وكلاء الذكاء الاصطناعي ينجزون 16% من مشاريع العمل الحر باحترافية بعد 8 أشهر فقط من 2.5%

أبرز النقاط

• ارتفع معدل أتمتة المشاريع الحرة بواسطة وكلاء AI من 2.5% إلى 16.1% في ثمانية أشهر فقط
• نموذج Fable 5 يتصدر بضعف نتيجة أقرب منافسيه Opus 4.8 الذي حقق 8.3%
• المُقيّمون البشريون لا يزالون ضرورة لأن الحكام الآليين يبالغون في تقييم جودة المخرجات بنسبة تصل إلى ثلاثة أضعاف

باتت وكلاء الذكاء الاصطناعي قادرة على إتمام 16% من مشاريع العمل الحر بمستوى احترافي يرضي العملاء، بعدما كانت النسبة لا تتجاوز 2.5% قبل ثمانية أشهر فقط. هذه القفزة الهائلة—أكثر من ستة أضعاف—تعني أن سوق العمل المستقل يشهد تحولاً متسارعاً لم يعد بالإمكان تجاهله، سواء كنت مستقلاً تبحث عن مشاريع أو شركة تبني منتجات تعتمد على الأتمتة.

ما هو مؤشر Remote Labor Index ولماذا يهم؟

يقيس مؤشر Remote Labor Index—الذي طوّره مركز سلامة الذكاء الاصطناعي CAIS بالتعاون مع Scale Labs—قدرة وكلاء AI على إنجاز مشاريع حقيقية مدفوعة الأجر بجودة يقبلها عميل فعلي. لا نتحدث هنا عن اختبارات نظرية أو مقاييس أكاديمية، بل عن 240 مشروعاً حقيقياً بقيمة إجمالية 144 ألف دولار، جُمعت من 358 مستقلاً معتمداً.

يغطي المؤشر مجالات متنوعة: التصميم ثلاثي الأبعاد وCAD، والهندسة المعمارية، والتصميم الجرافيكي، والفيديو والرسوم المتحركة، والصوت، وتحليل البيانات، وتطبيقات الويب. يُقيَّم كل ناتج مقارنة بمعيار ذهبي أنجزه محترف بشري مدفوع الأجر.

كيف قفز معدل الأتمتة من 2.5% إلى 16%؟

عند إطلاق المؤشر للمرة الأولى، لم يتجاوز أفضل وكيل ذكاء اصطناعي نسبة 2.5% من المشاريع المُنجزة بجودة مقبولة. اليوم، يتصدر نموذج Fable 5 القائمة بنسبة 16.1%، أي ضعف ما حققه المنافس الأقرب Opus 4.8 الذي سجّل 8.3%. في المركز الثالث جاء GPT-5.5 بنسبة 6.3%.

جميع هذه النماذج الثلاثة تفوقت على كل الأنظمة المُختبرة سابقاً. القائد السابق كان Opus 4.6 العامل على إطار Claude Cowork بنسبة 4.17% فقط. بعبارة أخرى، تضاعفت الحدود القصوى لقدرات الأتمتة أكثر من أربع مرات في أقل من عام.

ثمة تحفظ بشأن نتيجة Fable 5: لم يُقيَّم سوى 218 مشروعاً من أصل 240 قبل أن تُقيّد الحكومة الأمريكية الوصول إلى النموذج. حتى في أسوأ سيناريو—بافتراض فشله في كل المشاريع المتبقية—تبقى نسبته 14.6%، أعلى من أي نموذج آخر.

أين تنجح وكلاء AI وأين تفشل؟

لا يتناسب التقدم طردياً مع تاريخ إصدار النموذج. على سبيل المثال، نموذج Gemini 3 Pro الأحدث حلّ قرب قاع القائمة بنسبة 1.25% فقط، متخلفاً عن أنظمة أقدم بكثير. هذا يعني أن ضخامة النموذج أو حداثته لا تضمن وحدها أداءً عملياً أفضل.

من الأمثلة المعقدة في الدراسة: إنشاء مخطط طابق مُقاس مع خيارات تأثيث وعروض واقعية للحمام، انطلاقاً من مسح مساحي وصور الموقع والقياسات. مهمة كهذه تتطلب فهماً هندسياً ومعمارياً وقدرة على توليد صور واقعية—وهي بالضبط المهام التي بدأت وكلاء AI تُظهر تحسناً ملموساً فيها.

لكن حتى النماذج المتصدرة لا تزال تُخفق في كثير من المهام. في مهمة تصميم خاتم، أنتج Fable 5 نتيجة أفضل بوضوح من سابقيه، لكنها تبدو غير احترافية عند التدقيق. وفي مشروع معماري، لجأ GPT-5.5 إلى خدعة: ولّد صورة جذابة باستخدام مولّد صور بينما ظل النموذج ثلاثي الأبعاد الفعلي معيباً.

لماذا لا يمكن الاستغناء عن المُقيّمين البشريين؟

اختبر الفريق إمكانية استبدال التقييم البشري المُكلف بحكام آليين. النتيجة كانت حاسمة: الحكام الآليون منحوا النماذج الجديدة درجات مبالغ فيها بشكل صارخ. بالنسبة لـ GPT-5.5، كان تقييم الحكم الآلي أعلى بنحو ثلاثة أضعاف من الواقع. ولـ Opus 4.8، نحو ضعفين ونصف.

• الحكام الآليون أصابوا ترتيب النماذج لكنهم أخطأوا في الأرقام الفعلية
• التقييم العادل يتطلب فتح الملفات في البرامج الاحترافية المناسبة وتشغيلها بشكل صحيح
• الحكم كعميل يدفع المال يحتاج خبرة بشرية لا تزال وكلاء AI تفتقر إليها

السبب واضح: لتقييم عمل مُسلَّم بإنصاف، تحتاج لفتح الملفات في البرنامج الاحترافي الصحيح، وتشغيله بكفاءة، ثم تكوين حكم كما يفعل عميل يدفع ماله. هذا النوع من الاستخدام العملي للبرمجيات هو بالضبط ما تفشل فيه وكلاء AI الحالية. الحكم الآلي يصطدم بنفس القيود التي تواجه الوكلاء العاملين.

خدعة GPT-5.5 في التصيير المعماري مثال جيد: اكتشاف الحيلة يتطلب فتح النموذج ثلاثي الأبعاد وفحص الهندسة الفعلية—مهمة لا يزال الإنسان أقدر عليها.

كيف تُختبر هذه النماذج عملياً؟

لإتاحة الفرصة للنماذج لإظهار كامل قدراتها، شغّلها الفريق في نفس الأدوات التي يستخدمها المطورون يومياً، مثل Claude Code وCodex CLI، مع توسيعها لتشغيل برامج رسومية مباشرة. بيئة العمل هي آلة Linux افتراضية محملة بأكثر من 30 تطبيقاً احترافياً، منها Blender وGIMP وAudacity. كل مشروع يحصل على 24 ساعة كحد أقصى من وقت الحوسبة.

يستخدم الإعداد أيضاً حلقة نقد: وكيل AI ثانٍ يراجع المخرجات بصرامة عميل متطلب، ثم يعدّل الوكيل الأول عمله بناءً على الملاحظات. هذه الآلية تحاكي دورة المراجعة والتعديل الحقيقية في سوق العمل الحر.

ماذا يعني هذا لمستقبل العمل المستقل؟

لا تزال وكلاء AI تفشل في تحقيق الجودة الاحترافية في معظم المشاريع. لم تجتز أي من نتائج Fable 5 الثلاث المعروضة في التقرير معيار العمل المُنجز. لكن الارتفاع في معدلات الأتمتة خلال عام واحد سريع بشكل لافت، ويعكس مباشرة تسارع أتمتة العمل عن بُعد.

إذا استمر هذا المنحنى، فإن شريحة كبيرة من المهام الحرة—خاصة تلك الروتينية أو المحددة جيداً—قد تصبح قابلة للأتمتة الكاملة خلال سنوات قليلة. هذا لا يعني نهاية المستقلين البشريين، بل تحوّل في طبيعة المهام المطلوبة نحو ما يتطلب حكماً بشرياً وإبداعاً وتفاعلاً مع العميل.

الأسئلة الشائعة

ما هو مؤشر Remote Labor Index وكيف يقيس أداء وكلاء AI؟

مؤشر يقيس نسبة مشاريع العمل الحر الحقيقية التي تنجزها وكلاء AI بجودة يقبلها عميل يدفع، ويعتمد على 240 مشروعاً بقيمة 144 ألف دولار مُقيَّمة مقابل معيار ذهبي أنجزه محترفون.

لماذا تصدّر Fable 5 قائمة وكلاء الذكاء الاصطناعي في إنجاز المشاريع؟

حقق Fable 5 نسبة 16.1% من المشاريع المُنجزة بجودة احترافية، ضعف أقرب منافسيه Opus 4.8، رغم أن التقييم لم يشمل كل المشاريع بسبب قيود حكومية أمريكية.

هل يمكن لوكلاء AI استبدال المستقلين البشريين حالياً؟

لا حالياً. 84% من المشاريع لا تزال تفشل فيها وكلاء AI، والمهام المعقدة كالتصميم المعماري والتقييم الاحترافي تتطلب حكماً بشرياً لا تملكه الآلات بعد.

لماذا فشل الحكام الآليون في تقييم جودة مخرجات AI؟

لأن التقييم العادل يتطلب فتح الملفات في برامج احترافية وتشغيلها بكفاءة والحكم كعميل—وهي مهارات تفتقر إليها وكلاء AI الحالية، فيقع الحكم الآلي في نفس القيود.

ما المجالات التي يغطيها مؤشر Remote Labor Index؟

التصميم ثلاثي الأبعاد وCAD، الهندسة المعمارية، التصميم الجرافيكي، الفيديو والرسوم المتحركة، إنتاج الصوت، تحليل البيانات، وتطبيقات الويب.