# الذكاء الاصطناعي في الإدارة: دليل عملي لرفع إنتاجية الفريق

- Link: https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/
- Published: 2026-10-27T18:59:30+03:00
- Author: admin

إعداد: MTMS Global · آخر تحديث: 27/10/2026 · زمن القراءة: 8 دقائق · التصنيف: الذكاء
الاصطناعي في الإدارة

## ملخص

تعرض هذه المقالة أبرز ما تقوله الدراسات الميدانية عن أثر الذكاء الاصطناعي التوليدي(
Generative AI) في إنتاجية العاملين: دراسة على 5,179 موظف دعم رفعت الإنتاجية بمتوسط
14%، وتجربة على 758 مستشارًا بيّنت أن الأداء يتحسن داخل «الحدود التقنية» ويتراجع
خارجها. ثم تحدد مجالات الاستخدام الإداري وضوابط الخصوصية والتحقق، وتقترح خطوات لتجربة
آمنة داخل الفريق.

**الكلمات المفتاحية:** الذكاء الاصطناعي في الإدارة، الذكاء الاصطناعي التوليدي، إنتاجية
الفريق، حوكمة الذكاء الاصطناعي.

## محتويات المقالة

 1.  [مقدمة](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#intro)
 2.  [ما تقوله الدراسات](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#evidence)
 3.  [مجالات الاستخدام الإداري](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#uses)
 4.  [ضوابط الاستخدام](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#guardrails)
 5.  [خطوات تجربة آمنة](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#pilot)
 6.  [مثال تطبيقي توضيحي](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#example)
 7.  [الخلاصة والتوصيات](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#conclusion)
 8.  [الأسئلة الشائعة](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#faq)
 9.  [المراجع](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#refs)

## مقدمة

يسأل المدير اليوم سؤالين عن الذكاء الاصطناعي: أين يرفع إنتاجية فريقي فعلًا، وأين
يعرّضني لخطأ أو تسريب بيانات؟ والجواب المبني على الأدلة أفضل من الانطباع، لذلك تبدأ
هذه المقالة بنتائج دراستين ميدانيتين منشورتين، ثم تنتقل إلى الاستخدام الإداري والضوابط.

## ما تقوله الدراسات

تتبّعت دراسة Brynjolfsson وLi وRaymond (2025) 5,179 موظف دعم عملاء استخدموا مساعدًا
قائمًا على الذكاء الاصطناعي التوليدي، فارتفعت الإنتاجية بمتوسط 14%، وبلغ الارتفاع
34% لدى المبتدئين ومنخفضي المهارة. أي أن الأداة قلّصت الفجوة بين الجدد والمتمرسين
في تلك البيئة.

وفي تجربة Dell’Acqua وزملائه (2023) على 758 مستشارًا، أنجز المستخدمون عددًا أكبر
من المهام بنسبة 12.2%، وأسرع بنسبة 25.1%، وبجودة أعلى بأكثر من 40% في المهام الواقعة
داخل قدرات الأداة. لكن في مهمة اختيرت عمدًا خارج «الحدود التقنية» للأداة، كان المستخدمون
أقل ترجيحًا بـ19 نقطة مئوية لإعطاء حل صحيح مقارنة بمن لم يستخدموها.

| الدراسة | العينة | النتيجة الرئيسة | 
| Brynjolfsson وLi وRaymond (2025) | 5,179 موظف دعم | +14% إنتاجية في المتوسط، و+34% للمبتدئين | 
| Dell’Acqua وزملاؤه (2023) | 758 مستشارًا | داخل الحدود: +12.2% مهام، و25.1% أسرع، وجودة أعلى بأكثر من 40%. خارج الحدود: أقل ترجيحًا بـ19 نقطة مئوية لإعطاء حل صحيح |

والدرس العملي أن الأثر يتوقف على نوع المهمة: ترتفع الإنتاجية في المهام التي تقع 
داخل قدرات الأداة، ويزداد خطر الخطأ الواثق خارجها. وتنطبق النتائج على الأعمال المدروسة(
الدعم والاستشارات)، ولا يصح تعميمها تلقائيًا على كل وظيفة.

## مجالات الاستخدام الإداري

يصنّف Davenport وRonanki (2018) تطبيقات الذكاء الاصطناعي في المؤسسات إلى أتمتة العمليات
وفهم البيانات وإشراك العملاء والموظفين. وينعكس ذلك في عمل المدير على النحو التالي:

| المجال | مثال | مستوى المخاطرة | 
| الصياغة والتلخيص | مسودة بريد أو ملخص اجتماع | منخفض إذا روجعت المسودة | 
| تحليل البيانات | استخراج أنماط من تقرير مبيعات | متوسط: يحتاج تحققًا من الأرقام | 
| التخطيط | اقتراح بدائل لخطة زيارات | متوسط: القرار للمدير | 
| التدريب الداخلي | إعداد أسئلة تدريبية أو سيناريوهات | منخفض إذا روجع المحتوى | 
| قرارات تخص الأفراد | تقييم أداء أو توظيف | مرتفع: يحتاج حوكمة ومراجعة بشرية |

## ضوابط الاستخدام

 * **الخصوصية:** لا تُدخل بيانات شخصية أو عقودًا أو أرقامًا سرية في أداة لم تُعتمد
   من مؤسستك. ويحمي قانون حماية البيانات الشخصية المصري رقم 151 لسنة 2020 البيانات
   الشخصية، فيُراجع مستشار قانوني قبل إدخال بيانات الأفراد في أي أداة.
 * **التحقق:** تُراجع كل مخرجات تتضمن أرقامًا أو مراجع أو أحكامًا قبل استخدامها،
   لأن النتيجة قد تبدو متماسكة وهي خاطئة.
 * **المسؤولية:** القرار والتوقيع للمدير لا للأداة، ويُوثَّق ما استُخدمت فيه.
 * **إطار للمخاطر:** يقدم إطار إدارة مخاطر الذكاء الاصطناعي الصادر عن المعهد الوطني
   للمعايير والتقنية الأمريكي (NIST AI RMF 1.0) هيكلًا للحوكمة والقياس والإدارة (
   NIST, 2023)، ويمكن مواءمته مع سجل المخاطر الذي شرحناه في [إدارة المخاطر المؤسسية: الإطار والعملية وسجل المخاطر](https://mtms.com.eg/index.php/2026/10/27/risk-management-basics/).

## خطوات تجربة آمنة

 1. اختر مهمة واحدة متكررة ومنخفضة المخاطرة، مثل تلخيص محاضر الاجتماعات.
 2. قِس الوضع الحالي قبل التجربة: الزمن المستغرق وعدد الأخطاء.
 3. حدد البيانات المسموح بإدخالها والمحظورة، واكتبها في صفحة واحدة.
 4. جرّب مع مجموعة صغيرة لأربعة أسابيع، وأبقِ مراجعة بشرية على كل مخرج.
 5. قارن النتائج بالوضع السابق، ثم قرّر التوسع أو التوقف أو التعديل.

## مثال تطبيقي توضيحي

المثال التالي افتراضي لتوضيح التطبيق، وأرقامه ليست بيانات حقيقية. يفترض مدير مبيعات
في مؤسسة توزيع يريد تقليل الوقت الذي يقضيه في كتابة محاضر الاجتماعات الأسبوعية.

| العنصر | التطبيق | 
| المهمة | تلخيص اجتماع المبيعات الأسبوعي في نقاط وقرارات ومهام. | 
| القياس قبل التجربة | 45 دقيقة لكتابة المحضر، وخطآن في المتوسط شهريًا في تسجيل المهام. | 
| الضوابط | عدم إدخال أسماء العملاء أو الأسعار، ومراجعة المدير للمحضر قبل التوزيع. | 
| التجربة | أربعة اجتماعات متتالية مع مقارنة الزمن والأخطاء. | 
| القرار | يُعتمد الأسلوب إذا انخفض الزمن دون زيادة في الأخطاء، وإلا يُعدَّل أو يتوقف. |

## الخلاصة والتوصيات

تشير الدراسات الميدانية إلى مكاسب حقيقية في مهام محددة، وإلى خطر فعلي خارج حدود 
الأداة. ولذلك يُنصح المدير بما يلي:

 1. ابدأ بمهمة واحدة منخفضة المخاطرة وقِس قبل التجربة وبعدها.
 2. اكتب قاعدة واضحة لما يجوز إدخاله وما لا يجوز.
 3. أبقِ مراجعة بشرية على كل مخرج يتضمن أرقامًا أو أحكامًا.
 4. لا تعتمد الأداة في قرارات تخص الأفراد دون حوكمة ومراجعة قانونية.
 5. درّب الفريق على التمييز بين المهام داخل قدرات الأداة وخارجها.

## الأسئلة الشائعة

### هل يرفع الذكاء الاصطناعي الإنتاجية فعلًا؟

تشير دراسات ميدانية إلى ذلك في مهام محددة؛ ففي دراسة على 5,179 موظف دعم ارتفعت الإنتاجية
بمتوسط 14% (Brynjolfsson et al., 2025). لكن الأثر يتوقف على نوع المهمة، ولا يصح 
تعميمه على كل وظيفة.

### ما أكبر خطر في استخدامه الإداري؟

خطآن: إدخال بيانات سرية أو شخصية في أداة غير معتمدة، والثقة بمخرجات تبدو متماسكة
وهي خاطئة، وخاصة في مهام تقع خارج قدرات الأداة (Dell’Acqua et al., 2023).

### من يستفيد أكثر من هذه الأدوات؟

في دراسة الدعم كان المبتدئون ومنخفضو المهارة الأكثر استفادة، بزيادة بلغت 34% (Brynjolfsson
et al., 2025)، وهذا يخص بيئة تلك الدراسة.

### كيف أبدأ دون مخاطرة كبيرة؟

اختر مهمة واحدة متكررة ومنخفضة المخاطرة، وقِس الوضع الحالي، وحدد البيانات المسموحة
والمحظورة، وجرّب مع مجموعة صغيرة مع مراجعة بشرية، ثم قارن النتائج قبل التوسع.

## للتطبيق العملي

تقدّم MTMS Global [برامج تدريبية](https://mtms.com.eg/index.php/training/) للمديرين
وفرق العمل في توظيف أدوات الذكاء الاصطناعي بضوابط واضحة، و[خدمات استشارية](https://mtms.com.eg/index.php/consulting/)
لوضع سياسات الاستخدام. وللاطلاع على أساسيات العمل الإداري، اقرأ [إدارة الأعمال: الوظائف الإدارية وأدوار المدير ومهاراته](https://mtms.com.eg/index.php/2026/10/27/business-management-essentials/).
ويمكنك [التواصل معنا](https://mtms.com.eg/index.php/contact-us/) لمناقشة احتياجات
مؤسستك.

## المراجع

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. _The Quarterly
Journal of Economics, 140_(2), 889–942.

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world.
_Harvard Business Review, 96_(1), 108–116.

Dell’Acqua, F., McFowland, E., III, Mollick, E. R., Lifshitz-Assaf, H., Kellogg,
K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). _Navigating
the jagged technological frontier: Field experimental evidence of the effects of
AI on knowledge worker productivity and quality_ (Harvard Business School Working
Paper No. 24-013).

National Institute of Standards and Technology. (2023). _Artificial intelligence
risk management framework (AI RMF 1.0)_ (NIST AI 100-1). U.S. Department of Commerce.

By MTMS Global · Last updated: 27/10/2026 · Reading time: 8 minutes · Category: 
AI in Management

## Summary

This article presents the main findings of field studies on the effect of generative
AI on worker productivity: a study of 5,179 support agents in which productivity
rose by an average of 14%, and an experiment with 758 consultants showing that performance
improves inside the “technological frontier” and declines outside it. It then identifies
areas of managerial use, privacy and verification safeguards, and proposes steps
for a safe pilot within the team.

**Keywords:** AI in management, generative AI, team productivity, AI governance.

## Contents

 1.  [Introduction](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-intro)
 2.  [What the studies say](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-evidence)
 3.  [Areas of managerial use](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-uses)
 4.  [Usage safeguards](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-guardrails)
 5.  [Steps for a safe pilot](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-pilot)
 6.  [An illustrative example](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-example)
 7.  [Conclusion and recommendations](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-conclusion)
 8.  [Frequently asked questions](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-faq)
 9.  [References](https://mtms.com.eg/index.php/2026/10/27/ai-tools-for-managers/#en-refs)

## Introduction

Managers today ask two questions about AI: where does it genuinely raise my team’s
productivity, and where does it expose me to error or a data leak? An evidence-based
answer is better than an impression, so this article starts with the results of 
two published field studies, then moves to managerial use and safeguards.

## What the studies say

Brynjolfsson, Li and Raymond (2025) followed 5,179 customer support agents who used
a generative-AI-based assistant. Productivity rose by an average of 14%, and by 
34% among novice and low-skilled workers. In other words, the tool narrowed the 
gap between newcomers and experienced staff in that setting.

In an experiment by Dell’Acqua and colleagues (2023) with 758 consultants, users
completed 12.2% more tasks, 25.1% faster, and at more than 40% higher quality on
tasks within the tool’s capabilities. But on a task deliberately chosen to fall 
outside the tool’s “technological frontier”, users were 19 percentage points less
likely to produce a correct solution than those who did not use it.

| Study | Sample | Main result | 
| Brynjolfsson, Li and Raymond (2025) | 5,179 support agents | +14% productivity on average, and +34% for novices | 
| Dell’Acqua and colleagues (2023) | 758 consultants | Inside the frontier: +12.2% tasks, 25.1% faster, quality more than 40% higher. Outside the frontier: 19 percentage points less likely to give a correct solution |

The practical lesson is that the effect depends on the type of task: productivity
rises on tasks within the tool’s capabilities, and the risk of confident error grows
outside them. The results apply to the work studied (support and consulting) and
should not be generalized automatically to every job.

## Areas of managerial use

Davenport and Ronanki (2018) classify organizational applications of AI into process
automation, data understanding, and engagement of customers and employees. This 
is reflected in a manager’s work as follows:

| Area | Example | Risk level | 
| Drafting and summarizing | A draft email or a meeting summary | Low if the draft is reviewed | 
| Data analysis | Extracting patterns from a sales report | Medium: the figures need verification | 
| Planning | Suggesting alternatives for a visit plan | Medium: the decision stays with the manager | 
| Internal training | Preparing training questions or scenarios | Low if the content is reviewed | 
| Decisions about individuals | Performance appraisal or hiring | High: needs governance and human review |

## Usage safeguards

 * **Privacy:** do not enter personal data, contracts or confidential figures into
   a tool your organization has not approved. Egypt’s Personal Data Protection Law
   No. 151 of 2020 protects personal data, so consult a legal adviser before entering
   individuals’ data into any tool.
 * **Verification:** review every output that contains figures, references or judgments
   before using it, because a result can look coherent and still be wrong.
 * **Accountability:** the decision and the signature belong to the manager, not
   the tool, and what the tool was used for should be documented.
 * **A risk framework:** the AI Risk Management Framework issued by the U.S. National
   Institute of Standards and Technology (NIST AI RMF 1.0) provides a structure 
   for governing, measuring and managing risk (NIST, 2023), and it can be aligned
   with the risk register we explained in [Enterprise risk management: the framework, the process and the risk register](https://mtms.com.eg/index.php/2026/10/27/risk-management-basics/)(
   Arabic).

## Steps for a safe pilot

 1. Choose one recurring, low-risk task, such as summarizing meeting minutes.
 2. Measure the current situation before the pilot: time taken and number of errors.
 3. Define the data that may and may not be entered, and write it on one page.
 4. Pilot with a small group for four weeks, keeping a human review on every output.
 5. Compare the results with the previous situation, then decide whether to expand,
    stop or adjust.

## An illustrative example

The following example is hypothetical, to illustrate the application; its figures
are not real data. It assumes a sales manager in a distribution company who wants
to reduce the time spent writing weekly meeting minutes.

| Element | Application | 
| Task | Summarize the weekly sales meeting into points, decisions and tasks. | 
| Measurement before the pilot | 45 minutes to write the minutes, and two errors a month on average in recording tasks. | 
| Safeguards | No customer names or prices entered, and the manager reviews the minutes before distribution. | 
| Pilot | Four consecutive meetings, comparing time and errors. | 
| Decision | The approach is adopted if time falls without an increase in errors; otherwise it is adjusted or stopped. |

## Conclusion and recommendations

Field studies point to real gains on specific tasks and to a genuine risk outside
the tool’s frontier. A manager is therefore advised to:

 1. Start with one low-risk task and measure before and after the pilot.
 2. Write a clear rule for what may and may not be entered.
 3. Keep a human review on every output that contains figures or judgments.
 4. Not rely on the tool for decisions about individuals without governance and legal
    review.
 5. Train the team to tell tasks inside the tool’s capabilities from those outside 
    them.

## Frequently asked questions

### Does AI really raise productivity?

Field studies indicate that it does on specific tasks; in a study of 5,179 support
agents, productivity rose by an average of 14% (Brynjolfsson et al., 2025). But 
the effect depends on the type of task and should not be generalized to every job.

### What is the biggest risk in managerial use?

Two: entering confidential or personal data into an unapproved tool, and trusting
outputs that look coherent but are wrong, especially on tasks outside the tool’s
capabilities (Dell’Acqua et al., 2023).

### Who benefits most from these tools?

In the support study, novice and low-skilled workers benefited most, with a gain
of 34% (Brynjolfsson et al., 2025); this applies to the setting of that study.

### How do I start without major risk?

Choose one recurring, low-risk task, measure the current situation, define the data
that is allowed and prohibited, pilot with a small group under human review, and
compare results before expanding.

## Putting it into practice

MTMS Global offers [training programs](https://mtms.com.eg/index.php/training/) 
for managers and teams on using AI tools with clear safeguards, and [consulting services](https://mtms.com.eg/index.php/consulting/)
for drafting usage policies. For the fundamentals of managerial work, read [Business management: managerial functions, manager roles and skills](https://mtms.com.eg/index.php/2026/10/27/business-management-essentials/)(
Arabic). You can also [contact us](https://mtms.com.eg/index.php/contact-us/) to
discuss your organization’s needs.

## References

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. _The Quarterly
Journal of Economics, 140_(2), 889–942.

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world.
_Harvard Business Review, 96_(1), 108–116.

Dell’Acqua, F., McFowland, E., III, Mollick, E. R., Lifshitz-Assaf, H., Kellogg,
K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). _Navigating
the jagged technological frontier: Field experimental evidence of the effects of
AI on knowledge worker productivity and quality_ (Harvard Business School Working
Paper No. 24-013).

National Institute of Standards and Technology. (2023). _Artificial intelligence
risk management framework (AI RMF 1.0)_ (NIST AI 100-1). U.S. Department of Commerce.

**About MTMS Global:** a Cairo-based management training and consulting company 
serving organizations in Egypt and the Gulf. Contact: [contact page](https://mtms.com.eg/index.php/contact-us/)·
Phone: +201550570044

**Share this article**[WhatsApp](https://wa.me/)[LinkedIn](https://www.linkedin.com/feed/)
[Facebook](https://www.facebook.com/)[X](https://twitter.com/)[Telegram](https://t.me/)

Follow MTMS Global: [Facebook](https://www.facebook.com/share/1A33BAuPjp/)[LinkedIn](https://www.linkedin.com/company/mtmsglobal/)

**شارك المقال**[واتساب](https://wa.me/)[LinkedIn](https://www.linkedin.com/feed/)
[فيسبوك](https://www.facebook.com/)[X](https://twitter.com/)[تيليجرام](https://t.me/)

تابع MTMS Global: [فيسبوك](https://www.facebook.com/share/1A33BAuPjp/)[LinkedIn](https://www.linkedin.com/company/mtmsglobal/)

**عن MTMS Global:** شركة تدريب واستشارات إدارية مقرها القاهرة، تخدم مؤسسات في مصر
والخليج. للتواصل: [صفحة التواصل](https://mtms.com.eg/index.php/contact-us/) · الهاتف:
+201550570044