المعرفة لم تعد تحميك: كيف تتغير القيمة المهنية والأمن الوظيفي

في أواخر فبراير 2017، نشرت وكالة بلومبرغ خبراً عن بنك جيه بي مورغان تشيس. فقد طور البنك برنامجاً أطلق عليه اسم COiN، اختصاراً لعبارة «ذكاء العقود»، يتولى جانباً محدداً من مراجعة اتفاقيات القروض التجارية، هو قراءتها واستخراج بنودها المهمة. فصارت هذه المرحلة، التي كانت تستهلك من محامي البنك وموظفي القروض نحو 360 ألف ساعة سنوياً، تنجز في ثوانٍ.¹

لم يكن المستهدف عاملاً على خط إنتاج، ولا موظفاً يدخل البيانات. كان المستهدف عملاً معرفياً بامتياز: قراءة نصوص قانونية معقدة، وتفسيرها، واستخراج ما يهم منها. وما بدأ يومها برنامجاً متخصصاً في بنك واحد، أصبح اليوم أدوات ذكاء اصطناعي توليدي متاحة لكل موظف على مكتبه.

فإن كنت تعمل في وظيفة تقوم على المعرفة، محللاً أو مدققاً أو مسؤول امتثال أو مخطط استراتيجية أو أميناً لسر مجلس إدارة، أو كنت تقود مؤسسة تقوم عليها، فهذا المقال عنك. فوظيفتك، مثل وظيفة محامي جيه بي مورغان، بنت مكانتها على ما تعرفه: السياسات والإجراءات واللوائح وتفاصيل الأنظمة. وكانت سنوات الخبرة تتحول، بصورة شبه تلقائية، إلى مكانة مهنية وأمان وظيفي.

غير أن المعرفة الجاهزة، حين تصبح متاحة للجميع، لا يعود امتلاكها وحده ضمانة للأمان. ولا يعني ذلك أن الخبرة فقدت قيمتها؛ فهي الشرط الذي لا يقوم التحسين ولا إدارة المعرفة من دونه. كما أن القدرة على تحسين العمليات وإدارة المعرفة لا يصنعها الموظف وحده، بل تتشكل بالشراكة مع مؤسسة تحسن التطوير المؤسسي والحوكمة، وتعيد تصميم العمل بما يسمح للخبرة بأن تتطور بدلاً من أن تتآكل.

ورغم أن هذا التحول يمس كل مؤسسة تقوم على المعرفة، يقرؤه هذا المقال من داخل البنوك والمؤسسات المالية؛ فهي من أكثر القطاعات اعتماداً على المعرفة وتعرضاً للذكاء الاصطناعي، وما يحدث فيها اليوم مرشح للحدوث في غيرها غداً.

اعتدنا أن نتصور الأتمتة آلة تحل محل يد عاملة: روبوت في مصنع، أو صرافاً آلياً يحل محل موظف شباك. أما الموجة الحالية فتختلف؛ فهي تطرق أبواب المكاتب، وتقترب من المهام التي طالما اعتبرت مجالاً حصرياً للخبرة البشرية.

وقبل قراءة الأرقام، ينبغي التمييز بين أربعة مفاهيم كثيراً ما تختلط: التعرض يعني أن بعض مهام المهنة يمكن أن تتأثر بالذكاء الاصطناعي، والأتمتة أن تؤدي الأداة المهمة بدلاً من الإنسان، والتعزيز أن تساعده على أدائها أسرع أو أفضل، أما الاستبدال فهو زوال الوظيفة نفسها. وأغلب الأرقام الآتية تقيس التعرض، لا الاستبدال.

وبحسب صندوق النقد الدولي، تتعرض نحو 40% من العمالة في العالم للذكاء الاصطناعي، وترتفع النسبة إلى نحو 60% في الاقتصادات المتقدمة لأنها أكثر اعتماداً على الوظائف المعرفية. وخلافاً لموجات الأتمتة السابقة التي أصابت أصحاب المهارات المتوسطة أكثر من غيرهم، تمتد المخاطر هذه المرة إلى أصحاب الأجور المرتفعة.²

وتصل منظمة العمل الدولية إلى صورة مشابهة من زاوية أخرى؛ فنحو ربع العاملين في العالم يشغلون مهناً «معرضة» بدرجة ما للذكاء الاصطناعي التوليدي، بالمعنى الذي سبق تحديده، لا مهناً مهددة بالزوال. وتعد الوظائف المكتبية الأعلى تعرضاً، بينما يتزايد تعرض الوظائف المعرفية المرقمنة، ومنها الوظائف المرتبطة بالمال. ومع ذلك، لا تتجاوز الفئة الأعلى تعرضاً 3.3% من العمالة العالمية، وتخلص الدراسة إلى أن تحول الوظائف هو الأثر الأرجح، لا استبدالها (الشكل 1).³

والبنوك في قلب هذه الموجة؛ فتقرير لمجموعة سيتي صدر في يونيو 2024 يقدر أن نحو 54% من الوظائف في القطاع المصرفي تنطوي على إمكانية عالية للأتمتة، وأن 12% أخرى يمكن أن تتعزز بالتقنية بدلاً من أن تستبدل، وهي أعلى نسبة بين القطاعات التي شملها التقرير. ويتوقع التقرير نفسه تراجع بعض الأدوار التشغيلية، مقابل نمو أدوار الحوكمة والامتثال.⁴ وهذه تقديرات استشارية لقابلية المهام للأتمتة، وليست قياسات فعلية لوظائف ألغيت، لكنها تكشف اتجاه التحول.

ويقدم أسيموغلو وريستريبو (Acemoglu & Restrepo) إطاراً يساعد على قراءة هذه الأرقام بهدوء؛ فالتكنولوجيا تؤثر في العمل عبر ثلاثة آثار:⁵

• أثر الإزاحة: حين تنتقل مهام من الإنسان إلى الآلة.
• أثر الإنتاجية: حين يؤدي انخفاض التكلفة إلى توسع النشاط ورفع الطلب على المهام غير المؤتمتة.
• أثر إعادة الإدماج: حين تنشأ مهام جديدة يتفوق فيها العمل البشري.

والمحصلة ليست محسومة سلفاً؛ فقد خلص الباحثان إلى أن تباطؤ نمو التوظيف في الاقتصاد الأمريكي خلال العقود الثلاثة السابقة لدراستهما يعود إلى تسارع الإزاحة وضعف استحداث المهام الجديدة. أي أن التحول التقني لا ينتهي تلقائياً لصالح العاملين؛ فالمكاسب المحتملة تحتاج إلى قرارات اقتصادية وإدارية تحولها إلى فرص جديدة.

وهنا ينبغي التمييز بين أمرين: قدرة التكنولوجيا على أداء المهام، وقدرة المؤسسات على إدارة انتقال العاملين إلى المهام الجديدة؛ فالأولى مسألة تقنية، أما الثانية فمسألة مؤسسية واستراتيجية.

في فبراير 2025، أعلن بيوش غوبتا، الرئيس التنفيذي لبنك DBS السنغافوري، خلال فعالية تقنية في الهند، أن البنك سيستغني خلال ثلاث سنوات عن نحو 4,000 وظيفة مؤقتة وتعاقدية مع تولي الذكاء الاصطناعي جانباً من أعمالها، مقابل نحو ألف وظيفة جديدة مرتبطة بالذكاء الاصطناعي، دون أن يمس ذلك الموظفين الدائمين. ثم قال عبارة تستحق التوقف: «للمرة الأولى في سنواتي الخمس عشرة رئيساً تنفيذياً، أجد صعوبة في خلق الوظائف».⁶

تختصر هذه العبارة المشهد كله: الوظائف لا تختفي دفعة واحدة، لكنها تتفكك. فالوظيفة ليست كتلة متجانسة، بل حزمة من المهام؛ بعضها متكرر وقابل للأتمتة، وبعضها يحتاج إلى حكم مهني، وتقدير للمخاطر، وتواصل إنساني، وتحمل للمسؤولية. ولذلك فالسؤال الأدق ليس: «ما الوظائف التي سيقضي عليها الذكاء الاصطناعي؟»، بل: «ما المهام التي ستتغير داخل كل وظيفة، وإلى أين تنتقل قيمة الإنسان؟» (الشكل 2).

ويقترب من هذه الصورة ما يتوقعه أصحاب العمل في تقرير «مستقبل الوظائف 2025» الصادر عن المنتدى الاقتصادي العالمي: استحداث 170 مليون وظيفة وإزاحة 92 مليوناً بحلول عام 2030، بصافي زيادة قدره 78 مليون وظيفة، مع تغير نحو 39% من المهارات الأساسية للعاملين.⁷ فالخطر الحقيقي قد لا يكمن في أن تختفي الوظيفة فجأة، بل في أن تتراجع قيمة المهارات التي تقوم عليها، بينما يظل صاحبها متمسكاً بأساليب العمل التي اعتادها، وكأن الزمن توقف عند حدود خبرته السابقة.

ماذا يحدث فعلاً حين يعمل الإنسان مع الآلة؟ تأتي أقوى الأدلة المتاحة من تجارب صارمة في مهام قريبة من عمل المؤسسات المالية (الشكل 3):

• الكتابة المهنية. في تجربة شملت 453 مهنياً من حملة الشهادات الجامعية، أنجزوا مهام كالتقارير القصيرة وخطط التحليل والرسائل الحساسة، انخفض وقت الإنجاز بنحو 40%، وارتفعت جودة المخرجات بنحو 18% لدى من استخدموا ChatGPT.⁸
• خدمة العملاء. في دراسة شملت أكثر من خمسة آلاف موظف في خدمة العملاء، وهي من أوسع الوظائف في البنوك، ارتبط استخدام مساعد ذكاء اصطناعي توليدي بزيادة متوسط المشكلات المحلولة في الساعة بنحو 15%. وكانت المكاسب أكبر لدى الأقل خبرة ومهارة، في حين حقق الأكثر خبرة والأعلى مهارة مكاسب طفيفة في السرعة، مع تراجع طفيف في الجودة.⁹
• التحليل والاستشارة. في تجربة ميدانية على 758 مستشاراً في مجموعة بوسطن الاستشارية، أنجز مستخدمو الأداة مهام أكثر بنسبة 12.2%، وبسرعة أعلى بنحو 25%، في المهام الواقعة ضمن قدراتها. لكن في مهمة اختيرت عمداً خارج تلك القدرات، انخفض احتمال وصولهم إلى الحل الصحيح بنحو 19 نقطة مئوية مقارنة بمن عملوا دونها.¹⁰

تكشف هذه النتائج أمرين: الأول أن الأداة في دراسة خدمة العملاء بدت كأنها تنقل أفضل ممارسات العاملين الأكثر كفاءة إلى زملائهم الأقل خبرة؛ أي أن قيمة الخبرة تتضاعف حين يجري التقاطها وتنظيمها وتداولها، وهذا جوهر إدارة المعرفة. والثاني أن حدود قدرات الأداة «متعرجة» وغير مرئية؛ فهي تبرع في مهمة، وتخطئ في مهمة مجاورة تبدو مشابهة. ولهذا لا تكمن القيمة المهنية في الحصول على إجابة من النظام، بل في التمييز بين إجابة تبدو مقنعة وإجابة يصلح أن يبنى عليها قرار ائتماني أو رقابي، وهو تمييز لا يملكه إلا صاحب الخبرة.

ولهذه النتائج حدودها؛ فهي مرتبطة بمهام وبيئات بعينها، ولا يصح تعميمها على كل المهن. كما أن ارتفاع الإنتاجية لا يعني تلقائياً تحسن الأمن الوظيفي؛ فقد توظف المؤسسة المكاسب في توسيع أعمالها وتحسين خدماتها، وقد توظفها في تقليص عدد العاملين. وهذا قرار مؤسسي، لا نتيجة تقنية؛ ومن هنا تبدأ الحوكمة.

من مبادئ ديل كارنيغي المعروفة: «إذا كنت مخطئاً، فاعترف بخطئك سريعاً وبوضوح».¹¹ وفي العامين الأخيرين، اضطرت مؤسسات مالية كبرى إلى اعتراف من هذا النوع، وتستحق القصتان التاليتان أن يقرأهما كل عضو في مجلس إدارة.

والدرس في الحالتين ليس أن الأتمتة خطأ، بل أن قرارها اتخذ بوصفه قراراً تقنياً أو قرار تكلفة، لا قراراً مؤسسياً يبنى على البيانات ويخضع للمساءلة. والبنوك تحديداً لا تبدأ من فراغ؛ فهي تملك بالفعل أدوات حوكمة ناضجة يكفي أن تمتد إلى الذكاء الاصطناعي:

• مجلس الإدارة: يقر استراتيجية استخدام الذكاء الاصطناعي ومستوى المخاطر المقبول فيها، ويسأل عن أثرها في العاملين والعملاء، لا في التكلفة وحدها.
• خطوط الدفاع الثلاثة: تملك الإدارات التي تستخدم الأدوات مخاطرها، وتضع إدارات المخاطر والامتثال الضوابط وتراقبها، ويقدم التدقيق الداخلي تأكيداً مستقلاً بشأن ذلك كله.¹⁴
• إدارة مخاطر النماذج: تطلب الإرشادات الرقابية الأمريكية لإدارة مخاطر النماذج، الصادرة عام 2011، التحقق المستقل من النماذج وتوثيقها ومراقبتها المستمرة، ويمتد منطقها بطبيعته إلى نماذج الذكاء الاصطناعي.¹⁵
• الأطر الدولية: يحدد المعيار ISO/IEC 42001 متطلبات نظام لإدارة الذكاء الاصطناعي،¹⁶ ويقدم إطار NIST منهجية لإدارة مخاطره.¹⁷

ويسير التنظيم في الاتجاه نفسه؛ فقانون الذكاء الاصطناعي الأوروبي يصنف أنظمة تقييم الجدارة الائتمانية للأفراد ضمن الأنظمة «عالية المخاطر»، ومعها الأنظمة المستخدمة في التوظيف والترقية وتوزيع المهام وتقييم أداء العاملين، ويحظر أنظمة التعرف على المشاعر في بيئة العمل إلا لأغراض طبية أو تتعلق بالسلامة.¹⁸ كما يحذر مجلس الاستقرار المالي من مخاطر تخص القطاع المالي، أبرزها الاعتماد على عدد محدود من مزودي التقنية، وتشابه سلوك النماذج بين المؤسسات، ومخاطر النماذج، وجودة البيانات، وضعف حوكمتها.¹⁹

وعلى مستوى المؤسسة نفسها، تبرز مخاطر عملية ينبغي أن يقابل كلاً منها ضابط واضح: خصوصية بيانات العملاء واحتمال تسربها إلى نماذج خارجية، ويقابلها تصنيف البيانات وتقييد ما يسمح بإدخاله إلى الأدوات؛ وصعوبة تفسير بعض القرارات، ويقابلها توثيق منطق القرار وإتاحة مراجعته؛ واتساع صلاحيات الوصول، ويقابلها منح الصلاحية بقدر الحاجة ومراجعتها دورياً؛ وتغير أداء النماذج بمرور الوقت، ويقابله رصد مستمر لأدائها. ويبقى الضابط الأهم هو الفصل الواضح بين استخدام الأداة للاستشارة واستخدامها لاتخاذ القرار.

وقبل أي قرار أتمتة، تحتاج مجالس الإدارة إلى إجابات واضحة عن خمسة أسئلة:

1. ما الدليل على أن الأداة تؤدي المهمة بالجودة المطلوبة، ومن تحقق منه؟
2. من يتحمل مسؤولية القرار حين تخطئ الأداة؟
3. ما أثر القرار في العملاء، وهل يبقى لهم طريق سهل إلى إنسان؟
4. أين سيذهب الموظفون الذين تتغير مهامهم، وكيف سيتعلم المبتدئون؟
5. ما نصيب العاملين من مكاسب الإنتاجية: تدريباً، أو وقتاً للتعلم والتطوير، أو فرصاً للترقية، أو تحسيناً في الأجور؟

وللدولة والجهات الرقابية دور لا تستطيع المؤسسة أداءه وحدها: تحديث مناهج التعليم، والمالي والمصرفي منها خاصة، وتمويل إعادة التأهيل، وبناء شبكات حماية تجعل الانتقال بين الوظائف ممكناً. وكما يرى أسيموغلو وجونسون، فإن اتجاه التكنولوجيا ليس قدراً، بل خيار تصنعه القرارات الإدارية والتشريعية وموازين القوى في المجتمع.²⁰

يميل كثير من المؤسسات إلى التعامل مع الذكاء الاصطناعي كما تتعامل مع أي برنامج جديد: تشتريه، وتدرب الموظفين على استخدامه، ثم تنتظر النتائج. لكن ما سبق كله يؤكد أن القيمة لا تأتي من الأداة، بل من إعادة تصميم العمل حولها. وهنا يصبح التطوير المؤسسي، لا تقنية المعلومات وحدها، صاحب الدور الأول. وأهم أدواته خمس:

• الهيكل والأدوار: إعادة توزيع المهام داخل الوظائف قبل إلغاء أي وظيفة، وتحديث الأوصاف الوظيفية لتشمل مهام التحقق والتحسين والتوثيق.
• أطر الجدارات: إدراج تحسين العمليات وإدارة المعرفة والكفاءة الرقمية في أطر الجدارات ومعايير التقييم والترقية، حتى يكافئ النظام ما يطلبه.
• ملكية العمليات: تعيين مالك لكل عملية رئيسية، يكون مسؤولاً عن جودتها وتطويرها، لا عن تنفيذها فقط.
• وحدة لإدارة المعرفة: تجمع السياسات والإجراءات ودروس الحالات، وتراجع صحتها وتحدثها، وتجعلها المصدر الذي يستند إليه الموظفون والأدوات معاً.
• إدارة المهارات: أن تعرف المؤسسة ما يمتلكه موظفوها وما تحتاجه، وأن تربط التعلم بالمهام والمشروعات الفعلية.

والحاجة إلى هذه الأدوات ملحة؛ فبحسب تقرير «مستقبل الوظائف 2025»، يرى 63% من أصحاب العمل أن فجوة المهارات هي العائق الأكبر أمام تحول مؤسساتهم، ويقدر التقرير أن 59 من كل 100 عامل سيحتاجون إلى تدريب أو إعادة تأهيل بحلول عام 2030.⁷ لكن السؤال الذي ينبغي أن تبدأ به المؤسسة ليس: «ما الدورات التي نقدمها؟»، بل: «ما المهام التي ستتغير؟ وأي العمليات تحتاج إلى إعادة تصميم؟ وأي معرفة ينبغي توثيقها قبل أن تغادر مع أصحابها؟». فالتدريب المنفصل عن مشكلة فعلية يضيف شهادات إلى الملفات، دون أن يضيف قيمة إلى الأداء.

ولكي يقاس أثر ذلك في الأداء فعلاً، تحتاج المؤسسة إلى مؤشرات محددة، ومن أمثلتها في البنوك:

• الوصول إلى المعرفة: الزمن اللازم للوصول إلى السياسة أو الإجراء الصحيح، ونسبة الوثائق التي روجعت وحدثت خلال العام.
• جودة العمليات: زمن إعداد المذكرة الائتمانية، ونسبة الإنذارات الكاذبة في أنظمة الرصد، ومعدل تكرار الأخطاء نفسها.
• سلامة استخدام الأدوات: نسبة مخرجات الذكاء الاصطناعي التي خضعت للتحقق قبل اعتمادها، وعدد الأخطاء الجوهرية التي كشفها هذا التحقق.
• أثر التحول في الناس والعملاء: نسبة الموظفين الذين انتقلوا إلى مهام أعلى قيمة، ورضا العملاء وسهولة وصولهم إلى موظف حين يحتاجونه، لا خفض التكلفة وحده.

ويجمع الشكل 4 الحوكمة والتطوير المؤسسي في دورة واحدة لقرار الأتمتة: من يقرر، ومن يحاسب، وماذا يتغير.

غير أن إعادة التصميم لا يحملها الهيكل وحده؛ بل تحتاج إلى أفراد من نوع جديد، وهو ما يتناوله القسم الآتي.

في سبتمبر 2023، أطلق مورغان ستانلي لمستشاريه الماليين مساعداً ذكياً مبنياً على GPT-4، يتيح لهم البحث في رصيد البنك من نحو 100 ألف تقرير بحثي ووثيقة داخلية، والحصول على إجابات فورية. وبحسب دراسة حالة نشرتها شركة OpenAI، باتت أكثر من 98% من فرق المستشارين تستخدمه. ولخص جيف ماكميلان، رئيس الذكاء الاصطناعي على مستوى المؤسسة، فكرته بعبارة لافتة: «هذه التقنية تجعلك ذكياً بقدر أذكى شخص في المؤسسة».²¹

تأمل ما حدث هنا: لم يستبدل البنك مستشاريه، بل نظم معرفته المتراكمة وجعلها في متناول كل واحد منهم. وهذا جوهر التحول؛ فحين تصبح المعرفة الجاهزة وفيرة، تنتقل الندرة إلى مكان آخر. لم يعد النادر من يعرف الإجراء، بل من يفهم كيف يتدفق العمل، وأين تقع الأخطاء والاختناقات، وكيف يعاد تصميمه. ولم يعد النادر من يحتفظ بالمعلومة لنفسه، بل من يحول خبرته وخبرة فريقه إلى معرفة موثقة يستفيد منها الآخرون، وتستند إليها الأدوات نفسها (الشكل 5).

وتشير دراسة لمنظمة التعاون الاقتصادي والتنمية إلى الاتجاه نفسه؛ فمعظم العاملين في المهن المعرضة للذكاء الاصطناعي لن يحتاجوا إلى مهارات متخصصة فيه، لكن الأداة ستغير مهامهم والمهارات التي يحتاجونها، والطلب في هذه المهن يتجه نحو مهارات الإدارة والأعمال.²² أي أن قيمة العمل تنتقل من تنفيذه إلى تنظيمه وإدارته. ويمكن تحديد المهارتين المحوريتين على النحو الآتي:

• تحسين العمليات: رسم مسار العمل كما هو، وتحديد ما ينبغي أتمتته، وما يعزز بالأداة، وما يبقى حكماً بشرياً، ثم تصميم نقاط التحقق، وقياس أثر التغيير في الجودة والوقت والمخاطر.
• إدارة المعرفة: تحويل الخبرة الضمنية إلى معرفة موثقة، وتنظيم السياسات والإجراءات ودروس الحالات التي يعتمد عليها الموظفون والأنظمة الذكية، والتحقق من صحتها وتحديثها، ونقلها إلى الموظفين الجدد قبل أن تغادر مع أصحابها.

خذ محلل الائتمان مثالاً؛ فالمهام التي كانت تستهلك جزءاً كبيراً من وقته، كإدخال القوائم المالية واحتساب النسب وكتابة الوصف التقليدي لنشاط العميل، أصبحت الأداة تنجز أكثرها في دقائق. لكن قيمته تزداد حين يعيد تصميم دورة المذكرة الائتمانية نفسها: يحدد ما تتولاه الأداة وما يراجع يدوياً، ويضع ضوابط للتحقق من الأرقام، ويوثق دروس حالات التعثر التي مر بها القسم عبر السنين. أما مسؤول الامتثال الذي كان يقضي يومه في فرز التنبيهات، فقد ينتقل إلى معايرة قواعد الرصد وتقليل الإنذارات الكاذبة.

وهنا يظهر التحفظ الضروري: هذا الانتقال لا يلغي الخبرة، بل يرفع شروطها؛ فلا يحسن عملية من لا يفهمها، ولا يدير معرفة من لا يستطيع الحكم على صحتها. وتجربة المستشارين تؤكد ذلك؛ فمن لم يعرف أين تنتهي قدرات الأداة كان أكثر عرضة للخطأ.

الخبرة أم الأداة؟

قد يفهم مما سبق أن معرفة طريقة عمل الأدوات أصبحت أهم من الخبرة المهنية نفسها، غير أن الأدلة المتاحة لا تؤيد هذا الاستنتاج. ففي المهن الأكثر تعرضاً للذكاء الاصطناعي، نما توظيف الأكثر خبرة، بينما تراجع توظيف الأصغر سناً، وهم في الغالب الأكثر إلفاً بالأدوات.²³ ثم إن معرفة الأدوات نفسها سريعة التقادم؛ فالأدوات تتغير كل بضعة أشهر وتزداد سهولة، بينما تتقادم الخبرة المهنية ببطء أكبر.

لكن الوجه الآخر للمعادلة لا يقل أهمية: الخبرة التي تكتفي بنفسها وتعرض عن تعلم الأدوات تفقد ميزتها بسرعة، لأن الأداة تضيق الفجوة بين الأقل خبرة والأكثر خبرة. ففي دراسة خدمة العملاء، أدى الموظفون الذين استخدموا الأداة بعد شهرين فقط من التحاقهم بالعمل كما أدى زملاؤهم الذين تجاوزت خبرتهم ستة أشهر دونها.⁹ وفي تجربة الكتابة المهنية، تقلصت الفجوات الأولية بين المشاركين إلى النصف تقريباً، لأن الأقل أداءً كانوا الأكثر استفادة.⁸ وفي تجربة المستشارين، تحسن أداء من كانوا دون المتوسط بنحو 43% مقارنة بأدائهم دونها، مقابل 17% لمن كانوا فوقه.¹⁰ ومعنى ذلك أن الأقل خبرة الذي يتقن الأداة قد يلحق بالخبير الذي يتجاهلها، بل قد يتفوق عليه إنجازاً وإبداعاً في المهام الواقعة ضمن قدرات الأداة.

فالخبرة لم تفقد قيمتها، لكنها لم تعد تكفي وحدها؛ إذ تفقد جزءاً من أثرها إذا افتقرت إلى القدرة على توظيف الأدوات، بينما تمنح الأدوات من يفتقر إلى الخبرة سرعة في الوصول إلى الخطأ. والقيمة اليوم في حاصل ضرب الاثنين، لا في أحدهما: أقوى المواقع موقع الخبير الذي يتعلم الأداة، وأضعفها موقع من لا يملك أياً منهما (الشكل 6).

«لم يعد السؤال: ماذا تعرف؟ بل: ماذا تفعل بما تعرفه، حين تعرفه الآلة أيضاً؟»

ويجمع الشكل 7 ما سبق في خريطة من أربع طبقات: الخبرة التخصصية العميقة أساساً، والمهارتان المحوريتان في القمة، وأربع ممكنات فردية بينهما، وبيئة مؤسسية وتنظيمية تحمل البناء كله. ولا يغني بعضها عن بعض؛ فالكفاءة الرقمية تمنح الأدوات، والتفكير التحليلي والنقدي يمنح القدرة على اختبار المخرجات، والمهارات الإنسانية تمنح القدرة على إقناع الآخرين وإشراكهم، والتعلم المستمر يمنح التجدد.

ارتبط الأمن الوظيفي في صورته التقليدية بعقد مستمر، ودخل منتظم، واحتمال منخفض للفصل، وقام على افتراض ضمني مفاده أنه كلما اكتسب الموظف الخبرة وأتقن إجراءات العمل، ازدادت فرصه في الاحتفاظ بموقعه. غير أن هذا الافتراض أصبح هشاً؛ فقد يحتفظ الموظف بوظيفته سنوات، بينما تتراجع قيمة مهاراته تدريجياً، ويضعف الطلب على تخصصه، ويصعب عليه الانتقال إلى فرص أخرى.

والتمييز بين أمن الوظيفة وأمن قابلية التوظيف ليس جديداً؛ فقد طرحت روزابيث موس كانتر منذ أواخر الثمانينيات فكرة «أمن قابلية التوظيف»، أي أن تمنح المؤسسة موظفيها خبرات ومهارات تجعلهم مطلوبين في السوق، بدلاً من وعد بالبقاء لا تملك ضمانه.²⁴ ويبني مفهوم «استدامة القيمة المهنية» على هذه الفكرة، ويضيف إليها ثلاثة عناصر:

• القيمة لا مجرد البقاء: المعيار أن يقدم الفرد قيمة يصعب اختزالها في التنفيذ الآلي، وأوضح صورها اليوم تحسين العمليات وإدارة المعرفة.
• قابلية الانتقال: أن تكون هذه القيمة قابلة للحمل من وظيفة إلى أخرى ومن مؤسسة إلى أخرى؛ فمن يحسن إعادة تصميم دورة الائتمان في بنك يستطيع ذلك في غيره.
• المسؤولية الموزعة: أن تفهم هذه القيمة بوصفها نتاجاً لفرص التدريب، وتصميم الوظائف، وعدالة نظم التوظيف والترقية، والسياسات العامة، لا لجهد الفرد وحده.

إذا كانت الخبرة شرطاً للمهارتين الجديدتين، فمن أين تأتي؟ لم يتعلم كبار المصرفيين مهنتهم في قاعات الدرس وحدها، بل عبر سنوات من المهام المبتدئة: تفريغ القوائم المالية، والمطابقة، وفرز تنبيهات الامتثال، وإعداد المسودات الأولى للمذكرات. وهذه المهام نفسها هي الأكثر قابلية للأتمتة اليوم. فإذا تآكلت درجات السلم الأولى، فكيف يكتسب الجيل الجديد الخبرة التي سيطلب منه أن يتحقق بها من مخرجات الآلة؟

وتشير بيانات حديثة إلى أن السؤال لم يعد نظرياً؛ ففي تحديث صدر في أغسطس 2026 لدراسة من مختبر الاقتصاد الرقمي بجامعة ستانفورد، تعتمد على سجلات رواتب ملايين العاملين في الولايات المتحدة، تراجع توظيف الفئة العمرية 22–25 عاماً في المهن الأكثر تعرضاً للذكاء الاصطناعي بنحو 11% بين نوفمبر 2022 ويونيو 2026، بينما نما توظيف الفئة نفسها في المهن الأقل تعرضاً بنحو 10%، ونما توظيف الفئة 35–49 عاماً في المهن الأكثر تعرضاً بنحو 10% (الشكل 8). وتركز التراجع في المهن التي يحل فيها الذكاء الاصطناعي محل المهام، لا في تلك التي يكملها.²³ ويصف الباحثون نتائجهم بأنها مؤشرات وصفية مبكرة لا تقديرات سببية، لكنها إنذار يستحق الانتباه.

وتتكشف هنا مفارقة: الأداة التي تساعد المبتدئ على التعلم أسرع حين يكون داخل المؤسسة، قد تقلل فرصته في دخولها أصلاً. ومعالجة هذه المفارقة ليست مسؤولية الفرد، بل مسؤولية المؤسسات التي تحتاج إلى إعادة تصميم مسارات التدرج المهني عن قصد، بحيث يتعلم المبتدئ من خلال مراجعة مخرجات الأداة، وتوثيق ما يتعلمه، ومناقشته مع خبير. وهنا تتحول إدارة المعرفة إلى أداة لإصلاح السلم نفسه؛ فالمؤسسة التي توثق خبرة كبار موظفيها تستطيع نقلها إلى الجدد أسرع، أما التي تكتفي بأتمتة المهام المبتدئة فتوفر في التكلفة اليوم، لكنها قد تخسر خبراءها غداً.

ارتبط الأمن الوظيفي التقليدي في كثير من الاقتصادات العربية بالقطاع العام وبالمؤسسات الكبرى، ومنها البنوك، حيث الوظيفة الدائمة والراتب المضمون والترقية بالأقدمية. ولهذا يبدو الانتقال من «امتلاك المعرفة» إلى «إدارتها وتحسين العمليات» أشد وقعاً هنا منه في أسواق اعتادت تنقل العاملين. وكثيراً ما تتراكم المعرفة في هذه المؤسسات في ذاكرة الموظفين، لا في أنظمة موثقة، فتصبح إدارة المعرفة شرطاً لنجاح التحول الرقمي نفسه.

وفي دول الخليج، حيث قطعت سياسات التوطين شوطاً في القطاع المصرفي، يبرز سؤال دقيق: هل يكفي أن يقاس التوطين بعدد الوظائف المشغولة، أم ينبغي أن يقاس أيضاً بنوع المهارات والقيمة التي يحملها شاغلوها؟ فالوظيفة التي يجري توطينها اليوم في مهام قابلة للأتمتة قد تصبح غداً عبئاً على صاحبها وعلى البنك.

أما في الاقتصادات الهشة أو المتأثرة بالنزاعات، كاليمن، فالمعادلة مختلفة. تشير بيانات منظمة العمل الدولية إلى أن نسبة العمالة المعرضة للذكاء الاصطناعي التوليدي في الدول المنخفضة الدخل تبلغ نحو 11%، مقابل 34% في الدول المرتفعة الدخل.³ وقد يبدو ذلك حماية مؤقتة، لكنه يعني أيضاً أن مكاسب الإنتاجية ستصل متأخرة، وأن الفجوة الرقمية قد تتسع. ويزيد من حدة ذلك ضعف البنية الرقمية وتفاوت جاهزية المؤسسات، وخطر استيراد حلول تقنية صممت لبيئات مختلفة، فلا تناسب أنظمة البنوك المحلية وبياناتها وإجراءاتها. ومع هجرة كثير من الكفاءات، يصبح توثيق المعرفة المصرفية وتحويلها إلى أنظمة وإجراءات حمايةً لذاكرة البنك نفسه، وتصبح إعادة تأهيل الكوادر جزءاً من إدارة المخاطر المؤسسية، لا ترفاً تدريبياً.

لا يحتاج أحد إلى التنبؤ بكل ما سيحدث في سوق العمل كي يبدأ؛ يكفي أن يتعامل كل طرف مع دوره بوصفه مشروعاً متجدداً. فاستدامة القيمة المهنية ليست مسؤولية الموظف وحده، كما أنها ليست التزاماً مؤسسياً منفصلاً عن قدرته على التعلم، بل مسؤولية تتوزع بين الفرد، والقيادة، والجهات الرقابية وصانعي السياسات.

أولاً: الموظف — من إتقان المهمة إلى تطويرها

• حلل مهامك قبل أن تحلل سوق العمل: ما المهام المتكررة؟ وما المهام التي يمكن تعزيزها بالأداة؟ وما المهام الجوهرية التي تعتمد على حكمك المهني؟ (انظر الإطار المرافق).
• تعلم رسم مسار عملك واقتراح تحسينه، ولا تكتف بإتقان تنفيذ الخطوات؛ فالقدرة على رؤية العملية كاملة، وتحديد مواضع التعثر، واقتراح بدائل أكثر كفاءة، أصبحت جزءاً من القيمة المهنية.
• وثق ما تعرفه بحيث يستفيد منه زملاؤك وتستند إليه الأدوات؛ فالخبرة التي تبقى في ذاكرة صاحبها قد تنتهي بمغادرته، أما الخبرة التي تتحول إلى معرفة مؤسسية موثقة فتظل قابلة للتطوير والتداول.
• استخدم الأدوات بمسؤولية: تحقق من النتائج، وافهم حدود الأداة، واحم بيانات العملاء، ولا تفوض إليها حكماً مهنياً لا تستطيع مراجعة صحته.
• اجعل التعلم عادة متوازنة، لا سباقاً مرهقاً على حساب حياتك؛ فالمطلوب ليس ملاحقة كل أداة جديدة، بل بناء قدرة مستدامة على التعلم والتكيف.

ثانياً: قيادات المؤسسات — من شراء التقنية إلى إعادة تصميم العمل

• ابدأ بخريطة للعمليات والمهارات قبل شراء الأدوات؛ فمعرفة المشكلة التي ينبغي حلها تسبق اختيار التقنية التي ستعالجها.
• أنشئ وحدة أو وظيفة واضحة لإدارة المعرفة، ووثق الخبرة الضمنية قبل أن تغادر مع أصحابها.
• أعد تصميم الأدوار الوظيفية، واحم مسارات التدرج المهني للمبتدئين من خلال التعلم بالمراجعة والتوجيه والمشاركة في الحالات الفعلية.
• أخضع قرارات الأتمتة لحوكمة مجلس الإدارة وخطوط الدفاع الثلاثة، لا لحسابات التكلفة وحدها.
• اربط مكاسب الإنتاجية بتحسين جودة الخدمات، وتطوير العاملين، ورفع القدرة التنافسية، بدلاً من اختزالها في خفض النفقات التشغيلية.

ثالثاً: الجهات الرقابية وصانعو السياسات — من حماية الوظائف إلى حماية القدرة المهنية

• أدرج تحسين العمليات وإدارة المعرفة في برامج التعليم والتدريب المهني، والمصرفي منها خاصة.
• ضع توقعات رقابية واضحة لحوكمة الذكاء الاصطناعي ومخاطر نماذجه في المؤسسات الخاضعة للرقابة، وفي مقدمتها المؤسسات المالية.
• قس نجاح سياسات التوظيف والتوطين بجودة المهارات والقيمة المهنية، لا بعدد الوظائف وحده.
• ادعم برامج إعادة التأهيل المهني، وبناء مسارات انتقال بين الوظائف، بما يحد من الآثار السلبية للتحول التقني على العاملين.

إن هذه المسؤوليات ليست إجراءات متفرقة، بل مكونات لمنظومة واحدة؛ فالموظف لا يستطيع تطوير مهاراته إذا لم تتح له المؤسسة فرصاً حقيقية، والمؤسسة لا تستطيع بناء خبرة مستدامة إذا كانت مسارات التعلم فيها تتآكل، والجهات الرقابية لا تستطيع حماية الاستقرار المهني إذا اقتصرت على متابعة الالتزام التقني، دون النظر إلى أثر التحول في رأس المال البشري.

نعود إلى حيث بدأنا: لم يلغ برنامج COiN الحاجة إلى محامي جيه بي مورغان، لكنه نقل قيمة عملهم من قراءة البنود إلى الحكم على ما تعنيه والتفاوض بشأنها. وهذا، في جوهره، ما يحدث اليوم في كل مؤسسة تقوم على المعرفة، والبنوك في مقدمتها، ويمكن جمعه في ثلاثة أسئلة:

قبل أكثر من نصف قرن، نقل ألفين توفلر في كتابه «صدمة المستقبل» عن عالم النفس هربرت غيرجوي قوله: «الأمي في الغد ليس من لا يقرأ، بل من لم يتعلم كيف يتعلم».²⁵ وفي مؤسسات اليوم يكتسب هذا القول معنى أدق: فالخطر ليس أن تعرف الآلة ما نعرفه، بل أن نتوقف عن التعلم: عن فهم ما تفعله الآلة بما نعرفه، وعن تطوير ما نفعله نحن به. وهذا التعلم لا يبدأ بقرار كبير؛ يبدأ بموظف يدون مهامه ويحدد ما لا يؤديه أحد غيره، وبقيادة تعيد تصميم العمل حوله، وبجهة رقابية تقيس ما تبنيه المؤسسات من قدرات لا ما تشغله من وظائف.

ففي زمن تعرف فيه الآلة أكثر مما نعرفه، لم تعد المعرفة وحدها تحميك؛ يحميك ما تفعله بها.

عن الكاتب

فهد قائد السلمي، كاتب وباحث متخصص في النظم المالية والتطوير المؤسسي والحوكمة.

1. Son, H. (2017, February 28). JPMorgan software does in seconds what took lawyers 360,000 hours. Bloomberg. https://www.bloomberg.com/news/articles/2017-02-28/jpmorgan-marshals-an-army-of-developers-to-automate-high-finance ↩
2. Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note SDN/2024/001). International Monetary Fund. ↩
3. Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://doi.org/10.54394/HETP0387 ↩
4. Citi Global Perspectives & Solutions. (2024, June). AI in finance: Bot, bank & beyond. Citigroup. https://www.citigroup.com/global/insights/citigps/ai-in-finance ↩
5. Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30. https://doi.org/10.1257/jep.33.2.3 ↩
6. Fortune. (2025, February 25). [Report on DBS’s plan to reduce about 4,000 temporary and contract roles as AI expands]. https://fortune.com/asia/2025/02/25/dbs-singapore-to-cut-temp-jobs-ai-piyush-gupta/ ↩
7. World Economic Forum. (2025). The future of jobs report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/ ↩
8. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586 ↩
9. Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044 ↩
10. Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of artificial intelligence on knowledge worker productivity and quality. Organization Science. https://doi.org/10.1287/orsc.2025.21838 ↩
11. Carnegie, D. (1936). How to win friends and influence people. Simon & Schuster. ↩
12. Bloomberg. (2025, August 21). Australia’s biggest bank reverses plan to replace jobs with AI. https://www.bloomberg.com/news/articles/2025-08-21/commonwealth-bank-reverses-job-cuts-decision-over-ai-chatbots ; Finance Sector Union. (2025, August 21). Win! CBA backflips on customer service job cuts, admits they got it wrong. https://www.fsunion.org.au/win-cba-backflips-on-customer-service-job-cuts-admits-they-got-it-wrong/ ↩
13. Klarna. (2024, February). Klarna AI assistant handles two-thirds of customer service chats in its first month [Press release]; Finextra. (2025). Klarna rethinks AI customer service push as CEO acknowledges value of human touch. https://www.finextra.com/newsarticle/45956/ ↩
14. The Institute of Internal Auditors. (2020). The IIA’s Three Lines Model: An update of the Three Lines of Defense. IIA. ↩
15. Board of Governors of the Federal Reserve System & Office of the Comptroller of the Currency. (2011). Supervisory guidance on model risk management (SR Letter 11-7). ↩
16. International Organization for Standardization. (2023). ISO/IEC 42001:2023 Information technology — Artificial intelligence — Management system. ISO. ↩
17. National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). https://doi.org/10.6028/NIST.AI.100-1 ↩
18. European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. See Article 5(1)(f) and Annex III, points 4 and 5(b). ↩
19. Financial Stability Board. (2024, November 14). The financial stability implications of artificial intelligence. https://www.fsb.org/uploads/P14112024.pdf ↩
20. Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. PublicAffairs. ↩
21. OpenAI. (n.d.). Morgan Stanley [Customer story]. https://openai.com/index/morgan-stanley/ ; Fortune. (2023, September 20). [Report on the launch of Morgan Stanley’s AI assistant for financial advisors]. https://fortune.com/2023/09/20/morgan-stanley-ai-assistant-answer-investing-personal-finance-queries ↩
22. Green, A. (2024). Artificial intelligence and the changing demand for skills in the labour market (OECD Artificial Intelligence Papers No. 14). OECD Publishing. https://doi.org/10.1787/88684e36-en ↩
23. Brynjolfsson, E., Chandar, B., & Chen, R. (2026). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence (Working paper, August 2026 update). Stanford Digital Economy Lab. https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf ↩
24. Kanter, R. M. (1989). When giants learn to dance: Mastering the challenge of strategy, management, and careers in the 1990s. Simon & Schuster. ↩
25. Toffler, A. (1970). Future shock. Random House. ↩