يستمر حين عاد العمال لمهام مستقلة. والأهم، أن الانتقال من العمل بمساعدة الذكاء الاصطناعي إلى العمل الفردي أدى إلى انخفاض كبير في الدافع الذاتي وزيادة مشاعر الملل. [15] التكلفة النفسية للتعاون المصمم بشكل سيئ قابلة للقياس. إذا لم تُصمم الطبقة البشرية للحفاظ على الاستقلالية البشرية، فإن التضخيم يمكن أن يُضعف القدرة ذاتها التي يُفترض أن يعززها.

هذه النتائج لا تُضعف حجة التضخيم. إنها تشحذها بشكل كبير.

المتغير الحاسم ليس ما إذا كان الذكاء الاصطناعي حاضراً. بل كيف صُممت واجهة التعاون. تجربة ميدانية أجرتها كلية هارفارد للأعمال في 2025 مع 776 محترفاً في Procter & Gamble وجدت أن الفرق المجهزة بالذكاء الاصطناعي أنتجت أفكاراً اختراقية بثلاثة أضعاف معدل الأفراد العاملين بدون ذكاء اصطناعي. العمال الأقل أداءً شهدوا أكبر المكاسب بنسبة 43%، بينما أفضل الأداء تحسنوا بنسبة 17%. لكن الباحثين كانوا صريحين: الأفراد المجهزون بالذكاء الاصطناعي ضاهوا إنتاج فرق بشرية من شخصين، لكن الحلول الأعلى جودة والأكثر ابتكاراً جاءت فقط من فرق حيث عزّز الذكاء الاصطناعي التعاون البشري بدلاً من استبداله. [16] دراسة متزامنة من كلية ستانفورد للدراسات العليا في الأعمال اختبرت نهج "الخوارزمية التكميلية"، حيث قدّم الذكاء الاصطناعي توصيات انتقائية فقط في الحالات التي كان فيها الإنسان مرجّحاً غير متأكد أو مخطئ. الأشخاص الذين استخدموا هذا النظام التكميلي اتخذوا قرارات أكثر دقة من أولئك الذين استخدموا إما خوارزمية تنبؤية بحتة أو لا خوارزمية على الإطلاق. [17]

مضاعف الأداء الأصلي 3x الموثق من Daugherty وWilson في مؤسسات ما قبل GPT [10] ليس أثراً قديماً. إنه أرضية. بحث ما بعد GPT يؤكد ويوسع النتيجة: التضخيم يتفوق على الأتمتة، لكن فقط حين تُصمم معمارية التعاون عمداً. الشركات التي لم تشهد مكاسب إجمالية في تحليل California Management Review كانت على الأرجح تفعل ما تفعله معظم الشركات: تلصق الذكاء الاصطناعي على عمليات قائمة دون إعادة التفكير في أين يضيف صنع القرار البشري قيمة لا يمكن استبدالها. الشركات التي صممت الواجهة شهدت عوائد لم تستطع شركات الأتمتة فقط تكرارها.

فجوة التضخيم ليست حول ما إذا كان الذكاء الاصطناعي يساعد. بل حول ما إذا كنت تصمم نظامك بطبقة بشرية فاعلة أم بدونها.

4. الطبقة البشرية كبنية تحتية

في معمارية البرمجيات، "الطبقة" ليست زينة اختيارية. إنها مكوّن هيكلي يعتمد عليه النظام ليعمل. أزل طبقة الشبكات وتطبيقك لا يستطيع التواصل. أزل طبقة الأمان وبياناتك مكشوفة. أزل طبقة الامتثال ومنتجك لا يستطيع العمل في أسواق منظّمة.

الطبقة البشرية تتبع نفس المنطق. إنها المكوّن المعماري المسؤول عن الحكم تحت الغموض، ومعايرة الثقة، والتفكير الأخلاقي، والتكيف السياقي، ومساءلة أصحاب المصلحة. هذه ليست مهارات ناعمة تُلصق على نظام ذكاء اصطناعي كفكرة لاحقة. إنها وظائف حاملة للأحمال تحدد ما إذا كان النظام يعمل بموثوقية في ظروف العالم الحقيقي.

أنا أبني منصات أصيلة في الذكاء الاصطناعي عبر ثلاث صناعات: البنية التحتية المالية، وإنتاجية القوى العاملة، وعمليات العقارات. أفصح عن هذا كخبرة تشغيلية مباشرة ومصلحة اقتصادية في الحجة التالية. الملاحظات مستمدة من قرارات تصميم أنظمة اتخذتها ونتائج قستها. في كل حالة، قرار التصميم الأهم ليس أي نموذج تستخدم أو كيف تُحسّن سرعة الاستدلال. إنه أين تقع الطبقة البشرية في معمارية النظام.

في التمويل المرمّز، يستطيع الذكاء الاصطناعي التحقق من الأصول وتقييم المخاطر وأتمتة فحوصات الامتثال. لكن قرار الموافقة على أصل مرمّز بدرجة مؤسسية للسوق يتطلب حكماً بشرياً حول ثقة الطرف المقابل والسياق التنظيمي والتعرض السمعي الذي لا يستطيع أي نموذج تكراره بشكل موثوق. أزل الطبقة البشرية، وتصبح بنيتك التحتية للامتثال مسؤولية.

في أنظمة الإنتاجية، يستطيع الذكاء الاصطناعي نسخ الاجتماعات واقتراح تحسينات الجدولة وأتمتة المتابعات. لكن القرار حول أي اجتماع مهم فعلاً، وأي علاقة تحتاج اهتماماً شخصياً، وأي مهمة تتوافق مع الأولويات الاستراتيجية يتطلب نظام تشغيل بشرياً يخدمه الذكاء الاصطناعي لا يستبدله. أزل الطبقة البشرية، وتتحول أداة إنتاجيتك إلى مولّد ضوضاء.

في عمليات العقارات، يستطيع الذكاء الاصطناعي توليد العملاء المحتملين وأتمتة الاتصالات وإنتاج تحليل السوق. لكن أحكام القيمة التي تُتم الصفقات، وديناميكيات العلاقات التي تبني ثقة العميل، وحدس السوق المحلي الذي يفصل الوكلاء الجيدين عن الممتازين — تلك وظائف الطبقة البشرية. أزلها، ومنصتك تنتج نشاطاً بلا نتائج.

هذا ليس نظرياً بالنسبة لي. حين بنينا خط أنابيب التحقق من الأصول لبنيتنا التحتية للترميز، حقق الذكاء الاصطناعي دقة 95%+ في التحقق من الوثائق وكشف الاحتيال في الاختبار. الإغراء كان واضحاً: أتمتة كامل تدفق التحقق من البداية إلى النهاية وإزالة خطوة المراجعة البشرية. كان سيكون أسرع وأرخص وأكثر إبهاراً في عرض تقديمي. لم نفعل ذلك. لأنه في التمويل المنظّم، معدل خطأ 5% في التحقق من الأصول ليس خطأ تقريبياً. إنه فشل امتثال يمكن أن يُبطل صفقة بأكملها ويكشف المستثمرين ويدمر ثقة مؤسسية استغرق بناؤها سنوات. لذلك صممنا النظام بطبقة مراجعة بشرية إلزامية لكل أصل بدرجة مؤسسية. الذكاء الاصطناعي يتعامل مع الحجم. الإنسان يتعامل مع الحكم. النظام يعمل لأن كلتا الطبقتين هيكليتان.

الطبقة البشرية ليست فلسفة. إنها مواصفة. أي نظام ذكاء اصطناعي يعمل في بيئة معتمدة على الثقة أو منظّمة أو قائمة على العلاقات يتطلبها كمكوّن معماري من الدرجة الأولى. الأنظمة المبنية بدونها ستتراجع في الأداء وتفقد الثقة وتخسر في النهاية حصتها السوقية لصالح أنظمة تتضمنها.

كمكوّن معماري، تتألف الطبقة البشرية من عناصر وظيفية متميزة: بوابات قرار حيث يكون الحكم البشري مطلوباً هيكلياً، وبروتوكولات تصعيد للسيناريوهات الغنية بالغموض، وهياكل مساءلة تربط النتائج ببشر مسؤولين، وآليات تجاوز تحفظ السلطة البشرية على الإجراءات ذات العواقب، وواجهات معايرة الثقة حيث تُصادق مخرجات النظام مقابل سياق العالم الحقيقي. ورقة قادمة في هذه السلسلة ستحدد رسمياً هذه المكوّنات كمواصفة معمارية قابلة للتنفيذ. ما يؤسسه هذا المنشور هو لماذا يحتاجها أي نظام ذكاء اصطناعي جاد.

5. هيكل الحوافز الاقتصادية

فهم لماذا يهيمن سرد الاستبدال رغم نتائجه الأدنى يتطلب فحص من يربح من كل نهج.

سرديات الاستبدال تفيد مجموعة محددة من الفاعلين الاقتصاديين: مستثمري رأس المال المغامر الباحثين عن عوائد أسية من شركات برمجيات فقط بتكلفة بشرية هامشية صفرية؛ والمديرين التنفيذيين تحت ضغط ربع سنوي لإظهار خفض التكاليف؛ وبائعي الذكاء الاصطناعي الذين تكافئ نماذج تسعيرهم الأتمتة الكاملة على التضخيم الانتقائي.

سرديات التضخيم تفيد مجموعة مختلفة: المؤسسات التي تنشر فعلاً الذكاء الاصطناعي في بيئات معقدة حيث الثقة والحكم والقدرة على التكيف تحدد النتائج؛ والعمال الذين تولّد قدراتهم المعززة قيمة قابلة للقياس؛ والاقتصادات التي تحافظ على مشاركة واسعة في مكاسب الإنتاجية.

PwC تقدر أن الذكاء الاصطناعي يمكن أن يضيف 15.7 تريليون دولار للاقتصاد العالمي بحلول 2030، وأغلبية تلك القيمة تأتي من تضخيم القدرات البشرية لا من الاستعاضة عنها. [5] المنتدى الاقتصادي العالمي يتوقع مكسباً صافياً قدره 78 مليون وظيفة خلال التحول، لكن فقط إذا صُمم جانب الإنشاء من المعادلة بنشاط، ولم يُترك لقوى السوق وحدها. [2]

التاريخ الاقتصادي للتحولات التكنولوجية يعزز هذه النقطة. خلال الثورة الصناعية، زادت إنتاجية العامل في غزل القطن بأوامر من حيث الحجم خلال عقود. لكن المؤرخ الاقتصادي روبرت ألن وثّق ما أسماه "توقف إنجلز": الفترة من 1790 إلى 1840 التي ركدت فيها أجور الطبقة العاملة البريطانية حتى مع توسع الناتج المحلي الإجمالي للفرد بسرعة. [13] الثروة خُلقت فوراً. توزيعها تطلّب تنظيماً سياسياً وتنظيمات وتغييرات جوهرية في كيفية تصميم الأنظمة.

تحول الذكاء الاصطناعي يمكن أن يتبع نفس النمط المتأخر، أو يمكن تصميمه بشكل مختلف من البداية. الطبقة البشرية ليست مجرد هندسة أفضل. إنها اقتصاد أفضل. الأنظمة التي تضخم القدرة البشرية توزع القيمة على نطاق أوسع، وتولّد ثقة أكثر استدامة، وتخلق أسواقاً قابلة للعنونة أكبر من الأنظمة التي تركز القدرة في البرمجيات وحدها.

6. تداعيات على نافذة التحول

الفترة بين 2025 و2030 تمثل نافذة تصميم حرجة. [14] القرارات المعمارية المتخذة خلال هذه المرحلة ستحدد ما إذا كانت أنظمة الذكاء الاصطناعي تضخم أو تُضمر القدرة البشرية عبر صناعات بأكملها.

للبنّائين: الخندق التنافسي ليس في النموذج. النماذج تتحول لسلع. الخندق في مدى جودة تكامل نظامك مع الطبقة البشرية. صمم ذكاءك الاصطناعي ليجعل البشر أفضل بشكل قابل للقياس في القرارات المهمة، وتبني شيئاً يمكن الدفاع عنه. صمم ذكاءك الاصطناعي لإزالة البشر من تلك القرارات، وتبني شيئاً هشاً.

للمستثمرين: مضاعف الأداء 3x للتضخيم مقابل الأتمتة ليس شذوذاً. إنه إشارة. أكبر العوائد في العقد القادم ستأتي من شركات اكتشفت واجهة الإنسان-الذكاء الاصطناعي، وليس من شركات ألغتها. قيّم شركات الذكاء الاصطناعي ليس بعدد البشر الذين تستبدلهم، بل بمقدار القيمة التي يولدها كل بشري مع النظام.

للمنظمين: الصناعات المعتمدة على الثقة (المالية، الرعاية الصحية، العقارات، القانون) ستتطلب مواصفات الطبقة البشرية بنفس الطريقة التي تتطلب فيها حالياً مواصفات الامتثال والأمان. الأطر التنظيمية الناشئة في هذه النافذة يجب أن تفرض المساءلة البشرية كمتطلب نظام، لا أن تعاملها كميزة اختيارية.

للعمال: اللوديون خسروا لأنهم حاربوا التكنولوجيا بدل تشكيل نشرها. العمال الذين سيزدهرون في تحول الذكاء الاصطناعي هم أولئك الذين يضعون أنفسهم كطبقة بشرية: الحكم والإبداع والثقة والذكاء السياقي الذي يجعل أنظمة الذكاء الاصطناعي تعمل فعلاً. الهدف ليس التنافس مع الذكاء الاصطناعي. بل أن تصبح الطبقة التي لا يستطيع الذكاء الاصطناعي العمل بدونها.

الطبقة البشرية ليست حركة مقاومة ضد الذكاء الاصطناعي. إنها مواصفة تصميم لذكاء اصطناعي يعمل. الأنظمة التي تتضمنها ستتفوق. الشركات التي تبنيها ستصمد. والاقتصادات التي تتطلبها ستوزع مكاسب هذا التحول على نطاق أوسع من أي ثورة تكنولوجية سبقتها.

البنية التحتية تُبنى الآن. السؤال هو ما إذا كنت تبنيها مع الطبقة الأكثر أهمية مُتضمّنة، أم أنك تُحسّن لنظام سيحتاج في النهاية لإعادة البناء حين تفشل المعمارية.

تدقيق الطبقة البشرية

لأي نظام ذكاء اصطناعي يعمل في بيئة معتمدة على الثقة أو منظّمة أو قائمة على العلاقات، اطرح هذه الأسئلة الستة. إذا لم تستطع الإجابة بنعم على جميعها، فإن طبقتك البشرية إما مفقودة أو ديكورية.

هل هناك بوابة مراجعة بشرية إلزامية قبل تنفيذ أي قرار عالي المخاطر أو لا رجعة فيه؟
هل تُصعّد سيناريوهات الغموض العالي صراحة إلى الحكم البشري بدلاً من التقصير على مخرجات النموذج؟
هل سجلات المساءلة قابلة للعنونة بشرياً، بمعنى أن شخصاً محدداً يمكن تحديده كمسؤول عن كل نتيجة ذات عواقب؟
هل حقوق التجاوز صريحة وموثقة ومتاحة دون الحاجة لتدخل تقني؟
هل تعامل معمارية النظام الحكم البشري كاعتمادية هيكلية، أم كميزة اختيارية يمكن إيقافها؟
هل تستطيع شرح لمنظّم أو مستثمر أو عميل أين بالضبط تقع الطبقة البشرية في نظامك ولماذا هي موجودة؟

هذه ليست معايير طموحة. إنها متطلبات معمارية دنيا لأي نظام ذكاء اصطناعي ينوي العمل على نطاق مؤسسي. إذا اجتاز نظامك هذا التدقيق، لديك طبقة بشرية. إذا لم يجتزه، لديك خط أنابيب أتمتة مع مخاطر امتثال مرتبطة.

ابنِ الطبقة البشرية أولاً. كل شيء آخر تحسين.

المراجع

[1] MIT ومختبر أوك ريدج الوطني، "مشروع الجبل الجليدي: مؤشر الجبل الجليدي"، نوفمبر 2025. تحليل لقدرة الذكاء الاصطناعي الحالية على استبدال المهام عبر سوق العمل الأمريكي.

[2] المنتدى الاقتصادي العالمي، "تقرير مستقبل الوظائف 2025". يتوقع إزاحة 92 مليون وظيفة وإنشاء 170 مليون، بمكسب صافٍ قدره 78 مليون دور بحلول 2030.

[3] McKinsey Global Institute، "وظائف مفقودة، وظائف مكتسبة: تحولات القوى العاملة في عصر الأتمتة". تقدر أن 14% من القوى العاملة العالمية قد تحتاج لتغيير مساراتها المهنية بحلول 2030.

[4] Accenture، "إعادة ابتكار عمليات المؤسسات مع الذكاء الاصطناعي التوليدي"، 2024. استطلاع شمل 2,000 مدير تنفيذي عبر 12 دولة و15 صناعة. وجد أن الشركات ذات العمليات الحديثة بالكامل والمقودة بالذكاء الاصطناعي تحقق نمو إيرادات أعلى بـ 2.5 مرة وإنتاجية أكبر بـ 2.4 مرة من نظيراتها.

[5] PwC، "تقدير الجائزة: ما القيمة الحقيقية للذكاء الاصطناعي لأعمالك؟" 2017. تقدر أن الذكاء الاصطناعي يمكن أن يساهم بما يصل إلى 15.7 تريليون دولار في الاقتصاد العالمي بحلول 2030، مع 6.6 تريليون دولار من زيادة الإنتاجية و9.1 تريليون دولار من تأثيرات جانب الاستهلاك.

[6] Daugherty, Paul R. وWilson, H. James، "الإنسان + الآلة: إعادة تصوّر العمل في عصر الذكاء الاصطناعي"، Harvard Business Review Press، 2018 (طبعة محدّثة وموسّعة، 2024). بناء على بحث شمل 1,500 مؤسسة. يجد نمو إيرادات أعلى بـ 38% وتوسع القوى العاملة بنسبة 10% في المؤسسات المركّزة على التضخيم مقابل نهج الأتمتة فقط.

[7] Clive Thompson، "حين تأخذ الروبوتات جميع وظائفنا، تذكروا اللوديين"، مجلة Smithsonian، يناير 2017. يوثق التدمير الانتقائي للأنوال من قبل مجموعات اللوديين.

[8] Clive Thompson، مجلة Smithsonian (المرجع نفسه). يوثق مقترحات اللوديين لمعاشات العمال والحد الأدنى للأجور ومعايير العمل.

[9] E.P. Thompson، "تكوين الطبقة العاملة الإنجليزية"، Victor Gollancz، 1963. يوثق قانون تكسير الآلات (1812)، ونشر 14,000 جندي لقمع انتفاضة اللوديين، والسياق السياسي الأوسع لتكسير الآلات كمقاومة منظمة.

[10] Daugherty وWilson، "الإنسان + الآلة" (المرجع نفسه). بحث شمل 1,500 مؤسسة وجد أن الشركات التي استخدمت الذكاء الاصطناعي للتضخيم حققت 3 أضعاف تحسن الأداء مقابل شركات الأتمتة فقط.

[11] Julie Shah، مختبر علوم الحاسوب والذكاء الاصطناعي في MIT (CSAIL). بحث عن التعاون بين الإنسان والروبوت أُجري في مصنع BMW Group في سبارتنبرغ. وجد أن فرق التعاون بين الإنسان والروبوت تفوقت على الفرق البشرية بالكامل والروبوتية بالكامل، مع تقليص وقت خمول البشر بنسبة 85%. ورد في MIT Technology Review، سبتمبر 2014. بيان صحفي لمجموعة BMW: "التعاون المبتكر بين الإنسان والروبوت في إنتاج مجموعة BMW"، 2015.

[12] Huidobro وGarcia-Castro وMunoz، "سبع خرافات عن الذكاء الاصطناعي والإنتاجية: ماذا تقول الأدلة فعلاً"، California Management Review Insights، أكتوبر 2025. تحليل تلوي لـ 37 دراسة عن تطوير البرمجيات بمساعدة الذكاء الاصطناعي.

[13] Robert C. Allen، "توقف إنجلز: التغير التقني وتراكم رأس المال وعدم المساواة في الثورة الصناعية البريطانية"، Explorations in Economic History، المجلد 46، العدد 4، 2009. يوثق الفترة من 1790 إلى 1840 التي ركدت فيها أجور الطبقة العاملة البريطانية بينما توسع الناتج المحلي الإجمالي للفرد بسرعة خلال الاضطراب التكنولوجي.

[14] المنتدى الاقتصادي العالمي، "تقرير مستقبل الوظائف 2025" [2] وMcKinsey Global Institute [3] كلاهما يحدد 2025-2030 كنافذة التحول الحرجة للتحول في القوى العاملة بقيادة الذكاء الاصطناعي. بحث Accenture عن عمليات المؤسسات [4] يؤكد هذا الجدول الزمني، مشيراً إلى أن 16% فقط من الشركات لديها عمليات حديثة بالكامل ومقودة بالذكاء الاصطناعي حتى 2024.

[15] Wu, S., Liu, Y., Ruan, M., Chen, S., وXie, X.Y.، "التعاون بين الإنسان والذكاء الاصطناعي التوليدي يعزز أداء المهام لكنه يقوّض الدافع الذاتي للإنسان"، Scientific Reports (Nature)، 15(1)، 15105، أبريل 2025. أربع تجارب (إجمالي N = 3,562) عبر كتابة التقارير والعصف الذهني ومهام حل المشكلات. وجد أن التضخيم يعزز الأداء الفوري لكنه يقلل الدافع الذاتي ويزيد الملل أثناء العمل المستقل اللاحق.

[16] Dell'Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., وLakhani, K.R.، "الزميل السيبراني: تجربة ميدانية عن الذكاء الاصطناعي التوليدي يعيد تشكيل العمل الجماعي والخبرة"، ورقة عمل كلية هارفارد للأعمال رقم 25-043، مارس 2025 (ورقة عمل NBER رقم w33641). تجربة ميدانية مسجلة مسبقاً مع 776 محترفاً في Procter & Gamble. وجد أن الفرق المجهزة بالذكاء الاصطناعي أنتجت أفكاراً اختراقية ضمن أعلى 10% بثلاثة أضعاف معدل الأفراد بدون ذكاء اصطناعي. العمال الأقل مهارة حققوا مكاسب أداء بنسبة 43%؛ الأفضل أداءً تحسنوا بنسبة 17%.

[17] McLaughlin, B. وSpiess, J.، "الخوارزميات التكميلية"، كلية ستانفورد للدراسات العليا في الأعمال، 2025. تجربة توظيف محاكاة تُظهر أن توصيات الذكاء الاصطناعي الانتقائية والتكميلية تفوقت على كل من الخوارزميات التنبؤية البحتة والقرارات البشرية غير المساعدة.

[18] Danziger, S., Levav, J., وAvnaim-Pesso, L.، "عوامل خارجية في القرارات القضائية"، Proceedings of the National Academy of Sciences، 108(17)، 2011. وجد أن أحكام الإفراج المشروط المواتية انخفضت من نحو 65% إلى ما يقارب الصفر قبل فترات الطعام، ثم عادت إلى خط الأساس بعدها.

[19] Angwin, J., Larson, J., Mattu, S., وKirchner, L.، "تحيز الآلة"، ProPublica، مايو 2016. تحقيق في خوارزمية COMPAS للعودة للجريمة وجد أن المتهمين السود كانوا تقريباً ضعف احتمال تصنيفهم خطأً كعاليي الخطورة مقارنة بالمتهمين البيض.

[20] Angelova, V., Dobbie, W., وYang, C.، "التوصيات الخوارزمية والتقدير البشري"، ورقة عمل NBER رقم 31747. دراسة لقرارات الكفالة قبل المحاكمة وجدت أن 90% من القضاة كان أداؤهم أدنى من الخوارزمية حين اتخذوا تجاوزات تقديرية، لكن القضاة ذوي المهارة العالية تفوقوا على الخوارزمية في الدقة والعدالة العرقية معاً في آن واحد.

أحمد نور الدين هو المؤسس المشارك والرئيس التنفيذي في Timer، طبقة الذاكرة المؤسسية. أكثر من 25 عاماً في بناء أنظمة تضع البشر في مركز التكنولوجيا.

هذا المقال جزء من سلسلة /research/ على ahmad.pt.

كيفية الاستشهاد

DOI: https://doi.org/10.5281/zenodo.19119698
SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6443858

@techreport{noureddine2026the1,
  title       = {The Human Layer: Why the Most Critical Infrastructure in AI Isn't Artificial},
  author      = {Noureddine, Ahmad},
  institution = {Timer},
  year        = {2026},
  doi         = {10.5281/zenodo.19119698},
  url         = {https://ahmad.pt/research/the-human-layer-ai-infrastructure-specification},
  note        = {The Human Layer Framework, Paper 1 of 5}
}