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

الذكاء الاصطناعي لا يلغي العمل — بل يغيّر قواعد الوصول إليه. هذا هو الاستنتاج الذي توصلت إليه شركة Selectel من خلال تحليل كيف تعيد الذكاء الاصطناعي هيكلة سوق العمل: لا توجد وظائف شاغرة أقل، لكن الدخول إلى المهنة يضيق، والمتطلبات تزداد، وسعر المهارات المتعلقة بالذكاء الاصطناعي يرتفع بشكل حاد. بدلاً من سيناريو تحل فيه الآلات محل البشر بشكل جماعي، يتشكل صورة مختلفة: يتم استبدال الأشخاص بأولئك الذين تعلموا بالفعل العمل بالتوازي مع النماذج ويمكنهم تحويل الذكاء الاصطناعي إلى نتائج عملية بشكل أسرع.

في السنوات الأخيرة، ظهرت حول الذكاء الاصطناعي طبقة كاملة من الأدوار الجديدة، التي لم تكن موجودة مؤخراً أو كانت متخصصة جداً. في مركز هذا النظام البيئي يوجد مهندس LLM/AI، الذي لا يدرب نموذجاً من الصفر، بل يجمع نظاماً فعالاً من واجهات برمجية التطبيقات والاسترجاع المعزز بالأجيال والأدوات والخطوط الأنابيب. بجانبه يقف مهندس MLOps المحدّث: مهمته الآن ليست مجرد نشر النماذج، بل التحكم في الكمون والموثوقية وتكاليف الاستدلال.

وأكثر ندرة وأعلى أجراً هو مهندس البنية التحتية للذكاء الاصطناعي — متخصص في وحدات معالجة الرسومات والحوسبة الموزعة والتكميم والتخزين المؤقت وأشياء أخرى تؤثر بشكل مباشر على اقتصاديات منتج الذكاء الاصطناعي. تكمل هذه الطبقة مدير المنتج للذكاء الاصطناعي ومصمم التفاعل مع الذكاء الاصطناعي: الأول يوازن بين جودة الإجابة وتكلفة الاستعلامات وتجربة المستخدم، والثاني يصمم منطق الحوار وسلوك النظام وكيفية فشله. تتكون طبقة منفصلة من أدوار مرتبطة بالبيانات والجودة والأمان.

يتحول مهندس الأوامر من مهنة مستقلة عصرية تدريجياً إلى مجموعة من المهارات الإلزامية لفريق المهندسين والمنتجات. متخصصو الإنسان في الحلقة وموظفو تدريب الذكاء الاصطناعي يصنفون البيانات ويصححون إجابات النماذج ويُنشئون بشكل أساسي طبقة إنسانية مخفية تحت «الذكاء الآلي». يذهب مهندس البيانات الاصطناعية أبعد من ذلك وينتج مجموعات بيانات تدريب للسيناريوهات النادرة أو الممثلة بشكل سيء.

يتحقق مدقق الذكاء الاصطناعي ومتخصص مخاطر الذكاء الاصطناعي من الأنظمة من أجل الانحياز والمخاطر القانونية والامتثال التنظيمي. بعبارة أخرى، السوق لا تكيّف المهن القديمة مع الأدوات الجديدة فحسب، بل تجمع بنية إنتاجية كاملة حول الذكاء الاصطناعي. لكن مع ظهور أدوار جديدة، يتغير مبدأ التوظيف نفسه.

وفقاً للبيانات التي تستشهد بها Selectel استناداً إلى البحث، تقلل حتى 66% من الشركات توظيف المتخصصين الذين سيحتاجون إلى إعادة تدريب طويلة، وحوالي 90% من أصحاب العمل يلاحظون اختفاء أو تحول جذري للأدوار الأساسية. هذا يؤثر بشكل خاص على المبتدئين: الكود النموذجي والتحليل الأساسي وإعداد التقارير والعمل الروتيني الآخر يتم أتمتته بشكل متزايد. الشركات أقل استعدادة لتوظيف شخص «للنمو» وتفضل المرشحين الذين يعرفون بالفعل كيفية استخدام أدوات الذكاء الاصطناعي في عمليات العمل.

في ظل هذا الوضع، ينقسم السوق: القطاع الأعلى مع هندسة الذكاء الاصطناعي والبنية التحتية وإدارة منتجات الذكاء الاصطناعي يصبح أكثر تكلفة، والطرف الأسفل يتم سحقه بالأتمتة، والمراكز الوسطى تجد نفسها في الوسط — تختفي بعض مهامهم بينما يتطلب الباقي خبرة تقارب مستوى الأقدمية. بالتوازي، تنمو العلاوة على كفاءات الذكاء الاصطناعي: امتلاك هذه المهارات، وفقاً لبعض التقديرات، يمكن أن يضيف حتى 15% إلى الراتب. لم تختفِ الفصل من العمل، لكن من المهم تفسيرها بشكل صحيح.

تستشهد Selectel بتقدير مفاده أنه في عام 2025 خسر قطاع التكنولوجيا العالمي حوالي 246 ألف موظف، من بينهم حوالي 55 ألف فصل ارتبطوا بطريقة ما بالذكاء الاصطناعي. في الأشهر الأولى من عام 2026 استمرت الاتجاهات: حوالي 40 ألف تخفيض آخر، وزادت الكثافة المتوسطة من 674 إلى 926 شخصاً يومياً. ومع ذلك، نادراً ما يتم ذكر الذكاء الاصطناعي كسبب وحيد للفصل.

تتحدث الشركات عادة عن إعادة الهيكلة وتحسين الكفاءة وإعادة تخصيص الموارد نحو الاتجاهات المتعلقة بالذكاء الاصطناعي. من المهم أيضاً أن المساهمة المباشرة للذكاء الاصطناعي في الفصل تبقى محدودة: في أوائل عام 2026 في الولايات المتحدة، ارتبطت بحوالي 7% فقط من الحالات، والمديرون الماليون توقع في المتوسط تخفيض العمالة بنسبة حوالي 0.4% فقط سنوياً.

يوضح هذا أن الذكاء الاصطناعي غالباً ما يعمل كمسرع لتحسين بدأ بالفعل بدلاً من أن يكون المصدر الوحيد للأزمة. الخلاصة الرئيسية هنا ليست أن هناك عملاً أقل، بل أن سوق العمل أصبح انتقائياً بشكل ملحوظ. يكسب المتخصصون الذين يفهمون حدود النماذج ويمكنهم حساب اقتصاديات الاستدلال وبناء خطوط أنابيب موثوقة وتولي مهام أكثر تعقيداً من السابق.

ما يخسره ليس المهنة نفسها بل الطريقة القديمة للدخول إليها — من خلال المهام البسيطة والمنحنى الطويل للتعلم والتعلم التدريجي على رأس العمل. لذا فإن المنافس الحقيقي اليوم ليس الذكاء الاصطناعي كمثل بل الشخص الذي دمجه بالفعل في عمله اليومي وتعلم الحصول على نتائج قابلة للقياس منه.