الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام

افترضت توقعات سوق العمل أن الأتمتة تزيل المهام واحدة تلو الأخرى وتترك المهنة قائمة. غير أن الذكاء الاصطناعي الوكيل، الذي ينجز مسارات عمل كاملة، يُبطل هذه الفرضية، وقد صُمم مقياس مركب جديد، هو تعرض المهام الوكيل (ATE)، لقياس ما تعجز الأطر القديمة عن قياسه.

ملخص تنفيذي

• تشترك التوقعات السابقة للأتمتة، بما في ذلك تلك المبنية على إطار مهام أوتور-ليفي-مورنان (Autor-Levy-Murnane)، في فرضية واحدة: تبقى المهنة كقشرة تنسيق حول العمل البشري المتبقي.
• تستوفي أنظمة الذكاء الاصطناعي الوكيل أربعة معايير: تتلقى توصيفاً للهدف، وتختار الأدوات وتستدعيها ذاتياً، وتحافظ على الحالة عبر خطوات الاستدلال، وتنتج مخرج عمل مكتملاً دون تدخل بشري في الخطوات الوسيطة.
• يجمع مقياس ATE بين درجات قدرات الذكاء الاصطناعي، وعوامل تغطية مسار العمل، وسرعة التبني اللوجستية. ويصل محللو الائتمان والقضاة وأخصائيو الاستدامة إلى درجات ATE تتراوح بين 0.43 و0.47.
• تطبق الورقة البحثية مقياس ATE على 236 رمزاً من رموز SOC في ست مجموعات مهنية رئيسية عبر خمس مناطق تقنية في الولايات المتحدة، وتصف نفسها بأنها أول تطبيق تجريبي متعدد المناطق لإطار تعرض المهام يستهدف تحديداً أنظمة الذكاء الاصطناعي الوكيل.
• إلى جانب الإحلال، تحدد الورقة البحثية سبع عشرة فئة مهنية ناشئة تتركز في التعاون بين الإنسان والذكاء الاصطناعي، وحوكمة الذكاء الاصطناعي، وعمليات الذكاء الاصطناعي المتخصصة حسب المجال.

التوقعات التي بالغت في التقدير #

لقد أزاحت الروبوتات الصناعية عمال التصنيع بالفعل، لكنها لم تفعل ذلك وفق الجدول الزمني أو بالحجم اللذين أوحت بهما التوقعات الأولية. ينبغي لهذه الجملة أن تجعل أي شخص يقرأ تنبؤات سوق العمل بحكم مهنته متنبهاً بعض الشيء، لأنها تصف نمطاً متكرراً: كان الاتجاه صحيحاً، بينما كان الحجم خاطئاً.

يأتي أشهر رقم بارز في هذه الأدبيات من فراي وأوزبورن (Frey and Osborne)، اللذين طلبا من خبراء تقييم 702 مهنة في الولايات المتحدة من حيث قابليتها الإجمالية "للحوسبة" (computerizability). وكانت نتيجتهما أن 47% من المهن معرضة لخطر مرتفع. إنه رقم لافت للنظر، وقد انتشر على نطاق واسع.

ثم أظهر آرنتس وغريغوري وزران (Arntz, Gregory and Zierahn) ما يحدث عندما ينتقل التحليل إلى مستوى المهمة ويأخذ في الحسبان تباين المهام داخل المهن المعرضة اسمياً. تنخفض تقديرات الخطر المرتفع إلى ما بين 9% و14% عبر دول منظمة التعاون الاقتصادي والتنمية (OECD). المسافة بين 47% و9-14% ليست خلافاً في تقريب الأرقام؛ بل تعكس اختياراً لوحدة التحليل، وهذا الاختيار يحرك الإجابة بمعامل قدره ثلاثة أضعاف أو أكثر.

يتسم المصدر بالصراحة في أن الجدل بين التقديرات على مستوى المهنة والتقديرات على مستوى المهمة لم يُحسم بعد. أما ما توصل إليه المجال فعلاً فهو إجماع عملي: التفكيك على مستوى المهمة ضروري، والتصنيفات على مستوى المهنة فضفاضة للغاية. هذا الإجماع هو الأساس الذي يقوم عليه باقي الطرح، وهو أيضاً الأساس الذي يضعه الذكاء الاصطناعي الوكيل تحت الضغط.

كيف تعمل أطر المهام #

لمعرفة مصدر هذا الضغط، من المفيد توخي الدقة بشأن ما يدّعيه تقليد تحليل المهام.

قسّم أوتور وليفي ومورنان المهام المهنية على محورين: روتينية مقابل غير روتينية، ومعرفية مقابل يدوية. وكانت حجتهم أن الأتمتة تحل محل الروتيني بينما تكمّل غير الروتيني. إنها فكرة واضحة، وقد منحت الأعمال اللاحقة مفردات للحديث عن أجزاء الوظيفة التي يمكن للآلة استيعابها.

وبنى أسيموغلو وريستريبو (Acemoglu and Restrepo) هيكلاً رياضياً رسمياً فوق ذلك؛ إذ نمذجا المخرجات باعتبارها ناتجة عن طيف متصل من المهام الموزعة بين رأس المال والعمل. وفي إطارهما، ترتفع حصة العمل أو تنخفض تبعاً لما إذا كان استحداث المهام الجديدة - الذي يسميانه قناة الاستعادة (reinstatement channel) - يتفوق في سرعته على إحلال المهام. ووفقاً لهما، تُكتب حصة العمل في القيمة المضافة بالصيغة sL = W * L / Y = f(|NL| / |N|)‎، حيث W معدل الأجور، و L العمالة، و Y الإنتاج. قوتان تتجاذبان في اتجاهين متعاكسين، وأيتهما تنتصر تحدد من يستحوذ على المكاسب.

وهناك جهدان قياسيان آخران يكتسبان أهمية هنا لأنهما حوّلا هذا الإطار إلى أرقام على مستوى المهنة. بنى فيلتن وراج وسيمانز (Felten, Raj and Seamans) مقياس التعرض المهني للذكاء الاصطناعي (AIOE) من خلال ربط التطورات المنشورة في قدرات الذكاء الاصطناعي بتصنيف القدرات في قاعدة بيانات O*NET. وبنى إيلوندو وزملاؤه (Eloundou et al.‎) مقياساً موازياً يركز على GPT-4، يجمع بين توصيفات العاملين الجماعيين والتقييمات الذاتية لنموذج GPT-4 على مستوى المهمة.

وكانت نتيجتهم الأبرز أن 80% من العاملين في الولايات المتحدة يشغلون وظائف تتعرض فيها 10% على الأقل من المهام لنماذج اللغة الكبيرة (LLMs). وتركز التعرض الأشد بين المهن ذات الأجور المرتفعة التي تتطلب شهادات جامعية. وتخالف هذه النتيجة الحدس الأقدم القائل بأن الأتمتة تضرب الأعمال الروتينية منخفضة الأجر أولاً، كما تفسر لماذا أصبحت مسألة وظائف الياقات البيضاء ملحة للغاية.

النقطة العمياء التي تشترك فيها جميع الأطر #

يطرح المصدر ادعاءً محدداً بشأن كل هذه الأعمال: تشترك جميع الأطر المستشهد بها في نقطة عمياء هيكلية، إذ تنمذج الأتمتة باعتبارها اقتطاعاً لمهام فردية بينما تظل المهنة سليمة. فجميع التوقعات تقريباً، بما في ذلك تلك المبنية على إطار مهام أوتور-ليفي-مورنان، تشترك في افتراض أن الأتمتة تقتطع المهام واحدة تلو الأخرى وأن المهنة تبقى صامدة كقشرة تنسيق حول العمل البشري المتبقي.

هذا افتراض يتعلق بالبنية، لا بالتكنولوجيا؛ فهو لا يقول شيئاً عن مدى كفاءة الآلة، بل يقول إنه مهما بلغ عدد المهام التي تأخذها الآلة، يظل هناك شخص ما مضطراً لربط ما تبقى معاً.

يجعل مثال المساعد القانوني (paralegal) الفكرة ملموسة. فقد يصنف تحليل تعرض المهام 80% من مهام المساعد القانوني على أنها معرضة لنماذج اللغة الكبيرة، ومع ذلك يخلص إلى أن المهنة آمنة لأن تنسيق تلك المهام يتطلب حكماً بشرياً. وتنبع هذه النتيجة من فرضية القشرة: المهام معرضة، لكن الخياطة التي تربط بينها ليست كذلك، لذا تبقى الوظيفة.

ثم تأتي الخطوة المحورية في المصدر: إن عنق زجاجة التنسيق الذي كان يحمي دور المساعد القانوني أصبح الآن داخل وحدة التخطيط الخاصة بالوكيل. وإذا صح ذلك، فإن التعليل الذي أبقى المساعد القانوني آمناً يتوقف عن العمل. لقد جاءت الحماية من التنسيق، والتنسيق هو بالضبط ما يفعله النظام الوكيل.

أعتقد أن هذه هي الفكرة الأكثر فائدة في الورقة البحثية، وهي تستحق أن تؤخذ بشروطها الخاصة. فالأطر الأقدم ليست مخطئة بشأن المهام، بل هي مخطئة بشأن ما يتبقى بعد ذهاب المهام. إن المقياس الذي يقيّم المهام واحدة تلو الأخرى لا يمكنه رؤية نظام يتعامل مع التسلسل بأكمله كوحدة واحدة.

ما الذي يُعدّ وكيلاً (Agentic) #

إذا كانت الحجة تعتمد على تمييز مفاهيمي، فإن هذا التمييز يحتاج إلى تعريف. يقدم المصدر تعريفاً بأربعة معايير؛ فنظام الذكاء الاصطناعي الوكيل هو النظام الذي:

1. يتلقى توصيفاً للهدف بدلاً من توصيف للمهمة؛
2. يختار الأدوات ويستدعيها ذاتياً للسعي نحو الهدف؛
3. يحافظ على الحالة (state) عبر خطوات استدلال متعددة؛ و
4. ينتج مخرج عمل مكتملاً دون تدخل بشري في الخطوات الوسيطة.

هذه قائمة تستحق الإبقاء عليها كقائمة، لأن المعايير منفصلة ويمكن التحقق من كل واحد منها. فالنظام الذي يجيب عن مطالبة نصية يفشل في المعيار الأول، والنظام الذي يحتاج إلى شخص للموافقة على كل خطوة وسيطة يفشل في المعيار الرابع.

وبعبارة أبسط، يتلقى الوكيل هدفاً، ويختار الأدوات، وينفذ خطة متعددة الخطوات، ويتحقق من مخرجاته، ويسلم منتج عمل مكتملاً. تربط الأنظمة الوكيلة استدعاءات الأدوات في سلاسل، وتحافظ على ذاكرة مستمرة عبر الخطوات، وتخطط لتسلسلات متعددة الإجراءات، وتصحح ذاتها عندما تفشل المخرجات الوسيطة في فحوصات الجودة.

وتكتسب تفصيلة التصحيح الذاتي أهمية أكبر مما يبدو للوهلة الأولى؛ فخط الأنابيب الذي ينكسر عندما تفشل خطوة واحدة لا يزال بحاجة إلى إنسان قريب. أما النظام الذي يلاحظ فشل فحص الجودة ويحاول مجدداً فقد استوعب جزءاً من الإشراف الذي كان يبرر وجود الإنسان سابقاً.

تعرّف الورقة البحثية موضوعها على هذا النحو: وكلاء ذكاء اصطناعي مستقلون قادرون على إكمال مسارات عمل مهنية كاملة بدلاً من مهام منفصلة. كلمة "كاملة" تحمل الثقل كله؛ فالحجة بأسرها تدور حول الفجوة بين المهمة المنفصلة ومسار العمل الكامل.

لماذا التوقيت الآن #

يقدم المصدر نوعين من الأدلة على أن المسألة ليست افتراضية. يتعلق الأول بالقدرة؛ إذ بلغت النماذج من فئة GPT-4 عتبات درجات النجاح أو تجاوزتها في امتحان نقابة المحامين وامتحان الترخيص الطبي الأمريكي (USMLE)، واقتربت في حدود بضع نقاط مئوية من اجتياز المستوى الأول من امتحان المحلل المالي المعتمد (CFA Level I). هذه امتحانات تأهيل لمهن تقيّد الدخول إليها تحديداً لأن العمل فيها صعب.

ويتعلق الدليل الثاني بالنشر الفعلي؛ فقد كشفت كبرى شركات تكنولوجيا المؤسسات، بما في ذلك Amazon وMicrosoft وSalesforce وServiceNow وWorkday، عن عمليات نشر إنتاجية لأنظمة وكيلة تمس مسارات عمل وظائف الياقات البيضاء خلال مكالمات الأرباح وعروض المستثمرين لعام 2024. هذه عمليات نشر إنتاجية وليست عروضاً بحثية تجريبية، وقد أُعلن عنها للمستثمرين لا للأكاديميين.

يقرأ المصدر هذه الإفصاحات باعتبارها من النوع الذي لا تصدره الشركات إلا عندما تبدأ عمليات النشر بالفعل بالتأثير في تخطيط أعداد الموظفين. ويصوغ المصدر ذلك بوصفه تفسيراً لا قياساً، وينبغي التعامل معه كذلك. فلا يوجد في السجل المتاح أمامي ما يورد أرقام أعداد الموظفين مباشرة، غير أن الاستنتاج معقول: فالشركات لا تضع عادةً عملية نشر تقني أمام المستثمرين ما لم تكن ذات أثر ملموس على قاعدة التكاليف.

إذا جمعت الأمرين معاً، تصبح الحجة الداعية إلى مقياس جديد واضحة ومباشرة. فالقدرة وحدها لم تكن لتفرض هذه المسألة، ولا بضع تجارب أولية. أما القدرة التي تتجاوز بالفعل العتبات المهنية، داخل أنظمة تعمل فعلياً في بيئات الإنتاج، فهي تفعل ذلك.

مقياس ATE: ما يقيسه وما لا يقيسه #

تتمثل استجابة الورقة البحثية في مقياس تعرض المهام الوكيل (Agentic Task Exposure). إنه مقياس مركب يوسّع إطار إحلال المهام لأسيموغلو-ريستريبو ليأخذ في الحسبان تغطية مسار العمل من البداية إلى النهاية، والمعايير الحالية لقدرات الذكاء الاصطناعي الوكيل، وسرعة التبني المؤسسي. ويقيس هذا المؤشر درجة تعرض مهنة ما (o) للإحلال الكامل من البداية إلى النهاية بواسطة أنظمة الذكاء الاصطناعي الوكيل الحالية.

تدخل ثلاثة مكونات في حسابه: درجات قدرات الذكاء الاصطناعي، وعوامل تغطية مسار العمل، وسرعة التبني اللوجستية. ويُعد عامل تغطية مسار العمل العنصر الذي يعالج النقطة العمياء مباشرة؛ إذ يقول المصدر إن ما ينقص الأعمال السابقة هو مقياس يحدد ما إذا كانت التركيبة الكاملة لمسار العمل في مهنة ما تقع داخل الغلاف التشغيلي للذكاء الاصطناعي الوكيل، ويصوغ ذلك رسمياً في صورة عامل تغطية مسار العمل. تسأل المقاييس الأقدم عما إذا كانت المهمة معرضة، بينما يسأل هذا المقياس عما إذا كان مسار العمل بأكمله يتسع داخل ما يستطيع الوكيل القيام به.

ويجري تحديد عنصرين إضافيين في هذا البناء: الحد wo,t هو الأهمية النسبية المرجحة للمهمة t في المهنة o، والمستمدة من تقييمات أهمية المهام في قاعدة بيانات O*NET. أما الحد CAP(t)‎، وهو حد القدرة، فيُقدَّر من أدبيات معايير الذكاء الاصطناعي وتقارير النشر الصادرة عن الممارسين. وبذلك تأتي أهمية المهمة من قاعدة بيانات مهنية قياسية، بينما تأتي القدرة من مصدرين: معايير الأداء والتقارير الميدانية.

وتتسم الورقة البحثية بالوضوح التام بشأن المنهجية، وينبغي للقارئ أن يحاسبها على هذا الأساس: تُحسب درجات ATE خوارزمياً من بيانات مهام O*NET باستخدام معاملات تبنٍّ معايَرة، وهي ليست تقديرات انحدار. ولهذا الأمر نتائج عملية؛ فتقدير الانحدار يأتي مصحوباً بالجهاز المعتاد من الأخطاء المعيارية وحجج التحديد (identification)، أما المركب الخوارزمي المعايَر فلا يأتي بذلك، ومخرجاته هي إسقاطات مشتقة من النموذج، وهي عبارة تستخدمها الورقة نفسها لوصف أرقام الإحلال لديها. إنها تصف ما يقتضيه النموذج في ظل معاملاته، ولا تبلغ عما حدث فعلياً.

أود أن أجادل بأن هذا تأطير صادق، وهو التأطير الصحيح لمسألة تنبؤ لم يقع فيها الشيء المتنبأ به بعد. فالمقياس المركب المبني من مدخلات معلنة يمكن فحصه، والطعن فيه، وإعادة معايرته؛ وإذا اختلف شخص ما حول سرعة التبني، فإنه يعرف أي مؤشر ينبغي تحريكه.

أين يطبق النموذج هذا المقياس #

التطبيق التجريبي واسع النطاق؛ إذ تطبق الورقة البحثية إطار ATE على 236 رمزاً من رموز التصنيف المهني القياسي (SOC) تمتد عبر ست مجموعات مهنية رئيسية، مولِّدةً إسقاطات إحلال مشتقة من النموذج عبر خمس مناطق تقنية رئيسية في الولايات المتحدة للفترة 2025-2030. والمناطق الخمس هي منطقة خليج سان فرانسيسكو، وسياتل-تاكوما-بلفيو، وأوستن-راوند روك، ونيويورك-نيوارك، وبوسطن-كامبريدج.

تصف الورقة البحثية هذا العمل بأنه أول تطبيق تجريبي متعدد المناطق لإطار تعرض المهام يستهدف تحديداً أنظمة الذكاء الاصطناعي الوكيل. هذا ادعاء بالأسبقية يطرحه المؤلفون، ولا يسعني التحقق منه استناداً إلى المادة التي أمامي. لكن ما يمكنني قوله هو أن التصميم الإقليمي يمثل استجابة منطقية لمشكلة تشترك فيها الدراسات على المستوى الوطني: فالتعرض خاصية للمهن، أما التبني فخاصية للأماكن والشركات.

وبحسب النتائج التي يوردها المصدر، يصل محللو الائتمان والقضاة وأخصائيو الاستدامة إلى درجات ATE تتراوح بين 0.43 و0.47. وتستحق هذه المجموعة نظرة ثانية؛ فمحلل الائتمان والقاضي وأخصائي الاستدامة لا يشبه بعضهم بعضاً في التدريب أو الأجر أو العمل اليومي. أما ما يجمعهم، وفقاً لحسابات الورقة البحثية، فهو درجة تقع في النطاق نفسه. وأقرأ ذلك باعتباره حجة ضد أي فرز كسول للوظائف إلى "آمنة" و"معرضة للخطر" حسب القطاع أو حسب الإبداع المتصور.

كما أقاوم قراءة أكثر مما يدعمه المصدر في هذا الرقم؛ فالمادة المتاحة لدي تعطي النطاق لهذه المهن الثلاث ولا تذكر كيف يُقارن ببقية الرموز البالغ عددها 236 رمزاً. لذا يُظهر الرقم أن هذه الأدوار معرضة بدرجة كبيرة على مقياس الورقة البحثية، لكنه لا يُظهر أنها الأكثر تعرضاً على الإطلاق.

وتأتي النتائج الإقليمية مقترنة بتحفظ يستحق التكرار؛ إذ تنص الورقة على أن تأثيرات القوى العاملة في سياتل خلال عامي 2026-2027 تقدم عرضاً مسبقاً لما ستشهده القوى العاملة غير التقنية الأوسع على المستوى الوطني في الفترة 2028-2030. هذا تنبؤ بفجوة زمنية معلنة، وهو مصاغ بتحفظ. إنه يُقرأ كفرضية ينتجها النموذج، ولا ينبغي التعامل معه كحقيقة راسخة. لكنه نوع مفيد من الادعاءات، لأنه محدد بما يكفي ليكون قابلاً للدحض؛ فإذا لم ينتقل النمط المبكر في سياتل إلى القوى العاملة غير التقنية على المستوى الوطني بحلول عام 2028، فسيكون لدى النموذج مشكلة لا يستطيع تبريرها أو الالتفاف عليها.

جانب الاستعادة الوظيفية في السجل #

يروي مقياس الإحلال بمفرده نصف قصة أسيموغلو-ريستريبو. ففي إطارهما، تعتمد حصة العمل على ما إذا كان استحداث المهام الجديدة يتفوق على الإحلال. والورقة البحثية التي توسّع هذا الإطار وتقيس الإحلال وحده تكون قد تخلت عن الجزء الذي يمنح الإطار توتره التحليلي.

لكن الورقة البحثية لا تفعل ذلك؛ فهي تحدد الفئات المهنية التي يخلق فيها الذكاء الاصطناعي الوكيل تأثيرات استعادة (reinstatement effects): أدوار جديدة لم تكن موجودة قبل أن يخلق النشر الوكيل طلباً على الإشراف البشري والحوكمة والتعاون على نطاق واسع. وفي المجمل، تحدد سبع عشرة فئة مهنية ناشئة تستفيد من تأثيرات الاستعادة، وتتركز في أدوار التعاون بين الإنسان والذكاء الاصطناعي، وحوكمة الذكاء الاصطناعي، وعمليات الذكاء الاصطناعي المتخصصة حسب المجال.

ومن السهل تتبع الآلية هنا: إذا كان الوكلاء ينفذون مسارات العمل من البداية إلى النهاية، فلا بد لشخص ما أن يشرف عليهم، ويضع القواعد التي يعملون بموجبها، ويعمل إلى جانبهم. ولم تكن هذه الاحتياجات موجودة كوظائف من قبل لأنه لم يكن هناك بعدُ ما يُشرَف عليه.

لا يخبرني المصدر بعدد الأشخاص الذين ستوظفهم هذه الفئات السبع عشرة، ولا ما إذا كان نموها سيعوض الإحلال الذي تقتضيه درجات ATE. لذا فإن البيانات التي يمكنني استخدامها تترك السؤال المركزي مفتوحاً: هل تتفوق الاستعادة على الإحلال؟ إن أي شخص يكتب بثقة أنها تفعل ذلك، أو أنها لا تفعل، يتجاوز الادعاءات الموثقة. وتتمثل مساهمة الورقة البحثية في وضع جانبي السجل داخل الإطار نفسه وتسمية المواضع التي تظهر فيها الأدوار الجديدة.

ما الذي يمكن استخلاصه من ذلك #

هناك درس منهجي وآخر عملي.

الدرس المنهجي هو أن وحدة التحليل هي التي تقرر الإجابة. فقد جاءت القفزة من 47% إلى 9-14% نتيجة الانتقال من المهن إلى المهام. وتجادل الورقة البحثية بأن هناك حاجة الآن إلى انتقال إضافي، من المهام إلى مسارات العمل، لأن الشيء الذي تتم أتمتته لم يعد مهمة منفردة. في كل مرة تغيرت فيها الوحدة، تغيرت التقديرات، ويشير تاريخ هذا المجال إلى أن اختيار الوحدة يستحق من التدقيق بقدر ما يستحقه اختيار البيانات.

أما الدرس العملي فهو موجه لكل من يخطط لأعداد الموظفين أو التدريب أو المنتجات للسنوات الخمس المقبلة. إن المقياس الذي يخبرك بأن 80% من مهام دور وظيفي ما معرضة للأتمتة لم يعد كافياً، لأنه لا يوضح ما إذا كانت النسبة المتبقية البالغة 20% تمثل نواة بشرية متينة أم مجرد الغراء التنسيقي الذي تستطيع وحدة التخطيط في الوكيل توفيره الآن. وقد وُجد عامل تغطية مسار العمل لطرح هذا السؤال مباشرة.

إن مقياس ATE هو مركب ذو معاملات معايَرة، وإسقاطاته مشتقة من النموذج؛ فهي حجة منظمة حول الفترة 2025-2030 وليست سجلاً تاريخياً لها. وهذا سبب لاختبارها بدلاً من تجاهلها. وتقدم فرضية سياتل اختباراً مبكراً: فإذا بدت التأثيرات هناك في عامي 2026-2027 على النحو الذي يقتضيه النموذج، فإن الفجوة الزمنية الممتدة إلى القوى العاملة غير التقنية الوطنية في الفترة 2028-2030 تصبح الشيء التالي الذي تجب مراقبته. وتطرح فئات الاستعادة السبع عشرة السؤال الذي لا تستطيع الادعاءات حسمه: ما إذا كانت الأدوار المستحدثة للإشراف على الوكلاء ستصل بأعداد تُحدث فرقاً في حصة العمل.

الأسئلة الشائعة #

لماذا تقلل أطر تعرض المهام السابقة من تقدير تأثير الذكاء الاصطناعي الوكيل?

تفترض الأطر السابقة المبنية على تقليد أوتور-ليفي-مورنان أن الأتمتة تزيل المهام الفردية بينما تبقى المهنة كقشرة تنسيق بشرية. غير أن أنظمة الذكاء الاصطناعي الوكيل تستوعب التخطيط، واستدعاء الأدوات، وإدارة الحالة، وفحوصات الجودة الوسيطة التي كانت تتطلب سابقاً منسقاً بشرياً، مما يعرّض مسارات عمل كاملة للأتمتة بدلاً من مهام معزولة.

كيف يُحسب مقياس تعرض المهام الوكيل (ATE)?

إن ATE هو مركب خوارزمي يُبنى من تقييمات أهمية المهام في قاعدة بيانات O*NET ‏(wo,t)، ومعايير قدرات الذكاء الاصطناعي وتقارير النشر الصادرة عن الممارسين (CAP(t)‎)، وعامل تغطية مسار العمل الذي يقيس ما إذا كان مسار العمل الكامل للمهنة يتسع داخل الغلاف التشغيلي للوكيل، ومعاملات سرعة التبني اللوجستية المعايَرة عبر 236 رمزاً من رموز SOC.

ما الذي توصلت إليه الدراسة بشأن استحداث الوظائف الجديدة (تأثيرات الاستعادة)?

بتوسيع قناة الاستعادة لدى أسيموغلو-ريستريبو، تحدد الدراسة سبع عشرة فئة مهنية ناشئة تتركز في التعاون بين الإنسان والذكاء الاصطناعي، وحوكمة الذكاء الاصطناعي، وعمليات الذكاء الاصطناعي المتخصصة حسب المجال. ويظل ما إذا كان النمو في تلك الفئات يعوض الإحلال على مستوى مسار العمل سؤالاً تجريبياً مفتوحاً.

المراجع #

• Ravish Gupta and Saket Kumar, (2026). Agentic AI and Occupational Displacement: A Multi-Regional Task Exposure Analysis of Emerging Labor Market Disruption ⧉. arXiv.
• Tyna Eloundou, Sam Manning, Pamela Mishkin, and Daniel Rock, (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models ⧉. arXiv.
• Daron Acemoglu and Pascual Restrepo, (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor ⧉. Journal of Economic Perspectives.
• National Center for O*NET Development, (2025). O*NET Resource Center ⧉. US Department of Labor.

آخر مراجعة 2026-11-01.

# الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/](https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/)

تتعامل أطر تعرض المهام مع المهنة باعتبارها قشرة تبقى صامدة حول ما يزال البشر يفعلونه. أما الأنظمة الوكيلة فتسعى إلى تحقيق هدف وتسلم منتج عمل مكتمل، بحيث يصبح عمل التنسيق...

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/

الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau

تتعامل أطر تعرض المهام مع المهنة باعتبارها قشرة تبقى صامدة حول ما يزال البشر يفعلونه. أما الأنظمة الوكيلة فتسعى إلى تحقيق هدف وتسلم منتج عمل مكتمل، بحيث يصبح عمل التنسيق...

https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/

الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau

تتعامل أطر تعرض المهام مع المهنة باعتبارها قشرة تبقى صامدة حول ما يزال البشر يفعلونه. أما الأنظمة الوكيلة فتسعى إلى تحقيق هدف وتسلم منتج عمل مكتمل، بحيث يصبح عمل التنسيق.

إليك أبرز النقاط الاستراتيجية:

- التوقعات التي بالغت في التقدير. لقد أزاحت الروبوتات الصناعية عمال التصنيع بالفعل، لكنها لم تفعل ذلك وفق الجدول الزمني أو بالحجم اللذين أوحت بهما التوقعات الأولية.
- كيف تعمل أطر المهام. لمعرفة مصدر هذا الضغط، من المفيد توخي الدقة بشأن ما يدّعيه تقليد تحليل المهام.
- النقطة العمياء التي تشترك فيها جميع الأطر. يطرح المصدر ادعاءً محدداً بشأن كل هذه الأعمال: تشترك جميع الأطر المستشهد بها في نقطة عمياء هيكلية، إذ تنمذج الأتمتة باعتبارها اقتطاعاً لمهام فردية بينما تظل المهنة سليمة.
- ما الذي يُعدّ وكيلاً (Agentic). إذا كانت الحجة تعتمد على تمييز مفاهيمي، فإن هذا التمييز يحتاج إلى تعريف.

ما هو نهج مؤسستك في مواجهة التحديات المذكورة في هذا المقال؟

→ https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/

#وكيل #يكسر #فرضية #وراء #تعرضالمهام

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026الذكاء,
  author  = {Rousseau, Sebastien},
  title   = {{الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/
ER  -

Rousseau S. الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 25. Available from: https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/

Rousseau, Sebastien. "الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau." sebastienrousseau.com. October 25, 2026. https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/.

Rousseau, S. (2026, October 25). الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/

الذكاء الاصطناعي الوكيل يكسر الفرضية الكامنة وراء كل توقعات تعرض المهام — Sebastien Rousseau

تتعامل أطر تعرض المهام مع المهنة باعتبارها قشرة تبقى صامدة حول ما يزال البشر يفعلونه. أما الأنظمة الوكيلة فتسعى إلى تحقيق هدف وتسلم منتج عمل مكتمل، بحيث يصبح عمل التنسيق...

Originally published at https://sebastienrousseau.com/ar/2026-10-25-aldhaka-alistinai-alwkyl-yksr-alfrdya-alka/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER