Harvard Business Review: كيف يؤدي الاستخدام المكثف للذكاء الاصطناعي إلى «إرهاق الدماغ»

لم يعد الذكاء الاصطناعي يأخذ منا الأعمال الروتينية فحسب، بل صار يستهلك أيضًا جزءًا من الانتباه الذي كان يُخصَّص سابقًا للتفكير الهادئ المتسلسل. وفي هذا السياق يظهر أثر جديد في بيئة العمل يُعرف بـ AI brain fry، أي «إرهاق الدماغ الناتج عن الذكاء الاصطناعي». وهو لا يُشعَر به كتعب اعتيادي في نهاية اليوم، بل كمزيج غريب من الضجيج الذهني والبطء وفقدان الوضوح. تبدو وكأنك أنجزت الكثير: طرحت سؤالًا على النموذج، وأوضحت المهمة، وتلقيت الإجابة، وراجعتها، ثم شغّلت أداة أخرى. لكنك تلاحظ في لحظة ما أن القرارات أصبحت أصعب، وأن الصياغات تزداد سوءًا، وأن المهام البسيطة صارت تتطلب جهدًا مفرطًا.

وهذه الظاهرة بالذات يبحثها كتّاب مادة نُشرت في Harvard Business Review في مارس 2026. أعدّ النص خبراء من BCG وجامعة كاليفورنيا في ريفرسايد، بعد استطلاع شمل 1488 موظفًا أمريكيًا في شركات كبرى. وخلاصتهم غير مريحة، لكنها مألوفة لكثير من الفرق: الذكاء الاصطناعي لا يوفّر الوقت فحسب، بل قد يستنزف الموارد المعرفية دون أن يلحظ أحد. والحديث هنا لا يدور حول تشخيص سريري، بل حول حالة عمل تنشأ حيث تَعِد الأتمتة بالتخفيف، لكنها تضيف في الواقع طبقة جديدة من العبء. فللحصول على نتيجة جيدة، لا يكفي أن يكتفي الموظف بـ«سؤال الذكاء الاصطناعي»، بل عليه أن يصوغ المهمة بدقة، ويختار الأداة المناسبة، ويقيّم جودة الإجابة، وينتبه إلى الأخطاء، ويدمج النتيجة في سير العمل الفعلي.

ولا يتعرض للخطر الأكبر المبتدئون، بل أكثر المستخدمين نشاطًا تحديدًا. والسبب أن العمل المكثف مع الذكاء الاصطناعي يتألف من سلسلة طويلة من القرارات الصغيرة. فعليك أن تحدد أي نموذج تختار للمهمة، وكم من السياق تمنحه، وهل ينبغي إعادة كتابة الأمر النصي، وكيف تتحقق من معلومة ما، ومتى توقف التكرارات، وأي نسخة من بين عدة نسخ تعتبرها النهائية. من الخارج يبدو ذلك تسارعًا، أما من الداخل فهو أشبه بإدارة مستمرة لغرفة عمليات. وكلما زاد عدد المساعدين والوكلاء ومحررات الأكواد ومولّدات النصوص لديك، زاد احتمال أن تتحول من منفّذ إلى مشغّل لنظام معقد. وإذا تسارع النظام أكثر مما تستطيع استيعابه، يدفع الدماغ ثمن ذلك على هيئة حمل زائد.

ولهذه الحالة أعراض يسهل التعرف عليها. يتقطع التفكير في منتصفه كثيرًا، وينقسم الانتباه إلى أجزاء صغيرة، وتنخفض الثقة بالقرارات. وأحيانًا يفرط الشخص في الوثوق بالنموذج ويفوّت الأخطاء لأنه أرهقه التحقق. وأحيانًا يحدث العكس: عمليات تحقق لا تنتهي، وأوامر نصية جديدة، ومقارنة بين النسخ، وعجز عن وضع نقطة النهاية. وفي الحالتين تتضرر جودة العمل. ويبرز الأثر بوضوح خاص حيث تلزم سلاسل استدلال طويلة وتكون كلفة الخطأ عالية: في التحليل، والتطوير، والعمل على المنتجات، والأبحاث، والتسويق، والإدارة. فالذكاء الاصطناعي يساعد جيدًا في الانطلاق وإعداد مسودة سريعة ومعالجة الأعمال الروتينية، لكنه قد يفتّت أيضًا منتصف العملية، أي الجزء الذي يحتاج فيه الإنسان إلى التركيز والتفكير النقدي والقدرة على الإمساك بالصورة العامة.

والخلاصة الرئيسية من هذه القصة ليست أنه ينبغي التخلي عن الذكاء الاصطناعي. بل على العكس تقريبًا: كلما تعمّق اندماجه في العمل اليومي، زادت أهمية «النظافة» في استخدامه. وسيتعيّن على الفرق والمتخصصين تصميم عبئهم المعرفي الخاص، وليس الأتمتة وحدها. ومن المفيد أن يُحدَّد مسبقًا في أي المهام يسرّع الذكاء الاصطناعي العمل فعلًا، وأين تكفي جولة واحدة، وأين يكون من الأفضل التفكير أولًا دون أي مساعدة. ومن المفيد كذلك الحد من عدد الأدوات العاملة بالتوازي، وتثبيت معايير الجودة قبل تشغيل النموذج، وترك وقت للمراجعة اليدوية دون طلبات جديدة.

وتُقاس الإنتاجية الحقيقية في عصر الذكاء الاصطناعي لا بعدد الأوامر النصية، بل بمدى احتفاظك بوضوح التفكير، وبقدرتك في النهاية على اتخاذ قرارات أقوى.