يُظهر تحليل OpenAI لأكثر من 800,000 استعلام متعلق بالعمل على ChatGPT أن 43.5% من الطلبات ذات المستوى التخصصي يتم التعامل معها من قبل مستخدمين خارج نطاق أدوارهم الوظيفية الأساسية، وهو اتجاه تطلق عليه الشركة اسم "تداخل المهام" (task crossover). تكمن أهمية هذه النتيجة في كونها تشير إلى إعادة تشكيل سريعة لكيفية توظيف الشركات للخبرات وكيفية تعريف الأفراد لقدراتهم المهنية.

البيانات الكامنة وراء "تداخل المهام"

قامت OpenAI بربط كل استعلام بمهنة معيارية باستخدام قاعدة بيانات المهن الأمريكية O*NET. وبعد استبعاد الأنشطة العامة مثل صياغة رسائل البريد الإلكتروني أو الجدولة، ركزت الدراسة على الكفاءات عالية المستوى التي تتطلب عادةً تدريباً متخصصاً في مجال معين. ومن بين الاستعلامات المتبقية، طلب ما يقرب من نصفها من ChatGPT القيام بمهام تنتمي إلى فئة مهنية مختلفة عن فئة المستخدم نفسه.

أين يحدث هذا التحول

يزداد التداخل بشكل ملحوظ في مجالي التسويق والهندسة.

  • يلجأ متخصصو التسويق إلى ChatGPT لاستكشاف الأخطاء التقنية وإصلاحها وتحليل البيانات، وهي مهام يتعامل معها المهندسون أو علماء البيانات عادةً.
  • يطلب المهندسون من النموذج مراجعة العقود ومعالجة مشكلات المواقع الإلكترونية، وهي أدوار يشغلها تقليدياً الفريق القانوني أو فرق تطوير الواجهات الأمامية (front-end).

وتعمل الشركات الصغيرة على تعزيز هذا النمط؛ فمع الميزانيات المحدودة للمتخصصين، يمكن لموظف واحد استخدام ChatGPT كـ "مضاعف للقوة" (force multiplier)، حيث يتولى مجموعة من الوظائف التي كانت ستتطلب في الأصل تعيين موظفين متعددين.

لماذا يهم تداخل المهام العمل والذكاء الاصطناعي

تشير البيانات إلى الانتقال من "المتخصص" إلى "العامّ المعزز" (augmented generalist). ومع تحول صياغة الأوامر (prompt-crafting) إلى مهارة قائمة بذاتها، قد تفسح المعرفة العميقة المنعزلة المجال لتعدد الاستخدامات المعزز بالذكاء الاصطناعي. ويشعر المؤسسون والمطورون الآن بضغط لدفع النماذج اللغوية الكبيرة (LLMs) إلى ما هو أبعد من مجرد توليد النصوص البسيطة، لتقديم استدلال عالي الدقة في مجالات القانون أو التمويل أو الهندسة. إن خفض الحواجز أمام المهام التقنية قد يعيد تشكيل التوظيف والتدريب، وحتى المسميات الوظيفية.

المخاطر والحجج المضادة

لا يتقبل الجميع هذا التحول؛ إذ يحذر النقاد من أن تفويض العمل التخصصي إلى الذكاء الاصطناعي قد يؤدي إلى إضعاف الخبرة، وإدخال أخطاء خفية، وتعريض المؤسسات لمخاطر الامتثال. لا تتبع الدراسة مدى تكرار التحقق من المخرجات التي يولدها الذكاء الاصطناعي، كما أنها لا تحدد التكلفة المحتملة للأخطاء في المجالات عالية المخاطر مثل قانون العقود أو التصميم الهندسي. وتشير هذه المخاوف إلى أنه بينما يمكن للذكاء الاصطناعي توسيع القدرات، فإنه قد يخلق أيضاً شعوراً زائفاً بالكفاءة.

ما يجب مراقبته مستقبلاً

  • تطوير الأدوات: يجب أن تعمل التحديثات المستقبلية للنماذج اللغوية الكبيرة (LLM) على تحسين الاستدلال المتخصص في المجالات والتحقق من الأخطاء لتلبية متطلبات تداخل المهام.
  • السياسات التنظيمية: قد تضع الشركات إرشادات داخلية جديدة للعمل المدعوم بالذكاء الاصطناعي، خاصة في القطاعات الخاضعة للتنظيم.
  • إشارات سوق العمل: قد يبدأ مسؤولو التوظيف في إدراج "العامّ المعزز بالذكاء الاصطناعي" ككفاءة مطلوبة، وقد تتحول البرامج التدريبية نحو مهارات هندسة الأوامر (prompt-engineering).

الخلاصة

  • يمثل تداخل المهام 43.5% من الاستعلامات التخصصية، مما يشير إلى تداخل كبير في الوظائف المهنية.
  • يقود قطاعا التسويق والهندسة هذا التحول، عبر استخدام الذكاء الاصطناعي لمهام تنتمي تقليدياً إلى تخصصات أخرى.
  • تعتمد الشركات الصغيرة على الذكاء الاصطناعي لسد فجوات المواهب، مما يحول الموظف الواحد فعلياً إلى مشغل متعدد التخصصات.
  • يثير هذا الاتجاه الفرص والمخاطر على حد سواء، مما يستدعي دعوات لتعزيز التحقق من صحة مخرجات الذكاء الاصطناعي ووضع معايير جديدة في مكان العمل.