Selectel: الذكاء الاصطناعي لا يسلب الوظائف، لكنه يجعل دخول المهنة أصعب بكثير

الذكاء الاصطناعي لا يلغي العمل، بل يغيّر قواعد الوصول إليه. هذا ما تخلص إليه Selectel في تحليلها لكيفية إعادة الذكاء الاصطناعي تشكيل سوق العمل: عدد الوظائف لا ينخفض، لكن الدخول إلى المهنة يضيق، والمتطلبات ترتفع، وقيمة المهارات المرتبطة بالذكاء الاصطناعي ترتفع بحدة. وبدلًا من سيناريو تحلّ فيه الآلات محل البشر على نطاق واسع، تتشكل صورة مختلفة: الذين يحلّون محل الناس هم من تعلّموا العمل جنبًا إلى جنب مع النماذج، ويحوّلون الذكاء الاصطناعي إلى نتيجة تطبيقية أسرع من غيرهم.

خلال السنوات الأخيرة ظهرت حول الذكاء الاصطناعي طبقة كاملة من الأدوار الجديدة، التي كانت قبل وقت قصير إما غير موجودة أو محصورة في نطاقات ضيقة. في قلب هذه المنظومة يقف LLM/AI Engineer، الذي لا يدرّب نموذجًا من الصفر، بل يبني نظامًا عمليًا من واجهات API وتقنية RAG والأدوات وخطوط المعالجة (pipelines). وإلى جانبه يأتي مهندس MLOps بصيغته المحدّثة: لم تعد مهمته مجرد نشر النماذج، بل إبقاء زمن الاستجابة (latency) والموثوقية وتكلفة الاستدلال تحت السيطرة.

وأعلى من ذلك ندرةً وراتبًا يقف AI Infrastructure Engineer، المتخصص في وحدات GPU والحوسبة الموزعة والتكميم (quantization) والتخزين المؤقت وغيرها مما يؤثر مباشرة في اقتصاديات منتج الذكاء الاصطناعي. ويكمل هذه الطبقة كل من AI Product Manager وAI Interaction Designer: الأول يوازن بين جودة الإجابة وتكلفة الطلبات وتجربة المستخدم، والثاني يصمّم منطق الحوار وسلوك النظام والكيفية التي ينبغي أن يخطئ بها.

وثمة طبقة منفصلة من الأدوار تتعلق بالبيانات والجودة والأمان. فـPrompt Engineer، الذي بدا مهنة مستقلة رائجة، يتحول تدريجيًا إلى مجموعة مهارات إلزامية للمهندسين وفرق المنتج. أما متخصصو Human-in-the-loop وAI Trainer فيقومون بوسم البيانات وتصحيح إجابات النماذج، ويشكّلون عمليًا طبقة بشرية خفية تقف تحت «الذكاء الآلي». ويذهب Synthetic Data Engineer أبعد من ذلك، فيولّد مجموعات تدريب للسيناريوهات النادرة أو ضعيفة التمثيل. ويفحص AI Auditor وAI Risk Specialist الأنظمة بحثًا عن التحيّز والمخاطر القانونية ومدى الامتثال للتنظيمات. وبعبارة أخرى، السوق لا يكتفي بتكييف المهن القديمة مع الأدوات الجديدة، بل يبني حول الذكاء الاصطناعي بنية إنتاجية متكاملة.

لكن مع ظهور الأدوار الجديدة يتغير مبدأ التوظيف نفسه. فبحسب بيانات تنقلها Selectel عن دراسات، تقلّص نحو 66% من الشركات توظيف المتخصصين الذين يحتاجون إلى تدريب طويل، ويرصد قرابة 90% من أصحاب العمل اختفاء الأدوار الأساسية أو تحوّلها الجذري. ويصيب هذا المبتدئين (junior) بشكل خاص: فالشيفرة النمطية والتحليل الأولي وإعداد التقارير وغيرها من الأعمال الروتينية تُؤتمت بوتيرة متزايدة.

وتقلّ رغبة الشركات في توظيف شخص «للنمو لاحقًا»، وتفضّل مرشحين يجيدون أصلًا استخدام أدوات الذكاء الاصطناعي في سير العمل. وفي ظل ذلك ينقسم السوق: الشريحة العليا، من هندسة وبنية تحتية وإدارة منتجات الذكاء الاصطناعي، ترتفع قيمتها، والشريحة الدنيا تُسحق تحت وطأة الأتمتة، ويجد المتخصصون من المستوى المتوسط (middle) أنفسهم في الوسط: جزء من مهامهم يختفي، والجزء المتبقي يتطلب مستوى يقترب من مستوى الخبير (senior). وبالتوازي ترتفع علاوة الكفاءات المرتبطة بالذكاء الاصطناعي: إذ يمكن لامتلاك هذه المهارات، بحسب التقديرات، أن يضيف إلى الراتب حتى 15%.

أما عمليات التسريح فلم تختفِ، لكن من المهم تفسيرها تفسيرًا صحيحًا. تورد Selectel تقديرًا يفيد بأن قطاع التكنولوجيا فقد عالميًا في 2025 نحو 246 ألف موظف، ارتبط نحو 55 ألفًا من حالات التسريح منها بالذكاء الاصطناعي بدرجة أو بأخرى. وفي الأشهر الأولى من 2026 استمر الاتجاه: نحو 40 ألف تسريح إضافي، وارتفع متوسط الوتيرة من 674 إلى 926 شخصًا في اليوم.

ومع ذلك نادرًا ما يُذكر الذكاء الاصطناعي سببًا وحيدًا للتسريح. فالشركات تتحدث عادةً عن إعادة الهيكلة وزيادة الكفاءة وإعادة توزيع الموارد لصالح اتجاهات الذكاء الاصطناعي. ومن المهم كذلك أن المساهمة المباشرة للذكاء الاصطناعي في التسريح لا تزال محدودة: ففي مطلع 2026 في الولايات المتحدة ربطته بالحالات نحو 7% فقط منها، فيما توقع المديرون الماليون في المتوسط خفض عدد الموظفين بنحو 0,4% فقط خلال العام.

وهذا يدل على أن الذكاء الاصطناعي يعمل في الغالب مسرّعًا لعملية تحسين الكفاءة التي بدأت بالفعل، لا مصدرًا وحيدًا للأزمة.

الخلاصة الرئيسية ليست أن العمل يقلّ، بل أن سوق العمل أصبح أكثر انتقائية بوضوح. يربح المتخصصون الذين يفهمون حدود النماذج، ويحسبون اقتصاديات الاستدلال، ويبنون خطوط معالجة موثوقة، ويتولّون مهام أعقد مما كان مطلوبًا من قبل. ما يخسر ليس المهنة في ذاتها، بل الطريقة القديمة للدخول إليها: عبر المهام البسيطة، وفترة الإحماء الطويلة، والتعلّم التدريجي في الميدان. ولهذا فإن المنافس الرئيسي اليوم ليس الذكاء الاصطناعي بحد ذاته، بل الشخص الذي دمجه بالفعل في عمله اليومي وتعلّم كيف يحقق به نتيجة قابلة للقياس.