Using profiles of cognitive capability to assess AI suitability for workplace tasks

في مكان العمل الحديث، يبرز سؤال هادئ ولكنه ملحّ يعيد تشكيل طريقة تفكير المؤسسات في مستقبلها: ما هي الوظائف التي يمكن تسليمها بأمان للذكاء الاصطناعي، وما هي الوظائف التي يجب أن تظل في أيدي البشر؟ لسنوات طويلة، ظل الجواب عصياً على التحديد؛ إذ غالباً ما تعتمد الشركات على درجات اختبارات إجمية وعامة للحكم على ذكاء الآلة، تماماً كما قد يحكم مدير مدرسة على عام دراسي كامل لطالب بناءً على درجة امتحان نهائي واحد. توفر هذه الدرجات لقطة عامة للأداء، لكنها نادراً ما تفسر لماذا ينجح النظام أو يفشل، كما أنها لا تتنبأ بكيفية تعامله مع التعقيدات الفوضوية وغير المتوقعة للعمل في العالم الحقيقي. عندما تفشل الآلة في اختبار محكوم، غالباً ما يكون الأمر لغزاً؛ أما عندما تفشل في مكتب أو مصنع حقيقي، فقد تكون العواقب مكلفة وخطيرة. يكمن التحدي الجوهري في أن الذكاء الاصطناعي لا يفكر مثل البشر؛ فنقاط قوته وضعفه متعرجة وغير متساوية؛ فقد يمتلك مكتبة ضخمة من الحقائق، لكنه قد يعاني في المنطق البسيط لتخطيط تسلسل من الأحداث. ولنشر هذه الأنظمة بأمان، يحتاج القادة إلى وسيلة لرسم خريطة للمتطلبات المعرفية المحددة لوظيفة ما مقابل القدرات المعرفية المحددة للآلة، والتحول من التخمين إلى تقييم واضح قائم على الأدلة.

يقدم تقرير تقني جديد من باحثين في جامعة كامبريدج ومؤسسات أخرى حلاً لهذه المشكلة. فبدلاً من السؤال عما إذا كانت الآلة قادرة على أداء مهمة معينة، طور الفريق مساراً لتوصيف القدرات العقلية الكامنة المطلوبة لتلك المهمة ومقارنتها مباشرة بقدرات الآلة. بدأوا بتفكيك عالم اختبارات الذكاء الاصطناعي المعقد إلى ثماني عشرة مهارة معرفية أساسية، مثل الذاكرة، والاستدلال، والتخطيط، والفهم الاجتماعي. واستخدموا مجموعة ضخمة من أسئلة الاختبارات الموجودة، وقاموا بتصنيف كل منها لتحديد أي من هذه المهارات العقلية يتطلبها بالضبط ومدى صعوبتها. أنشأ هذا "خريطة طلب" للاختبارات. ثم استخدموا هذه الخريطة لاستنتاج الملف التعريفي المعرفي الحقيقي لستة أنظمة مختلفة من الذكاء الاصطناعي، ليس فقط من خلال النظر في درجاتها النهائية، بل عبر تحليل كيفية أدائها عبر مختلف التحديات العقلية. وكانت النتيجة ملفاً تعريفياً لكل آلة يوضح بدقة مواضع قوة قدراتها ومواضع ضعفها، وكشف أن الأنظمة، رغم تباين قوتها الإجمالية، كانت تتشارك في شكل متشابه للغاية من نقاط القوة والضعف.

ولجعل هذه الملفات التعريفية مفيدة لاتخاذ القرارات في العالم الحقيقي، احتاج الباحثون إلى معرفة ما يحتاجه العاملون البشر فعلياً لأداء وظائفهم. أجروا استطلاعاً شمل 410 موظفين من ستة مجالات مهنية مختلفة، تتراوح من الخدمات اللوجستية في المستودعات والتصنيع إلى خدمة العملاء وتحليل البيانات. وبدلاً من سؤال هؤلاء العمال عن توقع مدى جودة أداء الآلة، سألهم الباحثون عن تحديد المهارات العقلية الأكثر أهمية لمهامهم اليومية. قام الموظفون بترتيب أهمية مهارات مثل حل المشكلات، والتخطيط، والتواصل لأدوارهم المحددة. كشفت هذه العملية عن "جوهر معرفي" مشترك لمعظم الوظائف: اعتماد كبير على الذاكرة، واللغة، والقدرة على التخطيط المسبق. وبينما ركزت وظائف مختلفة على مهارات ثانوية متباينة — مثل الاستدلال المكاني لعمال المستودعات أو الفهم الاجتماعي لموظفي المبيعات — إلا أن الآلات العقلية الأساسية المطلوبة للعمل كانت متسقة بشكل مفاجئ عبر جميع المجالات.

وعندما وضع الباحثون الملفات التعريفية للذكاء الاصطناعي فوق متطلبات الوظائف، ظهرت صورة واضحة للملاءمة. وجدت الدراسة أن أنظمة الذكاء الاصطناعي الأكثر تقدماً كانت الأنسب للمهام التي تعتمد بشدة على اللغة، والمعرفة الواقعية، والتفاعل الاجتماعي، وهي المجالات التي تتفوق فيها الآلات الحالية. ومع ذلك، فقد عانت باستمرار في المهام التي تتطلب تخطيطاً معقداً، أو الاستدلال بشأن الأشياء المادية، أو فهم السبب والنتيجة في البيئات الديناميكية. والأهم من ذلك، اكتشف الباحثون أن الاختلافات بين نماذج الذكاء الاصطناعي المختلفة كانت أصغر بكثير من الاختلافات بين أنواع المهارات المعرفية المختلفة. بعبارة أخرى، لم يكن نظام ذكاء اصطناعي واحد مختلفاً جذرياً عن الآخر في "شخصيته" العامة؛ بل كانت جميعها قوية في مجالات معينة وضعيفة في أخرى. أظهرت الأنظمة الأكثر قدرة تحسينات طفيفة فقط في التخطيط والتحكم مقارنة بنظرائها، مما يشير إلى أنه بينما تتحسن الآلات في تنظيم المعلومات، إلا أنها لا تزال بعيدة عن إتقان السلوك المرن الموجه نحو الأهداف الذي يعتبره البشر أمراً بديهياً.

كما وفر الإطار طريقة لحساب "درجة الملاءمة" لأي وظيفة محددة، مما يسمح للمؤسسات برؤية المهام الجاهزة للأتمتة وتلك غير الجاهزة. ومن خلال الجمع بين ملف قدرات الآلة وأهمية المهمة للعمل، يمكن للنظام تسليط الضوء على الفرص ذات الأولوية العالية حيث سيكون الذكاء الاصطناعي فعالاً وذا قيمة. على سبيل المثال، برزت مهام مثل تحليل البيانات والبحث الإداري كمرشحين قويين للأتمتة، بينما ظلت الأدوار التي تتطلب علاقة شخصية عميقة أو استدلالاً مادياً معقداً في النطاق البشري حصراً. اختبر الباحثون هذا النهج على شركة واحدة، موضحين كيف يمكن تطويع الطريقة نفسها لتلبية الاحتياجات الفريدة لمؤسسة معينة، والانتقال من الاتجاهات العامة للصناعة إلى الواجبات المحددة لكل موظف.

يجادل البحث صراحة ضد فكرة أن درجة اختبار واحدة عالية تكفي لضمان موثوقية الآلة في مكان العمل. فهو يثبت أن النظام الذي يحصل على متوسط درجة مرتفع يمكن أن يفشل كارثياً إذا افتقر إلى مهارة محددة وخفية مطلوبة لوظيفة معينة. كما يحذر الباحثون من أن نتائجهم تستند إلى الجيل الحالي من نماذج الذكاء الاصطناعي والاختبارات المتاحة اليوم. ومع بناء آلات جديدة وتطوير اختبارات جديدة، سيتعين تحديث هذه الملفات التعريفية. ومع ذلك، يظل المنهج نفسه قوياً. فمن خلال فصل قياس ما يمكن للآلة القيام به عن قياس ما تتطلبه الوظيفة، يوفر هذا الإطار لغة علمية مستقرة لمناقشة مستقبل العمل. وهو يشير إلى أن الطريق إلى الأمام لا يكمن في البحث عن آلة يمكنها فعل كل شيء، بل في المطابقة الدقيقة بين القدرات غير المتساوية لأدواتنا الحالية والمتطلبات غير المتساوية للعمل البشري، لضمان نشر الأتمتة حيث ستنجح حقاً.