OpenAI وLinkedIn: لماذا أصبحت مهارة كتابة الأوامر النصية حاسمة للمسار المهني

لم تعد مهارة كتابة أوامر نصية واضحة قدرة هامشية يتقنها المهووسون بالتقنية، بل تتحول سريعًا إلى شرط أساسي في سوق العمل. ومع نمو أدوات الذكاء الاصطناعي، لا ينظر أصحاب العمل إلى خبرة المرشح فحسب، بل أيضًا إلى قدرته على الحصول من النماذج على نتيجة واضحة ومفيدة.

لماذا يهم هذا الأمر

ففي عام 2024، رصدت Microsoft وLinkedIn تحولًا في توقعات أصحاب العمل: قال 66% من المديرين في الولايات المتحدة إنهم لن يوظفوا شخصًا لا يمتلك مهارات في الذكاء الاصطناعي، وكان 71% مستعدين لاختيار مرشح أقل خبرة إذا كان يجيد العمل مع هذه الأدوات. وهذه إشارة مهمة: فالذكاء الاصطناعي لم يعد يُقيَّم بوصفه ميزة إضافية لطيفة، بل جزءًا من المؤهلات اليومية، خصوصًا في الوظائف التي تتطلب البحث السريع عن المعلومات وكتابة النصوص وتحليل البيانات وأتمتة المهام الروتينية.

والمشكلة أن مجرد الوصول إلى ChatGPT أو أي نموذج آخر لا يضمن شيئًا تقريبًا. فقد يفتح المستخدم الواجهة ويطرح سؤالًا ويحصل على إجابة ضعيفة، لا لأن النموذج سيئ، بل لأن الطلب غامض. وكلما اشتدت المنافسة في السوق، اتسع الفارق بين من «يسأل الروبوت شيئًا ما» ومن يصوغ المهمة بطريقة تجعل النموذج يساعده فعلًا في عمله.

أين يخطئ الناس

تشير دراسة OpenAI حول كيفية استخدام الناس لـ ChatGPT إلى المشكلة نفسها من زاوية أخرى: فمعظم المستخدمين يتعاملون مع الأداة بكفاءة منخفضة. وتورد المادة رقمًا لافتًا: نحو 73% من الطلبات تُصاغ بلغة يومية عفوية. قد تبدو هذه الصياغة طبيعية للإنسان، لكن النموذج كثيرًا ما يفهمها حرفيًا أكثر من اللازم، ويفقد السياق، ولا يدرك القيود، فيقدّم إجابة عامة أو عديمة الفائدة ببساطة.

«معظم المستخدمين يستخدمون الأداة بشكل سيئ».

الخطأ الرئيسي هو توقّع قراءة الأفكار من النموذج. فإذا لم يحدد الأمر النصي من هو الجمهور المستهدف، وما الصيغة المطلوبة، وما الذي يُعدّ نتيجة جيدة، وما القيود المهمة، فإن الشبكة العصبية ستملأ الفراغات بالتخمينات. وأحيانًا يبدو ذلك نصًا واثقًا وسلسًا، لكنه في جوهره لا يحل المهمة. ولهذا تتوقف جودة الإجابة غالبًا لا على «سحر النموذج»، بل على مدى وضوح الإطار والدور ومعايير النتيجة التي حددها الشخص.

كيف تكتب بشكل أقوى

يقترح مؤلفو الدليل التعامل مع الأمر النصي بوصفه مهمة تقنية مختصرة، لا رسالة في تطبيق مراسلة. فالنماذج تعمل بصورة أفضل عندما تُزوَّد مسبقًا بالسياق والهدف وصيغة المخرجات. وكلما كان الطلب أكثر تحديدًا، قلّ احتمال أن تنزلق الإجابة إلى العموميات أو أن يبدأ النموذج في التخيّل بدلًا من تنفيذ المهمة. ولا يتطلب ذلك عمليًا صيغًا معقدة: فانضباط الصياغة أهم من مجموعة الكلمات الرائجة.

• حدّد دور النموذج: محرر، محلل، موظف توظيف، مطوّر.
• قدّم سياق المهمة: لمن الإجابة، وفي أي موقف، ولأي هدف.
• ثبّت صيغة النتيجة: قائمة، رسالة، جدول، خطة، شيفرة برمجية.
• أضف القيود: الحجم، النبرة، وقائع دون اختلاق، ومنع الافتراضات الزائدة.
• إذا كانت الإجابة ضعيفة، فاستوضح خطوة بخطوة بدلًا من إعادة كتابة الطلب كله من الصفر.

لا يلزم أن يكون الأمر النصي الجيد طويلًا، لكن يجب ألا يحتمل أكثر من معنى. فإذا كنت تحتاج إلى تحليل مقال لقناة على Telegram، فقل ذلك صراحة: حدّد الطول والأسلوب والنقاط الرئيسية وما لا يجوز فعله. وإذا كنت تحتاج إلى تحليل مرشحين، فاذكر معايير التقييم.

وهذا النهج مفيد لا في التعامل مع الذكاء الاصطناعي فحسب، بل يضبط التفكير أيضًا: فتفهم مهمتك بشكل أفضل، وتلاحظ الثغرات أسرع، وتوفر الوقت الذي يضيع في إعادة الصياغة المتكررة.

ماذا يعني هذا

في عام 2026، يبدو كتابة الأوامر النصية أقل شبهًا بـ«حيلة» منفصلة في الذكاء الاصطناعي، وأكثر شبهًا بشكل جديد من المعرفة الرقمية. فأصحاب العمل يأخذون هذه المهارة بعين الاعتبار عند التوظيف، والنماذج تكافئ من يجيد تحديد المهام بوضوح. والفائز ليس من لديه روبوت محادثة مفتوح، بل من يعرف كيف يحوّل فكرة غامضة إلى طلب دقيق ويحصل على نتيجة قابلة للقياس.