في يناير 2024، أعلنت شركة Duolingo الاستغناء عن نحو 10% من المتعاقدين معها في مجال الترجمة والمحتوى. لم تقل الشركة إنهم سيئون في عملهم، بل قالت ما هو أصعب: إن الذكاء الاصطناعي أصبح يغطي جزءًا كبيرًا مما كانوا يفعلونه. وقبلها بأشهر، سرّحت شركة Chegg التعليمية موظفين بعد أن اعترف رئيسها التنفيذي أن ChatGPT بدأ يسحب المستخدمين منها. وفي الإعلام، قلّصت BuzzFeed فريق كتّاب المحتوى لصالح أدوات توليد آلي.
هذه ليست أخبارًا من المستقبل. بل هي احدث وقعت خلال سنة الفارطة ومن هنا تأتي اهمية سؤال .
هل يقتل الذكاء الاصطناعي الوظائف؟
ومع ذلك، فإن اختزال الصورة في عبارة “الآلة ستأخذ وظائفنا” ليس دقيقًا أيضًا. لأن ما يحدث أعقد من سيناريو بسيط يختفي فيه البشر ويبقى الروبوت. الوظائف لا تسقط دفعة واحدة كما يسقط جدار، بل تتحول ببطء من الداخل — وهذا بالضبط ما يجعل المسألة أكثر إرباكًا وأصعب في التعامل معها.
هذا المقال لا يعدك بإجابة مريحة، لأن الإجابة المريحة في هذا الموضوع عادةً ما تكون كاذبة. لكنه يحاول أن يقرأ ما يحدث فعلًا — لا ما نتمنى أن يحدث ولا ما نخاف أن يحدث.
ما يحدث فعلًا ليس موت المهن، بل تفريغها من الداخل
كثير من النقاش العام يتعامل مع الوظيفة كأنها شيء صلب: إما موجودة أو غير موجودة. لكن أي شخص اشتغل في مهنة حقيقية يعرف أن الوظيفة ليست مهمة واحدة، بل عشر مهام متراكبة — بعضها ممل وبعضها هو السبب الذي يجعلك تشعر أنك تستحق راتبك.
خذ مثلًا محاسبًا في شركة متوسطة. جزء من يومه كان يذهب في إدخال بيانات وتسويات ومراجعة أرقام متكررة. وجزء آخر كان يذهب في تحليل التدفقات المالية وتقديم توصيات للإدارة. أدوات مثل Xero وQuickBooks المدعومة بالذكاء الاصطناعي لم تلغِ وظيفته، لكنها ابتلعت الجزء الأول بالكامل تقريبًا. النتيجة: الشركة لم تعد بحاجة إلى ثلاثة محاسبين حيث يكفي واحد يراجع ما تخرجه الأداة ويتخذ القرارات.
هل اختفت مهنة المحاسبة؟ لا.
هل تقلّص عدد من يحتاجهم السوق فيها؟ نعم.
هل تغيّر ما يُطلب ممن بقي؟ كثيرًا.
الشيء نفسه يحدث في الترجمة. المترجم لم يختفِ من السوق، لكن كثيرًا من العملاء لم يعودوا يطلبون ترجمة من الصفر. ما يريدونه الآن هو شخص يراجع مخرجات DeepL أو Google Translate ويصلح أخطاءها. الأجر انخفض، والمهمة تغيرت، والمترجم الذي كان يبيع مهارته في الصياغة من صفحة بيضاء يجد نفسه في موقع “مُراجع” — بنصف السعر أحيانًا. المهنة لم تمت، لكنها لم تعد المهنة نفسها.
وهذا ما لاحظه تقرير McKinsey Global Institute الصادر في 2023 حين قدّر أن نحو 30% من ساعات العمل في الاقتصاد الأمريكي قابلة للأتمتة بحلول 2030 بفضل الذكاء الاصطناعي التوليدي. الرقم لا يعني أن 30% من الناس سيُطردون غدًا، لكنه يعني أن ثلث ما يفعله الناس داخل وظائفهم قد لا يبقى لهم. والفرق بين الجملتين كبير، لكنه ليس مطمئنًا في الحالتين.
لماذا يبدو الخوف هذه المرة مختلفًا
كل موجة تقنية أثارت خوفًا. حدث ذلك مع الآلة الكاتبة، ومع الحاسوب الشخصي، ومع الإنترنت. وفي كل مرة، كان الجواب المعتاد: التقنية تلغي وظائف لكنها تخلق وظائف جديدة. وهذا الجواب ليس خاطئًا تاريخيًا — لكنه يُخفي تفصيلًا مهمًا: الوظائف الجديدة لا تأتي بالضرورة لنفس الأشخاص، ولا في نفس الأماكن، ولا بنفس السرعة.
لكن هذه المرة هناك فرق نوعي يستحق الانتباه. الموجات السابقة كانت تهدد في الغالب الأعمال اليدوية والصناعية والمتكررة. أما الذكاء الاصطناعي التوليدي — من نوع GPT-4 وClaude وGemini وMidjourney — فهو يدخل مباشرة في مساحة كانت تُعتبر محمية: الكتابة، التحليل الأولي، التلخيص، التصميم، البرمجة الأساسية، خدمة العملاء المعقدة نسبيًا.
بحسب تقرير Goldman Sachs في مارس 2023، فإن الذكاء الاصطناعي التوليدي قد يؤثر على 300 مليون وظيفة حول العالم. ليس بالضرورة أن يلغيها كلها، لكن أن يعيد تشكيل جزء كبير منها. وما يلفت الانتباه أن التأثير الأكبر هذه المرة ليس على عمال المصانع، بل على أصحاب المكاتب والشهادات الجامعية — الفئة التي كانت تظن أنها في مأمن.
وتظهر هذه التحولات أيضًا في التقارير الدولية المتعلقة بمستقبل سوق العمل، كما يتضح في [تقرير مستقبل الوظائف] الصادر عن المنتدى الاقتصادي العالمي.
وهذا تحديدًا ما يجعل القلق هذه المرة أكثر عمقًا. لأن الشخص الذي درس أربع سنوات ليتعلم الكتابة أو التصميم أو تحليل البيانات، ثم وجد أن أداة مجانية تنجز النسخة الأولى من عمله في ثلاثين ثانية — هذا الشخص لا يحتاج إلى من يشرح له نظريًا لماذا يجب أن يقلق. هو يعيش القلق يوميًا.
لكن سردية “الآلة ستحل محلنا” مبسّطة أيضًا
الاعتراف بأن الخوف مشروع لا يعني أن السيناريو الكارثي هو الأرجح. ومن المفيد هنا أن نتوقف عن التعامل مع الذكاء الاصطناعي كأنه كائن خارق يفهم ما يفعله. هو لا يفهم. هو يولّد أنماطًا بناءً على بيانات. ينتج نصًا يبدو مقنعًا لكنه قد يكون خاطئًا تمامًا. يصمم صورة مبهرة لكنه لا يعرف لماذا اختار هذا اللون. يكتب عقدًا قانونيًا لكنه لا يتحمل مسؤوليته أمام أي محكمة.
وهذا فرق جوهري وليس تفصيلًا. لأن كثيرًا من الأعمال التي يفعلها البشر لا تقوم فقط على إنتاج شيء، بل على تحمّل مسؤوليته. الطبيب لا يُدفع له فقط لأنه يعرف التشخيص، بل لأنه يوقّع عليه. والمحامي لا يُدفع له لأنه يعرف القانون، بل لأنه يقف في المحكمة ويدافع عن موقف ويتحمل نتائجه. والمدير لا يُدفع له لأنه يرتب المهام، بل لأنه يقرر أي المهام تستحق أن تُنجز أصلًا.
هناك أيضًا مساحة واسعة يظل فيها البشر أفضل بوضوح: التعامل مع الغموض. معظم القرارات المهمة في الحياة المهنية لا تُتخذ بناءً على بيانات كاملة، بل بناءً على معلومات ناقصة وسياق متحرك وضغط زمني وعلاقات إنسانية معقدة. الذكاء الاصطناعي يتعامل بشكل ممتاز مع المسائل التي لها إجابة واضحة أو نمط يمكن استخلاصه. لكنه يتعثر كثيرًا حين يكون السؤال نفسه غير واضح.
الخلاصة هنا ليست أن “كل شيء سيكون بخير”، بل أن الصورة أكثر تعقيدًا من سيناريو الاستبدال الكامل. بعض المهام ستنتقل للآلة فعلًا. وبعض المهام ستصبح أكثر قيمة تحديدًا لأن الآلة لا تستطيع تغطيتها. والسؤال الحقيقي ليس “هل ستبقى وظيفتي؟” بل “أي جزء من وظيفتي سيبقى لي، وأي جزء عليّ أن أعترف بأنه لم يعد ملكي؟”
من الأكثر عرضة فعلًا — وبالأسماء
ليس الجميع في خطر متساوٍ، وهذه نقطة مهمة كثيرًا ما تضيع في النقاش العام. تقرير المنتدى الاقتصادي العالمي لعام 2023 حدد بوضوح أنواع الأدوار الأكثر عرضة للتأثر المبكر، ومعظمها يشترك في سمة واحدة: الاعتماد الكبير على مهام يمكن وصفها بأنها “منظّمة ومتكررة ومبنية على أنماط يمكن تعلّمها”.
عمليًا، إليك أين يظهر الضغط أولًا:
في خدمة العملاء: شركة Klarna السويدية أعلنت في فبراير 2024 أن مساعدها الذكي المبني على OpenAI أصبح يتعامل مع ثلثي محادثات خدمة العملاء — ما يعادل عمل 700 موظف. لم تقل الشركة إنها طردت 700 شخص، لكنها قالت بوضوح إنها لم تعد بحاجة لتوظيف بدائل عنهم. النتيجة واحدة تقريبًا.
في كتابة المحتوى التسويقي: وكالات كثيرة بدأت تستخدم أدوات مثل Jasper وCopy.ai لإنتاج المسودات الأولى للنصوص الإعلانية ومنشورات وسائل التواصل. المسألة ليست أن هذه الأدوات تكتب أفضل من البشر — هي في الغالب لا تفعل — لكنها تكتب بسرعة تكفي لتقليص الحاجة إلى فريق كبير من الكتّاب المبتدئين.
في التصميم الأولي: أدوات مثل Midjourney وDALL-E لم تلغِ المصممين المحترفين، لكنها ألغت كثيرًا من المهام التي كان يبدأ بها المصمم المبتدئ ليتعلم: تصميم منشورات بسيطة، إنتاج خيارات بصرية أولية، بناء مفاهيم مبدئية. هذه المهام كانت بوابة الدخول إلى المهنة. حين تختفي البوابة، يصبح الدخول أصعب حتى لو بقيت المهنة نفسها موجودة.
في البرمجة الأساسية: GitHub Copilot وأدوات مشابهة لا تكتب برامج معقدة وحدها، لكنها تنجز كثيرًا من الكود الروتيني الذي كان يُوكل للمبرمجين الأقل خبرة. دراسة أجرتها GitHub نفسها وجدت أن المبرمجين الذين يستخدمون Copilot ينجزون مهامهم أسرع بنحو 55%. هذا رقم جيد للشركة، لكنه يعني أيضًا أن الشركة قد تحتاج عددًا أقل من المبرمجين لإنجاز العمل نفسه.
أما المهن التي تقوم على التقدير المركب والمسؤولية والعلاقات البشرية — مثل الطب السريري، والتعليم المباشر، والعلاج النفسي، وإدارة الأزمات، والقضاء — فهي لا تخرج من دائرة التأثر تمامًا، لكنها تتأثر بشكل مختلف. لا تُستبدل، بل يُعاد ترتيب ما يُطلب منها. الطبيب مثلًا قد يجد أن المريض يأتيه وقد شخّص نفسه عبر ChatGPT — وهنا لا يحتاج الطبيب إلى منافسة الأداة في المعلومة، بل إلى أن يكون هو من يميز المعلومة الصحيحة من الخاطئة ويتحمل مسؤولية القرار.
ولفهم المشهد التقني الذي يدفع هذا التحول في سوق العمل، يمكن الرجوع أيضًا إلى دليلنا حول [أفضل أدوات الذكاء الاصطناعي في 2026: ما الذي يستحق وقتك فعلًا؟].
ما الذي يبقى بشريًا فعلًا — بعيدًا عن الكلام المعتاد
حين تسأل “ما الذي يبقى للإنسان؟” تحصل عادةً على إجابات من النوع الذي يصلح لملصق تحفيزي: الإبداع، التعاطف، التفكير النقدي. وهذه الكلمات ليست خاطئة بذاتها، لكنها غامضة بما يكفي لتكون عديمة الفائدة عمليًا. لأن السؤال ليس “هل الإنسان مبدع؟” بل “ما نوع الإبداع الذي لا تستطيع الآلة تقليده بشكل كافٍ للسوق؟”
سأحاول أن أكون أكثر تحديدًا.
الحكم في غياب المعلومة الكاملة. الذكاء الاصطناعي يعمل بشكل جيد حين تعطيه بيانات كافية ومهمة واضحة. لكن معظم القرارات المهنية المهمة لا تُتخذ في هذه الظروف. مدير يقرر فصل موظف، طبيب يقرر عدم إجراء عملية رغم أن الفحوصات تقترحها، صحفي يقرر نشر خبر حساس — هذه قرارات تعتمد على ما لا يظهر في البيانات بقدر ما تعتمد على ما يظهر فيها.
المسؤولية القابلة للمحاسبة. لا يمكنك مقاضاة خوارزمية. حين يخطئ الذكاء الاصطناعي في تشخيص أو في صياغة عقد أو في ترجمة بند قانوني، لا يوجد كيان يقف أمام المحكمة ويقول “أنا أخطأت وأنا أتحمل”. هذه المسؤولية — القدرة على أن تُخطئ وتُحاسَب — هي جزء جوهري من قيمة كثير من المهن، وهي بالتحديد شيء لا يمكن نقله إلى آلة.
بناء الثقة. المريض لا يريد فقط تشخيصًا دقيقًا، يريد أن يشعر أن شخصًا يفهم وضعه. العميل لا يريد فقط حلًا تقنيًا، يريد أن يشعر أن أحدًا يأخذ مشكلته على محمل الجد. الثقة مبنية على حضور بشري لا يمكن محاكاته بالكامل حتى لو كانت المحاكاة مقنعة ظاهريًا.
فهم ما لا يُقال. في أي اجتماع عمل، نصف المعلومات المهمة لا تُقال صراحةً. نبرة صوت مدير، تردد عميل، صمت شريك. هذه إشارات يقرأها البشر لأنهم يعيشون في سياق اجتماعي حقيقي، وهي طبقة يصعب جدًا تعليمها لنظام يتعامل مع نصوص وأرقام.
لكن — وهذا تحفظ مهم — هذه المساحات ليست ثابتة. ما كنا نظنه “بشريًا بالضرورة” قبل خمس سنوات تبيّن أن جزءًا منه قابل للأتمتة أكثر مما توقعنا. ولهذا فإن الاعتماد على فكرة “هناك أشياء لن تفعلها الآلة أبدًا” هو رهان خطير. الأسلم أن تفترض أن ما يبقى لك اليوم قد يتقلص غدًا، وأن تبني مهاراتك على هذا الأساس.
لماذا يبدو التهديد أشد في المنطقة العربية تحديدًا
معظم النقاش العالمي حول الذكاء الاصطناعي والعمل يصدر من سياق أمريكي وأوروبي — أي من اقتصادات تملك بنية تعليمية مرنة نسبيًا، وأنظمة إعادة تأهيل مهني، وشبكات أمان اجتماعي، وسوق عمل فيه حركة كافية لامتصاص جزء من الصدمة. حتى في هذه الاقتصادات، القلق حقيقي. فكيف الحال في بيئات تفتقر إلى كثير من هذه المقومات؟
في كثير من الدول العربية، التحديات المضافة واضحة.
أنظمة التعليم في معظمها لم تتكيف بعد مع متطلبات سوق ما قبل الذكاء الاصطناعي، فضلًا عن ما بعده. المناهج ما زالت تركز على الحفظ والتلقين وتخرّج أعدادًا كبيرة من الشباب بمهارات لا يطلبها السوق اليوم. وبطالة الشباب مرتفعة أصلًا — بحسب البنك الدولي، تتجاوز 25% في عدة دول عربية — ما يعني أن أي ضغط إضافي من الأتمتة يأتي في بيئة هشة بالفعل.
هناك أيضًا مسألة اللغة. معظم أدوات الذكاء الاصطناعي المتقدمة مصممة أولًا للإنجليزية، ثم تُكيَّف لاحقًا مع لغات أخرى. هذا يعني أن المحتوى العربي المتاح لتدريب هذه الأدوات أقل جودة وأقل تنوعًا، ما يخلق فجوة مزدوجة: الأدوات تعمل بشكل أضعف بالعربية، والعاملون العرب أقل قدرة على الاستفادة منها أو التكيف معها مقارنةً بنظرائهم في العالم الأنجلوفوني.
والأهم من كل ذلك: لا توجد في معظم الدول العربية خطة واضحة للتعامل مع هذا التحول على مستوى سياسات العمل. باستثناء بعض المبادرات في الإمارات والسعودية — وهي مبادرات حقيقية لكنها لا تزال في بداياتها — فإن معظم الحكومات العربية لم تبدأ بعد نقاشًا جديًا حول: ماذا سيحدث لسوق العمل المحلي حين تدخل هذه الأدوات بكثافة؟ من سيتأثر أولًا؟ وكيف نحميهم أو نعيد تأهيلهم؟
الذكاء الاصطناعي لا يوزع أثره بالتساوي بين الدول، تمامًا كما لا يوزعه بالتساوي بين المهن. من يملك بنية أقوى سيمتص الصدمة بشكل أفضل. ومن لا يملكها سيشعر بالضغط مضاعفًا.
ما الذي يمكن أن يفعله الفرد فعلًا — بعيدًا عن النصائح الجاهزة
أسوأ نصيحة يمكن أن تُقدَّم لشخص قلق على مستقبله المهني هي “تعلّم الذكاء الاصطناعي”. ليس لأن النصيحة خاطئة بالمطلق، بل لأنها غامضة إلى حد عديم الفائدة. ماذا يعني أن “تتعلم الذكاء الاصطناعي”؟ أن تصبح مهندس تعلم آلي؟ أن تأخذ دورة في prompt engineering؟ أن تفتح ChatGPT وتتدرب عليه؟
الأجدى أن يسأل الشخص نفسه سؤالًا مختلفًا: في وظيفتي الحالية، ما الذي أفعله ولا تستطيع أداة أن تفعله بشكل مقبول خلال السنتين المقبلتين؟
إذا كان الجواب “لا شيء تقريبًا” — فهذه إشارة حقيقية إلى ضرورة التحرك. ليس بالضرورة تغيير المهنة بالكامل، لكن التحرك نحو الطبقة الأعلى داخل المهنة نفسها. المترجم الذي يترجم نصوصًا عامة في وضع أصعب من المترجم المتخصص في النصوص القانونية أو الطبية. وكاتب المحتوى الذي يكتب منشورات عامة في وضع أصعب من الكاتب الذي يعرف كيف يحول مقابلة ميدانية إلى قصة لا تستطيع أداة أن تنتجها. والمبرمج الذي يكتب كودًا أساسيًا في وضع أصعب من المبرمج الذي يفهم بنية النظام ككل ويعرف كيف يتخذ قرارات تصميمية.
القاعدة ليست “تعلّم التقنية”، بل: انتقل إلى المساحة التي يصعب فيها استبدالك. وهذه المساحة عادةً ما تكون حيث يلتقي الفهم العميق بالقدرة على الحكم والمسؤولية والتعامل مع ما هو غير نمطي.
نصيحة عملية واحدة أكثر فائدة من عشر دورات تدريبية: خذ المهمة التي تفعلها يوميًا، وجرّب أن تعطيها لأداة ذكاء اصطناعي. إذا كانت النتيجة مقبولة بنسبة 80% — فهذا الجزء من عملك لم يعد ملكك وحدك. ركّز على الـ 20% التي لم تستطع الأداة تغطيتها، لأن هناك بالتحديد تكمن قيمتك المستقبلية.
ما الذي ينبغي أن تفعله المؤسسات والدول
تحميل الأفراد وحدهم مسؤولية التكيف مع هذا التحول ليس واقعيًا ولا عادلًا. لأن الذكاء الاصطناعي لا يغير مهارة هنا أو مهمة هناك، بل يعيد تشكيل هياكل كاملة في التوظيف والإنتاج والتدريب.
على مستوى المؤسسات: الشركة التي تتعامل مع الذكاء الاصطناعي فقط كأداة لخفض التكاليف وتقليص الفرق ستكسب على المدى القصير وتخسر على المدى الطويل. لأنها ستفقد المعرفة المؤسسية التي يحملها البشر، وستبني اعتمادًا على أدوات لا تفهم سياق عملها. الشركات الأذكى هي التي تعيد توزيع الأدوار بدل إلغائها — تنقل الموظفين من المهام التي باتت الأداة تنجزها إلى مهام أعلى قيمة كانت مهملة أو غير موجودة من قبل.
شركة مثل JPMorgan مثلًا طوّرت أداة تقرأ العقود القانونية وتحللها في ثوانٍ بدل ساعات. لكنها لم تُلغِ فريقها القانوني — أعادت توجيهه نحو التحليل الاستراتيجي والتفاوض، أي نحو ما لا تستطيع الأداة فعله. هذا نموذج أكثر ذكاءً من نموذج الاستغناء المباشر، وإن كان ليس كل شركة تملك الموارد أو الرؤية لتفعل الشيء نفسه.
على مستوى الدول: الحكومات بحاجة إلى التحرك في ثلاثة اتجاهات على الأقل.
الاتجاه الأول هو إصلاح التعليم. ليس بمعنى إضافة مادة عن البرمجة — وهو الحل الذي يبدو ذكيًا لكنه سطحي — بل بمعنى إعادة بناء فلسفة التعليم نفسها لتركز على التفكير النقدي وحل المشكلات المعقدة وتحليل المعلومات بدل حفظها. لأن الذكاء الاصطناعي ألغى ميزة حفظ المعلومات تمامًا — أي طالب يحمل هاتفًا يملك معلومات أكثر من أي أستاذ. ما يحتاجه هو القدرة على تقييم هذه المعلومات والحكم عليها واستخدامها في سياق.
الاتجاه الثاني هو التدريب المستمر وإعادة التأهيل المهني. لأن فكرة أن الإنسان يتعلم مهنة واحدة في العشرينيات ويمارسها حتى التقاعد لم تعد واقعية. السوق يتغير بسرعة لا تسمح بهذا النموذج. الحكومات بحاجة إلى بنية تحتية للتدريب المتاح والميسور — ليس فقط دورات أونلاين، بل برامج حقيقية تساعد العاملين على الانتقال من مهام متراجعة إلى مهام صاعدة.
الاتجاه الثالث هو شبكات الأمان الاجتماعي. لأن بعض الناس — مهما فعلوا — سيجدون أنفسهم خارج السوق في مراحل انتقالية. ومجتمع لا يملك شبكة أمان تحمي هؤلاء سيدفع ثمنًا اجتماعيًا أكبر بكثير من كلفة هذه الشبكات. النقاش حول الدخل الأساسي الشامل الذي بدأ في بعض الدول الأوروبية ليس ترفًا فكريًا — قد يصبح ضرورة عملية.
خاتمة: سؤال لا يحتمل إجابة بسيطة
هل يقتل الذكاء الاصطناعي الوظائف أم يعيد تعريفها؟
الجواب الصادق: الاثنان معًا، وبشكل مختلف في كل حالة.
بعض الوظائف ستختفي فعلًا — ليس كلها، لكن يكفي أن يختفي بعضها لتتأثر حياة ملايين. وبعض الوظائف لن تختفي لكنها ستتقلص من الداخل حتى لا يبقى منها إلا قشرة. وبعض الوظائف ستصبح أكثر قيمة لأنها تقوم على ما لا تستطيع الآلة فعله.
المشكلة أن هذا التحول لا ينتظر أحدًا. لا ينتظر أن تستعد الحكومات ولا أن يتكيف الأفراد ولا أن يُعاد تصميم التعليم. الأدوات تتطور كل شهر، والشركات تتبناها كل يوم، والسوق يعيد حساباته باستمرار.
والسؤال الأصعب ليس “هل ستبقى الوظائف؟” — هذا سؤال كبير جدًا وعام جدًا بحيث لا تفيد الإجابة عنه أحدًا. السؤال الأصعب هو ذلك الذي يسأله كل فرد لنفسه بهدوء: أنا تحديدًا، ما الذي أقدمه ولا تستطيع أداة أن تقدمه بدلًا مني؟ وهل أنا مستعد لأن أبني على هذا الجواب حياتي المهنية القادمة؟
من يطرح هذا السؤال بجدية ويتحرك بناءً عليه لن يكون في مأمن تام — لا أحد في مأمن تام — لكنه سيكون في وضع أفضل بكثير ممن ينتظر أن تُحسم المعركة نيابةً عنه.