تدريب الامتثال لديك يقول إن الجميع نجح. لكنني بنيت نموذجًا يعرف أنهم لم ينجحوا.
شرحت لي ذات مرة مسؤولة امتثال في أحد البنوك عملية إعادة الاعتماد السنوية لمكافحة غسل الأموال لديها. خمسمئة شخص في وظيفة الامتثال، ووحدة تدريبية واحدة مدّتها أربع ساعات، والجميع مكلَّف بالمحتوى نفسه: العناية الواجبة تجاه العملاء، والإبلاغ عن الأنشطة المشبوهة، والكشف عن المعاملات المُهيكلة، وغسل الأموال القائم على التجارة، وفحص العقوبات. وفي النهاية، أنتج نظام التعلّم لديها خمسمئة علامة صح خضراء. أرَتْني إياها بالطريقة التي تُري بها شخصًا إيصالًا.
ثم قالت الشيء الذي لم أستطع نسيانه منذ ذلك الحين — أنها لا تملك أدنى فكرة عن أيٍّ من هؤلاء الخمسمئة شخص يعرف فعلًا كيف يُقدّم بلاغًا عن نشاط مشبوه.
تلك الفجوة — بين «مكتمل» و«يعرف» — هي السبب الكامل وراء قضائي وقتي الآن في بناء ذكاء اصطناعي للتعلّم التكيّفي لتدريب الموظفين. ليس النوع القائم على محرّك التوصيات الذي يقترح دورتك التالية، بل النوع التشخيصي المبني على تقنية تُسمّى تتبّع المعرفة، والتي تُنمذِج ما يعرفه كل موظف فعلًا، مفهومًا مفهومًا، وتُحدِّث ذلك التقدير في كل مرة يُجيب فيها عن سؤال. كان نظام إدارة التعلّم لديها يتتبّع الإكمال. أما ما احتاجته فهو نظام يتتبّع الكفاءة. نحن نبني طبقة الكفاءة تلك، وهي الحل الذي يعمل عليه فريقي كل يوم.
علامة الصح الخضراء تُخبر المدقّق بأن مقطع فيديو انتهى تشغيله. لكنها لا تُخبرك بشيء عمّا إذا كان أحدٌ قد تعلّم أداء العمل.
فجوة الـ102.8 مليار دولار بين «تمّ» و«يعرف»
أنفقت الشركات الأمريكية 102.8 مليار دولار على التدريب في عام 2025، ارتفاعًا من 98 مليار دولار في العام السابق — هذا رقم مجلة Training Magazine، ويعادل نحو 874 دولارًا لكل متعلّم. معظم هذه الأموال يشتري بيانات إكمال. أما SCORM، وهو تنسيق الملفات الذي لا تزال غالبية الدورات المؤسسية تُشحن به، فقد صُمِّم حول مواصفة 1.2 تُسجّل النجاح والرسوب والإكمال. هذا كل شيء. إنه كشف حضور بقيمة إنتاجية أفضل.
أجد ذلك غريبًا حقًا حين تتأمّله. لقد أمضينا عقدين في تحسين توصيل التدريب — فيديو أكثر أناقة، والجوّال، والتعلّم المُصغّر — ولم يذهب أيٌّ من ذلك الجهد تقريبًا إلى قياس ما إذا كان التدريب قد غيّر ما يستطيع الشخص فعله. نشرت شركة Josh Bersin مقالًا في فبراير 2026 يُجادل بأن الذكاء الاصطناعي على وشك أن يُحوِّل 400 مليار دولار من التعلّم المؤسسي، والإحصاءة التي علِقت بذهني هي هذه: أقل من 5% من الشركات نشرت فعلًا تقنية تعلّم أصلية قائمة على الذكاء الاصطناعي. لدى الجميع نظام إدارة تعلّم. لكن لا يكاد أحد يملك ذكاءً بداخله.
ولم تعد تكلفة تلك الفجوة مجرّدة. تُظهر بيانات Bersin أن الشركات التي تستخدم التعلّم الأصلي القائم على الذكاء الاصطناعي أكثر احتمالًا بست مرات لتجاوز أهدافها المالية. وعلى الجانب الآخر، تقول 74% من الشركات إنها عاجزة عن مواكبة الطلب على المهارات الجديدة، وقد هبط نصف عمر المهارة المهنية من نحو عشر سنوات في عام 2000 إلى أقل من خمس اليوم. لقد رأيت فرق التعلّم والتطوير تستجيب لذلك الانهيار بالطريقة الوحيدة التي تتيحها لها أدواتها — بإنتاج مزيد من المحتوى، وبسرعة أكبر. أتفهّم هذه الغريزة، لأن المحتوى الإضافي كان طوال عشرين عامًا الرافعة الوحيدة التي منحتنا إياها الأنظمة. لم تكن الرافعة قط هي المشكلة. المشكلة هي الأداة التي نستخدمها لقياس ما إذا كان أيٌّ من ذلك قد نجح.
النسخة الأولى التي بنيتها كانت خاطئة، وكانت تبدو رائعة
وهذا هو الجزء الذي لا أفتخر به. حين بدأت بناء هذا لأول مرة، لجأت إلى النموذج البديهي. في أدبيات تتبّع المعرفة، هناك نهج معروف يُسمّى تتبّع المعرفة العميق — DKT — يستخدم شبكة LSTM، وهي نوع من الشبكات العصبية المتكرّرة، للتنبؤ بما إذا كان المتعلّم سيُجيب عن السؤال التالي بشكل صحيح. إنه نقطة البداية المرجعية. وصَّلناه، وغذّيناه ببيانات التفاعل، وكانت لوحات المعلومات جميلة. منحنيات إتقان تتصاعد، ودقّة تنبؤ تبدو محترمة.
كنت مستعدًا للتباهي به. ثم عدت إلى حالة استخدام مكافحة غسل الأموال تلك وحاولت الإجابة عن سؤال مسؤولة الامتثال الفعلي — أيّ مفهوم لا يعرفه هذا المحلّل تحديدًا؟ — ولم يستطع النموذج إخباري. كان بإمكانه أن يُخبرني ما إذا كان أحدهم «يُبلي حسنًا» بشكل عام. لكنه لم يستطع أن يقول بوضوح «إنها متمكّنة في العناية الواجبة تجاه العملاء وخطيرة في غسل الأموال القائم على التجارة».
استغرقني فهم السبب وقتًا أطول مما ينبغي. هناك ورقة بحثية من عام 2025 صادرة عن مجتمع تنقيب البيانات التعليمية تطرح نقطة قاسية بهدوء: إن DKT الأساسي يتعلّم القدرة، لا المعرفة لكل مهارة. إنه يُنمذِج إشارة عامة مفادها «هذا الشخص جيّد في الاختبار» بدلًا من الإتقان على مستوى المفاهيم. والأسوأ أن الباحثين أثبتوا أن الشبكات العصبية المتكرّرة غير المُدرَّبة — شبكات ذات أوزان عشوائية — يمكنها مضاهاة نماذج DKT المُدرَّبة في بعض معايير القياس. كانت لوحة معلوماتي الجميلة، بمعنى حقيقي، تقيس الانطباعات.
لقد بنيت نموذجًا واثقًا، ويبدو دقيقًا، وعاجزًا عن الإجابة عن السؤال الوحيد الذي وُجد المشروع بأكمله للإجابة عنه.
بدا ذلك الشهر كطريق مسدود. كنت قد وعدت بدليل على الكفاءة، فبنيت مقياسًا للثقة لا يعرف بشأن ماذا هو واثق.
لماذا أعدنا البناء على الانتباه بدلًا من الذاكرة
جاء المخرج من الجيل الأحدث من نماذج تتبّع المعرفة — تلك القائمة على الانتباه الذاتي. انتقلنا إلى SAKT، أي تتبّع المعرفة بالانتباه الذاتي، ثم إلى AKT، المتغيّر القائم على الانتباه المدرك للسياق. فبدلًا من حشر تاريخ المتعلّم بأكمله في ذاكرة متكرّرة واحدة، تستخدم هذه النماذج الانتباه لتسأل، عند كل سؤال جديد، أيٌّ من إجاباتك السابقة له صلة فعلية بهذه المهارة الآن؟ ويمضي AKT أبعد من ذلك فيدمج أفكارًا من نظرية القياس التربوي، مُعدِّلًا الصعوبة أثناء عمله.
كانت المكاسب العملية هي ما يهمّني. يفعل SAKT ذلك بنحو 700,000 معامل ومساحة تحت المنحنى (AUC) قريبة من 0.80 — صغير بما يكفي ليعمل بكفاءة، ودقيق بما يكفي للوثوق به، والأهم أنه يُنتج احتمال إتقان لكل مفهوم بدلًا من درجة كفاءة ضبابية واحدة. وتبيّن أن AKT هو الأنسب حين يحتاج سيناريو ما فعلًا إلى تعليم فردي مُخصَّص، وهو ما تُمثّله إعادة اعتماد الامتثال تمامًا. هناك ميزة هادئة تتمتّع بها البيانات المؤسسية على معايير القياس الأكاديمية التي بُنيت عليها هذه النماذج: تسلسلات الامتثال قصيرة وعالية المخاطر، وليست سجلّات تدريس بألف تفاعل تجعل التنبؤ بالتسلسلات الطويلة المشكلة المفتوحة الصعبة في الأدبيات. فالشيء الذي تكافح معه الأوراق البحثية أكثر من غيره ليس مشكلتنا في الغالب.
عندها ظهر مثال مكافحة غسل الأموال أخيرًا بالشكل الذي ينبغي. تخيّل خريطة حرارية: الصفوف موظفون، والأعمدة مفاهيم مكافحة غسل الأموال الخمسة، وكل خلية احتمالٌ بأن هذا الشخص قد أتقن ذلك المفهوم. محلّل أقدم متخصّص في قانون السرية المصرفية (BSA) بثماني سنوات في المنصب يُضيء باللون الأخضر عبر العناية الواجبة تجاه العملاء والإبلاغ عن الأنشطة المشبوهة والعقوبات — لكنه يظهر باللون الكهرماني في غسل الأموال القائم على التجارة. أما مدير فرع أمضى ستة أشهر في المنصب فهو ليس أخضر في أي مكان وأحمر داكن في تقديم بلاغات الأنشطة المشبوهة (SAR) وغسل الأموال القائم على التجارة (TBML). الوحدة التدريبية نفسها، واحتياجات مختلفة جذريًا.
لا ينبغي للمحلّلة الأقدم أن تجلس أربع ساعات لتُعيد إثبات ما تعرفه بوضوح؛ بل ينبغي أن تتحقّق من المفاهيم المُتقَنة بسرعة وتقضي وقتها على نقطة الضعف الوحيدة. أما المدير الجديد فيحتاج إلى مسارات مدعومة وأبطأ في المواضع التي تكون احتمالاته فيها هي الأدنى تحديدًا. وضعنا عتبات يمكننا الدفاع عنها أمام مدقّق: أعلى من نحو 0.75، يُعامَل المفهوم على أنه مُتقَن ويُتحقَّق منه بإيجاز؛ في النطاق الأوسط، فتلك منطقة الكفاح المُنتج حيث يحدث التعلّم فعلًا؛ أدنى من 0.35، توقّف وعالِج مع الدعم. يُحدّث النموذج كل خلية مع كل استجابة.
عبر خمسمئة موظف، هذا هو الفرق بين ألفَي ساعة من وقت الجلوس المتطابق ونحو نصف ذلك تقريبًا — مع أقوى دليل في النهاية، لا أضعف. وبمعدّل 874 دولارًا لكل متعلّم، تصل الإنتاجية المُستعادة على وظيفة امتثال واحدة قوامها خمسمئة شخص إلى مئات الآلاف المنخفضة من الدولارات سنويًا. هذا ليس توقّعًا اختلقته. وثّقت Fulcrum Labs وAllegiant Airlines هبوط وقت التدريب من 51 يومًا إلى 23 — أي خفض بنسبة 55% — مع انخفاض الحوادث وأضرار المعدّات بنسبة 60%. والأمر لا يقتصر على البنوك وشركات الطيران: وفّرت شركة تقنية طبية عالمية تُطبّق النهج التكيّفي نفسه أكثر من 16,000 ساعة تدريب عبر 113,000 متعلّم، وخفّضت مؤسسة رعاية صحية وقت التأهيل بنسبة 22%. يتغيّر الموضوع — التعامل مع بيانات المرضى، وبروتوكولات الأجهزة، وأنماط غسل الأموال — لكن المشكلة التشخيصية لا تتغيّر. طبّق أحد أكبر عشرة بنوك أمريكية الامتثال التكيّفي عبر أكثر من 70,000 موظف وشهد زيادة بنسبة 75% في حركة الدخول إلى الدورات المطلوبة. إن خفض وقت الجلوس حقيقي وقد أثبته أشخاص ليسوا أنا.
«ألا تفعل Cornerstone هذا بالفعل؟»
هذا هو السؤال الأول الذي يُطرح عليّ، في كل مرة، وهو سؤال وجيه. في مارس 2026 أطلقت Cornerstone ما تُسمّيه وكيل التعلّم التكيّفي داخل نظام Galaxy AI الخاص بها. واستحوذت Docebo على 365 Talents لإضافة تقييم المهارات. الصناعة بأكملها تختم عبارة «تعلّم تكيّفي مدعوم بالذكاء الاصطناعي» على العلبة. فلماذا نبني أي شيء مُخصَّص؟
لأن معظم ما يُباع على أنه تكيّفي هو ترشيح تعاوني، لا تتبّع المعرفة — والفرق هو كل شيء. الترشيح التعاوني هو أسلوب Netflix: الأشخاص الذين أكملوا الدورة (أ) مالوا إلى أخذ الدورة (ب) بعدها، فإليك الدورة (ب). إنه يوصي بناءً على ما فعله أقرانك. أما تتبّع المعرفة فيفعل شيئًا مختلفًا نوعيًا: إنه يُنمذِج ما أنت تحديدًا قد أتقنته وما لم تُتقنه، ويستهدف الفجوة. أحدهما محرّك توصيات. والآخر محرّك تشخيص. وكيل Cornerstone يوصي بما يُتعلَّم تاليًا؛ لكنه لا يقيس الإتقان على مستوى المفاهيم. أما تتبّع المهارات في Docebo فيقوم إلى حد كبير على الإقرار أو على الإكمال — يقول الموظف إنه يعرفها، أو إنه أنهى الدورة — وليس مقيسًا من كيفية تفاعله الفعلي مع المادة.
هناك موردون يُتقنون تتبّع المعرفة حقًا. تمتلك Fulcrum Labs محرّكًا خاصًا ودراسات حالة تدعمه. ولاعبو تقنية التعليم — شركات مثل Riiid التي جمعت 256 مليون دولار — يمتلكون نماذج تتبّع معرفة حقيقية. لكن Fulcrum تحتاج منك أن تنقل محتواك إلى منصّتها، ونماذج تقنية التعليم بُنيت للاختبارات المُوحّدة والتعليم ما قبل الجامعي، لا لسير عمل مكافحة غسل الأموال وأدلّة التدقيق. وماذا عن الشركات الأربع الكبرى؟ ستُنفّذ لك Deloitte وPwC ارتباط تحوّل قوى عاملة بقيمة من 500,000 إلى 5 ملايين دولار وتُثبّت Cornerstone أو SAP ببراعة. إنها تُهيّئ منصّة المورد. أما الذكاء التكيّفي فيظل ملكًا للمورد، لا لك.
معظم المؤسسات لا تحتاج إلى اقتلاع نظام إدارة التعلّم لديها. إنها تحتاج إلى طبقة ذكاء تتّصل بالنظام الذي تملكه بالفعل.
تلك هي الفجوة التي نبني داخلها: محرّك تتبّع معرفة يجلس فوق نظام التعلّم الحالي لديك ويتحدّث إليه عبر معايير مفتوحة — xAPI لالتقاط بيانات التفاعل الدقيقة، وLTI لتبادل المتعلّمين ذهابًا وإيابًا. أنت تحتفظ بنظام إدارة التعلّم لديك. ونحن نُضيف الدماغ.
الخطر الحقيقي ليس النموذج — بل هو الوسم
سأخبرك بالشيء الذي لا تذكره العروض التوضيحية أبدًا، لأنه الشيء الذي يُقرِّر فعلًا ما إذا كان أحد هذه المشاريع سينجح. الجزء الأصعب في بناء تعلّم تكيّفي ليس الشبكة العصبية. إنه وسم المحتوى.
لا يستطيع نموذج تتبّع المعرفة تتبّع سوى المعرفة التي يمكنه رؤيتها. يجب أن يُربَط كل سؤال في وحدة الامتثال لديك بمفهوم — هذا العنصر يختبر غسل الأموال القائم على التجارة، وذاك يختبر فحص العقوبات — وإلا فلن يكون لدى النموذج ما يُحدّثه. يصل معظم المحتوى المؤسسي كركام من حزم SCORM 1.2 التي تُصدر علامة إكمال واحدة ولا تحمل أي بنية مفاهيمية على الإطلاق. والانتقال إلى xAPI يعني إنشاء مخزن سجلّات تعلّم (Learning Record Store)، وإعادة التفكير في حوكمة بياناتك وبنية شبكتك، وغالبًا إعادة وسم المحتوى سؤالًا سؤالًا. إنه عمل غير برّاق، وهو حيث يكمن الجهد الحقيقي، وهو السبب في حذري من كل من يُخبرك بأن التعلّم التكيّفي مفتاح تُشغّله.
أفضّل أن أكون صادقًا بشأن ذلك منذ البداية على أن أفوز بمشروع بوعد لا أستطيع الوفاء به. النموذج هو الجزء الذي يمكنني تسليمه لك في بضعة أسابيع. أما الوسم فهو الجزء الذي نُنجزه معًا، وهو الجزء الذي يصنع الفرق بين نظام يُنتج دليل إتقان بمستوى تدقيقي ونظام يُنتج علامات صح أجمل.
هل سيجعل قانون الاتحاد الأوروبي للذكاء الاصطناعي تتبّع الإكمال بلا قيمة؟
لفترة طويلة، كان «الكفاءة مقابل الإكمال» حجّة جودة — مرغوبة لكن يصعب تمويلها. وهذا يتغيّر بسبب قانون الاتحاد الأوروبي للذكاء الاصطناعي. فالمادة 4، وهي التزام محو الأمية بالذكاء الاصطناعي، سارية منذ 2 فبراير 2025، وتبدأ الرقابة من قِبل سلطات مراقبة السوق الوطنية في 2 أغسطس 2026. وهي تشترط تدريب الموظفين على محو الأمية بالذكاء الاصطناعي بطريقة تناسب دورهم — وإرشادات الاتحاد الأوروبي نفسها صريحة في أنه لا يوجد تنسيق واحد يناسب الجميع. قائم على الدور، وإلا فلا يُحتسب.
فكّر فيما يفعله ذلك بنموذج علامة الصح الخضراء. عبارة «شاهد الجميع فيديو أخلاقيات الذكاء الاصطناعي نفسه» هي بالضبط الشيء الذي بُنيت المادة 4 لرفضه، وتصل العقوبات على أحكام المخاطر العالية إلى 35 مليون يورو أو 7% من الإيرادات العالمية. وقد أظهر المنظّمون أنهم سيُحرّرون شيكات ضخمة لإخفاقات التدريب في مجالات مجاورة — تلقّى بنك TD Bank عقوبة قدرها 3.1 مليار دولار مرتبطة ببرنامج امتثال غير كافٍ لمكافحة غسل الأموال. لم تعد تكلفة معاملة التدريب كمسرحية افتراضية.
هناك ضغط ثانٍ لم أتوقّعه حين بدأت، وهو مضحك تقريبًا. اكتشف الموظفون أنهم يستطيعون الاتّكاء على مساعدي الذكاء الاصطناعي لاجتياز وحدات الامتثال بسهولة — يُجيبون عن الاختبار، وينقرون على «اكتمل»، ولا يتعلّمون شيئًا. أوردت HR Morning ذلك في عام 2026، وذهبت Gartner إلى حد التنبؤ بأنه حتى عام 2026 سيشترط نصف المؤسسات تقييمات مهارات «خالية من الذكاء الاصطناعي» بسبب ضمور التفكير النقدي. فحين تستطيع قوّتك العاملة تزييف الإكمال على نطاق واسع، يتوقّف الإكمال عن أن يعني أي شيء على الإطلاق. الإجابة الوحيدة الدائمة هي قياس ما يعرفه الشخص فعلًا — وهو الشيء الذي بُني تتبّع المعرفة ليفعله.
ما كنت لأقوله لمسؤولة الامتثال تلك الآن
يسألني الناس عمّا إذا كان كل هذا يستحق العناء من أجل التدريب، من بين كل الأشياء — أليست هذه هندسة مفرطة لالتزام مؤسسي لا يستمتع به أحد؟ جوابي هو أننا كنّا نُهندسه بأقل من اللازم طوال عشرين عامًا، والفاتورة تحين في اتجاهين في آنٍ واحد: نصف عمر مهارات انهار إلى ما دون خمس سنوات، ومنظّم على وشك أن يطلب دليلًا لا نملكه في الغالب. فقط 26% من القادة يشعرون اليوم بالقدرة على قياس العائد على استثمار التدريب أصلًا. الشيء الذي اخترنا ألّا نقيسه هو الشيء الذي حان موعد استحقاقه.
أعود بذاكرتي إلى ذلك المُجلَّد الذي يضم خمسمئة علامة صح خضراء. لم تكن مأساته أن التدريب كان سيئًا. بل كانت أن المؤسسة أنفقت أموالًا حقيقية وساعات حقيقية وانتهى بها الأمر تعرف أقل مما ظنّت أنها تعرفه — بثقة، وكتابةً، ومع مسارات تدقيق. كانت المحلّلة الأقدم تشعر بالملل والمدير الجديد تائهًا، وأبلغ النظام عن كليهما بوصفهما نجاحًا.
لو استطعت العودة وأن أُسلّمها شيئًا واحدًا، لما كان فيديو أفضل. بل كان سيكون الخريطة الحرارية — خمسمئة صف، وخمسة مفاهيم، وكل خلية رقمٌ يمكنها الدفاع عنه فعلًا. لا «نجح الجميع». بل شيء أصدق وأكثر فائدة بكثير: ها هو بالضبط ما يعرفه كل واحد من هؤلاء الأشخاص، وها هو ما سنفعله بشأن البقية. تلك هي المنظومة التي نبنيها، وكلما طال بي فعل هذا، ازددت اقتناعًا بأن «مكتمل» لم يكن قط الإجابة عن سؤال طرحه أحدٌ فعلًا.