بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

226 وظيفة تكشف: 75% من متخصصي الذكاء الاصطناعي مطلوبون للعمل من المكتب

تُظهر عيّنة من 226 وظيفة على hh.ru أنه لا يوجد «سوق ذكاء اصطناعي» واحد، بل ثلاث مهن مختلفة: تطوير النماذج، وبناء تطبيقات تعتمد على نماذج اللغة الكبيرة (LLM)، ودعم البنية التحتية لتعلّم الآلة. ومن بين 144 إعلانًا متخصصًا، يتعلق 104 بالنماذج، و34 بالذكاء الاصطناعي التطبيقي، وستة فقط بـ MLOps. والخلاصة الأهم للمرشح بسيطة: انظر إلى المهام لا إلى المسمى الوظيفي الرائج.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
226 وظيفة تكشف: 75% من متخصصي الذكاء الاصطناعي مطلوبون للعمل من المكتب
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1يُذكر Python في 38.2% من الوظائف المتخصصة، وLLM في 37.5%.
حقيقة رئيسية #2ست وظائف فقط من أصل 144 تقبل رسميًا مرشحين بلا خبرة.
حقيقة رئيسية #3يُعرض العمل عن بُعد في 22.9% من الإعلانات المتخصصة.

قد يخفي مسمى «ML Engineer» اليوم ثلاث مهن مختلفة تقريبًا. ففي إحدى الوظائف المطلوب تدريب النماذج وحساب المقاييس، وفي أخرى بناء خدمة RAG فوق نموذج لغوي كبير جاهز، وفي ثالثة توزيع الحسابات بين وحدات GPU ومراقبة البنية التحتية. لذلك فإن قائمة التقنيات الرائجة وحدها لا تقول للمرشح الكثير.

حلّل الباحثون 226 إعلانًا من hh.ru حُفظت في 6 نوفمبر 2026. وبعد التصنيف، اعتُبرت 144 وظيفة متخصصة: 104 منها تتعلق بتطوير نماذج ML وDL، و34 بأنظمة الذكاء الاصطناعي التطبيقية، وست أخرى بـ MLOps. هذا ليس تعدادًا للسوق كله، بل لقطة لعيّنة واحدة في يوم محدد. ومع ذلك تُظهر هذه اللقطة جيدًا أين تتباعد المسميات الوظيفية عن العمل الفعلي.

ثلاثة أسواق تحت لافتة واحدة

المسار الأول هو تطوير النماذج. ويشمل إعداد البيانات والتدريب والتحقق من الجودة والتجارب. وتبرز في العيّنة الرؤية الحاسوبية وعلم البيانات الكلاسيكي وأنظمة التقييم الائتماني (scoring) وأنظمة التوصية ومعالجة اللغة الطبيعية (NLP). وهذه الوظائف الأكثر عددًا: 104 من 144 إعلانًا متخصصًا.

المسار الثاني هو الذكاء الاصطناعي التطبيقي. هنا غالبًا لا يحتاج صاحب العمل إلى من يدرّب نموذجًا لغويًا خاصًا به، بل إلى مهندس قادر على ربط نموذج LLM جاهز، وبناء بحث في المستندات، وإضافة RAG والوكلاء وواجهات API والتسجيل (logging) والتحقق من الإجابات. وعدد هذه الوظائف 34. وهذا أقرب إلى تطوير المنتجات: فالقيمة لا يصنعها النموذج بذاته، بل سيناريو موثوق يعمل حوله.

المسار الثالث هو MLOps والبنية التحتية لتعلّم الآلة. ففي ستة إعلانات فقط كانت البنية التحتية المهمة الرئيسية. وجرى الحديث عن GPU ونشر النماذج وقابلية المراقبة وأمان خطوط المعالجة. الرقم صغير، لكن لا ينبغي قراءته كغياب للطلب: فمسؤوليات البنية التحتية تظهر أيضًا داخل وظائف مطوّري النماذج.

مثال بسيط. قد يحمل إعلانان المسمى نفسه «AI Engineer». في الأول يعيد المرشح تدريب نموذج ويقارن المقاييس. وفي الثاني يستدعي نموذجًا خارجيًا عبر API، ويبحث عن مستندات للسياق، ويعالج الأعطال. المسمى واحد، لكن ملف الأعمال والمقابلة والعمل اليومي ستكون مختلفة.

ماذا يكتب أصحاب العمل في المتطلبات

من بين 144 وظيفة متخصصة، يُذكر Python في 55، أي 38.2%. ويظهر LLM في 54 إعلانًا (37.5%)، ووكلاء الذكاء الاصطناعي في 35 (24.3%)، وPyTorch في 26 (18.1%)، وRAG في 21 (14.6%). ولا ينبغي تحويل هذه النسب إلى ترتيب للمهارات الإلزامية: فقد توفرت للباحثين العناوين ومقتطفات محفوظة من الأوصاف فقط. وإذا لم تَرِد تقنية ما في المقتطف، فهذا لا يعني أن صاحب العمل لا يستخدمها.

يترك السوق للمبتدئين ممرًا ضيقًا. فست وظائف متخصصة فقط صُنّفت رسميًا ضمن فئة «بلا خبرة». وتتطلب 61 وظيفة أخرى خبرة من سنة إلى ثلاث سنوات، و64 من ثلاث إلى ست سنوات، و13 أكثر من ست سنوات. ومع ذلك، فإن عبارة «بلا خبرة» لا تعني «بلا معرفة»: فحتى المتخصص المبتدئ يحتاج إلى الأساسيات وأدوات العمل ومشروع يمكن تحليله من حيث القرارات والمقاييس والقيود.

والبيانات عن الرواتب أقل. فقد نُشر المبلغ في 32 فقط من 144 إعلانًا متخصصًا. وتختلط في العيّنة الروبلات والتنغي والدولارات، والمبالغ قبل الضرائب وبعدها، والحدود الدنيا والنطاقات الكاملة. لذلك لا يمكن الحصول على متوسط راتب دقيق من هذه البيانات. العروض المنفردة مفيدة كمؤشرات استرشادية، لكنها ليست معيارًا للسوق.

الخلاصة العملية

ينبغي للباحث عن عمل أن يختار نوع العمل أولًا، ثم يبني مجموعته التقنية. ففي تطوير النماذج تهم البيانات والمقاييس والتحقق والتجارب القابلة للتكرار. وفي الذكاء الاصطناعي التطبيقي: التكامل ومعالجة الأخطاء وتقييم الإجابات والإحالة إلى المصادر والمراقبة. وفي MLOps: النشر وقابلية المراقبة والبنية التحتية الحاسوبية والأمان.

كما أن الأفضل ألا يُبنى ملف الأعمال حول عبارة «صنعت روبوت دردشة». فالأقوى هو نظام مكتمل: مهمة واضحة، ومصدر بيانات، وحل أساسي للمقارنة، ومقياس مختار، وقيود، وطريقة تشغيل. وهناك إشارة رصينة أخرى: 75% من الوظائف المتخصصة تفترض العمل في الموقع، بينما يُذكر العمل عن بُعد في 22.9% فقط. لقد تبيّن أن سوق الذكاء الاصطناعي لا يتطلب الخبرة فحسب، بل هو أيضًا أقل انفتاحًا على العمل عن بُعد بكثير مما قد يُظن من الأحاديث الدائرة حول القطاع.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ثلاثة أسواق تحت لافتة واحدة؟

المسار الأول هو تطوير النماذج. ويشمل إعداد البيانات والتدريب والتحقق من الجودة والتجارب. وتبرز في العيّنة الرؤية الحاسوبية وعلم البيانات الكلاسيكي وأنظمة التقييم الائتماني (scoring) وأنظمة التوصية ومعالجة اللغة الطبيعية (NLP). وهذه الوظائف الأكثر عددًا: 104 من 144 إعلانًا متخصصًا. المسار الثاني هو الذكاء الاصطناعي التطبيقي.

ما أبرز التفاصيل حول ماذا يكتب أصحاب العمل في المتطلبات؟

من بين 144 وظيفة متخصصة، يُذكر Python في 55، أي 38.2%. ويظهر LLM في 54 إعلانًا (37.5%)، ووكلاء الذكاء الاصطناعي في 35 (24.3%)، وPyTorch في 26 (18.1%)، وRAG في 21 (14.6%). ولا ينبغي تحويل هذه النسب إلى ترتيب للمهارات الإلزامية: فقد توفرت للباحثين العناوين ومقتطفات محفوظة من الأوصاف فقط. وإذا لم تَرِد تقنية ما في المقتطف، فهذا لا يعني أن صاحب العمل لا يستخدمها. يترك السوق للمبتدئين ممرًا ضيقًا. فست وظائف متخصصة فقط صُنّفت رسميًا ضمن فئة «بلا خبرة».

ما أبرز التفاصيل حول الخلاصة العملية؟

ينبغي للباحث عن عمل أن يختار نوع العمل أولًا، ثم يبني مجموعته التقنية. ففي تطوير النماذج تهم البيانات والمقاييس والتحقق والتجارب القابلة للتكرار. وفي الذكاء الاصطناعي التطبيقي: التكامل ومعالجة الأخطاء وتقييم الإجابات والإحالة إلى المصادر والمراقبة. وفي MLOps: النشر وقابلية المراقبة والبنية التحتية الحاسوبية والأمان. كما أن الأفضل ألا يُبنى ملف الأعمال حول عبارة «صنعت روبوت دردشة». فالأقوى هو نظام مكتمل: مهمة واضحة، ومصدر بيانات، وحل أساسي للمقارنة، ومقياس مختار، وقيود، وطريقة تشغيل.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…