العودة إلى المكتبة

سؤال رئيسي جديد

معالج بالذكاء الاصطناعي · معتمد من المؤلف

كيف ومتى يعتمد الموظفون على روبوتات الدردشة التوليدية للتعامل مع المهام الذهنية في العمل؟

Thinking with Chatbots: Cognitive Offloading in Human–GenAI Interaction at Work
Jacopo Valentini, Haiat Perozzo, Aurelio Ravarini · International Conference on Information Systems (ICIS) · 2026
رسم توضيحي لـ: كيف ومتى يعتمد الموظفون على روبوتات الدردشة التوليدية للتعامل مع المهام الذهنية في العمل؟

يُحمّل مشغل Spotify؛ قد تستخدم Spotify ملفات تعريف الارتباط. يتذكر هذا الجهاز اختيارك.

أبرز النتائج

  • يحدد أربعة استخدامات رئيسية لروبوتات الدردشة التوليدية في مكان العمل: إعداد المخرجات المكتوبة، وتنظيم المعلومات المتعلقة بالمهام، واسترجاع المعلومات أو تدقيقها، ومقارنة البدائل قبل اتخاذ الإجراءات.
  • يطور إطار عمل يوضح أن التفريغ المعرفي يتشكل وفق بعدين: الجهد الذهني المدرك وكفاية المعرفة المدركة.
  • يحدد أربعة أنماط متميزة للتفريغ: تفريغ المخرجات الروتينية (جهد منخفض، معرفة عالية)، وتفريغ الفجوة المعرفية (جهد منخفض، معرفة منخفضة)، وتفريغ حل الغموض (جهد عالٍ، معرفة منخفضة)، والتفريغ الموجه نحو التعزيز (جهد عالٍ، معرفة عالية).
  • يتوصل إلى أن العاملين ينتقلون من مجرد تقليص الأعباء المعرفية المنفصلة إلى إعادة توزيع الجهد عبر مكونات أوسع للمهام، بما في ذلك إصدار الأحكام وتقييم القرارات.
  • يسلط الضوء على مخاطر تنظيمية محددة عندما يعمل الموظفون في ظل انخفاض كفاية المعرفة، حيث يكونون أقل قدرة على التحقق النقدي من الإجابات الناتجة عن الذكاء الاصطناعي.

ماذا يعني ذلك بالنسبة لك

مدير تقنية المعلومات التنفيذي / مسؤول تنفيذي

Establish an organizational risk framework that specifically flags ambiguity-resolution and knowledge-gap offloading as high-risk zones requiring mandatory human verification steps.

مدير تقنية المعلومات

Conduct a team-wide audit of daily GenAI chatbot prompts to categorize current usage into the four offloading modes identified in the research.

مخطط استراتيجي للأعمال

Redesign high-stakes decision workflows to ensure employees retain active judgment rather than passively accepting chatbot-generated alternative comparisons.

باحث

Design a longitudinal study to measure the long-term impact of augmentation-oriented offloading on professional domain expertise and critical thinking skills.

صانع سياسات

Draft guidelines requiring organizations to implement mandatory validation protocols whenever employees use GenAI tools under conditions of low knowledge sufficiency.

الملخص

تبحث هذه الدراسة في كيفية دمج الموظفين لروبوتات الدردشة القائمة على الذكاء الاصطناعي التوليدي في عملهم المعرفي اليومي وعمليات اتخاذ القرار. أجرى المؤلفون تحليلاً موضوعياً نوعياً استقرائياً استناداً إلى 20 مقابلة شبه منظمة مع مهنيين عبر أدوار ومجالات وظيفية متنوعة.

المشكلة

في حين تعمل الأدوات الرقمية التقليدية أساساً على تفريغ المهام ذات المستوى الأدنى مثل التذكر أو الحساب، تستطيع روبوتات الدردشة التوليدية صياغة الحجج وتلخيص المحتوى والتوصية بالإجراءات. ومع ذلك، تفتقر المؤسسات إلى فهم الظروف المحددة التي يفوض فيها العاملون الجهد الذهني مقابل إصدار الأحكام النشطة لهذه الأنظمة.

النص المكتوب
Host: مرحباً بكم في حلقة جديدة من بودكاست "A.I.S. Insights — powered by Living Knowledge". أنا آنا آيفي سامرز. نناقش اليوم دراسة بعنوان "التفكير بصحبة روبوتات الدردشة: التفريغ المعرفي في التفاعل بين الإنسان والذكاء الاصطناعي التوليدي في العمل"، والتي أعدها الباحثون Jacopo Valentini وHaiat Perozzo وAurelio Ravarini، ونُشرت في مؤتمر International Conference on Information Systems لعام 2026. تبحث هذه الدراسة في الكيفية التي يدمج بها الموظفون روبوتات الدردشة التوليدية في عملهم المعرفي اليومي وعمليات اتخاذ القرار. معي لمناقشة تفاصيل هذه الدراسة الزميل أليكس إيان سذرلاند. أهلاً بك أليكس.
Expert: أهلاً بكِ يا آنا، ومرحباً بمستمعينا.
Host: أليكس، اعتدنا تاريخياً على استخدام التكنولوجيا لحساب الأرقام أو جدولة المواعيد، لكن ما هي المشكلة الحقيقية في بيئة العمل التي تسلط هذه الدراسة الضوء عليها؟
Expert: تكمن المشكلة في التحول النوعي لطبيعة المهام. الأدوات الرقمية السابقة ساعدت أساساً في تفريغ مهام معرفية ذات مستوى أدنى، مثل التذكر أو الحساب الآلي. في المقابل، تمتلك روبوتات الدردشة التوليدية قدرات على صياغة الحجج، وتلخيص النصوص المعقدة، وتقديم توصيات تنفيذية. وتواجه المؤسسات اليوم فجوة في فهم الظروف المحددة التي تدفع الموظفين إلى تفويض الجهد الذهني وإصدار الأحكام لهذه الأنظمة بدلاً من ممارستها ذاتياً.
Host: وكيف تعامل الباحثون مع هذا التساؤل من حيث المنهجية؟
Expert: اعتمدت الدراسة على تحليل موضوعي نوعي استقرائي، واستندت إلى عشرين مقابلة شبه منظمة مع مهنيين يعملون في مجالات ووظائف متنوعة، بهدف تتبع ممارساتهم الواقعية عند التفاعل مع روبوتات الدردشة في سياق مهامهم اليومية.
Host: وما هي أبرز الاستخدامات التي رصدتها هذه المقابلات في بيئات العمل؟
Expert: حددت الدراسة أربعة استخدامات رئيسية: إعداد المخرجات المكتوبة كالتقارير والرسائل، وتنظيم وهيكلة المعلومات المرتبطة بالمهام، واسترجاع المعلومات وتدقيقها، وأخيراً مقارنة البدائل والخيارات قبل الإقدام على اتخاذ القرارات.
Host: هل قدمت الدراسة إطاراً يفسر دوافع وكيفية حدوث هذا التفريغ المعرفي؟
Expert: نعم، طور الباحثون إطار عمل يوضح أن التفريغ المعرفي يتشكل وفق بعدين رئيسيين: الجهد الذهني المدرك، وكفاية المعرفة المدركة لدى الموظف. وينتج عن تقاطع هذين البعدين أربعة أنماط: تفريغ المخرجات الروتينية عند انخفاض الجهد وارتفاع المعرفة، وتفريغ الفجوة المعرفية عند انخفاض الجهد وانخفاض المعرفة، وتفريغ حل الغموض عندما يكون الجهد المطلوب عالياً والمعرفة منخفضة، وأخيراً التفريغ الموجه نحو التعزيز عندما يرتفع كل من الجهد والمعرفة.
Host: هل يعني ذلك أن الموظفين يسعون فقط لتقليل التعب الذهني في مهام محددة؟
Expert: النتائج تشير إلى ما هو أوسع من ذلك. العاملون لا يقتصرون على تقليص الأعباء الذهنية المنفصلة، بل يعيدون توزيع جهدهم المعرفي عبر مختلف مكونات العمل، ويشمل ذلك مرحلة تقييم القرارات وإصدار الأحكام.
Host: من منظور قطاع الأعمال والإدارة، ما هي الأهمية التطبيقية لهذه النتائج؟
Expert: تبرز الأهمية العملية في إدارة المخاطر التنظيمية. فقد أظهرت الدراسة أن الموظفين عندما يعملون في ظل انخفاض كفاية المعرفة لديهم، يصبحون أقل قدرة على التحقق النقدي من الإجابات الناتجة عن الذكاء الاصطناعي، مما قد يؤدي إلى تبني معلومات غير دقيقة. هذا يتطلب من قادة الأعمال وضع سياسات واضحة وتوفير تدريب يراعي مستوى كفاءة العاملين والمهام المناسبة للتفويض المعرفي، لضمان استمرار الرقابة البشرية الفعالة.
Host: خلاصة القول هي أن إدراك حدود المعرفة الذاتية وطبيعة الجهد المبذول يحدد مدى نجاح المؤسسات في توظيف روبوتات الدردشة بأمان وكفاءة. شكراً جزيلاً لك أليكس على هذا الشرح المفيد.
Expert: شكراً لكِ آنا.
Host: وشكراً لكم أنتم أعزاءنا المستمعين لمتابعتكم حلقة اليوم من "A.I.S. Insights — powered by Living Knowledge". نلتقي بكم في دراسة جديدة.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

GenAI chatbots; cognitive offloading; human–chatbot interaction; organizational work; cognitive work