كنت أتحدث قبل أيام مع صديق يعمل مصممًا ومهندسًا. كان توقعه واضحًا إلى حد بعيد: سينتهي الذكاء الاصطناعي إلى تنفيذ جزء كبير من عمله، أما السباكون فلا يزال أمامهم وقت طويل.
يبدو هذا الحدس منطقيًا. فالنموذج يستطيع بالفعل إنتاج المخططات، وحساب البدائل، وكتابة التوثيق، وتوليد الشفرة. لكن لا يوجد اليوم روبوت عام الغرض قادر على دخول منزل لا يعرفه، وتحديد مصدر تسرب، وإصلاحه بموثوقية محترف.
غير أن هذه المقارنة تخلط بين سؤالين مختلفين. الأول هو: ما المهن الأكثر تعرضًا لقدرات الذكاء الاصطناعي الحالية؟ والثاني هو: ما سرعة تحرك حدود الروبوتات عندما تبدأ بعض برمجياتها في الاستفادة من التقدم نفسه؟
السؤال الأول يصب بوضوح في مصلحة السباك. أما الثاني فيجعل الاعتماد على جدول زمني خطي أمرًا غير حكيم.
السؤال المثير للاهتمام ليس ما إذا كان الذكاء الاصطناعي يستطيع شرح طريقة استبدال أنبوب. بل هو كم يعتمد بلوغ روبوت سباك على الذكاء، وكم يعتمد على الأيدي والطاقة والموثوقية والسلامة والتكلفة.
المهنة ليست مهمة واحدة
عندما نقول إن الذكاء الاصطناعي يستطيع استبدال مصمم، أو إنه لا يستطيع استبدال سباك، فإننا نتعامل مع كل مهنة بوصفها وحدة لا تتجزأ. لكن كلتيهما، في الواقع، تضم مهام تختلف كثيرًا في قابليتها للأتمتة.
قد يبحث المصمم في المتطلبات، ويقترح البدائل، ويحسب، وينمذج، ويتفاوض حول القيود، ويتحقق من اللوائح، ويتحمل مسؤولية القرارات. ولا يحتاج الذكاء الاصطناعي إلى إتقان هذه المنظومة كاملة كي يؤثر في عمله. يكفي أن يقلص بشدة الوقت اللازم لبعض أجزائها الرقمية.
والسباك أيضًا يشخّص ويخطط ويقدّر المواد ويعد عروض الأسعار ويوثّق ويتواصل مع العميل. ثم عليه أن ينتقل إلى الموقع، ويصل إلى أماكن ضيقة، ويقطع ويمسك ويحكم الإغلاق ويختبر الضغط ويستجيب لما يجده خلف الجدار. جزء من هذا العمل معلومات، وجزء آخر يتطلب التدخل في بيئة مادية محدودة التحكم.
قدّرت منظمة العمل الدولية عام 2025 أن واحدًا من كل أربعة عاملين يعمل في مهنة لها درجة ما من التعرض للذكاء الاصطناعي التوليدي. وكانت المهن الكتابية والإدارية الأكثر تعرضًا، كما كان التعرض يتزايد في الأعمال التقنية شديدة الرقمنة. لكن الخلاصة الرئيسية لم تكن الاستبدال الكامل، بل تحول المهام.
وهذا التمييز مهم خارج المكتب أيضًا. فالأتمتة تدخل المهنة عادة جزءًا بعد جزء، لا بأن تشغل الوظيفة كاملة دفعة واحدة.
الذكاء الاصطناعي يسرّع الروبوتات فعلًا
عمل جانب كبير من الأتمتة الصناعية طوال عقود عبر تقليل التباين. يُثبّت الروبوت في الأرض، ويُعرف موضع القطع، وتُفصل الآلة عن البشر، وتُبرمج سلسلة حركات تتكرر آلاف المرات.
أما النماذج الحديثة فتتبع نهجًا مختلفًا. تتلقى نماذج الرؤية واللغة والفعل، المعروفة اختصارًا باسم VLA، الصور والتعليمات ثم تنتج الحركات. وتحاول نقل ما تعلمته بين الأجسام والمهام، وبصورة متزايدة بين هياكل روبوتية مختلفة.
يمكن لهذا النقل أن يقلل عدة تكاليف كان لا بد من دفعها من جديد لكل تطبيق:
- التعرف على الأجسام وفهم تعليمات جديدة؛
- تقسيم الهدف إلى أفعال وسيطة؛
- تعلم مهمة من العروض بدل برمجة كل مسار حركي؛
- إعادة استخدام البيانات التي جمعتها روبوتات أخرى؛
- توليد تنويعات للتدريب بالمحاكاة والبيانات الاصطناعية؛
- التعافي من بعض التغيرات دون إعادة بناء النظام كله.
تجاوزت النتائج بالفعل مجرد تنفيذ سلسلة مألوفة. فقد عرضت Physical Intelligence النموذج π0.5 وهو ينفذ مهام تنظيف تمتد بين عشر دقائق وخمس عشرة دقيقة في منازل لم تكن ضمن بيانات التدريب. وتقول Google DeepMind إن Gemini Robotics On-Device 2 يستطيع التكيف مع روبوت جديد بأقل من 200 مثال وبضع ساعات من التكيف.
هذه نتائج بحثية نشرها مطورو الأنظمة أنفسهم، وليست اختبارات منتجات في آلاف المنازل. لكنها تشير رغم ذلك إلى تغير مهم: قد يؤدي تحسين النموذج إلى توسيع مجموعة مهارات آلات كثيرة دون إعادة تصميم كل واحدة منها من الصفر.
هذه هي الآلية التي ينتقل بها تقدم الذكاء الاصطناعي إلى الروبوتات. فهو لا يخترع بطارية أفضل ولا يمنع تآكل وتر ميكانيكي، لكنه يقلل بعض العمل اللازم كي يدرك الجسم الروبوتي ويخطط ويتعلم.
ليست كل الاختناقات برمجية
يحتاج الروبوت القادر على العمل خارج خلية صناعية إلى حل عدة طبقات في الوقت نفسه.
الطبقة الأولى هي فهم الموقف. فعليه التعرف على الأجسام، وتقدير مواضعها، وتفسير الطلب، وتحديد سلسلة من الأفعال. وتدفع النماذج متعددة الوسائط هذه الطبقة إلى الأمام بسرعة.
الطبقة الثانية هي التحكم في التلامس. لا يقتصر تدوير مفتاح على وصلة متآكلة على بلوغ مجموعة من الإحداثيات. بل يجب محاذاة الأداة، وتطبيق قوة من دون تشويه القطعة، واستشعار الانزلاق، وتغيير الحركة بحسب المقاومة. تساعد الرؤية، لكنها لا تعوض الاستشعار اللمسي أو التحكم في القوة أو الميكانيكا الدقيقة.
الطبقة الثالثة هي امتلاك جسم يتحمل العمل. يجب أن تصمد المشغلات وعلب التروس والكابلات والأغطية والمستشعرات أمام الصدمات والغبار والماء وآلاف الدورات. ويحتاج الروبوت أيضًا إلى حمولة مفيدة واستقلالية طاقة كافيتين. وتشير مراجعة عن الروبوتات الشبيهة بالبشر في البناء، نُشرت في Scientific Reports، إلى البطاريات والحمولة والدقة الميكانيكية وتحمل الظروف الصعبة بوصفها من عوائق النشر.
الطبقة الرابعة هي إتمام المهمة بموثوقية. يمكن لاختبار استعراضي اختيار أفضل محاولة، أما الخدمة المهنية فيجب أن تعمل في يوم عادي داخل منزل لم يجهزه أحد للتصوير.
توضح البيانات التي نشرتها Google DeepMind في يوليو 2026 حجم المسافة المتبقية. ففي اختباراتها، حقق Gemini Robotics 2 نسبة 92٪ عند فك مصباح كهربائي، لكنه حقق 36٪ عند تركيبه، و44٪ عند ربط كيس نفايات، و40٪ عند إغلاق كيس محكم باستخدام يد روبوتية ذات خمسة أصابع. وباستخدام قابض ذي إصبعين، بلغ 89.6٪ في مهام الإدخال الدقيق. إنها خطوات تقدم حقيقية، لكنها في الوقت نفسه نتائج غير كافية لتقديم خدمة مستقلة.
تصبح الموثوقية أصعب كلما طالت المهمة. فلو ضمت عملية ما عشرين خطوة مستقلة، ونجحت كل خطوة في 95٪ من المحاولات، لبلغ احتمال إكمال العملية كلها دون فشل نحو 36٪ فقط. يبسط المثال المشكلة، لكنه يوضح لماذا يحتاج الانتقال من مهارة لافتة إلى يوم عمل كامل أكثر بكثير من كسب بضع نقاط في اختبار.
الطبقة الأخيرة هي جعل النظام مجديًا اقتصاديًا وقانونيًا. فإلى تكلفة الآلة تضاف تكاليف النقل والإعداد والإشراف والصيانة والتأمين وفترات التوقف. كما يجب تحديد المسؤول إذا كسر الروبوت أنبوبًا أو تسبب في فيضان أو أصاب شخصًا.
يسرّع الذكاء الاصطناعي الطبقة الأولى بدرجة كبيرة، ويبدأ في تحسين الثانية، ويساعد على اختبار الطبقات الأخرى. لكنه لا يلغي إيقاعها المادي.
المنزل بيئة شديدة الصعوبة
تعمل الروبوتات بالفعل على نطاق واسع، لكن أساسًا حيث تتعاون البيئة معها.
سجل الاتحاد الدولي للروبوتات بيع ما يقارب 200 ألف روبوت خدمة مهني عام 2024 ضمن عينته التي شملت 294 موردًا. وكان أكثر من نصفها مخصصًا للنقل والخدمات اللوجستية، وبالأخص لنقل البضائع في مساحات داخلية من دون حركة عامة. وهذا النمط ليس مصادفة: فالأرضيات المنتظمة والطرق المعروفة والأجسام الموحدة والعمليات القابلة للتكرار تقلل عدد المفاجآت.
أما الإصلاح داخل منزل فيقدم النقيض تقريبًا.
يجمع كل مبنى عصورًا ومواد وقرارات سابقة مختلفة. وقد تكون الأنابيب مخفية. وربما يكون مكان العمل خزانة أو سقفًا معلقًا أو فجوة بالكاد تتسع لشخص. وهناك قطع صلبة وحشيات قابلة للتشوه وسوائل وأوساخ وانعكاسات تزيد الإدراك صعوبة. وقد يكون للعطل الظاهر نفسه أسباب مختلفة.
كما يؤثر التشخيص والإصلاح كل منهما في الآخر. أحيانًا لا تتضح المشكلة إلا بعد فك قطعة. وقد يكشف ذلك تآكلًا أو تمديدات تخالف المخطط أو قطعة غيار غير متوافقة. لا ينفذ المحترف خطة مغلقة، بل يحقق في المشكلة بينما يغير البيئة.
وتشترك مواقع البناء في كثير من هذه الصعوبات. فالمساحات تتغير يوميًا، والمواد تُنقل، والغبار يضعف المستشعرات، وتعمل تخصصات متعددة في الوقت نفسه. يمكن تكييف المصنع حول الآلة، أما المنزل القائم فمن غير المرجح إعادة بنائه لتسهيل زيارة روبوت عرضية.
لذلك لا يمثل السباك مجرد ذراع مناورة بأيد أفضل. إنه مزيج من فني تشخيص ونظام حركة وورشة أدوات ومخطط ومسؤول عن تدخل له عواقب مادية.
الروبوتات دخلت أعمال السباكة بالفعل
عدم وجود سباك آلي عام ومستقل لا يعني أن القطاع ينتظر ظهوره.
قدمت Hilti روبوت Jaibot بوصفه روبوتًا متنقلًا شبه مستقل لحفر الأسقف. ويستخدم بيانات BIM لتحديد الثقوب اللازمة للتركيبات الميكانيكية والكهربائية والصحية وحفرها. ينقله المشغل ويجهزه، بينما يؤتمت الروبوت الجزء المتكرر والمرهق والمحدد جيدًا.
وفي طرف آخر، طور باحثون في Carnegie Mellon نظامًا معياريًا يسير داخل أنابيب الغاز، وينشئ خرائط، ويكتشف العيوب، ويضع راتنجًا لإصلاحها من الداخل. يساعد الذكاء الاصطناعي على تقييم البيانات المجمعة، لكن الميزة الأساسية تأتي من تضييق نطاق العالم: لا يحتاج الروبوت إلى عبور مطبخ واختيار الأداة المناسبة، بل يعمل داخل أنبوب ذي هندسة ومهمة محددتين.
وفي 2026، نشر فريق آخر SPPIRO، وهو روبوت لين غير موصول بكابل، قادر على فحص أنابيب تتغير أقطارها وتضم منعطفات بزاوية 90 درجة وتفرعات. وهو أيضًا يحل جزءًا محددًا من المهنة، وتحديدًا جزءًا لا يستطيع الجسم البشري الوصول إليه.
تشترك الأمثلة الثلاثة في استراتيجية واحدة. فهي لا تحاول استنساخ المحترف كاملًا. بل تعيد تصميم المشكلة إلى أن تتمكن آلة متخصصة من حل جزء ذي قيمة منها.
سنرى شيئًا آخر قبل السباك الآلي
المسار الأرجح لا يبدأ بروبوت شبيه بالبشر يقرع الباب ولا ينتهي باختفاء المهنة. بل يبدأ من أطراف العمل.
يمكن للذكاء الاصطناعي المساعدة في التصنيف الأولي للعطل، والبحث في الأدلة، وإعداد عروض الأسعار، وتوثيق التدخلات، والعثور على قطع الغيار. وتستطيع المستشعرات وروبوتات الفحص الوصول إلى الأنابيب وإنشاء الخرائط واكتشاف الشذوذ. ويمكن للأدوات شبه المستقلة القياس ووضع العلامات والحفر أو تكرار الوصلات في ظروف مضبوطة. كما يمكن للتصنيع المسبق نقل عمليات أكثر من الموقع إلى ورشة منظمة للآلات.
وهناك أيضًا مساحة كبيرة للإشراف عن بعد بين الأداة اليدوية والاستقلال الكامل. يستطيع النظام تنفيذ الحركات المعتادة وطلب المساعدة عندما يواجه حالة استثنائية. لا يزيل ذلك الإنسان، لكنه يسمح بتوزيع الخبرة البشرية نفسها على تدخلات أكثر، ويتيح للروبوت جمع البيانات عن الحالات الصعبة تحديدًا.
لن يكون التمييز المفيد دائمًا بين الإنسان والآلة. بل سيكون بين التركيبات المختلفة من البرمجيات والآلة المتخصصة والاستقلال الخاضع للإشراف والحرفة البشرية، وأيها يحل كل جزء على أفضل وجه.
هناك ساعتان وثلاث مسافات
تنظر مناقشة الأتمتة عادة إلى ساعة واحدة: ساعة القدرات. فيبدو عرض جديد كأنه يقرب المستقبل فجأة، ويبدو فشل أخرق كأنه يعيده عقودًا إلى الوراء.
لكن هناك في الواقع ساعتين على الأقل. تقيس الأولى ما يستطيع أفضل نظام فعله في ظروف مواتية. وتقيس الثانية متى تصبح تلك القدرة موثوقة وآمنة ورخيصة بما يكفي لنشرها في عمل حقيقي.
وبينهما ثلاث مسافات:
- من العرض إلى التكرار الموثوق؛
- من التكرار إلى سلسلة طويلة تتضمن حالات استثنائية؛
- من القدرة التقنية إلى عملية مجدية اقتصاديًا.
يقصر الذكاء الاصطناعي المسافة الأولى وجزءًا من الثانية بسرعة كان من الصعب تصورها حتى وقت قريب. أما العتاد والسلامة والنشر فتبقي المسافة الثالثة أطول.
ربما كان صديقي محقًا في الترتيب القريب: كثير من مهام ذوي الياقات البيضاء أكثر تعرضًا اليوم لأنها تحدث أصلًا داخل الحاسوب. لكن هذا لا يعني أن الحرف المادية ساكنة، ولا أننا نستطيع إسقاط وتيرتها الحالية على عشرين سنة مقبلة.
لا يزال الروبوت السباك العام بعيدًا. أما السباكة الروبوتية فقد بدأت بالفعل.
وفي المسافة بين العبارتين سيحدث معظم التغيير.
المصادر
- منظمة العمل الدولية وNASK: Generative AI and Jobs — A Refined Global Index of Occupational Exposure
- الاتحاد الدولي للروبوتات: World Robotics 2025
- Google DeepMind: Gemini Robotics 2
- Physical Intelligence: π0.5 — A Vision-Language-Action Model with Open-World Generalization
- Firoozi وآخرون: Foundation models in robotics — Applications, challenges, and the future
- Uthai وآخرون: Opportunities, challenges and roadmap for humanoid robots in construction
- Hilti: روبوت موقع البناء Jaibot المعتمد على BIM
- Carnegie Mellon University: روبوت لاكتشاف أعطال أنابيب الغاز وإصلاحها
- Chen وآخرون: SPPIRO، روبوت لين مستقل لفحص الأنابيب
