OpenAI و LinkedIn: لماذا أصبحت مهارة كتابة الأوامر الموجهة حاسمة للمسار الوظيفي

أصبحت مهارة كتابة الطلبات (prompts) الواضحة تُترك عن كونها قدرة متخصصة لعشاق التكنولوجيا وتتحول بسرعة إلى متطلب أساسي في سوق العمل. في سياق نمو أدوات الذكاء الاصطناعي، لا ينظر أصحاب العمل فقط إلى خبرة المرشح، بل أيضاً إلى ما إذا كان يعرف كيفية الحصول على نتائج واضحة ومفيدة من النماذج.

لماذا هذا مهم

في عام 2024، سجلت Microsoft و LinkedIn تحولاً في توقعات أصحاب العمل: قال 66% من القادة في الولايات المتحدة أنهم لن يوظفوا شخصاً بدون مهارات في الذكاء الاصطناعي، وكان 71% منهم على استعداد لاختيار مرشح أقل خبرة إذا كان يعرف كيفية العمل مع هذه الأدوات. هذا إشارة مهمة: لا ينظر إلى الذكاء الاصطناعي الآن كمكافأة لطيفة، بل كجزء من المؤهلات اليومية، خاصة في الأدوار التي تتطلب البحث السريع عن المعلومات وكتابة النصوص وتحليل البيانات وأتمتة المهام الروتينية.

المشكلة هي أن مجرد الحصول على حق الوصول إلى ChatGPT أو نموذج آخر لا يضمن تقريباً شيئاً. يمكن للمستخدم فتح الواجهة وطرح سؤال والحصول على إجابة ضعيفة ليس لأن النموذج سيء، بل لأن الطلب غير واضح. كلما زادت المنافسة في السوق، زادت الفرق بين شخص يسأل "شيئاً ما من البوت" وشخص يصيغ المهمة بطريقة تجعل النموذج يساعد فعلاً في العمل.

حيث يخطئ الناس

يشير بحث OpenAI حول كيفية استخدام الناس لـ ChatGPT إلى نفس المشكلة من زاوية مختلفة: معظم المستخدمين يعملون مع الأداة بشكل غير فعال. يستشهد المقال برقم مثير: حوالي 73% من الطلبات تُصيغ باللغة اليومية. قد تبدو هذه العبارة طبيعية لشخص، لكن النموذج غالباً يفسرها بحرفية مفرطة، يفقد السياق، لا يفهم القيود، وينتج إما إجابة عامة أو ببساطة عديمة الفائدة.

"معظم المستخدمين يستخدمون الأداة بشكل سيء."

الخطأ الرئيسي هو توقع التخاطر من النموذج. إذا لم يقل الطلب من هي الجمهور المستهدف، وما الصيغة المطلوبة، وما يُعتبر نتيجة جيدة، وما القيود المهمة، فسيملأ الشبكة العصبية الفراغات بالتخمينات. أحياناً يبدو هذا مثل نص واثق وسلس، لكن في الواقع لا يحل المشكلة. لهذا السبب غالباً ما تعتمد جودة الإجابة ليس على "سحر النموذج"، بل على مدى وضوح صياغة الشخص للإطار والدور ومعايير النتيجة.

كيفية كتابة طلبات أقوى

يقترح مؤلفو الدليل التعامل مع الطلب كمواصفات تقنية قصيرة، وليس كرسالة في تطبيق المراسلة. تعمل النماذج بشكل أفضل عندما تزودها مقدماً بالسياق والهدف وصيغة الإخراج. كلما كان الطلب أكثر تحديداً، كلما قلت احتمالية أن تنجرف الإجابة إلى عموميات أو تبدأ بالاختلاق بدلاً من تنفيذ المهمة.

من الناحية العملية، هذا لا يتطلب صيغاً معقدة: الانضباط في الصياغة أهم من مجموعة من الكلمات العصرية.

• حدد دور النموذج: محرر، محلل، مجند، مطور.
• قدم السياق: لمن الإجابة، وفي أي موقف، ولماذا.
• ثبت صيغة النتيجة: قائمة، بريد إلكتروني، جدول، خطة، كود.
• أضف قيوداً: الحجم، النبرة، الحقائق بدون اختلاق، بدون افتراضات غير ضرورية.
• إذا كانت الإجابة ضعيفة، وضح خطوة بخطوة بدلاً من إعادة كتابة الطلب بأكمله من البداية.

لا يجب أن يكون الطلب الجيد طويلاً، لكن يجب أن يكون محدداً وواضحاً. إذا كنت بحاجة إلى تحليل مقالة لـ Telegram، قل ذلك: حدد الطول والأسلوب والنقاط الرئيسية وما لا تريد فعله. إذا كنت بحاجة إلى تحليل المرشحين، اسرد معايير التقييم. هذا النهج مفيد ليس فقط للتواصل مع الذكاء الاصطناعي. إنه ينظم تفكيرك: تفهم مهمتك بشكل أفضل، تلاحظ الثغرات بسرعة أكبر، وتوفر الوقت على المراجعات اللا نهائية.

ما الذي يعنيه هذا

في عام 2026، يبدو صياغة الطلبات أقل شبهاً بـ "خدعة ذكاء اصطناعي" منفصلة وأكثر شبهاً بشكل جديد من محو الأمية الرقمية. يأخذ أصحاب العمل هذه المهارة في الاعتبار بالفعل عند التوظيف، والنماذج تكافئ من يعرفون كيفية صياغة المهام بوضوح. الفائز ليس الشخص الذي لديه دردشة مفتوحة، بل الشخص الذي يستطيع تحويل فكرة غامضة إلى طلب دقيق والحصول على نتيجة قابلة للقياس.