قياس عائد الذكاء الاصطناعي في العمل المعرفي

اسأل قاعة مليئة بالمديرين: هل يؤتي الذكاء الاصطناعي ثماره؟ وستحصل على نوعين من الإجابات. بعضهم يشير إلى استبيان يزعم فيه الموظفون أنهم يوفرون بضع ساعات أسبوعياً. وبعضهم يهز كتفيه ويقول إن الأمر يصعب تحديده. الرد الأول صادق، والثاني صادق، وكلاهما يخطئ الهدف. فالعائد من الذكاء الاصطناعي في العمل المعرفي حقيقي، لكنه يختبئ في مواضع لا يلتقطها رقم بسيط عن الوقت الموفر.

المشكلة تبدأ من المقياس نفسه. «الساعات الموفرة» تبدو عبارة صارمة، لكنها في معظمها تقارير ذاتية، سهلة التضخيم، وعمياء عن سؤال جوهري: هل أنتجت الساعات الموفرة شيئاً أفضل؟ فإذا صاغ أحدهم بريداً إلكترونياً بضعف السرعة وجاء البريد عاماً باهتاً لا يعلق في الذاكرة، فأنت لم تكسب الكثير، بل أنتجت الرداءة بكفاءة أعلى. القياس الصادق يتطلب النظر إلى ما يتغير فعلاً حين يؤدي الذكاء الاصطناعي عملاً نافعاً.

ثلاثة مواضع يظهر فيها العائد فعلاً

العائد الحقيقي من الذكاء الاصطناعي في العمل المعرفي ينزل غالباً في ثلاث خانات، واحدة منها فقط تشبه السرعة الخام.

• زمن الدورة. كم يستغرق الانتقال من سؤال إلى قرار، أو من صفحة بيضاء إلى مسودة صالحة للتسليم؟ هذا قابل للقياس ومهم، لأن الدورات الأسرع تعني تكرارات أكثر وتصحيح مسار أسرع.
• الجودة والاتساق. هل يعكس الناتج قيودك الفعلية، وعميلك، وقراراتك السابقة؟ العمل المتسق المرتكز على السياق يقلل إعادة العمل، واحتكاك المراجعة، والكلفة الصامتة لأشياء تخرج إلى النور وفيها خطأ طفيف.
• الرافعة. هل صار بمقدور شخص واحد الآن أداء عمل كان يستلزم تسليمه إلى متخصص؟ مؤسس يصوغ ملخصاً ذا طابع قانوني، ومسوّق يجري تحليلاً أولياً، وموظف جديد ينتج عملاً بجودة الخبراء في أسبوعه الأول. هنا تختبئ أكبر العوائد، وهنا تصمت استبيانات الوقت الموفر صمتاً تاماً.

إن اكتفيت بتتبع الخانة الأولى، فستخلص إلى أن الذكاء الاصطناعي وسيلة راحة متواضعة. تتبع الخانات الثلاث معاً وستتغير الصورة.

لماذا يبخس الذكاء الاصطناعي العام قيمة نفسه

هنا الجزء غير المريح. معظم الفرق تقيس عائد نسخة من الذكاء الاصطناعي تعمل بأقل من طاقتها في صمت، لأنها تستخدمه بلا سياق. فالنموذج الذي لا يعرف شيئاً عن شركتك يعطيك الإجابة الأكثر شيوعاً عن أي سؤال ويسقط البدائل التي قد تناسب وضعك فعلاً. إنه سريع، لكنه عام، والعمل العام يحتاج من الإنقاذ البشري أكثر مما يبدو.

كتبنا عن نمط الفشل هذا في الخطر الخفي للذكاء الاصطناعي العام: فالكلفة ليست البهتان وحده، بل قرارات تُتخذ على رؤية مختزلة للخيارات. حين تقيس العائد على ناتج عام، فأنت تقيس الأرضية لا السقف. العوائد المثيرة للاهتمام تظهر متى امتلك النموذج سياقك الحقيقي ليستدل به.

هذا هو الفرق بين «الذكاء الاصطناعي كتب شيئاً» و«الذكاء الاصطناعي كتب شيئاً نستطيع تسليمه». الفجوة بين الاثنين يملؤها السياق، وسدها هو موطن القيمة المتراكمة.

إطار بسيط تستطيع تطبيقه فعلاً

لست بحاجة إلى فريق علوم بيانات لقياس هذا. اختر مهمة واحدة متكررة عالية الحجم وراقبها شهراً.

1. حدد خط الأساس للدورة. قبل تغيير أي شيء، سجل كم تستغرق المهمة من أولها إلى آخرها، بما فيها المراجعة والتنقيح، لا المسودة الأولى فقط.
2. عُدَّ عمليات الإنقاذ. في العمل المدعوم بالذكاء الاصطناعي، لاحظ كم مرة يحتاج الناتج إلى إعادة صياغة جوهرية قبل أن يصبح صالحاً. كثرة الإنقاذ تشير إلى مشكلة سياق، لا مشكلة نموذج.
3. قدّم السياق الحقيقي، ثم أعد القياس. أعطِ النموذج تفاصيل الوضع والقرارات السابقة التي تحتاجها المهمة، معادة الاستخدام لا معادة الكتابة، وأجرِ القياسات نفسها مرة أخرى.
4. تتبع ما بعد المهمة، لا ما قبلها فقط. هل أفضت المسودات الأسرع إلى تكرارات أكثر، وموافقات أسرع، واجتماعات أقل لتوضيح المقصود؟ الآثار من الدرجة الثانية أكبر عادة من الأولى.

سبب أهمية الخطوة الثالثة أن إعادة استخدام السياق هي ما ينقل الذكاء الاصطناعي من طرفة جديدة إلى بنية تحتية. فإعادة كتابة خلفيتك في كل محادثة ضريبة تمحو معظم المكاسب، وهو نمط نغطيه في إرهاق التلقين وحجة السياق القابل لإعادة الاستخدام. عبّئ ذلك السياق مرة واحدة في كبسولة سياق الذكاء الاصطناعي فتصبح المهمة نفسها أسرع وأفضل في آن واحد، وهذه بالضبط التوليفة التي ينبغي لأي حساب عائد حقيقي أن يكافئها.

أين تترك الفرق الحصة الأكبر على الطاولة

المكاسب الفردية جميلة، لكن أكبر العوائد بنيوية. حين يبني شخص واحد سياقاً قابلاً لإعادة الاستخدام ويشاركه، يرثه الفريق كله. الموظفون الجدد يندمجون أسرع لأن المعرفة المؤسسية معبأة سلفاً. والمراجعات تقصر لأن الجميع يستند إلى الحقائق نفسها. والقرارات تكف عن العودة إلى ساحة الجدل لأن منطقها ملتقط، لا ضائعاً في سلسلة رسائل.

هذه هي حجة معاملة السياق بوصفه بنية تحتية مشتركة لا مهارة شخصية، وهي حجة نبسطها كاملة في لماذا يحتاج كل فريق إلى سياق ذكاء اصطناعي مشترك. تتغير رياضيات العائد حين يعاد استخدام الأصل عبر الأشخاص، لأنك توزع كلفة بنائه مرة واحدة على كل استخدام قادم.

الخلاصة الصادقة

الذكاء الاصطناعي في العمل المعرفي يؤتي ثماره فعلاً، لكن عائده سهل البخس وسهل المبالغة في الوقت نفسه. مبخوس لأن استبيانات الوقت الموفر تتجاهل الجودة والرافعة. ومبالغ فيه لأن الناتج العام يبدو منتجاً بينما يحتاج إلى إنقاذ في صمت. والمخرج هو قياس زمن الدورة والجودة والرافعة معاً، وسد فجوة السياق قبل الحكم على الأداة.

إن أردت أن ترى نصف المعادلة الخاص بالجودة بنفسك، فإن معرض الأمثلة يعرض الأسئلة نفسها مجابة بسياق حقيقي ومن دونه، فيصبح الفرق مرئياً لا نظرياً. وإن كنت مستعداً لتطبيق الإطار أعلاه على مهمة واحدة، فإن صفحة الأسعار نقطة بداية قليلة الالتزام. قِس المقاييس المملة بصدق، وقدّم السياق الذي ينقص النموذج، فيكف العائد عن أن يكون مسألة إيمان.