كارباثي قيّم كل وظيفة أمريكية لتعرضها للذكاء الاصطناعي — هذا ما تقوله البيانات

عندما يقرر أندريه كارباثي — المؤسس المشارك لـ OpenAI والمدير السابق للذكاء الاصطناعي في تسلا — أن يقضي عطلة نهاية الأسبوع في استخراج كامل دليل التوقعات المهنية من مكتب إحصاءات العمل وتقييم كل وظيفة لتعرضها للذكاء الاصطناعي، الناس تنتبه. وبحق، لأن النتائج ترسم واحدة من أشمل الصور التي رأيناها لكيفية إعادة تشكيل الذكاء الاصطناعي لسوق العمل الأمريكي.

كارباثي حلّل 342 مهنة تغطي تقريباً 143 مليون عامل أمريكي [حقيقة]. أعطى كل وظيفة درجة تعرض للذكاء الاصطناعي من 0 إلى 10، بناءً على مقدار العمل الذي يمكن لنماذج اللغة الكبيرة وأنظمة الذكاء الاصطناعي المرتبطة التعامل معه بشكل معقول. المتوسط المرجّح عبر كامل القوى العاملة الأمريكية كان 4.9 من 10 [حقيقة] — يعني بالضبط أن نصف ما يفعله الأمريكيون في العمل أصبح الآن في متناول قدرات الذكاء الاصطناعي.

لكن هذا الرقم الإجمالي يخفي تبايناً هائلاً. وفي الأطراف تصبح الأمور مثيرة للاهتمام فعلاً.

واقع التعرض العالي: 59.9 مليون عامل

من 143 مليون عامل، تقريباً 59.9 مليون — أو 42% من القوى العاملة — في مهن بدرجة 7 أو أعلى على مقياس كارباثي [حقيقة]. هذه ليست وظائف هامشية. مجتمعة، يكسبون ما يقارب 2.7 تريليون دولار سنوياً (حوالي 10 تريليون ريال سعودي) [حقيقة]. هذا ليس خطأ تقريب في الاقتصاد — هذا هو الاقتصاد.

من في أعلى القائمة؟ ناسخو النصوص الطبية حصلوا على درجة كاملة 10 من 10 [حقيقة] — كل مهمة أساسية في الدور هي شيء يجيده نموذج اللغة الكبير بالفعل. المحاسبون والمحامون حصلوا على 9 من 10 [حقيقة]، مما يعكس حجم عملهم في معالجة وتحليل وإنتاج المستندات النصية. إذا كنت تعمل في أحد هذه المجالات، البيانات لا تعني أنك ستكون عاطلاً عن العمل العام القادم، لكنها تعني أن طبيعة عملك ستتغير بشكل جذري على الأرجح. استكشف تحليلنا المفصل للمحاسبين | المحامون | ناسخو النصوص الطبية

على الطرف الآخر، عمال الأسقف حصلوا على 0 من 10 [حقيقة]، ومساعدو الرعاية المنزلية حصلوا على 1 من 10 [حقيقة]، وعمال البناء أيضاً 1 من 10 [حقيقة]. النمط واضح: الوظائف التي تتطلب حضوراً جسدياً ومهارة يدوية وحكماً بيئياً في العالم الحقيقي تبقى خارج متناول الذكاء الاصطناعي بالكامل تقريباً.

مفارقة الدخل: كلما كسبت أكثر، زاد تعرضك

ربما أكثر النتائج لفتاً للنظر هي العلاقة بين الدخل والتعرض للذكاء الاصطناعي [حقيقة]. العمال الذين يكسبون 80,000 دولار أو أكثر سنوياً (نحو 300,000 ريال) يواجهون درجة تعرض متوسطة 6.0 من 10، بينما من يكسبون أقل من 30,000 دولار (نحو 112,000 ريال) عند 3.4 من 10 فقط [حقيقة]. التعليم يحكي قصة مشابهة: حاملو شهادة البكالوريوس بمتوسط 5.7، مقابل 4.7 لحاملي الشهادات المهنية [حقيقة].

هذا يناقض مباشرة السيناريو القديم للأتمتة، حيث كان عمال المصانع والكاشيرون هم من يقلقون بشأن الآلات. الذكاء الاصطناعي التوليدي يقلب النص. يتفوق بالضبط في المهام التي يُدفع مقابلها لأصحاب الدخل العالي: تحليل المستندات المعقدة، صياغة الاتصالات المهنية، تجميع الأبحاث، وتوليد مخرجات منظمة. الباريستا والسباك، بشكل مفارق، أكثر أماناً من المحامي.

كيف يقارن هذا بأبحاث أخرى

تحليل كارباثي لا يوجد في فراغ. وضعه بجانب دراسات كبرى أخرى يكشف تقارباً وتوتراً معاً.

ورقة OpenAI "GPTs are GPTs" (Eloundou et al., 2023) قدّرت أن حوالي 80% من العمال الأمريكيين في مهن حيث 10% على الأقل من المهام يمكن أن تتأثر بنماذج اللغة الكبيرة [حقيقة].

مؤشر Anthropic الاقتصادي (2025) كشف أن الذكاء الاصطناعي يُستخدم حالياً للتعزيز أكثر من الإحلال [حقيقة]. فقط حوالي 4% من الاستخدام المرصود شكّل أتمتة كاملة للمهام [حقيقة].

باحثو بروكينغز يجادلون باستمرار أن بيانات سوق العمل ببساطة لا تُظهر الإزاحة الجماعية التي قد تتوقعها درجات التعرض [حقيقة].

إذن أين يتموضع عمل كارباثي؟ فكّر فيه كـتقدير سقف [رأي] — ما يمكن للذكاء الاصطناعي نظرياً فعله، لا ما يفعله فعلاً أو سيفعله في جدول زمني محدد.

ما يصيبه منهج كارباثي — وما يخطئه

منهج كارباثي له نقاط قوة حقيقية. استخدم أوصاف المهام التفصيلية من BLS وتقييمه كان منهجياً عبر 342 مهنة.

لكن هناك قيود مهمة [رأي]. الدرجات مُنتجة بواسطة LLM يقيّم قدراته الخاصة — يعني سؤال الذكاء الاصطناعي عن مقدار ما يعتقد أنه يستطيع فعله في كل وظيفة. هذا يخلق انحيازاً واضحاً في الثقة. كذلك، التحليل يعامل كل مهنة ككتلة واحدة.

أخيراً، المنهج لا يحسب حساب تأثير التكامل — الظاهرة الموثقة حيث أدوات الذكاء الاصطناعي غالباً تجعل العمال البشر أكثر إنتاجية بدلاً من استبدالهم [رأي].

ماذا يعني هذا لك

إذا حصلت وظيفتك على درجة عالية في مقياس كارباثي، أسوأ رد فعل هو الهلع. ثاني أسوأ رد فعل هو الإنكار.

المهمة أهم من المسمى الوظيفي. داخل أي مهنة بدرجة عالية، بعض المهام قابلة للأتمتة بشدة وأخرى ليست كذلك. ركّز على فهم أي من مهامك أنت بالتحديد الأكثر تعرضاً.

إتقان الذكاء الاصطناعي أصبح غير قابل للتفاوض. في كل مهنة عالية التعرض، العمال الذين يتعلمون استخدام أدوات الذكاء الاصطناعي بفعالية سيتفوقون على من لا يفعلون.

الجدول الزمني غير مؤكد لكن الاتجاه ليس كذلك. سواء استغرق التأثير الكامل 3 سنوات أو 15، المسار نحو قدرة أكبر للذكاء الاصطناعي في العمل المعرفي واضح. استخدم عدم اليقين في التوقيت لصالحك — ابدأ التكيف الآن بينما السوق لا يزال يقدّر مهاراتك الحالية.

للاطلاع بعمق أكبر على تأثير الذكاء الاصطناعي على مهنتك المحددة، استكشف صفحات التحليل لأكثر من 1,000 مهنة نتابعها.

المصادر

• Karpathy, A. (2026). "AI Exposure Score for US Occupations." Fortune | Awesome Agents
• Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
• Anthropic. (2025). "The Anthropic Economic Index." Anthropic Research
• Brookings Institution. (2025-2026). تقارير حول الذكاء الاصطناعي واستقرار سوق العمل.

سجل التحديثات

• 2026-03-22: النشر الأولي بناءً على تحليل كارباثي لـ 342 مهنة أمريكية.

---

_أُنتج هذا المقال بمساعدة الذكاء الاصطناعي باستخدام بيانات من المصادر المذكورة. جميع الحقائق منسوبة ومُعلّمة بمؤشرات ثقة ([حقيقة]، [رأي]، [تقدير]). اعرف المزيد عن عملية المحتوى بمساعدة الذكاء الاصطناعي._