وفقاً لافتتاحية هيئة التحرير لمجلة Organization Science (مجلة رائدة في مجال الإدارة التابعة لـ INFORMS) لعام 2026 بعنوان "More Versus Better: Artificial Intelligence, Incentives, and the Emerging Crisis in Peer Review"، منذ إطلاق ChatGPT في أواخر 2022، ارتفع عدد 제출 المجلة بنسبة 42%، ما أجبر هيئـة التحرير على توسيع عدد Deputy editors من 6 إلى 11، وتوسيع عدد active senior editors من نحو 30 إلى نحو 60. في 4/27، استشهد الأستاذ في جامعة وارتون Ethan Mollick بهذه الافتتاحية وعلّق: «تتعرّض أنظمة العلوم المصممة للإنسان لشدّة بسبب الذكاء الاصطناعي. يمكن استخدام الذكاء الاصطناعي لعمل علوم أفضل، ويمكن استخدامه فقط لعمل المزيد. الخطر هو أن "المزيد" يفوز.»
انفجار في حجم التقديمات بنسبة 42%، وتضاعف طاقم التحرير لمواجهة التحدي
تُظهر بيانات Organization Science الضغط الملموس الذي يفرضه نظام التحكيم المزدوج النظراء (peer review) في عصر الذكاء الاصطناعي:
حجم التقديمات: ارتفعت 42% بعد إطلاق ChatGPT
Deputy editors: 6 → 11 (زيادة 83%)
active senior editors: نحو 30 → نحو 60 (تضاعف)
ما زال أغلب التقديمات سيتم رفضها، وكثير منها يُستبعد حتى في مرحلة الفرز الأول بواسطة deputy editor، لكن «عبء الفرز الأول نفسه» يظل كبيراً أيضاً
توضح الافتتاحية بوضوح أن المشكلة ليست «استبدال الذكاء الاصطناعي للباحثين»، بل «أن الذكاء الاصطناعي يطلق فيضاً عارماً من التقديمات منخفضة الجودة». volunteer editors وreviewers (وغالباً باحثون آخرون يضطلعون بالمراجعة مجاناً) هم أول من يتأثرون، إذ لا بد من قضاء وقت أكبر في فرز المقالات المُركّبة بواسطة الذكاء الاصطناعي، بينما يُزاح وقت الأبحاث عالية الجودة فعلاً.
Mollick: «يمكن للذكاء الاصطناعي أن ينجز علماً أفضل، ويمكنه أيضاً أن ينجز المزيد من الأشياء»
تعليق Ethan Mollick، أستاذ كلية وارتون ورائد تعليم الذكاء الاصطناعي التوليدي، على مشاركة الافتتاحية عبر منصة X، لامس جوهر الجدل:
“Very cool analysis of the submissions to a major management journal that shows how much the system of science, built for humans, is under strain as a result of AI. AI can be used to do better science or it can be used to just do more stuff. The danger is that ‘more’ is winning.”
وأضاف في تغريدة لاحقة: «المشكلة أن آليات الحوافز تدفع باتجاه 'المزيد' على حساب 'الأفضل'»（”The problem is that the incentives push for ‘more’ over ‘better'”）。هذه الجملة تشير مباشرة إلى المشكلة البنيوية في الأوساط الأكاديمية—فضغط الحياة المهنية 'publish or perish' يجعل الباحثين يميلون إلى الإنتاج بكميات بدلاً من تعميق العمل.
الدلالة العكسية لصناعة أدوات الذكاء الاصطناعي
تطرح ملاحظة Organization Science تحديات محددة على صناعة أدوات الذكاء الاصطناعي:
أولاً، هل يمكن لأدوات الوكلاء للكتابة/البرمجة مثل OpenAI Codex وClaude Code وGemini تصميم آليات «ضمان الجودة»؟ على سبيل المثال، الإحالة الآلية إلى أوراق حقيقية، واكتشاف الهلاوس الواضحة، والتمييز بين المقالات هل هي «إعادة تركيب مجزأة»؟ حتى الآن، تتنافس أغلب أدوات الذكاء الاصطناعي على السرعة والسهولة، ولا أحد يبيع ميزة «رفض إنتاج محتوى منخفض الجودة».
ثانياً، سوق أدوات المواجهة في قطاع النشر الأكاديمي آخذ في الظهور. أدوات مثل Originality.ai وTurnitin AI Detection وGPTZero، رغم أنها تحاول كشف الكتابة بالذكاء الاصطناعي، إلا أنها على المدى الطويل ستصعب عليها منافسة LLM نفسه. والأرجح أن الحل الأقرب هو «قابلية التتبع لأبحاث البشر»—مثل إثبات عملية البحث عبر GitHub commit history، وسجلات التجارب الأصلية، وملاحظات آنية، بدلاً من الاكتفاء بتسليم منتج نهائي واحد.
الأكاديميا ليست حالة استثنائية: ما الصناعات الأخرى التي ستُسحق أيضاً بواسطة «فيض المزيد»؟
التحكيم الأكاديمي بين الأقران هو أول نظام «مصمم من أجل البشر» و«يعتمد على مراجعين متطوعين» يتعرض للضربة. وهناك أيضاً أنظمة هشة مماثلة مثل:
مجتمعات البرمجيات مفتوحة المصدر: مراجعات GitHub PR وغالباً ما تمتلئ المشاريع مفتوحة المصدر بطلبات PR منخفضة الجودة يرسلها الذكاء الاصطناعي
النشر الصحفي وتحرير وسائل الإعلام: ازدياد عدد投稿 من مؤلفين مستقلين، وصعوبة على محرري الأخبار في التمييز بين المحتوى المُولّد بواسطة الذكاء الاصطناعي
مراجعة المستندات القانونية: الإغراق بإنتاج العقود ومستندات التقاضي بواسطة الذكاء الاصطناعي، ما يؤدي إلى تضاعف وقت مراجعة المحامين
واجبات الطلاب وقبول الجامعات: عدد طلبات التقديم والواجبات الدراسية يفوق بكثير عبء الموارد البشرية المتاحة للمدرسين
النقطة المشتركة: كل الأنظمة التي تعتمد على «مراجعة خبراء بشريين على نحو إلزامي» ستشهد «انهيار جهة المراجعة» عندما يهبط التكلفة الحدّية للإنتاج بواسطة الذكاء الاصطناعي إلى ما يقارب الصفر. حل Organization Science يتمثل في توسيع عدد العاملين (من 6 deputy إلى 11)، لكنه مجرد تأخير للمشكلة وليس حلّاً لها.
الخلاصة: «الأفضل» يحتاج إلى آليات اجتماعية جديدة
تنطوي خاتمة الافتتاحية على دلالة عميقة—«لا تزال أحكام الخبراء البشر تحد من التأثير السلبي للذكاء الاصطناعي على المحتوى المنشور، لكن التكلفة هي بذل جهود أكبر بكثير.» معناها هو: لم تنهَر جودة الأبحاث فوراً، لكن الوقت الذي يقضيه كل محرر/مراجع قد تضاعف، وميزان «الطاقة» لهذا النظام قد تم كسره.
التحدي للمرحلة التالية: كيف نجعل أدوات الذكاء الاصطناعي تتحمل مسؤولية التصميم الموجه نحو «الجودة» (بدلاً من «كمية الإنتاج»)، وكيف نجعل آليات الحوافز تعيد مكافأة «العمق»، وكيف نعوض بشكل معقول تكلفة مراجعة الخبراء البشر. هذه ليست مسائل تقنية، بل مسائل مجتمع ونظام—وقام الذكاء الاصطناعي بتسريع معالجة هذه المشكلات من «تركها تُعالج تدريجياً في المستقبل» إلى «الآن لا يمكن تأجيل مواجهتها».
هذه المقالة: بعد ظهور ChatGPT، زاد حجم投稿 المجلات في مجال الإدارة بنسبة 42%: يدفع الذكاء الاصطناعي الأكاديميا إلى "المزيد" وليس "الأفضل" لأول مرة على 鏈新聞 ABMedia.
