نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# يتسع استخدام الذكاء الاصطناعي ليتجاوز البرمجة، لكن إثبات كثافته أصعب

> تُظهر الاستطلاعات اتساع استخدام الذكاء الاصطناعي في العمل، بينما تكشف التجارب عن مكاسب وإخفاقات في مهام محددة. ولا تثبت بيانات الاستخدام حتى الآن أن المهن الأخرى ستبلغ كثافة الاستخدام نفسها التي تشهدها البرمجة.

By BIG CHANGE Editorial

Published: 2026-10-02T04:10:34.217Z
Updated: 2026-10-02T04:10:34.217Z
Canonical: https://bigchange.ai/blog/ai-use-beyond-coding-workplace-evidence

![A seated person works at a laptop while holding a blank sheet of paper at a wooden table.](https://bigchange.ai/api/media/file/ai-work-beyond-coding-hero-v2-1.png)
AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration.

بحلول الربع الثاني من عام 2026، قال نحو اثنين من كل خمسة بالغين أمريكيين عاملين إنهم استخدموا الذكاء الاصطناعي التوليدي في العمل خلال الأسبوع السابق. ومع ذلك، ساعد الذكاء الاصطناعي في 6.3% من ساعات العمل لدى جميع البالغين العاملين، وفق [متابعة وطنية للاستطلاع ](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/)أعدها باحثون من بنك الاحتياطي الفيدرالي في سانت لويس وجامعتي فاندربيلت وهارفارد. فالرقم الأول يعدّ الأشخاص، والثاني يقيس وقتهم. ولا يوضح أي منهما ما إذا كان العمل جيداً، أو ما إذا كانت الشركة قد حققت إيرادات أكبر، أو اختفت وظيفة.

تكتسب هذه الفروق أهميتها عند السؤال عما إذا كانت بقية الأعمال ستستخدم الذكاء الاصطناعي بالقدر نفسه الذي يستخدمه مطورو البرمجيات. وتُظهر سجلات المنصات اتساع نطاق التجارب، بما يشمل القانون والمبيعات والتسويق. كما تكشف التجارب عن مكاسب فعلية في بعض المهام غير البرمجية. لكنها تُظهر أيضاً أن مجرد إتاحة الأداة قد لا يغير الكثير، وأن الإجابة المصقولة قد تكون خاطئة.

## التغيير الكبير

- **ما الذي تغير:** يعلن مزودو الذكاء الاصطناعي الآن عن الاستخدام المتكرر ونشاط الوكلاء في مزيد من وظائف الأعمال، بينما تُظهر استطلاعات مستقلة اتساع الاستخدام الأسبوعي بين العاملين في الولايات المتحدة.
- **لماذا يهم ذلك:** يتسع الاستخدام حين تلائم الأدوات سير العمل القائم، لكن المكاسب تعتمد على سياق المهمة والفحوص. ويحتاج المشترون والعاملون إلى قياس النتائج إلى جانب أرقام التبني.
- **ما الذي ينبغي متابعته:** تكرار استخدام الأدوات في المهام، وجودة المخرجات بعد التحقق، وصافي العوائد خارج البرمجة. ولا تحدد الأدلة الحالية متى ستبلغ المهن الأخرى مستوى استخدام البرمجة أو ما سيحدث للتوظيف.

## تقيس الأرقام أشياء مختلفة

استطلاع [Real-Time Population Survey ](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/)يسأل عينة إلكترونية ممثلة على المستوى الوطني من البالغين في الولايات المتحدة بين 18 و64 عاماً عن استخدام الذكاء الاصطناعي في العمل. وارتفعت نسبة الاستخدام خلال الأسبوع السابق من 28.2% في الربع الثالث من 2024 إلى 39.2% في الربع الثاني من 2026. كما ارتفعت النسبة المقدرة لساعات العمل التي ساعد فيها الذكاء الاصطناعي من 4.1% إلى 6.3%. وقدّر المشاركون أيضاً أن الذكاء الاصطناعي وفر 2.2% من إجمالي ساعات العمل في الربع الأخير. وهذا الرقم الأخير تقدير مستند إلى الذاكرة للوقت الموفر، وليس زيادة مرصودة في الإنتاجية أو الإيرادات.

ترصد OpenAI شيئاً مختلفاً: النشاط لدى عملائها من المؤسسات. ويقول [تقرير August Enterprise Signals ](https://openai.com/signals/enterprise-data/)إن عدد مستخدمي Codex النشطين أسبوعياً تضاعف 108 مرات في الأعمال القانونية، و41 مرة في المبيعات والتوظيف، و26 مرة في التسويق بين فبراير ويونيو 2026، مقابل نمو خمسة أضعاف في الهندسة. ولا تُكشف قواعد هذه المعدلات، لذا لا يمكن استخدامها للمقارنة بين عدد المحامين والمهندسين الذين يستخدمون الذكاء الاصطناعي، أو لحساب حصة الأداة من عمل أي من المهنتين. وأنتج Codex نسبة 64% من مجموع رموز الإخراج لدى Codex وChatGPT بين عملاء المؤسسات في يونيو. وتنتج جلسات الوكلاء الأطول رموزاً أكثر؛ فحصة الرموز ليست حصة العاملين ولا مقياساً للقيمة. وتبيع OpenAI هذه المنتجات ولها مصلحة في إظهار اتساع انتشارها.

وصنّفت [دراسة منفصلة لـ OpenAI شملت أكثر من 800,000 رسالة ChatGPT أمريكية](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf)، نُشرت في يوليو، نسبة 16.8% من الرسائل المرتبطة بالعمل على أنها مهام تتصل بمهنة غير مهنة المستخدم. وبلغت النسبة 43.5% بين الرسائل المحددة بما يكفي لربطها بمهنة. ووجدت [متابعة في سبتمبر ](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf)أن بعض العاملين عادوا إلى هذه المهام في الشهر التالي. وهذه نسب من الرسائل بين مستخدمين داخل العينة، مع استنتاج المهنة من معلومات التسجيل لحسابات الأعمال. وهي تكشف ما يطلبه الناس وما يعودون إليه، لا ما إذا كانوا قد أنجزوا المهمة أو غيروا وظائفهم.

كما يدرس [June Economic Index ](https://www.anthropic.com/research/economic-index-june-2026-report)الصادر عن Anthropic النشاط في خدمات الشركة نفسها. ويلتقط أخذ العينات الأكثر تفصيلاً أنماط يوم العمل، ويميّز بين استخدام الدردشة وCowork وواجهة API التابعة للشركة. وربط الاستطلاع المرافق الاستخدام بنحو 9,700 من مستخدمي Claude الذين عقد كل منهم خمس جلسات على الأقل. وتحذر Anthropic من أن هؤلاء لا يمثلون القوى العاملة: فقد شكّل العاملون في الحوسبة والرياضيات نحو 30% من المشاركين، مقابل نحو 4% من التوظيف في الولايات المتحدة. كما كان تمثيل المهن البدنية أقل من نسبتها. ووجد [مؤشر مارس السابق ](https://www.anthropic.com/research/economic-index-march-2026-report)أن مهام الحوسبة والرياضيات شكّلت 35% من محادثات Claude.ai في فبراير. وهذه حصة من محادثات منتج واحد، لا نسبة المطورين الذين يستخدمون الذكاء الاصطناعي؛ كما انتقل جزء من نشاط البرمجة إلى واجهة API. ويمكن لحركة الاستخدام لدى المزود أن تكشف المهام وتواترها داخل المنصة، لكنها لا تحدد وحدها معدل التبني بحسب المهن في الاقتصاد كله.

## تعتمد الإنتاجية على المهمة ووسائل التحقق منها

في [إطلاق تدريجي ](https://doi.org/10.1093/qje/qjae044)شمل 5,172 من وكلاء دعم العملاء، أدى إتاحة مساعد محادثة بالذكاء الاصطناعي إلى زيادة عدد المشكلات المحلولة في الساعة بمتوسط 15%. وتحسن كل من السرعة والجودة لدى الوكلاء الأقل خبرة ومهارة؛ أما الأكثر خبرة ومهارة فحققوا زيادة طفيفة في السرعة مع انخفاض محدود في الجودة. وأصبح العملاء أكثر تهذيباً وقلّ طلبهم التحدث إلى مدير. وقاست الدراسة عمليات دعم العملاء في شركة واحدة، حيث يمكن تتبع حل المشكلات وإحالتها. ولم تحسب العوائد لدى مراكز خدمة أخرى.

وفي [تجربة شملت 66 شركة و7,137 من العاملين المعرفيين](https://www.nber.org/papers/w33795)، أُتيح للعاملين عشوائياً استخدام أداة ذكاء اصطناعي ضمن برامج البريد الإلكتروني والاجتماعات والكتابة. وفي النصف الثاني من الدراسة، التي امتدت ستة أشهر، أمضى 80% من العاملين الذين حصلوا على الأداة واستخدموها ساعتين أقل أسبوعياً في البريد الإلكتروني، وقلّ وقت عملهم خارج الساعات المعتادة. ولم يرصد الباحثون تحولاً أوسع في حجم المهام أو مزيجها نتيجة إتاحة الأداة للأفراد. وعمل ثلاثة من المؤلفين في Microsoft Research، كما شاركت Microsoft، التي تصنع الأداة، في تنظيم التجربة وقدمت بيانات استخدام المنتج. وتتعلق النتيجة بالشركات المشاركة، لا بجميع أعمال المكاتب.

وتناولت الدراسة [تجربة ميدانية مع 758 مستشاراً من Boston Consulting Group](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf)، أُجريت في 2023 ونُشرت في مارس 2026، ووجدت إنجاز العمل بسرعة أكبر وتقييماً أفضل في مهام اختيرت عمداً لتناسب نقاط قوة GPT-4. وفي حالة مختلفة تتطلب تفسير أدلة المقابلات، كان مستخدمو الذكاء الاصطناعي أكثر عرضة لإجابة خاطئة. وشاركت BCG في الدراسة التي اختبرت تمارين محددة، لا نتائج عمل أُنجز للعملاء.

في [دراسة METR العشوائية ](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)على 16 مطوراً متمرساً للبرمجيات مفتوحة المصدر عملوا على 246 مسألة في مستودعات يعرفونها، زادت أدوات الذكاء الاصطناعي المتاحة في أوائل 2025 وقت الإنجاز بنسبة 19%. ومع ذلك، اعتقد المطورون أن الأدوات سرّعت عملهم. [أما المحاولة اللاحقة لـ METR ](https://metr.org/blog/2026-02-24-uplift-update/)باستخدام أدوات أحدث فأشارت إلى مكاسب، لكن الباحثين اعتبروا التقدير غير موثوق لأن المطورين الذين لم يرغبوا في العمل من دون الذكاء الاصطناعي انسحبوا، ولأن عمل الوكلاء المتزامن عقّد توقيت المهام. لذلك لا تثبت الدراستان أثراً موحداً للإنتاجية في البرمجة عبر الأدوات والسنوات.

توفر البرمجة تغذية راجعة يسهل الوصول إليها على نحو غير معتاد: فمستودعات الشيفرة تحفظ السياق والتغييرات، ويمكن لعمليات البناء والاختبارات والمراجعة كشف الإخفاقات. وحتى هناك، لا يكفي اجتياز اختبار واحد للحكم على المنتج كله. وفي دعم العملاء، يوفر حل المشكلات وردود فعل العملاء إشارات أخرى. وقد توفر مسودة بريد إلكتروني الوقت من دون أن تغير مخرجات الشركة. أما التوصية القانونية أو المالية أو الطبية فتتطلب فحوصاً تناسب عواقبها، وعلى المشتري احتساب وقت المراجعة إلى جانب كلفة الأداة. وهذه مشكلات قياس مختلفة؛ لذلك لا يثبت الاستخدام وحده تساوي الكثافة أو القيمة.

## قد يتغير العمل قبل أن يظهر ذلك في كشوف الرواتب

في الدنمارك، ربط الباحثون استطلاعات العاملين في 11 مهنة معرضة للتأثر بالذكاء الاصطناعي و7,000 موقع عمل بالسجلات الإدارية. ورصدت [مراجعتهم الصادرة في مارس 2026 ](https://www.nber.org/papers/w33777)مبادرات أصحاب العمل لاستخدام روبوتات المحادثة والتغييرات المبلغ عنها في المهام، لكنها لم تجد أثراً قابلاً للرصد في الأرباح أو الساعات المسجلة على مستوى العامل أو موقع العمل بعد عامين من إطلاق ChatGPT؛ وتستبعد تقديراتهم آثاراً تتجاوز 2%. وتقتصر النتيجة على الدنمارك والمهن والفترة التي دُرست. ولا تثبت أن تبنياً لاحقاً لن يغير التوظيف.

قد يعني الاستخدام المتكرر للعامل تنوعاً أوسع في المهام أو وقتاً أقل للبريد الإلكتروني. أما المشتري فيسأل ما إذا كان سير العمل كاملاً ينتج عملاً موثوقاً بتكلفة مقبولة. وبالنسبة لمن يتلقى إجابة دعم أو يعتمد على مشورة مهنية، فالنتيجة هي مدى صحتها وإمكانية مساءلة مقدمها. تدعم الأدلة المتاحة اتساع الاستخدام خارج البرمجة وتحقيق مكاسب قابلة للقياس في مهام مختارة. لكنها لا تحدد بعد موعداً ستبلغ فيه الوظائف الأخرى عمق استخدام البرمجة، ولا تثبت أثراً واحداً في الإنتاجية والتوظيف عبرها كلها.

## المصادر وقراءات إضافية

- [متابعة تبني الاستخدام في Real-Time Population Survey، شرح بنك الاحتياطي الفيدرالي في سانت لويس](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/)، 27 أغسطس 2026: الاستخدام في الولايات المتحدة خلال الأسبوع السابق، وساعات العمل التي ساعد فيها الذكاء الاصطناعي والوقت الموفر وفق المشاركين. لا ترصد جودة المخرجات أو الإيرادات.
- [OpenAI Enterprise Signals](https://openai.com/signals/enterprise-data/)، تحديث 12 أغسطس 2026: الاستخدام لدى قاعدة عملاء OpenAI من المؤسسات، وفق مقاييس الرموز والمستخدمين النشطين أسبوعياً. لم تُنشر الأعداد التي بدأت منها معدلات النمو.
- [OpenAI، Work at the Frontier](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf)، يوليو 2026، و[متابعة سبتمبر](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf): تصنيف رسائل ChatGPT وتكرار المهام لدى مستخدمين من الأعمال ضمن العينة، لا نتائج العمل المنجز.
- [Anthropic Economic Index، Cadences](https://www.anthropic.com/research/economic-index-june-2026-report)، 26 يونيو 2026، و [Learning curves](https://www.anthropic.com/research/economic-index-march-2026-report)، 24 مارس 2026: نشاط Claude وأنواع المخرجات واستطلاع لمستخدمين مختارين. ويستند القياس إلى حركة Anthropic والمشاركين في استطلاعها.
- [Brynjolfsson وLi وRaymond، Generative AI at Work](https://doi.org/10.1093/qje/qjae044)، نُشرت إلكترونياً في 4 فبراير 2025 ضمن عدد مايو من *Quarterly Journal of Economics*: قاست إنتاجية وكلاء الدعم وفروق مهارات العاملين واستجابات العملاء خلال تطبيق تدريجي في شركة واحدة.
- [Dillon وآخرون، Shifting Work Patterns with Generative AI](https://www.nber.org/papers/w33795)، منقحة في نوفمبر 2025: إتاحة عشوائية للأداة في أماكن العمل وقياس وقت البريد الإلكتروني ومزيج المهام في الشركات المشاركة. عمل ثلاثة من المؤلفين في Microsoft Research، وشاركت Microsoft في تنظيم التجربة.
- [Dell’Acqua وآخرون، Navigating the Jagged Technological Frontier](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf)، تجربة أُجريت في 2023 ونُشرت في 11 مارس 2026: قاست السرعة والجودة المقدرة والأخطاء في تمارين استشارية مختلفة.
- [تجربة METR للمطورين](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) و[تحديث فبراير 2026](https://metr.org/blog/2026-02-24-uplift-update/): أدلة عشوائية على البرمجة ومشكلات الاختيار في الدراسة اللاحقة.
- [Humlum وVestergaard، Still Waters, Rapid Currents](https://www.nber.org/papers/w33777)، منقحة في مارس 2026: استطلاعات دنماركية للعاملين وأماكن العمل رُبطت بالسجلات الإدارية للساعات والأرباح.

## Sources

- [هل يوفر الذكاء الاصطناعي التوليدي وقتاً في العمل؟](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) — استطلاع إلكتروني ممثل للولايات المتحدة: استخدام الأسبوع السابق وساعات العمل التي ساعد فيها الذكاء الاصطناعي والوفورات المبلغ عنها ذاتياً؛ من دون قياس متحقق للمخرجات أو الإيرادات.
- [إشارات المؤسسات](https://openai.com/signals/enterprise-data/) — بيانات استخدام OpenAI لدى المؤسسات: مستخدمو Codex بحسب الوظيفة ومزيج الرموز. وتحد الأعداد الأساسية غير المنشورة والوكلاء كثيفو الرموز من الاستنتاجات.
- [Work at the Frontier: How AI is expanding what people do at work](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf) — تصنيف OpenAI لأكثر من 800,000 رسالة عمل؛ ونسب الرسائل المرتبطة بمهن أخرى هي حصص من الرسائل، لا من العمل المنجز.
- [Work at the Frontier: How workers are unlocking new ways of working](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) — دراسة OpenAI لتكرار الاستخدام لدى مستخدمين مختارين؛ ولا تثبت الطلبات المتكررة إعادة تصميم الوظائف.
- [Anthropic Economic Index: Cadences](https://www.anthropic.com/research/economic-index-june-2026-report) — أنماط استخدام Claude واستطلاع غير ممثل لنحو 9,700 مستخدم مختار.
- [Anthropic Economic Index: Learning curves](https://www.anthropic.com/research/economic-index-march-2026-report) — عينات Claude.ai وواجهة API من فبراير 2026. وتمثل نسبة 35% المرتبطة بالبرمجة حصة من محادثات Claude.ai.
- [Generative AI at Work](https://doi.org/10.1093/qje/qjae044) — دراسة منشورة في QJE (عدد مايو 2025) شملت 5,172 وكيلاً في عمليات دعم شركة واحدة: زيادة متوسطها 15% في الحلول لكل ساعة. تركزت المكاسب لدى المبتدئين؛ وسجل الأكثر مهارة تراجعاً طفيفاً في الجودة. وأصبح العملاء أكثر تهذيباً وقلّ طلبهم التحدث إلى مدير. لا تثبت الدراسة عائداً عاماً على الاستثمار أو أثراً في التوظيف.
- [Shifting Work Patterns with Generative AI](https://www.nber.org/papers/w33795) — عدد NBER لشهر مايو 2025، منقح في نوفمبر 2025 (لم يُذكر اليوم). دراسة عشوائية شملت 7,137 عاملاً في 66 شركة. عمل ثلاثة من المؤلفين في Microsoft Research؛ وصنعت Microsoft الأداة وشاركت في تنظيم الدراسة وقدمت بيانات الاستخدام.
- [Navigating the Jagged Technological Frontier](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) — تمارين استشارية مضبوطة مرتبطة بـ BCG، أُجريت في 2023 ونُشرت في Organization Science في 11 مارس 2026؛ وتفاوتت المكاسب والأخطاء حسب المهمة، لا نتائج العملاء.
- [دراسة METR لإنتاجية المطورين في أوائل 2025](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) — دراسة عشوائية شملت 16 مطوراً و246 مسألة؛ استغرق العمل بالأدوات المتاحة آنذاك وقتاً أطول بنسبة 19% في عينة محدودة.
- [تحديث تجربة METR لإنتاجية المطورين](https://metr.org/blog/2026-02-24-uplift-update/) — يشرح الباحثون لماذا لا يمكن الوثوق بتقديرات التسريع اللاحقة بسبب الاختيار وقياس الوقت.
- [Still Waters, Rapid Currents](https://www.nber.org/papers/w33777) — عدد NBER لشهر مايو 2025، منقح في مارس 2026 (لم يُذكر اليوم). ولم ترصد الدراسة الدنماركية، التي ربطت الاستطلاعات بالسجلات الإدارية، أثراً مبكراً ضمن حدودها على الأرباح والساعات المسجلة.