هل سيحل الذكاء الاصطناعي محل باحثي تجربة المستخدم؟ الذكاء الاصطناعي يُجري الاستطلاعات — لكن من يطرح الأسئلة الصحيحة؟

مختبر البحث يستقبل مساعداً جديداً

54%. هذه هي نسبة تعرّض باحثي تجربة المستخدم للذكاء الاصطناعي في عام 2025 — رقمٌ يُخفي وراءه معادلةً دقيقة بين التهديد والفرصة. تخيّل أنك باحث في تجربة المستخدم تستعد لإجراء دراسة قابلية استخدام. تحتاج إلى توظيف المشاركين، وكتابة دليل النقاش، وقيادة الجلسات، وتفريغ ساعات المقابلات، وتصنيف البيانات النوعية، وتركيب كل شيء في توصيات قابلة للتنفيذ. قبل عامين، كانت كل خطوة من هذه الخطوات تستنزف جهداً بشرياً هائلاً. اليوم، يتولى الذكاء الاصطناعي عدداً منها بسرعة تفوق ما يمكنك إنجازه قبل أن تُنهي قهوتك الصباحية.

تُظهر بياناتنا أن باحثي تجربة المستخدم يواجهون تعرضاً إجمالياً للذكاء الاصطناعي يبلغ 54% في عام 2025، مع مخاطر أتمتة تصل إلى 38% [حقيقة]. يُصنَّف مستوى التعرض هذا على أنه مرتفع، غير أن نمط الأتمتة هو التعزيز لا الإحلال. هذا التمييز بالغ الأهمية — فهو يعني أن الذكاء الاصطناعي يتحوّل إلى أداة قوية في مجموعة أدوات الباحث، لا بديلاً عنه. والفجوة الواسعة بين نسبة التعرض ومخاطر الأتمتة هي الإشارة المهنية التي تستحق التأمل: يلمس الذكاء الاصطناعي معظم المهام، لكن الأجزاء التي تُنتج رؤى حقيقية لا تزال راسخة في الأيدي البشرية.

حيث يُحدث الذكاء الاصطناعي فارقاً حقيقياً

أكثر المهام أتمتةً في بحوث تجربة المستخدم هي تحليل بيانات المستخدم النوعية والكمية، بنسبة أتمتة تبلغ 65% [حقيقة]. يستطيع الذكاء الاصطناعي اليوم معالجة آلاف ردود الاستطلاعات، وتصنيف المشاعر، وتحديد الأنماط في التحليلات السلوكية، وتوليد رؤى أولية في غضون دقائق. تستطيع الأدوات المدعومة بالنماذج اللغوية الكبيرة تفريغ تسجيلات المقابلات وتلخيصها، مع إبراز الموضوعات الرئيسية دون أن يضطر الباحث إلى الاستماع لكل لحظة. ما كان يستغرق أسبوعاً كاملاً من التحليل بعد المقابلات أصبح يستغرق يوماً واحداً، ويُقضى هذا اليوم في إصدار الأحكام لا في الأعمال الميكانيكية.

إنشاء شخصيات المستخدمين وخرائط رحلاتهم يأتي في المرتبة التالية بنسبة أتمتة 58% [حقيقة]. أمدّ نظام الذكاء الاصطناعي ببيانات مستخدمين كافية وسيرسم لك ملفات الشخصية، ويرسم تدفقات المستخدمين الشائعة، بل ويقترح نقاط الألم استناداً إلى تجميع سلوكي. غالباً ما تحتاج المخرجات إلى صقل بشري، لكن المسودة الأولى التي كانت تستغرق أياماً باتت تستغرق دقائق. التحوّل الأكبر هو أن الشخصيات وخرائط الرحلات يمكن إعادة توليدها بصورة مستمرة مع وصول بيانات جديدة، بدلاً من أن تظل مُسلَّمات ثابتة تفقد صلاحيتها سريعاً.

حتى اختبار قابلية الاستخدام نفسه يخضع لأتمتة جزئية بنسبة 42% [حقيقة]. تستطيع منصات الاختبار المدعومة بالذكاء الاصطناعي إجراء اختبارات غير مُشرَف عليها على نطاق واسع، وتتبع حركات العين، وقياس أوقات إتمام المهام، والإشارة تلقائياً إلى مشكلات قابلية الاستخدام. دمجت منصات كـMaze وUserTesting ميزات ذكاء اصطناعي تتولى كثيراً من الأعمال الروتينية في تحليل الاختبارات. يتمحور دور الباحث حول تصميم الاختبار، وتفسير النتائج، والقرار بشأن ما ينبغي فعله — وهو العمل الأعلى قيمةً على أي حال.

توظيف المشاركين وإدارة عمليات البحث انتقل هو الآخر إلى نطاق المساعدة الآلية. يستطيع الذكاء الاصطناعي فحص ردود المشاركين، وإدارة الجدولة، وإرسال التذكيرات، وتصنيف المشاركين وفق معايير الملاءمة للدراسة. انكمش العبء الإداري لإدارة برنامج بحثي، مما يعني أن كل باحث بات قادراً على دعم دراسات موازية أكثر، وأن الوظيفة البحثية بأسرها باتت تتحرك بخطى أسرع.

الميزة البشرية التي يعجز الذكاء الاصطناعي عن تكرارها

هنا يصبح الأمر مثيراً للاهتمام حقاً. إجراء مقابلات أصحاب المصلحة والدراسات الميدانية لا يتجاوز معدل أتمتته 28% [حقيقة]. هذا هو صميم ما يجعل بحوث تجربة المستخدم تخصصاً إنسانياً فريداً.

حين يجلس باحث تجربة المستخدم في مواجهة مستخدم محتاج في غرفة طوارئ مستشفى، يرقب تفاعله مع كشك رقمي وهو يعاني من التوتر والألم، لا يمكن لأي ذكاء اصطناعي استيعاب تلك اللحظة من التفهّم التعاطفي. وحين يقرأ الباحث ما بين السطور في اجتماع أصحاب المصلحة — يستشعر التوترات السياسية بين فريقي الهندسة والتصميم، ويلتقط الأولويات غير المُعلَنة — فذلك نوع من التعرف على الأنماط لا يمتلكه الذكاء الاصطناعي ببساطة.

أفضل بحوث تجربة المستخدم قائمة دوماً على طرح أسئلة لم يفكر فيها أحد. الأمر يتعلق بملاحظة ما لا يقوله المستخدمون، لا ما يقولونه فحسب. يتفوق الذكاء الاصطناعي في معالجة الإجابات؛ البشر يتفوقون في صياغة الأسئلة. والأسئلة الأكثر أهمية كثيراً ما تنبع من حدس حول سياق المستخدم لا تستطيع أي قاعدة بيانات التقاطه، وذلك الحدس يتشكّل عبر سنوات من الاحتكاك المباشر بالمواقف الإنسانية المعقدة.

تركيب النتائج في توصيات استراتيجية يبقى هو الآخر إنسانياً في معظمه. ترجمة "المستخدمون يرتبكون عند تدفق الدفع" إلى "ينبغي للشركة إعادة هيكلة تسلسل الإعداد بأكمله" تستلزم فهم السياق التجاري، والمشهد السياسي الداخلي، والقيود الهندسية، والحظة الثقافية الراهنة. يستطيع الذكاء الاصطناعي رصد الأنماط؛ أما ترجمة الأنماط إلى استراتيجية فمهمة إنسانية. الباحث المتمرس الذي يستطيع الجلوس أمام نائب رئيس المنتج وتقديم حجة مقنعة وسياقية لتحوّل استراتيجي يؤدي عملاً لا يمكن لأي أداة ذكاء اصطناعي الاضطلاع به.

الحكم الأخلاقي في تصميم البحث مهمة إنسانية عصيّة بالمثل. معرفة متى يُعرّض تصميم دراسة ما المشاركين للضرر، ومتى تحتاج إجراءات الموافقة إلى تعزيز، ومتى ينبغي توصيل النتائج بعناية لأنها تكشف أمراً مؤلماً يخص فئة سكانية هشة — هذه القرارات تستلزم تدريباً أخلاقياً وتجربة حياتية لا يمتلكها الذكاء الاصطناعي. ومع تسريع أدوات الذكاء الاصطناعي لتنفيذ البحث، تتزايد أهمية وظيفة الرقابة الأخلاقية عوضاً عن أن تتضاءل.

إن كنت مهتماً بكيفية تأثر مصممي تجربة المستخدم المرتبطين ارتباطاً وثيقاً، فالمقارنة كاشفة. يواجه المصممون تعرضاً مماثلاً للذكاء الاصطناعي لكن بملف مهام مختلف — جيل مرئي أكثر، وتحليل نوعي أقل. كلا الدورين يسيران نحو التعزيز لا الاختفاء، وسيبدو كلاهما مختلفاً اختلافاً ملموساً في غضون خمس سنوات.

المشهد خلال ثلاث سنوات

بحلول عام 2028، تُشير تقديراتنا إلى بلوغ باحثي تجربة المستخدم نسبة تعرض إجمالية للذكاء الاصطناعي تصل إلى 69% مع مخاطر أتمتة قدرها 51% [تقدير]. سيتجاوز الدور عتبة مخاطر الـ50% للمرة الأولى، وهو ما يبدو مثيراً للقلق حتى تُدرك ما يعنيه في الواقع العملي.

الباحثون الذين سيزدهرون هم من سيحتضنون هذا التحول. بدلاً من أن يُكرّسوا 60% من وقتهم لمعالجة البيانات و40% للرؤية الاستراتيجية، ستنعكس النسبة. يتولى الذكاء الاصطناعي البيانات. أنت تُقدّم الرؤية. ستحتاج الشركات إلى باحثين أقل لمعالجة البيانات، لكن إلى مزيد من الباحثين القادرين على ترجمة النتائج إلى استراتيجية تجارية، وتيسير المحادثات الصعبة مع أصحاب المصلحة، وتصميم برامج بحثية تطرح أسئلة مبتكرة حقاً.

يعكس سوق العمل هذا التحول بالفعل. باتت إعلانات الوظائف لباحثي تجربة المستخدم تُشير بصورة متزايدة إلى "البحث الاستراتيجي"، و"خبرة المنهجيات المختلطة"، و"إدارة أصحاب المصلحة" — وهي مهارات يصعب أتمتتها. في المقابل، تتراجع الإعلانات التي تؤكد على "تحليل الاستطلاعات" و"معالجة البيانات". الباحثون الذين يضعون أنفسهم في الطرف الاستراتيجي والنوعي من الطيف يشهدون ارتفاعاً في تعويضاتهم وطلب سوق العمل عليهم؛ أما الذين يتركزون في الطرف التحليلي والتشغيلي فيشهدون العكس.

ثمة أيضاً تحول محتمل في المسارات المهنية لباحثي تجربة المستخدم. الباحثون المتمرسون القادرون على بناء برامج عمل وقيادتها — لا على تنفيذ دراسات فردية فحسب — هم بصورة متزايدة من تريد المؤسسات استقطابهم. ويتقلّص المسار من باحث إلى مدير بحث إلى رئيس للبحث لمن يستطيع إثبات القيادة الاستراتيجية، بينما يتمدّد هذا المسار لمن يكتفون بتنفيذ الدراسات.

التعويضات والصورة المهنية

تتباين التعويضات الممنوحة لباحثي تجربة المستخدم تبايناً واسعاً بحسب الموقع الجغرافي والصناعة والأقدمية، غير أن النمط العام يُشير إلى أن الباحثين المتمرسين في شركات التكنولوجيا والاستشارات المموّلة تمويلاً جيداً يحتلون مواقع متميزة في سلّم التعويضات بين أدوار التصميم والبحث. يتجاوز الباحثون في منتصف مسيرتهم المهنية في المراكز التقنية الكبرى سقف ستة أرقام بانتظام، فيما يتقاضى الباحثون الرئيسيون ومديرو البحث في الشركات الكبرى مبالغ أعلى بكثير. ويضغط النمو في الطلب على مهارات البحث الاستراتيجي صعوداً على تعويضات من بنوا القدرات الصحيحة.

يمتد المسار المهني أيضاً ليشمل خيارات جانبية ذات معنى. ينتقل باحثو تجربة المستخدم إلى إدارة المنتجات، واستراتيجية تجربة المستخدم، وقيادة تجربة العملاء، وبصورة متزايدة إلى أدوار منتجات الذكاء الاصطناعي حيث البحث النوعي حول كيفية تجربة الناس لأنظمة الذكاء الاصطناعي مطلوب بشدة. تنتقل مجموعة المهارات بيسر، والمرونة المهنية تجعل هذا المسار جذاباً حتى مع تحوّل تفاصيل العمل.

ما يعنيه هذا بالنسبة لك

إن كنت باحثاً في تجربة المستخدم أو تطمح إلى أن تصبح واحداً، فمسارك الأمامي واضح. ضاعف استثمارك في المهارات التي يعجز الذكاء الاصطناعي عن الاقتراب منها: أساليب البحث الإثنوغرافي، والتيسير، والسرد القصصي، والقدرة على ربط نتائج البحث بمآلات الأعمال. تعلّم استخدام أدوات الذكاء الاصطناعي ببراعة — ستجعلك أكثر إنتاجية بشكل لافت. لكن استثمر الوقت الذي توفّره في العمل العميق والفوضوي والإنساني الذي لا يستطيع أي خوارزم أتمتته.

الباحثون الذين سيعانون هم من عرّفوا قيمتهم بحجم البيانات التي يستطيعون معالجتها. الباحثون الذين سيتألقون هم من عرّفوا قيمتهم بجودة الأسئلة التي يستطيعون طرحها، وعمق الرؤى التي يستطيعون إظهارها، والأثر الذي يستطيعون إحداثه في مؤسساتهم. المهنة في وضع أفضل مما تُوحي به أرقام الأتمتة السطحية، والمسار الأمامي يُفضّل الفضول والحكم والتواصل الإنساني.

للاطلاع على التحليل التفصيلي مهمة بمهمة، تفضّل بزيارة صفحة مهنة باحثي تجربة المستخدم. قد تجد أيضاً فائدة في المقارنة مع علماء البيانات لترى كيف يُعيد الذكاء الاصطناعي تشكيل الأدوار التحليلية المجاورة.

مشروع من البداية إلى النهاية في عام 2026

تتبّع مشروع بحثي حقيقي لفريق تطبيق خدمات مالية يريد فهم سبب انخفاض معدل الاحتفاظ بالمستخدمين في الشهر الأول. يبدأ الأمر في يوم الاثنين. يلتقي الباحث بمدير المنتج والمسؤول الهندسي وممثل نجاح العملاء لتحديد نطاق الإشكالية. هذه المحادثة لا يمكن الاستغناء عنها بذكاء اصطناعي — إذ تستوجب قراءة الأجواء، واستشعار التوترات التنظيمية، وكشف الافتراضات المضمرة، والتوافق حول ما سيُعدّ إجابةً مفيدةً فعلاً. بنهاية الاجتماع، يكون سؤال البحث قد تبلور والمنهجيات قد تحددت: مزيج من مراجعة التحليلات السلوكية، ومقابلات متعمقة مع المستخدمين الذين توقفوا عن الاستخدام، واستطلاع منظّم للمستخدمين الحاليين.

تنكبّ الأيام الثلاثاء إلى الجمعة من الأسبوع الأول على التجنيد وتصميم الأدوات. تُسوّد أدوات الذكاء الاصطناعي أسئلة الفحص وعناصر الاستطلاع ودليل المقابلة. يُراجع الباحث كل شيء، ويرصد العناصر التي تفتقر إلى الدقة أو تحمل طابعاً توجيهياً، ويُنقّحها. يتولى التوظيف منصة ذكاء اصطناعي تفحص الردود وتجدول الجلسات. ما كان يستغرق أسبوعين من العمل التشغيلي ينضغط في أربعة أيام.

يأتي الأسبوع الثاني بالمقابلات. يُجري الباحث ثماني مقابلات على مدى أربعة أيام. يُسجَّل كل جلسة تلقائياً، ويُفرَّغ نصها، وتُصنَّف جزئياً بواسطة أدوات ذكاء اصطناعي تحدد الموضوعات فور ظهورها. يتولى الباحث المحادثات الفعلية — بناء ألفة، وطرح أسئلة متابعة، واستشعار ما لا يُقال. يتولى الذكاء الاصطناعي التوثيق. بعد كل جلسة، يُراجع الباحث تصنيف الذكاء الاصطناعي، ويُعدّل ما أفلت من دقته، ويُضيف الملاحظات السياقية التي لا يستطيع إنتاجها إلا إنسان كان موجوداً في الغرفة.

الأسبوع الثالث هو أسبوع التركيب. تُنتج أدوات الذكاء الاصطناعي مسودة بالموضوعات وعدد ترددات الظهور والاستشهادات الداعمة. يقرأ الباحث كل شيء، ويستخلص الرؤى الثلاث أو الأربع التي تُعنى فعلاً بسؤال الاحتفاظ، ويبني سرداً استراتيجياً. السرد هو المُسلَّم — لا البيانات، ولا الموضوعات، ولا الاقتباسات. يشرح السرد ما يجري، ولماذا يجري، وما ينبغي للمؤسسة فعله حيال ذلك. هذا السرد يستدعي استيعاب الأعمال والقيود الهندسية والمشهد التنافسي ودوافع المستخدم في آنٍ واحد. لا تُنتج أي أداة ذكاء اصطناعي هذا السرد؛ الباحث المتمرس هو من يفعل.

الأسبوع الرابع هو عرض النتائج. يُقدّم الباحث العرض أمام القيادة، ويُجيب على الأسئلة الصعبة، ويوجّه عملية صنع القرار. بنهاية العرض، لدى فريق المنتج خطة واضحة لمعالجة انخفاض معدل الاحتفاظ. قدّم الباحث شيئاً لم يكن بمقدور الذكاء الاصطناعي وحده إنتاجه. المشروع الذي كان يستغرق ثمانية أسابيع في عام 2020 استغرق أربعة أسابيع في عام 2026، وجاء المُسلَّم أقوى لأن الوقت البشري تركّز في العمل الأعلى قيمة.

هذا هو سير عمل بحث تجربة المستخدم الحديث. يتولى الذكاء الاصطناعي الحجم؛ يُقدّم الباحث الرؤية. المهنة في وضع أفضل مما تُوحي به أرقام الأتمتة السطحية، والباحثون الذين يتجهون نحو العمل الاستراتيجي والإنساني هم من تتراكم إنجازاتهم المهنية عوضاً عن أن تتوقف.

تاريخ التحديثات

• 2026-03-30: نشر أولي ببيانات 2025 الفعلية وتوقعات 2028.
• 2026-05-14: توسيع ليشمل أتمتة العمليات، والحكم الأخلاقي، والتحولات في المسارات المهنية، وسياق التعويضات.

المصادر

• Eloundou وآخرون (2023). "GPTs are GPTs: نظرة أولى على إمكانات التأثير في سوق العمل للنماذج اللغوية الكبيرة."
• Brynjolfsson وآخرون (2025). "الذكاء الاصطناعي التوليدي في العمل."
• أنثروبيك للبحث الاقتصادي (2026). تقييم أثر سوق العمل.

---

_أُنتج هذا التحليل بمساعدة الذكاء الاصطناعي. جميع الإحصاءات تستند إلى مجموعة بياناتنا المنتقاة التي تجمع بين الأبحاث المُحكَّمة وبيانات الصناعة. للاطلاع على تفاصيل المنهجية، راجع حول بياناتنا._