هل يستبدل الذكاء الاصطناعي الاقتصاديين؟ ملخصات التضخم والناتج المحلي والتوظيف مؤتمتة بالفعل، أما تفسير اختلاف ردود فعل الأسواق فما زال عملًا بشريًا.
الحاجة إلى الاقتصاديين لن تزول؛ بل كلما سهُل توليد الملخصات الروتينية، صارت المهنة تُقيَّم بجودة تفسيرها. ستواجه الأدوار التي تكتفي برصّ الأرقام ضغطًا أكبر، لكن من يستطيعون قراءة التغير الهيكلي وتنظيم سيناريوهات متعددة وترجمتها إلى دلالات ذات معنى لصانعي القرار سيبقون.
يقرأ الاقتصاديون البيئة الكلية، من نمو وتضخم وأسعار فائدة وتوظيف وأسعار صرف، ويترجمونها إلى صيغ تستطيع الشركات والمستثمرون الاستناد إليها في قراراتهم. وهم لا يكتفون بعرض الإحصاءات، بل يربطون بين مؤشرات متعددة ويشرحون كيف يُرجَّح أن تؤثر التحولات الجارية في الأسواق ونتائج الأعمال.
مع تحسن الذكاء الاصطناعي، سيصبح تلخيص الإحصاءات وصياغة التقارير الدورية ومقارنة البيانات التاريخية أكثر كفاءة بكثير. لكن تحديد المؤشرات الأهم، وتفسير التغيرات الهيكلية الكامنة وراء الأرقام، والمقارنة بين السيناريوهات المتنافسة، كلها يُرجَّح أن تبقى عملًا بشريًا. بل قد تصبح الفروق في التفسير أوضح من ذي قبل.
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 "Economists". 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
عند التفكير في مخاطر الذكاء الاصطناعي على الاقتصاديين، يتمحور السؤال الأساسي حول ما إذا كنت ترى الوظيفة تلخيصًا للإحصاءات أم تكوينًا لرؤية عن الاقتصاد. فالذكاء الاصطناعي التوليدي يُحسن بالفعل تلخيص إصدارات مثل مؤشر أسعار المستهلك أو الناتج المحلي الإجمالي أو بيانات التوظيف. لكن فهم سبب تفاعل السوق هذه المرة بشكل مختلف مع رقم من النوع نفسه، وما الذي يشبه الماضي وما الذي لا يشبهه، وكيف ستنتشر الآثار عبر القطاعات المختلفة، لا يزال يعتمد كثيرًا على التفكير البشري.
ومع تطور هذا العمل، لن يُقدَّر الاقتصاديون لسرعة إخراج المعلومات بقدر ما يُقدَّرون لتقديم تفسيرات تسند قرارات حقيقية. وكلما تولى الذكاء الاصطناعي الملخصات الموحدة، ازدادت أهمية تحديد الفرضيات المعتمدة، والشكوك التي تُترك مفتوحة، والمدى الذي يمكن فيه إطلاق أحكام جازمة. بعبارة أخرى، سيواجه الاقتصاديون الذين يعتمدون على الإجراءات الروتينية ضغطًا أكبر، بينما يُرجَّح أن يحتفظ القادرون على قراءة البنية بقيمتهم.
حتى في علم الاقتصاد، فإن أكثر المهام انكشافًا على الذكاء الاصطناعي هي تلك التي تجمع البيانات الروتينية وتصبّها في قوالب موحدة. وسيصعب تدريجيًا التميز في العمل الذي يتنافس أساسًا على سرعة النشر.
يلائم الذكاء الاصطناعي التوليدي تمامًا استخراج الأرقام الرئيسية من إصدارات مثل بيانات التوظيف أو مؤشرات التضخم، وتلخيص التغير مقارنة بالفترة السابقة أو بتوقعات السوق بإيجاز. وقد تبقى للتغطية السريعة قيمتها، لكن الأدوار التي تقتصر على إنتاج الملخصات بالجملة ستضعف.
كثيرًا ما تتبع تقارير التوقعات الأسبوعية أو الشهرية بنى متشابهة، ويستطيع الذكاء الاصطناعي رفع الكفاءة كثيرًا في صياغتها. فتنسيق اللغة وإعادة استخدام العبارات المألوفة مهام يتقنها الذكاء الاصطناعي، ما يقلل الحاجة إلى أن يكتب البشر هذه التقارير من الصفر.
تستطيع أدوات التحليل ودعم الذكاء الاصطناعي بناء جداول تُظهر الاتجاهات على مدى سنوات أو الارتباطات أو المقارنات الدولية بسرعة. وستنخفض قيمة إعداد المقارنة بحد ذاتها، بينما ترتفع أهمية تفسير ما تعنيه.
قوائم السيناريوهات على طريقة الكتب الدراسية، مثل ما يحدث إذا تباطأ النمو أو خُفضت أسعار الفائدة، ينتجها الذكاء الاصطناعي بسهولة. ولن يعود مجرد رصّ آراء يستطيع أي شخص قولها مصدرًا لقيمة مهنية تُذكر.
جوهر علم الاقتصاد ليس ترتيب الأرقام، بل تكوين رؤية لما يجري وراءها. وتظل قراءة التناقضات بين المؤشرات أو الحكم على ما إذا كانت ردود فعل السوق مفرطة أمرًا يصعب أن تحل محله الملخصات الآلية وحدها.
حتى في البيئة الكلية نفسها، قد تنتقل أهمية المؤشر الأبرز بين الأجور وأسعار الخدمات والإنفاق الرأسمالي ومعنويات الأسر. وتحديد الإشارة الجوهرية من مجرد الضجيج يتطلب خبرة وتفكيرًا قائمًا على الفرضيات.
قد تعكس التغيرات في البيانات إعانات حكومية أو تحولات تنظيمية أو سلوك الشركات أو تغيرًا في نفسية المستهلكين. وإذا اكتفيت بالنظر إلى الأرقام الخام، زادت احتمالات أن تخطئ استنتاجاتك الهدف. وكلما استطاع المرء قراءة البنية الخلفية، ازدادت توقعاته إقناعًا.
الرؤية الكلية نفسها تعني أشياء مختلفة للمديرين التنفيذيين والمستثمرين وفرق المبيعات. ودور ترجمة الرؤية الاقتصادية إلى دلالات ذات صلة بالقرار لجمهور بعينه يُرجَّح أن يبقى نقطة قوة بشرية.
مهمة الاقتصادي ليست أن يصيب فحسب، بل أن يشرح أيضًا أي الافتراضات انهارت حين تخطئ التوقعات. وستظل القدرة على تنظيم نطاق السيناريوهات ودرجة الثقة بها، وعرضها بطريقة تتيح للقارئ تقرير موقفه، أمرًا مهمًا.
بالنسبة إلى الاقتصاديين، ستعتمد القيمة على المدى الطويل على بناء الفرضيات وترجمتها بفعالية أكثر من اعتمادها على حسن التلخيص. والمفتاح هو استخدام الأدوات لتسريع جمع المعلومات، مع تخصيص وقت أكبر لنوع الحكم الذي لا يقدمه إلا البشر.
يحتاج الاقتصادي إلى أن يرى لا الأرقام المعزولة، بل العلاقات بين التوظيف والأجور والأسعار وأسعار الفائدة وأرباح الشركات. ومن يستطيع بناء رواية سببية بنفسه، لا مجرد استهلاك مواد رتّبها الذكاء الاصطناعي، ستكون قيمته في السوق أقوى.
لا يكفي تتبع سياسات البنوك المركزية والحكومات وحدها. فالقيمة العملية للتحليل الكلي ترتفع حين تستطيع أيضًا قراءة سلوك الشركات في التسعير وخطط الاستثمار وتعديلات العمالة. وستزداد أهمية القدرة على الربط بين المؤسسات وسلوك الأعمال في الواقع مع الوقت.
حتى التحليل الاقتصادي العميق تبقى قيمته محدودة إذا لم يفهمه من سيستخدمه. والاقتصاديون القادرون على تغيير طريقة العرض بحسب المديرين التنفيذيين أو المستثمرين أو فرق الخطوط الأمامية أرجح أن يحتفظوا بقيمتهم كمتخصصين.
النهج الصحيح هو ترك التجميع الدوري وتنسيق الوثائق للذكاء الاصطناعي، ثم استثمار الوقت الموفّر في اختبار الفرضيات. ومن يستخدم الأدوات للكفاءة ولتعميق التحليل معًا سيزداد قوة.
يمكن أن تنتقل خبرة الاقتصادي إلى ما هو أبعد بكثير من التنبؤ الاقتصادي البحت، خاصة لدى من لم يكتفوا بتلخيص الأرقام بل ترجموها أيضًا إلى دلالات لصنع القرار.
الخبرة في قراءة الظروف الكلية وترجمة معنى الأرقام إلى دلالات استثمارية أو إدارية تنتقل بشكل طبيعي إلى تحليل الشركات والأسواق. ويناسب هذا المسار من يريد الانتقال من الرؤى على مستوى الاقتصاد ككل نحو أحكام أكثر تخصصًا في شركات بعينها.
مؤشر التعرض 91/100 · الوظائف الأمريكية 2025–35 +7.2%
القدرة على الربط بين نقاط بيانات متعددة وقراءة الأسباب الهيكلية للتغير قيّمة أيضًا في أبحاث السوق وتحليل الطلب. وهو خيار قوي لمن يريد تطبيق التفكير الكلي على عمل أقرب إلى العملاء والقطاعات.
مؤشر التعرض 94/100 · الوظائف الأمريكية 2025–35 +7.0%
الخبرة في العثور على المسألة الحقيقية داخل مجموعة من الأرقام وتنظيم النقاط الرئيسية لصنع القرار تنطبق أيضًا على تحسين العمليات وتحليل المتطلبات. وهي تلائم من يريد إدخال التفكير الاقتصادي في دعم القرارات التشغيلية.
مؤشر التعرض 88/100 · الوظائف الأمريكية 2025–35 +10.1%
الخبرة في قراءة الإحصاءات وصياغة الفرضيات وترجمتها إلى دلالات ذات معنى تصنع قيمة كذلك في تحليل بيانات الأعمال. ويناسب هذا المسار من يريد التحول من المؤشرات الكلية إلى تفسير البيانات الداخلية للشركات.
مؤشر التعرض 95/100 · الوظائف الأمريكية 2025–35 +34.6%
الخبرة في قراءة التغيرات طويلة الأمد في السياسات والتحولات الهيكلية في القطاعات مفيدة أيضًا في أعمال إزالة الكربون والاستشارات التنظيمية. وهذا منطقي لمن يريد ربط الاتجاهات المجتمعية الواسعة بدعم استراتيجيات الشركات.
مؤشر التعرض 80/100 · الوظائف الأمريكية 2025–35 +3.9%
الحاجة إلى الاقتصاديين لن تزول؛ بل كلما سهُل توليد الملخصات الروتينية، صارت المهنة تُقيَّم بجودة تفسيرها. ستواجه الأدوار التي تكتفي برصّ الأرقام ضغطًا أكبر، لكن من يستطيعون قراءة التغير الهيكلي وتنظيم سيناريوهات متعددة وترجمتها إلى دلالات ذات معنى لصانعي القرار سيبقون. ومع توالي السنوات المقبلة، فإن القوة الحقيقية التي ينبغي تنميتها ليست كتابة المستجدات الاقتصادية بسرعة، بل شرح منطق الاقتصاد ذاته.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه خبير اقتصادي. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
تسجّل مهنة خبير اقتصادي 92 من 100 على مؤشرنا للتعرض للذكاء الاصطناعي التوليدي (المرتبة 25 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 خبير اقتصادي في الولايات المتحدة بنسبة +4.7% بين 2025 و2035.
حتى في علم الاقتصاد، فإن أكثر المهام انكشافًا على الذكاء الاصطناعي هي تلك التي تجمع البيانات الروتينية وتصبّها في قوالب موحدة. وسيصعب تدريجيًا التميز في العمل الذي يتنافس أساسًا على سرعة النشر. على سبيل المثال: الملخصات السريعة للإصدارات الإحصائية، المسودات الأولى للتقارير الدورية، إعداد جداول المقارنة التاريخية، سرد أنماط السيناريوهات العامة.
جوهر علم الاقتصاد ليس ترتيب الأرقام، بل تكوين رؤية لما يجري وراءها. وتظل قراءة التناقضات بين المؤشرات أو الحكم على ما إذا كانت ردود فعل السوق مفرطة أمرًا يصعب أن تحل محله الملخصات الآلية وحدها. على سبيل المثال: ترتيب أولوية المؤشرات وقراءة البنية الكامنة، تفسير السياسات والسلوكيات وراء الأرقام، ترجمة رؤية واحدة إلى دلالات مختلفة لقرّاء مختلفين، شرح عدم اليقين بصيغة تظل داعمة للقرار.
بالنسبة إلى الاقتصاديين، ستعتمد القيمة على المدى الطويل على بناء الفرضيات وترجمتها بفعالية أكثر من اعتمادها على حسن التلخيص. والمفتاح هو استخدام الأدوات لتسريع جمع المعلومات، مع تخصيص وقت أكبر لنوع الحكم الذي لا يقدمه إلا البشر. على سبيل المثال: القدرة على صياغة فرضيات عبر مؤشرات متعددة، القدرة على قراءة السياسات وسلوك الشركات معًا، شرح دلالات مختلفة لجماهير مختلفة، تصميم التحليل حول أدوات الذكاء الاصطناعي والبيانات.
