قامت ChatGPT وGemini وClaude بتضخيم تقديرات اختفاء المهن بسبب الذكاء الاصطناعي، بينما يشك العلماء في موثوقية هذه التقديرات

الفكرة الرئيسية للبحث

كشف الاقتصاديون من جامعة شمال غرب والجامعة الأمريكية أن ثلاثة من أكبر نماذج الذكاء الاصطناعي اللغوية (ChatGPT‑5، Gemini 2.5 وClaude 4.5) يقدّرون بشكل مختلف ما هي المهن التي تقع في خطر الأتمتة. هذا يثير تساؤلاً حول موثوقية "مؤشرات التعرض للذكاء الاصطناعي" – المؤشرات الرقمية التي يستخدمها السياسيون وأرباب العمل عند تخطيط سوق العمل المستقبلي.

1. كيف أُجري البحث
الخطوة ماذا فعلوا تحديد المشكلة طلبت من النماذج تقييم ضعف المهن المختلفة أمام الذكاء الاصطناعي مقارنة بالبيانات الحقيقية تحليل أسباب الاختلافات حددوا عاملين رئيسيين: اختلافات في النماذج نفسها وتأثير أنماط استخدام الذكاء الاصطناعي بالفعل.

2. النتائج
المهنة Claude 4.5 Gemini 2.5 ChatGPT‑5 محاسب عالية الضعف منخفضة متوسطة مدير إعلانات —— مدير تنفيذي أعلى مستوى —
* الخلافات
- وضع Claude المحاسبين في القمة، بينما كان Gemini أقل بكثير.
- تباينت تقييمات مديري الإعلانات والمديرين التنفيذيين أيضًا.
- تقارب ChatGPT وGemini تقريبًا في 75٪ من الحالات، لكن انحرافهم نحو ربع الفرق.
* تأثير "مستخدمي الذكاء الاصطناعي"
يعمل المحللون الماليون بنشاط مع الشبكات العصبية، ويخلقون البيانات التي تُدرّب عليها النماذج المستقبلية. هذا يزحرف التقييمات ويجعل المهن المرتبطة بالذكاء الاصطناعي بالفعل أكثر عرضة في نظر النماذج.

3. كيف تُبنى مؤشرات التعرض
1. يدويًا – يقيم الخبراء تأثير الذكاء الاصطناعي على مهام محددة.
2. استبيانات المستخدمين – تجمع آراء من الذين يستخدمون المنصة بالفعل.
3. أكبر نماذج لغوية (LLM) – تولد التقييمات تلقائيًا.

* المشكلات:
- اليدوي عرضة للذاتية.
- الاستطلاعات محدودة بمنصة واحدة ولا تعكس السوق بأكمله.

مع ذلك تُستخدم هذه المؤشرات على نطاق واسع في التقارير التحليلية والاستشارات والسياسة.

4. ماذا يعني هذا للممارسة
* موثوقية التقييمات – لا يزال غير معروف ما إذا كانت LLM تقدم تنبؤات أكثر دقة مقارنة بالطرق الخبراء.
* خطر اتخاذ القرارات بناءً على مؤشر واحد – يحذر المؤلفون أن السياسيين وأرباب العمل قد يخطئون في الاعتماد على أرقام وحيدة.

5. توصيات الباحثين
1. استخدموا عدة نماذج ذكاء اصطناعي معًا، وليس واحدة فقط.
2. حددوا بوضوح مستوى عدم اليقين في النتائج.
3. أكدوا الاستنتاجات باستطلاعات المستخدمين الحقيقيين لفهم كيف يُطبّق الذكاء الاصطناعي فعليًا وما المهام التي يؤديها.

> «بشكل شخصي، لا أستند إلى مؤشر واحد لاتخاذ قرارات حول تغيير العمل أو اختيار التخصص»، تُشير ميشيل إن.

الاستنتاج:
تحتاج مؤشرات التعرض الحالية للذكاء الاصطناعي إلى نهج أكثر نقدية. الجمع بين نماذج متعددة والبيانات التجريبية سيساعد في جعل التنبؤات أكثر موثوقية وتجنب القرارات الخاطئة المبنية على تقييمات أحادية الجانب.