كيف تُحسب فعليًا درجات «خطر الذكاء الاصطناعي على الوظائف»

Andrej Karpathy, a co-founder of OpenAI, spent a Saturday morning in March 2026 on a small side project: he had an LLM score how "digitally exposed" a few hundred U.S. occupations are, on a 0-to-10 scale. Software developers landed at 9 out of 10. The story spread fast, and by the next morning Karpathy had taken it down (it has since been restored with added disclaimers). He said it had been "wildly misinterpreted," even though the project notes explicitly warned that a high score did not mean a job would disappear.

طريقة حساب درجات خطر الذكاء الاصطناعي على الوظائف أهم من الرقم الذي يتصدر العناوين. فمشروع كارباثي وGoldman Sachs وصندوق النقد الدولي وAnthropic يستخدمون جميعًا تعريفات مختلفة لـ«التعرّض»، ولذلك لا يمكن استبدال نسبهم ببعضها.

قد تحصل المهنة نفسها على درجات مختلفة جدًا بحسب المنهج المستخدم، ولا يخبرك أي من هذه المقاييس بمفرده بما إذا كنت ستفقد وظيفتك.

الخلاصة السريعة

• أرقام «خطر الذكاء الاصطناعي على الوظائف» المتداولة ليست مقياسًا واحدًا. يبدأ كثير منها من التعرّض النظري القائم على قدرات الوظيفة أو مهامها، بينما تقيس Anthropic أيضًا الاستخدام الفعلي المرصود للذكاء الاصطناعي؛ أما استطلاعات أصحاب العمل، مثل استطلاع المنتدى الاقتصادي العالمي، فتستخدم أداة مختلفة تمامًا.
• قد تختلف المقاييس النظرية ومقاييس الاستخدام المرصود اختلافًا حادًا للمهنة نفسها. في مقارنة Anthropic في مارس 2026، وضع المقياس النظري لـ Eloundou et al. مهام الحاسوب والرياضيات عند تعرّض بنسبة 94%، بينما بلغ مقياس التعرّض المرصود لدى Anthropic نسبة 33%.
• قارنت دراسة محكّمة نُشرت عام 2025 في PNAS Nexus بين اثنتي عشرة درجة تعرّض وخطر البطالة، ووجدت أن أفضل درجة منفردة فسّرت وحدها 10.7% من التباين؛ وأدى الجمع بين الدرجات الاثنتي عشرة إلى رفع النسبة إلى 29.8%.
• قبل أن تثق في الرقم التالي لـ«خطر الذكاء الاصطناعي على الوظائف» الذي تراه، السؤال المفيد هو: أي منهج أنتجه، وليس فقط ماذا يقول الرقم.

ما لا يغطّيه هذا المقال

هذا المقال يشرح آلية، ولا يصدر حكمًا على وظيفة بعينها، ولذلك تبقى بضعة أسئلة مجاورة خارج نطاقه:

• لا يرتّب المهن الأكثر أمانًا أو الأكثر عرضة للخطر. فذلك نوع آخر من المقالات.
• لا يحلّل اتجاهات التوظيف الحالية بحسب العمر أو الأقدمية؛ فنتائج سوق العمل هذه تحتاج إلى قاعدة أدلة منفصلة عن درجات التعرّض.
• لا يتنبأ بما ستصل إليه قدرات الذكاء الاصطناعي. فسؤال المنهجية قائم بغض النظر عن مدى تطوّر النماذج المستقبلية.

كيف يعمل تقييم التعرّض النظري: O*NET وAIOE وGoldman Sachs وصندوق النقد الدولي

يقاطع مؤشر AI Occupational Exposure، المعروف باسم AIOE، عشر فئات من تطبيقات الذكاء الاصطناعي مع 52 قدرة مهنية في O*NET. تقيّم مصفوفة جُمعت عبر التعهيد الجماعي مدى ارتباط كل تطبيق ذكاء اصطناعي بكل قدرة بشرية، ثم تُرجَّح الدرجة بحسب مدى شيوع هذه القدرات وأهميتها في مهنة معيّنة. نشر الاقتصاديون إدوارد فيلتن ومناف راج وروبرت سيمانز المنهج في مجلة Strategic Management Journal عام 2021. وأصبح أحد الأسس المؤثرة للمحاولات اللاحقة لقياس تعرّض المهن للذكاء الاصطناعي.

المهم في AIOE أنه مقياس للتعرّض لا للتبنّي. فهو يقدّر مدى تداخل التقدم في تطبيقات الذكاء الاصطناعي مع القدرات التي تتطلبها مهنة ما؛ ولا يخبرك بما إذا كان أصحاب العمل يستخدمون الذكاء الاصطناعي هناك، أو ما إذا كان التبنّي مجديًا اقتصاديًا، أو ما إذا كانت الوظائف ستتراجع.

كيّف صندوق النقد الدولي مقياس التعرّض لفيلتن وراج وسيمانز في مذكرة نقاش للموظفين في يناير 2024 وقرنه بمؤشر تكامل منفصل يرصد مدى حماية المهنة من الاستبدال الكامل بعوامل مثل الحكم البشري والسياق الاجتماعي والحضور المادي. وباستخدام هذا الإطار، قدّر صندوق النقد الدولي أن نحو 40% من العمالة العالمية تعمل في مهن عالية التعرّض، وترتفع النسبة إلى نحو 60% في الاقتصادات المتقدمة.

تحليل Goldman Sachs في أبريل 2026 يخطو خطوة مماثلة: فهو يجمع بين درجة سابقة لإزاحة الذكاء الاصطناعي ومؤشر التكامل الذي وضعه اقتصاديو صندوق النقد الدولي للفصل بين الاستبدال المحتمل والتعزيز. يقدّر Goldman كبحًا صافيًا يبلغ نحو 16,000 وظيفة شهريًا في نمو الوظائف الأمريكية خلال العام الماضي، بينما أضافت المهن ذات إمكانات التعزيز بالذكاء الاصطناعي نحو 9,000 وظيفة شهريًا.

ملاحظة: تقرير المنتدى الاقتصادي العالمي Future of Jobs Report يتوقع إزاحة 92 مليون وظيفة واستحداث 170 مليونًا بحلول 2030، لكنه ليس مبنيًا بالطريقة نفسها على الإطلاق. فهو يستند إلى استطلاع شمل أكثر من 1,000 صاحب عمل أبلغوا عن تغييرات الأعداد التي يتوقعونها: أي إبلاغ ذاتي من أصحاب العمل، لا تقييم قائم على تفكيك المهام. وينتهي الأمر بأداتين مختلفتين بنيويًا يُستشهد بهما في الجملة نفسها عن «X مليون وظيفة».

كيف تقيس Anthropic «التعرّض المرصود» بطريقة مختلفة

مؤشر Economic Index من Anthropic، الذي نُشر لأول مرة في فبراير 2025، ينطلق من نوع مختلف تمامًا من البيانات: نحو مليون محادثة حقيقية على Claude.ai، تمرّ عبر أداة داخلية تُدعى Clio تربط كل محادثة بمهمة محددة في قاعدة بيانات O*NET نفسها التي تستند إليها درجات تفكيك المهام، دون أن يقرأ أي باحث المحادثة الأصلية. فبينما يسأل AIOE عمّا إذا كان الذكاء الاصطناعي قادرًا نظريًا على أداء مهمة، يسأل المؤشر عمّا يطلبه الناس منه فعلًا. قسّم ذلك التقرير الأول المحادثات إلى 57.4% تعزيزًا، حيث يساعد Claude بينما يظل الإنسان موجّهًا للعمل، مقابل 42.6% أتمتة، حيث ينجز Claude المهمة فعليًا من البداية إلى النهاية.

في تقريرها اللاحق في مارس 2026، حوّلت Anthropic بيانات الاستخدام هذه إلى مقياس جديد لـ«التعرّض المرصود». يبدأ من مهام O*NET وتقديرات التعرّض النظري للمهام من Eloundou et al. (2023)، ثم لا يَعُدّ المهمة مغطاة إلا إذا ظهرت بتكرار كافٍ في استخدام Claude المرتبط بالعمل. تحصل الاستخدامات المؤتمتة بالكامل على وزن كامل، والاستخدامات التعزيزية على نصف الوزن، وتُرجَّح تغطية المهام بحسب حصة الوقت الذي يقضيه العاملون في كل مهمة. في مهن الحاسوب والرياضيات، يبلغ مقياس β النظري لـ Eloundou et al. نسبة 94% من المهام، بينما يبلغ مقياس التعرّض المرصود لدى Anthropic نسبة 33%. الفجوة ليست تناقضًا: فأحدهما يقيس الجدوى التقنية، والآخر يضيف التبنّي والاستخدام المرصودين.

لم يتقبّل كل من قرأ تقارير Anthropic نفسها هذه المقارنة كما هي. ففي ردّ على تقرير ذي صلة صدر في يناير 2026، كتب أحد المعلّقين على Hacker News ما يلي: «كنت أتوقع أن أرى مقاييس للإنتاجية الاقتصادية الناتجة عن استخدام الذكاء الاصطناعي. لكن ما أراه بدلًا من ذلك هو مقاييس لاستخدام الذكاء الاصطناعي.» وهو تمييز يستحق التمسك به: حجم الاستخدام والإنتاجية الاقتصادية ليسا الشيء نفسه، ولا يعادل أي منهما فقدان الوظيفة.

ذلك التقرير الصادر في يناير 2026، أي تحديث Anthropic عن المكوّنات الاقتصادية الأساسية، يُظهر أن نسبة التعزيز إلى الأتمتة تغيّرت مجددًا: التعزيز في المقدمة بنسبة 52% من المحادثات مقابل 45% للأتمتة، إلى جانب إطار جديد من خمسة أجزاء يتتبع تعقيد المهمة والمهارات وحالة الاستخدام واستقلالية الذكاء الاصطناعي ونجاح المهمة. اعتبر ذلك لقطة جديدة لمؤشر متطوّر، لا تناقضًا مع أرقام فبراير 2025. فأنماط الاستخدام تتغير مع اكتشاف الناس أشياء جديدة تستحق التفويض.

يمكن لرقم تعرّض نظري بنسبة 94% ورقم تعرّض مرصود بنسبة 33% أن يصفا الفئة المهنية نفسها دون أن يتناقضا، لأنهما يقيسان أشياء مختلفة.

لماذا «التعرّض» ليس الشيء نفسه كـ«فقدان الوظيفة»

«تكشف مؤشرات التعرّض عن القابلية التكنولوجية للتأثر، لا عن نتائج سوق العمل.»

منظمة العمل الدولية، أبريل 2026

تلتقط درجة التعرّض النظري ودرجة التعرّض المرصود كلتاهما شيئًا حقيقيًا عن علاقة الوظيفة بقدرات الذكاء الاصطناعي. لكن لا تخبرك أي منهما بما إذا كانت تلك الوظيفة ستظل موجودة العام المقبل.

في عام 2025، اختبر مورغان فرانك ويونغ-يول آن وإستيبان مورو هذه الفجوة على بيانات البطالة الأمريكية. قارنوا اثنتي عشرة درجة تعرّض منشورة بخطر البطالة الشهري بحسب المهنة والولاية، المبني على سجلات تأمين البطالة في الولايات. فسّرت أفضل درجة منفردة 10.7% من التباين في خطر البطالة عبر المهن والولايات والأشهر؛ وفسّرت مجموعة الدرجات الاثنتي عشرة 29.8%. وفسّر نموذج أساس يستخدم متطلبات مهارات المهنة والتعليم والولاية والسنة والموسمية 57.4%، ورفعت إضافة مجموعة درجات التعرّض النسبة إلى 75.5%.

بعبارة واضحة، درجة التعرّض المنفردة مؤشر ضعيف بمفرده على خطر البطالة. فجزء أكبر بكثير من التباين يرتبط ببنية سوق العمل التي لا تحتويها الدرجة، بما فيها متطلبات المهارات والتعليم والجغرافيا والموسمية.

إطار OpenAI الصادر في أبريل 2026، AI Jobs Transition Framework ، يطرح النقطة نفسها من زاوية مختلفة. فبدلًا من التعامل مع التعرّض التقني كتوقع للإزاحة، يطرح ثلاثة أسئلة: هل يستطيع الذكاء الاصطناعي أداء حصة معتبرة من مهام المهنة، وهل يظل الإنسان محوريًا في تقديم العمل أو الإشراف عليه، وهل يمكن لانخفاض التكاليف أن يزيد الطلب بما يكفي لاستيعاب مكاسب الإنتاجية؟ وعند تطبيقه على 921 مهنة تغطي نحو 148 مليون وظيفة أمريكية، يضع الإطار نحو 18% من الوظائف في فئة خطر الأتمتة الأعلى، و24% في وظائف يُرجَّح أن تُعاد هيكلتها، و12% في وظائف قد تنمو مع الذكاء الاصطناعي، و46% في وظائف يُتوقع أن تشهد تغييرًا فوريًا أقل.

في دراسة PNAS Nexus، فسّرت أقوى درجة تعرّض منفردة وحدها 10.7% من التباين في خطر البطالة.

لذا عندما يمرّ الرقم التالي لـ«خطر الذكاء الاصطناعي على الوظائف» في خلاصتك، فالخطوة المفيدة هي معرفة أي من هذه المناهج أنتجه قبل أن تقرر ما إذا كان عليك القلق. تخبرك درجة التعرّض النظري بأين تتداخل قدرات الذكاء الاصطناعي مع مكوّنات الوظيفة. وتضيف درجة التعرّض المرصود أدلة على أين يستخدم الناس الذكاء الاصطناعي فعليًا. ولا تخبرك أي منهما بمفردها بما إذا كانت الوظائف في تلك المهنة سترتفع أو تنخفض؛ فذلك يتطلب أدلة من سوق العمل عن التوظيف والطلب والأجور وأعداد العاملين.

اقرأ

لماذا تظل كاشفات النص بالذكاء الاصطناعي تخطئ

الأسئلة الشائعة