The answer arrives polished. Its tone is confident. Beneath it sit numbers, sources, and links. Everything about it suggests it has been checked and verified. And that is exactly the problem: the answer looks more trustworthy than it actually is.

Confidence is one thing; accuracy is another. An answer written with confidence can still be wrong. A source listed at the bottom may not say what was attributed to it. The source itself may not even exist.

## Why answers look more trustworthy than they are

Why do we trust these answers so easily? Because they carry every outward sign of reliability. The wording is clean. The tone is calm and self-assured. And there are attached sources we can click. All of this creates the impression that someone verified the information before it reached us.

But no one did. The model does not "know" the truth. It assembles words in a way that sounds convincing, then adds sources that look fitting. To the model, a source is not always evidence for a claim; sometimes it is just decoration that completes the shape of the answer.

Researchers at Stanford University audited the answers of four AI search engines. They found that roughly half of all sentences were not backed by any real source. And even when a source was cited, about a quarter of the time it did not actually say what was attributed to it. In other words, the answer looks well supported, while half of it has no real source behind it.

The researchers themselves called this a "facade of trustworthiness": an outward appearance that invites trust without anything behind it to justify that trust.

## What the numbers say

You might assume this is an old problem, solved as the tools matured. The newest figures say otherwise.

In early 2025, the Tow Center for Digital Journalism at Columbia University ran a test on eight AI search engines. It fed them passages from real articles and asked each to identify the source of every passage. The result: the engines were wrong more than sixty percent of the time. Some were wrong close to ninety percent of the time.

More telling than the error rate was how the engines behaved when they were wrong. They rarely said "I don't know." Instead, they gave a confident, incorrect answer. One engine returned wrong attributions in more than one hundred and thirty cases out of two hundred, and expressed doubt in only a handful of them.

And there is a twist worth noting: the paid versions were not more accurate. They were more confident in their wrong answers than the free versions. You pay more and get a firmer tone, not higher accuracy.

Nor is this an English-only problem. In an international study led by the BBC and the European Broadcasting Union, covering twenty-two news organizations and fourteen languages, roughly half of the answers had a significant issue, and about a third carried an error in the source or in the attribution of the information. The problem, then, crosses languages, and it concerns the Arabic reader as much as anyone else.

## Where the citation breaks

*The path from your question to your trust in the answer, and the three points where the citation breaks.*

When we say a source is "wrong," we are not describing a single kind of error, but three different ones. It helps to know them, because once you start looking, you will spot them yourself.

**Type one: a missing source.** The answer states a piece of information but attaches no source to back it. The claim may be true or false, but you have no way to check. It hangs there without support.

**Type two: a fabricated link.** The answer gives you a link that looks entirely real, with a known site name and a convincing address. But when you open it, you find an error page, or a page with nothing to do with the topic. The link never existed; the model assembled it to complete the picture.

**Type three: an altered quote.** The answer attributes words to a real source, but the source never said them, or said them differently, or in the opposite context. In the BBC study, a portion of the quotes attributed to real sources had been altered from the original. The name is right; the words are wrong.

## An example from the real world

These errors can look like a technical detail, until you collide with them in a real situation.

In 2023, a lawyer in New York prepared a legal brief for a federal court. He used an AI tool for his research, and it gave him six prior cases supporting his client's position, complete with names, numbers, and quotations. The cases looked entirely real. The trouble was that they did not exist. The model had invented them wholesale.

And here is the sharpest detail in the story: when doubt crept in, the lawyer asked the tool itself whether the cases were real. It assured him they were. That was a second lie on top of the first. The affair ended with a fine on the lawyer and his firm, and with a case now taught as a lesson in the dangers of blind trust in a confident answer.

You might say this was one careless user who failed to check. But even tools built specifically for this field are not immune. Stanford examined professional legal-research tools, some marketed explicitly as "hallucination-free." The result was that these tools fabricated information somewhere between one-seventh and one-third of the time. The promise was bigger than the reality.

The lesson here is simple: the higher the stakes, the greater the need to verify for yourself.

## How the engines differ in handling sources

Not every engine treats sources the same way. The table below summarizes, based on the studies cited, how each one presents its sources, where its documented weakness lies, and what that means for you in practice.

| Engine | How it shows sources | Where it's weak | What it means for you | |---|---|---|---| | ChatGPT (search) | Writes a summary and adds links beneath it | Attributed information to the wrong source in about two-thirds of cases, and rarely said it was unsure | Don't trust the attribution until you open the link | | Google (AI Overviews) | Shows a summary above the search results | Follows the search ranking itself, so it weakens when sources are few | Go back to the original source, not the summary | | Perplexity | Shows numbered sources beside the answer | In one case, attributed words to a source that never said them | A source number doesn't mean the words are actually in it | | Gemini | Writes a summary and cites its sources | Had the most source errors among the engines tested | Double-check it before relying on it | | Grok | Searches live and adds sources | Had the most citation errors among the engines tested | Currently the weakest on source accuracy |

The rule shared across every row is the same: the presence of a source does not mean it is correct. The numbered source, the blue link, the familiar site name — these are all surface signals. The only proof is to open the source and read it.

## How to verify for yourself

You don't need technical skill to verify. You need a simple habit made of four steps:

**Open the link before you believe it.** Don't settle for its existence. A source you don't open has no value.

**Compare the quote against the original.** If the answer attributes words to some party, look for those words in their source. Make sure they exist, and that they were said in their correct context.

**Prefer the primary source.** The official site, the original study, or the party the information belongs to is better than a site that reports it secondhand.

**Ask for sources explicitly.** When you query the AI, ask it to state its sources and their links. Then open them. Simply asking for sources makes the answer more open to inspection.

These steps take no more than minutes. But they are the difference between building your decision on information, or on the illusion of information.

## What this means for you as a business owner

So far we've spoken to you as a reader. But if you are a business owner or a brand, the matter has another side that concerns you directly.

If AI gets attribution wrong half the time, that means it can get the description of your company wrong too. It may attribute to you a service you don't offer, or a wrong price, or outdated information. Worse still, it may mention you confidently and incorrectly. Being mentioned wrongly can be worse than not being mentioned at all.

What to do? Make yourself a source that is easy for AI to cite accurately. That comes down to a few clear things:

**Visible, explicit information.** Write what you want said about you clearly on your site, in readable text, not hidden in an image or a file. Models read the visible text.

**Accurate, up-to-date data.** Your prices, services, numbers — keep them current. Old information on your site can come back to you in a wrong answer.

**A clear reference about yourself.** Make your site the first source for any information about you, in an easy-to-cite form: a question and answer, a table, or a direct definition.

And here is an honest note, because it is a common mistake in the marketing market: the structured data placed behind the scenes in a site's code (schema) is useful for other reasons, but on its own it does not buy you a citation from AI. A recent study showed that adding it did not raise the citation rate. What raises it is visible, trustworthy, inspectable content, and a reputation that makes your site worthy of trust. Don't spend your effort on technical tricks; spend it on genuinely being a source worth citing.

## In closing

So we return to the same point we started from. AI is a powerful tool, but it is not infallible. A confident answer is not necessarily a correct one. And a cited source is not necessarily a real one.

The difference between those who benefit from these tools and those they mislead is not in how smart the tool is, but in one simple habit: opening the source before believing it. Trust is built on verification, not on a good appearance.

## Sources - Liu, Zhang & Liang (2023). "Evaluating Verifiability in Generative Search Engines." ACL Findings (EMNLP 2023). https://aclanthology.org/2023.findings-emnlp.467/ - Tow Center for Digital Journalism / Columbia Journalism Review (2025). "AI Search Has a Citation Problem." https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php - BBC (2025). "AI chatbots unable to accurately summarise news." https://www.bbc.com/news/articles/c0m17d8827ko - European Broadcasting Union / BBC (2025). International news-accuracy study across 22 organizations and 14 languages. https://www.aljazeera.com/news/2025/10/22/ai-models-misrepresent-news-events-nearly-half-the-time-study-says - Magesh, Surani, Dahl, Suzgun, Manning & Ho, Stanford University (2025). "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools." Journal of Empirical Legal Studies. https://onlinelibrary.wiley.com/doi/full/10.1111/jels.12413 - Mata v. Avianca, Inc., S.D.N.Y. (2023). https://en.wikipedia.org/wiki/Mata_v._Avianca,_Inc. - Ahrefs (2026). Study on structured data (schema) and AI citation rates. https://ahrefs.com/blog/schema-ai-citations

الجواب يصلك مصقولا. لغته واثقة. وتحته أرقام ومصادر وروابط. كل شيء فيه يوحي بأنه محقق ومدقق. وهنا تكمن المشكلة: شكل الجواب يبدو موثوقا أكثر مما هو عليه فعلا.

الثقة شيء، والدقة شيء آخر. جواب مكتوب بثقة قد يكون خاطئا. ومصدر مذكور في الأسفل قد لا يقول ما نُسب إليه أصلا. بل قد يكون المصدر نفسه غير موجود.

## لماذا تبدو الأجوبة موثوقة أكثر مما هي

لماذا نثق بهذه الأجوبة بهذه السهولة؟ لأنها تحمل كل علامات الموثوقية الظاهرية. الصياغة سليمة. النبرة هادئة وواثقة. وهناك مصادر مرفقة نستطيع النقر عليها. كل هذا يعطي انطباعا بأن أحدا ما تحقق من المعلومة قبل أن تصل إلينا.

لكن أحدا لم يتحقق. النموذج لا يعرف الحقيقة. هو يركب الكلمات بطريقة تبدو مقنعة، ثم يضيف مصادر تبدو مناسبة. المصدر عنده ليس دائما دليلا على المعلومة، بل أحيانا مجرد زينة تكمل شكل الجواب.

دقق باحثون من جامعة ستانفورد في أجوبة أربعة من محركات الذكاء الاصطناعي، فوجدوا أن نصف الجمل تقريبا لم يسندها أي مصدر حقيقي. وحتى حين يُذكر مصدر، فإن نحو ربعه لم يكن يقول فعلا ما نُسب إليه. أي أن الجواب يبدو مدعوما بالمصادر، بينما نصفه بلا سند حقيقي.

الباحثون أنفسهم سموا هذا "قناع الموثوقية": مظهر خارجي يوحي بالثقة، دون أن يكون خلفه ما يبررها.

## ماذا تقول الأرقام

قد تظن أن هذه مشكلة قديمة عولجت مع تطور الأدوات. الأرقام الأحدث تقول غير ذلك.

في مطلع عام 2025، أجرى مركز "تاو" للصحافة الرقمية في جامعة كولومبيا اختبارا على ثمانية من محركات البحث بالذكاء الاصطناعي. طرح عليها مقاطع من مقالات حقيقية، وطلب منها أن تحدد مصدر كل مقطع. النتيجة: أخطأت المحركات في أكثر من ستين بالمئة من الحالات. بعضها أخطأ في تسعين بالمئة تقريبا.

والأهم من نسبة الخطأ هو سلوك المحركات عند الخطأ. فهي نادرا ما قالت "لا أعرف". بدل ذلك، أعطت جوابا واثقا وخاطئا. أحد المحركات أعطى نسبا خاطئة في أكثر من مئة وثلاثين حالة من أصل مئتين، ولم يبدِ أي شك إلا في عدد قليل منها.

وهناك مفارقة تستحق الانتباه: النسخ المدفوعة لم تكن أدق. بل كانت أكثر ثقة في أجوبتها الخاطئة من النسخ المجانية. أي أنك تدفع أكثر، فتحصل على نبرة أكثر حزما، لا على دقة أعلى.

ولا تقتصر المشكلة على اللغة الإنجليزية. في دراسة دولية قادتها هيئة الإذاعة البريطانية (BBC) واتحاد البث الأوروبي، شملت اثنتين وعشرين مؤسسة إعلامية وأربع عشرة لغة، ظهر أن نحو نصف الأجوبة فيها مشكلة جوهرية، وأن ثلثها تقريبا يحمل خطأ في المصدر أو في نسب المعلومة. المشكلة إذن عابرة للغات، وتخص القارئ العربي كما تخص غيره.

## أين ينكسر الاقتباس؟

*شكل: المسار من سؤالك إلى ثقتك بالجواب، والنقاط الثلاث التي ينكسر عندها الاقتباس.*

حين نقول إن المصدر "خاطئ"، فنحن لا نتحدث عن خطأ واحد، بل عن ثلاثة أنواع مختلفة. ومن المفيد أن تعرفها، لأنك ستراها بنفسك متى انتبهت لها.

**النوع الأول: مصدر مفقود.** الجواب يذكر معلومة، لكن لا يرفق بها أي مصدر يسندها. المعلومة قد تكون صحيحة أو خاطئة، لكنك لا تملك طريقة للتحقق. هي معلقة بلا سند.

**النوع الثاني: رابط ملفق.** الجواب يعطيك رابطا يبدو حقيقيا تماما، باسم موقع معروف وعنوان مقنع. لكنك حين تفتحه، تجد صفحة خطأ، أو صفحة لا علاقة لها بالموضوع. الرابط لم يكن موجودا أصلا؛ ركّبه النموذج ليكمل الشكل.

**النوع الثالث: اقتباس محرّف.** الجواب ينسب كلاما إلى مصدر حقيقي، لكن المصدر لم يقل هذا الكلام، أو قاله بصيغة مختلفة، أو في سياق معاكس. في الدراسة البريطانية، تبين أن جزءا من الاقتباسات المنسوبة إلى مصادر حقيقية كان محرفا عن أصله. الاسم صحيح، والكلام مغلوط.

## مثال من العالم الحقيقي

قد تبدو هذه الأخطاء تفصيلا تقنيا، حتى تصطدم بها في موقف حقيقي.

عام 2023، أعد محام في نيويورك مذكرة قانونية لمحكمة فدرالية. استعان في بحثه بأداة ذكاء اصطناعي، فأعطته ست قضايا سابقة تدعم موقف موكله، بأسماء وأرقام واقتباسات كاملة. بدت القضايا حقيقية تماما. المشكلة أنها لم تكن موجودة. اخترعها النموذج بالكامل.

والتفصيل الأخطر في القصة: حين ساوره الشك، سأل المحامي الأداة نفسها إن كانت القضايا حقيقية. فأكدت له أنها حقيقية. كانت تلك كذبة ثانية فوق الأولى. انتهى الأمر بغرامة على المحامي ومكتبه، وبقضية صارت مثالا يُدرّس عن مخاطر الثقة العمياء بجواب واثق.

قد تقول إن هذا خطأ فردي من مستخدم لم يتحقق. لكن حتى الأدوات المصممة خصيصا لهذا المجال ليست بمنأى عن المشكلة. فحصت جامعة ستانفورد أدوات بحث قانوني احترافية، بعضها يُسوّق صراحة على أنه "خال من الهلوسة" (أي لا يخترع معلومات). النتيجة أن هذه الأدوات كانت تختلق معلومات في ما بين سُبع وثُلث الحالات. الوعد كان أكبر من الواقع.

الدرس هنا بسيط: كلما ارتفعت المخاطر، ارتفعت الحاجة إلى التحقق بنفسك.

## كيف تختلف المحركات في التعامل مع المصادر

لا تتعامل كل المحركات مع المصادر بالطريقة نفسها. الجدول التالي يلخص، بحسب الدراسات المذكورة، كيف يعرض كل منها مصادره، وأين يكمن ضعفه، وماذا يعني ذلك لك عمليا.

| المحرك | كيف يعرض مصادره | أين يضعف | ماذا يعني لك | |---|---|---|---| | ChatGPT (بحث) | يكتب ملخصًا ويضيف روابط تحته | نسب المعلومات إلى مصادرها الخطأ في نحو ثلثي الحالات، ونادرًا ما قال إنه غير متأكد | لا تصدّق نسبة المعلومة لمصدرها قبل أن تفتح الرابط | | Google (نظرة عامة بالذكاء الاصطناعي) | يعرض ملخصًا أعلى نتائج البحث | يتبع ترتيب نتائج البحث نفسه، فيضعف حين تكون المصادر قليلة | ارجع إلى المصدر الأصلي، لا إلى الملخص | | Perplexity | يعرض مصادر مرقّمة بجانب الجواب | نسب في إحدى الحالات كلامًا إلى مصدر لم يقله فعلًا | وجود رقم المصدر لا يعني أن الكلام موجود فيه | | Gemini | يكتب ملخصًا مع ذكر مصادره | كان الأكثر خطأً في المصادر بين المحركات التي جرى اختبارها | تحقّق منه مرتين قبل الاعتماد عليه | | Grok | يبحث لحظيًا ويضيف المصادر | كان الأكثر خطأً في الاقتباس بين المحركات التي جرى اختبارها | هو الأضعف حاليًا في دقة المصادر |

القاعدة المشتركة بين كل الصفوف واحدة: وجود المصدر لا يعني صحته. المصدر المرقّم، أو الرابط الأزرق، أو اسم الموقع المعروف، كلها إشارات شكلية. الدليل الوحيد هو أن تفتح المصدر وتقرأه.

## كيف تتحقق بنفسك

لا تحتاج إلى خبرة تقنية لتتحقق. تحتاج إلى عادة بسيطة من أربع خطوات:

**افتح الرابط قبل أن تصدقه.** لا تكتفِ بوجوده. المصدر الذي لا تفتحه لا قيمة له.

**قارن الاقتباس بالأصل.** إن نسب الجواب كلاما إلى جهة ما، فابحث عن الكلام في مصدره. تأكد أنه موجود، وأنه قيل في سياقه الصحيح.

**فضّل المصدر الأول.** الموقع الرسمي، أو الدراسة الأصلية، أو الجهة صاحبة المعلومة، أفضل من موقع ينقل عنها.

**اطلب المصادر صراحة.** حين تسأل الذكاء الاصطناعي، اطلب منه أن يذكر مصادره وروابطها. ثم افتحها. مجرد طلبك للمصادر يجعل الجواب أكثر قابلية للفحص.

هذه الخطوات لا تستغرق دقائق. لكنها الفرق بين أن تبني قرارك على معلومة، أو على وهم معلومة.

## ماذا يعني هذا لك كصاحب عمل

إلى هنا تحدثنا إليك بصفتك قارئا. لكن إن كنت صاحب عمل أو علامة تجارية، فللمسألة وجه آخر يخصك مباشرة.

إن كان الذكاء الاصطناعي يخطئ في نسب المعلومات نصف الوقت، فهذا يعني أنه قد يخطئ في وصف شركتك أيضا. قد ينسب إليك خدمة لا تقدمها، أو سعرا خاطئا، أو معلومة قديمة. والأسوأ أن يذكرك بثقة وبشكل خاطئ. وأن يُذكر اسمك بمعلومة خاطئة أسوأ من ألا يُذكر إطلاقًا.

ما العمل؟ اجعل نفسك مصدرا يسهل على الذكاء الاصطناعي أن يقتبسه بدقة. وذلك يتحقق بأمور واضحة:

**معلومات ظاهرة وصريحة.** اكتب ما تريد أن يُقال عنك بوضوح على موقعك، في نص مقروء، لا مخفيا في صورة أو ملف. النماذج تقرأ النص الظاهر.

**بيانات دقيقة وحديثة.** أسعارك، خدماتك، أرقامك، حدّثها. المعلومة القديمة على موقعك قد تعود إليك في جواب خاطئ.

**مرجع واضح عن نفسك.** اجعل موقعك المصدر الأول لأي معلومة عنك، بصيغة سهلة الاقتباس: سؤال وجواب، جدول، أو تعريف مباشر.

وهنا ملاحظة أمينة، لأنها شائعة الخطأ في سوق التسويق: البيانات المنظمة التي توضع خلف الكواليس في شيفرة الموقع (schema) مفيدة لأسباب أخرى، لكنها وحدها لا تشتري لك اقتباسا من الذكاء الاصطناعي. أظهرت دراسة حديثة أن إضافتها لم ترفع نسبة الاقتباس. ما يرفعها هو محتوى ظاهر وموثوق وقابل للفحص، وسمعة تجعل موقعك جديرا بالثقة. لا تنفق جهدك على الحيل التقنية، بل على أن تكون فعلا مصدرا يستحق الاقتباس.

## في الختام

عدنا إذن إلى النقطة نفسها التي بدأنا منها. الذكاء الاصطناعي أداة قوية، لكنها ليست معصومة. الجواب الواثق ليس بالضرورة جوابا صحيحا. والمصدر المذكور ليس بالضرورة مصدرا حقيقيا.

الفرق بين من يستفيد من هذه الأدوات ومن تخدعه ليس في ذكاء الأداة، بل في عادة بسيطة: أن نفتح المصدر قبل أن نصدقه. فالثقة تُبنى على التحقق، لا على حسن الظاهر.

## المصادر - Liu, Zhang & Liang (2023). "Evaluating Verifiability in Generative Search Engines." ACL Findings (EMNLP 2023) — نصف الجمل تقريبا مدعوم بالكامل (51.5%)، و74.5% فقط من الاقتباسات تدعم فعلا جملتها، عبر أربعة محركات. https://aclanthology.org/2023.findings-emnlp.467/ - مركز تاو للصحافة الرقمية في جامعة كولومبيا (2025). "AI Search Has a Citation Problem." — ثمانية محركات أخطأت أكثر من 60% من الوقت، وأحدها أخطأ في 134 من أصل 200 حالة ونادرا ما اعترف بالشك، والنسخ المدفوعة كانت أكثر ثقة في أجوبتها الخاطئة. https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php - BBC (2025). "AI chatbots unable to accurately summarise news." — 51% من الأجوبة فيها مشكلة جوهرية، و13% من الاقتباسات محرفة أو غير موجودة. https://www.bbc.com/news/articles/c0m17d8827ko - اتحاد البث الأوروبي وBBC (2025). دراسة دولية شملت 22 مؤسسة إعلامية و14 لغة — 45% من الأجوبة فيها مشكلة جوهرية، و31% خطأ في المصدر، وGemini الأعلى بمشكلات المصادر. https://www.aljazeera.com/news/2025/10/22/ai-models-misrepresent-news-events-nearly-half-the-time-study-says - Magesh, Surani, Dahl, Suzgun, Manning & Ho، جامعة ستانفورد (2025). "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools." Journal of Empirical Legal Studies — أدوات مسوّقة كـ"خالية من الهلوسة" هلوست في 17% إلى 33% من الحالات. https://onlinelibrary.wiley.com/doi/full/10.1111/jels.12413 - Mata v. Avianca, Inc.، محكمة نيويورك الفدرالية (2023) — محامٍ استند إلى ست قضايا ملفقة من ChatGPT، وغُرّم 5,000 دولار بعد أن أكدت له الأداة زورا أنها حقيقية. https://en.wikipedia.org/wiki/Mata_v._Avianca,_Inc. - Ahrefs (2026). دراسة حول البيانات المنظمة (schema) والاقتباس بالذكاء الاصطناعي — إضافة السكيما لم ترفع نسبة الاقتباس؛ ما يرفعها المحتوى الظاهر الموثوق. https://ahrefs.com/blog/schema-ai-citations

But the story was never that simple. In a landmark 2015 study in *Science*, researchers examined the behaviour of 10.1 million Facebook users. Yes, algorithmic ranking reduced the cross-cutting news people saw by roughly 15%. The surprise was that people's own choices — what they actually clicked — narrowed their exposure even more than the algorithm did. In other words, the bubble was never the machine's work alone. We were partners in building it.

That was the anxiety for a full decade. Then AI changed the shape of the problem entirely.

Search once handed you a list. Ask about a topic and you'd get a government page, a news article, an academic view, a forum thread, several competing interpretations. The ranking was never neutral — but the alternatives stayed visible, and you were the one choosing between them.

Ask an AI system today — ChatGPT, Google, Perplexity, Claude, or Grok — and something fundamentally different happens. The system doesn't just rank your sources; it reads them, decides which ones deserve to appear, reconciles their contradictions, and hands you a single polished answer. You are no longer choosing among sources. You receive the result of choices already made on your behalf.

That shift deserves its own name. This is no longer a *filter* bubble hiding some of the doors from you; it is an *answer* bubble that walks through the doors for you and returns with one conclusion.

## Is AI the cure, or a thicker wall?

At first glance, AI looks more like the remedy than the disease. It doesn't depend on your friends' posts, or on a feed engineered to keep you scrolling. In theory, it can read thousands of pages you'd never open, and draft a balanced answer in seconds. Many recent models are, in fact, designed to present more than one viewpoint and to flag where experts disagree.

But reality is more complicated. A system reading diverse sources is not the same as a system showing you diverse perspectives. When thirty pages become four paragraphs, something decided which disagreements survive the compression and which opinions fall away. The decision is no longer yours; it happens inside the box.

And this is where the real problem begins — with two faces. One concerns our behaviour; the other concerns our trust in the answer.

## The first face: we stopped clicking

The clearest evidence for this shift isn't an opinion — it's a measurement of real behaviour. In a 2025 study by the Pew Research Center, researchers tracked the browsing of more than 900 people. When an AI summary appeared at the top of the page, users clicked a traditional link just 8% of the time, versus 15% when no summary appeared. As for the links *inside* the summary itself, they were clicked in only 1% of visits.

That last number is the most consequential. It means the answer has become the final destination, not the starting point. The user reads the summary, settles for it, and leaves — no longer seeing the competing headlines, the contradictory evidence, or the minority view that once sat on a page of search results.

In fairness, Google disputes this reading. The company has said that the total volume of clicks it sends to websites has stayed "relatively stable" year over year, and that click quality has risen. But it has not published data to prove this, whereas Pew measures actual behaviour rather than a claim. A fair reader places both figures side by side, rather than substituting one for the other.

## The second face: is a polished answer a correct one?

The trouble is that this confident answer isn't always sufficiently supported. In a peer-reviewed 2023 study, researchers audited four generative search engines and found that only 51.5% of the generated sentences were fully backed by their citations, and only 74.5% of the citations actually supported the sentence attached to them.

Put differently: a source sitting beneath a sentence doesn't mean the source says what the sentence says. This is a new kind of risk. A wrong link in old-style search was one option among dozens; a wrong sentence inside a coherent summary borrows the authority of the entire answer, and reads like the final word.

## How the five systems differ

It's a mistake to treat these tools as one thing. How each system searches, and how it surfaces its sources, differs in ways that directly affect whether an "answer bubble" forms. The table below summarizes each system's documented behaviour:

| System | How it searches and summarizes | How it surfaces sources | Bubble-relevant note | |---|---|---|---| | **ChatGPT Search** | May rewrite your question into several targeted searches before summarizing | In-line citations plus a side sources panel | You may never see the searches the answer was built from | | **Google (AI Overviews / AI Mode)** | Summarizes inside the results page; AI Mode splits a question into many sub-queries | Prominent links and sources accompany the answer | May search more broadly than you would, but the summary can satisfy you before you open a source | | **Perplexity** | Searches the live web and composes a direct answer with multi-step search | Citations and links are a core interface feature | Visible citations aid verification, but reduce the need to browse | | **Claude** | Web search across multiple sources; a research mode runs iterative searches | Attaches citations and links, and encourages checking them | Widens the angles, yet the final prose is still one mediated synthesis | | **Grok** | Can search public X posts and the web in real time | May expose the sources behind an answer | Adds social freshness, but imports platform dynamics into the answer |

So the important question isn't "does the system cite its sources?" but: how many independent sources did it read? How many viewpoints did it show? Which did it exclude? And does it make verification easier — or make it feel unnecessary?

## When an information problem becomes an economic one

Until now, we've been talking about individuals. But the deeper effect touches whoever produces the information in the first place.

The open web runs on a simple equation: someone pays to produce content, and in return receives visitors, subscribers, and advertising. If the answer reaches the user without a visit to the site, that equation breaks.

Cloudflare's 2025 figures show the scale of the imbalance. Some AI systems pull thousands of pages from websites for every single visitor they send back — a ratio nothing like traditional search, which returns a visitor for every handful of pages crawled. The system takes a great deal, and returns very little.

Here a troubling loop appears: AI reduces the need to visit the source, so publishers' revenue weakens, so small and independent sources disappear, so the system comes to rely on fewer large sources. With each turn, the circle of voices from which tomorrow's answers are built grows narrower. This is what some researchers call the risk of a "monoculture" — consuming one machine's integrated account instead of choosing among many independent voices.

## But none of this is inevitable

Before surrendering to the dark version, something is worth remembering.

The "monoculture" risk deserves watching — it is not a proven fact. Different systems still retrieve different sources, and give varying answers to the very same question.

The habit of tying algorithms to radicalization also needs scrutiny. In a 2025 *PNAS* study, researchers ran four experiments on nearly nine thousand participants, feeding them deliberately slanted recommendations on a YouTube-like platform. The result? It changed what they watched, but produced no clear, consistent short-term shift in their political attitudes. The researchers themselves cautioned that they can't rule out long-term effects, or effects on particular vulnerable groups. But the message is clear: exposure does not automatically become conviction.

The tool, then, is as capable of widening our horizon as of narrowing it. The difference, in the end, is not in the tool, but in how we use it.

## What this means for businesses and brands

Here the story turns very practical.

Digital competition once revolved around one question: how do I appear on the first page of search results? Today a more important question has been added: how do I become the source the AI quotes when it builds its answer?

Appearing in the list is no longer enough, because many users won't reach the list at all. What reaches them is the summary. And whoever wants to be present in that summary must invest in something the machine cannot fabricate: original, well-documented, accurate content — built on real experience and clear data — and a digital reputation that makes the brand a reference worth trusting.

This is precisely the essence of Generative Engine Optimization (GEO). A company that treats content as a cost to be trimmed will gradually vanish from the picture the machine paints. A company that builds genuine authority in its field becomes the source the systems return to when asked. The value has moved from "being found" to "being trusted."

## In the end: whose bubble is it?

Perhaps the important question isn't "will AI create new information bubbles?" but "will we use it to discover what we don't know, or to confirm what we already believe?"

Algorithms, however intelligent, cannot substitute for human curiosity. If we stop searching, stop hearing the other view, stop questioning ready-made answers — then the bubble won't be technology's doing alone. It will be a choice we made.

The old filter bubble asked: are algorithms hiding part of the internet from us? The AI-era question is more unsettling still: what happens when we stop seeing the internet at all — and see only what a machine tells us it found?

## Sources - Pew Research Center (2025). "Google users are less likely to click on links when an AI summary appears in the results." https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ - Liu, Zhang & Liang (2023). "Evaluating Verifiability in Generative Search Engines." ACL Findings (EMNLP 2023). https://aclanthology.org/2023.findings-emnlp.467/ - Cloudflare (2025). "The crawl before the fall of referrals." https://blog.cloudflare.com/ai-search-crawl-refer-ratio-on-radar/ - Liu et al., PNAS (2025). "Short-term exposure to filter-bubble recommendation systems has limited polarization effects." https://www.pnas.org/doi/10.1073/pnas.2318127122 - Google / Liz Reid (2025). "AI in Search is driving more queries and higher quality clicks." https://blog.google/products-and-platforms/products/search/ai-search-driving-more-queries-higher-quality-clicks/ - Bakshy, Messing & Adamic, Science (2015). "Exposure to Ideologically Diverse News and Opinion on Facebook." https://www.science.org/doi/10.1126/science.aaa1160

لكن القصة لم تكن يومًا بهذه البساطة. ففي دراسة واسعة نشرتها مجلة Science عام 2015، فحص الباحثون سلوك 10.1 مليون مستخدم على فيسبوك. صحيحٌ أن ترتيب الخوارزمية قلّل من ظهور الأخبار المخالفة لتوجّه المستخدم بنحو 15%، لكن المفاجأة أن اختيارات الناس أنفسهم — أي ما قرّروا النقر عليه — كان أثرها في التضييق أكبر من أثر الخوارزمية. بمعنى آخر: الفقاعة لم تكن صناعة الآلة وحدها؛ كنّا شركاء في صنعها.

كان هذا هو القلق طوال عقد كامل. لكن الذكاء الاصطناعي جاء ليغيّر شكل المشكلة من أساسها.

في السابق، كان محرك البحث يعطيك قائمة. تسأل عن موضوع، فتظهر أمامك صفحة حكومية، ومقال صحفي، ورأي جامعي، ونقاش في منتدى، وعدة تفسيرات متنافسة. لم يكن الترتيب محايدًا يومًا، لكن الخيارات بقيت مرئية، وكنت أنت من يختار بينها.

أما اليوم، فحين تسأل أداة ذكاء اصطناعي — مثل ChatGPT أو Google أو Perplexity أو Claude أو Grok — يحدث شيء مختلف تمامًا. النظام لا يرتّب لك المصادر وحسب؛ بل يقرؤها، ويختار أيّها يستحق الظهور، ويوفّق بين تناقضاتها، ثم يقدّم لك إجابة واحدة مصقولة. أنت لم تعد تختار بين المصادر، بل تتلقّى نتيجة اختيارات اتُّخذت نيابة عنك.

هذا التحوّل يستحق اسمًا خاصًا. لم نعد أمام "فقاعة فلترة" تُخفي عنك بعض الأبواب؛ صرنا أمام "فقاعة جواب" (Answer Bubble) تدخل من الأبواب بدلًا عنك، وتعود إليك بخلاصة واحدة.

## هل الذكاء الاصطناعي هو الحل، أم جدارٌ أكثر سماكة؟

للوهلة الأولى، يبدو أن الذكاء الاصطناعي قد يكون الدواء لا الداء. فهو لا يعتمد على منشورات أصدقائك، ولا على خوارزمية تُغذّيك بما يُبقيك متصلًا. إنه، نظريًا، قادر على قراءة آلاف الصفحات التي لن تفتحها أنت أبدًا، وصياغة إجابة متوازنة خلال ثوانٍ. وكثير من النماذج الحديثة صُمّمت فعلًا لتعرض أكثر من وجهة نظر، وتنبّه إلى وجود خلاف بين الخبراء.

لكن الواقع أكثر تعقيدًا. فأن يقرأ النظام مصادر متنوعة، لا يعني بالضرورة أنه عرض عليك وجهات نظر متنوعة. إذا تحوّلت ثلاثون صفحة إلى أربع فقرات، فهناك من قرّر أيّ خلافٍ ينجو من عملية الاختصار، وأيّ رأيٍ يسقط في الطريق. القرار لم يَعُد بيدك؛ صار داخل الصندوق.

وهنا تبدأ المشكلة الحقيقية، ولها وجهان: وجهٌ يخصّ سلوكنا نحن، ووجهٌ يخصّ ثقتنا بالجواب.

## الوجه الأول: توقّفنا عن النقر

أوضح دليل على هذا التحوّل ليس رأيًا، بل قياسٌ لسلوك حقيقي. ففي دراسة لمركز Pew Research عام 2025، تتبّع الباحثون تصفّح أكثر من 900 شخص. وحين كان يظهر ملخّص من الذكاء الاصطناعي أعلى الصفحة، كان المستخدم ينقر على رابط تقليدي في 8% من الحالات فقط، مقابل 15% حين لا يظهر أي ملخّص. أما الروابط الموجودة داخل الملخّص نفسه، فلم يكن يُنقر عليها إلا في 1% من الزيارات.

الرقم الأخير هو الأخطر. فهو يعني أن الجواب صار هو المحطة الأخيرة، لا نقطة البداية. المستخدم يقرأ الخلاصة، ويكتفي بها، ويغادر. لم يعد يرى العناوين المتنافسة، ولا الأدلة المتناقضة، ولا رأي الأقلّية الذي كان يظهر يومًا في صفحة نتائج البحث.

من الإنصاف أن نذكر أن Google لا توافق على هذه القراءة. فقد ردّت الشركة بأن إجمالي النقرات المنتقلة من البحث إلى المواقع بقي "مستقرًا تقريبًا" مقارنةً بالعام السابق، وأن جودة النقرات ارتفعت. غير أنها لم تنشر بياناتٍ تُثبت ذلك، بينما تعتمد دراسة Pew على قياس سلوكٍ فعليّ لا على تصريح. والقارئ المنصف يضع الرقمين جنبًا إلى جنب، ولا يستبدل أحدهما بالآخر.

## الوجه الثاني: هل الجواب المصقول جوابٌ صحيح؟

المشكلة أن هذا الجواب الواثق ليس دائمًا مدعومًا بما يكفي. ففي دراسة محكّمة نشرها باحثون عام 2023، فحصوا أربعة من محرّكات البحث التوليدية، فوجدوا أن 51.5% فقط من الجُمَل المُولّدة كانت مدعومة بالكامل بمصادرها، وأن 74.5% فقط من الاقتباسات تدعم فعلًا الجملة المرتبطة بها.

بمعنى آخر: وجود مصدرٍ أسفل الجملة لا يعني أن المصدر يقول ما تقوله الجملة. وهذا خطرٌ من نوعٍ جديد. فالرابط الخاطئ في البحث القديم كان مجرد خيار واحد بين عشرات؛ أما الجملة الخاطئة داخل ملخّص متماسك، فتستعير هيبة الإجابة كلها، وتبدو وكأنها الحقيقة النهائية.

## كيف تختلف الأنظمة الخمسة؟

من الخطأ أن نتعامل مع هذه الأدوات كأنها شيء واحد. فطريقة بحث كل نظام، وطريقة عرضه للمصادر، تختلف اختلافًا يؤثّر مباشرةً في احتمال نشوء "فقاعة جواب". والجدول التالي يلخّص السلوك المُوثّق لكل نظام:

| النظام | كيف يبحث ويلخّص | كيف يعرض المصادر | ملاحظة تخصّ الفقاعة | |---|---|---|---| | **ChatGPT Search** | قد يعيد صياغة سؤالك إلى عدة عمليات بحث مستهدفة قبل أن يلخّص | اقتباسات ضمن النص ولوحة مصادر جانبية | قد لا ترى عمليات البحث التي بُني عليها الجواب | | **Google (AI Overviews / AI Mode)** | يلخّص داخل صفحة البحث؛ وAI Mode يجزّئ السؤال إلى أسئلة فرعية متعددة | روابط ومصادر بارزة مرافقة للجواب | قد يبحث أوسع منك، لكن الخلاصة قد تُغنيك عن فتح المصادر | | **Perplexity** | يبحث في الويب الحيّ ويصوغ جوابًا مباشرًا مع بحثٍ متعدّد | الاقتباسات والروابط عنصر أساسي في الواجهة | ظهور الاقتباس يسهّل التحقّق، لكنه يقلّل الحاجة للتصفّح | | **Claude** | بحث ويب يعالج عدة مصادر، ووضعٌ بحثيّ يجري عمليات متتابعة | يرفق اقتباسات وروابط ويشجّع على مراجعتها | يوسّع الزوايا، لكن الخلاصة تبقى تلخيصًا وسيطًا | | **Grok** | يمكنه البحث في منشورات X العامة والويب في الوقت الحقيقي | قد يعرض المصادر الداعمة للجواب | يضيف طزاجةً اجتماعية، لكنه يُدخل ديناميكيات المنصّات إلى الجواب |

السؤال المهم إذًا ليس "هل يذكر النظام مصادره؟"، بل: كم مصدرًا مستقلًّا قرأ؟ وكم وجهة نظر عرض؟ وأيّ المصادر استبعد؟ وهل يجعل التحقّق أسهل، أم يجعله يبدو غير ضروري؟

## حين تتحول المشكلة من معلومات إلى اقتصاد

إلى هنا، كان الحديث عن الأفراد. لكن الأثر الأعمق يمسّ من يصنع المعلومة أصلًا.

الإنترنت المفتوح يقوم على معادلة بسيطة: أحدهم يدفع كي يُنتج المحتوى، ويحصل في المقابل على زوّار، ومشتركين، وإعلانات. فإذا وصلت الإجابة إلى المستخدم دون أن يزور الموقع، انكسرت هذه المعادلة.

وأرقام شركة Cloudflare لعام 2025 تُظهر حجم الخلل. فبعض أنظمة الذكاء الاصطناعي تسحب آلاف الصفحات من المواقع مقابل كل زائرٍ واحد تعيده إليها — نسبةٌ لا تُقارَن بمحرّك البحث التقليدي الذي يعيد زائرًا مقابل كل بضع صفحات. النظام يأخذ الكثير، ويعيد القليل.

وهنا تظهر حلقة مقلقة: الذكاء الاصطناعي يقلّل الحاجة لزيارة المصدر، فتضعف موارد الناشرين، فتختفي المصادر الصغيرة والمستقلة، فيصبح النظام معتمدًا على عددٍ أقل من المصادر الكبيرة. ومع كل دورة، تضيق دائرة الأصوات التي تُبنى منها إجابات الغد. هذا ما يسمّيه بعض الباحثين خطر "الثقافة الأحادية" (Monoculture): أن نستهلك رواية آلة واحدة، بدلًا من أن نختار بين أصوات مستقلة متعددة.

## لكن الأمر ليس حتميًّا

قبل أن نستسلم للرواية القاتمة، ثمة ما يستحق التذكّر.

خطر "الثقافة الأحادية" جديرٌ بالمراقبة، لا حقيقةٌ مثبتة. فالأنظمة المختلفة ما زالت تسحب مصادر مختلفة، وتعطي إجاباتٍ متفاوتة للسؤال نفسه.

كما أن المبالغة في ربط الخوارزميات بالتطرّف تحتاج إلى تدقيق. ففي دراسة نشرتها مجلة PNAS عام 2025، أجرى الباحثون أربع تجارب على نحو تسعة آلاف مشارك، وقدّموا لهم توصياتٍ منحازة عمدًا على منصّة تشبه يوتيوب. النتيجة؟ تغيّر ما يشاهدونه فعلًا، لكن لم يظهر أثرٌ واضح ومتّسق في مواقفهم السياسية على المدى القصير. الباحثون أنفسهم نبّهوا إلى أنهم لا يستطيعون استبعاد آثار المدى الطويل، أو الآثار على فئاتٍ هشّة بعينها. لكن الرسالة واضحة: التعرّض لا يتحوّل تلقائيًّا إلى قناعة.

الأداة، إذًا، قادرة على توسيع أفقنا بقدر ما هي قادرة على تضييقه. والفرق، في النهاية، ليس في الأداة، بل في طريقة استخدامها.

## ماذا يعني هذا لأصحاب الأعمال والعلامات التجارية؟

هنا تصبح القصة عمليةً جدًا.

في السابق، كانت المنافسة الرقمية تدور حول سؤال واحد: كيف أظهر في الصفحة الأولى من نتائج البحث؟ أما اليوم، فقد أُضيف سؤالٌ أهم: كيف أصبح المصدر الذي يقتبس منه الذكاء الاصطناعي حين يبني إجابته؟

الظهور في القائمة لم يعُد كافيًا، لأن كثيرًا من المستخدمين لن يصلوا إلى القائمة أصلًا. ما يصلهم هو الخلاصة. ومن يريد أن يكون حاضرًا في تلك الخلاصة، عليه أن يستثمر في شيءٍ لا تستطيع الآلة تلفيقه: محتوى أصلي، وموثّق، ودقيق، مبنيّ على خبرة حقيقية وبيانات واضحة، وعلى سمعة رقمية تجعل العلامة مرجعًا يمكن الاعتماد عليه.

هذا بالضبط جوهر ما يُعرف بتحسين الظهور في محرّكات التوليد (GEO). فالشركة التي تعامل المحتوى على أنه كلفة تُختصر، ستغيب تدريجيًا عن المشهد الذي تصنعه الآلة. أما الشركة التي تبني سلطةً معرفية حقيقية في مجالها، فستتحول إلى المصدر الذي تعود إليه الأنظمة حين تُسأل. القيمة انتقلت من "أن تُوجَد" إلى "أن يُوثَق بك".

## في النهاية: فقاعةٌ من صنع من؟

ربما لا يكون السؤال المهم هو: "هل سيصنع الذكاء الاصطناعي فقاعات معلومات جديدة؟" بل: "هل سنستخدمه لاكتشاف ما لا نعرفه، أم لتأكيد ما نؤمن به أصلًا؟"

فالخوارزميات، مهما بلغت من الذكاء، لا تستطيع أن تعوّض فضول الإنسان. وإذا توقّفنا عن البحث، وعن سماع الرأي الآخر، وعن التشكيك في الإجابات الجاهزة، فلن تكون الفقاعة من صنع التكنولوجيا وحدها، بل ستكون خيارًا نحن صنعناه.

الفقاعة القديمة كانت تسألنا: هل تُخفي الخوارزمياتُ بعضَ الإنترنت عنّا؟ أما سؤال عصر الذكاء الاصطناعي فأكثر إثارةً للقلق: ماذا يحدث حين نتوقف عن رؤية الإنترنت أصلًا، ولا نرى إلا ما تقول لنا الآلة إنها وجدته؟

## المصادر - Pew Research Center (2025). "Google users are less likely to click on links when an AI summary appears in the results" — النقر يهبط من 15% إلى 8%، و1% فقط ينقرون على المصدر داخل الملخّص (عيّنة 900 شخص). https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ - Liu, Zhang & Liang (2023). "Evaluating Verifiability in Generative Search Engines." ACL Findings (EMNLP 2023) — 51.5% من الجُمَل مدعومة بالكامل، 74.5% من الاقتباسات تدعم جملتها. https://aclanthology.org/2023.findings-emnlp.467/ - Cloudflare (2025). "The crawl before the fall of referrals" — فجوة الزحف مقابل الإحالة لدى أنظمة الذكاء الاصطناعي مقارنةً بالبحث التقليدي. https://blog.cloudflare.com/ai-search-crawl-refer-ratio-on-radar/ - Liu et al., PNAS (2025). "Short-term exposure to filter-bubble recommendation systems has limited polarization effects" — نحو 9000 مشارك، أثر محدود على المواقف السياسية قصيرة المدى. https://www.pnas.org/doi/10.1073/pnas.2318127122 - Google / Liz Reid (2025). "AI in Search is driving more queries and higher quality clicks" — الرأي المقابل: النقرات "مستقرة تقريبًا". https://blog.google/products-and-platforms/products/search/ai-search-driving-more-queries-higher-quality-clicks/ - Bakshy, Messing & Adamic, Science (2015). "Exposure to Ideologically Diverse News and Opinion on Facebook" — 10.1 مليون مستخدم؛ اختيار المستخدم أثّر في التضييق أكثر من الخوارزمية. https://www.science.org/doi/10.1126/science.aaa1160

## What Does SEO Actually Optimize For?

Search Engine Optimization gets a page to rank high enough on Google that a human clicks it. It rewards technical health — page speed, mobile rendering, clean URLs — keywords that match what people type, and links from other sites that signal trust. The finish line is a click: someone leaves the results page and lands on yours.

For Arabic specifically, this has always meant one extra step most guides skip: the keyword a Gulf reader types is often not the keyword an Egyptian or Levantine reader types for the exact same need. "Fractional CMO," for instance, gets rendered, searched, and abbreviated differently across the three markets. SEO that ignores this simply ranks for the wrong question in two out of three countries.

## So What Is GEO, Exactly?

Generative Engine Optimization gets a page cited or summarized inside an AI-generated answer — in ChatGPT, Perplexity, Google's AI Overviews, or Gemini — often without the reader clicking through at all. The unit of success is not a click. It is a mention: does the model quote your number, name your framework, or credit your site as the source.

Aggarwal et al. tested this directly in "GEO: Generative Engine Optimization," presented at ACM KDD 2024, running roughly 10,000 queries through generative search systems. The effect was specific and measurable: adding a direct quotation to a passage raised its odds of being cited by about 41 percent, adding a concrete statistic raised it by about 32 percent, and simply naming a source raised it by about 30 percent — all without changing the page's Google ranking at all. Ranking and citation, in other words, are already two separate games, and this is the first study that put numbers on the gap.

## Why Does Arabic Content Feel This Shift Harder?

Because AI engines answer Arabic questions from a shallower pool of well-structured Arabic sources than English ones, so one well-built Arabic page can end up cited disproportionately often — and one missing structure can shut a whole site out of the answer entirely.

Most Arabic business content online is still dense paragraphs with no real headings, written in a tone that reads as translated rather than authored. An AI engine scanning that page has nowhere to grab a clean answer from, so it moves to the next source — which, in a thin field, might be a single competitor. McKinsey's 2025 State of AI report found that about 88 percent of companies already use AI in some form, but only 6 percent report a measurable profit from it. The same gap shows up in content: plenty of Arabic pages are visible to AI crawlers; very few are written so those crawlers can actually quote them.

## Do You Have to Choose Between SEO and GEO?

No — and Google says so directly. In its own guidance, "Optimizing for generative AI features" (Google Search Central, 15 May 2026), Google states plainly that its AI features — AI Overviews and AI Mode — run on the same core ranking and quality systems as ordinary Search. There is no separate "GEO algorithm" to game; "GEO" and "AEO" are, in Google's own words, just new names attached to the same discipline. Google also confirmed its spam policies now apply to AI-generated answers: gaming AI visibility carries the same risk gaming rankings always did.

That same guidance names what does not help: stuffing content into an `llms.txt` file (Google says it ignores these for its AI features), chopping a page into small fragments for AI, rewriting content purely to catch keyword variants, or chasing artificial "mentions." What does help, in Google's own words, is unique, non-commodity, first-hand expert content; clear technical structure and real headings; being indexed and eligible for snippets in the first place; and quality images and video. Every item on that list is exactly what this piece describes below — none of it is a trick.

One caveat worth being precise about: Google ignoring `llms.txt` does not make the file useless everywhere. As the engine breakdown further down shows, Perplexity's live web search does draw on exactly this kind of machine-readable summary. The honest position is that `llms.txt` helps some engines and not Google specifically — treat it as one tool among several, not a universal key.

## What Actually Makes an Arabic Page Citable?

This is the part most Arabic content still gets wrong, and it comes down to four habits.

**Open every section with the answer.** Put the direct answer to the heading's question in the first two sentences under it, in plain Arabic. An AI engine reads the top of a section far more heavily than the bottom — bury the answer under three paragraphs of throat-clearing and the model moves on before it finds it.

**Write one passage per section that stands on its own.** Somewhere in each major section, include a short passage — one claim, one concrete fact, one named source — that would still make complete sense if it were the only sentence quoted out of context. That is, by design, exactly how an AI engine uses it.

**Name things plainly.** Say the concept, the market, and the year in full rather than relying on pronouns and vague references across sentences. A model resolving "it," "that," and "this approach" across three paragraphs is a model more likely to misattribute the claim, or skip it.

**Anchor every number to a source and a year.** A statistic with no citation is decoration; a model has no way to trust it and no reason to quote it.

When I set up ysadaki.com for this shift, I did not start with an SEO tool. I started with two plain text files: a `robots.txt` that explicitly allows GPTBot, ClaudeBot, and PerplexityBot rather than silently blocking them by default, and an `llms.txt` that summarizes the site in the plain, direct language these engines read fastest — useful groundwork for Perplexity specifically, given Google's own confirmation that it does not read `llms.txt` for its AI features. Most Arabic business sites have neither file configured with AI crawlers in mind at all.

## A Concrete Example: Ranked but Never Quoted

Take an illustrative example, not a real case. An Arabic article titled "دليل التسويق الرقمي للشركات" ranks respectably on Google — decent backlinks, acceptable speed, the right keyword in the title. Its opening paragraph reads: "في عالم الأعمال اليوم، أصبح التسويق الرقمي ضرورة لا غنى عنها لكل شركة تسعى للنمو والتوسع في السوق." Three lines later it finally says something specific. An AI engine scanning that page has nothing to grab in the first two sentences — no number, no name, no year — so it skips to the next result.

Rewritten for citability, that same opening could instead become: "About 88 percent of companies already use AI in some form, but only 6 percent report a measurable profit from it — a gap McKinsey's 2025 State of AI report ties directly to how the tools get used, not whether they get bought." Two sentences, one statistic, one named source, one year. That paragraph can be lifted whole into an AI answer and still make complete sense on its own. The underlying expertise did not change between the two versions — only whether the page was written to be extracted.

## How Do Different AI Engines Choose Their Sources?

They do not choose the same way, which is why chasing one engine at a time is a losing strategy. A 2026 citation analysis by Leapd, covering roughly 680 million citations, found that the domains ChatGPT and Perplexity cite for the same query overlap by only about 11 percent. Optimizing for one engine's habits does very little for the other three.

**Perplexity** runs a live web search on every single query, so freshness carries real weight: one 2026 analysis found roughly 82 percent of Perplexity's cited pages had been updated within the previous 30 days, and pages with a visible year — "2026" in the title or a heading — were cited about 30 percent more often. Perplexity also cites densely, often pulling from 16 to 22 sources per answer, so it rewards breadth of well-structured competitors more than a single dominant page.

**ChatGPT** leans heavily on what it already learned in training and searches the live web only when it decides the question needs it. Its citations track less with any single page's structure and more with how often a brand or name is mentioned across the wider web — press coverage, other sites' references, consistent use of the same name and framework. A page-level tweak moves ChatGPT little; a consistent public presence moves it more.

**Google's AI Overviews and AI Mode** run on the same ranking index as ordinary Search, so the classic SEO fundamentals feed them directly. But the pages they cite are not always the top three organic results — extractable structure still decides which well-ranked page actually gets quoted inside the summary.

**Claude** is the most conservative of the four: it favors sources that read as reputable and well-structured — established publications, clearly authored expert content, institutional sources — over newer or thinner pages, regardless of how recently they were updated.

The practical conclusion is not to write four different articles. It is to write one that clears the strictest bar on every dimension at once: fresh, year-anchored, well-structured, sourced, and backed by a real, checkable brand presence. That satisfies all four engines simultaneously — anything narrower satisfies only one.

## How Do You Know If GEO Is Actually Working?

There is no single dashboard yet that hands you this number the way Google Search Console hands you rankings. The practical check is closer to fieldwork: ask the AI engines your own target questions on a regular cadence and note whether your name, your framework, or your numbers come back in the answer. Pair that with your analytics — a growing slice of referral traffic now arrives from AI platforms directly, and that segment is worth watching on its own, separately from organic search.

## The Recency Problem

A citable article is not a permanent asset the way a well-aged, high-authority backlink profile can be. AI citations to a specific page drop sharply once that page passes roughly three months without an update, and the effect is sharpest on Perplexity, which — as the engine breakdown above shows — already leans hardest on freshness for every query. A cornerstone piece that sits untouched for a year will keep ranking reasonably well on Google, where authority accumulates slowly and decays slowly. It will quietly stop getting cited by the AI engines around it.

The fix is not a rewrite. It is a quarterly pass: update the year reference in the title and body, refresh or replace the oldest statistic, add one paragraph reflecting whatever changed in the topic since the last update. For Arabic content this maintenance pays off more than it does in English, precisely because the pool of well-structured Arabic competitors is still shallow — a page that stays current holds its citation position against thin, abandoned competitors for far longer than the same page would in a crowded English category.

## Where Should an Existing Arabic Site Start?

Four moves, in order. First, audit existing articles for flat, headingless prose and rebuild the structure — real H2s, phrased as the questions readers actually ask, not just topic labels. Second, confirm `robots.txt` and `llms.txt` are not silently blocking the crawlers this depends on. Third, build one cornerstone piece per topic and link the related articles into it, so an AI engine encountering any one page can trace the rest of the argument — the same cluster structure this site's own [digital transformation guide](/digital-transformation-strategy) is built around. Fourth, put every cornerstone piece on a quarterly refresh calendar — a fixed date to update the year, refresh the oldest statistic, and add one new paragraph, per the recency problem above.

None of this replaces the SEO work already underway. It sits on top of it, and it rewards exactly the kind of specific, sourced, first-hand writing that is hardest for a competitor to copy — which is the whole point. If you are trying to work out where your own content stands on this, [that is precisely the diagnostic we run in the practice](/practice).

## Sources - Google Search Central (2026). "Optimizing for generative AI features," 15 May 2026. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide - Aggarwal, P. et al. (2024). "GEO: Generative Engine Optimization." Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024). - Leapd (2026). Citation analysis of approximately 680 million AI citations — domain overlap between ChatGPT and Perplexity. - Independent 2026 analyses of Perplexity citation behavior — content-freshness and year-in-title effects. - McKinsey & Company (2025). "The State of AI." https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

## ما الذي يحسّنه SEO فعلاً؟

تحسين محركات البحث يرفع ترتيب الصفحة في جوجل حتى يضغط عليها إنسان. يكافئ السلامة التقنية — سرعة التحميل، عرضاً سليماً على الجوال، روابط نظيفة — بالإضافة إلى كلماتٍ مفتاحيةٍ تطابق ما يكتبه الناس، وروابط من مواقع أخرى تدلّ على الثقة. والخط النهائي هنا هو الضغطة: أن يغادر أحدهم صفحة النتائج ليصل إلى صفحتك.

وفي المحتوى العربي تحديداً، هناك خطوةٌ إضافيةٌ يتجاهلها كثيرٌ من الأدلة: الكلمة التي يكتبها قارئٌ خليجي غالباً ليست الكلمة التي يكتبها قارئٌ مصري أو شامي للحاجة نفسها تماماً. مصطلح "قائد التسويق الجزئي" مثلاً يُكتب ويُختصر بطرقٍ مختلفة في الأسواق الثلاثة. وتحسينٌ يتجاهل هذا الفرق يرتّب المقالة لسؤالٍ خطأ في بلدين من ثلاثة.

## ما هو GEO بالضبط؟

تحسين المحركات التوليدية (GEO) يجعل الصفحة تُقتبَس أو تُلخَّص داخل جوابٍ يكتبه الذكاء الاصطناعي — في ChatGPT، أو Perplexity، أو ملخّصات جوجل التوليدية، أو Gemini — غالباً دون أن يضغط القارئ على أي رابط. مقياس النجاح هنا ليس الضغطة، بل الذِّكر: هل يقتبس النموذج رقمك، أم يسمّي إطارك، أم ينسب المصدر إلى موقعك.

اختبر Aggarwal وزملاؤه هذا مباشرةً في ورقة "GEO: Generative Engine Optimization" التي عُرضت في مؤتمر ACM KDD عام 2024، عبر نحو 10,000 استعلامٍ مرّ على أنظمة بحثٍ توليدية. وكان الأثر محدداً وقابلاً للقياس: إضافة اقتباسٍ مباشر إلى فقرةٍ رفعت احتمال اقتباسها بنحو 41%، وإضافة إحصائيةٍ ملموسة رفعته بنحو 32%، ومجرّد تسمية المصدر رفعته بنحو 30% — كل ذلك دون أي تغييرٍ في ترتيب الصفحة على جوجل. الترتيب والاقتباس، بعبارةٍ أخرى، لعبتان منفصلتان بالفعل، وهذه أول دراسةٍ تضع أرقاماً على تلك الفجوة.

## لماذا يشعر المحتوى العربي بهذا التحوّل أكثر؟

لأن محركات الذكاء الاصطناعي تجيب عن الأسئلة العربية من مجموعةٍ أضيق من المصادر العربية المنظَّمة جيداً مقارنةً بالإنكليزية، فصفحةٌ عربيةٌ واحدة مبنيّةٌ جيداً قد تُقتبَس بمعدلٍ أعلى بكثيرٍ من حجمها الطبيعي — وصفحةٌ واحدة تفتقر إلى البنية قد تُقصي موقعاً كاملاً عن الجواب.

معظم المحتوى العربي التجاري على الإنترنت اليوم ما زال فقراتٍ كثيفةً بلا عناوين حقيقية، بنبرةٍ تُقرأ وكأنها مترجمة لا مكتوبة. ومحرك الذكاء الاصطناعي الذي يمسح تلك الصفحة لا يجد مكاناً يلتقط منه جواباً نظيفاً، فينتقل إلى المصدر التالي — وفي حقلٍ ضعيف، قد يكون ذلك المصدر التالي منافساً واحداً لا غير. وجد تقرير McKinsey لحالة الذكاء الاصطناعي عام 2025 أن نحو 88% من الشركات تستخدم الذكاء الاصطناعي اليوم بشكلٍ ما، لكن 6% فقط منها تُبلّغ عن ربحٍ حقيقيٍّ منه. والفجوة نفسها تتكرر في المحتوى: صفحاتٌ عربيةٌ كثيرة مرئيةٌ لزواحف الذكاء الاصطناعي، لكن قلةً منها مكتوبةٌ بطريقةٍ تسمح لتلك الزواحف بأن تقتبسها فعلاً.

## هل عليك أن تختار بين SEO وGEO؟

لا — وجوجل تقول ذلك صراحةً. ففي دليلها الرسمي "تحسين المحتوى لميزات الذكاء الاصطناعي التوليدي" (Google Search Central، 15 مايو 2026)، تنصّ جوجل بوضوح على أن ميزاتها القائمة على الذكاء الاصطناعي — AI Overviews وAI Mode — تعمل على أنظمة الترتيب والجودة الأساسية نفسها المستخدَمة في البحث العادي. لا توجد "خوارزمية GEO" منفصلة يمكن التلاعب بها؛ فـ"GEO" و"AEO"، بتعبير جوجل نفسها، مجرد اسمين جديدين للتخصص نفسه. وأكّدت جوجل أيضاً أن سياساتها لمكافحة البريد المزعج تنطبق الآن على أجوبة الذكاء الاصطناعي: التلاعب بالظهور في إجابات الذكاء الاصطناعي يحمل المخاطر نفسها التي كان يحملها التلاعب بالترتيب دائماً.

ويسمّي الدليل نفسه ما لا يفيد: حشو المحتوى في ملف `llms.txt` (تقول جوجل إنها تتجاهله في ميزاتها القائمة على الذكاء الاصطناعي)، أو تقطيع الصفحة إلى أجزاءٍ صغيرة من أجل الذكاء الاصطناعي، أو إعادة كتابة المحتوى فقط لالتقاط صيغ كلماتٍ مفتاحيةٍ مختلفة، أو ملاحقة "إشاراتٍ" مصطنعة. أما ما يفيد فعلاً، بتعبير جوجل نفسها، فهو المحتوى الفريد غير النمطي المكتوب بخبرةٍ شخصيةٍ حقيقية، والبنية التقنية الواضحة والعناوين الحقيقية، وأن تكون الصفحة مفهرَسةً ومؤهَّلةً للظهور في المقتطفات أصلاً، والصور والفيديوهات عالية الجودة. وكل بندٍ في هذه القائمة هو بالضبط ما يصفه هذا المقال فيما يلي — لا شيء منه حيلة.

ملاحظةٌ تستحق الدقة: كون جوجل تتجاهل `llms.txt` لا يعني أن الملف عديم الفائدة في كل مكان. فكما يوضح تفصيل المحركات أدناه، بحث Perplexity الحي على الإنترنت يعتمد فعلاً على هذا النوع من الملخّصات المقروءة آلياً. الموقف الصادق هو: `llms.txt` يفيد بعض المحركات لا جوجل تحديداً — عامله كأداةٍ واحدةٍ من عدة أدوات، لا مفتاحاً شاملاً.

## ما الذي يجعل الصفحة العربية قابلةً للاقتباس فعلاً؟

هذا هو الجزء الذي ما زال معظم المحتوى العربي يخطئه، ويتلخّص في أربع عادات.

**ابدأ كل قسمٍ بالجواب.** ضع الجواب المباشر على سؤال العنوان في أول جملتين تحته، بعربيةٍ واضحة. محرك الذكاء الاصطناعي يقرأ أعلى القسم باهتمامٍ أكبر بكثيرٍ من أسفله — وإن دفنت الجواب تحت ثلاث فقراتٍ من التمهيد، انتقل النموذج قبل أن يصل إليه.

**اكتب فقرةً واحدةً في كل قسمٍ تقف بمفردها.** ضمّن في كل قسمٍ رئيسي فقرةً قصيرة — ادّعاءٌ واحد، وحقيقةٌ ملموسة، ومصدرٌ مسمّى — تظل مفهومةً تماماً لو كانت الجملة الوحيدة المقتبسة خارج سياقها. وهذا، بالتصميم، هو بالضبط كيف يستخدمها محرك الذكاء الاصطناعي.

**سمِّ الأشياء بوضوح.** اذكر المفهوم والسوق والسنة كاملةً بدل الاعتماد على ضمائرَ وإشاراتٍ غامضةٍ عبر الجمل. فنموذجٌ يحاول أن يفهم إلى ماذا تعود "هذه" أو "ذلك" عبر ثلاث فقرات هو نموذجٌ أقرب لأن ينسب الادّعاء خطأً، أو يتجاوزه كليّاً.

**اربط كل رقمٍ بمصدرٍ وسنة.** الرقم بلا مصدرٍ مجرّد زينة؛ لا يملك النموذج طريقةً ليثق به ولا سبباً ليقتبسه.

حين جهّزت موقع ysadaki.com لهذه المرحلة، لم أبدأ بأداة SEO. بدأت بملفّين نصّيين بسيطين: `robots.txt` يسمح صراحةً لزواحف GPTBot وClaudeBot وPerplexityBot بدل أن يحجبها ضمنياً كما يفعل الإعداد الافتراضي، و`llms.txt` يلخّص الموقع بلغةٍ مباشرةٍ تقرأها هذه المحركات بأسرع ما يمكن — وهو أساسٌ مفيدٌ لـ Perplexity تحديداً، بما أن جوجل أكّدت أنها لا تقرأ `llms.txt` ضمن ميزاتها القائمة على الذكاء الاصطناعي. ومعظم المواقع العربية التجارية لا تملك أياً من الملفّين مضبوطاً مع وضع زواحف الذكاء الاصطناعي في الحسبان أصلاً.

## مثالٌ ملموس: مرتَّبةٌ لكنها لا تُقتبَس أبداً

خذ مثالاً توضيحياً، لا حالةً حقيقية. مقالةٌ عربية بعنوان "دليل التسويق الرقمي للشركات" مرتَّبةٌ بشكلٍ محترمٍ في جوجل — روابط خلفية مقبولة، سرعة جيدة، الكلمة المفتاحية الصحيحة في العنوان. تبدأ فقرتها الأولى بـ: "في عالم الأعمال اليوم، أصبح التسويق الرقمي ضرورة لا غنى عنها لكل شركة تسعى للنمو والتوسع في السوق." وبعد ثلاثة أسطرٍ فقط تقول شيئاً محدداً. ومحرك الذكاء الاصطناعي الذي يمسح هذه الصفحة لا يجد ما يلتقطه في أول جملتين — لا رقم، ولا اسم، ولا سنة — فينتقل إلى النتيجة التالية.

وحين تُعاد كتابة الافتتاحية نفسها لتكون قابلةً للاقتباس، يمكن أن تصبح: "يستخدم نحو 88% من الشركات الذكاء الاصطناعي اليوم بشكلٍ ما، لكن 6% فقط منها تُبلّغ عن ربحٍ حقيقيٍّ منه — فجوةٌ يربطها تقرير McKinsey لحالة الذكاء الاصطناعي عام 2025 مباشرةً بطريقة استخدام الأدوات، لا بمجرد اقتنائها." جملتان، إحصائيةٌ واحدة، مصدرٌ مسمّى، وسنةٌ واحدة. هذه الفقرة يمكن انتزاعها كاملةً داخل جواب ذكاءٍ اصطناعي وتظل مفهومةً تماماً بمفردها. الخبرة الكامنة خلف النسختين لم تتغيّر؛ ما تغيّر هو فقط ما إذا كانت الصفحة مكتوبةً لتُستخرَج أم لا.

## كيف تختار محركات الذكاء الاصطناعي المختلفة مصادرها؟

لا تختارها بالطريقة نفسها، ولهذا فإن ملاحقة محركٍ واحدٍ فقط استراتيجيةٌ خاسرة. وجد تحليل استشهاداتٍ أجرته شركة Leapd عام 2026، شمل نحو 680 مليون استشهاد، أن النطاقات التي يقتبس منها ChatGPT وPerplexity للاستعلام نفسه تتقاطع بنسبة 11% فقط تقريباً. فتحسين المحتوى لعادات محركٍ واحد لا يفيد المحركات الثلاثة الأخرى كثيراً.

**Perplexity** يُجري بحثاً حياً على الإنترنت مع كل استعلام، فالحداثة هنا وزنٌ حقيقي: وجد تحليلٌ عام 2026 أن نحو 82% من الصفحات التي يقتبسها Perplexity كانت قد حُدِّثت خلال الثلاثين يوماً السابقة، وأن الصفحات التي تحمل سنةً ظاهرة — "2026" في العنوان أو أحد العناوين الفرعية — اقتُبِست بمعدلٍ أعلى بنحو 30%. كما يقتبس Perplexity من مصادر كثيرة دفعةً واحدة، غالباً بين 16 و22 مصدراً في الجواب الواحد، فهو يكافئ تعدد المنافسين المنظَّمين جيداً أكثر مما يكافئ صفحةً مهيمنةً واحدة.

**ChatGPT** يعتمد بشكلٍ كبير على ما تعلّمه أثناء التدريب، ولا يبحث في الإنترنت الحي إلا حين يقرر أن السؤال يحتاج ذلك. واستشهاداته ترتبط بدرجةٍ أقل ببنية صفحةٍ واحدة، وبدرجةٍ أكبر بمدى تكرار ذكر العلامة أو الاسم عبر الإنترنت الأوسع — تغطية إعلامية، إشاراتٌ من مواقع أخرى، استخدامٌ متسقٌ للاسم والإطار نفسه. تعديلٌ على مستوى صفحةٍ واحدة يحرّك ChatGPT قليلاً؛ حضورٌ عامٌّ متّسقٌ يحرّكه أكثر.

**ملخّصات جوجل التوليدية (AI Overviews) ووضع AI Mode** تعمل على مؤشّر الترتيب نفسه المستخدَم في البحث العادي، فأساسيات SEO الكلاسيكية تغذّيها مباشرة. لكن الصفحات التي تقتبسها ليست دائماً النتائج العضوية الثلاث الأولى — البنية القابلة للاستخراج ما زالت تقرر أيّ صفحةٍ مرتّبةٍ جيداً تُقتبَس فعلاً داخل الملخّص.

**Claude** الأكثر تحفّظاً بين الأربعة: يفضّل مصادر تبدو موثوقةً ومنظَّمة — منشورات معروفة، محتوى خبيرٍ موقَّعٍ بوضوح، مصادر مؤسسية — على صفحاتٍ أحدث أو أضعف بنيةً، بغضّ النظر عن حداثة تحديثها.

والخلاصة العملية ليست أن تكتب أربع مقالاتٍ مختلفة، بل أن تكتب واحدةً تجتاز أعلى سقفٍ في كل بُعدٍ في آنٍ واحد: حديثة، مُؤرَّخة بالسنة، منظَّمة جيداً، مسندة إلى مصادر، ومدعومة بحضورٍ حقيقيٍّ للعلامة يمكن التحقّق منه. هذا يُرضي المحركات الأربعة معاً؛ أي شيءٍ أضيق من ذلك يُرضي واحداً فقط.

## كيف تعرف أن GEO يعمل فعلاً؟

لا توجد بعد لوحة تحكّمٍ واحدة تمنحك هذا الرقم كما تمنحك Google Search Console ترتيبك. التحقّق العملي أقرب إلى عملٍ ميداني: اسأل محركات الذكاء الاصطناعي أسئلة موضوعك المستهدفة بوتيرةٍ منتظمة، ولاحظ هل يعود اسمك أو إطارك أو أرقامك في الجواب. اقرن ذلك بتحليلاتك: شريحةٌ متنامية من الزيارات المُحالة تصل الآن مباشرةً من منصّات الذكاء الاصطناعي، وتستحق أن تُراقَب بمفردها، منفصلةً عن البحث العضوي.

## مشكلة الحداثة

المقالة القابلة للاقتباس ليست أصلاً دائماً بالطريقة التي يكون بها ملف روابط خلفية قويّ ومتقادم. فاستشهادات الذكاء الاصطناعي بصفحةٍ معينة تنخفض بشكلٍ حاد بمجرد أن تتجاوز تلك الصفحة نحو ثلاثة أشهرٍ دون تحديث، والأثر أوضح ما يكون على Perplexity، الذي — كما أظهر تفصيل المحركات أعلاه — يعتمد أصلاً على الحداثة أكثر من غيره في كل استعلام. المقالة المحورية التي بقيت بلا لمسٍ لسنةٍ كاملة ستستمر بترتيبٍ معقولٍ في جوجل، حيث تتراكم السلطة ببطءٍ وتتلاشى ببطء. لكنها ستتوقف بهدوءٍ عن الظهور في اقتباسات محركات الذكاء الاصطناعي المحيطة بها.

والحل ليس إعادة كتابةٍ كاملة، بل مراجعةٌ فصلية: حدّث الإشارة إلى السنة في العنوان والنص، وجدّد أو استبدل أقدم إحصائيةٍ فيه، وأضف فقرةً واحدة تعكس ما تغيّر في الموضوع منذ آخر تحديث. وهذه الصيانة تُجدي في المحتوى العربي أكثر مما تُجدي بالإنكليزية، تحديداً لأن مجموعة المنافسين العرب المنظَّمين جيداً ما زالت ضحلة — فصفحةٌ تبقى محدَّثة تحافظ على موقعها في الاقتباس أمام منافسين ضعاف البنية ومهجورين لفترةٍ أطول بكثيرٍ مما قد تفعله الصفحة نفسها في فئةٍ إنكليزية مزدحمة.

## من أين يبدأ موقعٌ عربيٌّ قائمٌ بالفعل؟

أربع خطواتٍ بالترتيب. أولاً: دقّق المقالات القائمة بحثاً عن نثرٍ مسطّحٍ بلا عناوين، وأعد بناء بنيتها — عناوين H2 حقيقية، مصاغة كأسئلةٍ يطرحها القرّاء فعلاً، لا مجرّد تسمياتٍ للموضوع. ثانياً: تأكّد أن `robots.txt` و`llms.txt` لا يحجبان ضمنياً الزواحف التي يقوم عليها كل هذا. ثالثاً: ابنِ مقالةً محوريةً واحدةً لكل موضوعٍ واربط المقالات المرتبطة بها، بحيث يستطيع محرك الذكاء الاصطناعي، حين يصادف أيّ صفحةٍ واحدة، أن يتتبّع بقية الحجّة — نفس بنية العناقيد التي يقوم عليها [الدليل المرجعي في التحول الرقمي](/digital-transformation-strategy) على هذا الموقع. رابعاً: ضع كل مقالةٍ محورية على تقويم مراجعةٍ فصلي — موعدٌ ثابتٌ لتحديث السنة، وتجديد أقدم إحصائية، وإضافة فقرةٍ جديدة، تبعاً لمشكلة الحداثة أعلاه.

لا شيء من هذا يُلغي عمل SEO الجاري أصلاً. هو يُبنى فوقه، ويكافئ بالضبط ذلك النوع من الكتابة المحدّدة والمسندة والمُختبَرة شخصياً التي يصعب على منافسٍ أن ينسخها — وهذه هي الفكرة كلها. وإن كنت تحاول أن تعرف أين يقف محتواك من هذا التحوّل، [فهذا بالضبط التشخيص الذي نُجريه في الاستشارة](/ar/practice).

## المصادر - Google Search Central (2026). "Optimizing for generative AI features," 15 مايو 2026. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide - Aggarwal, P. وآخرون (2024). "GEO: Generative Engine Optimization." أعمال مؤتمر ACM SIGKDD الثلاثين لاكتشاف المعرفة والتنقيب عن البيانات (KDD 2024). - Leapd (2026). تحليل استشهاداتٍ شمل نحو 680 مليون استشهاد — تقاطع النطاقات بين ChatGPT وPerplexity. - تحليلاتٌ مستقلة لعام 2026 لسلوك الاستشهاد في Perplexity — أثر حداثة المحتوى وظهور السنة في العنوان. - McKinsey & Company (2025). "The State of AI." https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

That is the part worth understanding. A fractional CMO is not a discounted CMO; it is a different structure entirely. You are buying senior judgement in the specific proportion your company needs it, rather than paying to keep that judgement idle on a payroll. The price, then, is a function of scope, not seniority alone.

### What drives the price? Four variables move the number, and they move it more than anything else. The first is experience: an operator who has run marketing through several full cycles — build, scale, correction — is priced differently from a generalist, and the gap widens at the senior end. The second is scope: setting strategy one day a week is a different engagement from owning demand generation, the martech stack, and a team. The third is hours: most retainers are sized to a number of days per month, and the retainer scales with them. The fourth is market: rates in competitive North American markets sit above the global median, and specialists in a hard vertical price for the scarcity of what they know. When you see a quote at the top of the range, it usually means three or four of these are stacked; a quote at the bottom usually means the engagement is genuinely light.

### Retainer, hourly, or project? Three billing structures dominate, and each suits a different problem. A monthly retainer is the default for ongoing leadership — it buys continuity, a standing seat in the room, and the compounding that only comes from someone who stays. Hourly billing suits advisory work with a clear ceiling: a diagnostic, a board preparation, a second opinion on a plan already in motion. Project billing fits a defined build with a start and an end — a launch, a rebrand, a CRM implementation — where the deliverable, not the calendar, defines the boundary. Most engagements that last begin as one of these and migrate toward a retainer once the value is proven.

### How does it compare to a full-time CMO? This is where the arithmetic becomes decisive. Industry compensation benchmarks place a full-time chief marketing officer in a competitive market at a total cost of roughly $250,000 to $400,000 and up, once base, bonus, equity, and benefits are counted. Measured against that baseline, [side-by-side cost analyses](https://www.averi.ai/blog/fractional-cmo-vs-full-time-cmo-cost-analysis-the-complete-2025-guide) put a fractional arrangement at 40 to 70 percent less for comparable seniority, because you pay only for the proportion of that role you actually use. For a company that needs the judgement of a CMO but not the standing overhead of one — most companies below a certain scale — the fractional structure is not a compromise on quality. It is a more honest match between what senior marketing leadership costs and how much of it a given business genuinely consumes.

### What should you pay? The right number is the one that matches the depth of the mandate, and it is easiest to reason about in three levels. At the lightest level — call it guidance — you are buying strategic direction and a steady hand on the plan: a modest monthly commitment for clarity, priorities, and course correction. In the middle — leadership — you are handing over operational ownership of the marketing function, its systems, and its cadence, which sits toward the centre of the range. At the deepest level — full transformation — you are commissioning a rebuild: the CRM, the AI adoption, the growth architecture, and the team to run it, which sits at the upper end and is priced accordingly. The tiers I run on the fractional page map to exactly this logic, and the ranges above are the honest brackets around each.

If you are weighing which level your company actually needs — and what it should cost against the outcome you are after — that is precisely the conversation the [fractional leadership engagements](/fractional) are built for.

وهنا بيت القصيد: قائد التسويق الجزئي ليس نسخةً مخفَّضةً من قائد التسويق التقليديّ، بل صيغةٌ مختلفةٌ في جوهرها. فأنت تشتري خبرةً قياديّةً بالقدر الذي تحتاجه شركتك فعلاً، بدلاً من أن تدفع راتباً كاملاً لتُبقي تلك الخبرة رهن الانتظار. ولذلك يظلّ السعر انعكاساً للنطاق قبل أن يكون انعكاساً للأقدميّة وحدها.

### ما الذي يرفع السعر أو يخفضه؟ أربعة عوامل تُحرّك الرقم أكثر من سواها. أوّلها الخبرة؛ فمن قاد التسويق عبر دوراتٍ كاملةٍ من البناء والتوسّع والتصحيح يُسعَّر على نحوٍ يختلف عن صاحب الخبرة العامّة، وتتّسع الفجوة كلّما ارتفعنا في سلّم الأقدميّة. وثانيها النطاق؛ فوضع الخطّة يوماً واحداً في الأسبوع شيء، وتولّي توليد الطلب وإدارة منظومة أدوات التسويق وقيادة فريقٍ كامل شيءٌ آخر. وثالثها عدد الأيّام؛ إذ تُبنى معظم الاشتراكات على أيّامٍ محدّدةٍ في الشهر، فيرتفع الاشتراك كلّما زادت. ورابعها السوق؛ فالأسعار في الأسواق الأمريكيّة الشماليّة التنافسيّة تفوق المتوسّط العالميّ، والمتخصّص في قطاعٍ دقيقٍ يُسعّر مقابل ندرة ما يُتقنه. فإن رأيت عرضاً في أعلى المدى، فذلك في الغالب لأنّ ثلاثةً من هذه العوامل أو أربعةً قد اجتمعت؛ وإن رأيته في أدناه، فالأرجح أنّ العمل خفيفٌ بالفعل.

### اشتراكٌ شهريّ، أم أجرٌ بالساعة، أم عقد مشروع؟ تسود ثلاث صيغٍ للتعاقد، ولكلٍّ منها موضعها. الاشتراك الشهريّ هو الخيار الأمثل للقيادة المستمرّة؛ فهو يمنحك الاستمراريّة، وحضوراً دائماً على طاولة القرار، وذلك الأثر المتراكم الذي لا يصنعه إلّا من يبقى معك طويلاً. والأجر بالساعة يناسب العمل الاستشاريّ المحدود السقف: تشخيصٌ سريع، أو تحضيرٌ لاجتماع مجلس إدارة، أو رأيٌ ثانٍ في خطّةٍ ماضيةٍ بالفعل. أمّا التعاقد على مشروعٍ فيلائم مهمّةً لها بدايةٌ ونهايةٌ واضحتان — إطلاق منتجٍ، أو إعادة بناء علامةٍ تجاريّة، أو تركيب نظام إدارة علاقات العملاء — حيث يرسم المُنتَج النهائيّ حدود العمل لا الرزنامة. وكثيراً ما تبدأ العلاقات الطويلة بإحدى هاتين الصيغتين ثمّ تتحوّل إلى اشتراكٍ شهريّ بعد أن تُثبت جدواها.

### كيف يُقارن بقائد تسويقٍ بدوامٍ كامل؟ هنا يحسم الحساب الأمر. تضع مراجع الرواتب كلفة قائد تسويقٍ رئيسٍ بدوامٍ كاملٍ في سوقٍ تنافسيّة عند نحو 250,000 إلى 400,000 دولار وأكثر إجمالاً، بعد احتساب الراتب الأساسيّ والمكافآت والأسهم والمزايا. وبالمقارنة، تُظهر [تحليلات المقارنة بين الصيغتين](https://www.averi.ai/blog/fractional-cmo-vs-full-time-cmo-cost-analysis-the-complete-2025-guide) أنّ الترتيب الجزئيّ يوفّر ما بين 40 و70 بالمئة مقابل خبرةٍ قياديّةٍ مكافئة، لأنّك لا تدفع إلّا مقابل الجزء الذي تستعمله من ذلك الدور فعلاً. فالشركة التي تحتاج حصافة قائد التسويق دون عبئه الثابت — وهي حال أغلب الشركات دون حجمٍ معيّن — تجد في الصيغة الجزئيّة لا تنازلاً عن الجودة، بل مواءمةً أصدق بين ما تكلّفه القيادة التسويقيّة الناضجة وما يستهلكه منها عملٌ بعينه.

### كم ينبغي أن تدفع أنت؟ الرقم الصحيح هو ما يوازي عمق التكليف، وأيسر سبيلٍ لتقديره أن تنظر إليه في ثلاث درجات. في الدرجة الأخفّ — ولنسمّها التوجيه — تشتري بوصلةً استراتيجيّةً ويداً ثابتةً على الخطّة: التزامٌ شهريٌّ متواضعٌ مقابل الوضوح وترتيب الأولويّات وتصحيح المسار. وفي الدرجة الوسطى — القيادة — تُسلّم المسؤوليّة التشغيليّة لوظيفة التسويق بأنظمتها وإيقاعها، وهي تقع قرب منتصف المدى. وفي الدرجة الأعمق — التحوّل الكامل — تُكلّف بإعادة بناءٍ شاملة: نظام إدارة علاقات العملاء، وتبنّي الذكاء الاصطناعيّ، وهندسة النموّ، والفريق الذي يُدير ذلك كلّه، وهي تقع في أعلى المدى وتُسعَّر تبعاً لذلك. والباقات التي أعتمدها في صفحة القيادة الجزئيّة مبنيّةٌ على هذا المنطق بعينه، والمديات المذكورة أعلاه هي الأقواس الصادقة حول كلٍّ منها.

فإن كنت تحاول أن تُحدّد الدرجة التي تحتاجها شركتك حقّاً — وما ينبغي أن تكلّفه مقابل النتيجة التي تنشدها — فتلك تحديداً هي المحادثة التي وُجدت من أجلها [مشاريع القيادة الجزئيّة](/ar/fractional).

This is the administrative bottleneck (Managerial Bottleneck): a point in the decision structure where incoming transactions exceed the decision-maker's capacity to absorb them, so the entire institution slows because everything must pass through a single neck. It is not bad luck. It is the direct result of a design choice — and design choices can be reversed.

> **Key Takeaways** > - The administrative bottleneck is an organizational design choice, not a cultural fate — and it is correctable. > - The manager is the highest point of leverage in any institution: Gallup (2015) found managers account for at least 70% of the variance in employee engagement. > - The root is behavioral before it is structural: leaders who delegate multiply their teams' capacity; those who hoard decisions suffocate it. > - The way out runs on three simultaneous tracks: law that widens delegation, a culture that redefines managerial success, and digitization that makes decentralization safe.

## When the Manager Becomes the Single Point of Failure

When every transaction passes through one desk, the manager stops being a leader and becomes a choke valve. Andrew Grove, who ran Intel at its height, built his management philosophy on a simple truth: a manager's time is the scarcest resource in the organization. Spend it on details others could handle, and he turns into a single point of failure — the institution stalls the moment he steps away.

You can diagnose the bottleneck by three unmistakable signs:

- Decisions freeze while minor operational details wait for approval. - There is no formal delegation of authority at all. - Business continuity depends on the presence of one particular person.

The stakes are higher than they look. In 2015, Gallup's *State of the American Manager* report found that managers account for at least 70% of the variance in employee engagement scores across business units. The number lays the truth bare: the managerial seat is the highest point of leverage in any institution — and the most dangerous when it hardens into a bottleneck.

## Why We Resist Delegation: A Behavioral Root Before a Structural One

Before the bottleneck is a problem in the structure, it is a problem in the manager's head. Douglas McGregor drew the line between a manager who assumes employees dodge responsibility and cannot be trusted with a decision — and therefore polices every move — and one who assumes the opposite and grants room to act. The first assumption builds an institution paralyzed by absent trust.

Liz Wiseman put her finger on the real cost of that pattern: a leader who believes he alone can get things done diminishes his team's intelligence and wastes it, while a leader who trusts and delegates multiplies his institution's capacity. The irony is that many managers think they are protecting the institution when they are quietly draining it.

> *"The leader who hoards the decision does not protect his institution — he sets a ceiling on its growth with his own hand."*

Centralization is a two-way street. When employees grow used to the manager solving everything, they hand their decisions — their "monkeys" — back to him, and he drowns in their details while they wait, motionless. The cure is to teach each person to carry his own monkey. At a deeper level, there is a difference between authority drawn from office and documented procedure and authority drawn from the person; many of our institutions wear the form of the first and are run by the logic of the second.

## A Double Centralization: What Makes the Syrian Case Distinct

In Syrian institutions — commercial and governmental alike — the bottleneck is doubled because it rests on two layers. The first is structural and legal: regulations that confine signing and disbursement authority to the top of the pyramid and place the entire burden of any initiative outside the text on the employee alone. The second is behavioral and cultural: a refusal to delegate even within what the regulations permit, and a view of the capable deputy as a threat to one's position rather than a guarantee for the institution.

That second layer is what the management literature calls Founder's Syndrome: a leader who refuses to give up centralization and, in doing so, sets a ceiling on what he built. The result is that institutional knowledge stays trapped in individual memory instead of becoming documented, transferable knowledge — and when the individual leaves, the institution leaves with him.

## From the Individual to the System: Engineering Succession

An institution escapes its captivity to individuals by turning delegation from a personal favor into a deliberate system. Grove called this "managerial leverage": moving the manager from doing the work himself to raising the yield of his hour by building processes that do not need his constant presence. The executive tool for this is succession planning, and it rests on four sequential steps:

- Define the key positions independently of the people currently holding them. - Evaluate promising individuals by leadership readiness, not seniority or loyalty. - Build learning paths and graduated delegation under supervision. - Adopt systems that document processes and transfer knowledge.

The framework is completed by a simple principle called management by exception: delegate routine decisions within clear, pre-defined standard limits, and confine senior-management intervention to the deviations alone. The manager gets his time back; the team gets its professional dignity back.

## Digitization Makes Decentralization Safe

Digital transformation is not a technical luxury; it is the most realistic entry point for dismantling the bottleneck — not because it replaces the manager's will, but because it lowers the cost and risk of delegation until the structural pretexts for centralization collapse. Once distributing a decision becomes documented and safe, holding on to centralization loses its last justification.

Four digital levers make the difference:

- **Workflow automation** distributes decisions through a role-based authority matrix instead of routing every transaction to one office; the electronic signature ends the physical monopoly of pen and stamp. - **Audit trails** address the root of the employee's fear: every delegated decision is documented with its context, timing, and rationale, so accountability becomes a procedure that protects the diligent before it calls the negligent to account. - **Dashboards** move the manager from disabling prior control to subsequent oversight without losing visibility — management by exception in practice. - **Knowledge-management systems** turn individual expertise into an institutional asset that does not leave when its owner does.

Digitization does not promise to abolish centralization, but it makes decentralization the least costly and safest option — and that alone is enough to flip the equation.

## Conclusion: Exceptional Systems, Not Exceptional People

W. Edwards Deming, the spiritual father of Total Quality Management, distills the whole matter into a single line:

> *"A bad system will beat a good person every time."* — [W. Edwards Deming](https://deming.org/a-bad-system-will-beat-a-good-person-every-time/)

The overwhelming majority of performance problems come from the system, not from individuals. The bottleneck, then, is not a cultural fate but a design choice, correctable on three simultaneous levels:

- **Legally:** by widening the scope of delegation and protecting the diligent employee in law. - **Behaviorally:** by redefining a manager's success as his institution's ability to function in his absence. - **Technically:** through a digital transformation that makes distributing the decision possible, safe, and auditable.

Enduring institutions are built on exceptional systems, not exceptional people. If building that system is your institution's next challenge, that is exactly [what we work on in the practice](/practice).

## References

- Grove, A. (1983). *High Output Management*. Random House. - Oncken, W. & Wass, D. (1974). "Management Time: Who's Got the Monkey?" *Harvard Business Review*. - Wiseman, L. (2010). *Multipliers: How the Best Leaders Make Everyone Smarter*. HarperBusiness. - McGregor, D. (1960). *The Human Side of Enterprise*. McGraw-Hill. - Nonaka, I. & Takeuchi, H. (1995). *The Knowledge-Creating Company*. Oxford University Press. - Deming, W. E. (1993). *The New Economics for Industry, Government, Education*. MIT Press. - Gallup (2015). *State of the American Manager: Analytics and Advice for Leaders*. Gallup, Inc.

هذا هو «عنق الزجاجة الإداري» (Managerial Bottleneck): نقطةٌ في هيكل القرار تتجاوز فيها المعاملاتُ الواردة قدرةَ متّخذ القرار على الاستيعاب، فتتباطأ المؤسسة بأكملها لأن كل شيء يمرّ من عنقٍ واحد. وهو ليس سوء حظّ، بل نتيجةٌ مباشرة لخيارٍ في التصميم يمكن عكسه.

> **أبرز ما في هذا التحليل** > - عنق الزجاجة الإداري خيارُ تصميمٍ تنظيميّ، لا قدرٌ ثقافي، وهو قابلٌ للتصحيح. > - المدير أعلى نقاط الرافعة في المؤسسة: تكشف دراسة غالوب (2015) أنه يفسّر ما لا يقل عن 70% من التباين في اندماج الموظفين. > - الجذر سلوكيّ قبل أن يكون تنظيمياً: من يفوّض القرار يضاعف قدرة فريقه، ومن يحتكره يخنقها. > - المخرج مسارٌ ثلاثيّ متزامن: تشريعٌ يوسّع التفويض، وثقافةٌ تعيد تعريف نجاح المدير، ورقمنةٌ تجعل اللامركزية آمنة.

## حين يصير المدير نقطة الفشل الوحيدة

حين تمرّ كلُّ معاملةٍ عبر مكتبٍ واحد، يتحول المدير من قائدٍ إلى صمّام اختناق. أندرو غروف، الذي قاد إنتل في أوج صعودها، بنى فلسفته الإدارية على حقيقةٍ بسيطة: وقتُ المدير هو المورد الأندر في المؤسسة. وحين يُنفقه على تفاصيل يقدر عليها سواه، يتحول هو نفسه إلى «نقطة فشلٍ وحيدة» تتعطل المؤسسة بمجرد غيابه.

يمكنك تشخيص الاختناق من ثلاث علاماتٍ لا تُخطئها العين:

- قراراتٌ تتجمّد بانتظار موافقاتٍ على تفاصيل تشغيلية دنيا. - غيابٌ تامّ لأيّ تفويضٍ رسميّ للصلاحيات. - استمراريةُ العمل مرهونةٌ بحضور شخصٍ بعينه.

والرهان أكبر مما يبدو. ففي عام 2015، خلصت مؤسسة غالوب في تقريرها «حالة المدير الأمريكي» إلى أن المديرين يفسّرون ما لا يقل عن 70% من التباين في درجات اندماج الموظفين بين وحدات العمل. هذا الرقم يضع الحقيقة عارية: موقع المدير هو أعلى نقاط الرافعة في أي مؤسسة، وأخطرها حين يتصلّب فيصير عنقاً للزجاجة.

## لماذا نقاوم التفويض: جذرٌ سلوكيّ قبل أن يكون تنظيمياً

قبل أن يكون الاختناقُ مشكلةً في الهيكل، هو مشكلةٌ في رأس المدير. يميّز دوغلاس ماكغريغور بين مديرٍ يفترض أن الموظف يتهرّب من المسؤولية ولا يُؤتَمن على قرار — فيفرض رقابةً مسبقةً على كل حركة — ومديرٍ يفترض العكس فيمنح المساحة للعمل. الافتراض الأول يبني مؤسسةً مشلولةً بانعدام الثقة.

وتضع ليز وايزمان يدها على الكلفة الحقيقية لهذا النمط: القائد الذي يعتقد أنه الأقدر وحده على الإنجاز يُقلِّص ذكاء فريقه ويهدره، بينما القائد الذي يثق ويفوّض يُضاعِف قدرة مؤسسته. والمفارقة أن كثيراً من المديرين يظنون أنهم يحمون المؤسسة، وهم في الحقيقة يستنزفونها ببطء.

> *«القائد الذي يحتكر القرار لا يحمي مؤسسته، بل يضع سقفاً لنموّها بيده.»*

والمركزية طريقٌ ذو اتجاهين. فحين يعتاد الموظفون أن المدير يحلّ كل شيء، يعيدون إليه قراراتهم — «قرودهم» — فيغرق في تفاصيلهم بينما ينتظرون بلا حراك. والعلاج أن يتعلّم كلٌّ حملَ قرده بنفسه. وفي العمق ثمة فرقٌ بين سلطةٍ مستمدةٍ من المنصب والإجراء الموثّق، وسلطةٍ مستمدةٍ من الشخص؛ وكثيرٌ من مؤسساتنا يرتدي شكل الأولى ويُدار فعلياً بمنطق الثانية.

## مركزيةٌ مزدوجة: ما يجعل المشهد السوري مختلفاً

في المؤسسات السورية — التجارية والحكومية على السواء — يتضاعف الاختناق لأنه يقوم على طبقتين. الأولى بنيويةٌ قانونية: أنظمةٌ تحصر صلاحية التوقيع والصرف في قمة الهرم، وتُحمِّل الموظفَ وحده تبعةَ أيّ اجتهادٍ خارج النص. والثانية سلوكيةٌ ثقافية: امتناعٌ عن التفويض حتى ضمن ما تسمح به الأنظمة، ونظرةٌ إلى النائب الكفء بوصفه تهديداً للموقع لا ضمانةً للمؤسسة.

هذه الطبقة الثانية هي ما تصفه أدبيات الإدارة بـ«متلازمة المؤسس» (Founder's Syndrome): قائدٌ يرفض التخلي عن المركزية، فيضع بيده سقفاً لنموّ ما بناه. والنتيجة أن المعرفة المؤسسية تبقى حبيسةً في ذاكرة الأفراد بدل أن تتحول إلى معرفةٍ موثّقةٍ قابلةٍ للنقل — وحين يرحل الفرد، ترحل المؤسسة معه.

## من الفرد إلى النظام: هندسة التعاقب الوظيفي

مخرجُ المؤسسة من أسر الأفراد يبدأ بتحويل التفويض من مجاملةٍ شخصية إلى نظامٍ ممنهج. غروف يسمّي هذا «الرافعة الإدارية»: أن ينتقل المدير من إنجاز العمل بنفسه إلى رفع مردود ساعته عبر بناء عملياتٍ لا تحتاج حضوره الدائم. والأداة التنفيذية لذلك هي التخطيط للتعاقب الوظيفي (Succession Planning)، ويقوم على أربع خطواتٍ متتابعة:

- توصيف المناصب المفتاحية بمعزلٍ عن شاغليها الحاليين. - تقييم الأفراد الواعدين وفق الجاهزية القيادية، لا الأقدمية أو الولاء. - بناء مساراتِ تعلّمٍ وتفويضٍ متدرّجٍ تحت الإشراف. - اعتماد أنظمةٍ توثّق العمليات وتنقل المعرفة.

ويكتمل الإطار بمبدأٍ بسيط اسمه «الإدارة بالاستثناء» (Management by Exception): فوّض القرارات الاعتيادية ضمن حدودٍ معياريةٍ واضحة، واحصر تدخّل الإدارة العليا في الانحرافات وحدها. بهذا يستعيد المدير وقته، ويستعيد الفريق كرامته المهنية.

## الرقمنة تجعل اللامركزية آمنة

التحول الرقمي ليس ترفاً تقنياً، بل هو المدخل الأكثر واقعية لتفكيك الاختناق — لا لأنه يستبدل إرادة المدير، بل لأنه يخفّض كلفة التفويض ومخاطره حتى تنهار الذرائع البنيوية للمركزية. وحين يصبح توزيع القرار موثّقاً وآمناً، يفقد التمسّكُ بالمركزية مبرّره الأخير.

أربع أدواتٍ رقمية تُحدث الفرق:

- **أتمتة سير العمل** توزّع القرارات وفق مصفوفة صلاحياتٍ قائمةٍ على الأدوار، بدل توجيه كل معاملةٍ إلى مكتبٍ واحد؛ ويُنهي التوقيعُ الإلكتروني احتكار القلم والختم. - **سجلات التدقيق** تعالج جذر خوف الموظف: فكل قرارٍ مفوَّضٍ يُوثَّق بسياقه وتوقيته وحيثياته، فتصير المساءلةُ إجراءً يحمي المجتهد قبل أن يحاسب المقصّر. - **لوحات المتابعة** تنقل المدير من رقابةٍ مسبقةٍ معطِّلة إلى رقابةٍ لاحقةٍ دون أن يفقد الرؤية — وهو التطبيق العملي للإدارة بالاستثناء. - **أنظمة إدارة المعرفة** تحوّل الخبرة الفردية إلى أصلٍ مؤسسيّ لا يرحل برحيل صاحبه.

الرقمنة لا تَعِد بإلغاء المركزية، لكنها تجعل اللامركزية الخيار الأقل كلفةً والأكثر أماناً — وهذا وحده كافٍ لقلب المعادلة.

## خلاصة: أنظمةٌ استثنائية لا أشخاصٌ استثنائيون

يختصر إدواردز ديمينغ، الأب الروحي لإدارة الجودة الشاملة، جوهر القضية في جملةٍ واحدة:

> *«النظام السيّئ يهزم الشخص الجيّد في كل مرة.»* — [إدواردز ديمينغ](https://deming.org/a-bad-system-will-beat-a-good-person-every-time/)

فالغالبية الساحقة من مشكلات الأداء مصدرها النظام لا الأفراد. وعنق الزجاجة، تبعاً لذلك، ليس قدراً ثقافياً بل خيار تصميمٍ قابلٌ للتصحيح على ثلاثة مستوياتٍ متزامنة:

- **تشريعياً:** بتوسيع نطاق التفويض وحماية الموظف المجتهد قانوناً. - **سلوكياً:** بإعادة تعريف نجاح المدير على أنه قدرة مؤسسته على العمل في غيابه. - **تقنياً:** بتحوّلٍ رقميّ يجعل توزيع القرار ممكناً وآمناً وقابلاً للتدقيق.

المؤسسات الراسخة تُبنى على أنظمةٍ استثنائية، لا على أشخاصٍ استثنائيين. وإذا كان بناء هذا النظام هو التحدّي القادم لمؤسستك، فذلك تحديداً [ما نعمل عليه في الاستشارة](/ar/practice).

## المراجع

- Grove, A. (1983). *High Output Management*. Random House. - Oncken, W. & Wass, D. (1974). "Management Time: Who's Got the Monkey?" *Harvard Business Review*. - Wiseman, L. (2010). *Multipliers: How the Best Leaders Make Everyone Smarter*. HarperBusiness. - McGregor, D. (1960). *The Human Side of Enterprise*. McGraw-Hill. - Nonaka, I. & Takeuchi, H. (1995). *The Knowledge-Creating Company*. Oxford University Press. - Deming, W. E. (1993). *The New Economics for Industry, Government, Education*. MIT Press. - Gallup (2015). *State of the American Manager: Analytics and Advice for Leaders*. Gallup, Inc.

There is no clean line. There is a system — overlapping authorities, parallel economies in mid-collapse, returning diaspora with different theories of the case, neighbouring states still adjusting their posture by the week, a population that has lived through three economies in fifteen years and learned not to overcommit to any of them.

Storytelling treats a single voice as the unit of analysis. Systems thinking treats the interactions as the unit of analysis. The first asks who is in charge. The second asks which feedback loops are dominant — and which are about to flip.

If you are building anything here right now — a programme, a company, a return — the temptation to settle on the cleanest available story is enormous, because the alternative is sitting with ambiguity for longer than is comfortable. The discipline is to resist it for one more quarter, and to map the loops first.

I will publish the full version of the loop map in a forthcoming essay. The note for today is the warning that comes before the map: anyone selling you the clean story right now is selling you their own anxiety.

ليس ثمّة خطٌّ واضح. ثمّة منظومة: سلطاتٌ متداخلة، واقتصاداتٌ موازيةٌ في طور الانهيار، ومغتربون عائدون بنظرياتٍ متباينة، ودولُ جوارٍ ما تزال تُعدّل وضعيّتها أسبوعاً بأسبوع، وشعبٌ عاش ثلاثة اقتصاداتٍ في خمس عشرة سنة وتعلّم ألّا يُفرط في الالتزام لأيٍّ منها.

الحكاية تتعامل مع الصوت الواحد بوصفه وحدة التحليل. التفكير المنظومي يتعامل مع التفاعلات بوصفها وحدة التحليل. الأولى تسأل: من بيده القرار؟ الثاني يسأل: أيُّ حلقاتِ التغذية الراجعة هي السائدة الآن — وأيُّها على وشك أن تنقلب؟

إن كنت تبني شيئاً هنا الآن — برنامجاً، شركةً، عودة — فإغراء الاستقرار على أنظف حكايةٍ متاحةٍ إغراءٌ هائل، لأنّ البديل أن تجلس مع الغموض لفترةٍ أطول مما يطيب لك. الانضباط هو أن تُقاوم هذا الإغراء فصلاً واحداً إضافياً، وأن ترسم الحلقات قبل أن ترسم القصّة.

سأنشر النسخة المُطوّلة من خريطة الحلقات في مقالةٍ قادمة. ملاحظة اليوم هي التحذير الذي يسبق الخريطة: كلّ من يبيعك حكايةً نظيفةً عن دمشق هذه الأيام إنّما يبيعك قلقَه هو.

To audit a digital experience seriously, it helps to stop treating "friction" as a single thing. There are three operational layers, each with its own diagnostic questions and its own corrective moves.[^1]

### 1. Interaction friction

This is the interface-level barrier. It happens when the physical design of the site or app actively gets in the way of the user taking their next step.

**The mistake.** Forcing mandatory account creation before a simple transaction. Splitting a single action across multi-page forms when one page would do. Designing touch targets that sit too close together on mobile. Asking for data you do not need yet.

**How to optimise.**

- **Enable guest checkout.** Always offer a low-commitment path to the final goal. Account creation can come *after* the user has experienced value. - **Inline validation.** Catch form errors in real time as users type — "Password must contain a number" — rather than punishing them with a full page reload after submit. - **Audit your fields.** Ruthlessly cut down form fields. Only ask for what you strictly need to complete the immediate action. Everything else is friction disguised as "data we might want one day."

### 2. Cognitive friction

This is the mental tax of navigating your digital environment. If a user has to stop and actively decode what a button does, or figure out the difference between three pricing tiers that all say "Pro," you are taxing their working memory. Working memory is a finite resource — and once it runs out, users leave.

**The mistake.** Internal company jargon used as if it were universal terminology. Inconsistent navigation architectures between sections. Overwhelming the user with too many equal choices at once, violating [Hick's Law](https://en.wikipedia.org/wiki/Hick%27s_law).

**How to optimise.**

- **Progressive disclosure.** Reveal complex information only as the user asks for it. Landing pages should focus on the primary value proposition; deeper technical specs belong behind a toggle or a secondary click. - **Leverage familiarity.** A magnifying glass means search. A hamburger menu contains navigation. Do not reinvent standard UI patterns just to look distinctive — every reinvented pattern adds cognitive load with no compensating value. - **Clear visual hierarchy.** Use size, white space, and contrast to guide the eye toward the primary call to action. The user should never have to *hunt* for what you want them to do next.[^2]

### 3. Emotional friction

This is the deepest, most underestimated layer. It happens when the user experiences negative emotions — frustration, anxiety, mistrust — that cause them to abandon the journey before any rational calculation kicks in.

**The mistake.** Aggressive pop-ups that interrupt the user the instant the page loads. Error messages that implicitly blame the user ("Invalid input"). A complete absence of E-E-A-T signals — Experience, Expertise, Authoritativeness, Trustworthiness — on the exact pages where money or personal data changes hands.

**How to optimise.**

- **Design for forgiveness.** Make error messages helpful, human, and actionable. Instead of "Error: field required," try "Please add your email so we can send your receipt." - **Front-load trust signals.** Security badges, transparent pricing, clear return policies, authentic reviews — all of these belong **before** the user reaches the point of friction, not after they have already hesitated. - **Respect the flow.** Avoid dark patterns — tricking users into subscribing, hiding the unsubscribe link, pre-checking opt-in boxes. A transparent, frictionless *exit* builds more long-term brand equity than a forced opt-in ever will.

### The strategic point

These three layers are not equal in cost. Interaction friction is the cheapest to fix and the easiest to spot. Cognitive friction requires real design discipline. Emotional friction is almost invisible in analytics — you usually see it as a flat conversion rate that resists every A/B test, because the problem is upstream of the test itself.[^3]

The institutions that win the digital decade are not the ones with the loudest brand or the largest content engine. They are the ones who systematically remove friction from every funnel until their digital architecture gets out of the user's way — and the product, the service, or the institution itself is what the user finally meets.

[^1]: The framework breaking user friction into Interaction, Cognitive, and Emotional layers was originally popularised by Sachin Rekhi (former Head of Product at LinkedIn). See: [Sachin Rekhi, "How You Can Overcome These 3 Types of User Friction," Reforge](https://www.reforge.com/blog/brief-how-you-can-overcome-these-3-types-of-user-friction). [^2]: For actionable steps on progressive disclosure and leveraging familiarity — including the useful concept of "good friction," where intentionally slowing the user down can improve the experience — see: [Chameleon, "User Friction in Product Design: Replacing Bad Friction with Good Friction"](https://www.chameleon.io/blog/user-friction). [^3]: For diagnostic metrics that surface emotional and cognitive friction in analytics — including "rage clicks" and drop-off mapping — see: [Whatfix, "How to Identify & Fix User Friction (+Causes, Types)"](https://whatfix.com/blog/user-friction/).

لتدقيق التجربة الرقمية بشكلٍ جدّي، لا بدّ من التوقّف عن التعامل مع "الاحتكاك" كأنّه شيءٌ واحد. في الحقيقة، نحن أمام ثلاث طبقاتٍ تشغيليّة، لكلٍّ منها أسئلتها التشخيصية وأدواتها التصحيحية.[^1]

### ١. الاحتكاك التفاعلي

هذه هي طبقة الواجهة. تحدث عندما يقف التصميم الفيزيائي للموقع أو التطبيق في طريق المستخدم بدلاً من أن يخدمه.

**الخطأ الشائع.** إجبار المستخدم على إنشاء حسابٍ قبل أيّ عمليّةٍ بسيطة. تقسيم إجراءٍ واحدٍ على نماذج متعدّدة الصفحات بينما تكفي صفحةٌ واحدة. أزرارٌ متلاصقة على شاشات الموبايل. طلب بياناتٍ لا تحتاجها بعد.

**كيف تُحسّن:**

- **افتح بابَ "الدفع كزائر".** أَتِح دائماً مساراً منخفض الالتزام للوصول إلى الهدف النهائي. إنشاء الحساب يمكن أن يأتي *بعد* أن يلمس المستخدم القيمة. - **التحقّق الفوري من النماذج.** اكتشف الأخطاء أثناء الكتابة — "كلمة المرور يجب أن تحتوي رقماً" — لا أن تعاقب المستخدم بإعادة تحميل الصفحة بعد الضغط على "إرسال". - **دقّق الحقول بلا رحمة.** اطلب فقط ما تحتاجه فعلاً لإكمال هذه الخطوة. كلّ حقلٍ إضافيٍّ هو احتكاكٌ متنكّرٌ بلباس "بياناتٍ قد نحتاجها يوماً ما".

### ٢. الاحتكاك الإدراكي

هذه هي الضريبة الذهنية للتنقّل داخل بيئتك الرقمية. حين يضطرّ المستخدم للتوقّف ليفكّ شيفرة زرٍّ ما، أو ليفهم الفرق بين ثلاث باقات تسعير كلّها مكتوبٌ عليها "Pro"، فأنت تستنزف ذاكرته العاملة. والذاكرة العاملة موردٌ محدود، وحين تنفد، يغادر المستخدم.

**الخطأ الشائع.** استخدام المصطلحات الداخلية للشركة وكأنّها لغةٌ كونيّة. بنى تنقّلٍ غير متّسقة بين الأقسام. إغراق المستخدم بخياراتٍ كثيرةٍ متساوية الوزن دفعةً واحدة (مخالفةُ [قانون هِيك](https://en.wikipedia.org/wiki/Hick%27s_law)).

**كيف تُحسّن:**

- **الكشف التدريجي للمعلومات.** اعرض التفاصيل المعقّدة فقط حين يطلبها المستخدم. صفحات الهبوط يجب أن تركّز على عرض القيمة الأساسي، والمواصفات التقنية العميقة تبقى خلف زرٍّ ثانوي أو فاصلٍ قابلٍ للطيّ. - **استثمر المألوف.** عدسة التكبير تعني البحث. القائمة "الهامبرغر" تعني التنقّل. لا تعيد اختراع الأنماط القياسية لمجرّد أن تبدو مختلفاً — كلّ نمطٍ "مبتكر" يضيف عبئاً إدراكياً بلا قيمةٍ مقابلة. - **هرميّة بصريّة واضحة.** استخدم الحجم والمساحات البيضاء والتباين لتقود العين نحو الإجراء الأساسي. لا يجب أن يضطرّ المستخدم لـ"البحث" عمّا تريده منه أن يفعله.[^2]

### ٣. الاحتكاك العاطفي

هذه هي الطبقة الأعمق والأكثر استهانةً بها. تحدث حين يشعر المستخدم بمشاعر سلبية — إحباط، قلق، انعدام ثقة — تجعله يغادر الرحلة قبل أن يصل إلى أيّ حسابٍ منطقي.

**الخطأ الشائع.** نوافذ منبثقة عدوانيّة تقاطع المستخدم لحظة فتح الصفحة. رسائل خطأ تُلقي اللوم عليه ضمنياً ("مدخل غير صالح"). غياب كاملٍ لإشارات الـ E-E-A-T (الخبرة، الكفاءة، الموثوقيّة، الجدارة بالثقة) في الصفحات التي تنتقل فيها الأموال أو البيانات الشخصيّة.

**كيف تُحسّن:**

- **صمّم للتسامح.** اجعل رسائل الخطأ بشريّةً ومفيدةً وقابلةً للتنفيذ. بدل "خطأ: الحقل مطلوب"، جرّب "رجاءً أضف بريدك الإلكتروني لنرسل لك الإيصال". - **قدّم إشارات الثقة باكراً.** شارات الأمان، الأسعار الشفّافة، سياسات الإرجاع الواضحة، التقييمات الحقيقيّة — كلّ هذا يجب أن يكون **قبل** أن يصل المستخدم إلى نقطة الاحتكاك، لا بعد أن يكون قد تردّد فعلاً. - **احترم التدفّق.** ابتعد عن الأنماط المظلمة — خداع المستخدم ليشترك، إخفاء رابط إلغاء الاشتراك، تفعيل خانات الموافقة مسبقاً. مخرجٌ شفّافٌ خالٍ من الاحتكاك يبني رأسمالاً علامياً على المدى الطويل أكثر بكثيرٍ من أيّ اشتراكٍ مفروض.

### النقطة الاستراتيجيّة

هذه الطبقات الثلاث ليست متساوية الكلفة. الاحتكاك التفاعلي هو الأرخص علاجاً والأسهل اكتشافاً. الاحتكاك الإدراكي يحتاج انضباطاً تصميمياً حقيقياً. أمّا الاحتكاك العاطفي فهو شبه مرئيٍّ في التحليلات — عادةً تراه على شكل معدّل تحويلٍ ثابتٍ يقاوم كلّ اختبار A/B، لأنّ المشكلة أصلاً أعلى من الاختبار نفسه.[^3]

المؤسسات التي تربح العقد الرقمي ليست أعلاها صوتاً ولا أكبرها محرّكاً للمحتوى. هي تلك التي تُزيل الاحتكاك بشكلٍ منهجي من كلّ قمعٍ في منظومتها، حتى تتنحّى البنية الرقمية عن طريق المستخدم — فيلتقي أخيراً بالمنتج، أو الخدمة، أو المؤسّسة ذاتها.

[^1]: الإطار الذي يقسّم احتكاك المستخدم إلى طبقاتٍ تفاعليّة وإدراكيّة وعاطفيّة طرحه أصلاً ساشين ريخي (Sachin Rekhi)، الرئيس السابق للمنتج في LinkedIn. انظر: [Sachin Rekhi, "How You Can Overcome These 3 Types of User Friction," Reforge](https://www.reforge.com/blog/brief-how-you-can-overcome-these-3-types-of-user-friction). [^2]: لخطواتٍ تطبيقيّةٍ حول الكشف التدريجي واستثمار المألوف — بما في ذلك مفهوم "الاحتكاك الجيّد" حيث يؤدّي إبطاء المستخدم عمداً إلى تحسين التجربة — انظر: [Chameleon, "User Friction in Product Design: Replacing Bad Friction with Good Friction"](https://www.chameleon.io/blog/user-friction). [^3]: لمؤشّراتٍ تشخيصيّةٍ تكشف الاحتكاك العاطفي والإدراكي في التحليلات — مثل "نقرات الغضب" (rage clicks) وخرائط التسرّب — انظر: [Whatfix, "How to Identify & Fix User Friction (+Causes, Types)"](https://whatfix.com/blog/user-friction/).

**"Actually, go to the bank? Bless your heart."**

In New York, another, more provocative one followed:

"Cool branch, bro. No branches means more money for you.[^1]"

At first glance, the [campaign](https://www.bankingdive.com/news/ally-billboard-marketing-gen-z-millennials-digital-banking-branches/820494/) looks like a clever marketing prank aimed at traditional banks. But at a deeper level, what Ally was doing was not an ordinary ad—it was an attempt to redefine the very meaning of "trust" inside the financial sector.

This campaign does not attack bank branches as such. It attacks the old logic on which financial institutions were built for decades: the massive branches, the marble columns, the prestige spaces, and the metal vaults that were historically used as psychological symbols of safety and stability.

Today, the digital generation reads these objects very differently. What was once "proof of strength" now reads as "an extra cost the customer will eventually pay."

And here the real story begins.

I. Reverse-engineering the meaning of "institutional trust."

For more than a century, traditional banks built their relationship with customers on physical gravitas. Everything in a bank's design was meant to send one message: "Your money is safe." The vast buildings, the marble, the formal façades, even the way staff carried themselves—all of it was part of a complete psychological theater engineered to manufacture trust.

Then technology reverse-engineered those symbols. Instead of the old question—"Does this bank look strong enough to protect my money?" — a new question took over: "Why am I paying for all of this infrastructure in the first place?"

And here lies the genius of Ally's campaign. The bank did not try to defend the absence of branches as a deficiency; it reframed it as a direct economic advantage for the customer: "No branches means more money for you." The absence of branches was no longer evidence of weakness. It was evident in that efficiency.

That is a huge strategic shift. Ally was not just selling a banking service—it was selling a new cultural thesis: less friction equals higher value.

### From symbol to burden

In the digital economy, every element that does not add direct value to the user gradually turns into a burden. Branches, queues, paper signatures, waiting, even official business hours — all of these are increasingly read by the new generation as forms of unnecessary bureaucracy.

This brings us to a very important lesson for any startup or SaaS platform: successful digital companies do not try to imitate the traditional infrastructure of their competitors. They isolate the core value, then re-deliver it in a form that is lighter, faster, and more flexible.

Netflix never needed stores like Blockbuster. Uber never needed taxi stands. And Ally is now saying plainly: a bank does not need a branch to be a bank.

### II. The psychology of the digital consumer and the non-linear journey[^2]

One of the most important elements of the "Life Today" campaign is its deep understanding of the psychological shift in Gen Z and Millennials. Financial life is no longer linear in the way it used to be. The traditional path — school → job → house → retirement — is no longer the only acceptable model.

Life today is messier, more flexible, more immediate. People spend on travel, experiences, mental health, hobbies, digital subscriptions, and online communities — in parallel with their long-term goals. And this produces a serious shift in consumer behaviour.

### The consumer who lives inside the screen

The digital generation lives inside a fully integrated digital operating environment. They order food from their phone, work from their phone, manage their relationships through their phone, watch their entertainment through their phone, and shop through their phone.

So when an institution asks them to "exit the digital system entirely" in order to physically visit a branch for a simple transaction, you are not just asking them to "go to the bank." You are breaking the cognitive[^3] environment they live inside daily. And that produces instant psychological friction[^4].

From the perspective of cognitive neuroscience, the human brain has a natural tendency to minimise cognitive load. Every extra step, every unnecessary transition, consumes mental energy. That is why "ease" has become one of the highest forms of value in the modern economy.

The bank is no longer a place you go to. It is an app that has to solve the problem immediately.

### III. Calculated provocation as a tool to monopolise attention

Today's market does not suffer from a shortage of information. It suffers from an overflow of fragmented attention. In a world saturated with ads, content, videos, and notifications, the "safe and neutral" tone has become an almost guaranteed path to invisibility.

And this is where calculated provocation comes in. Ally's campaign was not openly hostile, but it was sharp enough to force people to engage. More importantly, it drew a clean line between two worlds: the slow traditional world and the fast digital world.

This kind of messaging creates a very powerful psychological dynamic known as "Us vs. Them." That is: "We understand the new reality… and they are still living in the past." This did, in fact, trigger backlash and criticism from employees and followers tied to traditional banks on LinkedIn and other professional platforms.

But paradoxically, that serves the brand more than it harms it. Because debate creates attention. Attention creates recall. And recall creates distinction.

### The difference between random provocation and strategic provocation

The crucial difference here is that Ally did not use provocation as an empty shock. It tied it to a coherent economic truth: if we do not spend billions on branches, we can return that efficiency to the customer.

In other words, the provocation here is not just a bold personality. It is grounded in a real operational logic. That is what makes the message powerful.

### What entrepreneurs and leaders learn from this campaign

Ally's success is not only about creative advertising. It is about its ability to read the cultural shift before it becomes "obvious to everyone." This is one of the most important skills of companies that lead markets: to see the psychological shift before the commercial shift.

**1. Find your own "marble columns."** Ask yourself honestly: what are the things inside your company you consider a source of strength… but which the customer reads as friction, complexity, or extra cost? They might be: unnecessary meetings, complicated approval processes, long forms, slow customer service, or even stiff corporate language.

**2. Speak the language of reality, not the language of official booklets.** Ally understood that people do not live "perfectly arranged" lives. So it addressed the real daily chaos of people, not the manufactured corporate image. The modern brands that win today are the ones that speak with realism and humanity — not corporate condescension.

**3. Do not fear sharp differentiation.** In crowded markets, sharp clarity beats safe ambiguity. People may disagree with you — but they will remember you. The brands that try to please everyone usually end up meaning nothing to anyone.

### The takeaway

Ally Financial's campaign is not just a campaign about "a bank without branches." It is about an entire world rewriting the meaning of trust, value, and ease.

And in this new world, the "marble columns" that once built yesterday's empires may become the very burden today's customer runs away from.

[^1]: [Mullen, “Ally Sharpens Branchless Banking Message,” May 18, 2026.](https://www.bankingdive.com/news/ally-billboard-marketing-gen-z-millennials-digital-banking-branches/820494/)

[^2]: Financial, “Ally Unveils "Life Today," Putting Customers at the Center of Where Life and Money Collide,” May 14, 2026.

[^3]: Murphy, Philip. “Understanding Cognitive Load Theory to Boost Success.” Future Proof Insights | Consumer Neuroscience, November 29, 2023. https://futureproofinsights.ie/2023/09/21/understanding-cognitive-load-theory-to-boost-success/.

[^4]: Fullstory. “What Is User Friction? How to Avoid the Mistakes and Optimize Your UX.” Fullstory, December 21, 2021. https://www.fullstory.com/blog/user-friction/.

"Actually go to the bank? Bless your heart."

وفي نيويورك، ظهرت لوحةٌ أخرى أكثر استفزازاً:

"Cool branch, bro. No branches means more money for you."

للوهلة الأولى، تبدو الحملة مجرّد "مزحةٍ تسويقيةٍ" ذكيّةٍ موجّهةٍ ضدّ البنوك التقليدية. لكن على المستوى الأعمق، ما فعلته Ally لم يكن إعلاناً عادياً، بل محاولةً لإعادة تعريف معنى "الثقة" نفسه داخل القطاع المالي.

هذه الحملة لا تهاجم الفروع البنكية بحدّ ذاتها، بل تهاجم "المنطق القديم" الذي بُنيت عليه المؤسسات المالية لعقودٍ طويلة: الفروع الضخمة، الأعمدة الرخامية، المساحات الفاخرة، والخزائن المعدنية التي كانت تُستخدم تاريخياً كرموزٍ نفسيةٍ للأمان والاستقرار.

اليوم، الجيل الرقمي يرى هذه الأشياء بطريقةٍ مختلفةٍ تماماً. ما كان يُعتبر سابقاً "دليلَ قوّة"، أصبح يُقرأ الآن كـ "تكلفةٍ زائدةٍ سيدفعها العميل في النهاية". وهنا تبدأ القصّة الحقيقية.

### أولاً: الهندسة العكسية لمفهوم "الثقة المؤسسية"

لأكثر من قرن، بنت البنوك التقليدية علاقتها مع العملاء على "الهيبة الفيزيائية". كلّ شيءٍ في تصميم البنك كان يهدف إلى إرسال رسالةٍ واحدة: "أموالك بأمان." المباني الضخمة، الرخام، الواجهات الرسمية، حتى طريقة تعامل الموظفين… كلّها كانت جزءاً من مسرحٍ نفسيٍّ متكاملٍ يخلق الإحساس بالثقة.

لكنّ التكنولوجيا أعادت هندسة هذه الرموز عكسيًّا. بدلاً من السؤال التقليدي: "هل هذا البنك يبدو قويّاً بما يكفي لحماية أموالي؟"، أصبح السؤال الجديد: "لماذا أدفع ثمن كلّ هذه البنية التحتية أصلاً؟"

وهنا تكمن عبقرية حملة Ally. فالبنك لم يحاول الدفاع عن غياب الفروع باعتباره "نقصاً"، بل أعاد تأطيره كميزةٍ اقتصاديةٍ مباشرةٍ لصالح العميل: "No branches means more money for you." أي أنّ غياب الفروع لم يعد دليلاً على الضعف… بل دليلاً على الكفاءة.

وهذا تحوّلٌ استراتيجيٌّ ضخم. لأنّ Ally لم يبع "خدمةً مصرفيةً" فقط، بل باع رؤيةً ثقافيةً جديدةً تقول إنّ: الاحتكاك الأقلّ = القيمة الأعلى.

### من الرمز إلى العبء

في الاقتصاد الرقمي، كلّ عنصرٍ لا يُضيف قيمةً مباشرةً للمستخدم يتحوّل تدريجياً إلى عبء. الفروع، الطوابير، التوقيعات الورقية، الانتظار، وحتى ساعات الدوام الرسمية… كلّها يقرأها الجيل الجديد اليوم كأشكالٍ من "بيروقراطية لا داعي لها".

وهنا نصل إلى درسٍ مهمٍّ جداً لأيّ شركةٍ ناشئةٍ أو منصة SaaS: الشركات الرقمية الناجحة لا تحاول تقليد البنية التقليدية للمنافسين، بل تعزل "القيمة الجوهرية" ثمّ تعيد تقديمها بطريقةٍ أخفّ وأسرع وأكثر مرونة.

Netflix لم يحتج إلى متاجر مثل Blockbuster. Uber لم يحتج إلى مواقف تاكسي. وAlly يقول الآن بوضوح: البنك لا يحتاج إلى فرعٍ كي يكون "بنكاً".

### ثانياً: سيكولوجيا المستهلك الرقمي والرحلات غير الخطية

أحد أهمّ عناصر حملة "Life Today" هو فهمها العميق للتحوّل النفسي عند جيل Gen Z والـ Millennials. الحياة المالية لم تعد "خطّيةً" كما كانت في السابق. لم يعد المسار التقليدي — دراسة ← وظيفة ← منزل ← تقاعد — هو النموذج الوحيد المقبول.

الحياة اليوم أكثر فوضويةً، وأكثر مرونةً، وأكثر لحظية. الناس تنفق على السفر، التجارب، الصحة النفسية، الهوايات، الاشتراكات الرقمية، والمجتمعات الإلكترونية… بالتوازي مع أهدافها طويلة المدى. وهذا يخلق تحوّلاً خطيراً في سلوك المستهلك.

### المستهلك الذي يعيش داخل الشاشة

الجيل الرقمي يعيش ضمن "بيئةِ تشغيلٍ رقميةٍ متكاملة". هو يطلب الطعام من هاتفه، يعمل من هاتفه، يدير علاقاته عبر هاتفه، يشاهد ترفيهه عبر هاتفه، ويشتري عبر هاتفه.

لذلك، عندما تطلب منه مؤسسةٌ ما أن "يخرج من النظام الرقمي بالكامل" كي يزور فرعاً فعلياً لإتمام إجراءٍ بسيط… فأنت لا تطلب منه فقط "الذهاب للبنك". أنت تكسر البيئة الإدراكية التي يعيش داخلها يومياً. وهذا يخلق احتكاكاً نفسياً فورياً.

من منظور علم الأعصاب الإدراكي، الدماغ البشري يميل بشكلٍ طبيعيٍّ إلى تقليل الجهد المعرفي (Cognitive Load). كلّ خطوةٍ إضافية، وكلّ انتقالٍ غير ضروريّ، يستهلك طاقةً ذهنية. ولهذا السبب أصبحت "الراحة" واحدةً من أعلى أشكال القيمة في الاقتصاد الحديث.

البنك لم يعد مكاناً تذهب إليه. بل أصبح تطبيقاً يجب أن يحلّ المشكلة فوراً.

### ثالثاً: الاستفزاز المحسوب كأداةٍ لاحتكار الانتباه

السوق اليوم لا يعاني من نقص المعلومات. بل يعاني من فائض الانتباه المشتّت. في عالمٍ مليءٍ بالإعلانات، المحتوى، الفيديوهات، والإشعارات… النبرة "الآمنة والمحايدة" أصبحت غالباً طريقاً مضموناً للاختفاء.

وهنا يأتي دور الاستفزاز المحسوب. حملة Ally لم تكن عدائيةً بشكلٍ مباشر، لكنها كانت حادّةً بما يكفي لإجبار الناس على التفاعل. والأهمّ: أنّها صنعت انقساماً واضحاً بين عالمين — العالم التقليدي البطيء، والعالم الرقمي السريع.

هذا النوع من الرسائل يخلق ديناميكيةً نفسيةً قويةً جداً تُعرف بـ "Us vs. Them". أي: "نحن نفهم الواقع الجديد… وهم ما زالوا يعيشون في الماضي." وقد أدّى ذلك فعلاً إلى ردود فعلٍ وانتقاداتٍ من موظفين ومتابعين مرتبطين بالبنوك التقليدية على LinkedIn والمنصّات المهنية.

لكن، ومن المفارقة، هذا يخدم العلامة التجارية أكثر ممّا يضرّها. لأنّ الجدل يخلق الانتباه. والانتباه يخلق التذكّر. والتذكّر يخلق التميّز.

### الفرق بين الاستفزاز العشوائي والاستفزاز الاستراتيجي

الفرق الجوهري هنا أنّ Ally لم يستخدم الاستفزاز كـ "صدمةٍ فارغة"، بل ربطه بحقيقةٍ اقتصاديةٍ قابلةٍ للفهم: إذا لم ننفق مليارات على الفروع… يمكننا إعادة هذه الكفاءة للعميل. أي أنّ الاستفزاز هنا ليس مجرّد شخصيةٍ جريئة، بل مبنيٌّ على منطقٍ تشغيليٍّ حقيقي. وهذا ما يجعل الرسالة قوية.

### ماذا يتعلّم روّاد الأعمال والقادة من هذه الحملة؟

نجاح Ally لا يتعلّق فقط بالإبداع الإعلاني، بل بقدرتها على قراءة التحوّل الثقافي قبل أن يصبح "واضحاً للجميع". وهذه واحدةٌ من أهمّ مهارات الشركات التي تقود الأسواق: أن ترى التحوّل النفسي قبل التحوّل التجاري.

**١. ابحث عن "أعمدتك الرخامية".** اسأل نفسك بصدق: ما الأشياء داخل شركتك التي تعتبرها "مصدر قوّة"… لكنّ العميل يراها كاحتكاكٍ أو تعقيدٍ أو تكلفةٍ إضافية؟ قد تكون: اجتماعاتٍ غير ضرورية، عمليات موافقةٍ معقّدة، نماذج طويلة، خدمة عملاءٍ بطيئة، أو حتى لغةً مؤسسيةً جامدة.

**٢. تحدّث بلغة الواقع لا بلغة الكُتيّبات الرسمية.** Ally فهم أنّ الناس لا يعيشون حياةً "مرتّبةً مثالياً"، لذلك خاطب الفوضى اليومية الحقيقية للناس، وليس الصورة المؤسسية المصطنعة. العلامات التجارية الحديثة التي تنجح اليوم هي التي تتحدّث بواقعيةٍ وإنسانية، لا بتعالٍ مؤسسيّ.

**٣. لا تخف من التمايز الحادّ.** في الأسواق المزدحمة، الوضوح الحادّ أفضل من الضبابية الآمنة. الناس قد يختلفون معك… لكنّهم سيتذكّرونك. أمّا العلامات التجارية التي تحاول إرضاء الجميع فغالباً تنتهي بأنّها لا تعني شيئاً لأحد.

### الخلاصة

حملة Ally Financial ليست مجرّد حملةٍ عن "بنكٍ بلا فروع". بل عن عالمٍ كاملٍ يُعيد تعريف معنى الثقة، والقيمة، والراحة.

وفي هذا العالم الجديد… قد تتحوّل "الأعمدة الرخامية" التي بنت إمبراطوريات الأمس… إلى عبءٍ يهرب منه عميل اليوم.

When I moved into strategic digital transformation for Canadian B2B companies, my colleagues assumed I had switched fields. I had not. The toolkit is identical. A B2B sales pipeline is, structurally, the same kind of system: a set of actors with asymmetric information, transacting under conditions of uncertainty, where the rules of the road are partly written down and partly enforced by reputation, and where small shifts in incentive structure produce outsized changes in behaviour months later.

Three transfers, in particular, have held up engagement after engagement.

First: the unit of analysis is the transaction, not the actor. A common mistake in B2B strategy — and in conflict analysis — is to start with personalities. Who is the CEO? Who is the commander? It feels concrete, but it is almost always the wrong starting point. The right starting point is the transaction: what is being exchanged, on what terms, under what enforcement. Personalities then become legible as positions inside that exchange, rather than as autonomous decision-makers. This single move shortens most strategy diagnostics by weeks.

Second: the patron-client model travels. Anyone who has watched an externally funded faction collapse the month its funding tapered will recognise, in slow motion, what happens to a SaaS sales motion when an executive sponsor leaves the buyer's organisation. The relationship was never with the company; it was with the patron. The work that follows — quietly rebuilding sponsorship before the renewal cycle — is the corporate equivalent of what humanitarian organisations call localisation. Same logic. Different vocabulary.

Third: information asymmetry is the product, not the friction. In a wartime market, the trader who knows which checkpoint is open at 3am has the entire margin. In a B2B sale, the vendor who has actually sat in three rooms like the buyer's room has the entire margin. The strategic question is never how to remove the asymmetry; it is how to be on the right side of it long enough to be trusted, and then to convert that trust into a structural position.

Where the analogy breaks — and it does break — is on the consequences of failure. A bad B2B strategy loses a quarter. A bad analysis of a war economy loses lives. I take the work in the second register more carefully than I take the work in the first. But the discipline that produced the second made me unusually fast at the first, and I am increasingly persuaded that the people running mid-sized Canadian companies would benefit from analysts trained in conflict systems, not the other way around.

The practical version of this argument is in the engagements I run for Canadian B2B and SMB clients: I do not start with a brand exercise. I start with a transactional map. Who pays whom, on what condition, with what enforcement. Everything else — the website, the LinkedIn presence, the content motion — gets calibrated against that map.

If that map is wrong, no amount of polish will save the strategy. If it is right, even a modest amount of polish will compound over years. That, in the end, is what a decade in the Syria file taught me about growth.

حين انتقلتُ إلى التحوّل الرقمي الاستراتيجي مع شركات B2B الكندية، افترض زملائي أنّني غيّرتُ المجال. لم أفعل. العدّة هي ذاتها. قمع مبيعات B2B هو، بنيوياً، النوع نفسه من المنظومات: فاعلون بمعلوماتٍ غير متماثلة، يتعاملون في ظلّ شرطٍ من عدم اليقين، حيث القواعد جزءٌ منها مكتوب وجزءٌ تفرضه السمعة، وحيث تحوّلاتٌ صغيرةٌ في بنية الحوافز تُنتج تغيّراتٍ ضخمةً في السلوك بعد أشهر.

ثلاثُ نقاطٍ في النقل، بالتحديد، أثبتت صحّتها مشروعاً تلو الآخر.

أولاً: وحدة التحليل هي العملية، لا الفاعل. الخطأ الشائع في استراتيجيات B2B — وفي تحليل النزاعات على السواء — هو البدء بالشخصيات. من المدير التنفيذي؟ من القائد الميداني؟ يبدو الأمر ملموساً، لكنّه شبه دائماً نقطة البداية الخطأ. نقطة البداية الصحيحة هي العملية ذاتها: ما الذي يُتبادل، بأيّ شرط، بأيّ إنفاذ. تصبح الشخصيات بعد ذلك مقروءةً بوصفها مواقع داخل تلك العملية، لا بوصفها متّخذي قرارٍ مستقلّين. هذه الحركة وحدها تختصر معظم التشخيصات الاستراتيجية أسابيع.

ثانياً: نموذج «الراعي-العميل» قابلٌ للنقل. من شاهد فصيلاً مموَّلاً خارجياً يتفكّك في الشهر الذي تراجع فيه تمويله سيتعرّف، بحركةٍ بطيئة، على ما يحدث لخطّ مبيعات SaaS حين يُغادر الراعي التنفيذي مؤسّسةَ المشتري. العلاقة لم تكن يوماً مع الشركة؛ كانت مع الراعي. العمل الذي يجب أن يتبع — إعادة بناء الرعاية بهدوءٍ قبل دورة التجديد — هو المعادل الشركاتي لما تُسمّيه المنظمات الإنسانية «التَّوطين». المنطق ذاته. المفردات مختلفة.

ثالثاً: عدم تماثل المعلومات هو المنتج، لا الاحتكاك. في سوقٍ زمن الحرب، التاجر الذي يعرف أيّ حاجزٍ مفتوحٌ في الثالثة فجراً يحوز الهامش كلّه. في صفقة B2B، البائع الذي جلس فعلاً في ثلاث غرفٍ مشابهةٍ لغرفة المشتري يحوز الهامش كلّه. السؤال الاستراتيجي ليس أبداً: كيف نُلغي عدم التماثل؟ بل: كيف نقف في الجانب الصحيح منه طويلاً بما يكفي لنُصبح موثوقين، ثمّ نُحوّل تلك الثقة إلى موقعٍ بنيوي.

الموضع الذي ينكسر فيه القياس — وينكسر بالفعل — هو عواقب الفشل. استراتيجيةُ B2B خاطئةٌ تُضيع ربعَ سنة. تحليلٌ خاطئٌ لاقتصاد حربٍ يُضيع أرواحاً. أتعامل مع العمل في السياق الثاني بحذرٍ أكبر بكثيرٍ من تعاملي معه في الأوّل. لكنّ الانضباط الذي أنتجه الثاني جعلني سريعاً على نحوٍ غير معتادٍ في الأوّل، وأنا مقتنعٌ بدرجةٍ متزايدةٍ أنّ من يُديرون الشركات الكندية المتوسّطة يستفيدون من محلّلين مُدرَّبين في منظومات النزاع، لا العكس.

النسخة العملية من هذه الحجّة موجودةٌ في المشاريع التي أُنفّذها لعملاء B2B والشركات الكندية الصغيرة والمتوسّطة: لا أبدأ بتمرين علامةٍ تجارية. أبدأ بخريطةٍ عملياتية. من يدفع لمن، بأيّ شرط، بأيّ إنفاذ. كلّ ما يأتي بعد — الموقع، الحضور على لينكدإن، حركة المحتوى — يُعايَر بناءً على تلك الخريطة.

إن كانت الخريطة خاطئة، لن يُنقذ الاستراتيجية أيّ قدرٍ من الصقل. إن كانت صحيحة، فحتى قدرٌ متواضعٌ من الصقل سيتراكم على مدى سنوات. هذا، في النهاية، ما علّمنيه عقدٌ في الملفّ السوريّ عن النموّ.

I will not repeat the eight stations here; they are mapped, station by station, elsewhere on this site. What I want to set out instead is the doctrine that emerged across them, in the form a colleague could actually use. Five principles. None of them are original. All of them are tested.

One. Run a 90-day operating horizon — always. Every station in the crossing had a different official duration: a six-month visa, a one-year contract, a residency programme, a tourist stamp that got extended. In practice the operating horizon was always the same: ninety days. What can you ship in ninety days that compounds if you stay and survives if you go? Modern leaders complain that the planning horizon has collapsed; what they mean is that they are being asked to plan in displacement conditions. The 90-day cadence is the only honest answer.

Two. Hold portable assets above embedded ones. In every station, I learned the hard way which assets travel and which do not. A relationship with a specific landlord does not travel. A reputation for shipping clean work on tight deadlines travels everywhere. A bespoke local stack does not travel. A documented operating method that any competent collaborator can pick up travels. Leaders building teams in this decade should ask, of every investment of time and money, the simple question: does this asset travel? If not, can it at least be replaced in under thirty days?

Three. Maintain two languages of work. Not literally — though in my case it is also literal — but operationally. The Cairo years taught me to speak humanitarian; the Dubai year taught me to speak commercial; the Washington years taught me to speak policy. None of those languages, alone, are sufficient. Leaders who can only operate in one register get trapped inside it. The deliberate cultivation of a second working idiom — usually one register down the stack from your primary one — is the single highest-leverage investment in optionality I know.

Four. Treat your network as infrastructure, not as serendipity. The crossings were survivable because, at each step, someone who had crossed before me — sometimes by a few weeks, sometimes by a few years — opened a door. That generosity was not random. It was the output of people who had decided, deliberately, to maintain their networks as infrastructure: structured, kept-warm, with explicit norms of reciprocity. Leaders who treat networks as a side effect of being interesting are quietly outcompeted by leaders who treat them as a deliverable.

Five. Write the post-mortem before the next station. The temptation, every time a station ended, was to leave it behind quickly and lean into the next one. The discipline — and I had to learn it — was to spend two weeks writing down, in plain language, what had actually happened: what had worked, what had broken, what I had refused to see at the time. Those documents are the closest thing I have to a real operating manual. Most leaders skip this step under the cover of being too busy for it. They are not too busy. They are protecting themselves from the discomfort of looking at the previous chapter clearly.

I now sit in the eighth station — the return to Damascus, ostensibly the end of the crossing — and I find myself running, daily, the same doctrine I developed for the second station in Cairo when I was twenty-six and improvising. The doctrine has aged well. It will outlive the displacement that produced it.

If there is a single argument here, it is this: resilience is not a personality trait. It is an engineering discipline. It can be taught, documented, transferred, and audited. The most important work in front of any institution this decade is to take that engineering seriously — before the next station, whichever shape it arrives in, asks the question for you.

لن أُكرّر هنا المحطّات الثماني؛ هي مرسومةٌ، محطّةً محطّة، في موضعٍ آخر من هذا الموقع. ما أودّ تثبيته بدلاً من ذلك هو العقيدة التي تبلورت عبرها، في صورةٍ يمكن لزميلٍ أن يستخدمها فعلاً. خمسة مبادئ. لا شيء منها أصليٌّ بالكامل. كلّها مُختبَر.

أوّلاً. اعتمد أفقَ تشغيلٍ مدّته تسعون يوماً — دائماً. كلّ محطّةٍ في العبور كانت لها مدّةٌ رسميةٌ مختلفة: تأشيرةُ ستّة أشهر، عقدُ سنة، برنامجُ إقامة، ختمٌ سياحيٌّ جرى تمديده. على الأرض كان أفق التشغيل واحداً دائماً: تسعون يوماً. ما الذي يمكنك إنجازه في تسعين يوماً يتراكم إن بقيت، ويبقى ذا قيمةٍ إن رحلت؟ يشتكي القادة اليوم من أنّ أفق التخطيط انهار؛ ما يعنونه أنّهم مطلوبٌ منهم التخطيط في ظروف نزوح. إيقاع التسعين يوماً هو الجواب الصادق الوحيد.

ثانياً. أعطِ الأصول القابلةَ للنقل أولويةً على المُتجذّرة. تعلّمتُ في كلّ محطّة، بالطريقة الأصعب، أيُّ الأصول يسافر وأيُّها لا. علاقةٌ مع مالكٍ بعينه لا تُسافر. سمعةٌ بتسليم عملٍ نظيفٍ في مواعيد ضيّقةٍ تُسافر إلى كلّ مكان. مكدّسٌ تقنيٌّ محلّيٌّ مخصّصٌ لا يُسافر. منهجُ تشغيلٍ موثّقٌ يستطيع أيُّ متعاونٍ كفؤٍ التقاطه يُسافر. على القادة في هذا العقد أن يسألوا، عن كلّ استثمارٍ للوقت والمال، السؤالَ البسيط: هل هذا الأصلُ يُسافر؟ وإن لم يكن، هل يمكن استبداله في أقلّ من ثلاثين يوماً؟

ثالثاً. حافظ على لغتَي عملٍ متوازيتَين. ليس حرفياً — وإن كان حرفياً في حالتي — بل تشغيلياً. سنواتُ القاهرة علّمتني التحدّث بلغة العمل الإنساني؛ سنةُ دبي علّمتني التحدّث بلغة الأعمال التجارية؛ سنواتُ واشنطن علّمتني التحدّث بلغة السياسات. لا واحدةٌ من هذه اللغات، وحدها، كافية. القادة الذين لا يعملون إلّا في سجلٍّ واحدٍ يقعون في فخّه. الزراعة المتعمّدة للغة عملٍ ثانية — عادةً سجلٌّ أسفل من سجلّك الأساسي — هي أعلى استثمارٍ في الخيارات أعرفه.

رابعاً. عامل شبكتَك بوصفها بُنيةً تحتيّة، لا مصادفة. كانت العبورات قابلةً للنجاة لأنّ شخصاً ما، في كلّ خطوة — أحياناً قبلي بأسابيع، أحياناً قبلي بسنوات — كان يفتح باباً. هذا الكرم لم يكن عشوائياً. كان ناتجَ أناسٍ قرّروا، عمداً، صيانة شبكاتهم بوصفها بُنيةً تحتية: منظّمة، مُبقاةً دافئة، بقواعد تبادلٍ صريحة. القادة الذين يعاملون الشبكات بوصفها أثراً جانبياً لكونهم مثيرين للاهتمام يُسبَقون بهدوءٍ من قادةٍ يعاملونها بوصفها مُستحَقّاً تشغيلياً.

خامساً. اكتب تشريحَ ما بعد المرحلة قبل المحطّة التالية. كان الإغراء، في كلّ مرّةٍ تنتهي فيها محطّة، أن أتركها سريعاً وأنحاز للقادمة. الانضباط — وقد توجّب عليّ تعلّمه — كان أن أُمضي أسبوعَين أكتب فيهما، بلغةٍ مباشرة، ما جرى فعلاً: ما الذي نجح، ما الذي انكسر، ما الذي رفضتُ رؤيتَه آنذاك. هذه الوثائق هي أقرب شيءٍ عندي إلى دليلِ تشغيلٍ حقيقي. معظم القادة يتجاوزون هذه الخطوة بحجّة الانشغال. ليسوا منشغلين. هم يحمون أنفسهم من ألمِ النظر إلى الفصل السابق بوضوح.

أجلسُ الآن في المحطّة الثامنة — العودة إلى دمشق، نهاية العبور ظاهرياً — وأجد نفسي أُطبّق، يومياً، العقيدةَ ذاتها التي طوّرتها للمحطّة الثانية في القاهرة حين كنتُ في السادسة والعشرين أُرتجل. تقدّمت العقيدةُ في السنّ بشكلٍ جيّد. ستعيش بعد النزوح الذي أنتجها.

إن كانت ثمّة حُجّةٌ واحدةٌ هنا، فهي هذه: المرونة ليست سمةً شخصية. هي اختصاصٌ هندسي. يمكن تعليمها، توثيقها، نقلها، وتدقيقها. أهمّ عملٍ أمام أيّ مؤسّسةٍ في هذا العقد هو أن تأخذ هذه الهندسة على محمل الجدّ — قبل أن تسألها المحطّةُ القادمة، أيّاً كان شكلها، السؤالَ نيابةً عنها.

I am returning to it now, from inside post-2024 Damascus, because two things look different from here that did not look different at distance.

First, the framework underestimated how completely the siege economy's information networks would survive the lifting of the siege. The traders who specialised in knowing which checkpoint was open at 3am did not disappear after 2018; they migrated. The same actors are now structurally embedded in cross-line logistics, NGO procurement, and the small but growing reconstruction supply chain. The original piece treated them as artefacts of the siege. They are better understood as the first generation of operators in whatever comes next.

Second, the framework underestimated the time signature. I described siege rents as a wartime distortion. From here, with eight years of distance, they read as the foundational layer of a multi-decade political economy. The siege ended. The price-setting power did not. That is the kind of error that comes from analysing a system from outside it: you can see the structure but you systematically underweight its persistence.

The diagnostic upgrade I would make today: when you map a wartime market, always ask two questions of every actor. One — what is their position inside the current siege? Two — what is their position inside the post-siege economy that this same set of skills will produce? The second question is the one that survives.

Re-reading the 2018 piece this week, the analysis is still recognisable. The error was not in the model. The error was in assuming the model had an expiry date.

أعود إليه الآن، من داخل دمشق ما بعد 2024، لأنّ أمرَين يبدوان مختلفَين من هنا لم يكونا كذلك من المسافة.

أوّلاً: استهان الإطار بمدى بقاء شبكات المعلومات الخاصّة باقتصاد الحصار بعد رفع الحصار. التجّار الذين اختصّوا في معرفة أيّ حاجزٍ مفتوحٌ في الثالثة فجراً لم يختفوا بعد 2018؛ هاجروا. الفاعلون أنفسهم باتوا الآن مُدمَجين بنيوياً في اللوجستيات بين الخطوط، وفي مشتريات المنظّمات غير الحكومية، وفي سلسلة توريد إعادة الإعمار الصغيرة لكنّها آخذةٌ في النموّ. عاملتْهم المقالة الأصلية بوصفهم آثاراً جانبيةً للحصار. الأدقّ أن نفهمهم بوصفهم الجيل الأوّل من المُشغّلين لما هو آتٍ.

ثانياً: استهان الإطار بالأفق الزمني. وصفتُ ريوع الحصار بوصفها تشوّهاً زمن حرب. من هنا، وبمسافة ثماني سنوات، تُقرأ بوصفها الطبقة التأسيسية لاقتصادٍ سياسيٍّ يمتدّ عقوداً. انتهى الحصار. لم تنتهِ سلطة تحديد الأسعار. هذا نوعٌ من الخطأ يصدر من تحليل منظومةٍ من خارجها: ترى البنية، لكنّك تستهين منهجياً بثباتها.

التعديل التشخيصي الذي سأُدخله اليوم: حين ترسم سوقاً زمن حرب، اسأل عن كلّ فاعلٍ سؤالَين دائماً. الأوّل: ما موقعه داخل الحصار الراهن؟ الثاني: ما موقعه داخل اقتصاد ما بعد الحصار الذي ستُنتجه المهاراتُ نفسها؟ السؤال الثاني هو الذي يبقى.

في إعادة قراءتي للمقالة هذا الأسبوع، التحليل ما زال قابلاً للتعرّف. لم يكن الخطأ في النموذج. كان في افتراض أنّ للنموذج تاريخَ صلاحية.