作者: TT3LABS، منصة التوظيف عن بعد في Web3/AI/SaaS
في 26 فبراير 2026، أعلنت شركة التكنولوجيا المالية العملاقة Block عن تسريح أكثر من 4000 موظف، حيث انخفض حجم الفريق من أكثر من عشرة آلاف إلى أقل من 6000. وذكر الرئيس التنفيذي جاك دورسي في رسالة للمساهمين:
“لقد غيرت الأدوات الذكية معنى إنشاء وتشغيل شركة… فريق أصغر بشكل ملحوظ، باستخدام الأدوات التي نبنيها، يمكنه إنجاز المزيد وبأفضل شكل.”
كما قدم توقعاته القاسية للغاية:
“أعتقد أن معظم الشركات قد تأخرت بالفعل. خلال العام القادم، ستصل غالبية الشركات إلى نفس الاستنتاج، وستجري تعديلات هيكلية مماثلة.”
وفي نفس اليوم بعد إغلاق السوق، قفز سعر سهم Block بأكثر من 20%. وكان هذا رد فعل السوق المالي الحقيقي: دفع ثمن رفع كفاءة الشركات باستخدام الذكاء الاصطناعي.
شخص عادي لا يفهم البرمجة تمامًا، باستخدام نماذج كبيرة، يمكنه في ليلة واحدة تشغيل تطبيق كامل الوظائف بشكل مستقل. ومن الطبيعي أن يطرح السوق سؤالًا حادًا: كم من القيمة لا تزال موجودة في شركة عملاقة توظف عشرات الآلاف من المبرمجين لتشغيل تطبيق ضخم، مع تكاليف بشرية هائلة؟
اتجاه استبدال البشر بالذكاء الاصطناعي، ستتبعه المزيد من الشركات الكبرى. لا مفر من القلق، لكن القلق وحده لا يكفي. يجب أن نبدأ من التغيرات الكبرى في البيئة، ونعود خطوة خطوة إلى استراتيجيات البقاء الفردية.
الذكاء الاصطناعي ليس مجرد أداة، بل أصبح وسيلة إنتاج
بدأ بعض الأشخاص في السوق يستخدمون مصطلح “Web4” لتعريف المرحلة الحالية. ولتوضيح السياق، لنراجع مراحل تطور الإنترنت المختلفة:
Web2
التركيز على التفاعل بين البرامج والبشر، حيث تستخدم المنصات المختلفة الخوارزميات لجذب انتباه المستخدمين، وهي في جوهرها معركة استحواذ على حركة المرور.
Web3
يحاول حل مشكلات حقوق الملكية الرقمية وتوزيع القيمة. يختصر الكثيرون الأمر على أنه مرتبط بالعملات المشفرة، لكنه من جوهره لا يزال في إطار قواعد توزيع الثروة، ولم يلامس بعد علاقات “الإنتاج والتصنيع” للمنتجات الرقمية.
ما قبل Web4
أول مرة يلامس فيها الذكاء الاصطناعي تغيير علاقات الإنتاج ذاتها. لم يعد مجرد أداة لزيادة الكفاءة، بل يتحول إلى نوع جديد من وسائل الإنتاج. من يستخدمه بشكل أكثر فاعلية، يمكنه رفع سقف الإنتاج بشكل كبير.
في التعاون التقليدي، هناك تكاليف خفية كثيرة: حكم القادة المتميزين وحدسهم الصناعي يصعب نقلهما للمرؤوسين، وسوء الفهم وإعادة العمل أثناء التنفيذ لا مفر منهما. هذه “ضرائب خفية” على تشغيل المنظمة، ولم تكن هناك حلول واضحة لها من قبل. لكن الذكاء الاصطناعي قلصت بشكل كبير من هذه الضرائب، فهي لا تتطلب منحنى تعلم، ويمكنها تنفيذ الأوامر بوضوح وجودة عالية، وتستطيع معالجة عدة مهام في وقت واحد. الجمع بين حكم شخصي واستراتيجية مع تنفيذ الذكاء الاصطناعي يمكن أن يضاعف إنتاجية فريق كامل.
بالطبع، لا تزال نماذج الذكاء الاصطناعي أحيانًا “تتكلم بجدية وتقول أشياء غير صحيحة”، مما يجعل التدقيق البشري ضروريًا. لكن موثوقية النماذج تتحسن شهريًا، والفترة الزمنية المتاحة للوظائف التنفيذية البحتة أقل مما يظن الكثيرون.
المساواة في الكفاءة والأزمة العميقة: بعد إلغاء حواجز الدخول
على المدى القصير، يمكن للأشخاص العاديين الاستفادة من أدوات الذكاء الاصطناعي لزيادة الكفاءة. لكن، إذا نظرنا للأمر بشكل أعمق، عندما يقلل الذكاء الاصطناعي من فجوة الكفاءة ويخفض بشكل كبير حواجز الدخول للمهن، ستكتشف الشركات أنه بعد رفع إنتاجية الفرد بشكل كبير، إذا لم تتوسع الأعمال بشكل متناسب، فإن الحفاظ على نفس حجم الموظفين يصبح عبئًا سلبيًا.
وهو ما نراه الآن في تفاوت الرواتب. وفقًا لبيانات مراقبة الوظائف من TT3LABS، منذ 2025، ظهرت مرارًا حزم رواتب تتجاوز “عشرة ملايين دولار”، ويعمل فيها شباب مهندسو ذكاء اصطناعي، وليس لديهم خبرة كبيرة في إدارة الفرق. عندما حاولت Meta جذب باحثي OpenAI الأساسيين، كانت مكافأة التوقيع تتجاوز مليار دولار، ومتوسط حصة الأسهم لموظفي OpenAI وصل إلى 1.5 مليون دولار، وأعلى راتب سنوي لمهندس أبحاث كبير في Anthropic بلغ 690 ألف دولار (دون احتساب الأسهم).
المال يُنفق على قدرة نادرة: جعل الذكاء الاصطناعي أقوى. من يساهم في تطوير النماذج الأساسية، يمكن أن تتضاعف قيمته بشكل هندسي عبر الشبكة التجارية. أما الآخرون، طالما يمكن للذكاء الاصطناعي تغطية مهامهم بتكلفة أقل، فإن تقييمهم قد ينخفض.
وهذا يثير أزمة أعمق: الآن، رد فعل الكثيرين عند مواجهة مشكلة هو أن يطلبوا من الذكاء الاصطناعي إعطاء إجابة، متجاوزين عملية التفكير والتجربة والخطأ التي تشكل حاسة الشم لديهم. مع مرور الوقت، يفقدون القدرة على التفكير. المشكلة أن هذه “الجهود المبذولة بشكل أحمق” هي التي تشكل إحساسك بالمشكلة. الاعتماد المستمر على الذكاء الاصطناعي لإنجاز هذه العملية، يؤدي إلى تدهور دورك في العمل إلى مجرد “مترجم طلبات”: تحويل متطلبات الآخرين إلى مدخلات للذكاء الاصطناعي، ثم نقل مخرجاته للآخرين. وهذه الحلقة الوسيطة، هي التي يسهل على الجيل القادم من الذكاء الاصطناعي تجاوزها مباشرة.
خريطة التأثير: أين تقف أنت؟
الخوف بدون تحديد مكانه هو مجرد قلق. قبل مناقشة الحلول، نحتاج إلى رسم “خريطة تأثير”. الهدف ليس نشر الذعر، بل تحديد موقع كل شخص.
وظائف عالية الخطورة يمكن توضيح أوامرها بوضوح
البرمجة الأساسية، التحليل البياناتي البسيط، إعداد التقارير القياسية، التصميم القائم على القوالب، التدقيق والترجمة الروتينية. هذه الوظائف يمكن تفكيكها بوضوح إلى “مدخلات → معالجة → مخرجات”. من بين أكثر من 4000 شخص تم تسريحهم من Block، يوجد الكثيرون ضمن هذا النطاق. قدراتهم المهنية جيدة، لكن ما يفعلونه هو ما يمكن للنماذج الكبيرة أن تقوم به.
مقياس مهم للتقييم الذاتي: إذا كان بإمكانك كتابة كل عملك كأمر للذكاء الاصطناعي، فهذا يعني أن الآلة أصبحت جاهزة لاستبدالك، وما يتبقى هو قرار الشركة فقط.
الطبقة الوسطى ذات الخبرة التي تتعرض لضغط
مديرو المشاريع، مدراء العمليات، المهندسون المتوسطون. عملهم يتطلب الحكم والتنسيق، ولن تتأثرهم الموديلات الحالية على المدى القصير، لكنهم يتعرضون لضغط. سابقًا، كانت سلسلة العمل تتطلب خمسة من الوسطاء يديرون أجزاء مختلفة، ويتوافقون مع بعضهم، الآن، استولى الذكاء الاصطناعي على تنفيذ المهام من المصدر إلى النهاية، ويمكن لشخص أو اثنين إدارة كامل السلسلة.
هذه الفئة تواجه وضع “تقلصت أماكنها”. قدراتها لم تتراجع، لكن الطلب عليها في السوق ينخفض بسرعة. طريقهم هو استغلال الذكاء الاصطناعي لزيادة التنفيذ، والحصول على سلطة تحديد المشكلات.
المديرون الذين يتحكمون في قيمة الإضافة
هناك نوع من الوظائف، لا يركز على “القيام بالمهمة بشكل صحيح”، بل على “اتخاذ القرارات في ظل معلومات غير مكتملة دائمًا وتحمل المسؤولية عن النتائج”. التفاوض التجاري المعقد، إدارة الأزمات، إدارة المنظمات متعددة الثقافات، تقييم الاستثمارات عالية المخاطر. يمكن للذكاء الاصطناعي تقديم التحليل والنصائح، لكنه لا يستطيع التوقيع نيابة عنك، ولا يتحمل المسؤولية، ولا يفهم الإشارات غير اللفظية في الاجتماعات.
هذه الأدوار لن تتراجع قيمتها، بل ستزداد، لأن التكاليف الأساسية لتنفيذها ستنخفض بشكل كبير، مما يسمح بتمويل مشاريع أكبر، وزيادة النفوذ في القرارات.
في الواقع، يعمل الكثيرون عبر أكثر من مستوى في الهيكل الوظيفي. اختبار بسيط: فكر في مهام عملك اليومية، كم منها يمكن توضيحه بأمر واحد، وكم منها يتطلب منك اتخاذ قرار غامض؟ كلما زاد الجزء الأول، زادت حاجتك إلى التغيير السريع.
توقف عن القلق من الأدوات، وحول القدرة الحسابية العامة إلى حاجز خاص بك
في نهاية يناير، ظهر OpenClaw (“الروبيان الصغير”)، وحقق خلال أيام أكثر من 170 ألف نجمة على GitHub. تبعته الشركات المصنعة للنماذج بسرعة، أطلقت Alibaba Cloud خدمة نشر بنقرة واحدة، وطرحت Tencent منافسًا باسم CoPaw، وقدم MiniMax وKimi حلول التوافق الخاصة بهم.
ثم تكتشف ظاهرة مثيرة: الكثيرون يقضون هذا الشهر أكثر في “دراسة كيفية نشر الروبيان الصغير” و"مقارنة العروض المختلفة"، أكثر مما يقضونه في إنتاج نتائج أعمال باستخدام الذكاء الاصطناعي. الجميع يلاحق الأدوات، لكن بعد ذلك، يمكن لأي شخص أن ينسخ إعداداتك خلال ساعتين.
“جميع نماذج اللغة الكبيرة — OpenAI، Anthropic، Meta، Google، xAI — تم تدريبها على نفس البيانات المفتوحة من الإنترنت. لذلك، فهي في جوهرها متشابهة، ولهذا السبب يتم تسويقها بسرعة فائقة.”
— لاري إليسون، مكالمة أرباح Oracle للربع الثاني من السنة المالية 2026
بفهم عكسي، يعني ذلك: طالما أن عملك يعتمد فقط على قدرات النماذج العامة المفتوحة، فإن إنتاجك سيكون متشابهًا، حتى لو كانت أوامرك معقدة، ولن يكون لديك ميزة تنافسية حقيقية.
الحواجز الحقيقية تكمن في الانتقال من العام إلى الخاص
هناك اتجاه واضح جدًا: من الشركات الكبرى إلى فرق الشركات الناشئة، تتجه المزيد من المؤسسات إلى نشر نماذج خاصة محلية. السبب المباشر هو الأمان المعلوماتي، حيث لا يرغب أحد في تسليم بياناته الحساسة إلى طرف ثالث عبر API. لكن، هناك رد فعل متسلسل غير محسوب: عندما يضع اللاعبون الرئيسيون في الصناعة بياناتهم ومعارفهم في أنظمة خاصة، تقل المعلومات الصناعية التي يمكن أن تتعلمها النماذج العامة على الإنترنت، وتصبح أبطأ وأقل حداثة. على السطح، يقلل الذكاء الاصطناعي من حاجز المعرفة للجميع، لكن المعرفة الصناعية ذات القيمة الحقيقية تتلاشى بسرعة من الشبكة العامة، وتدخل بشكل متزايد في قواعد البيانات الخاصة لكل شركة.
لذا، فإن “المعرفة الخفية” التي تراكمت على مدى سنوات ليست في تراجع، بل في ارتفاع. بشرط أن تستخدمها.
قم بتنظيم وتجميع الخبرات غير المهيكلة الموجودة في عقلك، سجلات الدردشة، رسائل البريد الإلكتروني القديمة، وحولها إلى سياق يمكن لنموذجك الخاص استيعابه. تظهر بيانات TT3LABS أن المرشحين ذوي خبرة تزيد عن عامين في صناعة Web3 لديهم معدل نجاح أعلى بكثير في الاختبارات الأولية مقارنة بالمهندسين من الشركات الكبرى بدون خلفية صناعية، والسبب هو أن المعرفة والخبرة الصناعية لها وزن أكبر من المهارات التقنية العامة. شخص عمل ثلاث سنوات في إدارة CEX، لديه فهم لآليات الامتثال وقواعد السوق، وشخص مر بدورتين من إدارة DAO، لديه إحساس بتصميم المقترحات وتحولات مزاج المجتمع، وشخص متخصص في المحتوى العميق، لديه حدس حول نفسية الجمهور وإيقاع السرد. هذه الأمور لا تظهر في أي بيانات تدريب عامة.
عند هيكلة هذه الخبرات الخاصة وإدخالها في النموذج، لن يكون ذكاؤك الاصطناعي مجرد موسوعة عامة، بل شريك مخصص يعمل فقط من أجلك، ويفهم مسارك الخاص. هذا العمق في الإنتاجية لا يمكن أن يتطابق معه أي نموذج عام يستخدمه الآخرون.
القاعدة الأساسية: الذكاء الاصطناعي يتفوق على الجميع في معالجة المعرفة العامة، لكنه يعتمد كليًا على تغذيتك الخاصة في معالجة الخبرات الشخصية. من يدمج المعرفة الصناعية العميقة مع الذكاء الاصطناعي، هو الأصل الحقيقي للأصول في شكل جديد من التقسيم الوظيفي.
مخزون خبراتك هو النموذج الحقيقي
نماذج الذكاء الاصطناعي تتطور بسرعة، وGPT، Claude، Gemini، قد يتم استبدالها خلال ستة أشهر بأجيال أقوى. لكن، بالنسبة لك، فإن استبدال النموذج هو مجرد تغيير في واجهة برمجة التطبيقات. ما لا يمكن استبداله هو البيانات والخبرات الخاصة التي تغذيها.
النموذج هو بنية تحتية عامة، يمكن للجميع استخدامها. لكن، المعرفة الصناعية، القرارات التجارية، سجلات الأخطاء، هي “مواد تدريب” خاصة بك فقط. وكلما كانت نماذج الذكاء الاصطناعي أقوى، زادت قدرتها على استيعاب خبراتك، وزادت حصانتك الخاصة. لذلك، لا تقلق بشأن أن بناء قاعدة معرفية الآن قد يصبح قديمًا بسرعة، فهي أصول لا تتراجع قيمتها مع تطور النماذج. مع تغير النماذج، ستزداد حصانتك المعرفية مع تحسين قدرات الذكاء الاصطناعي.
وفي الوقت نفسه، يتم إعادة كتابة منطق المنافسة في سوق العمل. لم يعد بإمكان الموظف الاعتماد على العمل الليلي لإظهار الالتزام، فآلات الذكاء الاصطناعي تعمل 24/7، وأي استراتيجية تعتمد على “أنا أتحمل أكثر من غيري” تصبح بلا قيمة أمامها.
الكثيرون يقولون: “ما زلت أقدم قيمة عاطفية داخل الفريق.” صحيح، هذه قدرة فريدة للبشر، لكن قيمتها تعتمد على مستوى وظيفتك. عندما يتقلص فريقك من عشرة أشخاص إلى اثنين مع مجموعة من وكلاء الذكاء الاصطناعي، فإن “مُحَسِّن الفريق” يفقد سياقه. أما على مستوى اتخاذ القرارات، فإن التفاوض المعقد، وبناء الثقة عالية المخاطر، وفض النزاعات بين الأطراف ذات المصالح، فإن الروابط العميقة بين البشر تصبح أكثر قيمة، خاصة مع انخفاض التكاليف الأساسية. القيمة العاطفية لا تختفي، بل تنتقل للأعلى.
في النهاية، الاستثمار الأهم في عصر الذكاء الاصطناعي ليس تعلم أدوات معينة، بل إدارة مجموعة خبراتك الخاصة التي لا يملكها أحد غيرك. الأدوات تتغير، لكن مخزون الخبرة الخاص بك لا يتراجع.
ثلاث خطوات يمكنك البدء بها الآن
بالعودة إلى حالة Block، هناك من تم تسريحه، وهناك من بقي، والفرق هو أن من أصبح الذكاء الاصطناعي أداة إنتاج قياسية، هو الذي يظل لا غنى عنه. لا تنتظر أن توفر لك الشركة تدريبًا على الذكاء الاصطناعي، بل ابدأ من اليوم بمحاولة هذه الخطوات:
01. التحول من “العمل اليدوي” إلى “بناء تدفقات العمل”
أكثر فخ يقع فيه العاملون هو استخدام الذكاء الاصطناعي لـ"التكاسل" (مثل كتابة تقرير أسبوعي أو تحسين رسالة بريد إلكتروني)، وهو تفكير تنفيذي. ما عليك فعله حقًا هو أن تعتبر نفسك “مشرفًا”، وتعيد تصميم أهم مخرجات وظيفتك الحالية إلى خط إنتاج تلقائي باستخدام الذكاء الاصطناعي.
لا تجرب عشرات النماذج في آن واحد، اختر النموذج الأكثر نضجًا حاليًا (مثل ChatGPT Plus أو Claude)، وادخله بقوة في أكثر المهام استهلاكًا للوقت والخبرة. حول عملية “جمع البيانات يدويًا → التحليل والمقارنة → إصدار النتائج” إلى “تحديد عمليات الأتمتة → تغذية البيانات إلى إطار تحليل الذكاء الاصطناعي → التدخل والتعديل يدويًا”. عندما تتمكن من تقليل أسبوع من العمل إلى يوم واحد مع الحفاظ على جودة عالية، ستتحول من مجرد نقطة حساب إلى “شركة صغيرة” ذات رفع رأس مال عالي.
02. تحويل الخبرات غير الظاهرة إلى نسخة رقمية خاصة بك
نماذج الذكاء الاصطناعي تتعلم من البيانات المفتوحة، وتفهم النظريات، لكنها لا تفهم تفاصيل عمل عملائك الصعبين، أو المناطق الحساسة عند التواصل مع قسم المالية. هذه “المعرفة الخفية” التي اكتسبتها من خلال التجربة، هي أصولك الأساسية.
لكن، إذا بقيت فقط في رأسك، فلن تحقق عائدًا مركبًا. مهمتك الآن هي استغلال قدرات النماذج الحالية (مثل Custom GPTs أو Claude Projects) لتحويل خبراتك إلى “أوامر إعداد نظام” لها. أدخل الحالات الخاصة، وتقارير المراجعة، والقواعد غير المكتوبة في مجالك. هدفك ليس بناء قاعدة معارف ثابتة، بل “تدجين” مساعد شخصي خاص بك يعمل على مدار الساعة، يعكس أسلوبك المهني ويعمل فقط من أجلك. عندما يتكون هذا “النسخة الرقمية”، لن يستطيع أي شخص يستخدم نموذجًا عامًا أن ينافسك.
03. تعزيز حقك في تحديد المشكلات وتحمل المسؤولية
ابدأ بممارسة تفويض مهمة “إيجاد الإجابة” للآلة، واحتفظ بسلطة “طرح الأسئلة” و"اتخاذ القرارات" لنفسك. الذكاء الاصطناعي هو محرك إجابة ممتاز، لكنه لا يدرك دوافع الحاجة الحقيقية وراء الطلب. إذا قال المدير: “أريد استراتيجية جديدة للاحتفاظ”، فسيقدم لك الذكاء الاصطناعي بسرعة عشر نماذج، لكنك وحدك من يمكنه أن يربط بين الميزانية والموارد، ويحدد أن “الخطة ب” مثالية لكن غير قابلة للتنفيذ الآن، وأن “الخطة ج” تحتاج لتقليل الوظائف، وتناسب وتيرتك الحالية.
وفي الوقت نفسه، عليك أن تفهم أن الذكاء الاصطناعي لا يُسجن، ولا يتحمل مسؤولية. عندما تتلقى كودًا أو خطة من الذكاء الاصطناعي، يجب أن تكون واثقًا من أن “نتائج الذكاء الاصطناعي قد تم مراجعتها من قبل خبرتك، وأنا مسؤول عن التنفيذ النهائي.” القدرة على اتخاذ القرارات في ظل غموض وتحمل المسؤولية عن النتائج، هي قيمة مضافة لا يمكن للآلة أن تحل محلها في أي وقت.
دورسي قال: “معظم الشركات قد تأخرت.” لكن، من منظور الفرد، فإن هذه العبارة تنطبق أيضًا: معظم الناس لم يبدأوا بعد، ولم يدركوا هذا الاتجاه.
ليس من الضروري أن تصبح خبيرًا في الذكاء الاصطناعي، لكن من الضروري أن تفكر: في عملك، ما هي الأجزاء التي ستقوم بها الآلة عاجلاً أم آجلاً، وما هي الأجزاء التي تملكها أنت فقط؟ ثم، حول الوقت والجهد من الأول إلى الثاني.
إذا تجاوز الذكاء الاصطناعي جميع المجالات البشرية في يوم من الأيام، ربما في 2027، أو 2030، فهذه ليست تغييرات يمكنك أن تظل على هامشها.
هو لن ينتظرك لتكون مستعدًا.
