هل سيحل الذكاء الاصطناعي محل كتّاب المنح؟ صناعة التمويل البالغة 50 مليار دولار تواجه أكبر تحوّل في تاريخها

67% تعرضاً للذكاء الاصطناعي و50% مخاطرة أتمتة — من بين أعلى النسب في المهن الكتابية. اختبار سريع: ما المصدر الأكبر للإيرادات التشغيلية للمنظمة غير الربحية المتوسطة في الولايات المتحدة؟ ليست رسوم العضوية، ولا الفعاليات، ولا المبيعات. إنها المنح — الأموال المؤسسية التي تتدفق من المؤسسات والحكومات وبرامج العطاء المؤسسي إلى المنظمات المنفّذة. تُحرّك الولايات المتحدة وحدها ما يزيد على 50 مليار دولار سنوياً عبر هذا النظام الإيكولوجي لتمويل المنح، ويمر تقريباً كل دولار من خلال أيدي شخص تتضمن مسماه الوظيفي "كاتب منح". الآن تخيّل أن ChatGPT أو Claude يستطيع إنتاج مسودة أولى مقبولة لمقترح مؤسسي في ثلاث دقائق. ماذا يحدث لهؤلاء الناس؟ الإجابة أكثر تعقيداً مما تُشير إليه القراءات الإنذارية أو التفريطية. [تقدير]

ما الذي يفعله كاتب المنح فعلاً؟

المسمى الوظيفي مُضلِّل. "كاتب منح" يبدو كشخص يجلس أمام لوحة مفاتيح ويكتب. العمل الفعلي أقرب إلى هجين من استراتيجية جمع التبرعات وإدارة المشاريع والكتابة التقنية وإدارة علاقات الجهات المانحة. يقوم كاتب المنح الكفء نموذجياً بـ:

• بحث الجهات المانحة: تحديد المؤسسات أو الوكالات أو البرامج المؤسسية المرجّح تمويلها لمشروع بعينه بالنظر في أولوياتها ومنحها الأخيرة ومعاييرها المعلنة
• تصميم البرامج وصياغتها: العمل مع موظفي البرامج لترجمة ما يفعلونه إلى لغة تتردد صداها مع جهة مانحة بعينها
• إدارة العلاقات: تنمية علاقات مستمرة مع مسؤولي البرامج
• كتابة المقترحات: إعداد وثيقة المقترح الفعلية بنماذج المنطق والميزانيات ولغة المخرجات
• الامتثال وإعداد التقارير: تتبع المنح الممنوحة وإنتاج التقارير المرحلية والنهائية المطلوبة
• إدارة الاستراتيجية وخط أنابيب الفرص: الحفاظ على تقويم للفرص بما يتوافق مع احتياجات المنظمة

يتفوق الذكاء الاصطناعي على بعض هذه المهام. عدة منها لا يستطيع تأديتها على الإطلاق. عدم التطابق هذا هو ما يُنتج رقم مخاطرة الأتمتة 50%، وهو أيضاً ما يُخبرك إلى أين يتجه المجال.

رقم التعرض 67% مُفصَّلاً

يعكس رقم التعرض التداخل الكبير بين مهام كتابة المنح وقدرات النماذج اللغوية الكبيرة. إليك أين يكون الذكاء الاصطناعي قوياً فعلاً وأين ليس كذلك.

الذكاء الاصطناعي قوي في:

• توليد السرد الأولي للمقترح
• تكييف لغة الصياغة عبر مقترحات متعددة
• قوائم التحقق من الامتثال مقابل متطلبات الجهة المانحة
• التحرير من أجل الوضوح والإيجاز
• ترجمة لغة موظفي البرامج إلى لغة مقروءة للجهة المانحة
• إعادة تنسيق المحتوى الحالي لقوالب جديدة
• ملخصات البحث الأولية عن الجهات المانحة المحتملة
• صياغة التقارير استناداً إلى بيانات المنح المنظمة

الذكاء الاصطناعي ضعيف في:

• معرفة ما يهتم به مسؤول البرامج بعينه
• التعرف على ما إذا كان المقترح تنافسياً مقابل مجهود ضائع
• بناء الثقة والعلاقة التي تجعل مؤسسة ما مهتمة
• قراءة سياسة منظومة تمويل بعينها
• اكتشاف متى يكون طرح المشروع مبتكراً حقاً مقابل الوضع الراهن المُجمَّل
• التفاوض على النطاق والميزانية النهائيَّين مع الجهات المانحة
• اتخاذ القرار الاستراتيجي حول أي المنح يُحدَّد أولاً

تلتقط مخاطرة الأتمتة البالغة 50% الحسابات: نحو نصف العمل اليومي لكاتب المنح قابل للتعزيز بالذكاء الاصطناعي بطريقة تُغيّر الإنتاجية فعلاً. النصف الآخر — الجانب الاستراتيجي والعلائقي وثقيل الحكم — لا يزال يتطلب الشخص. [تقدير]

لماذا "المسودة الأولى المقبولة" ليست نفسها "المنحة الفائزة"

هذه هي الفجوة التي تكتشفها المنظمات، في الغالب بالطريقة الصعبة. يستطيع الذكاء الاصطناعي إنتاج مقترح منحة يُقرأ بطلاقة ويُلبّي معايير الجهة المانحة المُعلنة ومكتمل من الناحية التقنية. ما لا يستطيع فعله هو إنتاج مقترح يفوز على 200 مقترح آخر تتنافس على أموال نفس المؤسسة.

يصف مسؤولو برامج المؤسسات تحولاً حاداً مؤخراً: ارتفع حجم المقترحات بشكل ملحوظ، لكن جودة المقترحات في المتوسط انخفضت. السبب؟ لأن المزيد من المنظمات تستخدم الذكاء الاصطناعي للتقدم بطلب للمزيد من المنح مما ينبغي لها واقعياً، والنتيجة فيضان من المقترحات المقبولة لكن العامة. المقترحات الفائزة هي التي تُظهر فهماً عميقاً وخاصاً لأولويات الجهة المانحة والقدرة المميزة للمنظمة — بالضبط نوع الرؤية التي تأتي من الحكم البشري والعلاقة، لا من نموذج قرأ موقع المؤسسة.

هذا يخلق إشارة سوقية سيئة لكتّاب المنح الذين يعاملون الوظيفة كإنتاج وثائق، وجيدة لكتّاب المنح الذين يعاملونها كاستراتيجية جمع تبرعات. الأولون يُبضَّعون. الأخيرون يزدادون قيمةً ويستطيعون الفرض أكثر لكل مشروع أو المطالبة برواتب أعلى.

كيف يتغير العمل فعلاً؟

أنماط واضحة في عام 2026.

إنتاجية كاتب المنح ترتفع بسرعة. كاتب منح كان يكتب 30 مقترحاً سنوياً يستطيع الآن كتابة 60-80 بشكل معقول مع جودة مماثلة إذا استخدم أدوات الذكاء الاصطناعي بشكل جيد. هذا خبر جيد للمنظمات ذات الميزانيات الضيقة وخبر سيئ لكتّاب المنح في الجزء الأدنى من توزيع الإنتاجية.

الجانب العلائقي يزداد أهمية. الجهات المانحة أكثر صراحة في رغبتها تمويل المنظمات التي تعرفها وتثق بها. المقترحات البادرة إلى مؤسسات تنجح بمعدلات منخفضة جداً. كتّاب المنح القادرون على تنمية العلاقات وحضور تجمعات الجهات المانحة والترجمة بين استراتيجية المنظمة واللغة المُوائمة للجهة المانحة يتفوقون على غيرهم.

التخصص مُكافَأ. كاتب المنح الذي يعرف نظام المنح الفيدرالي (NIH وNSF وHRSA وغيرها) بعمق أكثر قيمة من أي وقت مضى. الأمر نفسه ينطبق على المتخصصين في تمويل الفنون أو البيئة أو الصحة أو التنمية الدولية.

ما يعنيه ذلك لمسيرتك المهنية؟

إذا كنت كاتب منح أو تتدرب على أن تكون كذلك، إليك النصيحة:

• ارتقِ في السلم الاستراتيجي. الأجزاء التي تُثبّتك خارج نطاق الأتمتة هي استراتيجية الجهات المانحة وتصميم البرامج والعلاقات. ابنِ هذه المهارات بشكل صريح.
• تخصص. اختر قطاعاً — الصحة أو التعليم أو البيئة أو الفنون أو البحث الفيدرالي — وصبح خبيراً حقيقياً فيه. مزيج المعرفة المتخصصة وإتقان الذكاء الاصطناعي أكثر رسوخاً من أيٍّ منهما منفرداً.
• أتقن علاقات الجهات المانحة. هذا يعني الحضور في التجمعات ومكالمات مسؤولي البرامج وتعلّم السياسة وأن تكون شخصاً تريد المؤسسات التعامل معه.
• استخدم الذكاء الاصطناعي بقسوة للجانب الإنتاجي. لا تكتب الصياغات الاعتيادية يدوياً. لا تُلخّص مواقع الجهات المانحة يدوياً. استخدم الأدوات حتى تُنفق ساعاتك على العمل الذي يتراكم.
• طوّر معرفة التقييم والمخرجات. كاتب المنح القادر على صياغة الأثر وتصميم القياس أكثر قيمة بشكل متزايد.
• إذا كنت بادئاً، استهدف البيئات ذات الإرشاد والتوجيه. وظيفة كتابة المنح المبتدئة أصعب مما كانت عليه. ابحث عن مكان تتعلم فيه من استراتيجي مخضرم لا مجرد إنتاج وثائق.

مجال كتابة المنح يمر بما مرّت به غرف الأخبار قبل عشر سنوات — تحوّل إنتاجية حاد يُضغط على بعض الأدوار لكنه يكشف أيضاً أي أجزاء العمل كانت تخلق قيمة فعلاً. كتّاب المنح الذين يعاملون الوظيفة كعمل استراتيجي لجمع التبرعات مع الذكاء الاصطناعي كمضاعف قوة في وضع أقوى من أي وقت مضى. من يعاملونها كإنتاج وثائق ليسوا كذلك.

للاطلاع على تفاصيل المهام، راجع صفحة مهنة كتّاب المنح. للاطلاع على أدوار الأعمال والكتابة ذات الصلة، تتابع صفحة فئة الأعمال لدينا كيف تتحول نسبة التعرض للذكاء الاصطناعي عبر المهن الكتابية المهنية.

سجل التحديثات

• 2026-05-16: تحليل موسّع مع تفصيل وصف الوظيفة وإطار "المسودة الكفؤة لا تكفي" وتفكيك الضغوط. إضافة إرشادات مهنية.
• 2025-09-12: المنشور الأولي.

_أُعدّ هذا المقال بمساعدة الذكاء الاصطناعي وخضع لمراجعة الفريق التحريري. أرقام النظام الإيكولوجي للمنح من مجلس المؤسسات وCandid (مركز المؤسسات سابقاً). اتجاهات القوى العاملة من جمعية محترفي المنح._

الضغط الحقيقي في المجال

لن أكون أميناً لو لم أُسمّ الأجزاء التي تعاني ضغطاً حقيقياً في هذه المهنة.

الأدوار المتمحورة حول إنتاج الوثائق. كتّاب المنح الذين عملهم الفعلي في معظمه تحويل صياغات اعتيادية يتعرضون لضغط أجوري حقيقي. البديل بالذكاء الاصطناعي جيد جداً ورخيص جداً.

الكتّاب المبتدئون في مؤسسة واحدة. المناصب المبتدئة حيث يقتصر التوصيف الوظيفي على "اكتب ما يُعطيك إياه مدير التطوير" تتدمج. المنظمات التي كانت لديها كاتبان تكتفي بكاتب واحد وأدوات الذكاء الاصطناعي.

العمل الحر لكتّاب المنح في مجالات متبضّعة. إذا كنت كاتباً مستقلاً تتنافس على السعر في مقترحات مؤسسية روتينية، فأنت تتنافس مع كتّاب داخليين مُعزَّزين بالذكاء الاصطناعي يستطيعون إنجاز نفس العمل بتكلفة هامشية أقل.

العمل الفيدرالي المُعقَّد لا يزال بشرياً بامتياز. ثمة تحفّظ مهم — العمل على المنح الفيدرالية الذي يتطلب خبرة تقنية وتنظيمية عميقة (مثل طلبات NIH R01 المعقدة) لا يزال إنسانياً بامتياز. لكن حجم الطلبات الفيدرالية الأكثر روتينية يُعالَج بمساعدة كبيرة من الذكاء الاصطناعي.

الخلاصة: مجال كتابة المنح يمر بتحوّل إنتاجية حاد يضغط على بعض الأدوار لكنه أيضاً يُضخّم قيمة الجانب الاستراتيجي من العمل بشكل كبير. كتّاب المنح الذين يُكيّفون مساراتهم بوضوح — نحو العلاقات والتخصص والاستراتيجية — يجدون أن موقعهم أقوى مما كان عليه قبل ثلاث سنوات. من يتأخرون في إدراك هذا التحول يجدون أنفسهم يتنافسون على هامش متضيّق باستمرار.

مهارات التقييم والمخرجات: الميزة التنافسية الجديدة

يستحق التوسع في نقطة مهمة: كتّاب المنح الذين يطوّرون كفاءة حقيقية في تصميم التقييم ونظريات التغيير والقياس الكمي يجلسون على ميزة تنافسية متنامية. الجهات المانحة — لا سيما المؤسسات الكبرى والوكالات الفيدرالية — تطلب بشكل متزايد توثيق الأثر بدقة منهجية. كاتب المنح الذي يستطيع تصميم إطار نتائج قابل للقياس ومنطق إثبات واضح يُقدّم قيمة تتجاوز الكتابة الجيدة وصولاً إلى مستوى المساهمة في تصميم البرامج نفسها.

كذلك تزداد أهمية الكفاءة في الأنظمة الرقمية لإدارة المنح. منصات مثل Salesforce وRaisers Edge وFluxx وFoundant أصبحت جزءاً من البنية التحتية في كثير من المنظمات. كاتب المنح القادر على استخلاص البيانات من هذه الأنظمة لتوليد التقارير وتتبع المواعيد النهائية وبناء لوحات تحكم لخط أنابيب المنح يُوفّر وقتاً حقيقياً وقيمة مُضافة واضحة تتجاوز الكتابة وحدها.

الصورة الإجمالية لمجال كتابة المنح في عام 2026 هي مجال يُعاد رسم خطوطه بوضوح: من مهارة تعتمد أساساً على الكتابة الجيدة، إلى تخصص يجمع بين الاستراتيجية الإنسانية والعلائقية والتقنية الرقمية. الذين يتموضعون في هذا التقاطع يجدون أن قيمتهم في تصاعد مستمر. وببساطة: مستقبل كتابة المنح للمحترفين القادرين على مزج الاستراتيجيا البشرية والعلاقات الإنسانية مع الإتقان التقني للذكاء الاصطناعي أكثر إشراقاً مما كان عليه قبل خمس سنوات.