لم يعد الذكاء الاصطناعي في عام 2026 تقنية ناشئة تُناقش بوصفها احتمالًا مستقبليًا، بل أصبح قوة حاضرة تعيد تشكيل الاقتصاد، وسوق العمل، والتعليم، والبحث العلمي، والطب، والسياسات العامة، وحتى موازين القوة بين الدول.
هذا هو الانطباع المركزي الذي يقدمه تقرير مؤشر الذكاء الاصطناعي 2026 الصادر عن معهد ستانفورد للذكاء الاصطناعي المتمحور حول الإنسان Stanford HAI. ويقع التقرير في أكثر من 400 صفحة، ويغطي تسعة محاور رئيسية تشمل البحث والتطوير، والأداء التقني، والذكاء الاصطناعي المسؤول، والاقتصاد، والعلوم، والطب، والتعليم، والسياسات والحوكمة، والرأي العام.
والرسالة الأهم التي تتكرر عبر التقرير هي أن قدرات الذكاء الاصطناعي تتطور بوتيرة أسرع من قدرة المؤسسات والقوانين وأنظمة القياس والمجتمعات على مواكبتها.
القدرات تتقدم بسرعة أكبر مما كان متوقعًا
تشير بيانات التقرير إلى أن أداء النماذج المتقدمة ما يزال في حالة تسارع واضحة، وأن الحديث عن وصول الذكاء الاصطناعي إلى مرحلة استقرار أو تباطؤ في القدرات لا تدعمه المؤشرات الحالية.
ففي عدد من الاختبارات التي تقيس الاستدلال العلمي والرياضي ومتعدد الوسائط، أصبحت بعض النماذج تقترب من مستوى الأداء البشري أو تتجاوزه. وفي اختبار SWE-bench Verified الخاص بمهام هندسة البرمجيات، ارتفع الأداء من نحو 60% من المستوى البشري في 2024 إلى مستوى قريب من 100% في 2025.
لكن هذا التقدم لا يعني أن النماذج أصبحت ذكية بالطريقة نفسها التي يفكر بها الإنسان. فالتقرير يلفت الانتباه إلى ما يسمى الجبهة المتعرجة للذكاء الاصطناعي، حيث يمكن للنظام أن يحقق أداءً متقدمًا للغاية في مهمة معقدة، ثم يفشل في مهمة تبدو أبسط كثيرًا.
ومن أكثر الأمثلة لفتًا للانتباه أن نظامًا مثل Gemini Deep Think استطاع الوصول إلى مستوى الميدالية الذهبية في الأولمبياد الدولي للرياضيات، بينما لم يحقق أفضل نموذج في اختبار قراءة الساعات التناظرية سوى دقة تقارب 50.1%.
وهذا يعني أن القوة المتزايدة للنماذج لا تساوي بالضرورة ذكاءً عامًا متماسكًا في جميع المهام.
وكلاء الذكاء الاصطناعي يتقدمون بسرعة
يولي تقرير 2026 اهتمامًا واضحًا بالجيل الجديد من أنظمة AI Agents القادرة على تنفيذ سلسلة من الخطوات واستخدام الأدوات والتفاعل مع الحاسوب بدلاً من الاكتفاء بإنتاج النصوص.
وعلى اختبار OSWorld، الذي يقيس قدرة الوكلاء على تنفيذ مهام واقعية داخل أنظمة التشغيل، ارتفعت نسبة النجاح من نحو 12% إلى قرابة 66%.
هذه قفزة كبيرة للغاية، لكنها تكشف في الوقت نفسه أن الوكلاء ما زالوا يفشلون في نحو ثلث المحاولات.
وبالتالي، فإن عام 2026 لا يمثل بعد مرحلة يمكن فيها ترك الأنظمة الوكيلة تعمل باستقلالية كاملة في المهام الحساسة، لكنه يمثل انتقالًا واضحًا من فكرة الوكيل التجريبية إلى أداة بدأت تصبح قابلة للاستخدام الفعلي داخل كثير من سير العمل.
الفجوة بين الولايات المتحدة والصين تضيق
من أهم التحولات التي يرصدها التقرير أن الفجوة في أداء النماذج بين الولايات المتحدة والصين أصبحت ضيقة للغاية.
فمنذ بداية 2025 تبادلت النماذج الأمريكية والصينية الصدارة أكثر من مرة، ووصل DeepSeek-R1 في فبراير 2025 إلى مستوى قريب من أفضل النماذج الأمريكية، بينما بلغ الفارق بين أفضل نموذج أمريكي وأبرز منافسيه في مارس 2026 نحو 2.7% فقط وفق المقياس المستخدم في التقرير.
لكن سباق الذكاء الاصطناعي لا يمكن اختزاله في مقارنة بين نموذجين.
فالولايات المتحدة ما تزال تتقدم في عدد من المجالات، من بينها إنتاج النماذج الرائدة والاستثمار الخاص وبعض براءات الاختراع الأعلى تأثيرًا، في حين تتقدم الصين في حجم الأبحاث العلمية والاستشهادات وبراءات الاختراع وبعض مؤشرات الروبوتات الصناعية.
وهذا يعني أن المنافسة بين البلدين أصبحت منافسة على منظومة متكاملة، تشمل النماذج والرقائق والبنية التحتية والبحث العلمي والاستثمار والمهارات.
الشركات أصبحت المحرك الأكبر لتطوير النماذج
أحد أكثر الأرقام وضوحًا في التقرير يتعلق بالتحول الكبير في مركز ثقل تطوير الذكاء الاصطناعي من الجامعات إلى الشركات.
ففي عام 2025 جاءت نحو 91.2% من النماذج البارزة من القطاع الصناعي، حيث أحصى التقرير 93 نموذجًا قادمًا من الشركات، مقابل نموذجين فقط من المؤسسات الأكاديمية.
وتصدر OpenAI قائمة المؤسسات في 2025 بإنتاج 20 نموذجًا بارزًا، يليه Google بـ14 نموذجًا، ثم Alibaba بـ11 نموذجًا.
هذا التحول مفهوم في ضوء الموارد اللازمة لبناء النماذج المتقدمة، إذ أصبحت العملية تتطلب كميات هائلة من البيانات والحوسبة والطاقة ورأس المال والبنية التحتية.
لكن هذه الهيمنة الصناعية تثير في الوقت نفسه سؤالًا مهمًا حول قدرة الجامعات والباحثين المستقلين على مواصلة المنافسة في الصفوف الأمامية للتطوير.
قوة أكبر مقابل شفافية أقل
من المفارقات التي يكشف عنها التقرير أن تطور النماذج لا يصاحبه بالضرورة ارتفاع في مستوى الشفافية.
بل يحدث العكس في بعض الحالات.
فعدد من الشركات الكبرى لم يعد يكشف بصورة كاملة عن حجم النماذج، أو عدد المعاملات، أو حجم بيانات التدريب، أو مدة التدريب، أو الشيفرة المستخدمة في بناء النظام.
وفي 2025، تم إصدار 81 نموذجًا بارزًا من أصل 102 من دون نشر شيفرة التدريب الخاصة بها.
وهذا يخلق تحديات كبيرة أمام إعادة إنتاج النتائج، والتدقيق المستقل، والتحقق من ادعاءات السلامة، ودراسة التأثيرات الحقيقية لهذه الأنظمة.
الذكاء الاصطناعي المفتوح يواصل التوسع
على الجانب الآخر، يستمر عالم الذكاء الاصطناعي مفتوح المصدر أو مفتوح الأوزان في التوسع بوتيرة كبيرة.
يرصد التقرير وجود نحو 5.6 ملايين مشروع متعلق بالذكاء الاصطناعي على GitHub، إلى جانب نمو قوي في حجم النماذج والموارد المنشورة على Hugging Face.
ولا تأتي أهمية هذا الاتجاه فقط من توفير بدائل للنماذج المغلقة، بل أيضًا من دوره في توسيع المشاركة العالمية، ودعم تطوير نماذج بلغات متعددة، وإنشاء اختبارات ومعايير أكثر ارتباطًا بالاحتياجات المحلية لكل دولة أو منطقة.
أسرع انتشار تقني في التاريخ الحديث
يرى التقرير أن الذكاء الاصطناعي التوليدي وصل إلى مستويات تبنٍّ جماهيري بسرعة تاريخية.
فقد بلغ معدل انتشار Generative AI نحو 53% من السكان خلال ثلاث سنوات تقريبًا، وهي وتيرة أسرع من انتشار الحاسوب الشخصي أو الإنترنت وفق المقارنة التي يقدمها التقرير.
وفي المؤسسات، وصلت نسبة تبني الذكاء الاصطناعي إلى نحو 88%، كما أصبح أربعة من كل خمسة طلاب جامعيين تقريبًا يستخدمون أدوات الذكاء الاصطناعي التوليدي.
لكن معدلات الاستخدام تختلف بصورة كبيرة من دولة إلى أخرى.
وتظهر الإمارات مثلًا بمعدل تبنٍّ يقارب 64%، وسنغافورة بنحو 61%، في حين بلغت النسبة في الولايات المتحدة نحو 28.3% وفق المقياس الوارد في التقرير.
استثمارات هائلة تعيد تشكيل الاقتصاد
لا يقتصر سباق الذكاء الاصطناعي على الجانب التقني، بل أصبح أحد أكبر مجالات الاستثمار في العالم.
ففي 2025 بلغ الاستثمار الخاص في الذكاء الاصطناعي داخل الولايات المتحدة نحو 285.9 مليار دولار، مقارنة بنحو 12.4 مليار دولار في الصين.
ويحذر التقرير من أن المقارنة لا تعكس بالضرورة إجمالي الإنفاق الصيني الحقيقي، بسبب الدور الكبير للصناديق الحكومية وبرامج الاستثمار الموجهة من الدولة.
كما شهدت الولايات المتحدة في العام نفسه تمويل 1,953 شركة جديدة تعمل في مجال الذكاء الاصطناعي، وهو رقم يعكس استمرار قوة البيئة الاستثمارية وريادة الأعمال الأمريكية.
الذكاء الاصطناعي وسوق العمل: الصورة ليست بسيطة
يبقى تأثير الذكاء الاصطناعي على الوظائف من أكثر الأسئلة حساسية.
ويقدم التقرير صورة أكثر تعقيدًا من القول إن الذكاء الاصطناعي سيقضي على الوظائف أو إنه لن يؤثر فيها.
تشير الدراسات التي يستعرضها التقرير إلى مكاسب إنتاجية تتراوح بين 14% و26% في مجالات مثل دعم العملاء وتطوير البرمجيات.
لكن اللافت أن بعض المجالات التي تظهر فيها أكبر مكاسب للإنتاجية هي نفسها التي بدأت تظهر فيها مؤشرات على تراجع توظيف المبتدئين.
وفي مجال تطوير البرمجيات في الولايات المتحدة، انخفض توظيف المطورين الذين تتراوح أعمارهم بين 22 و25 عامًا بنحو 20% منذ 2024، في حين استمر عدد المطورين الأكبر سنًا في النمو.
لا يثبت ذلك أن الذكاء الاصطناعي هو السبب الوحيد، لكنه يجعل العلاقة بين الأتمتة وفرص العمل للمبتدئين موضوعًا يستحق المتابعة الدقيقة خلال السنوات المقبلة.
ازدياد الطلب على مهارات الذكاء الاصطناعي
المشهد لا يتوقف عند تراجع بعض أنواع الوظائف.
فالطلب على المهارات المرتبطة بالذكاء الاصطناعي يواصل الارتفاع.
وفي 2025 بلغت نسبة الوظائف التي تطلب مهارات AI نحو 4.69% في سنغافورة، و3.48% في هونغ كونغ، و3.31% في إسبانيا، و2.87% في الإمارات، و2.56% في الولايات المتحدة.
ومن أكثر المهارات نموًا: AI Agents، وAI Strategy، وAmazon Bedrock، وLLMOps، إلى جانب المهارات المرتبطة بالـprompting وأدوات Copilot.
وهذا يشير إلى أن سوق العمل لا يتحرك فقط نحو استخدام أدوات الذكاء الاصطناعي، بل نحو بناء وتشغيل وإدارة الأنظمة الذكية نفسها.
تكلفة بيئية متزايدة
القوة المتزايدة للنماذج لها ثمن مادي واضح.
فالقدرة الحاسوبية العالمية المستخدمة في الذكاء الاصطناعي نمت بنحو 3.3 مرات سنويًا منذ 2022، ووصلت إلى ما يعادل نحو 17.1 مليون وحدة H100.
وبالتوازي، ارتفعت قدرة الطاقة المخصصة لمراكز بيانات الذكاء الاصطناعي إلى نحو 29.6 غيغاواط.
كما يقدر التقرير انبعاثات تدريب Grok 4 بنحو 72,816 طنًا من مكافئ ثاني أكسيد الكربون، ويشير إلى أن استهلاك المياه السنوي المرتبط باستدلال GPT-4o قد يتجاوز احتياجات مياه الشرب لنحو 1.2 مليون شخص.
وبذلك أصبح مستقبل الذكاء الاصطناعي مرتبطًا ارتباطًا مباشرًا بملفات الطاقة والمياه والبنية التحتية والاستدامة.
العالم يعتمد على سلسلة توريد حساسة للغاية
يكشف التقرير كذلك عن بُعد جيوسياسي شديد الأهمية في صناعة الذكاء الاصطناعي.
فالولايات المتحدة تستضيف 5,427 مركز بيانات، أي أكثر من عشرة أضعاف أي دولة أخرى وفق البيانات المستخدمة في التقرير.
لكن جزءًا كبيرًا من الرقائق المتقدمة المستخدمة في هذه البنية التحتية تعتمد صناعتها على شركة TSMC التايوانية.
ويصف التقرير ذلك بأنه نقطة تركّز مهمة في سلسلة توريد الذكاء الاصطناعي العالمية، وهو ما يجعل مستقبل الصناعة مرتبطًا أيضًا بالاستقرار الجيوسياسي في شرق آسيا.
الذكاء الاصطناعي المسؤول يتقدم أبطأ من القدرات
من أكثر الرسائل التحذيرية وضوحًا أن جهود السلامة والحوكمة والشفافية لا تواكب سرعة تطوير النماذج.
وصل عدد الحوادث المسجلة في قاعدة AI Incident Database إلى 362 حادثة في 2025، مقابل 233 في 2024.
كما يشير التقرير إلى أن الشركات تنشر نتائج اختبارات القدرات بدرجة أكبر بكثير من نشرها لنتائج اختبارات السلامة والمسؤولية.
وتكشف الأبحاث أيضًا عن مشكلة أكثر تعقيدًا، وهي أن تحسين جانب من جوانب الذكاء الاصطناعي المسؤول قد يضر جانبًا آخر؛ فقد تؤدي زيادة السلامة إلى انخفاض في الدقة، أو تؤثر تحسينات الخصوصية في العدالة.
ولا توجد حتى الآن آلية موحدة ومتفق عليها للتعامل مع هذه التنازلات.
السلامة في الظروف الطبيعية لا تكفي
قد تحقق النماذج نتائج جيدة في اختبارات السلامة التقليدية، لكن الصورة تتغير عندما تتعرض لهجمات متعمدة.
ففي اختبارات Jailbreak باستخدام مطالبات عدائية، تراجع الأداء الآمن في جميع النماذج التي شملها التقييم الوارد في التقرير.
وتؤكد هذه النتيجة أن اختبار النموذج في ظروف الاستخدام العادية لا يكفي للحكم على سلامته في العالم الحقيقي.
اللغة الإنجليزية ما زالت صاحبة الأفضلية
من القضايا المهمة التي يبرزها التقرير استمرار الفوارق في أداء النماذج بين اللغات.
فالذكاء الاصطناعي يؤدي بصورة أفضل في الإنجليزية مقارنة بكثير من اللغات الأخرى، وقد تزداد الفجوة في اللهجات المحلية.
ومن النتائج اللافتة أن نموذجًا مطورًا خصيصًا للعربية استطاع على معيار HELM Arabic التفوق على GPT-5.1 وGemini 2.5 Flash في ذلك التقييم.
وهذا يوضح أن النموذج الأكبر عالميًا ليس بالضرورة الأفضل لجميع اللغات والثقافات، وأن تطوير نماذج محلية ومتخصصة سيبقى مهمًا.
الذكاء الاصطناعي يبدأ في إعادة تصميم عملية البحث العلمي
في العلوم، انتقل الاستخدام من تسريع خطوة واحدة داخل البحث إلى محاولة دعم أو تنفيذ سير العمل العلمي بأكمله.
فأصبحت الأنظمة تستخدم في توليد الفرضيات، وتحليل الأدبيات، وتصميم التجارب، والتنبؤ، وتنسيق أنظمة متعددة الوكلاء.
لكن الإنجازات ما تزال غير متجانسة، إذ تسجل بعض الوكلاء المتقدمة أقل من 20% على مهام إعادة تنفيذ أبحاث كاملة.
وهنا يظهر مرة أخرى الفرق بين إنتاج مخرجات مقنعة وبين إجراء علم موثوق وقابل لإعادة الإنتاج.
الأكبر ليس دائمًا الأفضل
يكشف التقرير أيضًا عن اتجاه مهم قد يؤثر في مستقبل تصميم النماذج.
ففي بعض المجالات العلمية، تفوقت نماذج صغيرة ومتخصصة على نماذج أكبر منها بعشرات أو مئات المرات.
على سبيل المثال، تفوق MSAPairformer، الذي يضم نحو 111 مليون معلمة، في ProteinGym، كما تفوق نموذج GPN-Star ذي 200 مليون معلمة على نموذج يبلغ حجمه نحو 40 مليار معلمة.
وهذا يدعم فكرة أن التخصص وجودة البيانات والتصميم قد تكون في بعض التطبيقات أهم من مجرد زيادة حجم النموذج.
الطب يتقدم… لكن الأدلة الواقعية ما تزال محدودة
في الطب، أصبحت بعض النماذج تحقق نتائج مرتفعة للغاية في اختبارات الاستدلال السريري المنظمة، وفي بعض الحالات تتجاوز أداء كثير من الأطباء على هذه الاختبارات.
لكن التقرير يحذر من الخلط بين النجاح في الامتحان والنجاح في المستشفى.
ففي مراجعة لأكثر من 500 دراسة عن الذكاء الاصطناعي السريري، اعتمدت نسبة كبيرة منها على أسئلة شبيهة بالامتحانات أو بيانات مصطنعة، بينما استخدمت نحو 5% فقط بيانات سريرية حقيقية.
ومن أكثر التطبيقات التي نجحت عمليًا حتى الآن أنظمة التسجيل الطبي المحيطي التي تحول الحوار بين الطبيب والمريض إلى ملاحظات سريرية تلقائيًا.
وأبلغ أطباء في عدد من الأنظمة الصحية عن انخفاض يصل إلى 83% في الوقت الذي يقضونه في كتابة الملاحظات.
وهذا يؤكد أن القيمة العملية للذكاء الاصطناعي لا تأتي دائمًا من استبدال الخبير، بل قد تأتي من إزالة الأعمال الروتينية عنه.
التعليم يتغير أسرع من السياسات التعليمية
أكثر من 80% من طلاب المدارس الثانوية والجامعات في الولايات المتحدة يستخدمون الذكاء الاصطناعي في المهام الدراسية.
وفي المقابل، لدى نحو نصف المدارس المتوسطة والثانوية فقط سياسات تتعلق باستخدامه، بينما يقول 6% فقط من المعلمين إن هذه السياسات واضحة.
وتوضح هذه الأرقام أن الطلاب سبقوا المؤسسات التعليمية في تبني التقنية.
وفي المقابل، بدأت بعض الدول الانتقال إلى مرحلة أكثر تنظيمًا، إذ يشير التقرير إلى أن الصين والإمارات أدخلتا تعليم الذكاء الاصطناعي بصورة رسمية على المستوى الوطني ابتداءً من العام الدراسي 2025-2026.
السيادة على الذكاء الاصطناعي أصبحت قضية سياسية
لم تعد الحكومات تسأل فقط كيف تنظم الذكاء الاصطناعي، بل أصبحت تسأل أيضًا: من يملك البنية التحتية؟ ومن يملك البيانات؟ ومن يملك النماذج؟
ومن هنا يبرز مفهوم السيادة على الذكاء الاصطناعي AI Sovereignty.
فالدول تسعى بصورة متزايدة إلى بناء مراكز بيانات محلية، وتطوير نماذج وطنية، والاستثمار في المواهب، وتأمين القدرة الحاسوبية، وتقليل الاعتماد على الخارج.
ومن المرجح أن تصبح هذه القضية جزءًا أساسيًا من سياسات التكنولوجيا والأمن القومي خلال السنوات المقبلة.
العالم لا ينظم الذكاء الاصطناعي بالطريقة نفسها
تشير البيانات إلى اختلاف كبير بين الدول في فلسفة التنظيم.
فالولايات المتحدة تحركت خلال 2025 في اتجاه أكثر تشجيعًا على الابتكار وتقليل القيود الفيدرالية، بينما واصلت الولايات الأمريكية نفسها سن قوانين جديدة مرتبطة بالذكاء الاصطناعي.
وقد ارتفع عدد قوانين AI التي أقرتها الولايات من أقل من عشرة قوانين في 2020 إلى 150 قانونًا في 2025.
وفي الوقت ذاته، تبني أوروبا وكوريا الجنوبية واليابان نماذج تنظيمية مختلفة توازن بدرجات متفاوتة بين الابتكار والثقة والحماية.
الناس متفائلون وخائفون في الوقت نفسه
في الرأي العام، يكشف التقرير عن مفارقة واضحة.
فقد ارتفعت نسبة من يرون أن فوائد منتجات الذكاء الاصطناعي تفوق أضرارها من 55% في 2024 إلى 59% في 2025.
لكن نسبة من يقولون إن الذكاء الاصطناعي يجعلهم يشعرون بالقلق ارتفعت هي الأخرى إلى 52%.
أي أن المشاعر تجاه الذكاء الاصطناعي لا تتحرك في اتجاه واحد.
يمكن للناس أن يروا الفائدة ويشعروا بالخوف في الوقت نفسه.
فجوة كبيرة بين الخبراء والجمهور
تظهر واحدة من أكبر الفجوات في تصور المستقبل بين خبراء الذكاء الاصطناعي والجمهور العام.
فعندما سُئل المشاركون عن تأثير AI على طريقة العمل، توقع 73% من الخبراء أثرًا إيجابيًا، مقابل 23% فقط من الجمهور.
وفي سؤال آخر حول ما إذا كان الذكاء الاصطناعي سيخلق وظائف أم يقضي عليها، توقع 64% من الأمريكيين انخفاض عدد الوظائف على المدى الطويل، مقابل 39% من خبراء AI.
وهذه الفجوة مهمة؛ لأن مستقبل الذكاء الاصطناعي لن يتحدد بالقدرات التقنية وحدها، بل أيضًا بمستوى ثقة المجتمعات واستعدادها لتبنيه.
الخلاصة
إذا كان هناك استنتاج واحد يمكن الخروج به من تقرير مؤشر الذكاء الاصطناعي 2026، فهو أن العالم دخل بالفعل مرحلة جديدة.
لم يعد السؤال الأساسي:
هل سينتشر الذكاء الاصطناعي؟
بل أصبح:
كيف سنتعامل مع عالم انتشر فيه الذكاء الاصطناعي بالفعل؟
النماذج أصبحت أقوى، والوكلاء أكثر قدرة، والاستثمارات أكبر، والاستخدام أكثر انتشارًا، والتطبيقات العلمية والطبية أكثر تقدمًا.
لكن في المقابل، ما تزال هناك فجوات في الموثوقية، والشفافية، والسلامة، والحوكمة، والعدالة بين اللغات والدول، كما بدأت سوق العمل تظهر أولى الإشارات إلى تحولات قد تكون عميقة.
قد لا يكون عام 2026 هو العام الذي أصبح فيه الذكاء الاصطناعي “ذكيًا مثل الإنسان”.
لكنه يبدو عامًا أصبحت فيه آثار الذكاء الاصطناعي أكبر من أن تُعامل باعتبارها شأنًا تقنيًا فقط.
فما يحدث اليوم يتعلق بالاقتصاد والتعليم والطاقة والطب والسياسة والسيادة الوطنية وسوق العمل ومستقبل المعرفة نفسها.
والسؤال الأكثر أهمية خلال السنوات المقبلة لن يكون فقط:
ماذا يستطيع الذكاء الاصطناعي أن يفعل؟
بل:
هل نستطيع نحن بناء الأنظمة والمؤسسات والقواعد التي تجعلنا قادرين على الاستفادة من هذه القدرات دون أن نتخلف عن سرعة تطورها؟
اترك تعليقاً