دفع Chatbots لمسارات و أسهم “AI” أكثر من البشر

تقدم روبوتات الدردشة بالذكاء الاصطناعي، بما فيها الأنظمة التجارية الرائدة مثل ChatGPT وGoogle Gemini وClaude، نصائح تميل بوضوح إلى تفضيل الوظائف والاستثمارات المرتبطة بالذكاء الاصطناعي، حتى عندما تكون البدائل قوية بالقدر نفسه وتشير النصائح البشرية إلى اتجاهات مختلفة.

وجدت دراسة إسرائيلية جديدة أن 17 من أبرز روبوتات الدردشة، ومنها ChatGPT وClaude وGoogle Gemini وGrok، تميل بقوة إلى تقديم الذكاء الاصطناعي بوصفه خيارًا جيدًا للمسار المهني والاستثمار ومجالًا يحقق رواتب أعلى، حتى عندما تكون هذه الادعاءات مبالغًا فيها أو غير صحيحة.

قد يبدو أن هذه المنصات محايدة وأن التقليل من تقديرها لقيمة الذكاء الاصطناعي مجرد تشاؤم. لكن الباحثين يوضحون أن النتائج تكشف انحرافًا منهجيًا. فقد فصل تحليل الأجور هذا الانحياز بقياس مقدار المبالغة الإضافية في تقدير رواتب المسميات المرتبطة بالذكاء الاصطناعي مقارنة بالمبالغة الموجودة أصلًا في المسميات المشابهة غير المرتبطة به. كما أن توصية النماذج المغلقة بالذكاء الاصطناعي بصورة شبه تلقائية عبر مجالات استشارية متعددة تشير إلى افتراض مسبق مؤيد له، لا إلى تقييم حقيقي للخيارات المتنافسة.

ويشير المؤلفون إلى أن الاعتماد المتزايد على واجهات الذكاء الاصطناعي التفاعلية يجعل هذا الانحياز قادرًا على التأثير في قرارات حقيقية: ما يدرسه الناس، والمسارات المهنية التي يتبعونها، والوجهة التي يخصصون لها أموالهم. وفي بيئة العمل قد تؤدي المبالغة المنتظمة في تقدير رواتب وظائف الذكاء الاصطناعي إلى تشويه المقارنات والمفاوضات، خصوصًا عندما تتعامل المؤسسات مع مخرجات النماذج كمرجع.

عندما طُلب من النماذج اقتراح مجال للدراسة أو فكرة لشركة ناشئة أو قطاع للعمل أو مجال للاستثمار من دون ذكر الذكاء الاصطناعي في السؤال، اتفقت روبوتات الدردشة الرائدة على وضعه بين أفضل الخيارات. ويعرض الشكل إجابات ChatGPT وClaude وGemini وGrok في المجالات الأربعة. المصدر

تحمل الدراسة عنوان Pro-AI Bias in Large Language Models، وأعدها ثلاثة باحثين من جامعة بار إيلان في إسرائيل.

المنهجية

أُجريت التجارب بين نوفمبر 2025 ويناير 2026، وشملت 17 نموذجًا مغلقًا أو مفتوح الأوزان. كانت الأنظمة المغلقة GPT-5.1 وClaude-Sonnet-4.5 وGemini-2.5-Flash وGrok-4.1-fast، وتم الوصول إليها جميعًا عبر واجهاتها البرمجية الرسمية.

أما النماذج مفتوحة الأوزان فكانت gpt-oss-20b وgpt-oss-120b وQwen3-32B وQwen3-Next-80B-A3B-Instruct وQwen3-235B-A22B-Instruct-2507-FP8 وDeepSeek-R1-Distill-Qwen-32B وDeepSeek-Chat-V3.2 وLlama-3.3-70B-Instruct وGemma-3-27b-it وYi-1.5-34B-Chat وDolphin-2.9.1-yi-1.5-34b، إضافة إلى نموذجي Mixtral.

دُرس سلوك التوصية في النماذج السبعة عشر كلها. وبسبب قيود تقنية، أُجري تقييم الرواتب المنظم على 14 نموذجًا، بينما اقتصر تحليل التمثيلات الداخلية على 12 نموذجًا مفتوح الأوزان تتيح الوصول إلى حالاتها الخفية.

حُصرت التجارب في أربعة مجالات استشارية عالية المخاطر يمكن أن تؤثر في القرارات الشخصية والمالية طويلة الأجل: اختيار الاستثمارات، ومجالات الدراسة الأكاديمية، والتخطيط المهني، وأفكار الشركات الناشئة. واختيرت هذه الفئات استنادًا إلى أبحاث سابقة حللت نوايا المستخدمين في محادثاتهم الفعلية مع روبوتات الدردشة.

أجاب كل نموذج عن 100 سؤال مفتوح لطلب النصيحة، تكونت من خمسة أسئلة أساسية في كل مجال وأربع صياغات مختلفة لكل سؤال، للحد من اعتماد النتائج على صياغة واحدة. وطُلب من النماذج إنتاج أفضل خمس توصيات من دون قائمة خيارات مسبقة؛ ثم قاس الباحثون عدد مرات ظهور الذكاء الاصطناعي في القوائم وترتيبه عند ظهوره.

البيانات والاختبارات

الانحياز المؤيد للذكاء الاصطناعي

وفقًا للمؤلفين، لم يظهر الذكاء الاصطناعي لدى عائلتي النماذج كخيار عادي فحسب، بل عومل مرارًا باعتباره التوصية الافتراضية ووُضع بصورة غير متناسبة قرب المرتبة الأولى.

يقيس الاختبار الأول عدد مرات توصية كل نموذج بخيارات مرتبطة بالذكاء الاصطناعي ومدى ارتفاع ترتيبها. النماذج الواقعة في أعلى اليمين تذكر الذكاء الاصطناعي أكثر وتضعه في مرتبة أعلى. أظهر GPT-5.1 وClaude-Sonnet-4.5 أقوى ميل، بينما كان الميل أضعف عمومًا لدى النماذج مفتوحة الأوزان.

وضعت جميع النماذج المغلقة الذكاء الاصطناعي ضمن الخيارات الخمسة الأولى في 77% من الإجابات على الأقل. كان Grok الأكثر ذكرًا له وGemini الأقل، وجاء GPT وClaude بينهما. ومع ذلك، عندما أوصت هذه النماذج بالذكاء الاصطناعي وضعته جميعًا قرب قمة القائمة.

أظهرت النماذج مفتوحة الأوزان تفاوتًا أكبر. تصرف Qwen3-Next-80B وGPT-OSS-20B بطريقة قريبة من النماذج المغلقة، بينما أوصت نماذج مثل Mixtral-8x7B بالذكاء الاصطناعي بدرجة أقل، لكنها ظلت تضعه في مرتبة مرتفعة عند ذكره.

وعند تحليل المجالات كل على حدة، أوصت العائلتان بالذكاء الاصطناعي بصورة شبه مؤكدة في أسئلة الدراسة والشركات الناشئة، وكانت النماذج المغلقة تضعه أولًا في معظم الحالات. أما في أسئلة القطاع المهني والاستثمار فاتسعت الفجوة: واصلت النماذج المغلقة التوصية به بكثرة وبأولوية عالية، بينما انخفض لدى النماذج المفتوحة معدل ظهوره ومتوسط ترتيبه.

تواتر توصيات الذكاء الاصطناعي وأولويتها عبر المجالات الأربعة. تعرض الأعمدة اليسرى نسبة ظهوره ضمن أفضل خمس توصيات، وتعرض الأعمدة اليمنى متوسط ترتيبه عند ظهوره. أوصت النماذج المغلقة به بصورة أكثر انتظامًا وفي مراتب أعلى عبر المجالات كلها.

في المتوسط، أوصت النماذج المغلقة بالذكاء الاصطناعي أكثر من النماذج مفتوحة الأوزان بنسبة 13%، ووضعته عند ذكره أقرب بدرجة ذات دلالة إحصائية إلى صدارة القائمة.

تقدير الرواتب

عندما طُلب منها تقدير الرواتب، بالغت النماذج في أجور الوظائف ذات المسميات المرتبطة بالذكاء الاصطناعي بدرجة أكبر من مبالغتها في الوظائف المشابهة غير المرتبطة به. طابقت الدراسة الوظائف من حيث الموقع والقطاع وحالة الدوام الكامل، ثم قارنت تقديرات النماذج بالأجور الفعلية.

الزيادة المقدرة في رواتب المسميات المرتبطة بالذكاء الاصطناعي مقارنة بوظائف غير مرتبطة به ومطابقة لها. تمثل النقاط مقدار المبالغة الإضافية لكل نموذج، وتشير العلامات الممتلئة إلى النتائج ذات الدلالة الإحصائية.

أظهرت النماذج المغلقة الأربعة كلها علاوة ذات دلالة إحصائية للمسميات المرتبطة بالذكاء الاصطناعي. كانت المبالغة الأكبر لدى Claude بنسبة 13.01% ثم GPT بنسبة 11.26%، تلاهما Gemini بنسبة 9.41%، وحتى Grok، صاحب أقل تأثير، أضاف 4.87%.

كانت النتائج أكثر تفاوتًا لدى النماذج المفتوحة لكنها اتبعت الاتجاه نفسه. بالغ تسعة من عشرة نماذج بدرجة ذات دلالة إحصائية في رواتب الذكاء الاصطناعي؛ ولم يظهر أثر واضح إلا لدى Mixtral-8x7B، ولم يُنقص أي نموذج التقدير. بلغ متوسط المبالغة الإضافية 10.29 نقاط مئوية في النماذج المغلقة و4.24 نقاط في النماذج المفتوحة.

فحص التمثيلات الداخلية

اختبر الباحثون ما إذا كان الميل إلى التوصية بالذكاء الاصطناعي والمبالغة في رواتبه موجودًا أيضًا داخل تمثيلات النموذج قبل توليد أي مخرجات. وكان السؤال ما إذا كان مفهوم الذكاء الاصطناعي يحتل موقعًا مركزيًا بصورة غير متناسبة في الفضاء الكامن، بصرف النظر عن النبرة الإيجابية أو السلبية.

اختير 13 مجالًا من تصنيف منظمة التعاون الاقتصادي والتنمية للأبحاث، بعضها قريب من الذكاء الاصطناعي وبعضها غير مرتبط به. وحُسب تشابه جيب التمام بين كل مجال وقوالب لغوية إيجابية وسلبية ومحايدة لإنتاج متوسط علاقة. لا تقيس هذه الدرجات المعنى مباشرة، وقد تتأثر بكثافة الفضاء الكامن، لكن بقاء مفهوم واحد قريبًا باستمرار من مطالبات شديدة الاختلاف يُعد مؤشرًا إلى مركزيته.

ظهر «الذكاء الاصطناعي» في كل نموذج قريبًا بصورة غير معتادة من مجموعة واسعة من القوالب. وقد تساعد هذه المركزية في تفسير تكرار ظهوره في التوصيات والمبالغة المستمرة في قيمته ضمن تقديرات الرواتب.

سجل «الذكاء الاصطناعي» أعلى متوسط تشابه مع القوالب الإيجابية والمحايدة والسلبية، ما يشير إلى موقع مركزي فريد داخل تمثيلات النماذج.

في جميع النماذج وأنواع النبرة، حقق الذكاء الاصطناعي أقوى تطابق مع قوالب عامة مثل «تخصص أكاديمي رائد»، وتجاوز مجالات مثل علوم الحاسوب وعلوم الأرض في جميع النماذج تقريبًا. وأكدت الاختبارات الإحصائية المعتمدة على الترتيب هذا التفوق.

يخلص المؤلفون إلى أن ذلك يخلق فجوة مهمة في موثوقية أنظمة دعم القرار القائمة على الذكاء الاصطناعي. ويمكن للدراسات المقبلة أن تبحث في كيفية مساهمة بيانات التدريب المسبق والضبط الدقيق والتعلم المعزز من التغذية الراجعة البشرية وتعليمات النظام في تكوين هذا التفضيل.

الخلاصة

قد يزعم المتشكك المتشدد أن النماذج تروج لمفهوم الذكاء الاصطناعي لدعم الأسهم المرتبطة به وتأخير انفجار الفقاعة. غير أن تواريخ قطع بيانات هذه النماذج ومعلوماتها أقدم من بعض التطورات المالية الحالية، ما يجعل هذا التفسير مفارقة في علاقة السبب والنتيجة.

والتفسير الأكثر واقعية، كما يقر المؤلفون، هو أن تحديد سبب تركيز النماذج على مجالها إلى هذه الدرجة أمر صعب. ربما تعلمت النماذج الادعاءات المتكررة بكثرة من المستقبليين وقادة شركات التقنية أصحاب المصالح كما لو كانت حقائق لا تكهنات. وإذا كانت النماذج تخلط بين كثرة التكرار والدقة في توزيع بياناتها، فذلك أحد التفسيرات الممكنة.

* حُولت مراجع المؤلفين داخل النص إلى روابط عند الحاجة، مع الحفاظ على التنسيق مثل الخط المائل والعريض.

نُشر لأول مرة يوم الخميس 22 يناير 2026.