أظهرت نتائج دراسة أميركية أن أداء الطلاب في حلّ مسائل الرياضيات تحسّن بمساعدة الذكاء الاصطناعي. لكن المفاجأة ظهرت عندما خاضوا الاختبار وحدهم؛ إذ حصل مستخدمو إحدى نسخ الأدوات الذكية على درجات أقل من زملائهم الذين تدربوا من دونها. كانت المساعدة ترفع مستوى الإجابات، لكنها لم تبنِ القدرة نفسها لدى أصحابها.
وكشفت هذه المفارقة دراسة نشرتها دورية «وقائع الأكاديمية الوطنية للعلوم» الأميركية (PNAS) عام 2025. وتطرح نتيجتها سؤالاً يتجاوز قاعات الدراسة إلى العيادات ومكاتب العمل: ماذا نكسب عندما تفكر الآلة معنا؟ وماذا قد نفقد حين تفكر بدلاً منا؟
إن الإجابة الصحيحة على الشاشة لا تعني بالضرورة أن مستخدمها تعلّم كيف يصل إليها. وهكذا بين إنجاز المهمة واكتساب مهارتها، يكمن التحدي الذي قد تخفيه سهولة الحصول على الحل.
توجيه التفكير أفضل من تقديم الحلول
في تلك الدراسة، اختبر باحثون، بينهم همسا بستاني من جامعة بنسلفانيا، مساعداً يعتمد على «GPT-4» في تجربة عشوائية شملت قرابة ألف طالب في مدرسة ثانوية بتركيا. وقارنوا نسختين: أساسية تشبه أدوات المحادثة، وتعليمية مصممة لتوجيه التفكير بدلاً من تقديم الحل.
وقد تحسّن أداء المجموعتين في أثناء التدريب. لكن عندما خاض الطلاب الاختبار دون مساعدة، جاءت درجات مستخدمي النسخة الأساسية أقل بنسبة 17 في المائة من درجات زملائهم الذين تدربوا دونها.
ومع النسخة التعليمية، اختفى الأثر السلبي تقريباً دون تفوق مثبت على المجموعة التي لم تستخدم الأداة. فالنتيجة تربط التعلم بطريقة تصميم المساعدة، ولا تثبت أن الذكاء الاصطناعي يضعف القدرات حتماً. كما أنها تخص تجربة محددة، ولا تقيس الذكاء العام أو تثبت فقداناً دائماً للمهارات.
إشارة من غرفة المناظير
ماذا يحدث لمهارة الطبيب عندما يعتاد استخدام المساعدة الذكية ثم يعمل دونها؟ اختبر باحثون هذا السؤال مع أدوات تحلل صور منظار القولون لتنبيه الطبيب إلى زوائد مشتبه بها، وتختلف عن برامج تجيب عن الأسئلة، مثل «تشات جي بي تي».
نشرت مجلة «لانسيت لأمراض الجهاز الهضمي والكبد» (The Lancet Gastroenterology & Hepatology) الدراسة عام 2025. وشملت فحوص 1443 مريضاً في أربعة مراكز بولندية، وقارنت الفحوص المنجزة دون مساعدة آلية خلال ثلاثة أشهر قبل إدخال التقنية وثلاثة أشهر بعده.
وقد انخفض معدل اكتشاف زوائد القولون التي قد يتحول بعضها إلى سرطان من 28.4 إلى 22.4 في المائة، بفارق ست نقاط مئوية.
لكن الباحثين راجعوا بيانات فحوص سابقة، فلا يمكن الجزم بأن التقنية سبّبت التراجع، إذ قد تؤثر اختلافات المرضى وظروف العمل. وتبقى النتيجة سبباً لدراسة مهارة الطبيب عند غياب المساعدة، وليست دليلاً حاسماً على فقدانها.
مساعدة تنجح… وأخرى تخلق مشكلة
وفي بيئة العمل، يناقش تقرير لمعهد ماساتشوستس للتكنولوجيا (MIT) مفارقة مشابهة: قد تنجز التقنية المهمة بنجاح، في حين يفقد الموظف فرصة تعلّمها. وصدر التقرير في أبريل (نيسان) 2026، وعرضه موقع كلية سلون للإدارة بالمعهد في سبتمبر (أيلول) 2026.
استند التقرير إلى بحث في أكثر من عشرين شركة، وحدد ثلاث مشكلات: تجاهل التقنية عندما تكون مفيدة، واستخدامها في مهام لا تجيدها، والاعتماد عليها بطريقة تنجز العمل، لكنها تقلّل فرص اكتساب الخبرة.
إن الموظف الذي يحصل على تحليل جاهز قد لا يتعلم كيف يبنيه أو يراجع منطقه. ومن يستغني دائماً عن سؤال زملائه قد يفقد فرصة الاستفادة من خبراتهم. ولكن هذه الملاحظات لا تثبت تراجعاً دائماً في القدرات، إلا أنها تدعونا إلى قياس ما يتجاوز سرعة الإنجاز: هل تساعد الأداة الموظف على فهم عمله أم تكتفي بأدائه عنه؟
المعرفة التي لا تظهر في الإجابة
لنتخيل طبيباً مقيماً يعرض حالة على استشاري. يقترح تشخيصاً، فيسأله الاستشاري عن دواء يتناوله المريض أو عرض لم ينتبه إليه. وقد تغيّر هذه المعلومة اتجاه النقاش. هنا يتعلم الطبيب كيف يراجع رأيه، ولماذا يرجّح احتمالاً على آخر. فقد نأخذ الإجابة من غيرنا، لكننا لا نكتسب الفهم إلا حين نعرف لماذا كانت هي الإجابة.
أما الحصول على تشخيص جاهز فقد يختصر الوقت، لكنه قد يتجاوز الخطوات التي يتعلم منها الطبيب. وهذا لا يعني أن الاستعانة بالذكاء الاصطناعي تُضعف مهارته بالضرورة؛ إذ يمكن استخدام الأداة لطرح أسئلة، ومقارنة احتمالات، ومساعدته على اكتشاف ما أغفله.
لذلك لا يكفي أن نسأل عن عدد مرات استخدام التقنية، بل عن طريقة استخدامها: هل تقدم الإجابة قبل أن يحاول الطبيب التفكير أم تناقش محاولته وتساعده على تحسينها؟ وهل يستطيع شرح سبب اقتناعه بالنتيجة أم يقبلها لمجرد أن النظام اقترحها؟
كيف نصمم مساعدة تترك أثراً؟
كيف نجعل الأداة تساعد على التعلّم؟ يمكن أن تبدأ بسؤال المستخدم عن محاولته، ثم تقدم تلميحاً، أو تطلب منه شرح سبب اختياره. بهذه الطريقة تصبح الإجابة خطوة في النقاش، ويظل المتعلّم مشاركاً في الوصول إليها.
وفي تدريب الأطباء، يمكن اختبار هذا الأسلوب باستخدام حالات افتراضية تحت إشراف المدرّبين: يضع الطبيب تقديره أولاً، ثم يناقش اقتراح الأداة ويشرح مواضع الاتفاق والاختلاف. ويُقاس نجاح التدريب بقدرته على تفسير قراره واكتشاف الخطأ. أما التعامل مع المرضى فيبقى محكوماً بسلامتهم والتقييم الطبي.
هذه أساليب تستحق الاختبار، ولم تثبت فائدتها في جميع التخصصات. لكن تجربة الطلاب أظهرت أن طريقة تقديم المساعدة قد تغيّر أثرها على التعلّم.
والمطلوب ليس أن يحفظ الإنسان كل ما تعرفه الآلة، بل أن يفهم ما يكفي لمراجعتها: هل أجابت عن السؤال؟ هل أغفلت معلومة مهمة؟ وما الذي قد يغيّر النتيجة؟ عندئذ تصبح المراجعة البشرية فحصاً واعياً للإجابة، بدلاً من الموافقة عليها دون تمحيص.
ماذا يبقى حين تُغلق الشاشة؟
كلما أصبحت إجابات الذكاء الاصطناعي أكثر إقناعاً، احتجنا إلى إنسان يفهمها ويستطيع مساءلتها. وهذه القدرة تُكتسب بالممارسة؛ فمن نطالبه باكتشاف خطأ الآلة يحتاج إلى فرص يتعلّم فيها كيف يصل إلى الإجابة ويختبر صحتها.
لذلك ينبغي أن نقيس نجاح التقنية بما ننجزه بمساعدتها، وبما نتعلّمه في أثناء استخدامها أيضاً. قد ينتهي الواجب، ويكتمل التقرير، وتظهر التوصية على الشاشة. لكن يبقى اختبار آخر: عندما نغلقها ونواجه مسألة جديدة، هل نكون أقدر على التفكير، أم أشد حاجة إلى فتحها من جديد؟
