ميتا وكلارنا تتراجعان عن نهج «الذكاء الاصطناعي أولاً»: لماذا لا تزال الشركات تحتاج البشر؟

لا تتخلى ميتا وكلارنا عن الذكاء الاصطناعي، لكنهما تتراجعان عن فرضية أكثر طموحاً: أن بإمكانه استبدال وظائف أو فرق كاملة بصورة موثوقة. فالدرس العملي من التجربتين هو أن الأتمتة تتفوق في المهام المتكررة والواضحة، بينما يبقى البشر ضروريين عند الغموض، وتعارض الأولويات، ومراجعة النتائج، والحالات الاستثنائية، وحماية تجربة العميل.

ميتا: فرق أصغر مدعومة بالوكلاء الذكيين، لكن التنفيذ أعقد

ذكرت رويترز أن مبادرة ميتا الداخلية «بروجكت أو تي» (Project OT، اختصاراً لـ«تحول المنظمة») صُممت كإعادة هيكلة على موجتين: أولى في مايو 2026، ثم موجة لاحقة كان مخططاً لها في نوفمبر. نفذت الشركة خفضاً بنحو 10% من قوتها العاملة في مايو، ثم أوقفت التخطيط لخفض نوفمبر. وأكدت ميتا وجود المشروع، ووصفتْه بأنه جهد يمتد عاماً لخفض التكاليف، وإعادة تصميم هياكل الفرق، وتحويل الموظفين إلى مجالات ذات أولوية. 2

تكمن أهمية التراجع في أن الخطة لم تكن خفضاً تقليدياً للتكاليف فحسب؛ إذ تصورت فرقاً أصغر بكثير يعمل أفرادها إلى جانب وكلاء ذكاء اصطناعي. لكن زيادة عدد المسودات أو الشيفرات أو المخرجات التي تنتجها الأدوات لا تعني تلقائياً تسليماً موثوقاً للمنتجات. ففي سير العمل المعقد، لا بد من أشخاص يحددون الأهداف، ويربطون العمل بين الأنظمة، ويختبرون النتائج، ويكتشفون الأعطال، ويتحملون المسؤولية عند وقوع الخطأ.

ولا يعني ذلك أن ميتا أوقفت استثماراتها في الذكاء الاصطناعي أو استخدامه في العمل؛ بل الذي تغير هو الثقة في أن قدرات الوكلاء تبرر موجة واسعة ثانية من خفض الوظائف وفق الجدول الأصلي. 2

كلارنا: كثافة المعالجة لا تساوي جودة الخدمة

تقدم كلارنا، شركة التكنولوجيا المالية السويدية، النسخة المتعلقة بخدمة العملاء من المشكلة نفسها. تعامل مساعدها المدعوم بالذكاء الاصطناعي مع حصة كبيرة من محادثات الدعم المعتادة، مثل الاستفسارات عن المدفوعات والمبالغ المستردة وعمليات الإرجاع. لكن الشركة خففت لاحقاً من نهج «الذكاء الاصطناعي فقط» وعادت إلى توظيف موظفي دعم بشريين. 1720

وبحسب تقارير عن هذا التحول، أقر الرئيس التنفيذي سيباستيان سيمياتكوفسكي بأن الشركة خفضت القدرة البشرية بصورة مفرطة. ولم تكن المشكلة أن الذكاء الاصطناعي بلا فائدة، بل أنه واجه صعوبة في القضايا المعقدة والملتبسة أو المشحونة عاطفياً؛ وهي حالات يحتاج التعامل معها إلى تحقيق وتقدير للظروف وتعاطف. لذلك بدأت كلارنا إعادة بناء قدراتها البشرية في الدعم إلى جانب الأتمتة. 1819

وهذا فارق جوهري في عمليات الدعم: يمكن للنظام أن يحل الطلبات الشائعة بسرعة، لكنه قد يضر بثقة العملاء إذا لم يتمكن من لديهم نزاع على دفعة، أو ظرف غير اعتيادي، أو مشكلة تتصاعد، من الوصول سريعاً إلى موظف مؤهل. قيمة الأتمتة تعتمد على وجود مسار تصعيد واضح ومساءلة بشرية داخل الخدمة.

النموذج الأكثر واقعية: الذكاء الاصطناعي كرافعة لا كبديل شامل

تشير الحالتان إلى نموذج تشغيلي أكثر استدامة:

• أتمتة المهام المتوقعة: تكون فائدة الذكاء الاصطناعي أكبر عندما تكون المدخلات موحدة، والنتائج سهلة التحقق، والأخطاء قليلة الكلفة في تصحيحها.
• الإبقاء على البشر عند نقاط القرار: يبقى الإنسان محورياً عندما تتطلب المهمة سياقاً عابراً للأنظمة، أو موازنة بين خيارات، أو حكماً مهنياً، أو مسؤولية، أو إدارة علاقة مع عميل.
• تصميم مسار التصعيد من البداية: تحتاج خدمة العملاء والعمليات عالية المخاطر إلى تسليم واضح للحالات إلى أشخاص مؤهلين، لا إلى حلقة آلية مغلقة.
• قياس النتائج لا النشاط فقط: زيادة الشيفرة المُنتجة أو سرعة الرد الأول أو عدد المهام المنجزة ليست مؤشرات كافية إذا تراجعت الجودة أو سلامة القرارات أو حل المشكلات أو ثقة العملاء.

لا يعني هذا أن الوظائف لن تتغير. الأرجح أن التغيير سيصل عبر إعادة تصميم الفرق، وتبدل المهارات المطلوبة، وتراجع عدد الأدوار المكرسة للعمل الروتيني، لا عبر نهاية فورية للعمل البشري نفسه.

بيانات التوظيف: إعادة توجيه الطلب نحو القدرات التقنية

تنسجم بيانات سوق العمل في قطاع التكنولوجيا مع هذه القراءة. فقد أفادت SignalFire بأن التوظيف في شركات التكنولوجيا الكبرى يقل 25% عن خط الأساس لعام 2019، في حين انخفض توظيف مهندسي البرمجيات 11% فقط. وبذلك ارتفعت حصة مهندسي البرمجيات إلى 55% من التوظيف في تلك الشركات، مقابل 46% عام 2019. 49

ولا يثبت ذلك أن الذكاء الاصطناعي هو سبب كل تحول في التوظيف؛ إذ تؤثر دورات الأعمال وتعديلات القوى العاملة بعد الجائحة أيضاً في السوق. لكنه يوضح أن المؤسسات الأكثر رشاقة لم تستغن عن الحاجة إلى المواهب التقنية، بل تحول مزيج التوظيف نحو من يستطيعون بناء الأنظمة الآلية ونشرها وتقييمها وتأمينها والإشراف عليها.

الخطر الأقرب: سلّم البداية المهنية

وجد باحثون في مختبر الاقتصاد الرقمي بجامعة ستانفورد، بالاعتماد على بيانات كشوف أجور إدارية أمريكية حتى يونيو 2026، أنه لا دليل على إزاحة وظيفية واسعة على مستوى الاقتصاد كله. لكن التوظيف بين العاملين من 22 إلى 25 عاماً في المهن الأكثر تعرضاً للذكاء الاصطناعي كان أقل بنسبة 19% من المستوى الذي كان سيبلغه لو واكب نظراءهم في المهن الأقل تعرضاً. ولم يظهر فارق مماثل لدى العاملين ذوي الخبرة؛ كما بدا أن التعديل يحصل أساساً عبر انخفاض التوظيف الجديد، لا عبر زيادة حالات ترك العمل. 35

وهذه النسبة البالغة 19% هي فجوة نسبية في «مواكبة المسار»، وليست عدداً من الوظائف التي ألغى الذكاء الاصطناعي وجودها مباشرة. لكنها تبرز مشكلة مهمة: عندما تستحوذ الأدوات على أجزاء من المهام الروتينية التي كانت تمنح المبتدئين خبرتهم الأولى، قد تفتح الشركات فرصاً أقل لاكتساب الخبرة اللازمة للانتقال إلى الأدوار الأعلى.

ما الذي ينبغي أن تتعلمه الشركات؟

لم يعد السؤال المفيد هو: هل نستخدم الذكاء الاصطناعي؟ بل: في أي موضع يمكنه تحسين العملية من دون إزالة القدرات البشرية التي تجعلها موثوقة؟

تشير موجة ميتا الثانية التي لم تُستكمل، وعودة كلارنا إلى التوظيف في الدعم، إلى ضرورة اختبار الأتمتة على أساس النتائج النهائية: تسليم منتجات ناجح، وقرارات دقيقة، وحالات محلولة، وثقة العملاء، وكلفة يمكن التحكم بها للتعافي من الأخطاء. وحيث ينجح الذكاء الاصطناعي، يمكنه أن يرفع قدرة فريق أصغر. أما عندما تكون درجة عدم اليقين أو عواقب الخطأ مرتفعة، فالتصميم الأنسب غالباً هو إنسان مع ذكاء اصطناعي، لا بيئة بلا بشر.

الذكاء الاصطناعي يعيد، إذاً، تشكيل حجم الفرق وتركيبتها وقدرتها على الإنجاز. وستكون الشركات الأقدر على الاستفادة منه هي التي تتعامل معه كأداة لتحسين عمل البشر، لا كاختصار لتجاوز العمل البشري الذي لا تزال المنتجات المعقدة وعلاقات العملاء تحتاجه.