مفاجأة الذكاء الاصطناعي في الدنمارك: الاعتماد الجماعي وعدم فقدان الوظائف — ماذا تظهر بيانات عامين
بعد سنتين من إطلاق ChatGPT، كان معظم العاملين في المعرفة في الدنمارك قد بدأوا بالفعل في استخدام روبوتات الدردشة بالذكاء الاصطناعي في العمل. طرحت أصحاب العمل مبادرات رسمية للذكاء الاصطناعي. أبلغ العامل
بعد سنتين من إطلاق ChatGPT، كان معظم العاملين في المعرفة في الدنمارك قد بدأوا بالفعل في استخدام روبوتات الدردشة بالذكاء الاصطناعي في العمل. طرحت أصحاب العمل مبادرات رسمية للذكاء الاصطناعي. أبلغ العاملون عن مكاسب إنتاجية حقيقية. ومع ذلك — وهنا الجزء الذي فاجأ الباحثين — بقيت رواتبهم وساعات العمل تقريباً كما هي. [حقيقة]
هذا هو الخلاصة الرئيسية من ورقة عمل جديدة في NBER من تأليف أندرس هملم وإميلي فيستيرجارد، الذين فعلوا شيئاً غير عادي من حيث الدقة: دمجوا بين السجلات الإدارية الذهبية في الدنمارك (فكر في بيانات الضرائب والتسجيلات الوظيفية، النوع من السجلات الدقيقة التي لا يستطيع الباحثون في معظم الدول إلا أن يحلموا بها) مع استطلاعات الاعتماد المباشرة. والنتيجة هي واحدة من أوضح الصور لدينا حول ما يفعله الذكاء الاصطناعي التوليدي فعلاً بأسواق العمل الآن.
وما يفعله هو... إعادة تنظيم كل شيء مع الحفاظ على الأرقام مسطحة.
الاعتماد السريع والإنتاجية الحقيقية — لكن أين ذهبت الأموال؟
دعنا نبدأ بما هو واضح. [حقيقة] أفاد العاملون في المهن ذات التعرض العالي للذكاء الاصطناعي — مساعدو الإدارة ومنشئو المحتوى ومطورو البرامج وممثلو خدمة العملاء — بسرعة اعتماد روبوتات الدردشة. كما لم تضيع أصحاب العمل وقتهم. أطلقت معظم الشركات في القطاعات المعرضة مبادرات رسمية للتكامل مع الذكاء الاصطناعي خلال السنوات الأولى.
أبلغ العاملون أنهم كانوا أكثر إنتاجية حقاً. واكتشف الباحثون عدم وجود سبب للشك فيهم — كان الاعتماد حقيقياً والاستخدام مستدام واكتساب الإنتاجية المبلغ عنها ذاتياً كان متسقاً عبر المهن.
لكن عندما نظر هملم وفيستيرجارد إلى ما ظهر في البيانات الإدارية — الأرباح الفعلية والساعات المسجلة وفترة الخدمة الوظيفية — وجدوا ما أسموه "تأثيرات فارغة دقيقة." [حقيقة] ليس غير محدد. بشكل دقيق. ضمن زائد أو ناقص 2% من حيث كان سيكون هؤلاء العاملون بدون الذكاء الاصطناعي بعد سنتين.
إذا كنت مساعد إدارة أو مطور برامج تقرأ هذا، فهذا محتمل أن يكون مطمئناً ومربكاً في نفس الوقت. أنت أكثر إنتاجية، لكن راتبك لا يعرف ذلك بعد؟
إعادة تنظيم المهام: الثورة غير المرئية
هنا يصبح الأمر مثيراً للاهتمام. اكتشف الباحثون أن أصحاب العمل لم يكونوا يستخدمون الذكاء الاصطناعي لتقليل عدد الموظفين. بدلاً من ذلك، كانوا يعيدون ترتيب ما يفعله الناس فعلاً طوال اليوم. [ادعاء]
انتقل العاملون نحو مهام ذات قيمة أعلى. انتقل البعض إلى أدوار لم تكن موجودة من قبل — الإشراف على محتوى الذكاء الاصطناعي وهندسة المحفزات وإدارة التكامل. واكتشف آخرون أن الأجزاء المملة من وظائفهم انكمشت، مما أتاح لهم العمل الذي يتطلب حكماً أكثر وإبداعاً أكبر واتصالاً إنسانياً أكثر.
هذا ما تسميه الورقة "التيارات السريعة تحت المياه الهادئة." مقاييس السطح — الأرباح والساعات ومستويات التوظيف — تبدو هادئة. لكن تحتها، الطبيعة الفعلية للعمل تتحول بسرعة.
الآن، هذا ليس بالضرورة أخباراً جيدة دائمة. [تقدير] يحذر الباحثون بعناية من أن سنتين مبكرة جداً. مبكرة جداً جداً. تاريخ الاضطراب التكنولوجي مليء بأمثلة حيث استغرقت تأثيرات سوق العمل خمس إلى عشر سنوات حتى تظهر في الأرقام. الكهرباء لم تعيد تشكيل العمل في المصانع بين عشية وضحاها. ولا الحاسوب الشخصي.
ما قد نشهده هو مرحلة إعادة التنظيم — الفترة التي تحاول فيها الشركات معرفة كيفية استخدام الأداة الجديدة قبل أن تبدأ في اتخاذ القرارات الأصعب بشأن مستويات التوظيف.
كيف يقارن هذا مع ما يكتشفه الآخرون
بيانات الدنمارك تروي قصة واحدة. البحث الآخر يروي قصصاً مختلفة.
وجدت الدراسات من جامعة ستانفورد وMIT مكاسب إنتاجية قابلة للقياس في بيئات محددة — [ادعاء] وكلاء خدمة العملاء يحلون 14% عدد تذاكر أكثر، المبرمجون يكملون مهام البرمجة 56% أسرع مع مساعدة الذكاء الاصطناعي. تشير هذه الأرقام إلى أن المكاسب الإنتاجية حقيقية.
لكن هناك أيضاً أدلة على الجانب الآخر. بدأت بعض الشركات الأمريكية بالفعل في تقليل عدد الموظفين في الأدوار التي يتعامل معها الذكاء الاصطناعي مع حصة كبيرة من عبء العمل. تُظهر بيانات Challenger و Gray و Christmas تسريح الموظفين في قطاع التكنولوجيا في كثير من الأحيان تذكر "إعادة تنظيم الذكاء الاصطناعي" كعامل. [حقيقة]
فإذاً ما هو الحل؟ قد تكون ورقة الدنمارك تلتقط شيئاً محدداً حول سوق العمل الاسكندنافية — النقابات القوية والشبكات الاجتماعية القوية واللوائح العمالية التي تجعل من الأصعب (والأكثر تكلفة) تسريح الموظفين بسرعة. في الولايات المتحدة، حيث أسواق العمل أكثر مرونة، قد تترجم المكاسب الإنتاجية نفسها إلى تسريح الموظفين بشكل أسرع.
أو — وهذا هو التفسير الذي يقلقني — قد تكون الدنمارك مبكرة جداً فقط في نفس المنحنى الذي ستتبعه كل دولة. اعتماد سريع وإعادة تنظيم وفترة استقرار واضح... متبوعة بتعديل أكثر حدة بمجرد أن تكون الشركات قد رسمت بالكامل المهام التي يمكن للذكاء الاصطناعي التعامل معها.
ما يعنيه هذا لحياتك المهنية
إذا كنت تعمل في مجال ذي تعرض عالي للذكاء الاصطناعي مثل خدمة العملاء أو المحاسبة أو التصميم الجرافيكي، فإن بيانات الدنمارك توفر رسالة دقيقة.
على المدى القصير، وظيفتك محتملة أن تكون أكثر أماناً مما تقترحه العناوين. أصحاب العمل يعيدون تنظيم وليسوا يزيلون. العاملون الذين انتقلوا نحو عمل ذي قيمة أعلى — الذين استغلوا الذكاء الاصطناعي كأداة بدلاً من التنافس ضده — خرجوا بشكل أفضل.
لكن "البطلان الدقيق" على الأرباح هو علامة تحذير. [تقدير] إذا كانت الإنتاجية ترتفع بحق لكن التعويض لا ترتفع، فيجب أن ينغلق هذا الفجوة في النهاية. إما أن يستقطع العاملون تلك المكاسب (من خلال الزيادات والأدوار الجديدة والمساومة) أو ستستقطعها الشركات (من خلال توسع الهامش والتخفيض من عدد الموظفين في النهاية).
النصيحة العملية لم تتغير كثيراً. تعلم كيفية العمل مع أدوات الذكاء الاصطناعي في مجالك المحدد. ضع نفسك في موضع المهام الجديدة التي تظهر — الإشراف والتكامل والتحكم بالجودة في المخرجات. وانتبه إلى إعادة التنظيم التي تحدث حولك، لأنها حقيقية حتى عندما يبدو الراتب متماثلاً.
سنتان من البيانات الدنماركية لن تخبرنا بالنهاية. لكنها تخبرنا بشيء مهم حول البداية: التحول يحدث بسرعة، حتى عندما لم تلحق الأرقام بعد.
المراجع
- Humlum, A. & Vestergaard, E. (2025/2026). "Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI." NBER Working Paper 33777.
سجل التحديثات
- 2026-04-13: النشر الأولي بناءً على NBER w33777 (تم تعديله في مارس 2026).
تم إنتاج هذا التحليل بمساعدة الذكاء الاصطناعي. جميع نقاط البيانات مصدرها من ورقة البحث المشار إليها والمتحقق منها مقابل السجلات المتاحة للجمهور. للحصول على بيانات تفصيلية عن مخاطر الأتمتة لمهن محددة، قم بزيارة صفحات المهن الخاصة بنا.
Analysis based on the Anthropic Economic Index, U.S. Bureau of Labor Statistics, and O*NET occupational data. Learn about our methodology