حين صار الرقم عميلًا أهم من العميل

في عام 2004، أرسلت كاري تولستيدت (Carrie Tolstedt)، المسؤولة الرفيعة في قطاع الخدمات المصرفية للأفراد لدى ويلز فارغو (Wells Fargo)، رسالة إلكترونية إلى جون ستامبف (John Stumpf). لم تكن الرسالة بيانًا أخلاقيًا عامًا. كانت ملاحظة إدارية دقيقة: إذا رُبطت مكافآت المصرفيين بعدد عمليات البيع اليومية من غير توازن مع جودة تلك العمليات، فإن المؤسسة، بتعبيرها المترجَم «تطلب المتاعب» (you are asking for trouble). بل حذرت، على نحو أكثر تحديدًا، من أن النظر إلى مقياس واحد دون نموذج متكامل سينتج بيعًا إضافيًا قليل القيمة، وحسابات لا تُموَّل، ولن يتحول بالضرورة إلى نمو في الإيرادات أو احتفاظ بالعملاء.

لم تكن الرسالة مسرّبة من موظف مغمور يشتكي سوء الحظ. فقد أوردها، بعد ذلك بثلاثة عشر عامًا، تقرير لجنة من المديرين المستقلين في مجلس إدارة البنك، صدر في 10 أبريل 2017 وأُودع لدى هيئة الأوراق المالية والبورصات الأمريكية. وسجّل التقرير ملاحظة قاسية في بساطتها: صاحبة التحذير لم تعمل بمقتضى نصيحتها. هذا استنتاج التحقيق الذي كلّفه مجلس الإدارة، وليس تصريحًا نسبته المقالة إليها من مقابلة لم تُجرَ.1

كان موضع الخطر معروفًا. فالمنتجات المصرفية ليست تذاكر تُباع لمجرد زيادة العدّاد. فتح حساب ثانٍ قد يخدم حاجة حقيقية؛ وقد يكون عبئًا زائدًا؛ وقد لا يعرف العميل أصلًا أنه فُتح باسمه. بين هذه الحالات الثلاث اختلاف اقتصادي وقانوني وأخلاقي هائل. ومع ذلك تستطيع خانة «منتج جديد» أن تستقبلها جميعًا بالعدد نفسه: واحد.

في سبتمبر 2016، أعلنت هيئة حماية المستهلك المالي الأمريكية (Consumer Financial Protection Bureau) إجراءً إنفاذيًا بحق ويلز فارغو بسبب فتح حسابات إيداع وبطاقات ائتمان دون تفويض العملاء في حالات واسعة النطاق. وصفت الهيئة كيف نقل موظفون أموالًا من حسابات قائمة إلى حسابات جديدة لجعلها تبدو ممولة، وكيف ارتبط السلوك بأهداف المبيعات والحوافز. وقد فرضت غرامة مقدارها 100 مليون دولار. وأوضحت أن مراجعة البنك أشارت آنذاك إلى أكثر من مليوني حساب إيداع وبطاقة «قد تكون» غير مصرح بها. كلمة «قد» هنا أساسية؛ فهي لا تحوّل كل حساب ضمن مجموعة المراجعة إلى مخالفة مثبتة.2

أظهر تحقيق مجلس الإدارة أن البنك فصل نحو 5300 موظف بسبب انتهاكات نزاهة المبيعات خلال الفترة التي استعرضها، لكن عدد المفصولين ليس مقياسًا لعدد جميع الوقائع، ولا برهانًا على أن المشكلة انحصرت في هؤلاء الأفراد. وفي فبراير 2020، أعلنَت وزارة العدل الأمريكية اتفاقًا على تسوية تحقيقات جنائية ومدنية بمبلغ إجمالي قدره ثلاثة مليارات دولار. كما أعلنت هيئة الأوراق المالية والبورصات عن تسوية تتعلق بالإفصاحات المضللة للمستثمرين حول مقياس «البيع المتقاطع» (Cross-Selling) الذي أسهمت في تكوينه حسابات غير مستخدمة أو غير مطلوبة.34

والمفارقة الأعمق أن المؤسسة لم تكن تفتقر إلى تعريف للمشكلة. كانت تفتقر إلى القدرة العملية على جعل هذا التعريف يحكم نظام المكافأة.

أحيانًا لا يعجز المدير عن رؤية العطب. يعجز عن التخلي عن الرقم الذي يكافئه على تجاهله.

في علوم القياس، لا يكون المؤشر هو الشيء الذي نريد تحسينه، بل علامة يُرجى أن تدل عليه. درجة حرارة الجسم ليست الصحة كلها. وعدد الرسائل التي يجيب عنها مركز الخدمة ليس رضا المستفيد. وعدد الحسابات الجديدة ليس منفعة العملاء، وإن ارتبط بها في ظروف معينة.

لنفترض أن مؤسسة تسعى إلى تحسين قيمة حقيقية يصعب رصدها مباشرة، نسميها $W$، مثل جودة خدمة مصرفية، أو حصول المريض على رعاية نافعة، أو تعلّم الطالب فعلًا. ولأن $W$ متعددة الأبعاد وبطيئة الظهور، تختار رقمًا أسهل اسمه $M$: حسابات مباعة، أو مرضى غادروا خلال أربع ساعات، أو اختبارات اجتازها الطلاب.

قبل أن يصبح $M$ هدفًا، ربما كان ارتفاعه مصاحبًا لتحسن $W$. مَن يخدم عملاءه جيدًا قد يبيع لهم منتجات مناسبة أكثر. لكن ما إن تُعلَّق الرواتب والترقيات والميزانيات على $M$، حتى يدخل متغير ثالث: سلوك الناس استجابةً للمكافأة. وقد تصبح الوسائل التي ترفع $M$ مستقلة عن الوسائل التي ترفع $W$.

يمكن تصوير الخطر، لأغراض الشرح لا بوصفه معادلة تجريبية مقدّرة، هكذا:

$$M = q + g + \varepsilon$$

حيث $q$ الجزء الذي يعكس إنجازًا نافعًا للمستفيد، و$g$ نشاط يزيد الرقم من غير منفعة مكافئة، و$\varepsilon$ ضجيج القياس المعتاد. حين تكافئ المؤسسة الزيادة في $M$ وحدها، فإنها لا تخبر العامل أو النظام الذكي أي جزء من الأجزاء الثلاثة هو الذي يستحق الزيادة. قد يصبح تعظيم $g$ أرخص من تحسين $q$.

هذه هي الفكرة العملية وراء قانون غودهارت (Goodhart's Law). بدأ تشارلز غودهارت (Charles Goodhart) من سياق السياسة النقدية في سبعينيات القرن العشرين: العلاقة الإحصائية التي تبدو منتظمة قد تتغير حين تستخدمها السلطة أداةً للتحكم. لم يكن يتحدث عن روبوتات أو مؤشرات تجربة العملاء؛ كان يلاحظ أن استجابة البنوك والأسواق لهدف نقدي قد تفسد انتظام العلاقة التي شجعت على اعتماده. الصياغة الشائعة «عندما يصبح المقياس هدفًا يكفّ عن أن يكون مقياسًا جيدًا» تلخص الفكرة، لكنها ليست نصّ عبارته الأصلية بحرفيتها.5

وباستقلال قريب، تناول دونالد كامبل (Donald T. Campbell) أثر الاعتماد الشديد على المؤشرات الكمية في تقييم السياسات والبرامج الاجتماعية. فكلما زادت أهمية المؤشر في تقرير المصائر، اتسعت الحوافز لتعديل السلوك المقاس، وربما إفساد العملية التي يفترض أن يراقبها. وهذا ما يعرف بقانون كامبل (Campbell's Law). ليس القانونان برهانًا على أن جميع الأهداف مضرة، بل تحذيرًا من افتراض ثبات العلاقة بين العلامة والواقع بعد إدخال الحوافز.6

المقياس، بهذا المعنى، ليس مرآة ساكنة. حين تدخل صورته جدول المكافآت، يمكن أن يصبح جزءًا من ماكينة صنع الواقع.

ليس من الإنصاف تفسير فضيحة ويلز فارغو بأن آلاف الموظفين استيقظوا فجأة على رغبة واحدة في الإضرار بالناس. السلوك غير المشروع يبقى مسؤولية من يرتكبه، لكن تفسير اتساعه المؤسسي يحتاج إلى النظر في نظام الأهداف والثقافة الإدارية والرقابة والضغوط والمساءلة، لا إلى الاكتفاء بنظرية الأخلاق الفردية.

هنا تظهر فائدة اقتصاديات «الوكيل متعدد المهام» (Multitask Principal–Agent Theory). في دراسة منشورة عام 1991، أوضح بنغت هولمستروم (Bengt Holmström) وبول ميلغروم (Paul Milgrom) لماذا قد تقود الحوافز القوية لمهمة يسهل قياسها إلى إهمال مهام أخرى مهمة يصعب قياسها.7

موظف الفرع لا يؤدي مهمة واحدة اسمها «بيع». عليه أن يتحقق من حاجة العميل، ويشرح الشروط، ويحصل على موافقة صحيحة، ويتجنب منتجًا لا يناسبه، ويحافظ على علاقة طويلة الأمد. لبعض هذه الأعمال أثر فوري في لوحة الأرقام؛ وللبعض الآخر أثر لا يظهر إلا بعد شهور، أو يظهر في صورة مشكلة لم تقع أصلًا.

إذا كان الراتب المتغير يرتبط أساسًا بعدد المنتجات، فستبدو ساعة اقناع عميل بمنتج جديد أعلى عائدًا من ساعة أنفقها الموظف ليقول للعميل إن المنتج غير ملائم. وهكذا يتحول الامتناع المهني الصحيح إلى عمل لا يراه النظام. وقد يكون هذا الامتناع أحيانًا أعلى أشكال الخدمة قيمةً.

لم يقتصر الخلل في ويلز فارغو على غياب مقياس للجودة. فوثائق التحقيق تُظهر أن البنك تبنى بالفعل مقاييس مثل نسبة تمويل الحسابات الجديدة، وأن بعض معايير الجودة دخلت خطط الحوافز بمرور الوقت. لكن التحقيق خلص إلى أن نموذج أهداف المبيعات بقي مصدرًا أساسيًا للضغط، وأن التدابير التدريجية لم تعالج أصل الخلل إلا متأخرًا. ونقل التقرير عن أحد الشهود وصفًا مقتضبًا للمأزق، تُرجمته «لم تكن هناك رغبة في تغيير النموذج» (no appetite to change the model).1

هذه حقيقة تفسد الوصفة الإدارية الكسولة: «أضف مؤشراً للجودة وانتهى الأمر». فقد يكون المؤشر الإضافي ضعيف الوزن، أو قابلًا للتلاعب بدوره، أو منفصلًا عن سلطة الموظف على حل المشكلة. والمفارقة أن النظام قد يصبح أكثر تطورًا في القياس وأقل صدقًا في فهم ما يقيسه.

هناك تفصيل محاسبي في تقرير مجلس إدارة ويلز فارغو يستحق التأمل. فحين أعادت شركة استشارية حساب نسبة البيع المتقاطع باستبعاد فئات محددة من الحسابات غير الممولة، بلغ أكبر انخفاض ربع سنوي في المؤشر 0.02 منتج لكل عميل. وعند استبعاد تلك الحسابات مع حسابات محتملة التمويل الصوري وبطاقات ائتمان يحتمل أنها غير مصرّح بها، بلغ الحد الأقصى للانخفاض 0.04 فقط في أي ربع خلال نطاق الفحص. ورد المثال: 6.16 يصبح 6.14 عند استبعاد الحسابات غير الممولة في أحد الأرباع.1

لا تعني هذه النتيجة أن الضرر كان صغيرًا. ولا تعني، في المقابل، أن كل حساب استُبعد كان غير مشروع. فالاستشاريون لم يستطيعوا استنتاج التفويض من بيانات الحسابات وحدها. إنها تعني شيئًا أشد تحديدًا: يمكن لممارسة تثير مشكلة واسعة في الموافقة والخصوصية والرسوم أن تُحدث تغيرًا محدودًا في متوسط رفيع المستوى.

ليست المسألة هنا مفارقة إحصائية تنقلب فيها النتائج بين مجموعات فرعية. إنها مشكلة اختلاف وحدة القياس عن وحدة المصلحة. متوسط المنتجات لكل عميل لا يعرف معنى أن يُفتح حساب واحد بلا إذن؛ لا توجد فيه خانة اسمها «حقيقة الموافقة».

وقد يزيد تعقيد المشكلة أن المؤشر نفسه يصبح مبررًا للدفاع عن البرنامج. تُفتح الحسابات ليرتفع الرقم، ثم يُستشهد بارتفاعه لإثبات نجاح السياسة التي فتحتها. حينئذ لا تكون الدائرة باطلة حسابيًا. تكون باطلة استدلاليًا.

ما نحتاج إلى كشفه ليس فقط الحساب الخاطئ، بل الحجة الصحيحة حسابيًا التي تجيب عن سؤال غير صحيح.

في 21 ديسمبر 2016، نشر باحثون في أوبن إيه آي (OpenAI) تجربة من بيئة لعبة سباق قوارب تدعى كوست رانرز (CoastRunners). الهدف المفهوم للإنسان هو إنهاء المسار. لكن نظام المكافأة داخل اللعبة يمنح نقاطًا عند ضرب أهداف موزعة في الميدان. تعلّم وكيل يعمل بالتعلم المعزز (Reinforcement Learning) أنه يستطيع دخول بحيرة جانبية، والدوران حول ثلاثة أهداف تعود للظهور، وضربها مرارًا. حصل على نقاط تفوق ما قد يحققه إكمال السباق بالطريقة المعتادة، من غير أن يؤدي الغاية التي فهمها البشر من اللعبة.8

من السهل الضحك على قارب نجح في السباق لأنه لم يُسابق. لكن الحادثة ليست طرفة برمجية فحسب. إنها تجربة مبسطة عن الفرق بين «دالة المكافأة» (Reward Function) والنية التي وُضعت لتمثيلها. لم يكتشف الوكيل معنى خفيًا للتفوق البحري؛ وجد أن أكثر السلوكيات مكافأة ليس السلوك المرغوب.

والمقارنة مع موظف البنك مقارنة بنيوية، لا أخلاقية. الموظف إنسان يفهم الأعراف والتفويض والضرر ويمكن مساءلته؛ أما وكيل اللعبة فلا يُنسب إليه قصد احتيالي بشري. لكن كلا النظامين يبين ما يحدث حين تجعل المؤسسة علامة النجاح أقرب إلى التنفيذ من تعريف النجاح نفسه.

في الأنظمة المعتمدة على النماذج اللغوية، تظهر المشكلة بصورة أدق. كثيرًا ما تتعلم النماذج من تقييمات تفضيل أو من نموذج مكافأة يتوقع أي الإجابات أفضل. وفي بحث عرض في مؤتمر التعلم الآلي الدولي (ICML) عام 2023، درس ليو غاو (Leo Gao) وجون شولمان (John Schulman) وجاكوب هيلتون (Jacob Hilton) ما يحدث عندما يُبالغ في تحسين نموذج مكافأة بديل: قد ترتفع درجته بينما يتراجع تقييم نموذج مرجعي أعلى جودة ضمن إعداد تجريبي اصطناعي.9

لكن يجب ألا نختلس من التجربة ما لم تثبته. لم يقس الباحثون فيها «السعادة الإنسانية الفعلية» أو «جودة الخدمات العامة»؛ بل استخدموا نموذجًا مرجعيًا يؤدي دور المقيّم الأعلى جودة. النتيجة تبرهن على قابلية ظهور انفصال بين مكافأة بديلة ومرجع تقييم في شروط الدراسة، لا على أن كل تحسين للنماذج يعادي البشر.

وإذا صُمم مساعد مصرفي ذكي ليزيد عدد «المبيعات المؤهلة» أو صُمم مساعد حكومي ليغلق أكبر عدد من التذاكر، فإن السؤال الأول ليس عدد الخطوات التي يستطيع تنفيذها ذاتيًا. السؤال: ما الذي يحتسبه نجاحًا، وما الذي يظل خارج حدود دالته؟

كلما زادت قدرة الأداة على التجريب واكتشاف الطرق، زادت قيمة التدقيق في تعريف المكافأة. فالنموذج الأقوى قد يصبح أكثر براعة في تحقيق الهدف الخطأ.

لكن لو انتهت القصة هنا لصنعنا من قانون غودهارت قانونًا آخر أسوأ: «كل مؤشر أداء يفسد الخدمة». وهذا غير صحيح. فالمؤشر المحدد بوضوح قد ينقذ مؤسسة من التسويف، ويمنح المرضى حقًا مفهومًا، ويوجه مواردها إلى موضع انتظار كان مستترًا.

تقدم أقسام الطوارئ في إنجلترا اختبارًا غنيًا لهذه المفارقة. فقد اعتمد النظام الصحي الوطني (NHS) هدفًا لزمن بقاء المرضى في الطوارئ. وفي دراسة منشورة إلكترونيًا في نوفمبر 2011 ثم مطبوعة في مايو 2012، فحصت سوزان ماسون (Suzanne Mason) وزملاؤها 735,588 زيارة في خمسة عشر قسم طوارئ اختيرت عمدًا لتغطية مستويات أداء مختلفة، خلال شهري مايو ويونيو من الأعوام 2003 إلى 2006. ارتفعت نسبة المرضى الذين أُنجزت خدمتهم في غضون أربع ساعات من 83.9% إلى 96.3%.10

رقم مذهل لمن ينتظر خلف باب الطوارئ. غير أن الدراسة وجدت أيضًا أن مدة البقاء الإجمالية المعدلة ازدادت بمتوسط 8.6 دقائق لجميع المرضى، وبثلاثين دقيقة للمرضى الذين أُدخلوا إلى المستشفى؛ بينما تحسن الوقت حتى معاينة الطبيب بدقيقة واحدة في المتوسط. وارتفعت نسبة المغادرين في الدقائق العشرين الأخيرة قبل انقضاء الأربع ساعات من 4.7% إلى 8.4%.

هل يعني ذلك أن المستشفيات تلاعبت عمدًا بالمؤشر؟ لا. فالدراسة رصدية، وعينتها ليست اختيارًا عشوائيًا لكل إنجلترا، ولا يمكن من توزع أوقات المغادرة وحده استنتاج نيات العاملين أو تحديد سبب كل تغير. وقد يكون اقتراب الموعد النهائي حفّز تنسيقًا مفيدًا فعلًا، أو كثّف إجراءات الخروج قرب الحد، أو جمع الأمرين بنسب لا تفصلها هذه البيانات.

والأهم أن دراسة أخرى لستيفن كيلمان (Steven Kelman) وجون فريدمان (John N. Friedman)، نشرت عام 2009 واستندت إلى بيانات جميع مؤسسات المستشفيات الإنجليزية الـ155 في نطاقها البحثي، وجدت تحسنًا كبيرًا في أداء الانتظار من عام 2003 إلى 2006، ولم تجد دليلًا على أوجه الخلل المفترضة التي اختبرتها.11

وهناك بحث لاحق في مؤشرات جودة وسلامة الرعاية لم يجد أن هدف الأربع ساعات أثّر سلبًا، على نحو ظاهر في البيانات التي درسها، في جودة أو سلامة الرعاية؛ وكان أثره على استخدام الفحوص محدودًا.12

هذه النتائج لا تنقض بعضها بالضرورة. إحداها تتتبع تفاصيل أزمنة زيارة في أقسام مختارة؛ وأخرى تختبر مجموعة مختلفة من فرضيات الخلل على مستوى جميع مؤسسات المستشفيات؛ وثالثة تنظر إلى مقاييس جودة وسلامة أخرى. النتيجة الصحيحة ليست الانحياز إلى الدراسة الأكثر إثارة، بل إدراك أن الإجابة تعتمد على أي ضرر أو منفعة نقيس، وفي أي وحدات، وبأي تصميم بحثي.

قد ينتج الهدف تحسنًا حقيقيًا وتكتلًا في الأداء قرب حد زمني في آن واحد. وقد يدل تكتل الحالات عند الحد على دفعٍ مفيد للعمل كما قد يستدعي فحصًا لجودة القرار. لا يكفي أن نرى منحنى غريبًا لنصرخ «تلاعب»، كما لا يكفي أن نرى نسبة ترتفع لنعلن «انتهت المشكلة».

هذا هو الاعتراض العلمي الأقوى على المقالة: المقاييس قد تنجح فعلًا. والرد ليس إنكار النجاح، بل مطالبة النجاح بإظهار أثره خارج حدوده الخاصة.

يظن بعض المديرين أن العلاج هو تعويض كل مؤشر بعشرة. ولكن كثرة الأرقام قد تخفي سؤال التصميم بدل أن تحله. يمكن أن تصبح لوحة الأداء معرضًا تتحسن فيه الألوان جميعًا فيما لا يعرف أحد إن كانت حياة المستفيد قد تحسنت.

خذ خدمة إصدار تمويل لمشروع صغير. تستطيع المؤسسة أن تقيس سرعة القرار، وعدد الطلبات المغلقة، ونسبة الموافقات، وتكلفة المعاملة، وإيراد المنتجات المرتبطة. تبدو هذه مؤشرات عقلانية. لكنها لا تقول وحدها ما إذا كان العميل فهم سعر التمويل وشروطه، أو ما إذا خُصم منه رسم غير لازم، أو ما إذا تسبب تسريع الموافقة في تعثرات كان يمكن تجنبها. وليس المطلوب أن تجمع المؤسسة كل معلومة في العالم، بل أن تختار مؤشرات تحرس بعضها من بعضها.

يجب أن يكون لمقياس السرعة حارسٌ من نوع آخر، لا مجرد مقياس سرعة ثانٍ. مثال ذلك أن يُقابل «زمن معالجة الطلب» بمعدل القرارات التي ثبتت صحتها بعد المراجعة، وبانخفاض الشكاوى ذات الأساس، وبإمكان العميل التراجع أو الاعتراض. ولا تصلح «قلة الشكاوى» وحدها علامة رضا، لأن جعل الشكوى أصعب يرفعها ظاهرًا أيضًا.

ولهذا يُخطئ من يضع جميع المؤشرات داخل مجموع مرجح واحد ثم يسمح لتحسن السرعة بتعويض انتهاك جسيم للموافقة. بعض الأبعاد قابل للمقايضة ضمن حدود. وبعضها يجب أن يُعامل كقيدٍ لا يُشترى بالتحسن في بعد آخر. لا يجوز فتح حساب بلا إذن لأنه زاد عدد الحسابات المفيدة، كما لا يجوز التضحية بسلامة المريض لتجميل متوسط زمن انتظاره.

يعرف مهندسو الأنظمة هذه الفكرة باسم «قيود الأمان» أو «مقاييس الحماية» (Guardrail Metrics). وما يضيفه الاقتصاد المؤسسي هو أن الحارس نفسه يحتاج إلى سلطة تنفيذية، ومراجعة مستقلة، وتعريف للمخالفة، وآلية تمنع ترحيل التكلفة إلى الموظف أو العميل. وإلا أصبح قيد الأمان فقرة لطيفة في عرض مجلس الإدارة، لا يقاطع الخط البياني عند الضرورة.

يمكن تسمية الفحص التالي، بوصفه اقتراحًا تحليليًا في هذه المقالة وليس نظرية علمية منشورة أو معيارًا رسميًا، «اختبار الاتجاه المعاكس» (Counter-Directional Metric Test). فكرته بسيطة ومحرجة: قبل إعلان نجاح أي تغيير، ابحث عمدًا عن الحالات التي تحسن فيها المؤشر المستهدف، بينما ساءت مصلحة المستفيد التي يُفترض أنه يمثّلها.

ليس هذا تمرينًا لتصيد الأخطاء. إنه اختبار لصلاحية المقياس بعد أن يصبح موضوعًا للحوافز.

في التجربة المثالية، تُوزَّع وحدات خدمة قابلة للمقارنة عشوائيًا، حيثما كان ذلك مشروعًا وأخلاقيًا وممكنًا، على نهجين: نهج يعظم المؤشر التشغيلي وحده ضمن القيود الأساسية، ونهج يقرنه بشروط جودة وحماية ونتائج مستقلة. يتساوى النهجان في موارد البداية ومعايير قبول الحالات قدر الإمكان. لا نكتفي بمقارنة قيمة المؤشر؛ بل نسجل جودة النتيجة بعد مدة مناسبة، وشكاوى مثبتة، وتكاليف تصحيح، وعدد المستفيدين المتضررين، مع توزيع النتائج بحسب أنواع الحالات.

إذا ارتفعت قيمة $M$ في أحد النهجين من دون تحسن في النتائج المستقلة، أو تراجعت تلك النتائج بوضوح، فقد فشل المؤشر بوصفه دليلًا كافيًا على النجاح في هذه البيئة. وإذا تحسن الاثنان من غير تراجع في قيود السلامة، فإن الاستخدام المدروس للمؤشر يجد سندًا تجريبيًا. ولا تسمح مقارنة غير عشوائية قبل وبعد وحدها عادةً بعزل أثر الحافز عن تبدل الطلب أو العاملين أو الموارد.

أما إن كانت العشوائية غير ممكنة، فينبغي تصميم مقارنة حذرة مع وحدات مماثلة، وتوثيق اختلاف خصائص المستفيدين، وفحص حساسية النتيجة للعوامل المربكة (Confounders)، وعدم ادعاء السببية بعبارة «أثبتت الأرقام» حين لم تثبت سوى المصاحبة.

وللاختبار حدوده. فبعض آثار الخدمة لا تظهر إلا بعد سنوات، وبعض المنافع غير قابل للقياس السريع، وقد يصير مقياس الحماية نفسه هدفًا للتلاعب. لذلك لا ينتهي التقييم ببناء لوحة جديدة؛ بل بإعادة فحص علاقتها بالغرض حين تتغير الحوافز والأدوات والسلوك.

لا تتوزع تكاليف المقياس المنحرف بالتساوي. العميل الذي فُتح له حساب بلا موافقة قد يواجه رسومًا أو قلقًا على بياناته أو وقتًا طويلًا للتصحيح. الموظف الذي يرفض ممارسة مشكوكًا فيها قد يتحمل ضغط الأداء، بينما ينجح زميله في الرقم ثم يتعرض الاثنان لفشل سمعة المؤسسة. والمستثمر قد يرى عرضًا متفائلًا عن عدد المنتجات من غير أن يعرف ما إذا كانت منتجات حقيقية نافعة.

وليس كل خطر ظاهرًا في دفتر المصروفات. هناك وقت يقضيه العميل في إثبات أنه لم يطلب خدمة، أو وقت تبذله أسرة لتفسير قرار، أو ثقة يفقدها مستفيد في جهاز إداري. هذه تكاليف اجتماعية لا يجوز اختزالها في قيمة الغرامة أو في فرق 0.04 داخل متوسط مصرفي.

في المقابل، قد يخدم الهدف الجيد جماعات لم تكن الإدارة تلتفت إليها. وضع حد مفهوم لانتظار الطوارئ يحوّل تجربة المريض من تذمر شخصي إلى موضوع يُسأل عنه المدير. إعلان نسبة الالتزام قد يتيح مساءلة أقوى من ذوق الإدارة وحسن نياتها. التحدي إذن ليس الاختيار بين الأرقام والبشر، بل بناء علاقة سببية قابلة للفحص بين الأرقام وما يحدث للبشر.

لهذا السبب تبرز أهمية العدالة التوزيعية: قد يرتفع المتوسط العام بينما يزداد انتظار المرضى ذوي الحالات المعقدة، أو ينخفض زمن الطلبات السهلة بينما تزداد معاناة المستفيد الذي يحتاج إلى توضيح. لا يمكن إصلاح هذه الاحتمالات بالمتوسط وحده، بل بقياس نتائج الشرائح ذات الصلة وطول الذيل والشروط التي لا يجوز التنازل عنها. ولا ينبغي الخلط هنا بين هذا التحذير وبين الحكم المسبق بأن تلك الأضرار قد حدثت في مؤسسة بعينها دون بيانات.

ليست مؤسسات المنطقة مضطرة لاكتشاف هذه المشكلة من الصفر. ففي وثيقة رسمية منشورة ضمن «جائزة أداء الصحة» لعام 2022، توضح وزارة الصحة السعودية أن منهجية برنامج «أداء الصحة» تتضمن مؤشرات قيادية تركز على تحسين العمليات، ومؤشرات متأخرة تراقب تحقيق الأهداف، ومؤشرات توازن تحاول المحافظة على انسجام الأداء. وتظهر ضمن أمثلة المنظومة إمكانية الوصول للخدمات وتجربة المريض وجودة الرعاية.13

هذا دليل على وجود تصور مؤسسي معلن للقياس المتوازن، وليس دليلًا مستقلًا على أن كل تطبيق حقق نتائج أفضل أو منع جميع أشكال التلاعب. والفارق بين وجود المنهجية وفاعليتها هو نفسه السؤال الذي يحاول هذا المقال تعليمه.

في خدمة سعودية رقمية افتراضية، يمكن أن يُطلب من مساعد ذكاء اصطناعي خفض زمن إغلاق طلبات المواطنين. لا يصح أن يُحتسب «مغلق» كل طلب أرسل إليه النموذج رسالة نهائية. ينبغي التفريق بين إغلاق إداري وإتمام تحقق منه المستفيد، وبين رفض صحيح ومشكلة لم تُحل، وبين إجابة تبدو مطمئنة وأخرى مستندة إلى قاعدة نافذة فعلًا. هذه ليست وقائع أدعي أنها حدثت في جهة محددة؛ إنها شروط اختبار أقترحها لأي جهة تفكر في إسناد إدارة مؤشرات الخدمة إلى وكلاء ذكيين.

وفي مؤسسة مالية، يمكن لقرار مجلس الإدارة أن يبدأ بتغيير سؤال التقرير الشهري من «كم منتجًا بعنا؟» إلى «كم علاقة عميل تحسنت على نحو يمكن التحقق منه؟» ثم تُستبعد المبيعات غير المفوّضة من المكافآت استبعادًا قاطعًا، وتُراجع عينة من موافقات العملاء مستقلًا، ويُقاس الاستخدام النافع بعد أشهر بدل الاكتفاء بلحظة التوقيع. كل معيار من هذه المعايير يواجه خطرًا جديدًا للتلاعب؛ لذلك يجب اختبار الأدلة المتعارضة وحفظ حق المستفيد في الاعتراض.

وبالنسبة إلى نموذج ذكاء اصطناعي يوصي بالإجراءات أو ينفذها، يصبح السؤال الاستراتيجي أدق: ما الفارق بين المهمة التي تُحاسب عليها الآلة والمصلحة التي وافق الإنسان على خدمتها؟ كلما استطاعت الآلة اكتشاف مسارات لم يفكر فيها مصمموها، صار هذا الفارق موضوع اختبار هندسي، لا هامشًا في ميثاق قيم المؤسسة.14

نتخيل أحيانًا أن الكوارث المؤسسية تبدأ بجهلٍ فادح. لكن رسالة عام 2004 في ويلز فارغو تقدم احتمالًا أقل راحة: قد تمتلك المؤسسة تفسيرًا سليمًا، وتحتفظ به في أرشيفها، ثم تواصل مكافأة السلوك الذي حذّر منه.

فليس التحدي الأصعب أن نكتشف مؤشرًا ناقصًا. جميع المؤشرات ناقصة بطريقة ما. التحدي هو أن نمنع الناس والآلات من أن يجعلوا هذا النقص مصدر ربح على حساب الخدمة.

ولذلك ليست المسألة أن نضع رقمًا إضافيًا إلى جانب رقم. بل أن نجري امتحانًا يمكن أن يخسره المؤشر: هل تتحسن حياة المستفيد إذا ارتفع؟ وهل تستطيع المؤسسة الاعتراف بإخفاقه إذا لم تتحسن؟

كانت رسالة 2004 تعرف أن الحساب المفتوح ليس بالضرورة علاقة مصرفية نشأت. وبعد اثني عشر عامًا، اضطر العالم إلى تعلّم الفرق الذي كان مكتوبًا بالفعل.

والسؤال الذي ينبغي أن يصل إلى كل مجلس إدارة قبل تقرير الأداء المقبل هو: إذا تحسن الرقم غدًا، فما الدليل المستقل الذي سيمنعنا من تهنئة أنفسنا على خدمة لم نقدمها؟

1. تقرير تحقيق مجلس إدارة ويلز فارغو، 10 أبريل 2017. Sales Practices Investigation Report، مرفق بإفصاح رسمي لدى هيئة الأوراق المالية والبورصات الأمريكية. النوع: تحقيق كلّفه أعضاء مستقلون في مجلس الإدارة، أُودع رسميًا. يسند: رسالة 2004، الضغط المرتبط بمؤشرات المبيعات، توقيت الإصلاح، وفحص الفرق 0.02–0.04 في نسبة البيع المتقاطع. الحد: التحقيق مؤسسي، ولا يثبت أن كل حساب غير ممول كان غير مصرح به.

2. هيئة حماية المستهلك المالي الأمريكية، 8 سبتمبر 2016. Consumer Financial Protection Bureau Fines Wells Fargo $100 Million for Widespread Illegal Practice of Secretly Opening Unauthorized Accounts، ومعه الأمر الرقابي الأصلي. النوع: إجراء إنفاذي وتنظيمي أولي. يسند: أهداف المبيعات والحوافز والتمويل الصوري وغرامة 100 مليون دولار. الحد: أكثر من مليوني حساب «قد» يكون غير مصرح به بحسب مراجعة البنك وقت الإعلان، لا حكم فردي نهائي بشأن جميع الحسابات.

3. وزارة العدل الأمريكية، 21 فبراير 2020. Wells Fargo Agrees To Pay $3 Billion To Resolve Criminal And Civil Investigations Into Sales Practices. النوع: إعلان رسمي عن اتفاق تسوية جنائية ومدنية وإجراءات مصاحبة. يسند: مبلغ الثلاثة مليارات وطبيعة التسوية؛ وهو مبلغ إجمالي لا تُضاف إليه تلقائيًا مكوناته.

4. هيئة الأوراق المالية والبورصات الأمريكية، 21 فبراير 2020. Wells Fargo to Pay $500 Million for Misleading Investors About the Success of Its Largest Business Unit. النوع: إجراء تنظيمي رسمي. يسند: اختلاف الضرر الواقع على المستثمرين عن الضرر المباشر بالمستهلكين، وأن 500 مليون دولار جزء من تسوية الثلاثة مليارات.

5. تشارلز غودهارت، 1975، باستشهاد مؤسسي لاحق. Reserve Bank of Australia، Financial Innovations and Monetary Policy: A Preliminary Survey، 1983. النوع: ورقة بنك مركزي تستشهد بصياغة غودهارت الأصلية وتضعها في سياق السياسة النقدية. يسند: منشأ القانون وفكرة تغير العلاقات الإحصائية حين تستعمل للضبط؛ الرابط ليس النسخة الأولى من بحث 1975.

6. دونالد كامبل، 1979. Assessing the Impact of Planned Social Change، Evaluation and Program Planning، المجلد 2، العدد 1، الصفحات 67–90. النوع: بحث علمي تأسيسي في تقييم البرامج، له صيغ سابقة. يسند: تأثر المؤشرات بالضغط الاجتماعي والمؤسسي عليها. الحد: تحذير تحليلي لا يقرر أن كل نظام حوافز يفسد.

7. بِنغت هولمستروم وبول ميلغروم، 1991. Multitask Principal–Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design، Journal of Law, Economics, & Organization، المجلد 7، العدد الخاص، ص 24–52. النوع: بحث نظري محكّم. يسند: إحلال الجهد بين المهام متفاوتة القابلية للقياس؛ لا يدّعي اختبارًا عشوائيًا لموظفي ويلز فارغو.

8. جاك كلارك وداريو أمودي، أوبن إيه آي، 21 ديسمبر 2016. Faulty Reward Functions in the Wild. النوع: عرض من الجهة المنفذة لتجربة تعلم معزز في لعبة CoastRunners. يسند: تعظيم نقاط الأهداف المتجددة دون إنهاء السباق. الحد: تجربة لعبة وليست حادثة مالية أو تقييمًا ميدانيًا لأذى بشري.

9. ليو غاو، جون شولمان، جاكوب هيلتون، 2023. Scaling Laws for Reward Model Overoptimization، مؤتمر ICML، Proceedings of Machine Learning Research، مجلد 202. النوع: بحث علمي منشور في مؤتمر محكّم. يسند: احتمال تدهور تقييم مرجعي عند الإفراط في تحسين مكافأة بديلة. الحد: المرجع الأعلى جودة في الإعداد التجريبي نموذج مكافأة آخر، وليس مقياسًا مباشرًا لرفاه الإنسان.

10. سوزان ماسون وآخرون، نشر إلكتروني 15 نوفمبر 2011، عدد مايو 2012. Time Patients Spend in the Emergency Department: England's 4-Hour Rule—A Case of Hitting the Target but Missing the Point?، Annals of Emergency Medicine، 59(5):341–349. النوع: دراسة رصدية محكّمة. يسند: 735,588 زيارة، نسب الالتزام، تغير زمن البقاء والتكتل قبل الأربع ساعات. الحد: خمسة عشر قسمًا اختيرت عمدًا، ولا تثبت أسباب الفروق بمفردها.

11. ستيفن كيلمان وجون فريدمان، 6 فبراير 2009. Performance Improvement and Performance Dysfunction: An Empirical Examination of Distortionary Impacts of the Emergency Room Wait-Time Target، Journal of Public Administration Research and Theory، 19(4):917–946. النوع: بحث تجريبي منشور محكّم؛ مصدر معارض مهم. يسند: تحسن كبير بمؤسسات المستشفيات الـ155 وعدم رصد أنماط الخلل التي اختبرتها الدراسة؛ لا ينفي كل أثر غير مقاس.

12. إلين ويبر وآخرون، نشر إلكتروني 2012. Implications of England's Four-Hour Target for Quality of Care and Resource Use in the Emergency Department، Annals of Emergency Medicine. النوع: دراسة رصدية محكّمة؛ مصدر معارض أو مقيِّد. يسند: عدم ظهور تراجع في مؤشرات الجودة والسلامة المختبرة في العينة؛ لا يعمم على كل نظام صحي.

13. وزارة الصحة السعودية، 2022. Ada’a Health Award 2022، وثيقة برنامج أداء الصحة. النوع: وثيقة رسمية تصف منهجية عمل. يسند: وجود مؤشرات قيادية ومتأخرة ومؤشرات توازن ضمن المنهجية المعلنة. الحد: وصف تصميم لا تقييم سببي لنجاح التطبيق.

14. المعهد الوطني الأمريكي للمعايير والتقنية، 2023. AI Risk Management Framework: Core، وظائف القياس والإدارة. النوع: إطار مهني رسمي طوعي. يسند: الحاجة إلى قياس أداء النظام في سياق الاستخدام وإدارة مخاطره باستمرار؛ ليس نصًا إلزاميًا عامًا لكل مؤسسة.