#

النقاط الرئيسية

• جمع AI Observatory محادثات ذكاء اصطناعي بموافقة المستخدمين من سبع مجموعات بيانات.

• درست الدراسة أدوات تشمل Claude وGemini.

• وجد الباحثون استخدامات حساسة وغير مرتبطة بالعمل قد تكون تقارير الشركات أقل من حجمها الحقيقي.

• يذكر المقال أيضًا اختلافات خاصة بكل نموذج عبر عدة أنواع من الاستخدام.

• يقدم المصدر درسًا حذرًا لصانعي السياسات والتعليم.

ما يقوله المقال

أفادت MIT Technology Review في 2026-08-18 أن AI Observatory حلّل محادثات ذكاء اصطناعي بموافقة المستخدمين من سبع مجموعات بيانات. كان الهدف دراسة كيفية استخدام الناس لأدوات الذكاء الاصطناعي في الواقع العملي. ويذكر المقال أن مجموعة البيانات تضمنت محادثات مع أدوات مثل Claude وGemini.

يركز التقرير على القياس. فهو لا يقدم استخدام الذكاء الاصطناعي كنمط واحد بسيط. بل يوضح أن مجموعات البيانات المختلفة يمكن أن تكشف أجزاء مختلفة من سلوك المستخدمين. وهذا مهم عندما يعتمد الناس على ملخصات الشركات وحدها.

ما الذي وجده AI Observatory

وفقًا للمقال، وجد الباحثون العديد من الاستخدامات الحساسة وغير المرتبطة بالعمل. ويذكر التقرير أن هذه الاستخدامات قد تكون ممثلة بأقل من حجمها الحقيقي في تقارير الشركات. وهذا يعني أن الملخصات العامة قد لا تُظهر النطاق الكامل لكيفية تفاعل الناس مع أدوات الذكاء الاصطناعي.

ويذكر المقال أيضًا أن الباحثين لاحظوا اختلافات خاصة بكل نموذج. وظهرت هذه الاختلافات في استخدامات البرمجة، ولعب الأدوار، والواجبات المنزلية، والأخبار، والسياسة. ولا يقدم المصدر أرقامًا دقيقة في النص المتاح، لذا من الأفضل اعتبار ذلك نتيجة عامة.

لماذا يهم القياس

تدور هذه القصة أساسًا حول جودة الأدلة. فإذا كان استخدام الذكاء الاصطناعي يُقاس فقط من خلال ملخصات الشركات، فقد تكون الصورة غير مكتملة. ويمكن للتحليل المستقل أن يكشف أنماطًا لا تظهرها تقارير الشركات.

هذا لا يعني أن بيانات الشركات عديمة الفائدة. بل يعني أنها قد تحتاج إلى سياق. ويمكن لقاعدة أدلة أوسع أن تساعد القراء على فهم كيفية استخدام الذكاء الاصطناعي فعليًا، لا مجرد كيفية وصفه.

اعتبارات الحوكمة والتشغيل

يشير المصدر إلى قضية عملية لصناع القرار. فإذا كان النظام يُستخدم لمهام العمل وغير العمل، فلا ينبغي أن تفترض مناقشات السياسات وجود حالة استخدام مهيمنة واحدة. ويشير المقال إلى أن الاستخدام قد يختلف حسب النموذج وحسب المهمة.

وسيكون النهج الحذر هو الفصل بين السلوك المرصود والافتراضات. كما ينبغي تجنب التعامل مع مجموعة بيانات واحدة على أنها شاملة للجميع. ويدعم المصدر قاعدة بسيطة: استخدم الأدلة المستقلة عندما يكون ذلك ممكنًا، واقرأ ملخصات الشركات بوصفها رؤى جزئية.

الصلة بالمغرب

لا يورد المصدر أي حقائق خاصة بالمغرب. والدرس العالمي المشروط واضح: عندما تعتمد قرارات سياسة الذكاء الاصطناعي أو التعليم على أنماط الاستخدام، تكون الأدلة المستقلة أكثر أمانًا من الملخصات الصادرة عن الشركات فقط.

الخلاصة

يسلط تقرير MIT Technology Review الضوء على فجوة في القياس. ويشير تحليل AI Observatory إلى أن الاستخدام الحقيقي للذكاء الاصطناعي قد يكون أوسع وأكثر تنوعًا مما توحي به تقارير الشركات. والدرس الرئيسي لا يتعلق بأداة واحدة فقط، بل بكيفية جمع الأدلة ومقارنتها وتفسيرها.

بالنسبة للقراء، الخلاصة بسيطة: اسألوا عمّا يمكن لمجموعة البيانات أن تُظهره وما لا يمكنها إظهاره. ثم قارنوا ملخصات الشركات بالتحليل المستقل قبل استخلاص استنتاجات حول استخدام الذكاء الاصطناعي.