وكلاء الذكاء الاصطناعي سيغيرون وجه العمل، لكنهم سيعيقون مسيرة التعلم.

نشهد حالياً موجة جديدة في مجال الذكاء الاصطناعي، وهي لا تتعلق بروبوتات الدردشة. فخلال الأشهر القليلة الماضية، حدث تحول جذري؛ إذ انتقلت أنظمة الذكاء الاصطناعي من مجرد الإجابة على الأسئلة إلى تنفيذ المهام فعلياً: كتابة قواعد برمجية كاملة، وإدارة مشاريع معقدة، وتنفيذ مهام متعددة الخطوات بأقل قدر من التدخل البشري. وتتيح أدوات مثل Clawdbot، وهو إطار عمل مفتوح المصدر للوكلاء انتشر بسرعة هائلة، للمستخدمين تشغيل الذكاء الاصطناعي محلياً على أجهزتهم الخاصة، وربطه بتطبيقاتهم ليعمل نيابة عنهم. إن Claude Code يغير حالياً الطريقة التي تُبنى بها البرمجيات.

وصف ماكاي ريجلي، وهو مطور أثق في حكمه، نموذج Opus 4.5 بأنه "نقطة التحول" التي تمثل للوكلاء ما مثله Sonnet 3.5 للبرمجة. وقد وجدت METR، وهي منظمة تقييم مستقلة، أن النطاق الزمني الذي يمكن للذكاء الاصطناعي العمل فيه بشكل مستقل يتضاعف كل أربعة إلى سبعة أشهر. كما أن المهندسين في شركة Brisk باتوا يسندون تقريباً كل أعمالهم البرمجية إلى الذكاء الاصطناعي، ويكرسون وقتهم للمراجعة والتوجيه واتخاذ القرارات.

هذا ليس مجرد ضجيج إعلامي؛ فنموذج الوكلاء فعال في العمل المعرفي، وسيغير طريقة عمل العديد من القطاعات.

‍

لماذا يفشل نموذج الوكلاء مع الطلاب؟

سألني أحد الصحفيين مؤخراً عن معنى هذا بالنسبة للتعليم في مرحلة ما قبل الجامعة (K-12). لقد كنت أفكر في هذا الأمر لبعض الوقت، وإجابتي الصادقة هي: أنه مجرد وهم كبير. ليس لأن الوكلاء يفتقرون إلى القوة، بل لأن المنطق الذي يجعلهم فعالين في هندسة البرمجيات هو نفسه تقريباً المنطق الذي يجعلهم ضارين بالعملية التعليمية. ولا أعتقد أن هناك ما يكفي من العاملين في مجال التعليم يدركون هذا الفرق بوضوح.‍

أسهل طريقة لفهم ذلك هي طرح السؤال التالي: ما هو الهدف؟

في البرمجيات، الهدف هو المخرجات؛ أي إطلاق الميزة، وإصلاح الخلل، ونشر النظام. فإذا قام وكيل ذكاء اصطناعي بكتابة الكود بدلاً منك، وبشكل أفضل وأسرع مما كنت ستفعله، فهذا هو المطلوب. فالوكيل الذي يقوم بالعمل هو المنتج بحد ذاته، وأصبح عمل المهندس يتركز بشكل متزايد على المراجعة والتوجيه واتخاذ القرار بينما يتولى الذكاء الاصطناعي التنفيذ.

أما في المدرسة، فالهدف هو العكس تماماً. فالمخرجات (المقال، حل المسائل، تقرير المختبر) ليست هي الغاية الأساسية، بل الأهم هو ما حدث في عقل الطالب أثناء إنجازها.

الطالب الذي يستخدم وكيل ذكاء اصطناعي لإكمال واجباته لم يتلقَّ المساعدة، بل سُلِب الشيء الوحيد الذي يهم. وحقيقة أن المخرجات تبدو أفضل هي في الواقع أمر أسوأ؛ لأنها تخلق وهماً بالتعلم في حين لم يحدث أي تعلم على الإطلاق.

لدينا الآن أدلة قوية على ذلك. فقد اختبرت دراسة عشوائية محكومة شملت ما يقرب من ألف طالب في المدارس الثانوية في تركيا، ونُشرت في دورية PNAS، هذا السيناريو بالضبط. تم تقسيم الطلاب إلى ثلاث مجموعات: مجموعة بدون وصول للذكاء الاصطناعي، ومجموعة تستخدم أداة قياسية تشبه ChatGPT، ومجموعة تستخدم معلماً ذكياً مزوداً بضوابط دقيقة صُمم بناءً على مدخلات من معلميهم.

أظهر الطلاب الذين استخدموا أداة الذكاء الاصطناعي القياسية أداءً أفضل بنسبة 48% في حل المسائل التدريبية، لكنهم في المقابل سجلوا أداءً أسوأ بنسبة 17% في الاختبار الذي أُجري بعد سحب أداة الذكاء الاصطناعي منهم. والأكثر إثارة للقلق هو أنهم لم يدركوا ذلك.

لقد اعتقدوا أنهم تعلموا أكثر من المجموعة الضابطة. وقد صاغت منظمة التعاون الاقتصادي والتنمية (OECD)، في تقريرها "آفاق التعليم الرقمي 2026" الذي نُشر قبل أسابيع فقط، مصطلحاً لهذا: الكسل ما وراء المعرفي. فالطلاب لا يكتفون بتفريغ عبء العمل فحسب، بل يتخلون أيضاً عن وعيهم بما إذا كانوا يتعلمون فعلياً أم لا.

أما مجموعة المعلم الذكي المزود بضوابط فقد كان أداؤها أفضل قليلاً (تحسن بنسبة 127% في التدريبات)، ولكن في الاختبار الذي لم يُسمح فيه باستخدام المساعدة، لم يكن أداؤهم أفضل من الطلاب الذين لم يستخدموا الذكاء الاصطناعي على الإطلاق. حتى أكثر أدوات الذكاء الاصطناعي الموجهة للطلاب تصميماً بعناية لم تحقق أي مكاسب تعليمية ملموسة في التقييم الذي كان مهماً حقاً.

الأمر لا يتعلق بكون الطلاب كسالى، بل هو أمر هيكلي يتعلق بطبيعة الوكلاء وماهية التعليم في مرحلة ما قبل الجامعة.

‍

ثلاثة تضاربات هيكلية

التضارب الأول: معضلة الخبير في حلقة العمل

صُممت الوكلاء الذكاء الاصطناعي لأداء نوع محدد من المهام. فهي بارعة في حل المشكلات المفتوحة والجديدة، حيث يمتلك الإنسان المشرف المهارة الكافية لتقييم المخرجات. فالمبرمج الذي يستخدم Claude Code يمكنه مراجعة طلب السحب (pull request)، واكتشاف الخطأ، وفهم المقايضات، وتوجيه المسار. الوكيل يقترح، والخبير يقرر. ينجح هذا النموذج لأن الإنسان يمتلك المعرفة التخصصية الكافية ليكون بمثابة رقيب حقيقي على عمل الوكيل.

لكن طالب الصف التاسع لا يمكنه القيام بذلك. عندما يساعد معلم الذكاء الاصطناعي طالباً في حل مسألة رياضية أو صياغة فقرة لمقاله، يفتقر الطالب إلى المعرفة ذاتها التي يفترض به اكتسابها. فهو لا يستطيع تقييم ما إذا كان استنتاج الذكاء الاصطناعي سليماً، أو ما إذا كانت هناك خطوة مفقودة، أو ما إذا كان الشرح، رغم سلاسته، يحتوي على أخطاء خفية.

ينهار نموذج "الإنسان في حلقة العمل" تحديداً عندما يكون الإنسان هو الطرف الذي يفترض به أن يتعلم.

هذه المشكلة لا يمكن حلها بتحسين هندسة الأوامر (prompt engineering) أو بوضع قيود أكثر تطوراً؛ فهي مشكلة هيكلية. فالطالب، بحكم تعريفه، ليس خبيراً بعد.

‍

التضارب الثاني: العمل الروتيني مقابل التفكير الإبداعي

هناك تضارب ثانٍ؛ فالوكلاء مصممون للمهام الجديدة والقابلة للتعميم، وهي المهام التي تتطلب تفكيراً مرناً في مجالات غير مألوفة. لكن التعليم في المراحل الأساسية والثانوية ليس مجالاً جديداً، بل هو 180 يوماً من المناهج المنظمة والمتسلسلة. فمعلم الصف الثالث في هيوستن ومعلم الصف الثالث في ممفيس يدرسان المعايير نفسها تقريباً وبالترتيب نفسه تقريباً. العمل هنا روتيني بالمعنى الإيجابي: مصمم بعناية لبناء المعرفة تدريجياً، حيث يعتمد كل درس على ما سبقه. أنت لا تحتاج إلى ذكاء اصطناعي يستنتج الحلول من الصفر في كل مرة، بل تحتاج إلى أداة تنفذ المهام بشكل موثوق ضمن نطاق وتسلسل معروفين. نموذج الوكلاء موجه نحو المشكلة الخاطئة.

‍

التضارب الثالث: الكفاح المنتج مقابل الكفاح غير المنتج

ثم تأتي القضية الأعمق، وهي قضية يدركها المعلمون المتميزون بالفطرة، لكنها غائبة تماماً عن نقاشات الذكاء الاصطناعي في التعليم: الفرق بين الكفاح المنتج والكفاح غير المنتج.

ليست كل الصعوبات متساوية. عندما يصارع الطالب مسألة رياضية صعبة ويشعر بذاك التوتر الناتج عن عدم استيعابها بالكامل، فهذا "كفاح منتج"؛ وهنا يحدث التعلم. أما عندما يقضي المعلم أربعين دقيقة في إعادة تنسيق خطة درس عبر ثلاث منصات مختلفة، أو في تكييف نص قرائي يدوياً ليناسب خمسة مستويات قرائية، أو في البحث داخل نظام إدارة التعلم (LMS) عن المعيار المناسب لتصنيفه، فهذا "كفاح غير منتج". إنه لا يثمر عن أي تعلم لأي شخص، بل هو مجرد عبء إداري.

لا يستطيع وكيل الذكاء الاصطناعي العام التمييز بين الكفاح المنتج وغير المنتج، فإعداده الافتراضي هو إلغاء كليهما.

عندما توجه وكيلاً ذكياً نحو طالب، فإنه يقضي على الكفاح المنتج — وهو جوهر عملية التعلم — جنباً إلى جنب مع المهام الروتينية. وهذا ما أظهرته دراسة "تركيا"؛ فقد جعل الذكاء الاصطناعي العمل يبدو أسهل، وشعر الطلاب بأنهم يتعلمون، لكن السهولة كانت هي المشكلة بحد ذاتها.

‍

ما الذي ينجح فعلياً مع الطلاب

إذا كانت الوكلاء المستقلون ليسوا النموذج الأمثل للطلاب، فهل يعني ذلك أنه يجب ألا يتعامل الذكاء الاصطناعي مع الطلاب مطلقاً؟ لا. ولكن يجب أن يكون توجه الذكاء الاصطناعي مختلفاً تماماً عن نموذج الوكيل، و يجب أن يظل المعلم هو المتحكم في الأهداف التي يسعى الذكاء الاصطناعي لتحقيقها.

فكر في تصميمين مختلفين لنشاط تعليمي يعتمد على الذكاء الاصطناعي وموجه للطلاب. في التصميم الأول، يفتح الطالب أداة ذكاء اصطناعي عامة ويطلب منها: "ساعدني في كتابة مقال عن أسباب الحرب الأهلية". فيقوم الوكيل بالمهمة؛ يضع مخططاً، ويقترح فكرة رئيسية، ويقدم فقرات للتعديل. ينتهي المطاف بالطالب بمقال مصقول وشعور غامض بأنه قد شارك في العمل. هذا هو نموذج الوكيل المطبق على التعلم، وهو ما قاسته دراسة تركيا. إنه لا يجدي نفعاً.

في التصميم الثاني، ينشئ المعلم نشاطاً يرتكز على وحدة هذا الأسبوع الدراسية. وظيفة الذكاء الاصطناعي هنا ليست مساعدة الطالب على إكمال المهمة، بل دفعه نحو إثبات مخرجات تعلم محددة. لا يمكن للطالب التقدم في النشاط بمجرد طلب التفكير من الذكاء الاصطناعي؛ فالذكاء الاصطناعي يطرح الأسئلة، ويناقش، ويطالب الطالب بصياغة استنتاجاته. السبيل الوحيد للنجاح هو إظهار الفهم. المعلم يحدد المخرجات، والذكاء الاصطناعي يفرض المسار.

في النموذج الأول، يركز الذكاء الاصطناعي على المهمة، ومعيار نجاحه هو إتمامها. أما في الثاني، فيركز الذكاء الاصطناعي على الطالب، ومعيار نجاحه هو مدى إثبات الطالب لفهمه.

قد يبدو هذا الفرق بسيطاً، لكنه يغير كل شيء. أحدهما وكيل، والآخر أداة لتربوية المعلم. هذا ما بنيناه في Brisk Boost: أنشطة ذكاء اصطناعي موجهة للطلاب حيث يحدد المعلم الهدف التعليمي، ويرتكز الذكاء الاصطناعي على المنهج الفعلي، ويتحتم على الطالب القيام بالتفكير بنفسه. وظيفة الذكاء الاصطناعي هي جعل التحدي الذهني أمراً لا مفر منه، لا إلغاؤه.

لم تكن القضية يوماً "هل يجب أن يتعامل الذكاء الاصطناعي مع الطلاب؟" بل: من هو المتحكم، وما الذي يحاول الذكاء الاصطناعي تحسينه؟ الوكيل العام الذي يهدف إلى إتمام المهام سيميل دائماً إلى القيام بالعمل نيابة عن الطالب، فهذا هو جوهر عمل الوكلاء. عندما يحدد المعلم مخرجات التعلم ويتم تقييد الذكاء الاصطناعي للعمل نحوها، تنقلب المعادلة. يصبح الذكاء الاصطناعي أداة لفرض الدقة، لا لتجاوزها.

‍

أين يكمن دور الوكلاء: سير عمل المعلم

جانب المعلم لا يقل أهمية، وهو المكان الذي يتناسب فيه نموذج الوكيل بالفعل.

يغرق المعلمون في العمل، ولكن ليس في مهام التدريس، بل في المهام المحيطة به. يستخدم المعلم العادي نصف دزينة من المنصات يومياً: نظام إدارة التعلم (LMS)، ونظام معلومات الطلاب (SIS)، وبوابة المناهج، ومستندات جوجل، والبريد الإلكتروني، وأدوات التصحيح. إن العبء الناتج عن التنقل بين هذه الأنظمة، وإعادة تنسيق المحتوى بينها، وتكييف المواد يدوياً لتلبية احتياجات الطلاب المختلفة هو عبء هائل. تظهر البيانات أن المعلمين الذين يستخدمون الذكاء الاصطناعي أسبوعياً يوفرون ما يقرب من ست ساعات في الأسبوع. وعلى مدار العام الدراسي، يعني ذلك استعادة ستة أسابيع كاملة من الوقت.

المهام التي تستهلك وقت المعلمين هي بالضبط ما يجيده الوكلاء: تكييف هذه الوحدة لثلاثة مستويات قرائية، ومواءمة هذا التقييم مع معايير المنطقة التعليمية، وإنشاء رسالة لأولياء الأمور حول أهداف الأسبوع، وبناء نشاط لمجموعة صغيرة يرتكز على نطاق وتسلسل الدرس. هذه مهام مقيدة، قابلة للتكرار، وقابلة للمراجعة. ليست مفتوحة النهاية، وليست مبتكرة. إنها نفس أنواع المهام التي تُنفذ مئات المرات في السنة، بناءً على منهج معروف.

والمعلم هو الخبير الذي يشرف على العملية. فهو يراجع مخرجات الذكاء الاصطناعي قبل وصولها للطالب، ويكتشف الخطأ، ويعدل النبرة، ويوجه النهج. نموذج "الإنسان في الحلقة" يعمل هنا لأن الإنسان يمتلك المعرفة التخصصية لتقييم ما ينتجه الوكيل.

هذا هو نوع الذكاء الاصطناعي الذي يحتاجه التعليم الأساسي (K-12) حقاً: ليس وكيلاً مستقلاً يستنتج من مبادئ أولية ما يجب أن يتعلمه الطالب تالياً، بل نظام ينفذ المهام بشكل موثوق وفقاً للمنهج الفعلي للمنطقة التعليمية: نطاقها وتسلسلها، وموادها المعتمدة، ومعاييرها وأدلة وتيرة التدريس. الذكاء هنا لا يكمن في الاستنتاج العام، بل في الاسترجاع، والارتكاز على المنهج، والالتزام بما تدرسه هذه المنطقة التعليمية فعلياً في هذا الصف وهذه الوحدة خلال هذا الأسبوع.

‍

إن حقيقة أن وكلاء الذكاء الاصطناعي يُحدثون تحولاً في هندسة البرمجيات لا تعني أنهم سيغيرون كل شيء. فمنطق البرمجة يختلف عن منطق التعلم. في البرمجة، أنت تريد من الذكاء الاصطناعي أن يقوم بالعمل نيابة عنك، أما في التعليم، فإن قيام الطالب بالعمل هو جوهر العملية التعليمية برمتها. إن التعامل مع التعلم كأي مهمة معرفية أخرى يمكن أتمتتها هو خطأ فادح قد يعيد جيلاً كاملاً من الطلاب إلى الوراء، بينما يوهم الجميع بأننا نحرز تقدماً.

هذه التكنولوجيا قوية للغاية، والسؤال الحقيقي هو: هل نوجهها نحو إنجاز المهام، أم نحو الأشخاص الذين يفترض بهم أن يتعلموا من خلال تلك المهام؟

الفرصة في قطاع التعليم الأساسي (K-12) حقيقية ومهمة، لكنها تكمن في منح المعلمين زمام السيطرة. السيطرة على المناهج التي يستقي منها الذكاء الاصطناعي معلوماته، وعلى مخرجات التعلم التي يسعى لتحقيقها، وعلى سير العمل الذي ينفذه نيابة عنهم. لا أن نمنح الطلاب وكلاء ذكاء اصطناعي عامين وننتظر النتائج.