تُظهر بيانات OECD أن حوادث المحتوى المُولَّد بالذكاء بلغت 500 في يناير 2026. تعرّف على ما يقف وراء هذا النمو وكيفية اختيار كاشف ذكاء اصطناعي موثوق.
حوادث المحتوى المُولَّد بالذكاء الاصطناعي تسجّل مستويات قياسية: ماذا تعني بيانات منظمة OECD للكشف
معظم الناس لا يتحققون أبداً مما إذا كان المحتوى الذي أمامهم حقيقياً. لا المقال الذي شاركوه للتو، ولا التقرير الذي قدّمه مستقل، ولا الملخص الذي وصل إلى بريدهم الإلكتروني. وحتى وقت قريب، لم يكن هناك سبب لذلك. لكن هذا يتغيّر، والبيانات التي تقف وراء هذا التغيير يصعب تجاهلها.
هل تريد معرفة نتيجة نصك؟ تحقّق منه هنا مباشرة.
تأسست منظمة OECD منذ عام 1961 — وهي إحدى أقدم المنظمات الدولية المعنية بالسياسات الاقتصادية والاجتماعية عبر 38 دولة. وفي عام 2020، أطلقت مرصد سياسات الذكاء الاصطناعي ومعه أداة لرصد حوادث الذكاء الاصطناعي. الفكرة ليست محاربة الذكاء الاصطناعي أو إبطاءه. بل ينصبّ تركيزها على ضمان استخدام الذكاء الاصطناعي بأمان دون التسبب في أضرار. وما تفعله فعلاً هو رصد وسائل الإعلام العالمية ونشر كل حالة تسبّب فيها الذكاء الاصطناعي بضرر موثّق — احتيال، أو تلاعب، أو تشهير، أو تضليل، أو أي شيء له عواقب حقيقية.
في يناير 2026 وحده، سجّلت منظمة OECD نحو 500 حادثة من هذا النوع. هذا الرقم بمفرده لا يبدو كارثياً نظراً لمدى انتشار استخدام الذكاء الاصطناعي اليوم. لكن معدّل نمو حوادث المحتوى المُولَّد بالذكاء الاصطناعي هو ما يجعله جديراً بالانتباه.
كما يوضّح الرسم البياني، يستمر عدد الحوادث المُبلَّغ عنها في الارتفاع شهراً بعد شهر. في أوائل عام 2020، كان نحو 50 حادثة. وبحلول عام 2024، تجاوز 200. وبحلول يناير 2026، اقترب من 500. تتطوّر أدوات الذكاء الاصطناعي بسرعة، ويستخدمها ملايين الأشخاص كل يوم في العمل والتعليم والمشاريع الإبداعية. التقنية نفسها ليست هي المشكلة. لكن إنشاء محتوى مزيّف مقنع كان يتطلّب في الماضي مهارة حقيقية. أما الآن فيكفيه متصفّح وبضع دقائق. لقد اختفى الحاجز عملياً، وعدد الحوادث يعكس ذلك. إنه اتجاه غير مريح، لكنه يشير فعلاً إلى أننا بحاجة إلى طرق أفضل للتمييز عندما يُستخدم المحتوى المُولَّد بالذكاء الاصطناعي للخداع.
ماذا لو نظرنا إلى المعلومات بمزيد من التدقيق، وتعاملنا معها بمزيد من الريبة — هل سيكون ذلك كافياً لاكتشاف الحالات التي يُستخدم فيها الذكاء الاصطناعي للتضليل؟ تقول دراسة مُفهرسة في PMC إنه في ظل الظروف المثالية، حين يركّز الشخص على المهمة، يمكنه التعرّف على ما بين 60 و90% من المحتوى المُولَّد بالذكاء الاصطناعي. لكن فقط عندما يكون مركّزاً تماماً على العملية.
و"الظروف المثالية" في تلك الدراسة كانت تعني ذلك حرفياً. فقد أُبلغ المشاركون مسبقاً بأن بعض النصوص ستكون مُولَّدة بالذكاء الاصطناعي. ومُنحوا وقتاً، وطُلب منهم التركيز، وقيّموا كل نص على حدة. لا أحد يقرأ بريده الإلكتروني بهذه الطريقة. لا أحد يتصفّح المقالات وهو يفكّر "أيٌّ من هذه كتبته آلة". في الحياة اليومية، نقرأ لنفهم الفكرة، لا لنجري اختبار كشف.
راجع تقرير سلامة الذكاء الاصطناعي الدولي لعام 2026 دراسة أخرى ووجد أن المحتوى المُولَّد بالذكاء الاصطناعي غالباً ما يبدو أكثر إقناعاً من المحتوى الذي يكتبه البشر. فالذكاء الاصطناعي يعرف حرفياً كل تقنية كتابة موجودة، وعندما يستخدمه أحدهم للتضليل، تأتي النتيجة لتعزف على كل الأوتار الصحيحة. المشكلة ليست فقط فيما إذا كنا قادرين على تمييز المحتوى المزيّف. بل في أن المحتوى يمكن أن يؤثّر في قراراتنا قبل أن نسأل أنفسنا حتى "مهلاً، هل هذا حقيقي؟" لذا فإن كل عاشر محتوى مزيّف مُولَّد بالذكاء الاصطناعي يمرّ دون أن يُلاحظ. وفي أسوأ الحالات، كل رابع.
الأمر لا يتعلّق فقط بتزايد عدد الحوادث. ففي فبراير 2026، نشرت منظمة OECD تحليلاً تصنيفياً وأظهرت أن طبيعة المشكلات قد تغيّرت. فأعطال المركبات ذاتية القيادة وتسريبات البيانات تتلاشى إلى الخلفية. أما ما ينمو فهو الاحتيال (بزيادة 2.7 مرة)، والتهديدات للأطفال (تضاعفت)، والهجمات الإلكترونية.
استخدام الذكاء الاصطناعي لكتابة مسودة، أو تلخيص تقرير، أو توليد أفكار لنشرة بريدية أمر طبيعي تماماً، ومعظم الشركات تفعل ذلك بالفعل. تبدأ المشكلة عندما يختفي الخط الفاصل بين الاستخدام الشفّاف والخداع. عندما يُقدَّم النص المُولَّد بالذكاء الاصطناعي على أنه صحافة أصلية، أو بحث طالب من إعداده الخاص، أو تحليل خبير دُفع لشخص ما لكتابته بيده.
لم تعد المحتويات المزيّفة المُولَّدة بالذكاء الاصطناعي نادرة أو غير ضارة. فغرف الأخبار تنشر محتوى مُولَّداً دون أن تدرك ذلك. والجامعات لا تستطيع التمييز بين عمل الطالب والأوراق المكتوبة بالذكاء الاصطناعي. والشركات تدفع علاوة مقابل نص أصلي فتتلقّى نصاً مُولَّداً بالذكاء الاصطناعي يُقدَّم على أنه عمل مكتوب يدوياً.
قبل خمس سنوات، لم يكن كشف المحتوى المُولَّد بالذكاء الاصطناعي جزءاً من سير عمل أي أحد. أما الآن فقد أصبح أمراً معتاداً. والسؤال هو كيف نحافظ على نزاهة تلك العملية، وما الأدوات التي يمكن أن تساعد.
تبدو الخطوة التالية المنطقية بسيطة — ما عليك سوى العثور على كاشف والتحقق. اذهب إلى Google، واكتب "AI detector"، واختر أيّاً منها. كلها تَعِد بدقة لا تقل عن 95%، ومعظمها يدّعي أكثر من 99%. لكن إذا مرّرت النص نفسه عبر عدة أدوات لكشف الذكاء الاصطناعي، فقد تحصل على نتائج مختلفة تماماً. فكيف تعرف أيّها يستحق الثقة، وأيّها دقيق فعلاً، وأين قام فريق التسويق فقط بعمل جيد للغاية؟
لمعرفة ذلك، من المفيد أن نفهم كيف يعمل كشف النص بالذكاء الاصطناعي فعلاً. تكتب النماذج اللغوية النص عبر التنبؤ بالكلمة التالية. الأكثر احتمالاً، ثم التالية الأكثر احتمالاً — تماماً كما كان T9 على الهواتف القديمة يتنبأ بالحروف، أو كما تقترح الإكمال التلقائي على هاتفك الذكي الكلمة التالية اليوم. تكون النتيجة سلسة وصحيحة نحوياً، لكنها متجانسة إحصائياً. أما البشر فيكتبون بشكل مختلف: نشرد، ونغيّر المواضيع في منتصف الفكرة، ونختار الكلمات بناءً على عاداتنا الشخصية، أو خبرتنا، أو إدراكنا، أو حتى وجهة نظر. والكاشف يبحث بالضبط عن ذلك الفرق.
ونتيجة ذلك البحث تعتمد مباشرة على كيفية بناء الكاشف نفسه. على أي النماذج جرى تدريبه، ومتى جرى تحديثه آخر مرة، وأي المقاييس جرى اختبارها، ومن أجرى الاختبار. فالكاشف المُدرَّب على نصوص GPT-3 يمكن أن يُغفل بثقة مخرجات نموذج أحدث. ومع ذلك يُظهر دقة 99% — لأنه على النصوص الأقدم يعمل فعلاً.
وهذا يطرح السؤال: من أين تأتي الأرقام الموجودة على صفحات الهبوط؟ إذا ولّدت خدمة ما النصوص بنفسها، واختبرتها بنفسها، ونشرت النتائج بنفسها — فهذا ليس تحقّقاً، بل تقييماً ذاتياً. أما المعيار المرجعي المستقل فهو أمر مختلف تماماً. على سبيل المثال، MGTD: 15 مجموعة بيانات، وما يقارب مليوني عيّنة نصية من نماذج مختلفة. إنه امتحان خارجي بنتائج لا يمكنك تعديلها.
لكن الدقة ليست الصورة كاملة. فهناك مقياس كثيراً ما يُغفَل ذكره: معدّل النتائج الإيجابية الخاطئة. وهو حين يصنّف الكاشف نصاً كتبه إنسان على أنه مُولَّد بالذكاء الاصطناعي. على وسائل التواصل الاجتماعي، لا يكلّف هذا الخطأ شيئاً. أما في الجامعة، فقد يواجه الطالب اتهاماً بعدم النزاهة. وفي غرفة الأخبار، يفقد الكاتب سمعته.
وهذا يحدث بالفعل. فقد اتُّهم طلاب بتقديم مقالات مكتوبة بالذكاء الاصطناعي استناداً إلى نتائج كاشف اتضح لاحقاً أنها خاطئة. وحين تتخذ الأداة ذلك القرار، يتعيّن على أحدهم التعامل مع العواقب. إن انخفاض معدّل النتائج الإيجابية الخاطئة ليس مزيّة لطيفة. فبالنسبة لأي شخص يستخدم كاشفاً لاتخاذ قرارات حقيقية بشأن أشخاص حقيقيين، إنه أهمّ رقم على الصفحة.
أداة بمعدّل نتائج إيجابية خاطئة أقل من 1% وأداة بمعدّل 10% هما مستويان مختلفان تماماً من الموثوقية — حتى لو قالت كلتاهما "دقة 99%" على الصفحة الرئيسية.
في It's AI، اخترنا طريق قابلية التحقق. فقد جرى التحقق من كاشف النص بالذكاء الاصطناعي لدينا عبر MGTD، والنتائج منشورة في سياق خضع لمراجعة الأقران. المنطق بسيط: في عالم تتآكل فيه الثقة في المحتوى، فإن أداة كشف الذكاء الاصطناعي التي تطلب من الآخرين الوثوق بحكمها ينبغي أولاً أن تثبت أن ادعاءاتها متينة.
كل هذا يبدو أكثر تعقيداً مما هو عليه فعلاً. لست مضطراً للاختيار بشكل أعمى — تحقّق فقط من هذه الأمور الثلاثة:
ثلاثة معايير بدلاً من مئة.
بدأنا هذا المقال بالقول إن معظم الناس لا يتحققون من المحتوى الذي يرونه. وحتى وقت قريب، لم يكن هناك سبب لذلك. لم يكن الهدف قط تصنيف كل نص مكتوب بالذكاء الاصطناعي. بل أن نضمن أنه عندما يهمّ الأمر، يمكنك التمييز. والأدوات اللازمة لذلك موجودة الآن.
