الأتمتة والذكاء الاصطناعي والوظائف: ما تُظهره الأدلة وما لا يزال في نطاق التوقعات

تتراوح الادعاءات بشأن الذكاء الاصطناعي والوظائف بين «ستختفي نصف الوظائف كلها» و«لم يتغير شيء». وتخلط معظم هذه الادعاءات بين ثلاثة أنواع مختلفة من العبارات: ما تم قياسه بشأن أتمتة الماضي، وما تم تقديره بشأن المهام التي يمكن للتكنولوجيات الجديدة تنفيذها، وما يُتوقع حدوثه في المستقبل. تفصل هذه الدراسة بينها. وهي تستعرض أبرز الأبحاث المعروفة عن الروبوتات الصناعية، والتقديرات المتداولة على نطاق واسع للوظائف «المعرّضة للخطر» جراء الحوسبة والانتقادات الموجهة إليها، ودراسات تعرّض المهام لنماذج اللغة الكبيرة التي أجراها باحثون في OpenAI ومنظمة العمل الدولية، والتجارب الميدانية والمخبرية حول الذكاء الاصطناعي التوليدي والإنتاجية، وأولى الدراسات للنتائج الفعلية في سوق العمل خلال 2023–2026. والنتائج الراسخة أضيق نطاقاً مما يوحي به النقاش العام: فقد أزاحت الأتمتة عمالاً في أماكن وفئات محددة، بينما ظل إجمالي العمالة يتكيف حتى الآن؛ ويرفع الذكاء الاصطناعي التوليدي الإنتاجية في بعض المهام، ولا سيما لدى العاملين الأقل خبرة؛ وتُظهر البيانات الإدارية المبكرة عدم وجود إحلال على مستوى الاقتصاد ككل، لكن اتساع الفجوة في التوظيف لدى العمال الشباب في المهن الأكثر تعرضاً. وكل ما يتجاوز ذلك يندرج في نطاق التوقعات.

النتائج الرئيسية

• كان للروبوتات آثار محلية قابلة للقياس. ففي مناطق التنقل للعمل في الولايات المتحدة، أدى وجود روبوت صناعي إضافي لكل ألف عامل إلى خفض نسبة التشغيل إلى السكان بمقدار 0.2 نقطة مئوية، وخفض الأجور بنسبة 0.42% (Acemoglu and Restrepo, 2020). وفي ألمانيا، عُوّضت بالكامل خسائر الوظائف المرتبطة بالروبوتات في قطاع التصنيع بوظائف جديدة في قطاع الخدمات، ووقع العبء أساساً على الشباب الداخلين إلى سوق العمل (Dauth et al., 2021). وفي 17 بلداً خلال 1993–2007، رفعت الروبوتات نمو إنتاجية العمل السنوي بنحو 0.36 نقطة مئوية من دون خفض إجمالي العمالة بدرجة ملحوظة (Graetz and Michaels, 2018).
• تقديرات «الوظائف المعرّضة للخطر» ليست توقعات بفقدان الوظائف. فقد وصفت تقديرات Frey and Osborne لعام 2013، التي أشارت إلى أن نحو 47% من العمالة في الولايات المتحدة كانت معرضة بدرجة عالية للحوسبة، الإمكانات التقنية «على مدى عدد غير محدد من السنوات، ربما عقد أو عقدين». وخلصت إعادة تحليل قائمة على المهام لمنظمة التعاون والتنمية في الميدان الاقتصادي إلى أن 9% من الوظائف في المتوسط، عبر 21 بلداً عضواً في المنظمة، قابلة للأتمتة.
• تتعرض مهام كثيرة لتأثير نماذج اللغة الكبيرة. ويقدّر Eloundou وزملاؤه أن نحو 80% من القوى العاملة في الولايات المتحدة قد تتأثر 10% على الأقل من مهام عملها بنماذج اللغة الكبيرة، وأن نحو 19% منها قد تتأثر نصف مهامها على الأقل؛ ومع استخدام نموذج لغة كبير وحده، يمكن إنجاز نحو 15% من المهام بسرعة أكبر بكثير مع الحفاظ على الجودة نفسها، وترتفع النسبة إلى 47–56% عند استخدام برمجيات مبنية عليه.
• تتوقع منظمة العمل الدولية تحولاً أكثر من الأتمتة. ويخلص مؤشرها لعام 2025 إلى أن واحداً من كل أربعة عاملين في العالم يعمل في مهنة تنطوي على قدر من التعرض للذكاء الاصطناعي التوليدي، وأن 3.3% من العمالة العالمية تقع ضمن فئة التعرض الأعلى — 4.7% من العمالة النسائية مقابل 2.4% من العمالة الذكورية. وتبلغ نسبة التعرض 34% من العمالة في البلدان المرتفعة الدخل، مقابل 11% في البلدان المنخفضة الدخل.
• يرفع الدعم بالذكاء الاصطناعي الإنتاجية في المهام المقاسة. فمن بين 5,172 موظفاً في دعم العملاء، أدى إتاحة مساعد بالذكاء الاصطناعي إلى زيادة عدد المشكلات التي حُلّت في الساعة بنسبة 15% في المتوسط، وكانت المكاسب الأكبر لدى العاملين الأقل خبرة ومهارة (Brynjolfsson, Li and Raymond, 2025). وفي تجربة شملت 453 مهنياً، خفّض ChatGPT الوقت اللازم لمهام الكتابة بنسبة 40%، ورفع جودتها بنسبة 18% (Noy and Zhang, 2023).
• لا تُظهر بيانات النتائج المبكرة إحلالاً إجمالياً. إذ تُظهر البيانات الإدارية الدنماركية آثاراً معدومة بدقة لروبوتات الدردشة المعتمدة على الذكاء الاصطناعي على الأرباح وساعات العمل، ما يستبعد آثاراً تتجاوز 2% بعد عامين من إطلاق ChatGPT (Humlum and Vestergaard, 2025). ولا تُظهر بيانات كشوف الرواتب الأمريكية حتى يونيو 2026 إحلالاً واسع النطاق، لكن توظيف من تتراوح أعمارهم بين 22 و25 عاماً في المهن المعرضة للذكاء الاصطناعي يقل 19% عن المستوى الذي كان سيبلغه لو واكب توظيف أقرانهم الأقل تعرضاً — وهي فجوة وصفية وليست تقديراً سببياً (Brynjolfsson, Chandar and Chen, revised 2026).
• قد تكون المكاسب على مستوى الاقتصاد الكلي متواضعة. ويقدّر Acemoglu (2025) أن الذكاء الاصطناعي سيرفع الإنتاجية الكلية لعوامل الإنتاج بنسبة لا تتجاوز 0.66% على مدى عشر سنوات، وربما تقل عن 0.53%.

سؤال البحث ونطاقه

تبحث هذه الدراسة فيما أثبتته الأبحاث، وما لم تثبته، بشأن آثار الأتمتة والذكاء الاصطناعي على العمالة والأجور وتنظيم العمل. ونهتم بهذا السؤال لأنه يقع في صميم نقاش «ما بعد العمل»: هل تحتاج المجتمعات إلى مؤسسات جديدة — مثل الدخل الأساسي، وصناديق الثروة الاجتماعية، وأشكال جديدة للملكية — بسبب انخفاض الطلب على العمل البشري.

يشمل النطاق الأبحاث المنشورة في مجلات محكّمة والأبحاث البارزة في أوراق العمل من 2013 إلى 2026 ضمن خمس فئات: دراسات أسواق العمل المحلية حول الروبوتات الصناعية؛ وتقديرات «المخاطر» المهنية؛ ومؤشرات التعرّض للذكاء الاصطناعي التوليدي؛ وتجارب الإنتاجية؛ والأدلة الإدارية الأولية على نتائج سوق العمل منذ إطلاق ChatGPT في نوفمبر 2022. ولا نستعرض توقعات القطاع، أو تقارير الاستشارات، أو استطلاعات نوايا المديرين التنفيذيين، التي كثيرًا ما يُستشهد بها لكنها نادرًا ما تتسم بالشفافية بشأن منهجيتها. وتغطي دراسات أخرى في الأطلس الأدلة المتعلقة بسياسات دعم الدخل التي قد تستجيب للتغير في سوق العمل.

الخلفية

سؤال قديم

مخاوف البطالة التكنولوجية قديمة قدم الاقتصاد الصناعي. وقد صاغ جون ماينارد كينز عبارة «البطالة التكنولوجية» في عام 1930، واصفًا إياها بأنها بطالة تنتج عن اكتشاف وسائل لاقتصاد استخدام العمل بوتيرة تتجاوز سرعة العثور على استخدامات جديدة للعمل. ومنذ ذلك الحين، نما التوظيف في البلدان الغنية عبر موجات متعاقبة من الميكنة والحوسبة.

لماذا بقيت الوظائف — حتى الآن

يلخّص مقال ديفيد أوتور الصادر عام 2015 بعنوان «لماذا لا يزال هناك هذا العدد الكبير من الوظائف؟» التفسير السائد. فالأتمتة تحل بالفعل محل العمل، كما هو مقصود منها، لكنها أيضًا تكمّل العمل، وترفع الإنتاج بطرق تزيد الطلب على العمل، وتتفاعل مع التعديلات في عرض العمل. ويرى أوتور أن المعلّقين يميلون إلى المبالغة في إحلال الآلات محل العمالة وتجاهل أوجه التكامل هذه. وتغيّر التكنولوجيا الوظائف المتاحة وأجورها: ففي العقود الأخيرة، شهد سوق العمل «استقطابًا»، إذ ذهبت مكاسب الأجور على نحو غير متناسب إلى أصحاب المهارات في طرفي التوزيع، لا إلى من في الوسط.

المهام، لا الوظائف

يتعامل الإطار الحديث، الذي طوّره دارون عجم أوغلو وباسكوال ريستريبو وآخرون، مع الوظائف بوصفها حزمًا من المهام. وفي نموذجهما لعام 2018، تقلل أتمتة المهام القائمة من التوظيف وحصة العمل وقد تخفض الأجور، بينما يؤدي إنشاء مهام جديدة يتمتع العمل فيها بميزة نسبية إلى أثر معاكس. ويتوقف تحسن وضع العمل أو تدهوره على السباق بين هاتين القوتين. وفي نسخة تتضمن مهارات غير متجانسة، تتزايد اللامساواة خلال التحولات التي تدفعها إما الأتمتة الأسرع وإما المهام الجديدة. يفسر هذا الإطار لماذا يُعد سؤال «كم عدد الوظائف التي يهددها الذكاء الاصطناعي؟» سؤالًا غير مناسب: فما يهم هو المهام التي تُؤتمت، والمهام الجديدة التي تظهر، ومدى سرعة انتقال العمال فيما بينها.

المنهج والمصادر

خمسة أنواع من الأدلة

كيف يصنّف الأطلس الادعاءات

نعدّ نتائج الفئتين الأولى والرابعة راسخة عندما تستند إلى دراسات محكّمة ذات تعريف سببي موثوق، مع الإقرار بأنها تصف تقنيات وأماكن وفترات بعينها. ونعدّ تقديرات التعرّض راسخة بوصفها قياسات لا تنبؤات. ونصنّف الرصد الأولي للنتائج على أنه ناشئ: فهو مفيد، لكن حداثته تحول دون استخلاص نتائج قاطعة. ونعدّ أي تصريح بشأن التوظيف الإجمالي مستقبلًا توقعًا.

النتائج: الروبوتات الصناعية

الولايات المتحدة

يدرس Acemoglu and Restrepo (2020) آثار الروبوتات الصناعية على أسواق العمل الأمريكية، مستخدمين تفاوت التعرّض للروبوتات المحدد انطلاقًا من التطورات في الروبوتات على مستوى القطاعات ومزيج القطاعات في كل منطقة تنقّل يومي. ويجدان آثارًا سلبية متينة على التوظيف والأجور: إذ تؤدي زيادة روبوت واحد لكل ألف عامل إلى خفض نسبة التوظيف إلى السكان بمقدار 0.2 نقطة مئوية، والأجور بنسبة 0.42%. ولا تظهر المناطق الأكثر تعرضًا للروبوتات بعد عام 1990 اتجاهات مختلفة قبل ذلك، كما أن أثر الروبوتات متميز عن أثر أشكال رأس المال والتقنيات الأخرى.

ألمانيا

يستخدم Dauth, Findeisen, Suedekum and Woessner (2021) بيانات إدارية مفصلة لدراسة تكيف أسواق العمل المحلية الألمانية مع الروبوتات الصناعية. ويرتبط التعرّض للروبوتات بإزاحة الوظائف في التصنيع، لكن الوظائف الجديدة في الخدمات تعوّض تلك الخسائر بالكامل. ويقع العبء في معظمه على العمال الشباب الذين يدخلون سوق العمل للتو، إذ يتحولون عن التدريب المهني إلى الكليات والجامعات. أما العاملون الحاليون فيشهدون توظيفًا أكثر استقرارًا داخل شركاتهم، وغالبًا ما يكون ذلك عبر تولي مهام جديدة في مصانعهم الأصلية، ويستفيد العاملون في المهن ذات المهام التكميلية، مثل المديرين والعلماء التقنيين.

الأدلة المقارنة بين البلدان

يحلل Graetz and Michaels (2018) تبني الروبوتات في 17 بلدًا خلال الفترة من 1993 إلى 2007. وأسهمت زيادة استخدام الروبوتات بنحو 0.36 نقطة مئوية في نمو إنتاجية العمل السنوي، مع رفع إنتاجية عوامل الإنتاج الكلية وخفض أسعار الإنتاج. ويجدان أن الروبوتات لم تخفض إجمالي التوظيف بدرجة كبيرة، وإن كانت قد قلّصت حصة العمال ذوي المهارات المنخفضة من التوظيف.

ما الذي تثبته دراسات الروبوتات

الدراسات الثلاث ليست متناقضة. فقد تخفض الأتمتة العمالة والأجور في الأماكن والفئات المعرضة لها، بينما يتكيف إجمالي العمالة، تبعاً للمؤسسات والطلب وسرعة التبني. وتُعد الآثار التوزيعية — على المناطق والداخلين الشباب إلى سوق العمل والعمال ذوي المهارات المنخفضة — أكثر رسوخاً من أي أثر إجمالي.

النتائج: تقديرات الوظائف «المعرّضة للخطر»

فراي وأوزبورن

في ورقة عمل مؤرخة في 17 سبتمبر 2013، نُشرت لاحقاً في Technological Forecasting and Social Change (2017)، قدّر كارل بنديكت فراي ومايكل أوزبورن احتمال الحوسبة في 702 مهنة تفصيلية، مستخدمين تصنيفات خبراء لمجموعة فرعية ومصنّفاً إحصائياً لبقية المهن. وخلصا إلى أن نحو 47% من إجمالي العمالة في الولايات المتحدة كانت ضمن فئة المخاطر العالية، «أي إن المهن المرتبطة بها قابلة للأتمتة المحتملة خلال عدد غير محدد من السنوات، ربما عقد أو عقدين». ووجدا أيضاً علاقة سلبية قوية بين احتمال حوسبة مهنة ما وأجورها ومستوى التحصيل التعليمي فيها.

انتقادات

أصبح رقم 47% من أكثر الأرقام تداولاً في النقاش بشأن الأتمتة، وكثيراً ما طُرح بوصفه توقعاً باختفاء نصف الوظائف. وثمة ثلاثة انتقادات مهمة.

1. المهن ليست مهاماً. جادل أرنتز وغريغوري وزيرا (2016) لصالح منظمة التعاون الاقتصادي والتنمية بأن افتراض أتمتة المهن بأكملها يبالغ في تقدير قابلية الأتمتة، لأن المهن المصنفة ضمن فئة المخاطر العالية غالباً ما تتضمن مع ذلك حصة كبيرة من المهام التي يصعب أتمتتها. وبعد أخذ تباين المهام داخل المهن في الحسبان، وجدوا أن 9% من الوظائف في المتوسط عبر 21 دولة من دول منظمة التعاون الاقتصادي والتنمية قابلة للأتمتة، وتتراوح النسبة من 6% في كوريا إلى 12% في النمسا.
2. الإمكان التقني لا يعني التبني. تعتمد أتمتة مهمة ما على التكلفة والتنظيم والتغيير المؤسسي والطلب، لا على الجدوى التقنية وحدها. وقد وصف فراي وأوزبورن صراحةً عملهما بأنه يقدم «جدولاً زمنياً تقريبياً»، لا توقعاً لخسائر الوظائف.
3. تختلف التقديرات على مستوى الأفراد. استند نيديلكوسكا وكوينتيني (2018) لصالح منظمة التعاون الاقتصادي والتنمية إلى تقييم الخبراء الذي أجراه فراي وأوزبورن، لكنهما قدّرا المخاطر على مستوى الوظائف الفردية باستخدام مسح مهارات البالغين في 32 دولة، وربطا المخاطر باستخدام المهارات والتدريب. ويؤدي نهجهما، شأنه شأن نهج أرنتز وزملائه، إلى تقديرات أقل بكثير من الرقم المستند إلى المهن.

بعد عقد

بعد أكثر من عقد على ورقة 2013، لم ينخفض التوظيف في الولايات المتحدة بما يقارب 47%. ولا يثبت ذلك أن فراي وأوزبورن كانا مخطئين، إذ لم يتنبآ بموعد محدد، لكنه يوضح سبب عدم وجوب قراءة تقديرات الإمكان التقني بوصفها توقعات.

النتائج: التعرض للذكاء الاصطناعي التوليدي

«نماذج GPT هي نماذج GPT»

قيّم إيلوندُو ومانينغ وميشكين وروك المهن في الولايات المتحدة من حيث مدى توافقها مع قدرات نماذج اللغة الكبيرة، بالاستعانة بمصنّفين بشريين وتصنيفات GPT-4. وصدر الإصدار الأول من دراستهم في مارس 2023؛ ونُشرت الدراسة في Science عام 2024. ويقدّرون أن نحو 80% من القوى العاملة في الولايات المتحدة قد تتأثر 10% على الأقل من مهام عملهم بنماذج اللغة الكبيرة، وأن نحو 19% من العاملين قد تتأثر 50% على الأقل من مهامهم. ومع إتاحة نموذج لغة كبير، يمكن إنجاز نحو 15% من جميع مهام العاملين بسرعة أكبر بكثير وبالجودة نفسها؛ وترتفع هذه النسبة إلى 47–56% عند استخدام البرمجيات والأدوات المبنية على نماذج اللغة الكبيرة. وتمتد الآثار المتوقعة إلى جميع مستويات الأجور، مع احتمال تعرض الوظائف الأعلى دخلًا بدرجة أكبر. ولا يقدم المؤلفون صراحةً أي تنبؤات بشأن توقيت التطوير أو التبني، ويرون أن نماذج اللغة الكبيرة تتسم بخصائص التقنيات ذات الأغراض العامة.

ينبغي مراعاة أمرين. تعني كلمة «متأثرة» أن إنجاز المهمة قد يصبح أسرع، لا أن العامل سيُستبدل. كما يعتمد التصنيف جزئيًا على نموذج لغوي يقيّم إمكاناته هو نفسه، مما يثير تساؤلات بشأن معايرته.

تحليل منظمة العمل الدولية لعام 2023

قيّمت أول دراسة عالمية لمنظمة العمل الدولية (غميرك وبيرغ وبسكوند، أغسطس 2023) مدى التعرض لـGPT-4، وخلصت إلى أن الأثر الغالب للتكنولوجيا يُرجح أن يكون تعزيز المهن لا أتمتتها. ولم تتجاوز نسبة الوظائف ذات الإمكانات العالية للأتمتة 0.4% من العمالة في البلدان منخفضة الدخل، مقابل 5.5% في البلدان مرتفعة الدخل. وكانت إمكانات التعزيز أكبر، إذ شملت 10.4% من العمالة في البلدان منخفضة الدخل و13.4% في البلدان مرتفعة الدخل. وتفاوتت الآثار بشدة حسب النوع الاجتماعي: ففي البلدان مرتفعة الدخل، شكّلت الوظائف ذات الإمكانات العالية للأتمتة 8.5% من عمالة النساء، مقابل 3.9% من عمالة الرجال، ويُعزى ذلك إلى حد كبير إلى أن الوظائف الكتابية مصدر مهم لعمالة النساء.

مؤشر منظمة العمل الدولية المنقح لعام 2025

أعاد تحديث عام 2025 (غميرك وآخرون) بناء المؤشر باستخدام عينة من 29,753 مهمة ضمن التصنيف المهني البولندي، واستطلاع شمل 1,640 عاملًا من جميع المجموعات المهنية الرئيسية نتج عنه 52,558 نقطة بيانات بشأن 2,861 مهمة، وجولات على طريقة دلفي شارك فيها خبراء دوليون. وخلص إلى أن المهن الكتابية ما زالت الأكثر تعرضًا، وأن بعض المهن المهنية والتقنية شديدة الرقمنة أصبحت أكثر تعرضًا، وأن عاملًا واحدًا من كل أربعة عاملين في العالم يعمل في مهنة تنطوي على قدر من التعرض للذكاء الاصطناعي التوليدي. وتقع 3.3% من العمالة العالمية ضمن أعلى مستوى للتعرض — 4.7% من عمالة النساء مقابل 2.4% من عمالة الرجال، وتتسع الفجوة إلى 9.6% مقابل 3.5% في البلدان مرتفعة الدخل. ويبلغ إجمالي التعرض 11% من العمالة في البلدان منخفضة الدخل و34% في البلدان مرتفعة الدخل. وتخلص منظمة العمل الدولية إلى أن تحول الوظائف هو الأثر الأرجح، لأن معظم المهن تتكون من مهام تتطلب تدخلًا بشريًا.

النتائج: تجارب الإنتاجية

دعم العملاء

يدرس براينولفسون ولي ورايموند الإدخال التدريجي لمساعد حواري قائم على الذكاء الاصطناعي التوليدي لدى 5,172 موظفًا في دعم العملاء. وأدى إتاحة المساعدة بالذكاء الاصطناعي إلى زيادة الإنتاجية، مقاسةً بعدد المسائل التي حُلّت في الساعة، بمعدل 15%، مع تفاوت كبير بين العاملين. وحسّن العاملون الأقل خبرة والأقل مهارة سرعة مخرجاتهم وجودتها، بينما حقق الأكثر خبرة والأعلى مهارة مكاسب طفيفة في السرعة وتراجعات طفيفة في الجودة. وبدا أن المساعدة بالذكاء الاصطناعي تعين العاملين على التعلم وتحسّن طلاقتهم في الإنجليزية، ولا سيما العاملين الدوليين. وكانت المكاسب أكبر في المسائل النادرة إلى حد ما. وكان العملاء أكثر تهذيبًا وأقل ميلًا إلى طلب التحدث إلى مدير.

الكتابة المهنية

كلّف نوي وتشانغ 453 من المهنيين الحاصلين على تعليم جامعي بمهام كتابة تحفيزية مخصصة لمهنهم، وأتاحا عشوائيًا لنصفهم استخدام ChatGPT. وانخفض متوسط وقت الإنجاز بنسبة 40%، وارتفعت جودة المخرجات بنسبة 18%. كما انخفض التفاوت بين العاملين. وكان العاملون الذين استخدموا ChatGPT في التجربة أكثر احتمالًا بمرتين للإبلاغ عن استخدامه في عملهم الفعلي بعد أسبوعين، وأكثر احتمالًا بمقدار 1.6 مرة بعد شهرين.

ما تظهره التجارب وما لا تظهره

تثبت هذه الدراسات أن أدوات الذكاء الاصطناعي التوليدي الحالية يمكنها أن ترفع الإنتاجية بدرجة كبيرة في المهام المحددة بوضوح، وأن المكاسب تميل إلى أن تكون أكبر لدى العاملين الأقل خبرة — مما يقلص الفجوات في أداء تلك المهام. لكنها لا توضح ما سيحدث للعمالة عندما تنتشر هذه المكاسب. فقد تؤدي زيادة إنتاجية العامل إلى تقليل عدد العاملين المطلوبين، أو زيادة الإنتاج والطلب، أو انتقال العاملين إلى مهام جديدة؛ ولا تكشف التجارب أي هذه الاحتمالات سيكون هو الغالب.

النتائج: مؤشرات مبكرة على أوضاع سوق العمل، 2023–2026

الدنمارك: تبنٍّ سريع، بلا أثر على الأجور حتى الآن

يربط هوملوم وفستغارد بين استطلاعات واسعة النطاق لاعتماد روبوتات المحادثة والسجلات الإدارية لسوق العمل في الدنمارك. ويوثّقان «تدفقات سريعة»: إذ اعتمد معظم أصحاب العمل في المهن المعرضة مبادرات لاستخدام روبوتات المحادثة، وأفاد العاملون بمكاسب في الإنتاجية، وانتشرت مهام جديدة مرتبطة بالذكاء الاصطناعي. ومع ذلك، وباستخدام أساليب الفروق في الفروق، يقدّران آثارًا معدومة بدقة على الأجور وساعات العمل المسجلة على مستوى العامل ومكان العمل، مستبعدين آثارًا تتجاوز 2% بعد عامين من إطلاق ChatGPT. أما ما تغير فهو بنية العمل: فقد استوعب أصحاب العمل الذكاء الاصطناعي عبر إعادة تنظيم المهام، بما في ذلك استحداث مهام في إنشاء المحتوى والإشراف على الذكاء الاصطناعي ودمجه.

الولايات المتحدة: اتساع الفجوة بين العاملين الشباب

يستخدم براينجولفسون وتشاندار وتشين بيانات الرواتب عالية التواتر من ADP، التي تغطي ملايين العاملين في الولايات المتحدة. وتخلص ورقتهم البحثية، التي نُشرت أول مرة في أغسطس 2025 ونُقحت في أغسطس 2026 باستخدام بيانات حتى يونيو 2026، إلى عدم وجود أدلة على إزاحة واسعة النطاق للوظائف على مستوى الاقتصاد. غير أن توظيف العمال الشباب الذين تتراوح أعمارهم بين 22 و25 عامًا في المهن المعرضة للذكاء الاصطناعي يقل حاليًا بنسبة 19% عما كان سيبلغه لو واكب نظراءهم الأقل تعرضًا؛ وقد اتسعت هذه الفجوة باطراد منذ أغسطس 2025، ولا تظهر فجوة مماثلة لدى العمال ذوي الخبرة. ويحدث هذا التباعد أساسًا من خلال انخفاض توظيف العمال الشباب، لا من خلال زيادة حالات التسريح، ويتركز في المهن التي يحل فيها استخدام الذكاء الاصطناعي أساسًا محل المهام البشرية؛ أما حيث يكون دوره الأساسي مكمّلًا للعمال، فيظل التوظيف مستقرًا أو يرتفع. ويستمر هذا النمط عند استبعاد شركات التكنولوجيا ومهن الحوسبة، وعند ضبط التعرض لأسعار الفائدة والعمل عن بُعد. ويضعف عند ضبط المستوى التعليمي، وتظهر بعض الاتجاهات المتباينة قبل ظهور الذكاء الاصطناعي التوليدي، كما أنه أوضح في عينة ADP منه في المعايير المرجعية للمسوحات الوطنية. ويصف المؤلفون هذه الوقائع بأنها مؤشرات وصفية مبكرة — «طيور كناري في منجم الفحم» — لا تقديرات سببية.

التوقعات الاقتصادية الكلية

يستخدم أكيموغلو في «الاقتصاد الكلي البسيط للذكاء الاصطناعي» (2025) نموذجًا قائمًا على المهام وتقديرات قائمة للتعرض ومكاسب الإنتاجية على مستوى المهام لتقدير الآثار الإجمالية. ويجد أن الآثار الاقتصادية الكلية ليست ضئيلة، لكنها متواضعة — إذ لا تتجاوز زيادة قدرها 0.66% في الإنتاجية الكلية لعوامل الإنتاج على مدى عشر سنوات — ويرى أن هذا التقدير قد يكون مرتفعًا أكثر من اللازم، لأن الأدلة المبكرة تأتي من مهام يسهل تعلمها، ما يخفض التقدير المعدل إلى أقل من 0.53%. ويرى أيضًا أن الذكاء الاصطناعي لن يزيد على الأرجح التفاوت بقدر ما فعلت تقنيات الأتمتة السابقة، لكن لا توجد أدلة على أنه سيقلل التفاوت في دخل العمل، كما يُتوقع أن يوسّع الفجوة بين دخل رأس المال ودخل العمل.

الفصل بين الأدلة والتوقعات

ما لا تظهره الأدلة

• لا يُظهر ذلك أن الذكاء الاصطناعي سيتسبب في بطالة جماعية. لا تقدم أي دراسة مستعرضة هنا حتى الآن أدلة على فقدان إجمالي الوظائف بسبب الذكاء الاصطناعي التوليدي، كما أن تقديرات التعرض ليست تقديرات للإزاحة الوظيفية.
• ولا يُظهر ذلك أن الذكاء الاصطناعي لن يتسبب في خسائر كبيرة في الوظائف. تغطي دراسات النتائج المبكرة فترة تمتد من سنتين إلى ثلاث سنوات بعد ظهور تقنية تتغير قدراتها ووتيرة تبنيها بسرعة. وقد استغرق ظهور الآثار الكاملة للأتمتة السابقة عقودًا.
• ولا يُظهر ذلك أن الأتمتة السابقة تشكل دليلًا موثوقًا. تتناول دراسات الروبوتات تقنية تُستخدم أساسًا في التصنيع. أما الذكاء الاصطناعي التوليدي فيؤثر في المهام المعرفية والإدارية عبر القطاعات، بما في ذلك الوظائف الأعلى أجرًا.
• ولا يُظهر ذلك أن مكاسب الإنتاجية ستُوزع على نطاق واسع. تقيس التجارب الناتج لكل عامل في مهمة ما، لا الجهة التي تستحوذ على المكاسب.
• ولا يحدد سبب الفجوة بين العاملين الشباب. أدلة كشوف الأجور وصفية، ويخفف من حدتها جزئيًا ضبط المستوى التعليمي والاتجاهات السابقة.
• ولا يحسم ما إذا كان التعرض يعني التعزيز أم الإحلال. تقيس مؤشرات منظمة العمل الدولية وEloundou ما يمكن أن يتأثر؛ ويمكن للتعرض نفسه أن يرفع الطلب على العمل أو يخفضه، تبعًا لكيفية نشر الشركات للتقنية.

دلالات تصميم المؤسسات

1. أنشئوا أنظمة الرصد قبل تصميم الاستجابات. تربط أكثر الأعمال الحديثة فائدةً بين استطلاعات التبني وسجلات كشوف الأجور والضرائب الإدارية. وينبغي للحكومات والهيئات الإحصائية وضع مؤشرات عامة تُحدَّث بانتظام لتبني الذكاء الاصطناعي والتوظيف والأجور وتغير المهام بحسب المهنة والعمر، كي تستند السياسات إلى الأدلة لا إلى التوقعات.
2. راقبوا التوظيف في المستوى المبتدئ. إذا قلل الذكاء الاصطناعي توظيف الشباب في المهن المعرضة له، فستكون أولى المؤسسات التي تتعرض للضغط هي تلك التي تدرب الوافدين الجدد وتساعدهم على الالتحاق بالعمل: برامج التلمذة المهنية، وبرامج الخريجين، والدرجات الأولى في السلالم المهنية. ووجدت دراسات الروبوتات في ألمانيا أيضًا أن العبء وقع على الوافدين الشباب إلى سوق العمل.
3. استعدوا لدعم الدخل بما يتيح توسيع نطاقه استنادًا إلى الأدلة. تشير الأدلة المتعلقة بالتحويلات النقدية، المستعرضة في موضع آخر من الأطلس، إلى آثار متواضعة للمدفوعات غير المشروطة في عرض العمل. وستكون الآليات الشبيهة بالتأمين، التي تتوسع تلقائيًا عند ارتفاع الإزاحة الوظيفية المقاسة، أسهل دفاعًا عنها من البرامج الشاملة المبكرة أو من عدم وجود أي خطة.
4. تعاملوا مع حصة رأس المال والعمل بوصفها مسألة تصميم. إذا وسّع الذكاء الاصطناعي الفجوة بين دخل رأس المال ودخل العمل، كما يتوقع Acemoglu، فستصبح النقاشات حول صناديق الثروة الاجتماعية وتقاسم الأرباح أو «عوائد الذكاء الاصطناعي» مسائل تتعلق بالملكية، لا بالمنافع وحدها.
5. ادعموا التعزيز، لا الإزاحة فحسب. تُظهر التجارب أن أدوات الذكاء الاصطناعي قد ترفع إنتاجية العاملين الأقل خبرة. ويمكن للتدريب والمشتريات والتشاور في أماكن العمل توجيه النشر نحو تكامل التقنية مع العاملين — وهو أحد الرافعات القليلة المتاحة قبل اتضاح النتائج.
6. صنّفوا التوقعات على أنها توقعات. سيستفيد النقاش العام من الانضباط المستخدم في هذه الدراسة: الفصل بين ما قيس وما نُمذج وما هو متوقع، مع ذكر تاريخ كل منها ومصدرها.

أسئلة مفتوحة

• هل ستستمر فجوة التوظيف بين العاملين الشباب في المهن المعرضة للذكاء الاصطناعي، أم ستتسع أم ستنحسر، وهل يُعد الذكاء الاصطناعي سببها الرئيسي؟
• ما سرعة تحوّل إعادة تنظيم المهام داخل الشركات — والمهام الجديدة في الإشراف على الذكاء الاصطناعي ودمجه — إلى تغييرات في الأجور والهيكل المهني؟
• هل سيتبع الذكاء الاصطناعي التوليدي نمط الأتمتة السابقة، بما يخلّفه من آثار محلية وتوزيعية مع استقرار إجمالي التوظيف، أم أن اتساع نطاقه عبر القطاعات سيؤدي إلى آثار إجمالية أكبر؟
• كيف سيؤثر التعرض المرتبط بالنوع الاجتماعي في الأعمال الإدارية على توظيف النساء، ولا سيما في البلدان مرتفعة الدخل؟
• ما الحصة من مكاسب الإنتاجية المدفوعة بالذكاء الاصطناعي التي ستعود إلى العاملين والمستهلكين وأصحاب رأس المال؟

المصادر

1. Acemoglu, D. and Restrepo, P. (2020). "Robots and Jobs: Evidence from US Labor Markets." Journal of Political Economy 128(6): 2188–2244. doi:10.1086/705716
2. Acemoglu, D. and Restrepo, P. (2018). "The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment." American Economic Review 108(6): 1488–1542. doi:10.1257/aer.20160696
3. Dauth, W., Findeisen, S., Suedekum, J. and Woessner, N. (2021). "The Adjustment of Labor Markets to Robots." Journal of the European Economic Association 19(6): 3104–3153. doi:10.1093/jeea/jvab012
4. Graetz, G. and Michaels, G. (2018). "Robots at Work." Review of Economics and Statistics 100(5): 753–768. doi:10.1162/rest_a_00754
5. Frey, C. B. and Osborne, M. A. (2013). The Future of Employment: How Susceptible Are Jobs to Computerisation? ورقة عمل لمدرسة أكسفورد مارتن. ملف PDF؛ نُشرت في Technological Forecasting and Social Change 114 (2017): 254–280, doi:10.1016/j.techfore.2016.08.019
6. Arntz, M., Gregory, T. and Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. أوراق عمل منظمة التعاون الاقتصادي والتنمية بشأن الشؤون الاجتماعية والتوظيف والهجرة 189. doi:10.1787/5jlz9h56dvq7-en
7. Nedelkoska, L. and Quintini, G. (2018). Automation, skills use and training. أوراق عمل منظمة التعاون الاقتصادي والتنمية بشأن الشؤون الاجتماعية والتوظيف والهجرة 202. doi:10.1787/2e2f4eea-en
8. Autor, D. H. (2015). "Why Are There Still So Many Jobs? The History and Future of Workplace Automation." Journal of Economic Perspectives 29(3): 3–30. doi:10.1257/jep.29.3.3
9. Eloundou, T., Manning, S., Mishkin, P. and Rock, D. (2024). "GPTs are GPTs: Labor market impact potential of LLMs." Science 384(6702): 1306–1308. doi:10.1126/science.adj0998؛ ورقة عمل arXiv:2303.10130
10. Gmyrek, P., Berg, J. and Bescond, D. (2023). Generative AI and Jobs: A global analysis of potential effects on job quantity and quality. ورقة عمل منظمة العمل الدولية 96. doi:10.54394/FHEM8239
11. Gmyrek, P., Berg, J., Kamiński, K. et al. (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ورقة عمل منظمة العمل الدولية. doi:10.54394/HETP0387
12. Brynjolfsson, E., Li, D. and Raymond, L. (2025). "Generative AI at Work." Quarterly Journal of Economics 140(2): 889–942. doi:10.1093/qje/qjae044
13. Noy, S. and Zhang, W. (2023). "Experimental evidence on the productivity effects of generative artificial intelligence." Science 381(6654): 187–192. doi:10.1126/science.adh2586
14. Humlum, A. and Vestergaard, E. (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. ورقة عمل المكتب الوطني للبحوث الاقتصادية 33777. doi:10.3386/w33777
15. Brynjolfsson, E., Chandar, B. and Chen, R. (2025، منقحة 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. مختبر ستانفورد للاقتصاد الرقمي. digitaleconomy.stanford.edu
16. Acemoglu, D. (2025). "The simple macroeconomics of AI." Economic Policy 40(121): 13–58. doi:10.1093/epolic/eiae042