سلسلة: ما الذي يحدث فعلاً
تحليل موثّق ومعايَر لما يفعله الذكاء الاصطناعي بسوق العمل — مفصولاً بين ما هو حقيقة مثبتة، وما هو محل خلاف، وما هو خرافة. لا ذعر ولا طمأنة. أدلة فحسب.
تتصارع ثلاثة معسكرات متمايزة دون أن يصغي أحدها للآخر، وليس أيٌّ منها على صواب تام. إن فهم بنية الجدل هو الشرط الأول لفهم الأدلة.
قليلة هي المواضيع التي تولّد ادعاءات واثقة ومتناقضة في الآن ذاته بكثافة تضاهي موضوع الذكاء الاصطناعي وسوق العمل. ففي أسبوع واحد، تنشر منابر إعلامية موثوقة عناوين من قبيل «الذكاء الاصطناعي قادم لنصف الوظائف المكتبية» و«الذكاء الاصطناعي يخلق وظائف أكثر مما يُلغي — التاريخ يثبت ذلك». كلا العنوانين قابل للدفاع عنه تقنياً، غير أن أياً منهما لا يروي القصة كاملة.
يعود هذا الالتباس إلى بنية هيكلية وليس إلى مصادفة، إذ ينشأ من انهيار ثلاثة نقاشات مختلفة في نقاش واحد: ما الذي يحدث الآن (تجريبي وقابل للقياس)، وما الذي سيحدث بحلول 2030 (إسقاط محل خلاف)، وما الذي سيحدث على مدى 20-50 عاماً (مجهول حقاً). فالباحثون المتشائمون بشأن التوظيف الهيكلي طويل الأمد والباحثون المتفائلون بشأن خلق الوظائف الإجمالي على المدى القريب يستشهدون أحياناً بآفاق زمنية مختلفة — ويمكن أن يكون كلاهما على صواب في الوقت ذاته.
ثمة أيضاً اقتصاد سياسي للتفاؤل. فالشركات التي تبني الذكاء الاصطناعي لها مصلحة حيوية في سردية أن تقنيتها تخلق وظائف أكثر مما تدمر، فيما تملك النقابات والعمال المُزاحون مصلحة في توثيق الأضرار. ولا يعني ذلك بالضرورة أن أياً من الطرفين غير صادق — بل إن كليهما يمارس ضغطاً انتقائياً على الأدلة التي تحظى بالتضخيم.
يسعى هذا التقرير إلى أن يكون مفيداً عبر الانضباط: فكل ادعاء مُصنَّف صراحةً بمستوى الأدلة. حيث تكون البيانات واضحة، نقول ذلك. وحيث تكون محل خلاف، نقول ذلك ونعرض الجانبين الموثوقين. وحيث لا تدعم الأدلة ادعاءات معينة — بصرف النظر عن المعسكر الذي يطرحها — نقول ذلك أيضاً.
فصل الأرقام الراسخة عن الإسقاطات المتنازع عليها — مع الصدق بشأن الفارق بينهما.
وثّقت أبحاث Goldman Sachs (2025) تراجعاً قابلاً للقياس وذا دلالة إحصائية في التوظيف بين العمال الذين تتراوح أعمارهم بين 22 و25 عاماً تحديداً في المهن المعرَّضة للذكاء الاصطناعي. وارتفعت البطالة بين الشباب من 20 إلى 30 عاماً في الأدوار التقنية المعرَّضة بنحو 3 نقاط مئوية منذ مطلع 2025. وشهد مطورو البرمجيات الذين تتراوح أعمارهم بين 22 و25 عاماً تراجعاً بنحو %20 في التوظيف مقارنة بذروتهم أواخر 2022. ويؤكد ذلك مختبر ستانفورد للاقتصاد الرقمي من خلال دراسة «كناري في منجم الفحم» (براينيولفسون وآخرون، 2025) التي حددت الفئة العمرية ذاتها بوصفها المؤشر الأول لتأثير الذكاء الاصطناعي على سوق العمل.
والأهم: لا يزال التوظيف الإجمالي في ارتفاع. ليس هذا انهياراً كلياً في التوظيف — بل هو ضغط مُوجَّه على خط التوظيف المبتدئ في أدوار محددة معرَّضة للذكاء الاصطناعي. تتركز الإشارة في مَن يُوظَّف لبدء مسيرته المهنية، لا في تسريحات جماعية.
تؤكد تجارب عشوائية متعددة عالية الجودة أن أدوات الذكاء الاصطناعي ترفع الإنتاجية فعلاً. وجدت دراسة براينيولفسون ولي وريموند (2025، Quarterly Journal of Economics) — وهي الدراسة الأكثر صرامة المتاحة — أن الذكاء الاصطناعي التوليدي رفع إنتاجية عمال دعم العملاء بمتوسط %14، مع أكبر المكاسب للعمال الأقل مهارة. وتُظهر دراسات GitHub Copilot تحسينات في سرعة البرمجة بنحو %55 للمطورين. والنتيجة الرئيسية هي أن الذكاء الاصطناعي يعمل حالياً كمُضخِّم للإنتاجية وليس كبديل لمعظم العمال النشطين. ويتجلى ديناميكية الإحلال في التوظيف — حاجة أقل لأشخاص جدد — لا في تسريح العمال الحاليين.
تراجعت حصة العمل من الدخل في القطاع غير الزراعي الأمريكي من نحو %64 عام 1980 إلى نحو %57 عام 2017 (أجيموغلو ومانيرا وريستريبو، 2020). ويعكس هذا الاتجاه السابق للذكاء الاصطناعي عقوداً من الأتمتة المنحازة لرأس المال، حيث يتجاوز معدل الضريبة الفعلي على العمل (نحو %25-34) بكثير ذلك المفروض على رأس المال (نحو %5-10)، مما يُحفِّز الإحلال. وتتوقع أبحاث صندوق النقد الدولي (2024-2025) أن يزيد الذكاء الاصطناعي من عوائد رأس المال على حساب دخل العمل — غير أن هذا الأثر يعتمد بشكل كبير على ما إذا كان الذكاء الاصطناعي يُكمِّل أو يُحِل محل العمال ذوي الدخل المرتفع، ومدى استحواذ مالكي رأس المال على مكاسب الإنتاجية مقابل توزيعها كأجور.
«من المرجح أن يكون التأثير الأكثر انتشاراً للذكاء الاصطناعي التوليدي على جودة الوظائف لا على كميتها.»
— منظمة العمل الدولية (ILO/NASK Global Index، مايو 2025)مستوى الخطر وآلية التعرض والجدول الزمني المتوقع — مُرتَّبة حسب الفئة المهنية. نسب الخطر هي تقديرات مبنية على نماذج (انظر تحفظ القسم 02).
| المهنة | تعرض المهام | الآلية الأساسية | الجدول الزمني | الأدلة |
|---|---|---|---|---|
| ممثلو خدمة العملاء | تتولى روبوتات الدردشة المدعومة بنماذج اللغة الكبيرة الاستفسارات من المستوى الأول؛ وتتقلص الأدوار البشرية لتقتصر على معالجة الاستثناءات | 2024-2026 (جارٍ بالفعل) | ✓ حقيقة مثبتة | |
| موظفو إدخال البيانات | أتمتة مباشرة لمعالجة البيانات المتكررة؛ تقنية التعرف الضوئي على الحروف (OCR) عالية الدقة + الذكاء الاصطناعي | 2024-2027 | ✓ حقيقة مثبتة | |
| المساعدون الإداريون / السكرتارية | الجدولة والصياغة وإدارة المستندات والبريد الإلكتروني — جميعها قابلة للتكرار بالذكاء الاصطناعي | 2024-2028 | ◈ أدلة قوية | |
| المترجمون التحريريون / الفوريون | بلغت نماذج اللغة الكبيرة مستوى قريباً من الأداء البشري في الترجمة التجارية القياسية؛ تراجع موثَّق في التوظيف | 2023-2026 (جارٍ) | ✓ حقيقة مثبتة | |
| مُمسكو الدفاتر / موظفو المحاسبة | معالجة البيانات المالية الروتينية قابلة للأتمتة بالكامل؛ وتتوسع برامج المحاسبة المدعومة بالذكاء الاصطناعي بسرعة | 2025-2028 | ◈ أدلة قوية | |
| المدققون اللغويون / محررو النصوص | تؤدي أدوات الذكاء الاصطناعي مهام تصحيح القواعد والأسلوب بدقة أعلى للمحتوى القياسي | 2023-2026 | ◈ أدلة قوية |
المصادر: ILO/NASK Global Index 2025؛ Goldman Sachs Research 2025؛ McKinsey Global Institute؛ IMF SDN 2024
| المهنة | تعرض المهام | الآلية الأساسية | الجدول الزمني | الأدلة |
|---|---|---|---|---|
| مطورو البرمجيات المبتدئون | تُقلِّص أدوات توليد الشيفرات متطلبات الأدوار المبتدئة؛ وتصبح الأدوار العليا أكثر إنتاجية | 2024-2028 | ✓ حقيقة مثبتة | |
| مساعدو المحامين / المساعدون القانونيون | مراجعة المستندات والبحث القانوني وتحليل العقود — جميعها قابلة للتكرار بنماذج اللغة الكبيرة بسرعة | 2025-2029 | ◈ أدلة قوية | |
| المحللون الماليون (المستوى المبتدئ) | أُتمتت التحليلات الروتينية وإعداد التقارير وتركيب البيانات؛ ويُحتفظ بالحكم الخبير للمستوى العالي | 2025-2030 | ◈ أدلة قوية | |
| الصحفيون / كتّاب المحتوى | أُتمتت صحافة البيانات وإنتاج المحتوى القياسي؛ والعمل الاستقصائي / السردي أقل عرضة | 2024-2028 | ◈ أدلة قوية | |
| أطباء الأشعة (طبقة الفرز) | يتفوق الذكاء الاصطناعي على البشر في الفرز الأولي للصور؛ ويتحول الدور نحو التشخيص المعقد والتواصل | 2026-2032 | ⚖ محل خلاف | |
| أمناء الصندوق في التجزئة | يتوسع الدفع الذاتي + تجارة التجزئة بلا احتكاك؛ ويتمدد نموذج Amazon Go | 2024-2030 | ◈ أدلة قوية |
| المهنة | تعرض المهام | الآلية الأساسية | ملاحظات | الأدلة |
|---|---|---|---|---|
| المعلمون / المربّون | أُتمتت المهام الإدارية + إنتاج المحتوى القياسي؛ والتدريس الجوهري والإرشاد صامدان | تحوّل في الدور مرجّح؛ تقليص العدد غير مرجح على المدى القصير | ⚖ محل خلاف | |
| المحاسبون / المدققون (المستوى العالي) | العناصر الروتينية قابلة للأتمتة؛ والحكم المعقد وعلاقة العميل والعمل المرتبط بالمسؤولية صامدة | انشطار: الأدوار المبتدئة تحت الضغط، والأدوار العليا تتعزز | ◈ أدلة قوية | |
| أخصائيو التسويق | يتسارع أتمتة إنشاء المحتوى واختبارات A/B وتحليل الحملات؛ والاستراتيجية الإبداعية أقل عرضة | مُضخِّم للإنتاجية حالياً؛ والإزاحة قادمة على المستوى المبتدئ | ◈ أدلة قوية | |
| الموارد البشرية | أُتمتت الفرز والجدولة والإدارة؛ والثقافة وحل النزاعات والعمل المبني على الحكم لم تُؤتمت | أنظمة تتبع المتقدمين (ATS) مدعومة بالفعل بالذكاء الاصطناعي | ◈ أدلة قوية | |
| سائقو الشاحنات / التوصيل | تقترب المركبات ذاتية القيادة تقنياً من الجدوى؛ وتبقى عوائق تنظيمية وتأمينية ولوجستية في الميل الأخير | عدد كبير من العمال المتأثرين (3.5 مليون في الولايات المتحدة وحدها)؛ والجداول الزمنية تتأخر باستمرار | ⚖ محل خلاف |
| المهنة | تعرض المهام | لماذا صامدة | مستوى الخطر | الأدلة |
|---|---|---|---|---|
| السباكون / الكهربائيون / الحِرف الماهرة | تتطلب براعة يدوية في بيئات غير منظمة؛ ولا تستطيع الروبوتات أداء ذلك بموثوقية أو بتكلفة فعّالة بعد | منخفض — أفق 10-20 سنة كحد أدنى | ✓ حقيقة مثبتة | |
| الممرضون المسجَّلون | الرعاية الجسدية والتواصل مع المرضى والعمل العاطفي والحكم السريري في مواقف غير منظمة | منخفض للإزاحة؛ مرتفع لتعزيز الإنتاجية (التشخيص بالذكاء الاصطناعي) | ✓ حقيقة مثبتة | |
| معالجو الصحة النفسية | العلاقة العلاجية والتعاطف والحكم الإنساني الدقيق؛ وأدوات الذكاء الاصطناعي مكمِّلات لا بدائل | منخفض — العوائق التنظيمية والأخلاقية مرتفعة حتى لو تحسن الذكاء الاصطناعي | ◈ أدلة قوية | |
| معلمو الطفولة المبكرة | الرعاية الجسدية وبناء العلاقات والمراقبة التنموية — لا يمكن تكرارها بالذكاء الاصطناعي | منخفض جداً | ✓ حقيقة مثبتة | |
| كبار المديرين التنفيذيين / الرؤساء التنفيذيون | الحكم الاستراتيجي ورأس المال العلاقاتي والمساءلة واتخاذ القرارات الغامضة في مواقف جديدة | منخفض — لكن الذكاء الاصطناعي سيُضخِّم إنتاجية مَن يتبنّونه | ◈ أدلة قوية | |
| عمال البناء | التعامل المادي في بيئات غير منظمة ومتغيرة؛ والروبوتات غير قابلة للتطبيق على نطاق واسع بعد | منخفض لأكثر من 10 سنوات؛ قد يرتفع 2030-2040 | ✓ حقيقة مثبتة |
تحجب الأرقام الإجمالية تجارب مختلفة جذرياً عبر النوع الاجتماعي والعمر والتعليم والدخل. فالعنوان ذاته «الذكاء الاصطناعي يخلق وظائف أكثر» يمكن أن يكون صحيحاً إجمالياً وكارثياً لفئات سكانية بعينها في الوقت ذاته.
السبب الهيكلي: شغلت النساء بين %93 و%97 من وظائف السكرتارية والمساعدة الإدارية في الولايات المتحدة بين عامي 2000 و2019 (مكتب التعداد الأمريكي). وهذه مهن من المستوى الأول للإزاحة بالذكاء الاصطناعي. وتجد منظمة العمل الدولية أن التمثيل المفرط للنساء في الأدوار الكتابية والإدارية هو المحرك الأساسي لفجوة النوع الاجتماعي في التعرض للذكاء الاصطناعي — لا أي خاصية متأصلة في عمل المرأة تجعله قابلاً للأتمتة بشكل فريد.
المشكلة المركّبة: لا تتركز النساء في وظائف أعلى خطراً فحسب — بل يتبنّين أدوات الذكاء الاصطناعي بمعدلات أقل، مما يجعلهن أقل احتمالاً للانتقال من «الذكاء الاصطناعي يستبدلني» إلى «الذكاء الاصطناعي يُضخِّمني». وتشير الأبحاث إلى أن النساء يواجهن عقوبات اجتماعية إضافية لاستخدام أدوات الذكاء الاصطناعي (مخاوف من أن يُنظر إليهن على أنهن «يغششن» أو أقل ذكاءً) لا يواجهها الرجال بالدرجة ذاتها.
طبقة التحيز: تعيد أنظمة الذكاء الاصطناعي المُدرَّبة على بيانات تاريخية إنتاج التحيزات الجندرية القائمة وقد تُضخِّمها في التوظيف وقرارات الأجور والتصنيف الائتماني — مما يخلق خطراً في الوظائف المفقودة والوظائف المُتقدَّم لها على حد سواء. وتشير منظمة العمل الدولية إلى أن النساء ممثلات تمثيلاً ناقصاً في تطوير الذكاء الاصطناعي (%22 فقط من محترفي الذكاء الاصطناعي عالمياً حسب المنتدى الاقتصادي العالمي 2025)، مما يجعل التصحيح الذاتي عبر فرق تطوير متنوعة صعباً هيكلياً.
ضغط المستوى المبتدئ: يتمثل التأثير العمري الأوضح والأكثر توثيقاً في ضغط التوظيف في المستوى المبتدئ. إذ يُقلِّص الذكاء الاصطناعي الحاجة إلى العمال المبتدئين تحديداً في الأدوار التي كانت تاريخياً الدرجة الأولى في السلم المهني: مطوّر مبتدئ، محلل مبتدئ، مساعد قانوني مبتدئ، ممثل خدمة عملاء. ويضيق المسار نحو الأدوار العليا قبل أن تتعرض تلك الأدوار ذاتها للتهديد.
المفارقة بالنسبة للجيل Z: الجيل الأكثر قلقاً من الذكاء الاصطناعي ليس الجيل الذي يفقد وظائف إجمالياً — فالتوظيف الكلي لا ينهار. بل هو الجيل الذي يجد باب سلمه المهني أضيق مما كان عليه لأجيال سابقة. وهذا ضرر حقيقي حتى لو بدت الأرقام الكلية جيدة.
العمال الأكبر سناً المُزاحون: يواجه العمال الذين تجاوزوا الخمسين والذين يفقدون وظائف معرَّضة للذكاء الاصطناعي أشد تحديات الانتقال. فقد وجدت أبحاث الاحتياطي الفيدرالي في بوسطن (ديسمبر 2024) أن نحو %21 من العمال المُستطلَعين توقعوا أن يُسيء الذكاء الاصطناعي لوضعهم المالي خلال 5 سنوات، ويتركز ذلك بشكل كبير في هذه الفئة العمرية الأكبر. فإعادة التدريب لقطاعات جديدة أصعب وتستغرق وقتاً أطول وعوائدها أقل في هذه المرحلة العمرية — وهذه هي الفئة التي حددتها Brookings بوصفها الأكثر عرضة.
تميّز ورقة عمل صندوق النقد الدولي (روكال وتافاريس وبيتزينيلي، 2025) بين ثلاث فئات مهنية: HELC (تعرض مرتفع، تكاملية منخفضة — منطقة الخطر)، وHEHC (تعرض مرتفع، تكاملية مرتفعة — منطقة التعزيز)، وLE (تعرض منخفض — غير متأثرة إلى حد كبير). والسؤال السياساتي الحاسم هو أي العمال يقع في أي فئة.
التعليم المنخفض (بدون شهادة جامعية): تعرض مباشر أقل للذكاء الاصطناعي (صندوق النقد الدولي: %26 لعمال البلدان منخفضة الدخل مقابل %60 للاقتصادات المتقدمة)، لكن أيضاً قدرة أقل على الانتقال إلى أدوار مكمِّلة للذكاء الاصطناعي. و«الحماية» المتمثلة في عدم الوقوع في مرمى اقتصاد الذكاء الاصطناعي هي جزئياً نتيجة لعدم الوصول بعد إلى البنية التحتية الرقمية التي تُتيح الخطر والفرصة معاً.
حاملو الشهادات الجامعية: يقرّ %44 منهم بأن الذكاء الاصطناعي يستطيع أداء بعض مهامهم (مقابل %22 بدون شهادة جامعية) — وعي أعلى، لكن أيضاً قدرة تكيّف أعلى. وتؤكد الدراسات أن العمال الحاصلين على تعليم ما بعد الثانوي يختبرون الذكاء الاصطناعي كمكمّل لقدراتهم أكثر منه بديلاً.
وقد أكدت مؤسسة Brookings: «يواجه العمال الأفضل أجراً والأعلى تعليماً أكبر قدر من التعرض.» غير أن التعرض لا يعني الضرر إذا كانت التكاملية مرتفعة. والخطر الحقيقي يكمن في طبقة العمال الذين يملكون تعليماً كافياً ليكونوا في أدوار معرَّضة للذكاء الاصطناعي لكنهم يفتقرون إلى الأقدمية أو القدرة على التكيّف أو الموارد للتحول نحو التكاملية.
يُعد البُعد الطبقي لتأثير الذكاء الاصطناعي على التوظيف الجانب الأكثر إثارة سياسياً والأكثر إثارة للجدل تحليلياً في هذا الموضوع. ويتطلب فصلاً دقيقاً بين ديناميكيتين مختلفتين تعملان في آن واحد.
أكثر الردود شيوعاً على مخاوف الإزاحة بالذكاء الاصطناعي هو أن وظائف جديدة ستظهر كما حدث في التحولات التقنية السابقة. في البلدان الغنية، هذه حجة محل خلاف لكنها معقولة. أما في العالم النامي، فيصعب تقديمها كثيراً.
مفارقة الهند: تطمح الهند لأن تصبح مركزاً رئيسياً للذكاء الاصطناعي، حيث يُتوقع نمو سوقها للذكاء الاصطناعي بمعدل نمو سنوي مركب %25-35 بحلول 2027. ومع ذلك، فإن قطاع خدمات تقنية المعلومات والأعمال الهندي الذي تبلغ قيمته نحو 250 مليار دولار — والذي يوظف الملايين في أدوار معرفية مُستعان بها بالإنجليزية — هو تحديداً القطاع الأكثر عرضة لأتمتة الذكاء الاصطناعي من الشركات الغربية التي تسعى لخفض التكاليف. والعمال المستفيدون من طموحات الهند في الذكاء الاصطناعي والعمال الخاسرون لوظائفهم بسببه هم فئتان مختلفتان تماماً، يفصل بينهما التعليم واللغة والموقع والدخل.
فخ توسيم البيانات: تتألف حصة كبيرة من «الوظائف الجديدة» في مجال الذكاء الاصطناعي بالنسبة للجنوب العالمي من أعمال تصنيف البيانات وإشراف المحتوى وتدريب الذكاء الاصطناعي — بأجور غالباً ما تتراوح بين 1 و2.50 دولار في الساعة في كينيا، وما يماثلها في بنغلاديش والهند. ويؤدي هؤلاء العمال العمل غير البراق الذي يجعل أنظمة الذكاء الاصطناعي تعمل، مع حمايات ضئيلة ودون مسار مهني وتعرض لمحتوى ضار نفسياً. وقد حذر مؤتمر الأمم المتحدة للتجارة والتنمية (أونكتاد) من أن الذكاء الاصطناعي قد يُقلِّص الميزة التنافسية للعمالة منخفضة التكلفة في البلدان النامية — الرافعة الاقتصادية الوحيدة التي تملكها — دون خلق فرصة بديلة مكافئة.
تؤكد أبحاث صندوق النقد الدولي (2024) وتحليلات ResearchGate (2025): تتركز الإزاحة في الفترة 2024-2027 بينما ينتشر خلق الوظائف عبر جداول زمنية أطول. وفي الاقتصادات المتقدمة، توجد المؤسسات وشبكات الأمان والأنظمة التعليمية لإدارة هذا الانتقال (بشكل غير مثالي). أما في الاقتصادات النامية التي تشهد إزاحة للأدوار المُستعان بها من الخارج، فتغيب تلك الحواجز المؤسسية. والنتيجة: تشهد الاقتصادات النامية إزاحة دون خلق تعويضي، مما يوسّع عدم المساواة الدولية.
في أمريكا اللاتينية: تُظهر نحو %25 من الوظائف في البرازيل وتشيلي وكولومبيا والمكسيك وبيرو تعرضاً مرتفعاً للذكاء الاصطناعي مع تكاملية منخفضة على مستوى المهام — مما يجعلها شديدة الهشاشة أمام الإحلال. وبالنسبة للعمال في مراكز الاتصال وخدمات التعهيد تحديداً، يصف باحثو منظمة العمل الدولية هذا الخطر بأنه «حاد».
أقوى حجة لصالح التفاؤل بسوق العمل هي 200 عام من الأدلة على أن التقنية تخلق وظائف أكثر مما تُلغي. تستحق هذه الحجة تعاملاً جاداً — وتدقيقاً جاداً.
الرد الاقتصادي المعياري: إن «مغالطة كمية العمل الثابتة» — الاعتقاد الخاطئ بأن ثمة كمية ثابتة من العمل — هي خطأ منطقي حقيقي. فالتقنيات الجديدة تخلق طلباً جديداً وصناعات جديدة ومهناً جديدة لا يمكن التنبؤ بها مسبقاً. وصرّح محافظ الاحتياطي الفيدرالي بار (مايو 2025): ظل الاقتصاديون متشككين طويلاً في افتراض أن الأتمتة تؤدي إلى بطالة دائمة.
الضربة المضادة من أجيموغلو (MIT/IMF، ديسمبر 2023): «لا يوجد ضمان بأن الذكاء الاصطناعي، في مساره الحالي، سيولّد وظائف أكثر مما يُلغي.» اعتمد النمط التاريخي لخلق الوظائف الجديدة على توازن بين الأتمتة وخلق المهام الجديدة. في وقت ما بعد عام 1970 تقريباً، فُقد هذا التوازن. وتتراجع حصة العمل من الدخل منذ 50 عاماً. وتباطأ خلق المهام الجديدة، لا سيما للعمال الذين لا يحملون شهادات جامعية. وقد يُسرِّع الذكاء الاصطناعي ديناميكية مكسورة أصلاً بدلاً من عكسها.
حجة السرعة: استغرقت التحولات التاريخية أجيالاً. فالنول أزاح النسّاجين على مدى 50-100 سنة؛ وتكيّف أبناء العمال. أما الذكاء الاصطناعي فقد يضغط تحولات مكافئة في 5-10 سنوات. وحتى لو كانت النتيجة طويلة المدى إيجابية صافياً، فإن تكاليف الانتقال المقاسة بالأرواح البشرية — فقدان الدخل والضغط النفسي وتفكك الأسر — حقيقية ومركزة في فئات سكانية بعينها لا تستطيع ببساطة «انتظار الوظائف الجديدة».
يشير مصطلح «تقنية الأغراض العامة» (GPT بالمعنى الاقتصادي) إلى التقنيات التي تعيد تشكيل قطاعات متعددة في آن واحد — الكهرباء والحوسبة والإنترنت. وخلص ديمينغ وسامرز (2025) إلى أن الذكاء الاصطناعي يستوفي معايير تقنية أغراض عامة بهذا الحجم.
ما يُعد مختلفاً بشأن الذكاء الاصطناعي مقابل تقنيات الأغراض العامة السابقة:
1. أتمتت التقنيات السابقة المهام اليدوية أو المعرفية الضيقة. والذكاء الاصطناعي هو أول تقنية قادرة على أداء التفكير العام واللغة والمهام الإبداعية — العمل الذي كان يُعتبر فريداً بشرياً ومحصناً ضد الأتمتة. 2. خلقت التقنيات السابقة مهاماً جديدة تطلبت عمالة بشرية لأدائها. والمهام الجديدة التي يخلقها الذكاء الاصطناعي (مدرب ذكاء اصطناعي، مسؤول أخلاقيات الذكاء الاصطناعي، مدير منتجات الذكاء الاصطناعي) تتطلب عمالاً أقل بكثير مقارنة بالمهام التي تُحل محلها. ويشكّل مهندسو الأوامر (prompt engineers) — الذين تُنبئ بأنهم سيكونون مهنة كبيرة — أقل من %0.5 من إعلانات الوظائف على LinkedIn. 3. حافز إحلال رأس المال محل العمل مُضمَّن هيكلياً في قانون الضرائب الأمريكي (ضريبة العمل نحو %30، ضريبة رأس المال نحو %8)، مما يجعل الاستبدال الخيار العقلاني لأي فاعل مؤسسي.
«كان لدى الاقتصاد الأمريكي 2.5 روبوت صناعي لكل ألف عامل في التصنيع عام 1993. وارتفع هذا الرقم إلى 20 بحلول 2019. وقد تسببت الأتمتة المفرطة في تراجع حصة العمل من الدخل من %64 عام 1980 إلى %57 عام 2017.»
— أجيموغلو ومانيرا وريستريبو، مُستشهد به في Chicago Booth Reviewيرفع الذكاء الاصطناعي الإنتاجية في القطاعات المعرَّضة له. وهذا مُثبت بأدلة قوية ولا يُنازع فيه جدياً. والسؤال الجوهري المتنازع عليه هو ما إذا كانت مكاسب الإنتاجية هذه تترجم إلى ازدهار أوسع أم تتركز أكثر في القمة.
أدلة الإنتاجية حقيقية. فالتجارب العشوائية المحكومة — المعيار الذهبي في العلوم الاجتماعية — تؤكد أن أدوات الذكاء الاصطناعي ترفع الإنتاج في البيئات المهنية. وليس السؤال هل تزداد الإنتاجية، بل مَن يحصد تلك الزيادة.
يقدم أجيموغلو وجونسون (Power and Progress، 2023) مفهوم «قطار الإنتاجية»: الفكرة القائلة بأنه لكي تستفيد الغالبية من نمو الإنتاجية، يجب أن تكون تلك الإنتاجية «مرتبطة» بتحسين كفاءة العمل البشري — أي رفع الإنتاجية الهامشية للعمال — بدلاً من مجرد أتمتة المهام البشرية والاستحواذ على المكاسب كدخل رأسمالي.
ويضيف تحليل معهد السياسة الاقتصادية (EPI) أن معدل الضريبة الفعلي على العمل يبلغ تقريباً ضعف ذلك المفروض على رأس المال في الولايات المتحدة، مما يعني أن الشركات مُحفَّزة هيكلياً لإحلال رأس المال محل العمل حتى عندما لا يكون ذلك الخيار الأكثر كفاءة اقتصادياً. ويوصي براينيولفسون (MIT) بموازنة معدلات الضريبة الفعلية على العمل ورأس المال كأكثر التدخلات مباشرة لتغيير بنية الحوافز هذه.
الدليل المضاد من التسعينيات: تُظهر أبحاث معهد السياسة الاقتصادية أن التسعينيات — التي شهدت نمواً هائلاً في الإنتاجية المدفوعة بالتقنية من الإنترنت — أسفرت عن نمو واسع النطاق في الأجور وتراجع في البطالة، لا مكاسب مركزة. والتفسير: انخفضت البطالة بما يكفي لتوليد قوة تفاوضية حقيقية للعمال. والدرس السياساتي هو أن ظروف التوظيف الكلي تهم بقدر أهمية التقنية ذاتها في تحديد ما إذا كانت مكاسب الإنتاجية توزَّع.
ينتج كلا معسكري الكارثيين والمستهينين ادعاءات واسعة الانتشار لا تدعمها الأدلة. يحدد هذا القسم الأكثر شيوعاً منها من كلا الجانبين.
أنتج فراي وأوزبورن (Oxford Martin، 2013) نموذجاً مُستشهداً به على نطاق واسع يتنبأ بأن %47 من المهن الأمريكية معرَّضة لخطر مرتفع. ويوثّق Harvard Data Science Review (خريف 2025) أن هذا كان تحليلاً على مستوى المهام مُدَّد بشكل غير صحيح إلى وظائف كاملة. وحين أعادت منظمة التعاون الاقتصادي والتنمية تطبيق منهجيتها الخاصة وصلت إلى %9 — أقل بخمس مرات. والأهم من ذلك: المهن التي صُنِّفت «معرضة للخطر» عام 2013 (مُعدّو الضرائب، المسوقون عبر الهاتف، مكتتبو التأمين) لم تختفِ فعلاً على نطاق واسع خلال السنوات الاثنتي عشرة التالية. ورقم %47 هو تقنياً مخرجات نموذج من عام 2013 مع تحفظات منهجية كبيرة — وتقديمه كحقيقة هو تضليل.
غالباً ما يُنقل هذا الرقم من Goldman Sachs (2023) بشكل خاطئ. ذكر التقرير الأصلي أن 300 مليون معادل وظيفة بدوام كامل يمكن أن تتعرض للأتمتة إذا تبنّي الذكاء الاصطناعي على نطاق واسع — وهو تقدير تعرض على مستوى المهام ضمن سيناريو نشر متفائل. ويتوقع التقرير ذاته أن السيناريو الأكثر ترجيحاً للإزاحة هو %6-7 من القوى العاملة الأمريكية، مع ارتفاع البطالة بنصف نقطة مئوية فقط فوق الاتجاه خلال فترة الانتقال، قبل التعافي في غضون عامين تقريباً. رقم الـ300 مليون حقيقي؛ أما تقديمه كتوقع بطالة جماعية وشيكة فليس كذلك.
صرّح الرئيس التنفيذي لشركة Anthropic داريو أموداي عام 2025 بأن الذكاء الاصطناعي قد يلغي نحو %50 من الوظائف المكتبية المبتدئة خلال خمس سنوات. ورد الرئيس التنفيذي لـNvidia جنسن هوانغ (Jensen Huang) صراحة على ذلك. وتُظهر الأدلة ضغطاً حقيقياً وموثقاً على التوظيف المبتدئ في القطاعات المعرَّضة للذكاء الاصطناعي — لا سيما التقنية. غير أن «%50 من الوظائف المكتبية المبتدئة» عبر جميع القطاعات خلال 5 سنوات يتطلب سرعة ونطاق تبنٍّ لا تؤكدهما البيانات الحالية. والقلق الأساسي مشروع؛ أما الرقم المحدد والجدول الزمني فليسا مدعومين بأدلة كافية.
النمط التاريخي حقيقي: لم تكن %60 من الوظائف الأمريكية الحالية موجودة عام 1940. غير أن أجيموغلو وجونسون يوثقان أن خلق المهام الجديدة تباطأ منذ 1970، وأن التوازن بين الأتمتة وخلق الوظائف مختل أصلاً، وأن سرعة تبنّي الذكاء الاصطناعي قد تضغط تحولات استغرقت تاريخياً أجيالاً. وصلاحية النمط السابقة لا تضمن صلاحيته المستقبلية — خاصة حين يكون الذكاء الاصطناعي أول تقنية تهدد مهام التفكير العام لا المهام اليدوية أو المعرفية الضيقة فحسب. إن مغالطة كمية العمل الثابتة خطأ اقتصادي حقيقي؛ لكن رفض خطر الذكاء الاصطناعي بالكامل عبر استحضارها هو خطأ أيضاً.
أدلة برامج إعادة التدريب مثبطة. إذ أثبتت دراسة «صدمة الصين» (أوتور ودورن وهانسون، 2016) — أكثر ورقة اقتصادية أمريكية تأثيراً في العقد الأخير — أن المنافسة الاستيرادية من الصين دمرت أجزاء واسعة من القوى العاملة الأمريكية، وأن برامج إعادة التدريب فشلت إلى حد كبير في إنتاج تحولات ناجحة. وبموجب قانون الاستثمار والفرص في القوى العاملة الأمريكي (WIOA): حتى 2023-2024، حصل أقل من %10 من المشاركين في التدريب على تدريب أثناء العمل؛ و%2 فقط حصلوا على تلمذة مهنية. والأمثلة الناجحة لإعادة التدريب نادرة. وإخبار عمال مُزاحين بعمر 55 عاماً في التصنيع أو الأعمال الكتابية بأن «يعيدوا تأهيل أنفسهم» دون معالجة العوائق الهيكلية من تكلفة ووقت وصعوبة نفسية وتمييز عمري ليس سياسة — بل طمأنة تخذل العمال الأكثر هشاشة.
يوثّق Harvard Data Science Review (خريف 2025): يشكّل مهندسو الأوامر أقل من %0.5 من عينة حديثة من إعلانات الوظائف على LinkedIn (فو وأوبنلاندر، 2025). وقد فشلت إلى حد كبير تنبؤات «الوظائف الجديدة من الذكاء الاصطناعي» المحددة التي انتشرت على نطاق واسع في 2022-2023 (مهندس أوامر، مسؤول أخلاقيات الذكاء الاصطناعي كصاحب عمل جماعي) في التحقق بالنطاق المتوقع. ولا يعني ذلك أنه لن تنشأ وظائف جديدة من الذكاء الاصطناعي — بل يعني أن التنبؤات المحددة حول أي الوظائف هي غير موثوقة بشكل منهجي، وأن الحجم الإجمالي لصافي الوظائف الجديدة المُستحدثة أصعب بكثير في التنبؤ به من الوظائف المُزاحة.
مشهد لما يُجرَّب فعلاً، وما تقوله الأدلة حول كل تدخل، والفجوة الهيكلية بين حجم الاضطراب المحتمل وحجم الاستجابة السياساتية.
تتطلب المشكلات الهيكلية حلولاً هيكلية. لكن في انتظار السياسات، يمكن للأفراد اتخاذ إجراءات تدعمها الأدلة. مُرشَّحة حسب مرحلتك العمرية وقطاعك.
إذا كانت مهنتك تظهر في جداول «الخطر الحرج» أو «الخطر المرتفع» في القسم 03 — أو إذا كان دورك إدارياً أو في إدخال البيانات أو خدمة عملاء روتينية بشكل أساسي.
إذا كانت مهنتك تظهر في فئة «الصامدة» — الحِرف الماهرة، الرعاية الصحية، التعليم، الخدمات المهنية المعقدة.