أدوات النماذج اللغوية الكبيرة كمحفزات للإدراك الجماعي في تطوير منتجات جديدة تعاوني: دراسة شبه تجريبية

لماذا هذا مهم للعمل الجماعي اليومي

الفرق الحديثة—من الشركات الناشئة إلى مجموعات مشاريع المدارس—بدأت تلجأ بشكل متزايد إلى روبوتات المحادثة المدعومة بالذكاء الاصطناعي لمساعدتها على التفكير والتخطيط والإبداع. لكننا نعرف قليلاً بالمقارنة حول كيفية تغيير هذه الأدوات لطريقة تعاون الناس فعليًا. تدرس هذه الدراسة بدقة كيف تشكّل النماذج اللغوية الكبيرة، مثل روبوتات المحادثة المتقدمة، تفكير المجموعة عند تصميم فرق لمنتجات جديدة، وأين لا تزال أحكام البشر تتفوق بوضوح على الذكاء الاصطناعي.

كيف يفكر الفريق عادةً معًا

عندما يتعاون الناس على منتج جديد، فإنهم يفعلون أكثر من مجرد تقسيم المهام؛ فهم يبنون تدريجيًا فهمًا مشتركًا للمشكلة والحلول المحتملة. يسمي المؤلفون هذا «الإدراك الجماعي»—الطريقة التي تمتزج بها الأفكار ووجهات النظر الفردية إلى صورة ذهنية مشتركة. أظهرت أبحاث سابقة أن هذا التفكير المشترك يتطور عبر دورات من جمع المعلومات، ومناقشتها، ووزن الخيارات، والاتفاق على حلول، لكن تلك الدورات كانت غالبًا مُوصوفة بشكل عام. لدراسة المحادثات الواقعية بتفصيل أكبر، قام الباحثون بتحسين نموذج أقدم إلى ما يسمونه إطار 2I2A، الذي يقسم التعاون إلى أربع مساحات متداخلة: تحديد المعلومات والمؤشرات، التفاعل لتنظيم الأفكار، تحليل الخيارات والمقايضات، والاستيعاب أو تحويل الرؤى إلى حلول قابلة للتطبيق.

نظرة أقرب على التجربة

جند الفريق 44 طالبًا متقدمًا في التصميم والهندسة وقسمهم إلى 22 مجموعة ثنائية. أُتيح لكل زوج 90 دقيقة لابتكار منتج مبتكر للأطفال مع التفكير بصوتٍ عالٍ. سمح نصف الفرق باستخدام نموذج لغوي كبير (ChatGPT-4 أو نظام مماثل) على جهاز كمبيوتر محمول بحرية؛ بينما اقتصر نصفهم الآخر على الورق والأقلام. سُجلت كل المحادثات الشفوية ثم رُمزت بعناية سطرًا بسطر باستخدام إطار 2I2A. وُصِفت كل جملة أو تبادل على أنها تنتمي إلى إحدى المساحات الأربع وإلى أحد أنماط التواصل الثمانية ذات الحبيبات الدقيقة، مثل استقبال المعلومات، وهيكلة الأسئلة، وتقييم الأفكار أو دمج الحلول. بالإضافة إلى ذلك، شارك المستخدمون الذين استخدموا النموذج اللغوي في مقابلات شبه منظمة، حللها الباحثون بنظرية مؤسِّسة لاكتشاف الموضوعات الشائعة في شعور الناس تجاه العمل مع الذكاء الاصطناعي.

أين يساعد الذكاء الاصطناعي أكثر

تُظهر البيانات أن النماذج اللغوية الكبيرة تعزز بقوة المراحل المبكرة من التفكير الجماعي. مقارنة بالفرق التي عملت بدون ذكاء اصطناعي، أمضت المجموعات المدعومة بالنموذج وقتًا أكبر من تعاونها في مساحتي التحديد والتفاعل. طلبوا من النموذج حقائق وخلفيات وأمثلة وإلهام، ثم استخدموا إجاباتها كمادة خام لصياغة وإعادة صياغة أسئلة التصميم. هذا جعلهم يدركون معلومات أكثر صلة، ويختارون ويجمعون خيارات أكثر، ويعيدون تنظيم الأفكار بنشاط أكبر. تدعم المقابلات هذا الاستنتاج: ذكر كثير من المشاركين أن النموذج سرّع أبحاثهم، واقترح اتجاهات لم يفكروا فيها، وعمل مثل «شريك مفهومي» سريع أعانهم على كسر عقبات الإبداع. باختصار، وسّع الذكاء الاصطناعي حدود الإدراك لدى الفرق وساعدهم على الوصول إلى نقطة انطلاق مشتركة بسرعة أكبر.

أين لا يزال حكم البشر متقدماً

على النقيض من ذلك، لم يغير النموذج اللغوي كثيرًا عدد المرات التي انخرطت فيها الفرق في التفكير الأعمق أو التركيب النهائي. في مساحتي التحليل والاستيعاب—حيث يقيم الناس الإيجابيات والسلبيات، ويتفاوضون حول الاختلافات، وينسجون الأفكار في تصميم واحد—تصرّفت مجموعات النموذج وغير النموذج بشكل مشابه عمومًا، وفي بعض المجالات الفرعية كانت الفرق الخالية من الذكاء الاصطناعي أكثر نشاطًا. بدون الذكاء الاصطناعي، أمضى المتعاونون وقتًا أطول في تقييم الخيارات نقديًا ومناقشة المقايضات. غالبًا ما ذُكر في المقابلات أن اقتراحات روبوت المحادثة قد تكون سطحية، أحيانًا غير دقيقة ومؤدبة للغاية، نادرًا ما تعارض كزميل نقدي. شعر بعض المشاركين أن الذكاء الاصطناعي أحيانًا «استبدل» تفكيرهم الخاص أو دفعهم لاتباع أفكاره كثيرا، مما قد يضيق بدلاً من توسيع نطاق الحلول. هذا يفسر لماذا، رغم عصف ذهني مبكر أكثر حيوية، لم تكن المخرجات الإبداعية النهائية أفضل بشكل واضح بوجود الذكاء الاصطناعي.

تحولات في ديناميكيات الفريق ومخاطر خفية

عند النظر إلى كيفية تنقل الفرق بين المساحات الأربع للتفكير عبر الزمن، وجد الباحثون أن المجموعات المدعومة بالنموذج أظهرت انتقالات أكثر سلاسة وتكرارًا ذهابًا وإيابًا، خصوصًا بين تحديد المعلومات والتفاعل لتنظيمها. شجّع الذكاء الاصطناعي دورات سريعة من السؤال، والتلقي، وإعادة تشكيل الأفكار، مما أعطى التعاون طابعًا أكثر مرونة. ومع ذلك، جاءت هذه المرونة مع مقابل. أبلغ بعض المشاركين أن التنقلات المتكررة، المعززة بالإجابات السريعة للذكاء الاصطناعي، جعلت من الأصعب التمهل للتفكير الأعمق. أعرب آخرون عن قلقهم من الاعتماد المتزايد على الأداة، وفقدان «المناقشة البشرية الطبيعية» والحاجة لمراجعة محتوى الذكاء الاصطناعي للتحقق من الأخطاء أو السياق المفقود. أشارت المقابلات أيضًا إلى آثار اجتماعية أوسع: قد يؤدي الذكاء الاصطناعي إلى أتمتة الأعمال الروتينية وتحرير الناس لمهام أكثر إبداعًا، لكنه قد يغيّر أيضًا ديناميكيات القوة بمنح أدوار معينة—مثل مديري المنتج الذين يوجّهون استخدام الذكاء الاصطناعي—نفوذًا أكبر داخل الفرق.

ما الذي يعنيه هذا لاستخدام الذكاء الاصطناعي في الفرق الحقيقية

لغير المتخصصين، الرسالة الأساسية واضحة: النماذج اللغوية الكبيرة جيدة جدًا في مساعدة الفرق على البدء والحفاظ على المرونة الذهنية، لكنها ليست اختصارًا للفهم العميق أو اتخاذ القرارات الحكيمة. تعمل هذه الأدوات كمسرِّعات قوية لجمع المعلومات، واستكشاف الأفكار وبناء صورة مشتركة أولية. مع ذلك، لا تزال التحليلات الدقيقة، والقرارات الصعبة، ودمج وجهات نظر عديدة في تصميم متين وقابل للتنفيذ تعتمد بدرجة كبيرة على خبرة البشر، والتفكير النقدي، والتفاوض. يجادل المؤلفون بأن على المؤسسات أن تعامل النماذج اللغوية الكبيرة كوسائل مساعدة للتفكير في المراحل المبكرة ضمن منظور 2I2A الأوسع للتعاون—لا كبدائل للمحادثات والأحكام البشرية التي تقرر في النهاية نجاح المنتجات الجديدة.

الاستشهاد: Zhang, D., Luo, S., Liu, Y. et al. Large language model tools as catalysts for collective cognition in collaborative new-product development: a quasi-experimental study. Humanit Soc Sci Commun 13, 382 (2026). https://doi.org/10.1057/s41599-026-06738-7

الكلمات المفتاحية: النماذج اللغوية الكبيرة, التصميم التعاوني, الإدراك الجماعي, تطوير المنتج الجديد, العمل الجماعي بين الإنسان والذكاء الاصطناعي