عمال الصين بين التسريح والتكيف: AI يغيّر وظائف البرمجة والترجمة

في 24 أغسطس 2026، وثّق تحقيق ميداني لوكالة Associated Press تسريح المبرمج فاي تشاوجون في بكين مع نحو 160 زميلاً، بعد أسبوعين من مناقشة مديره إمكان استبدال عمل المبرمجين بالذكاء الاصطناعي؛ كما عرض حالة المترجم دو تشينتشون في تشنغدو، الذي بات يدرب نموذجاً للترجمة ويقول إن أجر القطاع تراجع بأكثر من النصف مقارنة بما كان عليه قبل سنوات.

هذه الحالات تؤكد أن الذكاء الاصطناعي يغيّر وظائف البرمجة والترجمة في الصين، لكن ليس بنتيجة واحدة: بعض العاملين فقدوا وظائفهم، وبعضهم واجه انخفاضاً في الدخل، فيما انتقل آخرون إلى تدريب النماذج أو مراجعة مخرجاتها والعمل المستقل. ولا توفر الأدلة المنشورة حتى الآن قياساً وطنياً يحدد عدد الوظائف التي ألغيت بسبب التقنية وحدها.

أربعة آثار مختلفة خلف الأتمتة

لا تكفي كلمة «الاستبدال» لوصف ما يمر به العاملون. فالحالات الموثقة تتوزع بين إحلال وظيفة، وخفض أجر، وتغيير مهام، وظهور عمل جديد، وقد تجتمع نتيجتان في تجربة الشخص نفسه: يحصل المترجم مثلاً على مهمة مؤقتة لتدريب نموذج، بينما تتراجع قيمة الترجمة المباشرة التي كان يعتمد عليها.

• الإحلال: إلغاء وظيفة أو تقليص فريق بالتزامن مع نقل مهام إلى أدوات آلية.
• خفض الأجر: بقاء العامل داخل المهنة، لكن مقابل أقل مع انخفاض قيمة المسودة البشرية الأولية.
• تغيير المهام: الانتقال من إنتاج الشيفرة أو النص إلى الفحص والتصحيح وضبط الجودة.
• عمل جديد: مهام تنشأ حول إعداد بيانات النماذج وتدريبها وتحويل مخرجاتها إلى منتجات.

هذا التصنيف مهم لأن التسريح واقعة قابلة للإثبات، أما القول إن النظام أدى كل عمل الموظف السابق فيحتاج إلى بيانات لا تنشرها الشركات عادة. وقد تستخدم المؤسسة الأداة بالتزامن مع خفض النفقات أو إعادة الهيكلة، لذلك لا يثبت التتابع الزمني وحده أن التقنية كانت السبب الوحيد.

البرمجة: تسريح مؤكد واستبدال جزئي للمهام

تجربة فاي تقدم أوضح مثال على التسريح، لكنها لا تثبت أن الذكاء الاصطناعي تولى وظائف الفريق كلها. بعد فقدان عمله، دخل فترة توقف مهني وبدأ إنتاج مقاطع قصيرة عن حياة أشخاص عاديين، من دون أن تصبح هذه المقاطع مصدراً لدخله وقت إجراء التحقيق.

الأثر الأقرب للقياس في البرمجة هو تفكيك الوظيفة إلى مهام. تستطيع الأدوات توليد مقاطع من الشيفرة وشرحها والمساعدة في الاختبار، بينما يبقى على العامل تحديد المتطلبات، وفحص الأخطاء، ودمج الأجزاء، وتحمل المسؤولية عن النتيجة. وقد يسمح ذلك بتقليص فريق أو تغيير مزيج الخبرات المطلوبة حتى إذا لم تختف مهنة المطور.

وتدعم تقارير أخرى أن حالة بكين ليست الإشارة الوحيدة إلى إعادة تشكيل العمل. ففي يونيو 2026، قابل تحقيق مستقل لرويترز تسعة عاملين في التكنولوجيا والترفيه والإعلان، وصفوا تخفيضات صغيرة أو تقليصاً للتوظيف بعد فرض استخدام أدوات الذكاء الاصطناعي، مع اعتماد بعض الشركات على الاستنزاف التدريجي بدلاً من جولة تسريح جماعية معلنة.

هذه الشهادات توسع نطاق الظاهرة، لكنها تظل أدلة ميدانية من شركات وأفراد محددين، وليست مسحاً تمثيلياً لكل سوق العمل الصيني. كما أن اعتماد روايات مجهلة الهوية في بعض الحالات يحد من إمكان التحقق العلني من حجم التخفيضات داخل كل شركة.

الترجمة والكتابة: دخل أقل ودور أكبر للمراجعة

في الترجمة، يظهر التحول بوصفه ضغطاً على السعر وإعادة توزيع للعمل أكثر من كونه نهاية فورية للمهنة. تدريب النموذج يمنح المترجم مهمة إضافية، لكن هذه المهمة تساعد في الوقت نفسه على تحسين أداة تنافس العمل المباشر؛ ولذلك قد يزيد حجم العمل مؤقتاً من دون أن يتحسن الدخل أو الاستقرار.

المهارة المطلوبة تتغير أيضاً. بدلاً من ترجمة النص كاملاً من البداية، قد يصبح دور العامل اختيار الصياغة الأفضل، واكتشاف الأخطاء، وتوفير أمثلة مصححة للنموذج. لا يلغي ذلك المعرفة اللغوية، لكنه ينقل موضع قيمتها من إنتاج كل جملة إلى الحكم على مخرجات سريعة ومتعددة.

وتظهر الصورة نفسها في الكتابة. كاتب السيناريو وانغ تشيتشنغ استخدم الذكاء الاصطناعي للعصف الذهني والتحقق من المعلومات في شركة تنتج مواد تعليمية للأطفال، ثم ترك الوظيفة بعد تقليص فريق الكتابة واتجه إلى استوديو مستقل لكتب الأطفال المصورة. ووفق تجربته، كانت المسودات توفر وقتاً أحياناً، لكنها تميل إلى التكرار والقوالب الجاهزة وتفاوت مستوى التفاصيل، ما أبقى الاختيار والتحرير مسؤولية بشرية.

التعرض المهني لا يساوي فقدان الوظيفة

توفر الدراسات منظوراً أوسع، لكن مؤشراتها لا ينبغي قراءتها كأعداد للتسريح. فقد وجدت دراسة منشورة في China Economic Review ارتباطاً إيجابياً في الصين بين تعرض المهن لقدرات النماذج اللغوية وبين مستوى الأجور وعلاوة الخبرة، بما يشير إلى أن الأعمال الأعلى أجراً والأكثر اعتماداً على الخبرة قد تتعرض لتغيير أكبر من نمط الأتمتة التقليدي الذي استهدف المهام الروتينية.

يقيس «التعرض» مقدار ما تستطيع النماذج التأثير فيه من مهام المهنة، لا عدد الأشخاص الذين فقدوا وظائفهم. وقد تكون المهنة عالية التعرض لأن الأداة تساعد العامل في معظم عمله فترفع إنتاجيته، أو لأن الشركة تستطيع استخدام القدرة نفسها لتقليل التوظيف؛ والنتيجتان مختلفتان رغم انطلاقهما من المؤشر التقني ذاته.

كما أن العلاقة بين التعرض والأجر ليست دليلاً على أن الوظائف الأعلى أجراً ستختفي أولاً. النتيجة الفعلية تعتمد على الطلب على المنتج، وتكلفة الأداة، وجودة مخرجاتها، وطريقة تنظيم المؤسسة، ومدى وجود مهام مكملة لا تستطيع الأتمتة إنجازها بصورة موثوقة.

دفع حكومي سريع ونتيجة وطنية غير محسومة

تتسارع هذه التحولات مع مبادرة «AI Plus»، التي تدفع إلى نشر الذكاء الاصطناعي في قطاعات متعددة. اتساع الاستخدام يزيد عدد الاختبارات الفعلية داخل الشركات، لكنه لا يحسم صافي أثر التقنية في التوظيف: قد تختفي مهام ووظائف في مكان، بينما تنشأ أعمال في تدريب النماذج ومراجعتها وتطوير التطبيقات في مكان آخر.

ما تثبته الأدلة المتاحة هو وجود حالات تسريح، وضغط على الأجور، وتبدل في المهام داخل مهن معرفية تشمل البرمجة والترجمة والكتابة. وما لا تثبته بعد هو أن كل تخفيض مرتبط بالتقنية وحدها، أو أن الأعمال الجديدة تعوض الوظائف المفقودة من حيث العدد والدخل والاستقرار.

ستظل الصورة الوطنية ناقصة إلى أن تتوفر بيانات تفصل بين التسريح الناتج من الأتمتة والتخفيضات المرتبطة بتباطؤ الأعمال وإعادة الهيكلة، وتتابع انتقال العاملين بعد فقدان وظائفهم. وحتى ذلك الحين، تقدم الحالات الفردية إنذاراً واضحاً بشأن اتجاه التغيير، لا حصيلة نهائية لسوق العمل الصيني.