Private beta

أوضح الأدلة حتى الآن تأتي من الطب. بعد أن أصبحت مساعدة الذكاء الاصطناعي روتينية في أربعة مراكز لتنظير القولون، انخفض معدل اكتشاف الأطباء في عمليات التنظير التي أجروها من دون الذكاء الاصطناعي بنحو ست نقاط مئوية، وهؤلاء أطباء ذوو خبرة أجروا آلاف العمليات (Budzyn وزملاؤه، 2025). لم يقرر أحد أن يصبح أسوأ. المهارة انتقلت إلى الأداة، وكانت غائبة يوم غابت الأداة.

في استطلاع شمل 319 من العاملين المعرفيين، كلما زادت ثقة الناس بالذكاء الاصطناعي قلّ ما أفادوا بأنهم يمارسونه من تفكير نقدي، وكلما زادت ثقتهم بحكمهم الخاص زاد ذلك التفكير. العمل نفسه انتقل من إنتاج الإجابة إلى التحقق من إجابة الآلة وإدارتها (Lee وزملاؤه، 2025). المخرجات تبدو مماثلة، وغالبًا أفضل، لذا يسهل أن يمر هذا التحوّل دون أن يُلاحَظ.

في تجربة ميدانية، أظهر الطلاب الذين استخدموا معلمًا ذكيًا اصطناعيًا بلا ضوابط أداءً أفضل أثناء استخدامه، ثم حصلوا على درجات أسوأ حين عملوا بمفردهم مقارنة بطلاب لم يستخدموه إطلاقًا، في حين تجنّبت نسخة مزوّدة بضوابط هذا الضرر (Bastani وزملاؤه، 2025). الذكاء الاصطناعي لا يُفسد التعلّم بمفرده. يجب إعداد الأداة بحيث يبقى الشخص هو من يفكر، وهذا مهم أكثر ما يكون بالنسبة للموظفين الجدد الذين ما زالوا يبنون حكمهم المهني.

حين تصل المسودة والملخص والخطة كلها جاهزة سلفًا، تتحول الوظيفة إلى مجرد الموافقة على مخرجات آلة. جزء كبير مما يجعل أخصائي الحالات جيدًا هو التفكير الذي يحدث أثناء كتابة الملاحظة، والانزعاج الذي يعيدك إلى الملف، وهذا هو أول ما تُزيله الأداة. قله بصوت عالٍ في جلسة الإشراف. الموظف الذي يشعر بأنه مجرد مراجع لعمل شخص آخر يصف شيئًا حقيقيًا.

تولّ الحالة الصعبة بنفسك أولاً، ثم اسأل الأداة وقارن. أعطِ الموظفين الجدد حالات دون الأداة، عن قصد، بالطريقة نفسها التي تتدرب بها أي مهنة. اعتبر قاعدة "الذكاء الاصطناعي يكتب المسودة، وأنت تقرر" قاعدة تحمي كفاءتك أنت، لا دقة عملائك فقط.

كل ما يملكه النموذج أتى من نص كان موجودًا مسبقًا بصيغة استطاعت شركة ما جمعها. المعرفة التي تعيش في الكلام المنطوق، أو في مجتمع محلي، أو في ملفات ورقية لم يمسحها أحد ضوئيًا، أو في لغة ذات حضور مكتوب ضئيل على الإنترنت، تكون ببساطة غائبة، ولا يستطيع النموذج أن يلاحظ غيابها بنفسه. من امتلك المال والنشر والبنية التحتية هو من قرر ما الذي تحوّل إلى صيغة رقمية، لذا فإن شكل معرفة النموذج يتبع شكل التاريخ الاقتصادي والاستعماري.

الفيتنامية والتاغالوغ والأمهرية والكريولية الهايتية يتحدث كل واحدة منها عشرات الملايين من الناس. تُسمّى هذه اللغات قليلة الموارد لسبب واحد: القليل منها موجود على الإنترنت كنص رقمي نظيف. صنّف باحثون لغات العالم إلى مستويات على هذا الأساس بالضبط، والمسافة بين المستوى الأعلى وبقية المستويات هائلة (Joshi وزملاؤه، 2020).

حيث تكون اللغة شحيحة على الإنترنت، تُحشى مجموعات النصوص بكل ما يمكن جمعه، بما في ذلك ترجمات دينية، وإشعارات حكومية، وصفحات مترجمة آليًا. وجد تدقيق لمجموعات البيانات متعددة اللغات المجموعة من الإنترنت مشكلات منهجية في مجموعات اللغات قليلة الموارد، إذ يحتوي بعضها على أقل من نصف جمل بجودة مقبولة، وتحمل عشرات منها تصنيف لغة خاطئ تمامًا (Kreutzer وزملاؤه، 2022). حين يُجيب نموذج عميلك بالأمهرية، فقد تكون هذه هي المادة الكامنة خلف إجابته.

لأن النص غير موجود، تدفع الشركات لإنتاجه: بالمسح الضوئي، والتفريغ، والترجمة، والتسجيل، وكتابة اللغة الناقصة. أطلقت Meta نموذج ترجمة يغطي 200 لغة (Meta AI, No Language Left Behind)، ومنظمات مثل Karya تدفع لعمال ريفيين في الهند مقابل تسجيل كلامهم بلغاتهم الخاصة، ثم تبيع مجموعات البيانات هذه لشركات تقنية كبرى (Karya). الأمران صحيحان في آن واحد. لغة كانت بلا سجل رقمي يكاد يُذكر يمكن أن تكتسب سجلاً، والأشخاص الذين وفّروه يُدفع لهم عادة بأجور تعاقدية، ولا يحتفظون بأي ملكية للمورد، ثم يشاهدون القدرة الناتجة تُباع لهم مرة أخرى. الموافقة، والأجر، ومن ينتهي بامتلاك مجموعة النصوص، هي ما يحدد أيًا من الحالتين تكون.

هناك مسار عمل منفصل يجعل النموذج آمنًا ومتعاونًا: تقييم الإجابات، وترتيب أي رد أفضل، وتصفية المواد العنيفة والجنسية من بيانات التدريب. معظم هذا العمل يجري بالإنجليزية، ويُسند إلى دول تنتشر فيها الإنجليزية وتنخفض فيها الأجور، وهو اقتران قائم بسبب أنظمة التعليم الاستعمارية. وثّقت تقارير صحفية عمالاً كينيين يُدفع لهم نحو دولارين في الساعة مقابل قراءة مواد صادمة كي لا يُكرّرها روبوت محادثة (Perrigo، 2023)، ووجد بحث محكَّم حول منصات العمل على البيانات في أمريكا اللاتينية البنية نفسها، حيث يملك من ينتجون البيانات أقل قدر من النفوذ في السلسلة (Miceli و Posada، 2022).

كانت المادة المنشورة أيضًا في معظمها بلا ترخيص. رفع مؤلفون دعوى قضائية على Anthropic بخصوص ملايين الكتب، بينها نسخ سُحبت من مكتبات قرصنة وكتب مطبوعة اشترتها الشركة وفكّكتها ومسحتها ضوئيًا (Washington Post, 2026)؛ وسُوِّيت تلك القضية بنحو 1.5 مليار دولار. صحف تتقدمها صحيفة New York Times ما زالت تخوض نزاعًا قضائيًا ضد OpenAI (Reuters, 2026). رأى قاضٍ اتحادي واحد أن التدريب على كتب حُصل عليها بصورة قانونية يندرج تحت الاستخدام العادل، وأن تنزيل نسخ مقرصنة منها لا يندرج تحته. قضايا أخرى ما زالت مفتوحة، والحساب النهائي لم يُحسم بعد.

قاست Google مساعدها الخاص وأفادت بأن الطلب النصي المتوسط يستهلك نحو 0.24 واط-ساعة من الكهرباء و0.26 مليلتر من الماء، أي ما يقارب تسع ثوانٍ من بث تلفزيوني وخمس قطرات ماء (Google, 2025). تقديرات أخرى لاستعلام روبوت محادثة تقترب من 2.9 واط-ساعة، أي نحو عشرة أضعاف عملية بحث على الإنترنت (MIT Technology Review, 2025). تختلف التقديرات بمقدار رتبة كاملة، وهي عادة لا تحتسب عملية التدريب ولا تصنيع الأجهزة، والشركات القادرة على حسم هذا السؤال في معظمها لا تنشر بياناتها.

استهلكت مراكز البيانات الأمريكية نحو 4.4 بالمئة من كهرباء البلاد في عام 2023، ويتوقع مختبر تابع لوزارة الطاقة الأمريكية أن تصل النسبة إلى ما بين 6.7 و12 بالمئة بحلول عام 2028، مع كون الذكاء الاصطناعي المحرك الرئيسي لهذا الارتفاع (Lawrence Berkeley National Laboratory, 2024). طلبك الواحد خطأ تقريبي لا يُذكر. لكن منحنى الطلب الذي تُشكّله ملايين الطلبات مجتمعة هو ما يدفع إلى بناء محطة كهرباء جديدة.

نموذج تفكير (reasoning model) يستغرق دقيقة كاملة، ومستند طويل يُمرَّر عبر نموذج كبير، وصورة أو مقطع فيديو، كل هذا يكلّف أكثر بكثير من سؤال قصير موجَّه إلى نموذج خفيف. إلى جانب السرعة والتكلفة المالية، هذا سبب ثالث لإبقاء النموذج الخفيف هو الخيار الافتراضي واللجوء إلى النموذج الثقيل عن قصد. نموذج صغير يؤدي مهمة واحدة ضيقة هو الترتيب الأرخص على كل محور، بما في ذلك هذا المحور.

مراكز البيانات تُبنى في مكان ما، وذلك المكان نادرًا ما يكون ثريًا. في ممفيس، شغّلت إحدى الشركات مركز بيانات للذكاء الاصطناعي بعشرات من التوربينات الغازية بجوار حي ذي أغلبية سوداء تاريخيًا كان يتحمل أصلاً عبء تلوث ثقيلاً، فأثار ذلك دعوى قضائية بموجب قانون الهواء النظيف ومعارضة مجتمعية منظّمة (TIME, 2025). وفي سانتياغو، أعادت محكمة بيئية تصريح مركز بيانات للمراجعة بعد أن اعترض السكان على خطة لسحب نحو 7.6 مليون لتر من مياه الشرب يوميًا من طبقة مياه جوفية مُجهَدة (Municipality of Cerrillos v. Evaluation Commission, 2024). المنفعة عالمية والماء محلي، والأشخاص الذين يعيشون بجوار التوربينات هم من ينبغي أن يقرروا ما إذا كانت ستُبنى أصلاً.

ليس الكثير بمفرده، وهذا ليس سببًا لغض النظر. استخدم الأداة حين تستحق مكانها، وتجاوزها حين يكفي قالب جاهز. أبقِ النموذج الخفيف هو الافتراضي. حين تشتري مؤسستك أداة، أدرج هذا السؤال في محادثة الشراء واطلب من المزوّد أرقامًا فعلية. وإذا اقتُرح بناء مركز بيانات قرب المجتمعات التي تخدمها، فإن حصول السكان على رأي في القرار هو صلب الموضوع، لا مجرد إجراء شكلي.