الكاتب: TT3LABS، منصة توظيف عن بُعد لـ Web3/AI/SaaS
في 26 فبراير 2026، أعلنت شركة Block، العملاقة في التكنولوجيا المالية، عن تسريح أكثر من 4000 موظف، حيث انخفض حجم الفريق من أكثر من 10000 إلى أقل من 6000. ذكر الرئيس التنفيذي جاك دورسي في رسالة إلى المساهمين:
The smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
كما قدم دورسي توقعه القاسي للغاية:
أعتقد أن معظم الشركات قد تأخرت. خلال العام القادم، ستصل معظم الشركات إلى نفس الاستنتاج وستقوم بتعديلات هيكلية مشابهة.
بعد إغلاق السوق اليوم، ارتفع سهم Block بنسبة 20%+. هذا رد فعل من الأسواق المالية باستخدام أموال حقيقية: دفع ثمن رفع مستوى الذكاء الاصطناعي وكفاءة الشركة.
يمكن لشخص عادي لا يفهم البرمجة على الإطلاق، باستخدام نموذج كبير، أن يُطلق تطبيقًا كاملًا ووظيفيًا في ليلة واحدة. وبالتالي، سيطرح سوق رأس المال سؤالًا حادًا: ما القيمة المتبقية للتكلفة البشرية الهائلة لشركات التكنولوجيا التي توظف عشرات الآلاف من المبرمجين للحفاظ على تشغيل تطبيق ضخم يوميًا؟
ستتبع المزيد من الشركات الكبرى الاتجاه المتمثل في استبدال القوى العاملة البشرية بالذكاء الاصطناعي. من الطبيعي الشعور بالقلق، لكن القلق وحده لا يفيد. يجب أن نبدأ من التحولات الكبيرة في البيئة المحيطة، ثم ننزل تدريجيًا إلى استراتيجيات البقاء الفردية.
الذكاء الاصطناعي ليس مجرد أداة، بل يصبح وسيلة إنتاج
يبدأ بعض الأشخاص في السوق باستخدام مصطلح "Web4" لتعريف المرحلة الحالية. لتفصيل المسار، دعونا نراجع المراحل المختلفة لتطور الإنترنت:
Web2
الجوهر هو التفاعل بين البرنامج والإنسان، حيث تكتسب المنصات المختلفة انتباه المستخدمين من خلال الخوارزميات، وهي في جوهرها معركة للسيطرة على حركة المرور.
Web3
يحاول حل مشكلة تحديد ملكية الأصول الرقمية وتوزيع القيمة. يرى الكثيرون أنها مكافئة للعملات المشفرة، ولكن من الناحية الجوهرية، لا تزال عالقة في مفاوضات قواعد توزيع الثروة، ولا تلامس علاقات "الإنتاج والتصنيع" للمنتجات الرقمية.
الليلة السابقة لـ Web4
لأول مرة، تلامس الذكاء الاصطناعي جوهر تغيير علاقات الإنتاج نفسها. إنه لم يعد أداةً مجرد لتعزيز الكفاءة، بل يتحول إلى وسيلة إنتاج جديدة. من يتقن استخدامه أكثر، يستطيع أن يرفع حد الإنتاج إلى مستوى كمي مختلف.
في التعاون التقليدي، هناك تكاليف خفية كبيرة: من الصعب نقل حكم القادة المتميزين وحدسهم الصناعي إلى المرؤوسين، كما لا يمكن تجنب انحرافات الفهم والهدر الناتج عن إعادة العمل عند تنفيذ المهام من قبل أشخاص متعددين. هذه هي "ضرائب خفية" تشغيل المنظمة، ولم تكن هناك حلول واضحة لها من قبل. إن الذكاء الاصطناعي يقلل بشكل كبير من هذه الضرائب الخفية، فهو لا يمتلك منحنى تعلم، ويمكنه تنفيذ المهام بدقة عالية بمجرد تزويده بتعليمات واضحة، كما يمكنه معالجة مهام متعددة بالتوازي. إن دمج حكم الاستراتيجي لشخص واحد مع رافعة تنفيذ الذكاء الاصطناعي يمكنه تحقيق إنتاجية تعادل فريقًا كاملًا في الماضي.
بالطبع، لا يزال الذكاء الاصطناعي أحيانًا "يتحدث بجدية عن أشياء خاطئة"، وهذا يجعل مراجعة البشر وحكمهم لا تزال ضرورية. لكن موثوقية النموذج تتحسن بشهر، ونافذة التخفيف المتبقية للوظائف التنفيذية البحتة أقصر بكثير مما يعتقده معظم الناس.
المساواة في الكفاءة والأزمة العميقة: عندما يتم محو عتبة الدخول
على المدى القصير، يمكن للأفراد العاديين الاستفادة من مكاسب الكفاءة من خلال استخدام أدوات الذكاء الاصطناعي. لكن عند التقدم في التحليل، عندما يُمحى فرق الكفاءة الأساسي من قبل الذكاء الاصطناعي وتنخفض الحواجز المدخلة للمهنة بشكل كبير، ستكتشف الشركات أنه مع زيادة كفاءة الإنتاج للفرد بشكل كبير، إذا لم يتوسع حجم الأعمال بشكل متناسب، فإن الحفاظ على عدد الموظفين الأصلي يصبح أصلًا سلبيًا.
انظر إلى التفاوت في الرواتب الحالي. وفقًا لبيانات مراقبة الوظائف من TT3LABS، ظهرت منذ عام 2025 عدة مرات حزم رواتب تتجاوز "عشرات الملايين من الدولارات" في سوق عمل الذكاء الاصطناعي، وهذه المرشحين هم مهندسو ذكاء اصطناعي شباب ولا يمتلكون خبرة كبيرة في "مهارات إدارة الفرق". عندما استقطبت Meta باحثين أساسيين من OpenAI، تجاوزت مكافآت التوقيع فقط 100 مليون دولار، ووصل متوسط تعويض الأسهم لموظفي OpenAI إلى 1.5 مليون دولار، وأعلى راتب أساسي لمهندس أبحاث متقدم في Anthropic يصل إلى 690 ألف دولار (دون اعتبار الأسهم).
الرأس المال الذي يُنفق على هذا يشتري قدرة نادرة: جعل الذكاء الاصطناعي نفسه أقوى. إن الأشخاص القادرين على دفع تطور النماذج الأساسية يمكن أن تتضاعف قيمتهم بشكل هندسي عبر الشبكة التجارية بأكملها. أما الآخرون، فإذا كان عملهم يمكن تغطيته بواسطة الذكاء الاصطناعي بتكلفة أقل، فقد تنخفض تقييماتهم.
هذا يثير أيضًا أزمة كامنة أعمق. مع تزايد عدد الأشخاص الذين يلجأون فورًا إلى الذكاء الاصطناعي للحصول على إجابة عند مواجهة مشكلة، يتم تخطي العملية الوسيطة من الاستنتاج والتحقق والتجربة والخطأ، مما يؤدي بمرور الوقت إلى فقدان القدرة على التفكير. المشكلة أن هذه "الجهود البسيطة" هي التي تشكل حسّك تجاه المشكلة. مع الاعتماد الطويل الأمد على الذكاء الاصطناعي لأداء هذه العملية نيابةً عنك، سيتراجع دورك في العمل ليصبح مجرد "مترجم متطلبات": تحويل متطلبات الآخرين إلى مدخلات للذكاء الاصطناعي، ثم نقل مخرجات الذكاء الاصطناعي إليهم. ودقة هذه المرحلة الوسيطة هي بالضبط ما يمكن للذكاء الاصطناعي من الجيل التالي تخطيه مباشرة.
Impact Map: Where do you stand?
الخوف بدون إحداثيات هو مجرد قلق. قبل مناقشة الاستراتيجيات، نحتاج أولاً إلى رسم "خريطة الصدمات".这不是为了贩卖恐慌，而是让每个人定位自己。
الوظائف التي تتضمن مهام خطيرة يمكن تحديدها بوضوح عبر الأوامر
كتابة كود أولي، تحليل بيانات أساسي، إنشاء تقارير قياسية، تصميم قائم على قوالب، مراجعة وتدقيق الترجمات العادية. السمة المشتركة لهذه الوظائف هي أن العمل يمكن تفكيكه بوضوح إلى "إدخال → معالجة → إخراج". ويشمل جزء كبير من الـ 4000 موظف تم فصلهم من Block هذا المجال. فمهاراتهم المهنية ليست سيئة، لكن ما يقومون به هو بالضبط ما تستطيع نماذج كبيرة التفوق فيه.
معيار يستحق أن تسأله لنفسك: إذا كان يمكن كتابة محتوى عملك بالكامل كأمر واحد للذكاء الاصطناعي، فهذا يعني أن الآلة أصبحت قادرة على استبدالك، وما تبقى هو فقط متى ستتخذ الشركة هذا القرار.
يتم ضغط التذبذب من قبل الوسطاء ذوي الخبرة
مدير المشروع، مدير العمليات، مهندس متوسط المستوى. وظائفهم تتضمن اتخاذ القرارات والتنسيق، ولا يمكن للذكاء الاصطناعي استبدالها في المدى القصير، لكنها تتعرض لـ"الضغط". سابقًا، كانت سلسلة عمل واحدة تتطلب خمسة مديرين متوسطين يدير كل منهم جزءًا واحدًا ويتزامنون مع بعضهم البعض، أما الآن فقد تولى الذكاء الاصطناعي تنفيذ العمليات في طرفي السلسلة، ويمكن لشخصين أو شخص واحد فقط تشغيل السلسلة بأكملها.
الوضع الذي يواجهه هذا المجتمع هو "قلة الأماكن المتاحة". لم تتراجع قدراتك، لكن الطلب على دورك في السوق ينخفض بسرعة. مخرج هذا المجتمع هو التوجه للأسفل لاستخدام الذكاء الاصطناعي لتعزيز التنفيذ، والتوجه للأعلى للحصول على حق تعريف المشكلات.
صانع قيادة عدم اليقين القيمة المضافة
هناك نوع من الوظائف لا يكمن جوهرها في "القيام بالشيء الصحيح"، بل في "اتخاذ قرارات في ظل معلومات غير كاملة دائمًا، وتحمل المسؤولية عن العواقب". مثل المفاوضات التجارية المعقدة، وإدارة الأزمات الإعلامية، وإدارة المنظمات متعددة الثقافات، واتخاذ قرارات استثمارية عالية المخاطر. يمكن للذكاء الاصطناعي تقديم تحليلات وتوصيات، لكنه لا يستطيع التوقيع نيابةً عنك، ولا يتحمل المسؤولية عنك، ولا يستطيع قراءة الدوافع الاقتصادية خلف نظرة واحدة على طاولة العشاء.
هذه الأدوار لا تفقد قيمتها فحسب، بل تزداد قيمتها بسبب خفض تكاليف التنفيذ الأساسية من قبل الذكاء الاصطناعي، مما يسمح بميزانية مماثلة بتحريك مشاريع أكبر، ويطيل من ذراع الرفع لدى صانعي القرار.
في الواقع، ي跨越 العديد من الأشخاص وظائفهم أكثر من طبقة واحدة. طريقة اختبار ذاتية بسيطة: فكّر في محتوى عملك اليومي، كم منها يمكن توضيحه بتعليمات واحدة، وكم منها يتطلب منك اتخاذ قرارات في ظل غموض؟ كلما زادت نسبة الأولى، زادت حاجتك إلى إجراء تغييرات سريعة.
توقف عن قلق الأدوات، وحوّل قوة الحوسبة العامة إلى حواجز خاصة
في نهاية يناير، ظهر OpenClaw ("السرطان الصغير") فجأة، وتجاوز عدد النجوم على GitHub 170 ألفًا في غضون أيام. وسارعت شركات نماذج مختلفة إلى المتابعة، حيث أطلقت Alibaba Cloud نشرًا واحدًا النقر، وأصدرت Tencent CoPaw كمنافس، كما أطلقت MiniMax وKimi حلولًا متوافقة خاصة بهما.
ثم ستلاحظ ظاهرة مثيرة للاهتمام: كثير من الناس يقضون هذا الشهر في "دراسة كيفية تثبيت الجمبري" و"مقارنة أي حزمة أكثر فعالية من حيث التكلفة" لوقت قد يكون أطول من الوقت الذي يقضونه فعليًا في استخدام الذكاء الاصطناعي لإنتاج نتائج أعمال. الجميع يسعون وراء الأدوات، لكن بعد أن تُثبّت تكوينك، يستطيع أي شخص آخر نسخه تمامًا في ساعتين.
جميع نماذج اللغة الكبيرة — OpenAI وAnthropic وMeta وGoogle وxAI — تم تدريبها جميعًا على نفس بيانات الإنترنت العامة. لذا فهي في جوهرها متماثلة، وهذا هو السبب في أنها تتم تجسيدها بسرعة كبيرة.
— لاري إيليسون، مكالمة تقارير ربع سنوي للربع الثاني من السنة المالية 2026 لشركة Oracle
بالتالي، فكلما اعتمد عملك فقط على القدرات العامة المفتوحة للنماذج الكبيرة، فإن إنتاجك سيكون متماثلاً، حتى لو كانت تعليماتك مُصاغة بأكثر الطرق إبداعاً، فلن توجد حواجز تنافسية.
The real barrier lies in moving from public to private.
هناك اتجاه واضح جدًا الآن: من الشركات الكبرى إلى فرق المشاريع الناشئة، يزداد عدد المنظمات التي تقوم بتنفيذ نماذج خاصة محليًا. السبب المباشر هو أمن المعلومات، فلا أحد يريد تسليم بيانات أعماله الأساسية إلى واجهات برمجة تطبيقات طرف ثالث. لكن لهذا الاتجاه تأثير متسلسل مُهمل: عندما تُحَجَّر الشركات الرائدة في الصناعة بياناتَها ومعرفتها داخل بيئات خاصة، تصبح المعلومات الصناعية المتاحة على الشبكة العامة التي يمكن للنماذج العامة تعلمها أقل وأقل وأكثر تأخرًا. على السطح، خفّض الذكاء الاصطناعي عتبة المعرفة للجميع، لكن المعرفة الصناعية ذات القيمة الحقيقية تختفي بسرعة متزايدة من الشبكة العامة، وتسقط في قواعد المعرفة الخاصة لكل شركة.
لذلك، فإن "المعرفة الضمنية" التي تراكمتها على مدار سنوات في الصناعة، ليست تنخفض قيمتها، بل تزداد قيمتها. بشرط أن تستخدمها.
قم بتنظيم وتركيب الخبرات التشغيلية غير المعيارية التي تتوزع في ذهنك، وسجلات المحادثات، والبريد الإلكتروني التاريخي، لتحويلها إلى "سياق" يمكن لنماذجك الخاصة هضمه. تُظهر بيانات خلفية TT3LABS أن معدل المرور في المرحلة الأولية للمرشحين الذين لديهم أكثر من سنتين من الخبرة في مجال Web3 أعلى بكثير من خبراء التكنولوجيا من الشركات الكبرى بدون خلفية صناعية، والسبب الأساسي هو أن وزن المعرفة الصناعية يفوق بكثير القدرات التقنية العامة. فهم شخص عمل ثلاث سنوات في تشغيل CEX للمنطق التنظيمي وقواعد الترخيص الخفية، وتقدير شخص مر بدورتين من حوكمة DAO لتصميم المقترحات ونقاط التحول في مشاعر المجتمع، وحدس شخص متخصص في المحتوى المتخصص حول نفسية الجمهور وإيقاع السرد—هذه الأشياء لا تظهر أبداً في أي بيانات تدريب عامة.
عندما تقوم بهيكلة هذه الخبرات الخاصة وربطها بالنموذج، يصبح ذكاؤك الاصطناعي ليس مجرد موسوعة عامة، بل شريكًا حصريًا يعمل فقط من أجلك ويفهم فقط مجالك الخاص. هذا العمق في الإنتاج هو ما لا يمكن لأي شخص آخر تحقيقه باستخدام نفس النموذج العام.
المنطق الأساسي واحد فقط: يتفوق الذكاء الاصطناعي على الجميع في معالجة المعرفة العامة، لكنه يعتمد تمامًا على إدخالك في معالجة الخبرات الخاصة. الأشخاص القادرون على دمج خبرات الصناعة العميقة مع الذكاء الاصطناعي هم الأصول الأساسية في شكل التقسيم الجديد.
مكتبتك من الخبرة هي "النموذج" الحقيقي
تتطور نماذج الذكاء الاصطناعي بسرعة كبيرة، وقد يتم استبدال GPT وClaude وGemini الحالية بعد ستة أشهر بإصدارات أقوى. لكن بالنسبة لك، فإن تبديل نموذج أقوى لا يمثل سوى تغييرًا في واجهة برمجة التطبيقات. ما لن يتم استبداله أو تجاوزه حقًا هو مجموعة بياناتك الخاصة ومخزون خبراتك التي تقدمها له.
النماذج هي بنية تحتية عامة يمكن لأي شخص استخدامها. لكن المعرفة الصناعية، والأحكام التجارية، وسجلات الأخطاء التي تُدخلها فيها هي "بيانات التدريب" الخاصة بك فقط. كلما أصبح الذكاء الاصطناعي أقوى، زادت قدرته على استيعاب这套 بياناتك، وزادت حواجزك الخاصة. لذا لا تقلق بشأن "ما إذا كان إنشاء قاعدة معرفية الآن سيصبح قديمًا بسرعة"، فقاعدة معرفتك هي الأصل الوحيد الذي لن يفقد قيمته بسبب تطور النماذج. النماذج تتغير، لكن حواجز بياناتك ستزداد قيمة مع تحسن قدرات الذكاء الاصطناعي.
في الوقت نفسه، يتم إعادة كتابة منطق المنافسة التقليدي في مكان العمل. سابقًا، كان يمكن للموظفين إظهار التزامهم من خلال العمل لساعات طويلة، لكن الآلات تُنتج على مدار 7×24 ساعة، مما يجعل جميع الاستراتيجيات المعتمدة على "أنا أستطيع التحمل أكثر من الآخرين" تصبح بلا قيمة أمام الذكاء الاصطناعي.
يقول الكثيرون: "ما زلت أقدم القيمة العاطفية للفريق." صحيح، هذه قدرة فريدة من نوعها للإنسان، لكن تكلفتها الإضافية تعتمد على المستوى الذي تتواجد فيه. عندما ينخفض فريق من عشرة أشخاص إلى شخصين وعدد من وكلاء الذكاء الاصطناعي، يفقد دور "مُسهّل الفريق" سياقه. أما في طبقة اتخاذ القرار، فإن الربط العميق بين البشر يكتسب قيمة أكبر بسبب انخفاض التكاليف الأساسية، في سياق المفاوضات التجارية المعقدة، وبناء الثقة تحت المخاطر العالية، وحل النزاعات بين كيانات ذات مصالح متعارضة. القيمة العاطفية لا تختفي، بل تنتقل للأعلى.
في النهاية، أفضل استثمار يُمكن للفرد القيام به في عصر الذكاء الاصطناعي ليس تعلم استخدام أي أداة، بل إدارة مستمرة لتلك الشبكة الخاصة من الذكاء الاصطناعي التي لا يمتلكها إلا أنت. الأدوات ستتطور، لكن قاعدة الخبرات لن تفعل.
ثلاثة إجراءات، يمكنك البدء بها الآن
بالعودة إلى حالة Block، هناك من تم فصله وهناك من بقي، والفرق هو من لا يزال غير قابل للضغط بعد أن أصبح الذكاء الاصطناعي أداة إنتاج قياسية. لا تنتظر من الشركة أن تُنظم لك تدريباً على الذكاء الاصطناعي، بل ابدأ اليوم في تجربة هذه الإجراءات:
01、الانتقال من "القيام بالأشياء يدويًا" إلى "بناء سير العمل"
الفخ الذي يقع فيه العاملون بسهولة هو استخدام الذكاء الاصطناعي لـ"التقاعس" (مثل استخدام الذكاء الاصطناعي لكتابة تقرير أسبوعي أو تحسين بريد إلكتروني)، وهذا لا يزال تفكيرًا على مستوى التنفيذ. ما عليك فعله حقًا هو أن تنظر إلى نفسك كـ"مقاول عام"، وتُعيد تشكيل الإنتاج الأساسي لمنصبك الحالي كخط إنتاج آلي يعتمد على الذكاء الاصطناعي.
لا تحاول تجربة عشرات النماذج الجديدة في نفس الوقت، بل اختر أداة واحدة أكثر نضجًا حاليًا (مثل ChatGPT Plus أو Claude) واجبرها على الدخول في أكثر مراحل عملك استهلاكًا للوقت واحتياجًا للخبرة. حوّل عملية العمل التي كنت تقوم بها يدويًا: "جمع البيانات → تحليل المقارنة → إصدار الاستنتاجات" إلى عملية مبنية على "تحديد جمع تلقائي للبيانات → تغذية الإطار التحليلي للذكاء الاصطناعي → تدخل بشري للتعديل والضبط". عندما تتمكن من استخدام هذا التدفق العملي لضغط مهمة كانت تستغرق أسبوعًا بالكامل إلى يوم واحد، مع جودة ثابتة للغاية، فلن تكون بعد ذلك عقدة حسابية واحدة، بل ستصبح شركة "صغيرة" ذات رافعة عالية.
02、تثبيت الخبرة الضمنية كنسخة رقمية خاصة بك
النماذج الكبيرة تتعلم من البيانات العامة، وهي تفهم جميع النظريات، لكنها بالتأكيد لا تفهم الميول الخفية لعميلك الكبير الصعب للغاية، ولا تعرف المناطق المحظورة عند التفاعل بين قسمك وإدارة المالية. هذه "المعرفة الضمنية" التي اكتسبتها من خلال تجارب عديدة، هي أثمن أصولك.
لكن هذه الأصول لا يمكنها توليد فائدة مركبة إذا ظلت محصورة في عقلك. مهمتك الحالية هي استخدام الوظائف المخصصة التي تقدمها نماذج الذكاء الاصطناعي الكبيرة حاليًا (مثل Custom GPTs أو Claude Projects) لتحويل خبرتك إلى "تعليمات إعدادية للنظام" الخاصة بها. قم بتغذية كل الحالات الحدية التي تعاملت معها، وتقارير تحليل الفشل، والقواعد الضمنية غير المكتوبة في الصناعة إلى النموذج. هدفك ليس إنشاء دفتر ملاحظات معرفي ثابت، بل "تدريب" مساعد خاص يعمل على مدار 24 ساعة ويحمل أسلوبك التجاري الفريد فقط من أجلك. عندما يتشكل هذا "النسخة الرقمية" الخاصة بك، لن يتمكن أي شخص آخر يمتلك ذكاءً اصطناعيًا عامًا من منافستك.
03、تعزيز حقك في تعريف المشكلة ومسؤوليتك
في الفريق، ابدأ بممارسة مقصودة لتسليم مهمة "البحث عن الإجابات" للآلة، واحتفظ بأنت بحقك في "طرح الأسئلة" و"اتخاذ القرارات". الذكاء الاصطناعي هو محرك إجابات مثالي، لكنه لا يستطيع أبدًا اكتشاف الدوافع التجارية الحقيقية وراء احتياج ما. عندما يقول مديرك "أريد إنشاء استراتيجية احتفاظ جديدة"، سيقدم الذكاء الاصطناعي فورًا 10 نماذج نظرية للنمو الهكر. لكن فقط أنت من يمكنه دمج الميزانية والموارد التطويرية الحالية للإشارة إلى أن "الخيار B رغم كونه مثاليًا، لا يمكن تنفيذه حاليًا، والخيار C الذي يحذف نصف الوظائف هو الأنسب لإيقاعنا الحالي".
في الوقت نفسه، يجب أن تفهم نقطة واحدة: الذكاء الاصطناعي لن يُسجَن ولن يتحمل المسؤولية. غالبًا ما تدفع لك الشركات رواتب عالية مقابل شراء "ضمانك" على النتائج التجارية. عندما تقدم رمزًا أو حلًا تم إنشاؤه بواسطة الذكاء الاصطناعي، يجب أن تكون واثقًا في قولك: "لقد قمت بمراجعة إنتاج الذكاء الاصطناعي باستخدام خبرتي المهنية، وأنا مسؤول عن النتائج النهائية." هذا النوع من "القيمة الإضافية للمسؤولية" — أي القدرة على اتخاذ قرارات في المناطق الغامضة والتحمل الكامل للعواقب التجارية النهائية — هو ما لا يمكن لأي آلة استبداله في أي عصر.
قال دورسي: "لقد تأخرت معظم الشركات". لكن بالنسبة للأفراد، فإن العكس صحيح أيضًا: لم يبدأ معظم الناس بعد في الاستعداد، ولا يدركون هذا الاتجاه.
ليس على الجميع أن يصبحوا خبراء في الذكاء الاصطناعي. لكن على الجميع أن يفكر بوضوح في سؤال واحد: في عملك، أي أجزاء منها ستتمكن الآلة من أدائها في النهاية، وأي أجزاء هي فريدة من نوعك؟ ثم انقل وقتك وجهودك من الأول إلى الثاني.
إذا كان يومًا ما تفوق الذكاء الاصطناعي البشر في جميع المجالات، ربما في عام 2027، أو ربما في عام 2030، فهذا ليس تغييرًا يمكنك مشاهدته من الخارج.
It doesn't wait for you to be ready.