لماذا تعيد Infosys تدريب الخريجين: متخصصو تكنولوجيا المعلومات الهنود غير مستعدين لعصر الذكاء الاصطناعي

يواجه سوق التوظيف في تكنولوجيا المعلومات الهندي واقعاً محرجاً: شهادة علوم الحاسوب لا تضمن بعد الآن الاستعداد للعمل في عصر الذكاء الاصطناعي، والشركات مضطرة لإعادة تدريب الخريجين من الصفر على أدوات التطوير الجديدة. تظهر المشكلة في التقاطع بين التعليم والممارسة. تركز برامج الجامعات لا تزال على اللغات الكلاسيكية والخوارزميات والاختبارات وكتابة الأكواد يدوياً، بينما الفرق الحقيقية تعمل بشكل متزايد مع التطوير بمساعدة الذكاء الاصطناعي: توليد الأكواد والإكمال التلقائي وتحليل الأخطاء والنماذج السريعة والتحقق من النتائج بواسطة الآلة.

ونتيجة لذلك، قد يعرف المتخصص الشاب النظرية لكنه يفهم بضعف كيف تعمل سير العمل الحديث، حيث يتم تفويض العمل الروتيني بالفعل للنماذج. تُحدّث المناهج الدراسية ببطء شديد، والتوظيف الجماعي بناءً على الاختبارات المعيارية لا يزال لا يشير بوضوح إلى ما إذا كان المرشح قادراً على العمل في بيئة يعتمد فيها الأداء الآن ليس فقط على الشخص بل على قدرته على استخدام الذكاء الاصطناعي بشكل صحيح. لهذا السبب، شركات كبرى مثل Infosys مضطرة لقضاء أسابيع في تكييف الموظفين الجدد.

الأمر لا يتعلق ببساطة بالتعريف بأداة تطوير أخرى أو معايير الشركة الداخلية. يتعلم المبتدئون صياغة المهام لأدوات الذكاء الاصطناعي والتحقق من الأكواد المُولدة وتحديد الهلوسات والعمل مع الأمان والاختبارات وجودة النتائج. بعبارة أخرى، تغلق الشركات الفجوة التي كانت الجامعة أو الدراسة الذاتية تغطيها جزئياً سابقاً.

بالنسبة لصاحب العمل، هذا يعني تكاليف تدريب إضافية في الوقت الذي يتوقع فيه العمل من الذكاء الاصطناعي تسريع التطوير وتحقيق عائدات أسرع من المطورين الصغار. بالنسبة للهند، هذا محبط بشكل خاص لأن البلد كان أحد أكبر موردي المواهب الهندسية للمعلوماتية العالمية والاستعانة بالعاملين بالخارج لسنوات عديدة. عندما يتغير نموذج التطوير بهذه السرعة، تتغير قيمة المهارات الأساسية أيضاً.

لم يعد يكفي ببساطة كتابة دالة أو حل مسألة خوارزمية — يجب أن تتمكن من دمج الذكاء الاصطناعي في العمل اليومي وتسريع التسليم والمسؤولية عن النتائج. يتوقع أصحاب العمل ليس فقط معرفة بالبناء الجملي بل أيضاً القدرة على إتقان مجموعة تقنية جديدة بسرعة وفهم متطلبات المنتج والسيطرة على جودة ما يقترحه النموذج. بالنسبة لشركات الخدمات، لم تعد هذه مسألة أكاديمية بل مسألة الهوامش وجداول التسليم والسمعة أمام العملاء الأجانب.

هناك أيضاً مشكلة هيكلية: الذكاء الاصطناعي يغير نقطة الدخول ذاتها للمهنة. في السابق، كان يُتوقع من المطورين الصغار تنفيذ المهام المتكررة بعناية لاكتساب الخبرة. الآن، جزء كبير من هذا العمل الروتيني يُؤتمت، مما يعني أن المناصب الابتدائية أصبحت أكثر صرامة.

من المبتدئين، لم يعد يُتوقع فقط الامتثال للعملية بل القدرة على فهم أكوام الآخرين بسرعة وكتابة تعليمات جيدة والتحقق من نتائج النموذج وفهم أين تساعد الأتمتة وأين تخلق مخاطرة. هذا يجعل الانتقال من الجامعة إلى فريق حقيقي أكثر صعوبة، خاصة لمن درسوا وفقاً للأنماط القديمة. لهذه القصة معنى أوسع.

الذكاء الاصطناعي لا يلغي الطلب على المبرمجين لكنه يرفع حد الكفاءة المهنية. الشركات أقل استعدادً لدفع ثمن العمل اليدوي البطيء حيث يمكن أتمتة جزء من العمل. لذا، الشهادة الرسمية والمجموعة المعيارية من أعمال المختبرات لم تعد كافية للخريجين.

سيكون أكثر تنافسية من يعرف العمل بالتنسيق مع مساعدات الذكاء الاصطناعي ويفهم أساسيات العمارة والاختبار وخصوصية البيانات ويستطيع شرح لماذا يمكن لإجابة نموذج معينة أن تذهب للإنتاج أم لا. في الواقع، يبدأ السوق بتقييم ليس حجم المادة المدروسة بل سرعة التكيف والتفكير النقدي والانضباط الهندسي. إذا استمرت الاتجاهات، ستضطر الجامعات لمراجعة برامجها بسرعة أكبر بكثير من قبل.

ستفقد دورات البرمجة بدون الممارسة العملية مع أدوات الذكاء الاصطناعي قيمتها، والتدريب المؤسسي سيصبح أطول وأكثر تكلفة. بالنسبة للعمل، هذا يعني تكاليف إضافية؛ بالنسبة للطلاب، إشارة إلى أن السوق لا يشتري 'شهادة نظيفة' بعد الآن. إنه يشتري القدرة على التعلم السريع والتفكير النقدي والعمل بجانب الذكاء الاصطناعي وليس بعيداً عنه.

بالنسبة للخريجين أنفسهم، الخلاصة بسيطة: أتقن الأدوات الجديدة قبل وظيفتك الأولى، وإلا فإن مدرستك الحقيقية الأولى في التطوير ستوفرها صاحب العمل — فقط على حساب الوقت الضائع والمنافسة الأقوى على المناصب.