أتمتّ بالذكاء الاصطناعي ولم يتسارع شيء؟ اعرف أين ينتظر العمل

إذا جعل الذكاء الاصطناعي خطوة واحدة أسرع ولم يتسارع سير العمل كله، فالأرجح أن هذه الخطوة لم تكن هي التي تؤخر العمل. فالإنتاج الإضافي ينتظر الآن في مرحلة لاحقة، عند مراجعة أو موافقة أو اختبار أو قرار، ولا يزال العمل يكتمل بسرعة تلك الخطوة الأبطأ، وهذه هي مفارقة إنتاجية الذكاء الاصطناعي داخل سير عمل واحد.

لذلك قد يرتفع إنتاج الفرد بينما يبقى ما يسلّمه الفريق على حاله. وقبل أن تدفع ثمن الأداة التالية، أو تدفع لتسريع الخطوة نفسها مرة أخرى، تتبّع عملًا واحدًا أُنجز مؤخرًا عبر كل خطوة مرّ بها، وحدّد أين انتظر أطول مدة. هناك تذهب الميزانية التالية.

سير العمل يمضي بسرعة أبطأ خطواته

المبدأ قديم وراسخ، ويقوله Theory of Constraints Institute بلا مواربة: تقوية أي حلقة في السلسلة، ما عدا أضعفها، مضيعة للوقت والجهد. ففي سلسلة من الخطوات تحدد أضعف خطوة الإيقاع، وإن جعلت أي خطوة أخرى أسرع فلن يتغير الناتج النهائي.

بل قد تزيد الخطوة الأسرع الأمر سوءًا من جهة واحدة، إذ ترسل مزيدًا من العمل إلى الخطوة البطيئة. خذ مثلًا فريق مبيعات افتراضيًا أصبح يصوغ عروض الأسعار بالذكاء الاصطناعي. فإذا ظل كل عرض يحتاج إلى توقيع مدير المبيعات، وكان المدير يبتّ في طلبات الموافقة مرتين في الأسبوع، فإن تسريع الصياغة لا يفعل سوى تكديس مزيد من العروض على مكتبه. وتظل العروض تُرسل في اليومين نفسيهما. أداة الصياغة تعمل على أكمل وجه، والعميل ينتظر المدة نفسها كما في السابق.

ولهذا يمكن أن يصحّ الأمران معًا (مقال بالإنجليزية): أن الأداة تعمل، وأن شيئًا لم يتسارع. فمهمة الأداة كانت خطوة واحدة، أما الزمن الذي تستغرقه حتى تسلّم العمل فتحدده السلسلة كلها.

ما الذي رأته فرق البرمجيات حين تسارعت كتابة الشيفرة

تطوير البرمجيات أحد المجالات التي قيس فيها هذا الأمر على نطاق واسع. واستند تقرير AI Productivity Paradox Report 2025 الصادر عن Faros AI إلى بيانات مصدرها أكثر من 10,000 مطوّر في 1,255 فريقًا. فالمطوّرون في الفرق التي تبنّت الذكاء الاصطناعي على نطاق واسع أنجزوا مهام أكثر بنسبة 21%، ودمجوا طلبات سحب أكثر بنسبة 98% (أي تغييرات في الشيفرة تُقدَّم للمراجعة)، في حين ارتفع الوقت الذي أمضته هذه التغييرات في المراجعة بنسبة 91%. ولم تجد Faros أي ارتباط ذي دلالة بين تبنّي الذكاء الاصطناعي وتحقيق تحسينات على مستوى الشركة. وقد تعرّضت OpenAI لصورة من الضغط نفسه. فبحسب Let’s Data Science، في تغطيته لمقالة هندسية نشرتها OpenAI، أنشأت OpenAI واجهة خلفية جديدة لنظام Git، لأن الأنظمة التي يقوم عليها مستودعها الداخلي الموحّد واجهت صعوبة في تحمّل حجم العمل الذي يتيحه Codex. ولهذه النتائج حدّان. الأول أن تحليل Faros ارتباطي، فهو يُظهر أن تبنّي الذكاء الاصطناعي وطول المراجعات تحرّكا معًا، ولا يُظهر أن الذكاء الاصطناعي هو الذي أطال المراجعات. والثاني أن هذا كله يخصّ البرمجيات، وليس عروض الأسعار أو الحجوزات أو المحتوى أو التقارير، فالمبدأ ينطبق على عملك، لكن الأرقام لا تنطبق عليه.

حين يصل أثر التسريع إلى الشركة فعلًا

لا يعني شيء من هذا أن تسريع العمل بالذكاء الاصطناعي لا يؤتي ثماره أبدًا. وتقرير DORA لعام 2025 الصادر عن Google مسحٌ شمل قرابة 5,000 من المتخصصين في التقنية، وقد وجد علاقة إيجابية بين تبنّي الذكاء الاصطناعي ومعدّل تسليم البرمجيات، وهذا يعني أن المكسب وصل إلى التسليم فعلًا في بعض المؤسسات. وفي دعم العملاء، تابعت دراسة للباحثين Brynjolfsson، Li، Raymond (ورقة العمل رقم 31161 الصادرة عن NBER بعنوان Generative AI at Work) أداء 5,179 موظف دعم في شركة واحدة، ووجدت الدراسة أن أداة ذكاء اصطناعي رفعت عدد المشكلات المحلولة في الساعة بنسبة 14% في المتوسط. هناك كانت الخطوة التي سرّعتها الأداة هي العمل نفسه، فأدّى تسريعها إلى ناتج أكبر.

لذلك اترك سؤال «هل يساعد الذكاء الاصطناعي؟»، واسأل: هل كانت الخطوة التي سرّعتها هي التي كان العمل ينتظرها؟

الإحساس بالسرعة ليس قياسًا

لا يمكنك أن تجيب عن ذلك من موقعك داخل العمل. ففي دراسة أجرتها METR على مطوّرين متمرّسين في المشاريع مفتوحة المصدر، يعملون على مشاريعهم التي مضى على تطويرها وقت طويل، استغرق هؤلاء المطوّرون وقتًا أطول بنسبة 19% حين استخدموا أدوات الذكاء الاصطناعي المتاحة في مطلع 2025 مقارنة بعملهم دونها. ومع ذلك ظلوا يعتقدون بعدها أن الذكاء الاصطناعي جعل عملهم أسرع بنسبة 20%. هذه نتيجة محدودة النطاق، وصفحة الدراسة لدى METR، التي جرى التحقق منها في 8 نوفمبر 2026، تصفها بأنها لم تعد محدّثة، وتحيل القرّاء إلى تحديث صدر في فبراير 2026. والدرس ليس أن الذكاء الاصطناعي يبطئ الناس، بل أن السرعة التي يحسّها الناس وسرعتهم المقيسة قد تشيران إلى اتجاهين متعاكسين.

المسودات التي تظهر في ثوانٍ تمنح شعورًا بالتقدّم. أما ما إذا كان العميل قد حصل على عرض السعر في وقت أبكر، فسؤال آخر لا تجيب عنه إلا الأوقات المسجّلة.

تتبّع عملًا واحدًا خطوة بخطوة

هذه هي الطريقة التي يقترحها دكتور بيزنس للتحقق. وهي ليست معيارًا منشورًا، بل تطبيق لمبدأ القيد على عمل واحد، باستخدام سجلات تحتفظ بها معظم الفرق أصلًا.

1. اختر عملًا واحدًا أُنجز بعد التسريع. عرض سعر أُرسل الأسبوع الماضي، أو تقرير سُلّم، أو منشور نُشر. اختر عملًا معتادًا، لا أسوأ حالة.
2. اكتب كل خطوة مرّ بها. وأدرج الخطوات التي بقي فيها منتظرًا شخصًا ما، فالانتظار حتى تصدر الموافقة خطوة بحد ذاته.
3. حدّد ثلاثة أوقات لكل خطوة: متى وصل العمل إليها، ومتى بدأ أحدهم تنفيذه، ومتى غادرها. وعادةً ما تجدها في أوقات رسائل البريد الإلكتروني، وسجل التذاكر، وسجل إصدارات المستندات، ورسائل المحادثة.
4. قسّم كل خطوة إلى انتظار وعمل. الانتظار من لحظة الوصول حتى البدء، والعمل من البدء حتى المغادرة.
5. اجمع الأوقات، وسمِّ الخطوة التي طال فيها الانتظار أكثر من غيرها.

وفيما يلي شكل محتمل لتتبّع مكتمل لعرض السعر في المثال الافتراضي الذي ورد سابقًا. والأرقام توضيحية، وليست مأخوذة من عميل:

قلّص الذكاء الاصطناعي عمل الصياغة من ساعتين إلى عشر دقائق، ومع ذلك لا يزال العميل ينتظر نحو يومين ونصف، لأن 54 من أصل 60 ساعة انتظار تقع عند الموافقة. والتوفير أقل من 3% من الزمن الذي كان يستغرقه عرض السعر من قبل حتى يُرسَل إلى العميل. ولكي تطبّق التتبّع على عملك، انسخ هذا الجدول، واكتب خطوات العمل الذي اخترته مكان صفوفه.

ثم كرّر ذلك مع عملين أو ثلاثة أعمال أخرى. فعمل واحد قد يضلّلك، لأن إجازة مدير واحد تبدو تمامًا مثل نقطة اختناق.

انظر الآن إلى أمرين: كم من الوقت لا تزال تستغرقه الخطوة التي سرّعتها، وكيف يتوزّع الوقت الكلي بين الانتظار والعمل. فحين يكون الانتظار كبيرًا مقارنة بالعمل، فإن أي أداة تجعل العمل أسرع لن تقرّب موعد الانتهاء كثيرًا.

ويطرح David Sabine الفكرة نفسها لفرق البرمجيات في مدونة Scrum.org، إذ يدعو إلى ملاحظة المواضع التي ينتظر فيها العمل أثناء تدفقه، ويقول إنها هي نقاط الاختناق الجديدة.

أين تذهب الميزانية التالية

قاعدة القرار: تذهب الأموال والساعات التالية إلى الخطوة التي ينتظر فيها العمل أطول مدة، لا إلى أحدث أداة، ولا إلى الخطوة التي تسارعت بالفعل.

ويتوقف تطبيق ذلك على ما يكشفه التتبّع:

• أطول انتظار لا يزال في الخطوة التي سرّعتها. إذن فهي لا تزال القيد، وتسريعها مرة أخرى خيار سليم. وهذه حالة دعم العملاء: الخطوة الأسرع هي العمل نفسه.
• أطول انتظار في مكان آخر. تلك الخطوة تنال الإنفاق التالي. ودع الخطوة السريعة كما هي حتى تتحسن الخطوة البطيئة.
• أطول انتظار في طابور شخص ما. فالموافقات والتوقيعات وتسليم العمل من شخص إلى آخر قد تُحلّ بالقواعد لا بالبرمجيات: من يملك صلاحية الموافقة، وفوق أي قيمة، وكم مرة. وفي مثال عروض الأسعار الافتراضي، قد يحقق السماح بإرسال العروض التي تقل عن قيمة محددة دون المرور بالمدير أكثر مما تحققه أي أداة جديدة.
• لا تجد الأوقات المسجّلة. عندها يكون الإصلاح الأول هو السجل نفسه. فإذا لم يكن أحد يرى متى وصل العمل إلى كل خطوة، فلن يجد أحد القيد، ويصبح كل استثمار تخمينًا.

حين ينتظر العمل الآن عند المراجعة

في بيانات البرمجيات، كانت المراجعة هي الموضع الذي طال فيه الطابور. وهي موضع مرجّح للبحث في أنواع أخرى من سير العمل أيضًا، لأن الذكاء الاصطناعي يرفع عدد المسودات، وكل مسودة لا تزال تحتاج إلى شخص. وإليك نمطًا يستحق التجربة هناك، نطرحه على سبيل التوضيح، لا بوصفه نتيجة مقيسة:

1. دوّن لمدة أسبوعين كل ملاحظة يبديها المراجِع.
2. اجمع الملاحظات التي تتكرر: شروط الدفع الناقصة، واسم المنتج الخاطئ، وصيغة التاريخ، والسطر الذي يحتاج دائمًا إلى تحفّظ.
3. حوّلها إلى قائمة تحقق يجب أن تجتازها المسودة قبل أن يراها شخص. يمكن أن يطبّقها كاتب المسودة، أو يمكن لأداة الذكاء الاصطناعي أن تفحص مسودتها بنفسها في ضوء القائمة.
4. عندها يذهب وقت المراجِع إلى ما يحتاج إلى تقدير: السعر، والمخاطر، والنبرة مع عميل صعب.

الثمن المقابل أن قائمة التحقق تتقادم مع تغيّر المنتجات والأسعار، والقائمة المتقادمة تمرّر مسودات كان المراجِع سيوقفها. فحدّد لها مسؤولًا، وراجعها كل شهر.

بعد الإصلاح، قد تنتقل الخطوة الأبطأ

إذا أصلحت الخطوة التي انتظر فيها العمل أطول مدة، فقد تصبح خطوة أخرى هي الأبطأ. ويقول Theory of Constraints Institute ذلك صراحة: حين تُقوّى الحلقة الأضعف، قد لا تبقى هي الأضعف. ويعود منهجه إلى الخطوة الأولى، أي تحديد القيد، في كل مرة يُخفَّف فيها أحد القيود.

وعمليًا، يعني ذلك أن تعيد التتبّع بعد بضعة أسابيع من كل تغيير. فالخطوة التي أخّرت العمل الشهر الماضي قد تكون سالكة الآن، وقد يكون الطابور قد تشكّل في مكان جديد، وهو المكان الذي يذهب إليه الإنفاق التالي.