تُعدّ الذكاء الاصطناعي أحد أبرز المحركات الاقتصادية في العصر الحديث، لكن تأثيره على الاقتصاد العالمي لا يزال موضع جدل. بينما تُقدّر بعض التقديرات نموًا طفيفًا في الناتج المحلي الإجمالي لا يتجاوز 0.9% خلال عقد، تُنبئ أخرى بتحول جذري قد يضيف ما بين 17 تريليونًا و26 تريليون دولار سنويًا إلى الاقتصاد العالمي بحلول 2045، مع أتمتة ما يصل إلى نصف الوظائف الحالية. لكن التأثير الحقيقي لا يقتصر على النتائج المستقبلية، بل يظهر فورًا في قرارات الشباب بشأن مساراتهم المهنية، وسياسات الحكومات، وتوجّه الاستثمارات الضخمة نحو رقائق المعالجة وبنية مراكز البيانات. لقياس هذا التأثير بدقة، يسعى الباحثون إلى استخدام دراسات تجريبية طبيعية وتجارب عشوائية، حيث يُقدّم الذكاء الاصطناعي لمجموعة معينة بينما تبقى المجموعة الأخرى دون تغيير. لكن هذه الدراسات تواجه تحديين رئيسيين. أولًا، التطور السريع للذكاء الاصطناعي يجعل النتائج قديمة بسرعة: ففي 2020، زادت سرعة معالجة استفسارات مركز الاتصال بنسبة 15% باستخدام أدوات ذكاء اصطناعي، أما في 2022–2023، فقد زادت إنتاجية المبرمجين باستخدام أدوات مساعدة في البرمجة بنسبة 26%. لكن منذ إطلاق ChatGPT، أصبحت الأدوات أكثر كفاءة، حيث تُعالج الآن ثلاث مرات أكثر من المحادثات الافتراضية دون تدخل بشري. ثانيًا، هذه الدراسات لا تُظهر التأثيرات الواسعة النطاق الناتجة عن التكيف التنظيمي: فبينما يُظهر البحث أن الموظفين الأقل خبرة يستفيدون أكثر من الذكاء الاصطناعي في بيئة ثابتة، فإن الإدارة قد تُعيد هيكلة العمل أو تُحلّ محل الموظفين الأقل خبرة بذكاء اصطناعي، مما يُحدث تأثيرًا عكسيًا على هذه الفئة. وتشير بيانات الرواتب إلى انخفاض في توظيف الشباب منذ 2022، خاصة في المهن التي تُ automate بسهولة مثل خدمة العملاء والبرمجة، لكن السبب الدقيق لا يزال غير مؤكد. لذلك، يُقترح تبني نهجين متكاملين. الأول هو "الخيال العلمي الاجتماعي"، الذي يعتمد على نماذج اقتصادية وسلوكية لاستكشاف سيناريوهات مستقبلية واقعية، مثل تحليل تأثير السيارات ذاتية القيادة على الزحام الحضري، أو كيف قد يُعزز الذكاء الاصطناعي الطلب على المهام غير القابلة لأتمتة مثل الإشراف الإبداعي، مما قد يُخفف من تأثيرات التحول التكنولوجي لكنه قد يُعمّق الفجوة بين الفئات. النهج الثاني هو استخدام بيانات مستقبلية واقعية، مثل تتبع استخدام الذكاء الاصطناعي في المهام اليومية، والتي تُظهر تفوّقه في مجالات مثل البرمجة. كما يمكن مراقبة مؤشرات اقتصادية مثل التوظيف، ونمو الشركات التي تدمج الذكاء الاصطناعي، ونتائجها المالية. لكن هذه البيانات لا تُجيب عن السؤال الجوهري: هل الذكاء الاصطناعي يُسبب التحسن أم أن الشركات الناجحة فقط هي التي تستخدمه؟ لذلك، يجب على الباحثين تطوير منهجيات تُحاكي الظروف الحقيقية عند تصميم التجارب، مثل تقليل التكلفة المتوقعة لتشغيل النماذج، التي انخفضت بشكل كبير — ففي سيراليون، أصبح استخدام الذكاء الاصطناعي في التعليم أرخص بنسبة 98% من تصفح الإنترنت بحلول 2025. هذا يُشير إلى إمكانية توسيع الوصول إلى المعلومات في المناطق ذات الموارد المحدودة. في النهاية، لا يمكن فهم تأثير الذكاء الاصطناعي دون الجمع بين التفكير الخيالي المدعوم بالعلم، والبيانات الواقعية، وتحليل التحولات التنظيمية والسلوكية. فقط بهذه الطريقة يمكن التخطيط لسياسات ذكية تُقلل من التفاوت، وتحفّز النمو المستدام، وتُوجّه التحول التكنولوجي نحو منفعة عامة حقيقية.