توصيات الذكاء الاصطناعي: دراسة أنثروبيك وأربعة أسئلة قبل اتخاذ القرار
يمكن للذكاء الاصطناعي أن يساعدك في مقارنة الخيارات، لكن التوصية الواضحة ليست قرارًا يجب اتباعه. قبل الأخذ بها، راجع معيار النجاح، وعدالة المقارنة بين البدائل، والمعلومات التي قد تغيّر التوصية.
في دراسة نُشرت في 27 أكتوبر 2026، وجدت أنثروبيك أن محللين محترفين كثيرًا ما اختاروا طريقة التحليل التي يؤيدها مساعد الذكاء الاصطناعي. وقد يؤدي تغيير طريقة التحليل إلى نتيجة مختلفة، حتى مع استخدام البيانات نفسها.
الفكرة هي التمييز بين الاستعانة بالذكاء الاصطناعي في التحليل وبين امتلاك أسباب كافية للعمل بتوصيته. بعد شرح الدراسة، سنطبق هذا التمييز على فريق يقرر ما إذا كان سيوسع اختبار ميزة جديدة.
كيف أُجريت الدراسة؟
استخدم 50 محللًا محترفًا Claude Code لتقييم خدمة استشارية مدفوعة تقدمها تعاونية زراعية افتراضية. وكان عليهم تحديد ما إذا كانت الخدمة فعالة بما يكفي لتوسيعها إلى مزيد من المزارع.
كان من الممكن قياس النجاح بأكثر من طريقة معقولة. مثلًا، يمكن قياس كمية المحصول لكل هكتار، أو كمية المحصول مقابل تكلفة التشغيل. الأول يركز على إنتاجية الأرض، والثاني على العائد من الإنفاق. كلاهما مقبول، لكنهما قد يؤديان إلى نتائج مختلفة.
حدد الباحثون عشوائيًا الخيار الذي يميل إليه المساعد في كل مسألة، من دون إخبار المحللين. وكان على المساعد الاستناد إلى البيانات في شرح رأيه، وعدم اختلاق النتائج أو إخفاء البيانات التي تعارضه.
شملت الدراسة أربعة أنواع من الاختيارات: ما الذي يُقاس، وكيف تُقارن النتائج، وأي المزارع يشملها التقييم، والوزن المخصص لبيانات كل مزرعة. وفي هذه الاختيارات، توافق 86% من اختيارات المحللين مع الميل الذي حُدد للمساعد. ولو لم يؤثر هذا الميل، لتوقع الباحثون نسبة تقارب 50%.
لا تعني النسبة أن 86% من الخبراء اتخذوا قرارات خاطئة. فهي تتعلق بالاختيارات التحليلية الأربعة، لا بعدد الأشخاص أو نسبة الخطأ في التوصية النهائية. السؤال هو: عندما يكون أكثر من خيار معقولًا، هل يؤثر المساعد في الخيار الذي يتبناه الإنسان؟
عزز الباحثون ميل المساعد عمدًا. كما اقتصرت التجربة على نموذج واحد ومجال واحد ومهمة استغرقت نحو ساعة. وكان المشاركون خبراء في تحليل البيانات، لكنهم غير متخصصين في الزراعة. لذلك لا يصح اعتبار 86% نسبة تنطبق على كل استخدام يومي للذكاء الاصطناعي.
لماذا تحتاج التوصية إلى مراجعة حتى لو صحت البيانات؟
لنفترض أن فريقك يختبر ميزة جديدة مع عدد محدود من العملاء. هل يتيحها لعدد أكبر الآن، أم يواصل الاختبار على نطاق محدود؟
قد يكتب المساعد: «كانت تعليقات المشاركين إيجابية، لذا نوصي بتوسيع الإتاحة». قد تكون كل المقابلات التي استشهد بها حقيقية، لكن تظل هناك أسئلة مهمة:
- هل جرّب بعض العملاء الميزة ثم توقفوا عن استخدامها؟
- هل يستمر العملاء لأن الميزة مفيدة، أم لأنهم يتلقون دعمًا مكثفًا؟
- هل يستطيع الفريق توفير الدعم نفسه إذا زاد عدد العملاء؟
إذا نظر التقرير إلى التعليقات الإيجابية فقط، فقد يبدو التوسع خيارًا جذابًا. أما إذا شمل العملاء الذين توقفوا وتكلفة الدعم المستمر، فقد تكون مواصلة الاختبار أنسب.
المشكلة ليست بالضرورة خطأ حسابيًا. فقد تتغير النتيجة بحسب العملاء والمنافع والتكاليف التي يركز عليها التقرير. التأكد من صحة البيانات لا يغني عن التأكد من أنها تدعم التوصية.
أربعة أسئلة قبل الأخذ بتوصية الذكاء الاصطناعي
الأسئلة التالية اقتراحات عملية لتسهيل مراجعة التقرير، وليست إجراءات أثبتت التجربة المذكورة فعاليتها.
1. ما الذي نعدّه نجاحًا؟
حدد الهدف قبل طلب التوصية. «أعجبت الميزة العملاء» ليس الهدف نفسه الذي تعبر عنه عبارة «استمر العملاء في استخدامها من دون مساعدة مكثفة».
إذا لم تتفقوا على معيار بعد، اطلب من المساعد اقتراح عدة طرق للتقييم وشرح ما تركز عليه كل طريقة وما قد تغفله. راجع المعايير أولًا، ثم انتقل إلى مقارنة الخيارات.
2. ما أقوى سبب لاختيار البديل؟
اطلب عرض المنافع والتكاليف والأدلة المؤيدة والمعارضة لكل من التوسع ومواصلة الاختبار.
يجب أن تعتمد المقارنة على مجموعة العملاء نفسها والفترة نفسها ومعايير النجاح نفسها. لا ينبغي أن يبدو أحد الخيارين أفضل لمجرد تقييمه بمعيار أسهل.
3. أين أتحقق من المعلومات التي تؤثر في القرار؟
ابدأ بالعبارات التي قد تغير قرارك. إذا ذكر التقرير استمرار الاستخدام، فراجع سجلات الاستخدام. وإذا قال إن الدعم لا يتطلب وقتًا كبيرًا، فتحقق من حجم العمل الفعلي، لا من الملخص فقط.
تحقق أيضًا ممن تشملهم البيانات. قد يكون العملاء الذين تطوعوا للاختبار أكثر اهتمامًا بالميزة، فلا تمثل آراؤهم جميع العملاء تلقائيًا.
4. ما الذي قد يغيّر التوصية؟
إذا أوصى المساعد بالتوسع، اسأله: «هل سيظل التوسع مناسبًا إذا احتجنا إلى هذا القدر من الدعم كل شهر؟» واطلب توضيح المعلومات التي ما زالت ناقصة.
سجل القرار وسببه بعد ذلك. مثلًا: «سنواصل الاختبار لنعرف ما إذا كان العملاء سيستمرون في الاستخدام مع تقليل الدعم». بهذه الطريقة يعرف الفريق ما الذي يحتاج إلى التحقق منه لاحقًا.
ما الذي ينبغي أن يتضمنه ملخص القرار؟
في مثال الميزة الجديدة، اطلب ملخصًا قصيرًا يساعد الفريق على النقاش، لا مجرد إعادة تلخيص الملفات:
- القرار ومعيار النجاح: التوسع أو مواصلة الاختبار، وفق المعايير التي اتفق عليها الفريق.
- أسباب كل خيار: الأدلة المؤيدة والمعارضة، ومصدر كل معلومة مهمة.
- ما لم يُحسم بعد: مثل استمرار الاستخدام عند تقليل الدعم.
- ما ينبغي التحقق منه لاحقًا: السجلات التي تحتاج إلى مراجعة والأسئلة التي تتطلب اختبارًا إضافيًا.
افصل بين الحقائق والتقديرات والأحكام. «استخدم العملاء الميزة مرة أخرى» حقيقة يمكن التحقق منها في السجلات، أما «سيواصل عدد أكبر من العملاء استخدامها» فهو توقع يحتاج إلى أدلة إضافية. إظهار هذا الفرق يساعد الفريق على مناقشة ما بقي غير محسوم، لا التوصية وحدها.
اجمع الخيارات وأدلتها مع MuseWork
غالبًا ما تتوزع مقابلات العملاء وسجلات الاستخدام وملاحظات المشروع على ملفات مختلفة. تساعد ميزة Deep Research في MuseWork على تنظيم المواد التي تقدمها والمعلومات العامة، ومقارنة ما ورد فيها، وإعداد تقرير بحثي يتضمن المراجع.
في هذا المثال، يمكنك تقديم الأهداف وتعليقات العملاء وبيانات الاستخدام وسجلات الدعم التي يحق لك مشاركتها. اطلب جمع أسباب كل خيار مع مصادرها، ليبدأ نقاش الفريق من نقاط الاختلاف بدلًا من البحث عن الملفات.
يمكنك استخدام هذا الطلب:
بناءً على هذه المواد، قارن بين إتاحة الميزة الجديدة لمزيد من العملاء ومواصلة الاختبار على نطاق محدود. اذكر معايير النجاح التي قدمتها أولًا، واسألني عن أي معيار ناقص. استخدم بيانات مجموعة العملاء نفسها والفترة نفسها، واشرح الأدلة المؤيدة والمعارضة لكل خيار مع تحديد مصادرها. افصل بين الحقائق المرصودة والتقديرات والمعلومات الناقصة، ووضح الأدلة الجديدة التي قد تغيّر التوصية. لا تختلق بيانات. اختم بملخص قصير للقرار يتضمن أدلة كل خيار، والأسئلة غير المحسومة، وما ينبغي للفريق التحقق منه أو اختباره لاحقًا.
قارن بين خيارين باستخدام موادي
المراجع
- Anthropic: How AI agents shape experts' judgment calls، نُشرت في 27 أكتوبر 2026. تصميم التجربة ونتائجها وحدود الدراسة.
FAQ
هل تكفي صحة المعلومات للأخذ بالتوصية؟
لا. قد تكون الأرقام صحيحة، لكن معيار النجاح لا يناسب هدفك، أو قد تغفل المقارنة العملاء الذين توقفوا عن استخدام الميزة. راجع المصادر، ثم اسأل إن كانت طريقة التقييم تدعم التوصية فعلًا. هذه مراجعة لأسباب التوصية، وليست فحصًا لمعرفة ما إذا كان النص مكتوبًا بالذكاء الاصطناعي.
هل من الخطأ أن أغيّر رأيي بسبب توصية المساعد؟
ليس بالضرورة. من الطبيعي أن تغير رأيك عندما تجد أدلة أقوى. المهم أن تعرف هل تغير رأيك بسبب تلك الأدلة، أم لأن التقرير عرض أسبابًا مقنعة لخيار واحد فقط.
هل تكفي مراجعة مساعد آخر؟
قد يساعد مساعد آخر في كشف ما أُغفل أو طرح اعتراضات، لكن اتفاق إجابتين لا يثبت أن الأدلة كافية. راجع الأرقام والعبارات المهمة في مصادرها الأصلية، واعرض القرارات المهمة على شخص يفهم العمل الفعلي.
