# هل يحل الذكاء الاصطناعي محل أبحاث المستخدمين؟ لا يستطيع أن يجلس مع عوض.

محرك التصميم الذي أبنيه اقترح نسخة شبه مطابقة لصفحة claude.ai. ما يتقنه الذكاء الاصطناعي في البحث، وأين يفشل، وماذا تقول الأدلة، ولماذا ستزدهر مهنة UX.

https://laithjunaidy.com/ar/writing/can-ai-replace-user-research
بقلم ليث الجنيدي. نُشر في: 2026-10-05.

---

![أربع صفحات هبوط ولدها ux-skill من أربعة موجزات: عيادة عائلية، وأداة للمطورين، ومطعم عائلي، وتطبيق فواتير بالعربية](https://laithjunaidy.com/writing/design-process/uxskill-4-brands.jpg)

*أربعة موجزات في [ux-skill](https://laithjunaidy.com/ar/research/ux-skill)، وأربعة أنظمة مختلفة. على موجز صفحته الرئيسية، أعاد المحرك نفسه في المرة الأولى الجواب الأكثر شيوعا في فئته.*

في مايو 2026 احتاج [ux-skill](https://laithjunaidy.com/ar/research/ux-skill) إلى صفحة رئيسية جديدة. ux-skill هو محرك التصميم الذي أبنيه، وسبب وجوده كله أن يلتقط البصمات التي تجعل الواجهات المبنية بالذكاء الاصطناعي تتشابه. ففعلنا الشيء البديهي: شغلنا محرك التوصيات على موجزنا نحن. صفحة هبوط لأداة مطورين، بنبرة تحريرية وواثقة وهادئة وسينمائية. وفي قائمة الممنوعات: خط Inter للعناوين، والتدرج من البنفسجي إلى الأزرق، وثلاث بطاقات متساوية.

بعد اثنتي عشرة ثانية جاء الجواب. خط Cormorant Garamond على خلفية كريمية، مع لون مميز بني دافئ. وهذه تقريبا صفحة claude.ai نفسها.

المحرك التزم بكل قاعدة في الموجز. قرأ كلمتي "تحريري" و"هادئ"، وذهب إلى أقرب تطابق، وأقرب تطابق كان الشكل الذي أطلقته أدوات الذكاء الاصطناعي في هذه الفئة من قبل. سجلنا [خطأين على أنفسنا](https://uxskill.laithjunaidy.com/blog/dogfooding-design-engine.html). وسم "تحريري" أعطى وزنا زائدا لعائلة واحدة من خطوط الكتب الكلاسيكية. ووسم "هادئ" كان مربوطا بشرط "خلفية فاتحة"، فلم تحصل الألوان القريبة من الأسود على أي فرصة. بعد الإصلاح أعاد الموجز نفسه خلفية فحمية، ولونا كهرمانيا واحدا، وخط Fraunces. نظام لم يكن أي واحد منا ليختاره بذوقه وحده.

ux-skill لا يستدعي أي نموذج لغوي. هو محرك تقييم حتمي، ومع ذلك فعل ما يفعله النموذج مع سؤال مألوف. أعطى الجواب الأرجح. والجواب الأرجح هو متوسط ما هو موجود أصلا.

احفظ هذه الصورة، لأنها الحجة كلها عن الذكاء الاصطناعي وأبحاث المستخدمين. اطلب من نموذج أن يلعب دور المستخدم، وستحصل على المستخدم الأرجح. والبحث موجود ليجد الشخص الذي يختلف عنه.

## أهم النقاط

- الذكاء الاصطناعي لا يحل محل أبحاث المستخدمين. يستطيع أن يكتب مسودة نص المقابلة، ويفرغ الجلسات ويترجمها، ويفرز الملاحظات، ويعدد حالات الفشل، ويكتب المسودة الأولى للتقرير.
- المستخدم الاصطناعي هو متوسط ما قرأه النموذج. وجدت Nielsen Norman Group أن المستخدمين الاصطناعيين يجاملون، ويهتمون بكل شيء بالقدر نفسه، ويروون تجارب لم يعيشوها.
- كلما ضاقت فئة المستخدم، ساءت المحاكاة. المثال الذي تضربه NN/g نفسها لحالة يجب فيها تجنب المستخدمين الاصطناعيين هو مزارع أرز في فيتنام. ومربي المواشي في الخليج الحالة نفسها.
- سوق عمل تجربة المستخدم يستقر، والدخول ما زال صعبا، والقيمة تنتقل من إنتاج الشاشات إلى الحكم والبحث والأنظمة والذوق.
- استخدم الذكاء الاصطناعي كما تصفه NN/g: كمتدرب. أعطه السياق والقيود، ثم طابق كل سطر مع اقتباس حقيقي.

## ماذا أخبرنا عشرة مربين بما لا يعرفه أي نموذج؟

في 2023 كنت أصمم [وفرة](https://laithjunaidy.com/ar/work/wfrah)، تطبيقا لمربي الأغنام والماعز في الخليج. قبل أن توجد أي شاشة، أخبرنا المؤسس عبد اللطيف بما ينتظرنا. المربون يديرون المهنة كما علمهم آباؤهم، ولا يصدقون أن تطبيقا يعرف مواشيهم أكثر منهم.

فذهبنا لنسمع. عشر مقابلات معمقة مع مربين بخبرات مختلفة، ووقت قضيناه نراقب الأدوات التي يستخدمونها أصلا. اسأل أي مرب لماذا تخسر مزرعته، وستسمع الجواب نفسه كل مرة: العلف غال، والمشترون يدفعون قليلا.

هذا هو الجواب الذي يقوله الناس بصوت عال، والأجوبة التي يقولها الناس بصوت عال هي التي ينتهي بها الأمر مكتوبة. وأي شيء تعلم مما يكتبه الناس سيعيده إليك كما هو.

المقابلات كشفت ما تحته. كثير من المربين لا يستطيعون حساب الاحتياج الغذائي اليومي لقطيعهم من المعادلات، وقناعتهم بأن السوق هو السبب جعلتهم يغفلون عن التغذية والإدارة. فصارت أنفع ميزة في التطبيق [حاسبة تغذية](https://laithjunaidy.com/ar/writing/designing-wfrah) تحسب عنهم لكل رأس ولكل مرحلة نمو. لم يطلبها أحد. المقابلات أظهرت كم واحدا يحتاجها.

![عوض، الشخصية الافتراضية للمربي من بحث وفرة، يجلس بجانب كبش داخل حظيرة](https://laithjunaidy.com/writing/wfrah/persona.jpg)

*عوض. شخصية افتراضية بنيناها من عشر مقابلات حقيقية: فخور بطريقة عائلته، وفضولي ليعرف إن كانت هناك طريقة أفضل.*

تحول البحث إلى شخصية واحدة، عوض. فخور بأنه يعمل كما عملت عائلته لأجيال، ومتعب من صعوبة إدارة القطيع، وفضولي ليعرف إن كانت هناك طريقة أفضل. هذا التوتر، الفخر والفضول معا، صار موجز التصميم كله: تطبيق يعظ عوض يخسره، وتطبيق يريه شيئا مفيدا من الشاشة الأولى قد يبقيه.

عوض شخصية افتراضية، بنيناها من عشر مقابلات حقيقية. هذا هو الفرق بين الشخصية والمستخدم الاصطناعي، وبقية هذا المقال تقوم عليه.

![هشام مطور تطبيق الهاتف وأنا نعمل على وفرة في الغرفة نفسها](https://laithjunaidy.com/writing/wfrah/team.jpg)

*العمل مع هشام، مطور تطبيق الهاتف، على بناء وفرة.*

## ماذا يتقن الذكاء الاصطناعي في أبحاث المستخدمين؟

أكثر مما يعترف به منتقدوه. [دليل عملية التصميم](https://laithjunaidy.com/ar/writing/design-process-checklist) الذي كتبته فيه فقرة "مع Claude" تحت كثير من طرقه. والنمط واحد في كل هذه الفقرات: النموذج يكتب المسودة ويفرز ويعدد. والإنسان يقرر.

دليل Nielsen Norman Group عن [تسريع البحث بالذكاء الاصطناعي](https://www.nngroup.com/articles/research-with-ai/)، وآخر مراجعة له في يناير 2026، يصل إلى المكان نفسه. يجد أن الذكاء الاصطناعي أنفع ما يكون في مرحلتي التخطيط والتحليل، وأضعف ما يكون في المنتصف، حيث يجب أن يراقب أحد شخصا يستخدم المنتج.

| مهمة البحث | ما يتقنه الذكاء الاصطناعي | ما تتحقق منه أنت |
| :- | :- | :- |
| البحث المكتبي | يبدأ القراءة ويجمع المصادر | حقائق ومصادر مختلقة. افتح كل مصدر |
| نصوص المقابلات ومهام الاختبار | يكتب خيارات كثيرة بسرعة | الأسئلة الموجهة وأسئلة "هل ستستخدم" |
| نماذج الموافقة والفرز وخطط الدراسة | يملأ قالبك لهذه الدراسة | أذونات خاطئة وتفاصيل خاطئة |
| التفريغ والترجمة | المتحدثون والتوقيت والملخصات | أخطاء مع اللهجات، وفي بعض اللغات |
| تجميع الملاحظات | جولة أولى في المحاور | مجموعات مبنية على كلمات مفتاحية، وكومة "أخرى" ممتلئة |
| حالات الفشل | يعدد كل طريقة تنكسر بها الخطوة | أن كل حالة تسمي الحقل والحل |
| مسودات التقارير | اللغة والنبرة والكلمات البسيطة لأصحاب القرار | تفاصيل لم تأت من البحث |

**كتابة نص المقابلة.** الصفحة الفارغة أبطأ جزء في التخطيط لمقابلة. ألصق سؤال البحث وأطلب نص مقابلة مدته 30 دقيقة عن آخر مرة قام فيها هذا الشخص بالمهمة، بلا أسئلة افتراضية، وبلا أسئلة تسمي ميزة، مع إشارة إلى أي سؤال يوحي بجوابه. بعدها أحذف كل سؤال من نوع "هل ستستخدم" تسلل رغم ذلك. NN/g رأت الشيء نفسه مع مهام الاختبار: الذكاء الاصطناعي يكتب كثيرا مهام موجهة أو تمهد للجواب، حتى مع أمثلة جيدة وقواعد صريحة. المسودة توفر ساعة. والتحرير يبقى عليك.

![قالب نص مقابلة المستخدم وملاحظاتها بالعربية: أسئلة في خمسة أقسام بجانب ورقة ملاحظات فيها اقتباسات وملاحظات ومتابعات](https://laithjunaidy.com/store/user-interview/ar-light.jpg)

*[قالب مقابلة المستخدم](https://laithjunaidy.com/ar/store/user-interview) المجاني، معبأ بمثال عملي: بن، تطبيق قهوة افتراضي. النص على جهة، وورقة ملاحظات لكل مشارك على الجهة الأخرى.*

**التفريغ والفرز.** بعد الجلسات يثبت النموذج قيمته. ألصق النصوص المفرغة وأطلب كل ملاحظة في سطر واحد مع رمز المشارك واقتباس حرفي، ثم أطلب مجموعات مقترحة، بقاعدة واحدة: لا شيء قاله مشارك واحد فقط يصير محورا. الفرز شيء تتقنه النماذج. أما ملء الفراغات بنتائج معقولة الشكل، فهذا ما عليك أن تلتقطه. NN/g تقولها بوضوح: تجميع الذكاء الاصطناعي يقوم غالبا على الكلمات المفتاحية، وكثير من الملاحظات ينتهي في خانة "أخرى".

![قالب خريطة التقارب بالعربية: ست مقابلات مفرزة في خمسة محاور لتطبيق بن](https://laithjunaidy.com/store/affinity-map/ar-light.jpg)

*[خريطة تقارب](https://laithjunaidy.com/ar/store/affinity-map) من مثال بن. ست مقابلات، وخمسة محاور، وكل ورقة تحمل رمز مشاركها. هذا الرمز هو ما يسمح لك أن تراجع عمل النموذج.*

**تعداد حالات الفشل.** هنا يتفوق الذكاء الاصطناعي على أغلب المصممين تحت ضغط الوقت. أعطه الطريق السعيد واطلب كل حالة فشل في كل خطوة: إدخال غير صالح، وانتهاء المهلة، وانقطاع الاتصال، والنقر مرتين، ورفض الإذن، والبيانات الفارغة. ثم تحقق أن كل حالة تقول للشخص ما الذي حدث وكيف يصلحه. على كاونتر [Dot](https://laithjunaidy.com/ar/research/dot)، السطر الخاص برقم هاتف ناقص يقول في النسخة الإنجليزية: "Nothing added. Phone is short by 1." أي: الكاونتر لم يضف شيئا، ورقم الهاتف ينقصه رقم واحد. النموذج سيعدد هذه الحالة. أما القاعدة أن كل رسالة فشل تبدأ بعبارة "Nothing added"، لأن أول سؤال عند الكاشير بعد أي خطأ هو هل مرت العملية، فجاءت من التصميم للشخص الواقف على الكاونتر.

## أين يفشل الذكاء الاصطناعي في أبحاث المستخدمين؟

في المهمة الوحيدة التي يوجد البحث من أجلها: أن تعرف ما هو صحيح عن أناس لم تقابلهم. ولهذا الفشل اسم. المستخدم الاصطناعي ملف يولده الذكاء الاصطناعي ليقلد فئة من المستخدمين، ويجيب عن أسئلة المقابلة كأنه واحد منهم. وبعض المنتجات تبيعه على أنه بحث من دون مستخدمين.

[اختبرت Nielsen Norman Group المستخدمين الاصطناعيين](https://www.nngroup.com/articles/synthetic-users/) مقابل ثلاث دراسات أجرتها من قبل مع أناس حقيقيين. وهذا ما وجدته.

**يريد أن يرضيك.** المتعلمون الحقيقيون في دراسة عن التدريب عبر الإنترنت اعترفوا بأنهم بدأوا دورات ولم يكملوها. المستخدمون الاصطناعيون قالوا إنهم أكملوا كل دورة ذكروها. أغلب المشاركين الحقيقيين تجاهلوا منتديات النقاش لأن التفاعل فيها بدا مصطنعا. المستخدمون الاصطناعيون أطالوا في مديحها. وتفسير NN/g أن النموذج تعلم من أبحاث تشرح فائدة المنتديات للتعلم، وما يفيدك شيء، وما تستخدمه فعلا شيء آخر.

**يهتم بكل شيء.** حين سألوا مستخدما اصطناعيا عما يجعل الدورة ممتعة، عدد سبعة عوامل بحماس متساو. الناس الحقيقيون يهتمون ببعض الأشياء أكثر بكثير من غيرها، وهذا الترتيب هو هدف البحث. قائمة من سبع حاجات متساوية لا تقول لك ماذا تبني أولا.

**يتذكر أشياء لم تحدث.** النموذج لم يستخدم منتجك، فقصصه عن تجاربه السابقة مختلقة. وتلاحظ NN/g أن هذه الملفات أدق في آرائها منها في قصصها، وهذا عكس ما يحتاجه البحث، لأن القصة هي الدليل. وحين عرضوا فكرة توصيل العينات بالدرون على مندوب مبيعات طبية اصطناعي، قال إنها قد تغير قواعد اللعبة.

**مسطح.** أقوى جملة عند NN/g أن المستخدمين الاصطناعيين يبدون كتقريب مسطح لتجارب عشرات الآلاف من الناس، لأنهم كذلك فعلا. هذه قصة صفحتي الرئيسية من جديد. المحرك لم يخطئ في الحساب. أعاد منتصف المجموعة.

وكلما ضاقت الفئة، ساء الأمر. نصيحة NN/g نفسها أن تتجنب المستخدمين الاصطناعيين مع الفئات النادرة أو المتخصصة، ومثالها مزارع أرز في فيتنام، لأن بيانات النموذج عنه ناقصة. عوض هو هذه الحالة بالضبط. مرب في الخليج تعلم المهنة من أبيه لم يكتب الكثير من النصوص التي تعلم منها النموذج. ولا كتبها كاشير على كاونتر مزدحم.

**ما يقوله الناس وما يفعلونه.** الفجوة الثانية هي السلوك. النماذج جيدة مع الكلمات، والبحث في الغالب يدور حول المسافة بين الكلمات والأفعال. في مثال بن الذي أستخدمه في قوالبي، تصف رنا، الشخصية، رسوم التوصيل التي تظهر متأخرة بأنها خدعة. وفي الملاحظات، تراجع الرسوم مرتين قبل أن تدفع، مرة في القائمة ومرة عند الدفع. الاقتباس والسلوك معا هما النتيجة. والنص المفرغ فيه الاقتباس فقط.

![خريطة تعاطف بالعربية لرنا وهي تطلب القهوة لاجتماع الساعة العاشرة: ماذا تقول وتفكر وتفعل وتشعر، مع الآلام والمكاسب](https://laithjunaidy.com/store/empathy-map/ar-light.jpg)

*[خريطة التعاطف](https://laithjunaidy.com/ar/store/empathy-map) من مثال بن. ما تقوله وما تفعله جنبا إلى جنب، لأن النتيجة تسكن غالبا حيث يختلفان.*

وتقول NN/g الشيء نفسه عن اختبارات قابلية الاستخدام: لا إنسان ولا أداة ذكاء اصطناعي يستطيع تحليل جلسة اختبار من النص المفرغ وحده، لأن الناس لا ينطقون بكل نقرة، وكثيرا ما يفعلون شيئا ويقولون غيره. وإرشاداتها في 2026 ما زالت تنصح بألا يدير الذكاء الاصطناعي اختبارات قابلية الاستخدام. مراجعة رنا للرسوم مرتين سلوك. ولا تحصل عليه إلا بالمراقبة.

**لا يستطيع أن يزن المصدر.** الباحث الجيد يسأل أسئلة لا يسألها النموذج: هل وجه المحاور هذا الجواب، هل شعر المشارك بالحرج، هل يناسب هذا الشخص معايير الاختيار أصلا. وتذكر NN/g هذه الأسئلة بالضبط كحكم يعتمد على السياق ويتجاوز قدرة الأدوات الحالية.

## ماذا تقول الأدلة؟

من يدرسون هذا يتفقون على الصورة العامة: الذكاء الاصطناعي في كل مكان في عمل البحث، ولا أحد تقريبا يثق به من دون مراجعة.

| المصدر | النتيجة |
| :- | :- |
| [User Interviews، تقرير حالة أبحاث المستخدمين 2025](https://www.userinterviews.com/state-of-user-research-report)، 485 باحثا | 80% يستخدمون الذكاء الاصطناعي، بزيادة 24 نقطة في سنة |
| | 91% قلقون من دقة المخرجات ومن الهلوسة |
| | 63% يخشون أن يقلل الذكاء الاصطناعي من قيمة البصيرة البشرية والتفكير النقدي |
| [تقرير Figma للذكاء الاصطناعي 2025](https://www.figma.com/blog/figma-2025-ai-report-perspectives/)، 2,500 مصمم ومطور | 78% يقولون إن الذكاء الاصطناعي يرفع كفاءتهم بشكل كبير |
| | 32% يقولون إنهم يستطيعون الاعتماد على مخرجاته |
| | 69% من المصممين راضون عن أدوات الذكاء الاصطناعي، مقابل 82% من المطورين |
| | 31% من المصممين يستخدمونه في عمل التصميم الأساسي، مقابل 59% من المطورين في عمل التطوير الأساسي |
| [MeasuringU، ChatGPT في اختبار الشجرة](https://measuringu.com/chatgpt4-tree-test/)، 33 شخصا و10 مهام | الناس نجحوا في نحو 51% من المهام. ChatGPT وجد المسار الصحيح في المهام العشر في جولة واحدة، وفي تسع من عشر في أربع جولات أخرى |

اقرأ رقمي Figma معا. 78% يشعرون أنهم أسرع، و32% يثقون بالمخرجات. هذه الفجوة هي الوظيفة. أحد ما يجب أن يراجع العمل، ومن يراجعه يجب أن يعرف كيف يبدو الصحيح.

دراسة MeasuringU أوضح دليل على مشكلة المتوسط. طلبوا من ChatGPT أن يجد عناصر في قوائم موقع مصلحة الضرائب الأمريكية، فوجدها أكثر بكثير مما وجدها الناس. والمشارك الذي لا يضيع أبدا لا فائدة منه في اختبار هدفه أن يجد أين يضيع الناس. تقديراته لصعوبة كل مهمة اقتربت بشكل معقول مما قاله الناس. استطاع أن يتوقع الرأي. ولم يستطع أن يعيد إنتاج السلوك.

حكم NN/g: استخدم المستخدمين الاصطناعيين، إن استخدمتهم أصلا، للبحث المكتبي ولصياغة الفرضيات قبل دراسة حقيقية. لا تقدم مخرجاتهم أبدا كنتائج، وكن أشد حذرا حيث يصعب الحصول على البحث أصلا، لأن هناك بالذات تأخذ النسخة الرخيصة مكان الشيء الحقيقي.

## هل يأخذ الذكاء الاصطناعي وظائف تجربة المستخدم؟

ليس بالشكل الذي وعدت به عناوين 2023. تقرير Nielsen Norman Group عن [حالة UX في 2026](https://www.nngroup.com/articles/state-of-ux-2026/) يرسم المسار: طفرة توظيف بعد الجائحة، ثم هبوط حاد من 2023 إلى 2024 مع ضيق الميزانيات، ثم استقرار من أواخر 2024 وطوال 2025. ويسمي أيضا القصة التي زادت الهبوط سوءا: ضجة الذكاء الاصطناعي أوحت بأن الأدوات الجديدة ستحل بسرعة محل المصممين والباحثين. NN/g تقول إن هذا لم يكن صحيحا، لكنه كان مريحا لمن يريد خفض التكاليف.

التعافي غير متساو. الممارسون الكبار وأصحاب الخبرة الواسعة يعودون أسرع. ووظائف المبتدئين ما زالت نادرة والمنافسة عليها شديدة، وتتوقع NN/g أن يبقى 2026 كذلك. واستطلاع User Interviews يظهر الضغط نفسه من الداخل: 49% من الباحثين يشعرون بالسلبية تجاه مستقبل المجال، بزيادة 26 نقطة، و67% سلبيون تجاه فرص العمل.

ويظهر أيضا ما تفوته العناوين. 21% قالوا إن شركاتهم سرحت باحثين، وهي نسبة قريبة من 2024، والتسريح لم يضرب الباحثين أكثر من التصميم أو الهندسة. و35% حصلوا على ترقية أو مسؤوليات أكبر، و20% انتقلوا إلى وظيفة جديدة. وقراءة التقرير نفسه أن البحث ربما يتحول من وظيفة إلى مهارة تحتاجها وظائف أخرى. قد يحمل اللقب عدد أقل من الناس. ويحتاج العمل نفسه عدد أكبر.

فالجواب الصادق أن الذكاء الاصطناعي لم يحذف الوظيفة. رفع المعيار، وأعلى نقطة فيه عند الباب.

## كيف تتغير وظيفة تجربة المستخدم؟

العمل ينتقل من إنتاج الشاشات إلى تقرير ما يجب أن تكون عليه الشاشات. NN/g تقولها بلا تجميل: الواجهة لم تعد ميزة تفرقك. الديزاين سيستم جعل إنتاج الواجهات أرخص، والذكاء الاصطناعي يضاعف ذلك. وبكلماتهم، إن كنت تركب المكونات من ديزاين سيستم فقط، فالذكاء الاصطناعي يستطيع أن يأخذ مكانك منذ الآن. وما يصعب أتمتته: الذوق المنتقى، والفهم المبني على البحث للسياق، والتفكير النقدي، والحكم الدقيق.

أرى هذا في عملي. على كاونتر Dot، الشاشات لم تكن الجزء الصعب أبدا. النسخة الأولى طلبت المبلغ أولا، ثم الدولة، ثم رقم الهاتف، ثم زرا: ست نقرات إضافة إلى الكتابة، ولا حقل جاهز للكتابة حين تفتح الشاشة. أي أداة تستطيع رسم هذه الشاشة. إعادة البناء بدأت بسطر واحد في المواصفات: كاشير متعب على كاونتر مزدحم، يد على الهاتف ويد على الكوب. الهاتف أولا، وحقل المبلغ ينشط وحده، والعميل العائد يكلف الآن نقرتين.

القيمة انتقلت إلى ما قبل البناء، إلى جملة عن شخص. [دليل عملية التصميم](https://laithjunaidy.com/ar/writing/design-process-checklist) يقولها هكذا: الذكاء الاصطناعي جعل البناء رخيصا، فانتقل الخطأ المكلف إلى ما قبل البناء، أن تبني الشيء الخطأ بسرعة. ومن هنا أربعة تحولات.

**من الشاشات إلى الأنظمة.** حين يستطيع ديزاين سيستم ونموذج أن يركبا شاشة، يصير عمل المصمم هو النظام: التوكنز، والأنماط، وقواعد كل حالة. لهذا يبني ux-skill نظاما جديدا من كل موجز، ولهذا كتبت أن [مواصفات العلامة التجارية بيانات تدريب](https://laithjunaidy.com/ar/writing/brand-specs-are-training-data).

**من المخرجات إلى الحكم.** مقال NN/g عن [الذوق في التصميم في عصر الذكاء الاصطناعي](https://www.nngroup.com/articles/taste-vs-technical-skills-ai/) يرى أن القدرة التقنية لا تساوي الذوق، وأن الانتقاء والتمييز هما ما يجعل العمل يبرز حين يصير الإنتاج متاحا للجميع. خطأ صفحتي الرئيسية دليل مصغر على ذلك. المحرك أنتج نظاما متقنا تماما. ومعرفة أنه خطأ بالنسبة لنا احتاجت شخصا يرى الفئة التي سقط فيها.

**من المستخدم المتوسط إلى المستخدم المحدد.** الإعدادات الافتراضية تتقارب. حين [قرأنا 150 مستودعا لـ shadcn/ui](https://laithjunaidy.com/ar/writing/taken-apart-shadcn-defaults)، كانت أكثر المشاريع نجوما تعمل على واحد من خطين ولون أساسي رمادي. المصمم الذي يستحق التوظيف هو من يستطيع أن يقول لمن هذا الشيء، بالتفصيل، ومع الدليل.

**من الإنجليزية أولا إلى السياق المحلي.** هنا الفجوة أوسع، وهنا أعمل. حين [فحصنا 179 شركة ناشئة ممولة في المنطقة](https://laithjunaidy.com/ar/writing/taken-apart-arabic-100)، كان 44% منها بلا موقع عربي. الشخصية المترجمة من قالب إنجليزي تسجل ما توقعه كاتبها الإنجليزي، والنموذج الذي تعلم في معظمه من نصوص إنجليزية عنده المشكلة نفسها. لهذا كتبت النسخة العربية من [قالب الشخصية](https://laithjunaidy.com/ar/store/persona) المجاني بالعربية من البداية، مع نبذة تشبه شخصا من عمان. وتحذير NN/g عن الفئات النادرة ينطبق على مستوى بلد كامل: كلما قل ما تكتبه فئة من الناس على الإنترنت، قل ما يعرفه النموذج عنها.

## لماذا ستزدهر مهنة تجربة المستخدم؟

لأن كل قوة في هذه القصة ترفع ثمن الشيء الذي يقدر عليه الإنسان وحده. الشاشات تصير أرخص، فتصير معرفة أي شاشة تهم أغلى. البناء يصير أسرع، فيصير بناء الشيء الخطأ أكثر كلفة. ميزات الذكاء الاصطناعي تتكاثر، وتتوقع NN/g أن تكون الثقة مشكلة تصميم كبرى في 2026، وهي مشكلة بحث قبل كل شيء. وفي استطلاع Figma، قال 52% ممن يبنون منتجات ذكاء اصطناعي إن التصميم أهم لهذه المنتجات منه للمنتجات التقليدية، وقال 95% إنه بالأهمية نفسها على الأقل.

وهذا ما يعنيه للمهنة بشكل عملي:

**ماذا تتعلم.**

- **المقابلة والمراقبة.** المهارتان اللتان لا يستطيع النموذج أداءهما. أجر [مقابلة المستخدم](https://laithjunaidy.com/ar/store/user-interview) بنفسك، واسأل عن آخر مرة، وراقب الناس وهم يقومون بالمهمة في مكانها المعتاد.
- **التحليل القابل للتتبع.** [خريطة تقارب](https://laithjunaidy.com/ar/store/affinity-map) تحمل فيها كل ورقة رمز مشارك. وهي أيضا طريقتك لمراجعة فرز النموذج.
- **اختبار قابلية الاستخدام.** راقب خمسة أشخاص. وإرشادات NN/g ما زالت تبقي الذكاء الاصطناعي بعيدا عن إدارة هذه الجلسات. [قالب اختبار قابلية الاستخدام](https://laithjunaidy.com/ar/store/usability-test) المجاني يسجل كل نتيجة مع اقتباس الدليل.
- **الأنظمة.** التوكنز، والمكونات، والحالات، والتسليم.
- **سياقك المحلي.** اللغة، والكاونتر، والحظيرة، والهاتف في ضوء سيئ. كلما ضاقت فئة مستخدميك، زادت قيمة هذه المعرفة.
- **العمل مع الذكاء الاصطناعي.** أكثر من 80% من المصممين والمطورين في استطلاع Figma يقولون إن تعلم العمل معه سيكون أساسيا. تعلم كيف تكتب له الموجز، وكيف تقيده، وكيف تراجعه.

**ماذا تتوقف عن فعله.**

- أن تعتبر كومة الشاشات هي التسليم. سلم القرار والدليل الذي يسنده.
- أن تطلب من النموذج أن يلعب دور المستخدم، ثم تصمم لأجوبته.
- أن تجري مقابلات من نوع "هل ستستخدم هذا". الناس والنماذج يقولون نعم بسهولة.
- أن تقدم ملخصات الذكاء الاصطناعي كنتائج. NN/g تعتبر هذا غير أخلاقي حين يكون المصدر اصطناعيا، وهو يضر بنظرة الشركة إلى البحث.

![قالب اختبار قابلية الاستخدام بالعربية لتطبيق بن: الخطة، وخمس مهام بنتائج نجاح ونجاح جزئي وفشل، والنتائج مرتبة حسب الخطورة مع اقتباسات الدليل](https://laithjunaidy.com/store/usability-test/ar-light.jpg)

*[قالب اختبار قابلية الاستخدام](https://laithjunaidy.com/ar/store/usability-test) من مثال بن. كل نتيجة تحمل الاقتباس الذي يثبتها. وهذا العمود هو الجزء الذي لا يستطيع النموذج ملأه.*

**كيف تستخدم الذكاء الاصطناعي كباحث مبتدئ تراجع عمله.** تقول NN/g إن الذكاء الاصطناعي يعمل أفضل ما يعمل كمتدرب: تعليمات وافية، وسياق، وقيود، وتصحيحات. تعامل معه بهذه الطريقة.

1. **اكتب له موجزا كما تكتبه لموظف جديد.** سؤال البحث، والمشاركون، وما تعرفه من قبل. من دون سياق، وجدت NN/g أن النتائج تعود غامضة وبلا ترتيب.
2. **أعطه قالبا.** أخطاؤه في ملء قالب جيد أقل من أخطائه حين يخترع قالبا.
3. **اطلب المصادر.** كل ملاحظة مع رمز المشارك واقتباس حرفي. وكل معلومة من البحث المكتبي مع رابط تفتحه بنفسك.
4. **امنع ملء الفراغات.** اطلب منه أن يترك الحقل فارغا إن لم تدعمه الملاحظات. ثم احذف أي سطر بلا رمز.
5. **احتفظ بالقرارات.** صياغة ثلاثة بيانات مشكلة عمل النموذج. واختيار المشكلة عملك أنت، وكذلك تحديد خطورة كل نتيجة. النموذج لا يستطيع أن يعرف أي تأخير يكلف مالا.
6. **لا تدعه يكون المستخدم أبدا.** إن استخدمت مستخدما اصطناعيا أصلا، فاستخدمه لتتدرب على نص المقابلة أو لتعدد المواضيع قبل المقابلات الحقيقية، وسم كل ما يقوله فرضية.

الأوامر كاملة، طريقة بطريقة، في [دليل عملية التصميم](https://laithjunaidy.com/ar/writing/design-process-checklist)، والقوالب المجانية التسعة التي يستخدمها في [المتجر](https://laithjunaidy.com/ar/store).

لا جديد في شيء من هذا. [لا أحد يريد منتجك](https://laithjunaidy.com/ar/writing/nobody-wants-your-product)، الناس يريدون النتيجة، والنتيجة تعيش عند شخص يجب أن تذهب وتقابله. الذكاء الاصطناعي سرع كل ما حول هذا اللقاء. ولم يجعل اللقاء نفسه اختياريا.

## أسئلة شائعة

### هل يستطيع الذكاء الاصطناعي أن يحل محل أبحاث المستخدمين؟

لا. النموذج يتقن كتابة نصوص المقابلات، وفرز النصوص المفرغة، وتعداد حالات الفشل. لكنه لا يستطيع أن يقول لك ماذا يفعل عوض في حظيرته، أو لماذا تراجع رنا الرسوم مرتين. اطلب منه أن يلعب دور المستخدم، وستحصل على متوسط ما قرأه، وهذا بالضبط الافتراض الذي يوجد البحث ليختبره.

### هل سيحل الذكاء الاصطناعي محل مصممي UX؟

لن يحل محل من يقوم بجزء الحكم. تقرير حالة UX في 2026 من Nielsen Norman Group يقول إن المصمم الذي يكتفي بتركيب مكونات من ديزاين سيستم يستطيع الذكاء الاصطناعي أن يأخذ مكانه منذ الآن، وإن الذوق والفهم المبني على البحث والتفكير النقدي والحكم أمور يصعب أتمتتها. والوظيفة تتجه نحوها.

### هل UX مهنة جيدة في 2026؟

نعم، مع دخول أصعب. تقول NN/g إن سوق العمل استقر من أواخر 2024 وطوال 2025، والوظائف العليا والعامة تتعافى أسرع من وظائف المبتدئين. وفي استطلاع User Interviews لعام 2025، حصل 35% من الباحثين على ترقية أو مسؤوليات أكبر. المبتدئ الذي يجيد المقابلة والتحليل والاختبار، ويعرف سوقا محلية، يبرز.

### هل يستطيع ChatGPT أن يجري أبحاث المستخدمين؟

يستطيع أن يقوم بأجزاء منها: البحث المكتبي، ومسودات النصوص، والتفريغ، وجولة أولى في التجميع، ومسودات التقارير. لكنه لا يستطيع مراقبة السلوك، وحين يلعب دور المستخدم يميل إلى الموافقة، وإلى اعتبار كل شيء مهما، وإلى اختلاق تجارب سابقة. في اختبار شجرة أجرته MeasuringU وجد الأجوبة الصحيحة أكثر بكثير من الناس الحقيقيين، وهذا جعله بلا فائدة كمشارك.

### ما المستخدمون الاصطناعيون؟

ملفات يولدها الذكاء الاصطناعي لتقلد فئة من المستخدمين، وتجيب عن أسئلة البحث كأنها من أفرادها. توصي NN/g بأن تستخدمها، إن استخدمتها أصلا، للبحث المكتبي وللفرضيات فقط قبل البحث الحقيقي، وألا تقدمها أبدا كنتائج، وأن تتجنبها مع المستخدمين في الفئات النادرة أو المتخصصة.

### هل يستطيع الذكاء الاصطناعي تحليل اختبارات قابلية الاستخدام؟

ليس بشكل موثوق. تقول NN/g إن لا إنسان ولا أداة ذكاء اصطناعي يستطيع تحليل جلسة اختبار من النص المفرغ وحده، لأن الناس لا ينطقون بكل ما يفعلونه، وإرشاداتها في 2026 ما زالت تنصح بألا يدير الذكاء الاصطناعي هذه الاختبارات. يستطيع أن يفرغ الجلسات ويكتب مسودة قائمة النتائج. وأنت تحدد الخطورة وتراجع كل اقتباس.