المقدمة
خلال السنوات القليلة الماضية، تحوّل الذكاء الاصطناعي من فكرة علمية مستقبلية إلى أداة يومية تدخل في كل شيء تقريبًا: التسويق، البرمجة، التحليل، صناعة المحتوى، وحتى اتخاذ القرار داخل الشركات.
وبالتوازي مع هذا التحول، ظهرت قائمة طويلة من المهارات التي يُقال إنها ضرورية للعمل مع الذكاء الاصطناعي:
هندسة الأوامر (Prompt Engineering)
فهم البيانات (Data Literacy)
أخلاقيات الذكاء الاصطناعي
المعرفة التقنية بالنماذج والتعلم الآلي
كل هذه المهارات مهمة بلا شك. لكنها تشترك في نقطة واحدة:
كلها تركز على كيفية إعطاء الأوامر للآلة.
لكن هناك مهارة أعمق قليلًا…
مهارة تحدث قبل أن تلمس لوحة المفاتيح أصلًا.
المشكلة ليست دائمًا في صياغة السؤال.
المشكلة غالبًا في شكل المشكلة نفسها.
وهنا تظهر مهارة نادرًا ما يتم الحديث عنها، رغم أنها قد تكون الفارق الحقيقي بين استخدام الذكاء الاصطناعي بسطحية أو استخدامه كأداة تفكير متقدمة.
هذه المهارة يمكن تلخيصها في مفهوم واحد:
Problem Shaping with AI
أو فن تشكيل المشكلة قبل حلّها.
ما المقصود بتشكيل المشكلة باستخدام الذكاء الاصطناعي؟
معظم الناس يتعاملون مع الذكاء الاصطناعي كأنه صندوق إجابات.
يسألون سؤالًا…
وينتظرون إجابة.
لكن في الواقع، الذكاء الاصطناعي يصبح أكثر قيمة عندما يتحول إلى شريك في التفكير، لا مجرد مولد نصوص.
وهنا يبدأ الفرق بين نوعين من المستخدمين:
مستخدم يطلب إجابة سريعة
مستخدم يستخدم الذكاء الاصطناعي لتفكيك المشكلة نفسها
المستخدم الثاني لا يسأل:
ما الحل؟
بل يسأل أولًا:
هل المشكلة مفهومة أصلًا؟
هذا التحول البسيط في طريقة التفكير يغيّر كل شيء.
ولهذا يعتمد مفهوم Problem Shaping على ثلاث ركائز أساسية.
الركيزة الأولى: التفكيك (Deconstruction)
تحويل المشكلة الكبيرة إلى مجموعة أسئلة قابلة للفهم
الخطأ الأكثر شيوعًا في العمل مع الذكاء الاصطناعي هو طرح أسئلة عامة جدًا.
مثل:
كيف نحسن الابتكار في الشركة؟
السؤال يبدو منطقيًا…
لكن في الحقيقة هو غامض للغاية.
مستخدم الذكاء الاصطناعي المتقدم يبدأ أولًا بتفكيك هذا السؤال.
بدلًا من سؤال واحد كبير، تتحول المشكلة إلى عدة أسئلة أصغر:
ما المقصود بالابتكار أصلًا؟
هل نتحدث عن:
منتجات جديدة
نماذج عمل جديدة
تحسين العمليات
تقليل التكاليف
ثم سؤال آخر:
كيف نعرف أننا لسنا مبتكرين؟
هل السبب:
قلة إطلاق المنتجات
تفوق المنافسين
ثقافة داخلية لا تشجع الأفكار الجديدة
ثم سؤال ثالث:
أين تقع المشكلة تحديدًا؟
فريق البحث والتطوير
فريق التسويق
الإدارة
بهذه الطريقة يتحول سؤال غامض إلى خريطة واضحة للمشكلة.
الذكاء الاصطناعي هنا لا يقدم الحل مباشرة، بل يساعد في توضيح شكل المشكلة.
اقرأ أيضاً : الإنتاجية بالذكاء الاصطناعي ليست ميزة… بل نظام قابل للتهيئة
الركيزة الثانية: التفكير القائم على الفرضيات
تحويل الحوار مع الذكاء الاصطناعي إلى تجربة فكرية
بعد تفكيك المشكلة، تأتي المرحلة الثانية:
بناء فرضيات واختبارها.
بدلًا من سؤال الذكاء الاصطناعي عن الإجابة النهائية، تبدأ ببناء احتمال معين.
مثلًا:
ربما المشكلة في أن عملية مراجعة الأفكار داخل الشركة بطيئة جدًا.
الآن يبدأ الحوار الحقيقي.
يمكن طرح أسئلة مثل:
ما خصائص أنظمة مراجعة الأفكار السريعة في الشركات التقنية؟
ما مزايا المراجعة البطيئة للأفكار؟ وهل لها فوائد؟
هل توجد شركات نجحت في تسريع عملية الابتكار داخلها؟
بهذا الأسلوب، يتحول الذكاء الاصطناعي إلى مختبر أفكار.
كل إجابة لا تعطي الحقيقة النهائية، لكنها تساعدك على تعديل الفرضية أو تطويرها.
هذه العملية تشبه إلى حد كبير المنهج العلمي:
فرضية
اختبار
تعديل
فرضية جديدة
والذكاء الاصطناعي يصبح جزءًا من هذه الحلقة الفكرية.
الركيزة الثالثة: التحسين التكراري (Iterative Refinement)
الوصول إلى السؤال الصحيح خطوة بعد خطوة
في كثير من الأحيان، تكون أول إجابة من الذكاء الاصطناعي عامة.
وهذا طبيعي.
لنأخذ مثالًا بسيطًا.
السؤال الأول:
ما أفضل استراتيجية تسويق؟
الإجابة ستكون غالبًا قائمة عامة.
لكن المستخدم المتقدم لا يتوقف هنا.
يبدأ في تضييق نطاق السؤال.
مثلًا:
ما العنصر الأكثر أهمية من عناصر التسويق الأربعة (Product, Price, Place, Promotion) لشركة برمجيات صغيرة تستهدف الشركات الصغيرة؟
الآن تصبح الإجابة أكثر تحديدًا.
ثم سؤال ثالث:
ما الفرق بين التسويق بالمحتوى والإعلانات المدفوعة لشركة B2B بميزانية محدودة؟
النتيجة؟
مع كل خطوة، تصبح الإجابات:
أكثر دقة
أكثر عملية
أكثر قابلية للتطبيق
المشكلة الأصلية نفسها تتغير شكلها مع كل سؤال جديد.
وهذا هو جوهر Problem Shaping.
هل هذا مجرد Prompt Engineering؟
قد يبدو الأمر للوهلة الأولى كأنه مجرد تحسين في كتابة البرومبتات.
لكن الفرق أكبر من ذلك.
Prompt Engineering يتعلق بكيفية صياغة السؤال.
أما Problem Shaping فيتعلق بكيفية التفكير في المشكلة نفسها.
إنه مزيج من:
التفكير النقدي
التحليل
صياغة السياق
إدارة الحوار مع الذكاء الاصطناعي
بمعنى آخر:
الذكاء الاصطناعي لا يعوض التفكير البشري…
بل يضاعف قيمته.
ماذا يعني هذا للشركات والمهنيين؟
مع انتشار أدوات الذكاء الاصطناعي، سيصبح الوصول إلى التقنية متاحًا للجميع تقريبًا.
لكن ما لن يكون متاحًا بنفس الدرجة هو طريقة التفكير.
الفارق الحقيقي لن يكون بين:
من يستخدم الذكاء الاصطناعي
ومن لا يستخدمه
بل بين:
من يستخدمه كآلة إجابات
ومن يستخدمه كأداة تفكير
الشركات التي تطور هذه المهارة داخل فرقها ستحصل على ميزة واضحة:
قرارات أفضل
تحليل أعمق
استخدام أكثر كفاءة للأدوات
الذكاء الاصطناعي لا يغير فقط طريقة العمل…
بل يغير طريقة التفكير في المشاكل.
خلاصة إيكوميديا
أكبر خطأ في عصر الذكاء الاصطناعي هو الاعتقاد أن القيمة تأتي من الأدوات نفسها.
الأدوات ستصبح أرخص وأسرع ومتاحة للجميع.
القيمة الحقيقية ستبقى في شيء واحد:
طريقة التفكير قبل استخدام الأداة.
المستخدم الذي يتعلم كيف يشكّل المشكلة قبل حلّها سيحصل دائمًا على نتائج أفضل من المستخدم الذي يطلب إجابة مباشرة.
الذكاء الاصطناعي لا يجعل التفكير أقل أهمية.
بل يجعل جودة التفكير البشري أكثر أهمية من أي وقت مضى.
مع Echo Media
في Echo Media نركز على ما هو أبعد من الأدوات.
نساعد الشركات والفرق على فهم كيف تستخدم الذكاء الاصطناعي استراتيجيًا داخل العمل الحقيقي — من تحسين العمليات إلى بناء أنظمة تسويق ذكية تعتمد على الأتمتة والتحليل.
إذا كنت تريد تحويل الذكاء الاصطناعي من أداة تجريبية إلى محرك فعلي للنمو داخل عملك، فابدأ من طريقة التفكير قبل التقنية. تواصل معنا الآن
FAQ
ما المقصود بـ Problem Shaping مع الذكاء الاصطناعي؟
هو أسلوب تفكير يعتمد على تفكيك المشكلة إلى أجزاء أصغر، واستخدام الذكاء الاصطناعي لاختبار الفرضيات وتحسين فهم المشكلة قبل محاولة حلها.
لماذا لا تكفي هندسة البرومبتات؟
لأن البرومبت الجيد يعتمد أساسًا على فهم واضح للمشكلة. إذا كانت المشكلة غير محددة بدقة، فلن تعطي حتى أفضل البرومبتات نتائج مفيدة.
كيف يساعد الذكاء الاصطناعي في التفكير وليس فقط في الإجابة؟
يمكن استخدامه لتحليل الفرضيات، مقارنة السيناريوهات، اقتراح أسئلة جديدة، وتوسيع زاوية النظر حول المشكلة.
ما العلاقة بين التفكير النقدي والذكاء الاصطناعي؟
كلما كان التفكير النقدي لدى المستخدم أقوى، كان قادرًا على توجيه الذكاء الاصطناعي بشكل أفضل والحصول على نتائج أكثر قيمة.
هل هذه المهارة مهمة للأفراد فقط أم للشركات أيضًا؟
هي مهمة للطرفين. الشركات التي تطور هذه المهارة داخل فرقها ستكون أكثر قدرة على استخدام الذكاء الاصطناعي بفعالية.
هل سيصبح التفكير أهم من المهارات التقنية؟
مع انتشار الأدوات، ستصبح المهارات التقنية أكثر شيوعًا، بينما سيظل التفكير التحليلي والقدرة على تعريف المشكلة مهارة نادرة وقيمة.