هل سيحل الذكاء الاصطناعي محل محللي الأعمال؟ تتوقع Gartner أن 40% من تطبيقات المؤسسات ستتضمن وكلاء ذكاء اصطناعي بنهاية 2026. تعرّف إلى العمل الذي سيصمد.
لا يزال محللو الأعمال مطلوبين، حتى مع استيعاب الذكاء الاصطناعي الوكيل للجانب الورقي من الوظيفة أسرع مما توقعته Gartner قبل عام واحد فقط، إذ يُنتظر أن تحمل 40 في المئة من تطبيقات المؤسسات وكلاء ذكاء اصطناعي مخصصين لمهام بعينها بنهاية 2026. فملاحظات الاجتماعات ولوحات مؤشرات الأداء والمسودات الأولى للمتطلبات تغدو أعمالًا أخف، لكن تحديد المشكلة الحقيقية وتوحيد فهم أصحاب المصلحة ورسم خطوط الأولوية وقراءة الأثر التشغيلي ستبقى.
لا يقتصر عمل محللي الأعمال على تجميع الوثائق. فهم ينظّمون المشكلات التشغيلية وسير العمل والبيانات ومصالح الأطراف المعنية ليحددوا ما المشكلة الحقيقية وما المتطلبات التي ستقود فعلًا إلى التحسين. ومسؤوليتهم ليست التحليل لذاته، بل تحويل الغموض إلى أسئلة يستطيع صانعو القرار الاستفادة منها.
تكمن قيمة هذا الدور في تحويل مشكلة مبهمة إلى متطلب عالي الدقة أكثر مما تكمن في جمع المعلومات بسرعة. وقد يسرّع الذكاء الاصطناعي تلخيص محاضر الاجتماعات وإعداد المسودات الأولى للمواد، لكن صياغة الإشكالية ورسم خطوط الأولوية يبقيان في يد البشر.
يحسبه ai-job-risk.net من أربع مجموعات بيانات عامة، على مقياس من 0 إلى 100 نسبةً إلى 188 مهنة نغطيها. الرقم الأعلى يعني أن جزءًا أكبر من مهام الوظيفة مما يستطيع الذكاء الاصطناعي التوليدي أداءه أو يُستخدم فيه بالفعل. وهو ليس احتمال فقدان الوظيفة.
تحليل المهام لدى الباحثين (Eloundou وزملاؤه؛ منظمة العمل الدولية). يُعرض كرتبة مئينية بين جميع المهن التي يقيّمونها.
الاستخدام المرصود لـ Microsoft Copilot وAnthropic Claude في مهام هذه المهنة. يُعرض كرتبة مئينية بين جميع المهن التي يقيّمونها.
لا يذكر مكتب BLS أي عامل خاص بهذه المهنة، لذا يعكس هذا الإسقاط أساسًا نمو أو تراجع القطاعات التي توظفها.
أرقام أمريكية لمهنة BLS "Management analysts". تفترض توقعات BLS أن التقنية تواصل التطور بوتيرتها التاريخية؛ وهي ليست توقعًا لأثر الذكاء الاصطناعي وحده.
المصادر
مؤشر التعرض يحسبه ai-job-risk.net من مجموعات البيانات أدناه (البيانات حتى 15 أكتوبر 2026). وأرقام العمل الأمريكية مصدرها BLS دون تغيير.
لم تُعدّ الجهات الناشرة هذا الموقع ولم تراجعه ولم تصادق عليه. الاستشهادات الكاملة والتراخيص والمنهجية
لن يحل الذكاء الاصطناعي محل محللي الأعمال، لكنه يستوعب النصف الورقي من الوظيفة أسرع من أي دور مكتبي آخر تقريبًا. فـ Gartner تتوقع أن تتضمن 40 في المئة من تطبيقات المؤسسات وكلاء ذكاء اصطناعي مخصصين لمهام بعينها بنهاية 2026، صعودًا من أقل من 5 في المئة في 2025، فيما قدّرت McKinsey أن وكلاء الذكاء الاصطناعي قد يضيفون تريليونات الدولارات من القيمة السنوية عبر وظائف الأعمال المختلفة. ومعظم هذه القيمة يأتي من أتمتة أعمال التلخيص والصياغة ولوحات البيانات التي كانت تملأ أسبوع محلل الأعمال، لا من الاستغناء عن الحكم على ما تحتاجه المؤسسة فعلًا.
ويظهر هذا التحول بالفعل في الأدوات التي يستخدمها المحللون يوميًا. فمنصات تحويل الصوت إلى متطلبات مثل Aqua تستطيع أن تحوّل وصفًا منطوقًا مدته خمس عشرة ثانية إلى متطلب منظَّم جاهز للمراجعة، وإضافات Azure DevOps مثل Copilot4DevOps باتت تقيّم جودة المتطلب المكتوب تلقائيًا وفق أطر معيارية. ويقرن المحللون هذه الأدوات على نحو متزايد بنماذج الذكاء الاصطناعي للتحضير للمقابلات ومراجعة نصوص الاجتماعات، فيختصرون الوقت اللازم لإنتاج مسودة أولى لأي وثيقة تحليلية تقريبًا.
غير أن الجزء الصعب من التحليل لم يكن قط ترتيب المعلومات. فما يشكو منه الميدان كثيرًا ما يختلف عن عنق الزجاجة الذي يحتاج فعلًا إلى إصلاح، وقد يقصد أصحاب المصلحة المختلفون أشياء متباينة حين يستخدمون الكلمات نفسها. ومحللو الأعمال لا يكتفون بصفّ المتطلبات؛ فدورهم الحقيقي هو ترجمة مشكلات الأعمال الغامضة إلى صيغة يستطيع الميدان والإدارة اتخاذ قرار بشأنها. والتمييز المهم هنا هو بين أعمال التنظيم التي يؤديها الذكاء الاصطناعي الآن بسهولة، والحكم الذي لا يزال يتطلب وجود شخص في الغرفة.
يندمج الذكاء الاصطناعي بأكبر قدر من السلاسة في تلخيص المعلومات وتنسيق مواد المقارنة، وقد نقلت أدوات الذكاء الاصطناعي الوكيلة في 2026 هذا الأمر من مرحلة التجربة إلى ممارسة معتادة لدى كثير من فرق التحليل.
باتت أدوات التفريغ والتلخيص بالذكاء الاصطناعي تحوّل النقاش المنطوق إلى نقاط مرتبة حسب الموضوع بجهد يدوي ضئيل، فتخفف عبء التدوين كثيرًا. لكن إدراك أي ملاحظة تكشف جوهر الخلاف، وأي مسألة لا تزال معلّقة فعلًا تحت ملخص أنيق، يظل عملًا بشريًا.
أصبح ترتيب مؤشرات مثل الإيرادات وحجم العمل والإنتاجية ومعدل التسرب في لوحة بيانات أمرًا تنجزه أدوات التحليل المدعومة بالذكاء الاصطناعي بأدنى قدر من الإعداد، ما يسرّع فهم الوضع الحالي إلى حد كبير. أما تحديد المؤشر الذي يعبّر فعلًا عن المشكلة الكامنة، لا المؤشر الأسهل في الرسم، فيبقى حكمًا بشريًا.
تستطيع أدوات تحويل الصوت إلى متطلبات مثل Aqua تحويل وصف منطوق قصير إلى مسودة متطلب منظَّمة في ثوانٍ، كما تحوّل أدوات مماثلة ملاحظات المقابلات إلى مخطط معياري لسير العملية. وهذا مفيد لمشاركة الصورة العامة بسرعة، لكن تحديد مواضع معالجة الاستثناءات والقرارات المرتبطة بأشخاص بعينهم المختبئة في ذلك المسار ما زال من شأن البشر.
صارت الإضافات المدعومة بالذكاء الاصطناعي قادرة على فحص المتطلب المكتوب مقابل أطر الجودة المعيارية وإرجاع درجة مع ملاحظات محددة تلقائيًا، فتُحكم المسودات الأولى قبل أن يراجعها أي إنسان. غير أن الفصل بين المتطلبات الإلزامية وتلك الأقل أولوية حكمٌ لا تصدره أداة التقييم.
ما يبقى في يد محللي الأعمال هو تحديد المشكلة الحقيقية وتحويلها إلى متطلبات. وكلما اعتمد الدور على التوفيق بين اختلاف أصحاب المصلحة في فهم المشكلة، بقيت قيمة بشرية أكبر، وهي تحديدًا الطبقة التي تعلو أدوات الصياغة المؤتمتة التي تتولى الآن الأعمال الورقية.
قبل بناء الميزة المطلوبة، لا بد أن يحدد أحدٌ ما الذي يعرقل العمل فعلًا. فالاستياء الظاهر والسبب الحقيقي كثيرًا ما يختلفان، ومن يستطيع تغيير السؤال نفسه يظل ذا قيمة مهما تحسّنت أدوات الصياغة.
حين يستخدم الميدان والإدارة والهندسة والمبيعات الكلمات ذاتها بمعانٍ مختلفة، يبقى عمل توحيد الفهم قائمًا. وإذا تُجوهلت هذه الفجوة، فقد تبدو المتطلبات مكتملة على الورق، بل قد يمنحها الذكاء الاصطناعي تقييم جودة مرتفعًا، ثم تفشل مع ذلك عند التطبيق.
عندما يبدو كل طلب ضروريًا، يبقى عمل تقرير ما يجب إنجازه الآن وما يمكن تأجيله. فجوهر التحليل هو الاختيار، ومن يستطيع شرح الأولويات بوضوح يدفع المشاريع إلى الأمام أسرع مما تفعله أي لوحة بيانات وحدها.
بعد إقرار المتطلب، يظل على أحدهم أن يستقرئ ما الذي سيتغير فعلًا في العمليات وأين قد تظهر آثار جانبية. فالتحسين على الورق لا يكفي، ويبقى الأشخاص الذين يحللون والعمليات الحقيقية نصب أعينهم في موقع مهم.
بالنسبة إلى محللي الأعمال في المستقبل، تقل أهمية سرعة التلخيص كثيرًا أمام القدرة على طرح أسئلة أفضل والإشراف على ما يصيب فيه التحليل الذي يولّده الذكاء الاصطناعي فعلًا.
يحتاج المحللون إلى المواظبة على سؤال «لماذا؟» بدل أخذ طلب الميدان على ظاهره. فإذا بقي السؤال سطحيًا، قد لا تكون لوثيقة صقلها الذكاء الاصطناعي قيمة تُذكر. والتفريق بين الأسباب والأعراض أمر جوهري، ويبقى مهارة بشرية خالصة.
من المهم ألا يقتصر التحديد على المسار المعياري، بل أن يشمل مواضع حدوث الاستثناءات والقرارات المرتبطة بأشخاص بعينهم، وهي أجزاء العملية التي تميل لوحة مؤشرات الأداء المؤتمتة إلى طمسها. فكثير من الآلام الحقيقية في الميدان تكمن في هذه الاستثناءات تحديدًا.
لا يقتصر الدور على ترتيب الأمور، بل يشمل أيضًا شرح هذا الترتيب بطريقة يتقبّلها أصحاب المصلحة. فالتحليل لا يصنع قيمة إلا حين يبلغ مرحلة الاتفاق، ويظل تسلسل الشرح وطريقة عرض الأدلة جزءًا من مهارة لا يحاكيها الذكاء الاصطناعي.
حتى عندما يقدّم الذكاء الاصطناعي ملخصًا نظيفًا أو درجة مرتفعة لجودة المتطلبات، فإنه كثيرًا ما يُسقط القلق غير المعلن والتردد وأجواء الغرفة. ويحتاج المحللون إلى الانضباط اللازم للعودة بأنفسهم إلى مواطن الانزعاج هذه بدل قبول الملخص بوصفه الإجابة النهائية.
تبني خبرة محلل الأعمال أكثر من مهارة العرض والتقديم؛ فهي تنمّي نقاط قوة في تحديد المشكلات وتعريف المتطلبات وترتيب الأولويات والتنسيق بين أصحاب المصلحة، وهي مهارات تنتقل بسهولة فيما يعيد الذكاء الاصطناعي الوكيل تشكيل الأدوار المجاورة أيضًا.
تنتقل الخبرة في توضيح المتطلبات الغامضة وتوحيد فهم أصحاب المصلحة مباشرة إلى تنفيذ المشاريع. ويناسب هذا المسار من يريد الانتقال من تعريف المشكلة إلى قيادة التنفيذ.
مؤشر التعرض 70/100 · الوظائف الأمريكية 2025–35 +6.7%
تنطبق الخبرة في تحويل مشكلات الأعمال إلى متطلبات أيضًا على تقرير ما الذي ينبغي بناؤه. ويناسب هذا المسار من يرغب في الانتقال من رفع التحليلات إلى رسم خطوط الأولوية بنفسه.
مؤشر التعرض 82/100 · الوظائف الأمريكية 2025–35 +6.9%
تدعم الخبرة في تحديد اختناقات سير العمل وتحويل أفكار التحسين إلى عمليات الإدارةَ اليومية كذلك، خاصة مع تزايد ما يجري من هذا العمل التشغيلي عبر أنظمة يقودها وكلاء الذكاء الاصطناعي وتظل بحاجة إلى مسؤول بشري.
مؤشر التعرض 63/100 · الوظائف الأمريكية 2025–35 +5.0%
كثيرًا ما ينجح من سبق لهم تحليل مواضع إعادة العمل والركود في سير العمل في تحليل تحسين العمليات، حيث يبقون أقرب إلى التنفيذ منهم إلى تعريف المتطلبات.
ترتبط الخبرة في هيكلة القضايا والتوفيق بين المصالح المختلفة ضمن مقترحات تحسين ارتباطًا طبيعيًا بالاستشارات الإدارية، خصوصًا للمؤسسات التي تحاول الآن تحديد الموضع المناسب فعلًا للذكاء الاصطناعي الوكيل في عملياتها.
مؤشر التعرض 88/100 · الوظائف الأمريكية 2025–35 +10.1%
تنطبق الخبرة في الوساطة بين أصحاب المصلحة في الأنظمة وسير العمل أيضًا على أنظمة الموارد البشرية وعمليات العمل، وهو خيار قوي لمن يريد مواصلة العمل عند الحد الفاصل بين الناس والإجراءات.
مؤشر التعرض 85/100 · الوظائف الأمريكية 2025–35 +6.4%
لا يزال محللو الأعمال مطلوبين، حتى مع استيعاب الذكاء الاصطناعي الوكيل للجانب الورقي من الوظيفة أسرع مما توقعته Gartner قبل عام واحد فقط، إذ يُنتظر أن تحمل 40 في المئة من تطبيقات المؤسسات وكلاء ذكاء اصطناعي مخصصين لمهام بعينها بنهاية 2026. فملاحظات الاجتماعات ولوحات مؤشرات الأداء والمسودات الأولى للمتطلبات تغدو أعمالًا أخف، لكن تحديد المشكلة الحقيقية وتوحيد فهم أصحاب المصلحة ورسم خطوط الأولوية وقراءة الأثر التشغيلي ستبقى. ومن الآن فصاعدًا، تتوقف القيمة على المدى الطويل بدرجة أقل على مدى إتقان المرء للتلخيص، وبدرجة أكبر على مدى قدرته على صياغة السؤال الصحيح.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه محلل أعمال. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
تسجّل مهنة محلل أعمال 88 من 100 على مؤشرنا للتعرض للذكاء الاصطناعي التوليدي (المرتبة 40 من 188). ويقيس ذلك مقدار العمل الذي يستطيع الذكاء الاصطناعي أداءه أو يُستخدم فيه، لا ما إذا كانت الوظيفة ستختفي. يتوقع مكتب BLS أن يتغير التوظيف في مهنة محلل أعمال في الولايات المتحدة بنسبة +10.1% بين 2025 و2035.
يندمج الذكاء الاصطناعي بأكبر قدر من السلاسة في تلخيص المعلومات وتنسيق مواد المقارنة، وقد نقلت أدوات الذكاء الاصطناعي الوكيلة في 2026 هذا الأمر من مرحلة التجربة إلى ممارسة معتادة لدى كثير من فرق التحليل. على سبيل المثال: تلخيص ملاحظات الاجتماعات ومحاضرها، التنظيم الأولي لمؤشرات الأداء وبيانات الوضع الراهن، صياغة مخططات سير العمليات وقوائم المتطلبات، تقييم جودة المتطلبات وتنسيقها.
ما يبقى في يد محللي الأعمال هو تحديد المشكلة الحقيقية وتحويلها إلى متطلبات. وكلما اعتمد الدور على التوفيق بين اختلاف أصحاب المصلحة في فهم المشكلة، بقيت قيمة بشرية أكبر، وهي تحديدًا الطبقة التي تعلو أدوات الصياغة المؤتمتة التي تتولى الآن الأعمال الورقية. على سبيل المثال: تحديد المشكلة الحقيقية، توحيد فهم أصحاب المصلحة، رسم خطوط الأولوية، قراءة الأثر التشغيلي اللاحق.
بالنسبة إلى محللي الأعمال في المستقبل، تقل أهمية سرعة التلخيص كثيرًا أمام القدرة على طرح أسئلة أفضل والإشراف على ما يصيب فيه التحليل الذي يولّده الذكاء الاصطناعي فعلًا. على سبيل المثال: التعمق في الأسئلة، اكتشاف الاستثناءات التشغيلية التي لا تُظهرها لوحات الذكاء الاصطناعي، تحويل الأولويات إلى توافق، عدم اعتبار ملخص الذكاء الاصطناعي هو الخلاصة.
