15/04/2026
Sharing a reflective article from Elio Ishak, one of our volunteers at Urban Analytica at SAIL. Read more below!
الوقت الذي يتم توفيره بفضل سرعة استجابة أنظمة الذكاء الاصطناعي يُستهلك في تقييم النتائج والتأكد من دقتها، ما يعني أن العمل لا يختفي بل يعود في شكل تدقيق إضافي. بذلك تصبح السرعة أقل دلالة على الإنتاجية مما تبدو عليه، إذ إن ما يظهر كتحسن في الأداء يتحول إلى مراجعة مستمرة وتصحيح متكرر، خاصة عندما تبقى موثوقية النتائج غير مضمونة.
ورغم الانتشار الواسع للذكاء الاصطناعي، فإن هذا التسارع لا ينعكس بالضرورة على تحسين الإنتاجية. فالعمل يتحرك بشكل أسرع، لكن الجودة والموثوقية تظلان موضع شك، خصوصًا مع غياب التعلم الحقيقي من الأخطاء أو التحسن مع الاستخدام، ما يؤدي إلى تكرار نفس المشكلات بدل تجاوزها.
في هذا السياق، تتحول السرعة إلى عامل مضلل قد يخفي مشاكل أعمق في طريقة العمل بدل حلّها، خاصة في بيئات تعاني من ضعف في التنظيم أو غياب وضوح المسؤوليات. ومع ارتفاع تكلفة الأخطاء، تصبح الحاجة إلى التحقق المستمر عبئًا إضافيًا بدل أن تكون ميزة.
لذلك، لا يمكن اختزال الإنتاجية في عامل الوقت فقط، بل ترتبط بجودة النتائج، وقدرة الأنظمة على التعلم، وإمكانية الاعتماد عليها على المدى الطويل. من دون ذلك، لا يتحسن العمل، بل يتسارع فقط.
يكتب ضيفنا إليو إسحاق المزيد عن الموضوع عبر هذا الرابط: https://sites.aub.edu.lb/sailforchange/ai-rethinking-productivity/?et_fb=1&PageSpeed=off
