كيف يعيد وكلاء الذكاء الاصطناعي صياغة العمل المعرفي

تعمل أنظمة الذكاء الاصطناعي الرائدة على تقليص الفجوة بين ذكاء النموذج وفائدته في العالم الحقيقي. تتيح النماذج الجديدة، وبنى الحوسبة، وأنماط التنسيق لهذه الأنظمة إنجاز مهام كانت تُعد مستحيلة قبل أشهر قليلة فقط.

لقد أثبت هذا الابتكار السريع نعمة لمستخدمي الذكاء الاصطناعي من خلال تضخيم قدرتهم التأثيرية وقدراتهم. ومع ذلك، فقد أدى أيضاً إلى خلق فجوة زمنية بين الحد التكنولوجي الفاصل وفهمنا لكيفية تطور العمل المعرفي استجابة لذلك. كيف يغير الذكاء الاصطناعي الرائد طبيعة العمل المعرفي عبر مختلف المهن؟ ما هي التحولات الهيكلية والاقتصادية في هذا العمل التي يمكن أن نتوقعها؟

نسعى إلى ردم هذه الفجوة من خلال تحليل تجريبي دقيق لاستخدام Perplexity. اليوم، وبالتعاون مع باحثي كلية هارفارد للأعمال، نشارك دراستنا الشاملة الأولى حول Perplexity Computer في التطبيقي الفعلي. تشير نتائجنا إلى أن Computer يوسع اتساع وعمق ما يمكن للمستخدمين إنجازه، بتكلفة أقل. مستخدمو Computer ينجزون المزيد، ويعملون بمستويات أعلى من التجريد، ويتجاوزون الحدود التخصصية لفتح آفاق قيمة خارج مهنهم الخاصة.

تستعرض هذه المقالة أبرز ما جاء في دراستنا. المنهجية التفصيلية والنتائج متاحة في تقريرنا التقني.

مقدمة

كانت أنظمة الذكاء الاصطناعي التوليدي السائدة الأولى عبارة عن مساعدين محادثة يتفاعلون في حوارات مع المستخدمين. تتوسط هذه الأنظمة بين النية والتنفيذ. فهي تجيب عن الأسئلة، وتشرح المقايضات، وتقترح الخطوات التالية. وعليه، يتوجب على المستخدم ترجمة الإجابة إلى عمل: فتح الأدوات المناسبة، جمع الملفات، تحرير المستندات، التحقق من المخرجات الوسيطة، وتحديد الخطوة التالية.

تغير الوكلاء هذا التقسيم في العمل. يحدد المستخدم النتيجة المطلوبة، فيقوم النظام بالتخطيط عبر الأدوات، وتنفيذ الخطوات الوسيطة، وطلب المدخلات المفقودة عند الحاجة، وإعادة تسليم منتج نهائي. ينقل الوكلاء استخدام الذكاء الاصطناعي من البحث عن المعلومات وتركيبها إلى التخطيط وتنفيذ المهام بشكل مستقل.

هذا المسار يجسد مسيرة منتجات Perplexity الخاصة. في عام 2022، أطلقنا Search، الذي حدد فئة محركات الإجابة من خلال تمكين المستخدمين من طرح الأسئلة وتلقي إجابات مدعومة باقتباسات قابلة للتحقق عبر مليارات المستندات. وفي عام 2025، قدمنا متصفح Comet، المزود بويب-أجنت (وكيل ويب) مضمّن يستدل ويعمل جنبًا إلى جنب مع المستخدمين على الويب المفتوح. وفي عام 2026، أطلقنا Computer، وهو منسق وكلاء متعدد الأغراض يعمل بشكل مستقل لتحقيق أهداف محددة من قبل المستخدم عبر بيئات معقدة وأفق زمني طويل.

كيف يغير هذا الانتقال طريقة عملنا؟ نستكشف هذا السؤال باستخدام البيانات من منتجينا Search وComputer، مع التركيز على ثلاثة أبعاد:

الاستقلالية: ما مقدار العمل المستقل الذي يؤديه Computer مقارنة بـ Search في نفس المهمة؟

الكفاءة: ما مقدار الوقت وتكلفة العمالة التي يوفرها Computer مقارنة بـ Search في نفس المهمة؟

النطاق: كيف يغير Computer نوع العمل الذي يحاول المستخدمون القيام به؟

نجد أن الوكلاء مثل Computer يتطلبون جهدًا أكبر من المستخدم في البداية (حيث يجب على المستخدمين تحديد الأهداف المراد تفويضها ومراجعة النتائج) ولكنهم يتطلبون جهدًا بشريًا أقل بكثير لكل وحدة عمل (بسبب التنفيذ الأكثر استقلالية). وهذا يجعلهم فعالين بشكل خاص في سير العمل الطويل والمتعدد الخطوات. العائد هو عمل يتسم بالعمق وانخفاض التكلفة في آن واحد. ينقل Computer جهد المستخدم من التنفيذ اليدوي إلى الإشراف، مما يوسع نطاق ما يمكن للمستخدمين إنجازه داخل وخارج مجالات خبرتهم الخاصة.

تبني Computer وحالات الاستخدام

تم إطلاق Computer في 25 فبراير 2026، ونمو سريعًا في الأشهر الثلاثة الأولى.

وصلت استعلامات Computer التراكمية إلى 84 ضعف إجمالي أسبوعها الأول بحلول 27 مايو. كخط أساس، وصل استخدام Search التراكمي بين مستخدمي Computer إلى 14 ضعف إجمالي أسبوعه الأول، وهو أعلى من نمو 12 ضعفًا للمستخدمين الذين لا يستخدمون Computer.

حتى بعد مطابقة مستخدمي Computer وغير المستخدمين من حيث فئة الاشتراكات، وموضوع البحث الأساسي، وكثافة البحث السابقة، تُظهر مقارنة الاختلاف في الاختلافات أن تبني Computer يزيد من استخدام Search: يقوم مستخدمو Computer بإجراء 1.05 استعلام بحث إضافي يوميًا مقارنة بالمستخدمين المشابهين الذين لا يستخدمون Computer.

في عينة عشوائية تضم 100,000 استعلام لـ Computer، كانت فئة "البحث والتحليل" أكبر فئة مهام بنسبة 25.8%، تليها "إنشاء المستندات والأصول" بنسبة 18.6%. يميل مزيج المهام المرصود نحو العمل التوليدي: المستندات، وجداول البيانات، وقواعد الاكواد، ومواقع الويب، وسير العمل التي تتطلب العمل عبر أدوات متعددة.

بالانتقال إلى المجالات، وُزع الاستخدام بشكل واسع عبر البرمجيات وتكنولوجيا المعلومات، والتمويل والاستثمار، والتسويق والمبيعات، والعمليات التجارية، والرعاية الصحية، والتعليم، والقانون، والإعلام.

استقلالية وجودة أعلى

الإشارة الأكثر مباشرة للاستقلالية هي المدة التي يستمر فيها النظام في العمل بدون تدخل بشري بعد أن يرسل المستخدم الطلب. عادةً ما يعيد Search استجابة في غضون ثوانٍ. غالبًا ما يستمر Computer في العمل لدقائق أو حتى ساعات: البحث، والتصفح، والكتابة، والتحرير، وتشغيل الأكواد، والتحقق من النتائج الوسيطة.

نستخدم جلسات Search وComputer ذات الاستعلامات الأولية المتطابقة تقريبًا كبديل لنفس المهمة التي يتم إجراؤها باستخدام كلا المنتجين. عبر 10,000 زوج متطابق، ينفذ Computer 26 دقيقة من التنفيذ الآلي لكل جلسة في المتوسط، مقابل 33 ثانية لـ Search. هذه زياد بـ 48 ضعفًا في العمل الآلي على نفس المهام فعليًا. عند القيمة الوسيطة، الفجوة هي 9 دقائق مقابل 14 ثانية، أو 40 ضعفًا. يُظهر تقسيم المجالات نفس النمط: يؤدي Computer ما يقرب من 26-75 ضعفًا من العمل الآلي عبر جميع المجالات الـ 18.

لم يتحول العمل المستقل طويل الأجل إلى مزيد من الإلغاء. كانت أحداث توقف المستخدم متشابهة عبر المنتجات: 3.7% من جلسات Computer و3.4% من جلسات Search احتوت على الحد الأدنى من حدث توقف واحد للمستخدم. توقف Computer مؤقتًا لمدخلات المستخدم بشكل متكرر أكثر: 13% من استعلامات Computer استدعت أداة إيقاف مؤقت للمستخدم واحدة على الأقل مقابل 0.3% لـ Search، وعادةً ما يكون ذلك لطلب الموافقة أو طرح أسئلة توضيحية. هذا هو النمط المتوقع لوكيل: يمكنه المضي قدمًا بشكل مستقل معظم الوقت، لكنه يحتاج إلى نقاط تفتيش للحصول على الإذن وتأكيد ما يريده المستخدم.

يربط Computer أيضًا عددًا أكبر بكثير من استدعاءات الأدوات الخارجية - من خلال بروتوكول سياق النموذج (MCP) أو نقاط نهاية واجهة برمجة التطبيقات (API) - في جلسة واحدة، مؤديًا عملاً قد يقوم به مستخدم Search يدويًا عبر تطبيقات منفصلة. 7.9% من جلسات Computer تقوم باستدعاء موصل واحد على الأقل مقابل 1.8% من جلسات Search (فجوة بـ 4 أضعاف)، ويبلغ متوسط Computer 1.19 استدعاء موصل لكل جلسة مقابل 0.10 لـ Search (نسبة 12 ضعفًا). بعبارة أخرى، لا يعمل Computer لفترة أطول فحسب؛ بل يمتد عبر المزيد من الخدمات المتصلة بالمستخدم لجلب البيانات واتخاذ الإجراءات.

يتغير سلوك المتابعة في تكوينه أيضًا. في عينة متعددة الأدوار من 1,000 زوج، فإن الميل العام نحو التقدم في المهام متطابق تقريبا عبر المنتجات (52.7% من متابعات Computer مقابل 52.9% لـ Search)، ولكن ما يطلبه المستخدمون يتغير: نظرًا لأن Computer يعود بمنتج أكثر اكتمالاً مقدمًا، فإن مستخدميه يستبدلون الاستفسارات التوضيحية المتعمقة بالتمديدات (التمديدات 14.2% مقابل 12.5%؛ التعمق للتوضيح 22.0% مقابل 23.4%). يقضي مستخدمو Computer أيضًا وقتًا أطول قليلاً من متابعاتهم في مراجعة المخرجات وتنقيحها (24.6% مقابل 23.6K)، بينما يكون Search أثقل في التوجيهات القصيرة مثل التأكيدات، وإعادة المحاولات، وطلبات التنسيق (11.6% مقابل 9.9%) والتي يدمجها Computer في تشغيله الأولي. بعبارة أخرى، ينشئ Search حلقات أقصر للتلخيص والتنفيذ؛ بينما ينشئ Computer حلقات أطول للمراجعة والتمديد.

والأهم من ذلك أن الجودة لم تنخفض مع ارتفاع الاستقلالية. في الجلسات المتطابقة ذات الأدوار المتعددة، كان عدم الرضا ذو المعنى في الدورة التالية 1.3% لـ Computer مقابل 2.9% لـ Search، بانخفاض بنسبة 55%. أي عدم رضا، بما في ذلك الإشارات البسيطة، كان 10.8% لـ Computer مقابل 16.6% لـ Search.

مکاسب الکفاءة من الاستقلالية

تستبدل الاستقلالية الأعلى العمل البشري اليدوي بالحوسبة الآلية، مما يرفع الكفاءة. لقياس هذا التأثير، نقارن بين إعدادين على نفس المهام المتطابقة.

Search + إنسان: يتعامل Search مع الاسترجاع والتوليف؛ وينفذ الإنسان يدويًا.

Computer + إنسان: يقوم Computer بسير العمل؛ ويحدد الإنسان نطاق المهمة ويراجع المخرجات.

لا يمكننا ملاحظة الوقت الذي ستستغرقه المهمة للبشري مباشرة، لذلك نقوم بالتثليث باستخدام ثلاثة تقديرات مستقلة:

التقدير القائم على الأداة: نقوم بتصنيف استدعاءات أداة Computer إلى فئتين: "بحث (Search)" و"تنفيذ (Do)". تتوافق أدوات البحث مع خطوات استرجاع المعلومات والتوليف التي يتعامل معها منتج Search بالفعل. تمثل أدوات التنفيذ خطوات التنفيذ التي يحتاج الإنسان إلى أجرائها يدويًا عند استخدام Search وحدها. ثم نقدر الوقت اللازم لإنسان ذي خبرة لتنفيذ إجراءات التنفيذ هذه.

التقدير القائم على نموذج اللغة الكبير (LLM): نقوم بتغذية الاستعلامات من جلسات Computer في نموذج لغة كبير لتقدير الوقت اللازم لمحترف ماهر يتلقى إجابات من Search ولكنه يجب أن يقوم بجميع خطوات التنفيذ يدويًا.

التقدير المبلغ عنه من قبل المستخدم: نجري 25 مقابلة شبه منظمة مع مستخدمي Computer النشطين عبر المجالات ونستخلص سير العمل قبل استخدام Computer والوقت الذي كان ستستغرقه سير العمل هذه.

بموجب التقدير القائم على الأداة، تستغرق مهمة Search + الإنسان المتوسطة 269 دقيقة، بينما يستغرق سير العمل المقابل لـ Computer + الإنسان 36 دقيقة. هذا انخفاض بنسبة 87% في وقت المهمة.

لترجمة وقت المهمة إلى تكلفة، نستخدم متوسط الأجور بالساعة الخاصة بكل مجال من بيانات إحصاءات العمالة والأجور المهنية لمكتب إحصاءات العمل الأمريكي (BLS OEWS) لشهر مايو 2025 (مكتب إحصاءات العمل الأمريكي 2026). من خلال الجمع بين تكلفة النموذج وتكلفة العمالة البشرية الخاصة بالمجال، يقلل Computer تكلفة المهمة المقدرة بنسبة 94% في المتوسط.

تظهر ميزة الكفاءة عبر جميع المجالات الـ 18، مع توفير في الوقت بنسبة 79-92% وتوفير في التكلفة بنسبة 87-96%. تعد البرمجة الحالة الأكثر تطرفًا: 596 دقيقة لـ Search + إنسان مقابل 48 دقيقة لـ Computer + إنسان - وهو تخفيض في الوقت بنسبة 92% ينتج عنه تخفيض في التكلفة بنسبة 96%. تُظهر الأعمال والتكنولوجيا والتعليم والكتابة مكاسب كبيرة أيضًا. تميل توفيرات الوقت إلى الترجمة إلى توفير أكبر في التكلفة في المجالات ذات الأجور الأعلى.

ما مدى متانة هذه النتيجة؟ اعتبر نقطة التعادل: لكي يتطابق Search + إنسان مع تكلفة Computer + إنسان، سيحتاج المحترف إلى إنهاء كل خطوة يدوية في غضون 14-24 دقيقة (الوسيط 18). يحتفظ Computer بميزته عبر كل مجال حتى في ظل افتراضات أكثر تحفظًا: على سبيل المثال، المبالغة في التقدير بـ 8 أضعاف في وقت الأداة الواحدة، أو التقليل في التقدير بـ 12 ضعفًا في وقت إشراف Computer.

يُنتج التقدير القائم على LLM نتائج إجمالية مشابهة: تخفيض بنسبة 84% في الوقت وتخفيض بنسبة 93% في التكلفة بشكل عام. تظهر مقابلات المستخدمين نطاقًا أوسع بكثير من النتائج - من 5 أضعاف إلى أكثر من 300 ضعف في تسريع السرعة - مما يعكس على الأرجح اختلافًا كبيرًا في خطوط الأساس للمستخدمين قبل استخدام Computer. الوسيط لتسريع السرعة بين المشاركين هو 25 ضعفًا، وهو ما يتوافق مع تخفيض بنسبة 96% في الوقت.

يتوسع نطاق المهام أفقيًا وعموديًا

السرعة والتكلفة على المهام المتطابقة تلتقط جزءًا فقط من القصة. قد تتغير شكل العمل أيضًا. مع استبدال Computer التنفيذ اليدوي بالحوسبة الآلية، قد يتولى المستخدمون أنواعًا مختلفة من العمل - المهام التي تتجاوز حدود المهن وتلك التي تتطلب مستويات أعلى من الخبرة.

أولاً، نسأل ما إذا كان المستخدمون يعملون خارج مجموعة مهنهم الأساسية المستنتجة بشكل متكرر مع Computer مقارنة بـ Search. ثانيًا، نقارن استعلامات Computer وSearch من نفس المستخدمين باستخدام خمسة تصنيفات على مستوى المهمة: تصنيف بلوم المعدل (أندرسون وكراثرول 2001)، العمل المجرد مقابل العمل الروتيني في تقاليد محتوى المهام (أوتور، ليفي، ومورنان 2003)، اتساع المعرفة O*NET (المركز الوطني لتطوير O*NET 2026)، اتساع أنشطة العمل O*NET، والمهام الجديدة التي لم يتم محاولتها مع Search.

التحول الأفقي واضح في البيانات. عبر عينة تضم 8,000 مستخدم من ثماني مجموعات مهنية، باستخدام جميع استعلاماتهم، يعمل مستخدمو Computer خارج مهنتهم الأساسية بنسبة 59% من الوقت، مقارنة بـ 50% لـ Search. تظهر أكبر الزيادات في الإدارة وريادة الأعمال، والتكنولوجيا الرقمية، والفنون والتصميم، والرعاية الصحية والخدمات الإنسانية. تتركز استعلامات بحث Search عبر المهن في التكنولوجيا الرقمية، بينما يفوض استعلامات Computer العمل الذي يبرز في مجالات أكثر تنوعًا حيث سيحتاج المستخدمون بخلاف ذلك إلى متخصصين.

التحول العمودي أكبر حتى. في عينة من 5,000 استعلام لـ Computer و5,000 استعلام لـ Search من نفس المجموعة من المستخدمين ذوي المنتجين، تكون استعلامات Computer أكثر تعقيدًا من الناحية الإدراكية من استعلامات Search. على تصنيف بلوم المعدل، تتطلب 76% من استعلامات Computer إدراكًا عالي المستوى، مقارنة بـ 55% لـ Search. تركز الاختلافات في القمة: 50% من استعلامات Computer هي مهام على مستوى الإنشاء (Create)، مقارنة بـ 26% لـ Search. يتمتع Search بكتلة أكبر بكثير في البحث الوقائعي على مستوى التذكر (Remember). في بُعد نوع المهمة المجردة مقابل الروتينية، تتضمن 71% من استعلامات Computer إدراكًا مجردًا وغير روتيني مقابل 53% لـ Search.

تعتمد مهام Computer أيضًا على المزيد من مجالات المعرفة. تتطلب مهمة Computer المتوسطة خبرة جوهرية في 2.40 مجال معرفي في O*NET، مقارنة بـ 1.74 لـ Search، بزيادة قدرها 38%. يُعد Computer أكثر عرضة بثلاث مرات تقريبًا من Search لتطلب ثلاثة مجالات معرفية أو أكثر: 51% مقابل 17%.

على مستوى نشاط العمل، يبقى نفس النمط ثابتًا. يتفاعل استعلام Computer النموذجي مع 2.95 نشاط عمل عام لـ O*NET و4.01 نشاط عمل وسيط مقابل 2.24 و2.87 لـ Search، بزيادة قدرها 32% و40%. في المستويات الدقيقة، يتفاعل Computer مع أنشطة عمل مفصلة بنسبة 59% أكثر وبيانات مهام خاصة بالمهنة بنسبة 60% أكثر.

المقياس الأكثر كشفًا هو مجموعة المهام التي تظهر في Computer ولكن ليس في Search بين نفس المستخدمين. بأدق تعريف، حيث يظهر بيان مهمة في Computer ولا يظهر أبدًا في عينة Search المقترنة، تشارك 23% من استعلامات Computer في بيان مهمة واحد على الأقل مخصص لـ Computer فقط. يؤدي تخفيف الحد للسماح بما يصل إلى خمس حالات ظهور لـ Search إلى رفع النصة إلى 38%، وتستقر بالقرب من 41%. تتركز هذه الأنشطة المخصصة لـ Computer فقط في تطوير البرمجيات الويب، وإنتاج التوثيق، وتصور البيانات أو الرسومات. هذا هو بالضبط المكان الذي يهم فيه التنفيذ المستقل أكثر من غيره: يوضح Search؛ بينما ينتج Computer.

مناقشة

تركز معظم الأدلة حول الذكاء الاصطناعي في العمل على بيئة المساعد. لقد أظهرت تلك الأدبيات مكاسب إنتاجية كبيرة في تعزيز الكتابة، ودعم العملاء، والبرمجة، والاستشارات (على سبيل المثال، Noy وZhang 2023؛ Brynjolfsson وLi وRaymond 2025؛ Cui وآخرون 2026؛ Dell'Acqua وآخرون 2026).

يغير الوكلاء سلوك المستخدم والنتائج الاقتصادية اللاحقة. تبدأ عمليات نشر الإنتاج في الكشف عن استخدام الوكلاء وتأثيرهم في بيئات العالم الحقيقي ولكنها تركز في الغالب على وكلاء البرمجة المتخصصين ووكلاء المتصفحات الأوائل (على سبيل المثال، Sarkar 2026؛ McCain وآخرون 2026؛ Demirer وMusolff وYang 2026؛ Yang وآخرون 2025). نحن نُكمل هذا العمل ونسد الفجوة بين أدبيات المساعد والوكيل من خلال مقارنة تفاعل المستخدم مع منسق وكلاء متعدد الأغراض مقابل مساعد محادثة، ومن خلال توسيع تحليل التأثير اللاحق ليشمل نطاقًا أوسع من العمل المعرفي.

ننتقل أيضًا من التعرض إلى إعادة تكوين المهام المحققة. يقدر العمل السابق المهن المعرضة للذكاء الاصطناعي باستخدام توصيفات المهام والهيكل المهني (على سبيل المثال، Eloundou وآخرون 2024؛ Felten وRaj وSeamans 2023)، بينما تُظهر المقاييس المستندة إلى الاستخدام الفجوة بين التعرض والنشر (Massenkoff وMcCrory 2026). نحن نُوثق كيف تتحول تركيبة المهام مع الوصول إلى الوكيل.

نلاحظ العديد من المحاذير. أولاً، نافذة الملاحظة مبكرة، ويميل المبادرون الأوائل نحو الأصليين في الذكاء الاصطناعي. يقوم المستخدمون أيضًا بالتجربة بنشاط وتكييف سير العمل الخاص بهم داخل مشهد منتج يتطور بسرعة، لذلك قد تتغير هذه الأنماط بمرور الوقت. ثانيًا، يستبعد تصميم الاستعلام المتطابق القائم على الجلسة العديد من مهام Computer التي ليس لها مكافئ وثيق في Search. بينما توفر الجلسات طريقة طبيعية لتجزئة المهام، لا يتبع المستخدمون هذا الهيكل دائما في الممارسة العملية، مما يجعل الجلسات بديلاً ضبابيًا لوحدات المهام. ثالثًا، تعتمد تقديرات الكفاءة بشكل حاسم على افتراضات حول وقت الأداة المعادل للبشري ووقت إشراف الإنسان. على الرغم من أن التقديرات المستندة إلى LLM ومقابلات المستخدمين تشير في نفس الاتجاه، وأن تحليلات نقطة التعادل والحساسية تشير إلى المتانة، يجب قراءة المقادير الدقيقة كتقديرات تقريبية. وذات صلة، يُدخل خطأ تصنيف LLM ضوضاء قياس إضافية. أخيرًا، نلاحظ سلوك المستخدم فقط داخل نظام Perplexity البيئي ولا نلتقط النشاط خارجه، مما قد يحد من رؤيتنا لأنشطة العمل الكاملة للمستخدمين واستخدامهم للأدوات.

نظرة للمستقبل

تجعل الوكلاء المهام الحالية أسرع وأرخص - والأهم من ذلك، تجعل المهام التي تمتد عبر الحدود المهنية ومستويات الخبرة مجدية.

عندما يتمكن النظام من البحث والتصفح والبرمجة وتحرير الملفات الاتصال بالخدمات وإنتاج المخرجات، يتحول عنق الزجاجة لدى المستخدم. يقضون وقتًا أقل في تشغيل سير العمل وققًا أكبر في تحديد الأهداف، وتوفير السياق، والتحقق من المخرجات، وطلب التمديدات. ينتقل المستخدم من مشغل إلى مشرف.

على المستوى الفردي، يوسع هذا التحول حدود المهام، مما يتيح للمستخدمين تولي عمل أوسع وأعمق في آن واحد. على مستوى التنظيم وسوق العمل، يظل كيفية تجميع هذه التغييرات على المستوى الجزئي سؤالاً مفتوحًا. إذا تمكن فرد واحد، مجهز بالوكلاء، من إنجاز سير العمل التي كانت تتطلب سابقًا أدوارًا متعددة، فلن يتم التقاط التأثير طويل الأجل للوكلاء من خلال مقاييس السرعة والتكلفة وحدها. بدلاً من ذلك، سيظهر في كيفية تجميع العمل، وكيفية تحديد الأدوار، وكيفية هيكلة الفرق.

لمعرفة المزيد حول منهجيتنا ونتائجنا، اقرأ التقرير التقني كاملاً.

المراجع

أندرسون، لورين دبليو.، وديفيد ر. كراثرول. 2001. تصنيف للتعلم والتعليم والتقييم: مراجعة لتصنيف بلوم للأهداف التعليمية. نيويورك: لونجمان.

أوتور، ديفيد إتش.، فرانك ليفي، وريشارد ج. مورنان. 2003. "محتوى مهارات التغيير التكنولوجي الحديث: استكشاف تجريبي." مجلة الاقتصاد الفصلية (The Quarterly Journal of Economics) 118 (4): 1279–1333.

برينجولفسون، إريك، دانييل لي، وليندسي ر. ريموند. 2025. "الذكاء الاصطناعي التوليدي في العمل." مجلة الاقتصاد الفصلية (The Quarterly Journal of Economics) 140 (2): 889–942.

كوي، زيهويان كيفن، ميرت ديميرير، سونيا جافي، ليون موسولف، سيدا بينج، وتوبياس سالز. 2026. "آثار الذكاء الاصطناعي التوليدي على العمل عالي المهارة: أدلة من ثلاث تجارب ميدانية مع مطوري البرمجيات." إدارة العلوم (Management Science)، مقالات قيد الإصدار.

ديل أكوا، فابريزيو، إدوارد مكفولاند الثالث، إيثان ر. موليك، هيلا ليفشيتز-أساف، كاثرين كيلوج، ساران راجيندران، ليزا كراير، فرانسوا كانديلون، وكاريم ر. لاخاني. 2026. "التنقل في الحد التكنولوجي المتعرج: أدلة تجريبية ميدانية لآثار الذكاء الاصطناعي على إنتاجية وجودة العامل المعرفي." علوم التنظيم (Organization Science)، مقالات قيد الإصدار.

ديميرير، ميرت، ليون موسولف، وليوان يانج. 2026. "كتابة الأكواد مقابل شحن الأكواد: آثار الإنتاجية عبر أجيال أدوات البرمجة بالذكاء الاصطناعي." ورقة عمل NBER رقم 35275.

إلوندو، تينا، سام مانينغ، باميلا ميشكين، ودانيال روك. 2024. "نماذج GPT هي GPTs: إمكانات تأثير سوق العمل لنماذج اللغات الكبيرة." ساينس (Science) 384 (6702): 1306–1308.

فيلتن، إدوارد دبليو.، مناف راج، وروبرت سيمانس. 2023. "عدم التجانس المهني في التعرض للذكاء الاصطناعي التوليدي." SSRN 4414065.

ماسينكوف، مكسيم، وبيتر مكروي. 2026. "آثار سوق العمل للذكاء الاصطناعي: مقياس جديد وأدلة مبكرة." أنثروبيك (Anthropic).

ماكين، ميلز، توماس ميلار، سافرون هوانغ، جيك إيتون، كونال هاندا، مايكل ستيرن، أليكس تامكين، مات كيرني، إيسين دورموش، جودي شين، جيري هونغ، برايان كالفيرت، جون شيرن تشان، فرانشيسكو موسكوني، ديفيد سوندرز، تايلر نيلون، غابرييل نيكولاس، سارة بولاك، جاك كلارك، وديب غانغولي. 2026. "قياس استقلالية وكيل الذكاء الاصطناعي في الممارسة العملية." أنثروبيك (Anthropic).

المركز الوطني لتطوير O*NET. 2026. قاعدة بيانات O*NET 30.2. وزارة العمل الأمريكية، إدارة التوظيف والتدريب.

نوي، شاكيد، ويتني تشانغ. 2023. "أدلة تجريبية على آثار الإنتاجية للذكاء الاصطناعي التوليدي." ساينس (Science) 381 (6654): 187–192.

ساركار، سوبروتيم ك. 2026. "وكلاء الذكاء الاصطناعي والعمل عالي المستوى." كلية شيكاغو بوث للأعمال، جامعة شيكاغو.

مكتب إحصاءات العمل الأمريكي. 2026. "إحصاءات العمالة والأجور المهنية: تقديرات مايو 2025." وزارة العمل الأمريكية.

يانغ، جيريمي، نوح يوناك، كيت زيسكوفسكي، دينيس ياراتس، جوني هو، وجيري ما. 2025. "تبني واستخدام وكلاء الذكاء الاصطناعي: أدلة مبكرة من Perplexity." نسخة أبحاث أولية arXiv:2512.07828.