في عالمنا المتسارع، يلعب [الذكاء الاصطناعي التوليدي](/tag/الذكاء-الاصطناعي-التوليدي) (Generative [AI](/tag/ai)) دوراً محورياً في كيفية إنشاء [الشركات](/tag/الشركات) وتطبيق [المعرفة](/tag/المعرفة). ومع ذلك، يظل تأثيره المتفاوت على [الإنتاجية](/tag/الإنتاجية) بين المستخدمين عازفاً على أوتار الاستفهام. أجرت [دراسة](/tag/دراسة) مثيرة تجربة عشوائية، حيث تم تكليف المشاركين، الذين يُعتبرون نظير مستخدمين مبتدئين في مجالات المعرفة، بالدراسة الذاتية لمجال تقني باستخدام موارد تقليدية أو مساعدة من [نماذج لغوية كبيرة](/tag/[نماذج](/tag/نماذج)-لغوية-كبيرة) ([LLM](/tag/llm)).

أظهرت النتائج بشكل مفاجئ أن الوصول إلى GenAI زاد بشكل كبير من [أداء](/tag/أداء) المهام، لكن تلك الزيادة كانت غير متساوية. لم يكن التحصيل الأكاديمي (GPA) أو [المعرفة](/tag/المعرفة) السابقة مؤشرات موثوقة للتحسن، بل كان الأمر يعتمد على ما يُعرف بكفاءة [التفاعل](/tag/التفاعل) مع [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) ([AI](/tag/ai) Interaction Competence - AIC) — المهارة في استنباط، وتصنيف، والتحقق من مخرجات النموذج.

وجد الباحثون أن المشاركين ذوي [الكفاءة](/tag/الكفاءة) العالية في [تفاعل الذكاء الاصطناعي](/tag/[تفاعل](/tag/تفاعل)-الذكاء-الاصطناعي) حققوا مكاسب كبيرة، بينما أولئك ذوو [الكفاءة](/tag/الكفاءة) المنخفضة واجهوا عوائد محدودة أو حتى سلبية. وقد أثبتت [تدخلات](/tag/تدخلات) التحسين، مثل [الخرائط](/tag/الخرائط) المفاهيمية، فعاليتها في تقليل تباين النتائج، مما يشير إلى أن إنشاء سير [عمل](/tag/عمل) موحدة يمكن أن يخفف من عدم المساواة في [الأداء](/tag/الأداء) المدعوم بالذكاء الاصطناعي.

عند تأمل هذه النتائج، نرى أن [الذكاء الاصطناعي التوليدي](/tag/الذكاء-الاصطناعي-التوليدي) يزيد من متوسط الإنتاجية، لكنه يحمل في طياته جانباً جديداً من عدم المساواة في القدرات. من منظور إداري، يُنصح بأن تتبنى [الشركات](/tag/الشركات) الوصول إلى GenAI مع [برامج](/tag/برامج) [تدريب](/tag/تدريب) قصيرة لتحسين [مهارات](/tag/مهارات) AIC وإجراءات تشغيل بسيطة لضمان القيمة المتسقة وتجنب تفاوت النتائج.