لا يعني تراجع ندرة المهارة أن العمل سيختفي حتماً، ولا أن الذكاء الاصطناعي متفوق اليوم في كل مجال. لكن إذا امتدت قدراته إلى الحكم والاستراتيجية والإبداع، فلن تكفي نصيحة أن يصعد الإنسان إلى مهارات أعلى. عندها يصبح السؤال متعلقاً بالطريقة التي نربط بها حقه في الحياة الكريمة بقدرته على المنافسة في سوق الإنتاج.

هناك نصيحة كررتها المجتمعات لأبنائها طوال عقود: تعلّم مهارة لا يعرفها الآخرون، وستضمن مستقبلك. تعلّم البرمجة. أتقن لغة ثانية. كن مصمماً. كن كاتباً جيداً. ادرس القانون. تعلّم التحليل. احصل على شهادة قوية. ابنِ خبرة يصعب على الآخرين امتلاكها. كانت الفكرة بسيطة: كلما كانت قدرتك أكثر ندرة، ارتفعت قيمتك في سوق العمل. لكن ماذا يحدث عندما تصل آلة تستطيع تعلّم أجزاء من هذه المهارات كلها تقريباً، ثم تضعها في يد الجميع؟ ماذا يحدث لقيمة الكتابة عندما يستطيع أي شخص إنتاج نص احترافي خلال ثوانٍ؟

ماذا يحدث للبرمجة عندما يستطيع شخص لا يعرف البرمجة أن يصف ما يريد بلغة طبيعية، فتكتب الآلة جزءاً كبيراً من الكود؟ ماذا يحدث للتصميم والترجمة والتحليل والبحث وصناعة الفيديو والموسيقى عندما تنخفض تكلفة بعض مخرجاتها انخفاضاً كبيراً؟ نحن نميل إلى وصف هذه اللحظة بأنها «ثورة في الإنتاجية». وقد تكون كذلك. لكن هناك وصفاً آخر أقل راحة: قد تكون بداية تراجع اقتصادي في ندرة بعض المهارات البشرية. وليس معنى ذلك أن المهارات ستختفي. بل ربما يحدث شيء أكثر إرباكاً:

ستظل المهارات مهمة، لكن امتلاكها وحده لن يجعل صاحبها مهماً.

الآلة لا تحتاج إلى أن تكون أفضل منك كي تهدد قيمة مهارتك

هناك خطأ يتكرر في معظم النقاشات حول الذكاء الاصطناعي. نسأل: هل أصبح الذكاء الاصطناعي أفضل من الطبيب؟ هل أصبح أفضل من المبرمج؟ هل يستطيع أن يحل محل المصمم؟ هل يستطيع كتابة رواية عظيمة؟ لكن الاقتصاد لا ينتظر أن تصبح الآلة أفضل إنسان في العالم. يكفي أن تصبح جيدة بما يكفي. معظم الاقتصاد لا يحتاج إلى عباقرة. الشركة الصغيرة لا تحتاج إلى أعظم مصمم في العالم كي تصنع إعلاناً. ولا تحتاج إلى أديب كبير كي تكتب رسالة تسويقية. ولا تحتاج إلى أفضل مبرمج كي تبني أداة داخلية.

ولا تحتاج دائماً إلى محلل استثنائي كي تلخص أرقامها. إنها تحتاج إلى نتيجة مقبولة، بسرعة، وبتكلفة معقولة. وهنا تحديداً يصبح الذكاء الاصطناعي خطيراً اقتصادياً. لأنه لا يهاجم العبقرية أولاً. إنه يهاجم سعر الكفاءة العادية. ولعقود، كانت الكفاءة العادية هي الطبقة الوسطى الحقيقية لاقتصاد المعرفة. كاتب جيد. مصمم جيد. محاسب جيد. مترجم جيد. مبرمج جيد. محلل جيد. موظفون ليسوا الأفضل في العالم، ولا يحتاجون إلى أن يكونوا كذلك. كان يكفي أن يعرفوا شيئاً لا يعرفه العميل.

اليوم يدخل طرف ثالث إلى المعادلة. الآلة. وفجأة لا يعود السؤال: هل يستطيع العميل فعل هذا بنفسه؟ بل: هل يستطيع العميل، بمساعدة الذكاء الاصطناعي، الحصول على نتيجة كافية مقابل جزء صغير من التكلفة؟ إذا كانت الإجابة نعم، فإن المهنة لا تحتاج إلى الاختفاء حتى تبدأ قيمتها الاقتصادية في الانخفاض.

هذه ليست نهاية العمل إنها إعادة تسعير للإنسان

الثورات التقنية السابقة فعلت شيئاً مشابهاً. الآلة الحاسبة خفضت قيمة الحساب اليدوي. جداول البيانات غيّرت المحاسبة. الكاميرا الرقمية غيّرت التصوير. الإنترنت غيّر قيمة امتلاك المعلومات. لكن الذكاء الاصطناعي مختلف في شيء أساسي. الآلات السابقة كانت تستهدف عضلات الإنسان أو مهمة معرفية محددة. أما الذكاء الاصطناعي فيدخل إلى قلب العملية التي بنينا حولها اقتصاد المعرفة: تحويل المعرفة إلى مخرجات. يقرأ. يلخص. يكتب. يبرمج. يترجم. يرسم. يقارن.

يقترح. يحلل. يخطط. ويفعل ذلك عبر مجالات متعددة باستخدام البنية التقنية نفسها. ولهذا ربما لا نعيش مجرد موجة جديدة من الأتمتة. نحن نعيش إعادة تسعير للقدرة البشرية. والمشكلة ليست أن الإنسان سيفقد كل قيمة. المشكلة أن أشياء كثيرة أمضى البشر سنوات في تعلمها قد تصبح فجأة أقل ندرة. والاقتصاد لا يدفع لك مقابل مقدار الألم الذي تحملته لتتعلم شيئاً. إنه يدفع مقابل القيمة والندرة في اللحظة الحالية. يمكن أن تقضي عشر سنوات في إتقان مهارة.

ثم تأتي تقنية تخفض ندرتها خلال عامين. السوق لن يعيد لك السنوات العشر.

التضخم القادم ليس في المال فقط بل في الذكاء

تخيل اقتصاداً يستطيع إنتاج مئة ضعف عدد المقالات والتصاميم والتطبيقات والتقارير والفيديوهات والتحليلات الموجودة اليوم. هل سنقرأ مئة ضعف؟ هل سنشاهد مئة ضعف؟ هل ستحتاج الشركات إلى مئة ضعف عدد الشعارات؟ بالطبع لا. وهنا نصل إلى مفهوم قد يصبح مركزياً في فهم المستقبل: التضخم المعرفي. عندما تصبح القدرة على إنتاج المحتوى والمعرفة والتحليل وفيرة جداً، تنخفض قيمة الوحدة الإضافية منها. لدينا بالفعل محتوى أكثر مما نستطيع استهلاكه. وقد يصبح لدينا ذكاء منتَج أكثر مما نستطيع استخدامه.

عندها ستنتقل القيمة إلى الأشياء التي لا تزال نادرة. الانتباه. الثقة. السمعة. الذوق. الاختيار. الوصول إلى البشر. القدرة على اتخاذ القرار. والقدرة على تحمل مسؤوليته. كان السؤال في كثير من الأعمال: هل تستطيع إنتاج هذا؟ ومع وفرة المخرجات قد يصبح السؤال: وسط مليون شيء يمكن إنتاجه، هل تعرف ما الذي يستحق أن يوجد أصلاً؟

حين يستطيع الجميع أن يبدعوا ماذا تعني كلمة مبدع

هذه واحدة من أكثر مفارقات الذكاء الاصطناعي إثارة. نحن أمام توسعة كبيرة في الوصول إلى أدوات الإنتاج الإبداعي. شخص لا يستطيع الرسم يمكنه تحويل خياله إلى صورة. شاب لا يمتلك استوديو يستطيع إنتاج فيلم. رائد أعمال لا يمتلك فريقاً تقنياً يستطيع بناء نموذج أولي لمنتجه. طالب يستطيع الوصول إلى مدرس شخصي يعمل معه في أي ساعة. إنسان عادي يمتلك اليوم قدرات كانت قبل سنوات قليلة تحتاج إلى فريق كامل. هذا إنجاز حضاري مذهل. لكن للديمقراطية وجه اقتصادي قاسٍ:

ما يصبح متاحاً للجميع يتوقف غالباً عن كونه مصدراً للتميز وحده. إذا كان الجميع يستطيعون إنتاج صورة جميلة، فإن «الصورة الجميلة» تصبح البداية لا النهاية. إذا كان الجميع يستطيعون كتابة نص جيد، فإن جودة الصياغة وحدها تصبح أقل قيمة. وإذا استطاع الجميع بناء تطبيق، فلن تكون قيمة التطبيق في مجرد وجوده. وهكذا يخلق الذكاء الاصطناعي مفارقته الكبرى: إنه يجعل الفرد أقوى، لكنه يجعل بعض أسباب قوة الفرد أقل ندرة.

حين تتعرض الكفاءة العادية للضغط

هناك تصور يقول إن الذكاء الاصطناعي سيجعل الجميع متساوين. قد يحدث العكس. عندما يمتلك الجميع الأدوات نفسها، يصبح الفرق فيمن يعرف كيف يستخدمها، ولماذا، وفي أي اتجاه. مبرمج استثنائي ومعه ذكاء اصطناعي قد يصبح أقوى بكثير من مبرمج متوسط يستخدم الأداة نفسها. مخرج كبير قد يمتلك فجأة استوديو افتراضياً تحت يده. عالم استثنائي قد يعمل وكأن لديه عشرات المساعدين. رائد أعمال موهوب قد يبني بشركة من عشرة أشخاص ما كان يحتاج سابقاً إلى مئتين. قد لا يقوم الذكاء الاصطناعي بتسوية هرم المواهب.

قد يفعل العكس: يضغط المنتصف ويوسّع القمة. وهذا احتمال يجب أن يقلقنا. لأن النتيجة قد تكون اقتصاداً يستطيع فيه عدد صغير جداً من الأشخاص الاستثنائيين، المدعومين بآلات شديدة القدرة، إنتاج ما كانت تنتجه سابقاً جيوش من الموظفين المتوسطين. سنحصل على شركات أكثر إنتاجية. لكن هل سنحصل على مجتمع أكثر ازدهاراً؟ ليست الإجابة واحدة بالضرورة.

مفارقة المبتدئ إذا اختفت الوظائف الصغيرة فمن أين سيأتي الخبراء

هناك مشكلة أخطر لا تحظى بما يكفي من النقاش. كل خبير كان في يوم من الأيام مبتدئاً. الطبيب العظيم لم يولد طبيباً عظيماً. والمبرمج الكبير بدأ بمشكلات بسيطة. والصحفي الاستقصائي كتب في بدايته أخباراً عادية. والمحامي الخبير أمضى سنوات في مراجعة الوثائق. كانت الأعمال الصغيرة تبدو أحياناً روتينية، لكنها كانت شيئاً آخر أيضاً: كانت مدرسة مدفوعة الأجر. اليوم، تنظر الشركات إلى كثير من هذه الأعمال وتقول: يستطيع الذكاء الاصطناعي فعلها. منطقياً، هذا ممتاز.

لماذا أوظف خمسة مبتدئين إذا استطاع خبير واحد، مع الذكاء الاصطناعي، إنتاج النتيجة نفسها؟ لكن بعد عشر سنوات سيظهر سؤال لم يكن موجوداً في جدول التكاليف: من أين سيأتي الخبير الجديد؟ إذا أزلنا الدرجات الأولى من السلم المهني لأن الآلة تستطيع صعودها أسرع منا، فقد نكتشف لاحقاً أننا لم نلغِ الوظائف المبتدئة فقط. لقد ألغينا الطريق الذي كان يصنع الخبراء.

الخطر الأكبر أن نمتلك المعرفة من دون أن نمتلك الفهم

هناك شيء أكثر عمقاً من الوظائف والأجور. نحن نفترض أن المهارة مجرد وسيلة لإنتاج نتيجة. لكن ماذا لو كانت عملية تعلم المهارة نفسها جزءاً من صناعة العقل؟ الرياضيات لا تعلمنا الوصول إلى الرقم فقط. البرمجة لا تعلمنا كتابة الكود فقط. الرسم لا يعلمنا إنتاج الصورة فقط. والكتابة لا تعلمنا تركيب الجمل فقط. هذه الأنشطة تعيد تشكيل طريقة رؤيتنا للمشكلة. الكتابة تعلم الإنسان أن يفكر لأن الفكرة الغامضة تنهار عندما يحاول تحويلها إلى جملة دقيقة.

الرياضيات تعلم التجريد. البرمجة تعلم تفكيك المشكلات. الرسم يعلم الملاحظة. والبحث يعلم الشك. ماذا يحدث عندما نستطيع الحصول على المنتج النهائي من دون المرور بالطريق الذي كان يصنع هذه القدرات داخلنا؟ قد نخلق طبقة واسعة من البشر الذين يمتلكون قدرات إنتاجية أكبر من مستوى فهمهم. شخص ينتج برنامجاً لا يستطيع تفسير بنيته. طالب يقدم حجة لم يبنها. مدير يتخذ قراراً بناء على تحليل لم يفهم افتراضاته. إنسان يستطيع أن يبدو خبيراً في عشرين مجالاً من دون أن يكون خبيراً في أي منها.

سيكون هذا الإنسان قوياً بصورة مذهلة. وهشاً بصورة مذهلة أيضاً.

لذلك فإن السؤال الحقيقي للتعليم قد تغير

لا يكفي أن تسأل المدارس والجامعات: كيف نمنع الطلاب من استخدام الذكاء الاصطناعي؟ هذا سؤال دفاعي. والتاريخ لا يتوقف لأن مؤسسة تعليمية قررت حظر أداة. السؤال الحقيقي هو: ماذا يجب أن يعرف الإنسان في عالم تستطيع فيه الآلة إنتاج الإجابة؟ كيف تستجوب الآلة؟ كيف تتحقق من مصادرها؟ كيف تكتشف افتراضاتها وأخطاءها وثقتها الزائفة؟ كيف تميّز بين إجابة تبدو مقنعة وإجابة صحيحة فعلاً؟ وكيف تستخدمها لتوسيع قدرتك، لا لاستبدال قدرتك على التفكير؟ ربما يصبح الطالب الأفضل مستقبلاً ليس من ينتج الإجابة الأسرع، بل من يستطيع أن يقول:

هذه الإجابة خاطئة. هذا الافتراض غير مبرر. هذه البيانات غير كافية. وهذا السؤال نفسه ليس السؤال الذي ينبغي أن نطرحه. في عالم مليء بالإجابات، يصبح السؤال الجيد شكلاً من أشكال رأس المال.

وماذا عن أبنائنا كيف سيكسبون قوت يومهم

هنا نصل إلى السؤال الذي يجعل كل النقاشات السابقة حقيقية. يمكن للفلاسفة أن يناقشوا «مستقبل الذكاء». لكن الأب والأم يريدان معرفة شيء أبسط: ماذا سيعمل أبناؤنا؟ إذا أصبحت الآلة تكتب وتبرمج وتصمم وتحلل، ثم أصبحت الروبوتات قادرة على تنفيذ مزيد من الأعمال الجسدية، فماذا سيبقى للإنسان؟ الإجابة الصادقة هي: لا أحد يعرف على وجه اليقين. ومن يخبرك اليوم بأنه يعرف أسماء أكثر الوظائف طلباً في عام 2050، يتنبأ بمجتمع لم يوجد بعد باستخدام مفردات اقتصاد موجود اليوم.

لكننا نستطيع رؤية شيء أهم من أسماء الوظائف. نستطيع رؤية مصادر القيمة.

ماذا لو صعد الذكاء الاصطناعي معنا كلما صعدنا

لدينا عادة طريقة مريحة للتعامل مع الأتمتة. كلما أخذت الآلة طبقة من العمل، نقول للإنسان: اصعد طبقة أعلى. الآلة تحسب؟ أنت حلّل. الآلة تكتب؟ أنت حرّر. الآلة تبرمج؟ أنت صمّم النظام. الآلة تصمم؟ أنت ضع الرؤية. الآلة تنتج؟ أنت اختر ما ينبغي إنتاجه. لكن ماذا لو كانت الآلة تصعد السلم نفسه؟ ماذا لو أصبحت جيدة في التحليل؟ ثم في تصميم الأنظمة؟ ثم في اقتراح الرؤية؟ ثم في مقارنة الرؤى؟ ثم في اكتشاف المشكلات التي تستحق الحل؟ ثم في اقتراح الاستراتيجية الاقتصادية والاجتماعية الأفضل للتعامل معها؟

عندها تتحول عبارة «انتقل إلى مهارات أعلى» إلى حل مؤقت، لا إجابة نهائية. نحن نفترض وجود طابق أخير في المبنى يسمى «الحكم البشري». لكن لا يكفي أن نحتاج إلى طابق أخير كي نضمن أن الذكاء الاصطناعي لن يدخله أيضاً. هذه احتمالات للمستقبل، وليست وصفاً لتفوق شامل تحقق بالفعل.

بل قد يكون أفضل منا في بعض أشكال الحكمة المهنية

لنفترض أنك رئيس شركة وتريد اتخاذ قرار استراتيجي. الإنسان الخبير يملك عشرين عاماً من الخبرة. لكن نظاماً مستقبلياً قد يستطيع قراءة تاريخ الشركة بالكامل، وتحليل المنافسين، ومتابعة الاقتصاد العالمي، ومحاكاة آلاف السيناريوهات، ودراسة ملايين القرارات التجارية السابقة، ثم مناقشتك لساعات بقدرة كبيرة على متابعة التحليل. لكن اتساع المعلومات لا يضمن صحة النتائج؛ فقد يخطئ النظام أو يعيد إنتاج تحيزات بياناته، وتحتاج توصياته إلى الاختبار.

لماذا نفترض أن «الاستراتيجية» ستظل بشريّة؟ خذ الطب. إذا أصبح النظام يعرف التاريخ الطبي للمريض، والأبحاث العلمية، والصور الطبية، والجينات، والاستجابات السابقة للعلاج، ويستطيع مقارنة الحالة بملايين الحالات الأخرى، فقد لا يكون دور الطبيب المستقبلي ببساطة أن «يصعد إلى التشخيص الأعلى». قد يصعد الذكاء الاصطناعي معه. الأمر نفسه يمكن أن يحدث للمحامي والمهندس والمحلل والمدرس والكاتب والمستشار. بل وحتى للفيلسوف. يمكن للآلة أن تقول للإنسان:

أنت لا تطرح السؤال الصحيح أصلاً. وهنا تبدأ المشكلة الحقيقية.

القدرة على الحكم لا تمنح وحدها حق الحكم

حتى تحديد ما هو قيّم له أكثر من معنى. قد يتنبأ النظام بما سيشتريه الناس، ويقارن آثار السياسات، وينقد تناقضات قيمنا. لكن معرفة ما يفضله الناس لا تمنح وحدها حق تقرير ما ينبغي أن يعيشوا من أجله. ومن يتحمل آثار القرار له حق المشاركة فيه، حتى إذا لم يكن أفضل من الآلة في حساب نتائجه. يمكن الاعتراض بأن الإنسان يعيش التجربة ويتحمل المسؤولية، بينما لا تعيشها الآلة بالطريقة نفسها. هذا فارق مهم، لكنه لا يثبت أنها عاجزة عن تقديم توصية أفضل. كما أن بقاء مسؤولية الإنسان القانونية لا يضمن بقاء عدد الوظائف أو أجورها. ينبغي الفصل بين جودة التوصية وشرعية القرار، وبين الحاجة إلى الإشراف والحاجة إلى ملايين العاملين.

وقد تساعد الآلة في اقتراح الأهداف نفسها. هذا لا يعفينا من السؤال: من وضع معايير الاختيار، ومن يستطيع الاعتراض عليها، ومن يملك تعديلها؟ المشاركة البشرية حق يتعلق بتقرير المصير، وليست جائزة تُمنح لمن يتفوق في اختبار الذكاء.

إذن هل سينتهي بنا الأمر جميعاً إلى الفلاحة وتنسيق الزهور

حتى هذا الملاذ ليس مضموناً! فالأتمتة قد تتقدم في الزراعة والحصاد ومراقبة التربة، وإن كانت تكلفة الروبوتات وتعقيدات العالم المادي قد تبطئ انتشارها. ونظام رؤية حاسوبية مقترن بذراع روبوتية قد يستطيع أيضاً تنسيق الزهور. المشكلة ليست البحث عن قائمة صغيرة من الأعمال التي «لن يستطيع الروبوت القيام بها». هذه طريقة تفكير ستجعل الإنسان ينسحب باستمرار إلى آخر متر لم تصل إليه الآلة بعد. والأهم أن هناك فرقاً بين ثلاثة أشياء كثيراً ما نخلط بينها:

القدرة، والقيمة، والدخل. قد يستطيع الذكاء الاصطناعي القيام بعمل ما، ومع ذلك نفضل أن يقوم به إنسان. وقد يكون الإنسان ذا قيمة اجتماعية هائلة، من دون أن يستطيع السوق تحويل هذه القيمة إلى دخل جيد. وقد ينتج الذكاء الاصطناعي قيمة اقتصادية هائلة من دون أن يعني ذلك أن البشر سيحصلون على نصيب منها. وهذه النقطة الأخيرة هي الأخطر.

المشكلة النهائية قد لا تكون ما الوظائف التي ستبقى

بل: لماذا يجب أن يحتاج الإنسان إلى التفوق على آلة لكي يستحق دخلاً؟ هذا سؤال مختلف جذرياً. تخيل أن الذكاء الاصطناعي والروبوتات أصبحا قادرين بالفعل على إنتاج نسبة هائلة من الطعام والطاقة والبرمجيات والخدمات والتصميم والتحليل والتعليم. لدينا عندها احتمالان. الأول أن نقول: الآلة تستطيع إنتاج معظم القيمة، وبالتالي معظم البشر لم يعودوا مطلوبين اقتصادياً. ومن يملك الآلات يملك الإنتاج، ومن لا يملك شيئاً عليه أن يجد أي عمل متبقٍ كي يعيش.

وهذا يمكن أن ينتج عالماً شديد الثراء تقنياً وشديد القسوة اجتماعياً. لكن هناك احتمال ثانٍ: أن نقول إننا نجحنا للمرة الأولى في التاريخ في فصل إنتاج الثروة عن كمية العمل البشري اللازمة لإنتاجها. وعندها يصبح السؤال السياسي: كيف يمتلك المجتمع نصيباً من رأس المال الاصطناعي الذي ينتج هذه الوفرة؟ هنا يصبح النقاش حول ملكية الذكاء الاصطناعي أهم من النقاش حول تعلم الـprompting.

حين تتصدع الصفقة بين العمل والدخل

منذ قرون، قامت جوانب واسعة من الصفقة الاجتماعية الحديثة على افتراض بسيط: يمنح الإنسان المجتمع عمله، ويحصل في المقابل على دخل يتيح له أن يعيش. لم تشمل هذه الصفقة الجميع بعدل، ولم يكن العمل المصدر الوحيد للدخل، لكنها ظلت وعداً مركزياً في التعليم والطموح والحراك الاجتماعي. ماذا يحدث إذا احتاج الاقتصاد إلى جهد بشري أقل بكثير كي ينتج أكثر بكثير؟ ليست هذه مسألة بطالة فقط. إنها تمس البنية التي ربطنا من خلالها العمل بالدخل، والدخل بالكرامة، والوظيفة بالمكانة الاجتماعية، والمهنة بالهوية الشخصية.

قد تظهر أعمال جديدة، وقد نعمل ساعات أقل، وقد يتسع الطلب على خدمات لم نتصورها. لكن لا شيء يضمن أن يحصل على الفرص الجديدة الأشخاص الذين فقدوا أعمالهم، في الوقت المناسب وبالأجر نفسه. بين المكسب الجماعي والخسارة الفردية قد تمتد سنوات كاملة من حياة إنسان.

من يملك الثروة التي تنتجها الآلات

إذا أصبحت شركة تنتج أكثر بموظفين أقل، فقد أصبحنا نظرياً أكثر ثراء. لكن من هو «نحن»؟ نمو الثروة الإجمالية لا يضمن وصولها إلى من تراجعت قدرتهم التفاوضية. كما أن وفرة البرمجيات لا تلغي ندرة السكن والأرض والطاقة، ولا تضمن انخفاض أسعار الضروريات إذا بقيت ملكيتها مركزة. هناك مسارات يمكن بحثها: توسيع ملكية العاملين والمواطنين في الأصول المنتجة، وصناديق عامة أو اجتماعية تستثمر وتوزع عوائد، وخدمات أساسية تمول من مكاسب الإنتاجية، وسياسات تمنع الاحتكار وتوسع الوصول إلى الأدوات. ويمكن أيضاً تقليل ساعات العمل أو دعم الانتقال بين المهن أو توفير أرضية دخل لا تنهار مع فقد الوظيفة.

هذه خيارات للنقاش وليست وصفة مضمونة. لكل منها مشكلات تمويل وحوكمة وحوافز وتوزيع. الصندوق قد يُساء إدارته، والتحويل النقدي قد يفقد أثره إذا ارتفعت أسعار السكن والخدمات. المطلوب مؤسسات قابلة للمساءلة، لا إعلان أن الوفرة ستصل إلى الجميع. كما ينبغي ألا يتحول الدخل إلى منحة مشروطة بالطاعة لمن يملك الأنظمة. الاستقلال يعني حقوقاً وصوتاً وقدرة على الاعتراض، لا القدرة على الاستهلاك فقط. قد يقلل الاقتصاد شديد الأتمتة حاجة رأس المال إلى العمل البشري؛ وعندها تزداد أهمية ألا تقل معها قدرة البشر على التأثير في قواعد حياتهم.

المبادرة ليست جواباً يكفي الجميع

قد تخفض الأدوات تكلفة إنشاء مشروع، فيستطيع فرد بناء منتج كان يحتاج إلى فريق. هذا احتمال يستحق التشجيع. لكنه لا يجعل ريادة الأعمال شبكة أمان عامة. ليس كل إنسان راغباً في تحمل مخاطرها، ولا يملك الجميع الوقت أو المال أو الصحة أو العلاقات اللازمة. وإذا أصبحت الأدوات متاحة للجميع، فقد تشتد المنافسة وتتراجع الأرباح، فيما تحتفظ المنصات بقدرة التحكم في الوصول إلى العملاء. لا يصح أن نقول للعامل الذي فقد أجره إن خلاصه الوحيد أن يصبح صاحب شركة. المجتمع يحتاج إلى مساحة يعيش فيها الإنسان العادي بكرامة، من دون امتحان دائم في العبقرية أو الجرأة أو القدرة على تسويق نفسه.

ربما القيمة الجديدة للإنسان ليست مهارة أصلاً

كلما أخذ الذكاء الاصطناعي مهارة، نحاول العثور على مهارة بشرية أعلى منها. لكن ربما هذا التفكير نفسه خاطئ. نحن نحاول إثبات حق الإنسان في الوجود الاقتصادي من خلال تفوقه الإنتاجي. لماذا؟ إذا صنعنا آلات تتفوق علينا في معظم أشكال الإنتاج، فهذا لا يعني أن الإنسان أصبح بلا قيمة. إنه يعني فقط أن الإنتاج لم يعد مقياساً كافياً لقيمة الإنسان. طفلك لا يحتاج إلى أن يكون أكثر إنتاجية منك حتى يكون ذا قيمة بالنسبة إليك. والصديق لا تكون قيمته لأنه يقدم خدمة أرخص من روبوت.

والموسيقي الذي تريد مشاهدة حفله قد لا يكون «أفضل مولّد للموسيقى» في العالم. والإنسان الذي يلعب الشطرنج ليس عديم القيمة لأن الحاسوب يهزمه. هنا نصل إلى تحول فلسفي أكبر بكثير من مستقبل الوظائف: ربما سيجبرنا الذكاء الاصطناعي على الفصل بين القيمة الاقتصادية للإنسان وقيمته الإنسانية. لقد ربط المجتمع الحديث الاثنين بقوة شديدة. نسأل الشخص: ماذا تعمل؟ ثم نستنتج بصورة شبه لا واعية شيئاً عن مكانته، ودخله، ونجاحه، وأحياناً حتى عن قيمته.

قد يصبح هذا الربط غير قابل للاستمرار.

لكن هذا لا يعني حياة جميلة تلقائياً

يمكن للمرء أن يرسم صورة رومانسية: الروبوتات تعمل، والذكاء الاصطناعي يفكر، والبشر يقرؤون ويرسمون ويسافرون ويحبون ويزرعون الحدائق. لكن هذه ليست نتيجة تكنولوجية. إنها نتيجة سياسية محتملة. هناك سيناريو آخر: عدد صغير يمتلك رأس المال الاصطناعي، ويستحوذ على معظم الإنتاجية، بينما يعيش الآخرون على خدمات منخفضة الأجر أو تحويلات حكومية، وقد يفقدون ليس فقط الدخل وإنما الإحساس بأن المجتمع يحتاج إليهم. وهنا تظهر مشكلة لا يحلها الدخل الأساسي وحده:

المعنى. العمل ليس راتباً فقط. إنه أيضاً بنية لليوم. مكانة. علاقات اجتماعية. إحساس بالكفاءة. وشعور بأن شخصاً آخر يحتاج إلى ما تستطيع فعله. يمكن أن نعطي الإنسان المال ونتركه مع أزمة وجودية ضخمة: إذا كانت الآلة لا تحتاج إليّ، والمجتمع لا يحتاج إلى عملي، فما دوري؟ قد تكون هذه من أصعب تبعات البطالة نفسها. لا يتطلب المعنى أن تكون مساهمتنا مستحيلة على الآلة. الرعاية والصداقة والمشاركة في الحي والفن والرياضة والتعلّم يمكن أن تحمل معنى لأنها أفعال نختارها ونعيشها مع آخرين. نحتاج إلى مؤسسات تتيح المشاركة والاعتراف خارج الوظيفة، وإلى مساحات عامة ومجتمعات تعلّم وفرص ثقافة وقرار محلي. لكن لا ينبغي فرض هواية على الناس كتعويض عن استبعادهم، أو جعل المشاركة اختباراً جديداً لاستحقاق الدعم. المعنى يحتاج إلى حرية ووقت وعلاقات، ولا تنتجه موعظة لمن يعيش في القلق.

وربما سيظهر اقتصاد غريب اقتصاد الإنسان

كلما أصبح الاصطناعي وفيراً، قد ندفع في بعض المجالات تحديداً مقابل أن يكون الشيء بشرياً. ليس لأنه أفضل تقنياً. بل لأنه بشري. مباراة بين البشر رغم أن الروبوت قد يلعب أفضل. لوحة رسمها إنسان رغم أن الآلة تستطيع توليد لوحة أجمل. مطعم يطبخ فيه إنسان. معلم بشري. حفل موسيقي حي. أثاث مصنوع يدوياً. مزرعة يديرها أشخاص. وربما نعم — حتى تنسيق الزهور. لكن عندها لا يكون تنسيق الزهور «بقايا العمل الذي عجز الذكاء الاصطناعي عن أخذه». بل يصبح شيئاً مختلفاً:

نحن ندفع مقابل أثر الإنسان نفسه. مثلما ندفع اليوم أكثر أحياناً لشيء مصنوع يدوياً رغم أن المصنع يستطيع إنتاجه بدقة أعلى وسعر أقل. وهذه مفارقة جميلة وغريبة: كلما أصبح الاصطناعي أرخص وأكثر كمالاً، قد تصبح بعض أشكال النقص البشري والأصالة البشرية سلعة فاخرة. لكن هذا أيضاً لن يوفر بالضرورة دخلاً لمليارات البشر. ولهذا نعود مرة أخرى إلى الملكية والتوزيع. لا ينبغي أن يُطلب من الجميع تحويل حياتهم وشخصياتهم إلى منتجات قابلة للبيع كي يستحقوا الأمان.

ماذا نعلّم أبناءنا إذن

ربما يكون خطأ كبيراً أن نخمن «المهنة الآمنة» ثم نوجه أبناءنا إليها كما لو أنها حصن دائم. نحتاج إلى أساس معرفي وقدرة على استخدام الأدوات وفهم حدودها، مع الاستعداد لتغير المسارات المهنية. لكن علينا ألا نبيع لهم وعداً بأن مهارة بعينها ستحميهم إلى الأبد. علّم ابنك الرياضيات، لكن لا تجعله آلة حاسبة بشرية. علّمه البرمجة كي يفهم الأنظمة ويستطيع مساءلتها. علّمه اللغات كي يفهم البشر والثقافات. وعلّمه الكتابة لأن صياغة الفكرة تساعده على امتلاكها، حتى عندما تستطيع الآلة إنتاج نص أكثر بلاغة.

علّمه التحقق من المصادر والاعتراف بعدم المعرفة، والعمل مع الآخرين، وفهم الحقوق والمؤسسات والمال والملكية. ليست هذه قائمة بمناطق يستحيل على الآلة دخولها. إنها أدوات للاستقلال والمشاركة وحياة أوسع من التنافس على الأجر. وعلّمه أنه لا يفقد حقه في الاحترام إذا لم يصبح استثنائياً. مطالبة الأطفال بالمرونة لا تعفينا من بناء عالم يمكن أن يعيشوا فيه. التعليم يهيئ الفرد، والسياسة تحدد شروط مشاركته؛ ولا يستطيع الأول وحده إصلاح إخفاق الثانية.

السؤال الذي لا ينبغي أن نتهرب منه

ليس: ما المهارات التي ينبغي أن نعلمها لأبنائنا حتى يظلوا أفضل من الذكاء الاصطناعي؟ بل: ماذا لو لم يظلوا أفضل منه؟ هل بنينا نظاماً اقتصادياً لا يستطيع فيه الإنسان أن يعيش بكرامة إلا إذا استطاع إثبات تفوقه الإنتاجي على الآلة؟ إذا كان الأمر كذلك، فالمشكلة ليست أن الذكاء الاصطناعي أصبح قوياً جداً. المشكلة أن تصورنا لقيمة الإنسان كان ضيقاً جداً منذ البداية. وربما تكون الثورة الحقيقية التي سيجبرنا الذكاء الاصطناعي عليها ليست ثورة في سوق العمل.

بل ثورة في تعريفنا للعمل، والملكية، والاستحقاق، والنجاح، وحتى معنى أن يكون الإنسان «نافعاً». طويلاً سألنا: ماذا يستطيع الإنسان أن يفعل؟ ثم أصبح السؤال: ماذا يستطيع الإنسان أن يفعل أفضل من الآلة؟ لكن إذا استمرت الآلة في الصعود، فقد نصل أخيراً إلى السؤال الذي حاولنا تجنبه:

لماذا يجب على الإنسان أن يكون أفضل من الآلة في أي شيء حتى يستحق مكاناً كريماً في العالم الذي صنعها؟

For generations, we have offered children a reassuring bargain: learn something valuable, become good at it, and the world will make room for you. Study hard. Master a profession. Acquire expertise that other people need. Your competence will become your security.

Artificial intelligence forces us to examine that bargain more closely. What happens when an ability remains useful, but the ability to supply it becomes abundant? And what happens if machines become better at the very capacities we offer as humanity's next refuge: judgment, strategy, creativity, asking questions, and deciding what deserves to be done?

This is not a prediction that every job will disappear or that AI already surpasses people in every field. It is a question about the foundations of security and dignity. If our answer to automation is always that people must move to a higher level, we need to consider what happens when the machine climbs with them.

The machine only has to be good enough

Debates about AI often begin with the wrong threshold. Can it outperform the best programmer? Can it write a great novel? Can it replace an exceptional designer?

Much of the economy does not require the best performance in the world. It requires an acceptable result, delivered quickly, at an acceptable cost. A small business commissioning an advertisement may need a competent design rather than a masterpiece. An internal software tool may need to solve a narrow problem rather than demonstrate extraordinary engineering.

The relevant comparison includes mistakes, review, reliability, and the consequences of failure. In some settings, those costs make automation unattractive. In others, a cheaper adequate result can be enough to change what customers are willing to pay.

For decades, ordinary competence sustained a large part of the knowledge economy. A good writer, translator, accountant, or analyst did not need to be a genius. Knowing something the customer could not easily do was sufficient.

Now the customer may have another option. The question becomes whether a person using AI can obtain a sufficient result for a fraction of the previous cost. A profession does not have to vanish for its fees, bargaining power, or opportunities for newcomers to decline.

What the market does not repay

A skill has at least two kinds of value. It can enrich the person who learns it, and it can command a price from someone who needs it. Those values do not necessarily rise and fall together.

You might spend ten years mastering an ability, only to see a new tool make parts of its output widely available. The learning may remain intellectually and personally valuable. But the market does not reimburse the years you invested. It pays according to present demand, scarcity, competition, and the conditions under which you can reach customers.

AI matters because its effects can extend across many ways of turning knowledge into outputs: writing, coding, translation, design, analysis, and planning. That breadth creates the possibility of several professional markets changing at once.

Cheaper production can also create demand and make previously impractical projects possible. Automating a task does not establish that a whole occupation will disappear. Yet new opportunities need not arrive for the same people, in the same places, at comparable wages. An economy can adjust successfully while individual lives are disrupted for years.

Abundant output and scarce attention

Imagine that producing reports, images, applications, and videos becomes dramatically easier. Our ability to consume them does not expand at the same rate. We cannot read a hundred times as much merely because a hundred times as much can be written.

The bottleneck may shift from production toward attention, trust, distribution, and verification. More plausible content does not necessarily mean more reliable knowledge. It may mean more work distinguishing something useful from something merely convincing.

This encourages an appealing response: stop competing over who can produce an output and compete over who knows which output matters. When a million things could be made, identify the one worth making.

That advice can be useful. But it contains an assumption that deserves scrutiny. Why should selecting the valuable thing remain a protected human activity if the machine can also compare alternatives, predict demand, criticize ideas, and recommend priorities?

More capable individuals can still be less secure

AI can give an individual access to capacities that once required a team. Someone with an idea can build a prototype. Someone unable to draw can explore visual concepts. A small organization can attempt work that previously exceeded its budget.

This is a real expansion of opportunity. It also produces an economic paradox: an ability becomes less distinctive as access to it spreads.

If many people can produce an attractive image, the image alone may no longer secure attention or a sale. If building an application becomes easier, competition shifts toward the problem it solves, its reliability, its users, and the channels through which it reaches them.

The same tools may help beginners catch up, amplify experts, or strengthen firms that already possess capital and distribution. Different markets can produce different outcomes. We should resist both the promise that everyone will become equal and the assumption that only a tiny elite will benefit.

But we should take one danger seriously: a society cannot offer general security by telling everyone to become exceptional. Being exceptional is a relative position. Most people need a viable life without belonging to the small group at the top.

The missing first rung

Every expert was once a beginner. Junior programmers solved small problems. Lawyers reviewed documents. Reporters covered routine stories. Those tasks produced immediate value, but they also provided paid practice.

If one experienced professional using AI can do work previously assigned to several beginners, reducing the team may appear rational. The delayed question is where the next generation of experienced professionals will come from.

Removing routine work can also remove the route through which people acquire judgment. Expertise develops through contact with details, mistakes, feedback, and progressively greater responsibility. Receiving a finished answer is not the same as learning to recognize why it is right.

AI could support better training through simulation, explanation, and feedback. But that outcome requires deliberate institutional choices. Employers and educators must preserve meaningful opportunities to practice, rather than treating learning as a private problem for people who cannot obtain their first job.

Outputs without understanding

A skill does more than produce a result. Learning it changes how we think.

Writing exposes a vague idea when we try to turn it into a precise sentence. Mathematics develops abstraction. Programming teaches us to break a problem into parts. Drawing trains observation. Research teaches us to test what appears plausible.

When the finished output becomes available without that process, a gap can open between productive capacity and understanding. A person can generate software without understanding its structure. A student can submit an argument they cannot defend. A manager can rely on an analysis without grasping its assumptions.

That person may be more powerful and more dependent at the same time.

Education therefore remains important even when a skill loses some of its market premium. We need knowledge to understand our surroundings, exercise judgment, and participate in decisions. This is not a guarantee that an educated person will outperform a machine. It is a reason to develop a mind even when a more capable tool is available.

What if AI climbs the same ladder

Our familiar response to automation is to send people upward. If the machine calculates, you analyze. If it writes, you edit. If it codes, you design the system. If it designs, you establish the vision. If it produces, you decide what should be produced.

But what if the machine moves upward too?

What if it becomes better at analysis, system design, strategic comparison, and identifying promising problems? What if it proposes a better vision, explains the weaknesses in yours, and asks a question you had not considered?

Then moving up the abstraction ladder is a transitional strategy for some workers, rather than a complete answer for society.

We often imagine a final floor called human judgment. Our need for that floor to remain exclusively human does not establish that it will. The same applies to creativity and philosophical reflection. An AI system can help write an argument about human value, criticize it, and suggest a more compelling alternative. We cannot use that assistance and simply declare that thinking is the activity machines will always leave to us.

Comprehensive superiority is uncertain. But uncertainty gives us a reason to build institutions that can accommodate different outcomes. It does not justify making human dignity depend on the machine permanently losing a particular contest.

Better advice and the right to decide

Consider a future system that can examine a company's history, compare competitors, model possible decisions, and uncover assumptions that its leaders have overlooked. Why assume that strategy must remain a human advantage?

The system might be wrong, biased, or unreliable. Access to more information does not guarantee sound conclusions. But if its advice became more consistently useful, insisting that people remain superior strategists would not make it so.

The challenge can extend to values. A system might predict what people will buy, compare the consequences of policies, or expose inconsistencies in our moral arguments. It might even help us revise the goals we pursue.

Yet giving good advice and possessing legitimate authority are different things. People affected by a decision have a claim to participate in it even when they cannot calculate its consequences better than a machine.

Who selected the criteria? Whose interests do they represent? Who can challenge a recommendation or change the objective? These questions concern self-government and accountability.

Human participation should not depend on winning an intelligence test. Nor should we confuse continued human legal responsibility with a guarantee of abundant employment. A small number of accountable supervisors could oversee a large volume of automated work. Responsibility matters, but it is not a sufficient economic shelter for everyone.

Is ordinary life reduced to farming and arranging flowers

The joke contains a serious fear: that the future becomes a small club for owners and exceptional performers, while everyone else retreats into the remaining tasks machines have not yet made cheaper.

Even that refuge is uncertain. Automation may advance in agriculture and other physical work, although robotics costs and the complexities of the physical world can slow its spread.

Farming and arranging flowers are valuable activities. The problem is being forced into them because survival depends on finding the last task a machine cannot perform at a lower price.

We need to distinguish capability, value, and income. A machine may be able to perform an activity that people still prefer a human to undertake. A person may contribute enormous social value without receiving a sufficient wage. An automated system may generate great wealth without giving displaced workers any share of it.

The ability to produce something does not settle who benefits from its production.

The bargain between work and income

Much of modern social life has rested on an implicit bargain: contribute your labor and receive the means to live. This bargain has never included everyone fairly. Ownership has always provided another route to income. Still, paid work has served as a central promise linking education, effort, and social mobility.

What happens if the economy needs much less human labor to produce much more?

The issue reaches beyond unemployment. We have connected work to income, income to dignity, occupation to status, and profession to personal identity. A change in the demand for labor can disturb all of those relationships.

New occupations might appear. Working hours might fall. Lower prices might broaden access to goods and services. But none of those possibilities guarantees that the people whose bargaining power declines will receive a fair share of the gains.

Nor does abundant software eliminate scarcity in housing, land, energy, or other necessities. A world can produce some things very cheaply while remaining expensive to inhabit.

The question is whether access to prosperity must remain almost entirely dependent on selling labor, even as technology reduces the amount of labor prosperity requires.

Who owns what the machines produce

Suppose a business produces more with fewer employees. In aggregate, we may have become richer. But who is included in that “we”?

If the gains flow mainly to those who own models, platforms, infrastructure, and complementary assets, rising productivity can coexist with declining security for everyone else.

Ownership then becomes a central issue. Learning to use AI may improve an individual's prospects. It does not by itself establish a claim on the returns from an automated economy.

Possible responses include broader employee or citizen ownership of productive assets, public or social investment funds, shared services financed from productivity gains, competition policies, and wider access to tools. Shorter working hours, support during occupational transitions, or a floor beneath income could also form part of a response.

These are choices to examine, not a guaranteed formula. Each raises questions about funding, incentives, governance, and fairness. Funds can be mismanaged. Transfers can lose purchasing power when essential services remain expensive. Public ownership can concentrate authority as well as distribute returns.

The aim should be accountable institutions through which people hold durable claims, rather than a promise that abundance will eventually trickle through.

Security also requires a voice. If livelihoods become dependent on a small number of organizations that own productive systems, access to income should not become conditional on obedience to them. Freedom includes the ability to object, organize, and influence the rules under which one lives.

Entrepreneurship cannot be everyone's safety net

Cheaper tools can lower the cost of starting a business. That is worth encouraging. But entrepreneurship requires a tolerance for risk, access to time and resources, and some way to reach customers. Not everyone has those advantages or wants that life.

If everyone can launch a product easily, competition can become fiercer and margins smaller. Platforms may still control discovery and capture much of the value.

We cannot tell every displaced employee that their only acceptable response is to become a founder. A workable society must make room for ordinary people who are competent, caring, or simply trying to live, without requiring permanent self-promotion or extraordinary commercial success.

Human worth may never have been a skill

Whenever AI takes over a capability, we search for a higher human capability. Perhaps the deeper problem lies in the requirement itself.

Why must a person prove superior productivity to justify a dignified life?

Your child does not have to produce more than you to matter to you. A friendship is not valuable because a friend supplies a service more cheaply than a robot. Someone who plays chess does not become worthless when a computer can defeat them.

If we build machines that outperform us in many productive activities, the conclusion need not be that people have lost their value. It may be that productivity was never an adequate measure of human worth.

That distinction has always mattered to children, older people, people with disabilities, unpaid caregivers, and anyone whose contribution does not fit a market price. AI could make the weakness of that price as a universal moral standard harder to ignore.

But acknowledging dignity in words is insufficient if food, housing, and care remain contingent on work that is no longer available. Human worth must have institutional consequences. Otherwise, we affirm it ceremonially while denying the conditions needed to live it.

Meaning after the job

It is easy to imagine a pleasant future in which machines work and people read, travel, paint, love, and cultivate gardens. That future is a possible social achievement. Technology alone does not deliver it.

Even sufficient income would leave a difficult question. Work organizes time, creates relationships, offers recognition, and gives people an experience of competence. Losing a job can mean losing all of those things.

We can provide money and still leave someone asking: if no one needs my labor, what is my place?

A meaningful contribution does not have to be something a machine could never perform. Caring for someone, learning a craft, participating in a neighborhood, making art, or playing a sport can matter because of the relationships and experiences involved.

A person need not be the best possible performer for their participation to have significance.

This requires more than telling displaced people to find a hobby. Communities need spaces for learning, culture, care, and shared decisions. People need time, material security, and freedom to choose how they participate. Participation should not become another test they must pass to qualify for support.

Meaning cannot be assigned as compensation for exclusion. It grows where people can belong, act, and be recognized.

A possible economy of human authenticity

As synthetic production becomes abundant, some people may pay specifically for a human source: a painting connected to an artist's life, a live performance, handmade furniture, a meal prepared by someone they know.

In such cases, buyers value the relationship, history, and experience as well as the finished result. A contest between human players can remain compelling even if a computer would beat them.

Flower arranging might belong here too. It would be an activity chosen for its human presence, rather than merely a leftover task that automation failed to capture.

This could sustain some livelihoods. It is not a secure answer for billions of people. Authenticity may become a luxury. Celebrity and platforms may capture the largest returns. Some consumers may prefer convincing artificial substitutes, and verifying human authorship may become difficult.

A human economy is a possible source of demand. It does not remove the need to address ownership and distribution. People should not have to turn their personalities and private lives into marketable products to deserve security.

What we should teach our children

Trying to identify a permanently safe profession may be the wrong starting point. Children need sound knowledge, practical familiarity with tools, and the ability to learn as circumstances change. They also deserve honesty about how much remains uncertain.

Teach mathematics without reducing the child to a human calculator. Teach programming so they can understand systems and question their behavior. Teach languages to open access to people and cultures. Teach writing because expressing a thought helps make it their own, even when a machine can phrase it more elegantly.

Teach them to examine evidence, admit uncertainty, collaborate, and understand rights, institutions, money, and ownership. These are foundations for agency and participation. They are not a list of activities machines are guaranteed never to perform.

Above all, teach them that respect is not something they forfeit by failing to be exceptional.

Education prepares individuals. Institutions determine the conditions under which those individuals live. Asking children to become adaptable does not excuse adults from building a world in which adaptation is possible and failure is survivable.

The question we cannot keep avoiding

AI may never surpass people in every domain. Work may remain central, and opportunities we cannot currently imagine may emerge. But we do not need certainty about the distant future to question a system that makes security and respect depend so heavily on market demand for a person's abilities.

If the machine keeps climbing, our entire response cannot be to demand that humans climb faster. If it asks better questions and offers more persuasive judgments, our right to dignity cannot depend on discovering one more weakness in its performance.

The real test is whether greater productive capacity expands human freedom or raises the threshold people must cross to deserve a place in society.

For a long time, we asked what a person could do. Then we asked what a person could do better than a machine. Perhaps the next question should concern the premise behind that competition.

Why should human beings have to outperform machines at anything in order to deserve a dignified place in the world they created?