Shuvasish Sharma, Ximena Játiva

بحلول عام 2030، من المتوقع أن يتحول أكثر من 20٪ من الوظائف بسبب التقدم في التكنولوجيا الرقمية والتحولات الديموغرافية والاضطرابات الاقتصادية. هذا بالفعل يعيد تشكيل كيفية العثور على المواهب وتدريبها وتوظيفها، مما يتطلب استراتيجيات جديدة لضمان التوافق بين المهارات والفرص.

غالبًا ما تفشل أنظمة مطابقة الوظائف التقليدية في التقاط النطاق الكامل لمهارات المرشح. إنها تعتمد بشكل كبير على مطابقة الكلمات الرئيسية والمسميات الوظيفية الجامدة، متجاهلة المهارات القابلة للنقل للمرشحين وإمكانات النمو والقدرة على التكيف. يؤدي هذا النهج القديم إلى عدم تطابق المهارات والبطالة المطولة وانخفاض الإنتاجية.

علاوة على ذلك، فإن التصنيفات غير المتسقة للمهارات وبيانات سوق العمل المجزأة تجعل من الصعب على أصحاب المصلحة، الحكومات وأصحاب العمل ومقدمي التعليم، تبادل معلومات واضحة وقابلة للتنفيذ بشأن احتياجات المهارات. كما أنها تمنعهم من الاستجابة لمتطلبات سوق العمل المتغيرة بسرعة.

بدون أطر موحدة، من الصعب التأكد من أن الجميع يتحدثون نفس اللغة عندما يتعلق الأمر بالمهارات والكفاءات. هذا النقص في التماسك يعيق التقدم الوظيفي الفردي والمرونة الاقتصادية الأوسع.

نحو نظام بيئي أكثر ذكاءً وقائمًا على المهارات

تعمل التكنولوجيا على تغيير الطريقة التي نربط بها الأشخاص بالوظائف. تساعد أدوات مثل الذكاء الاصطناعي والتعلم الآلي والبلوك تشين في بناء أنظمة ديناميكية وغنية بالبيانات تعمل على مواءمة مهارات العمال بشكل أوثق مع متطلبات السوق.

يقدم تقرير بعنوان “مطابقة المواهب مع وظائف الغد”، نُشر في فبراير 2025 من قبل المنتدى الاقتصادي العالمي و”Capgemini”، خارطة طريق من خمس خطوات لمساعدة خدمات التوظيف العامة على استخدام التكنولوجيا بشكل أكثر فعالية. فيما يلي أبرز النقاط:

1. كل شيء يبدأ بالبيانات

تزدهر الأنظمة الذكية بالبيانات الجيدة. باستخدام الذكاء الاصطناعي، يمكن للمؤسسات فحص إعلانات الوظائف والسير الذاتية في الوقت الفعلي باستخدام معالجة اللغة الطبيعية “NLP” لاستخراج الكلمات الرئيسية والمهارات والكفاءات. يمنح هذا التدفق المستمر للبيانات صورة أوضح لما يبحث عنه أصحاب العمل، وكيف تتغير هذه الاحتياجات.

2. تحدث نفس اللغة

في الوقت الحالي، فإن الطريقة التي نصف بها الوظائف والمهارات ليست متسقة دائمًا. يمكن لتوحيد هذه اللغة عبر الصناعات أن يجعل عملية مطابقة الوظائف أسرع وأكثر كفاءة. يمكن لأدوات البرمجة اللغوية العصبية “NLP” مواءمة التصنيفات عبر القطاعين العام والخاص، مما يضمن التشغيل البيني العالمي. وهذا يساعد الباحثين عن عمل وأصحاب العمل ومقدمي التعليم على التواصل بفعالية.

3. بناء الثقة في البيانات

يعد التحقق من المهارات والمؤهلات أمرًا ضروريًا لمنع التأخيرات أثناء عملية التوظيف. يمكن أن يؤدي منح الشهادات القائم على البلوك تشين إلى إنشاء سجلات آمنة ومقاومة للتلاعب للشهادات، بينما توفر التقييمات الرقمية آليات قابلة للتطوير للتحقق من المهارات. تزيد هذه الأدوات من الثقة في ملفات تعريف المرشحين، وتقلل من أوجه القصور في التوظيف وتدعم تنقل المواهب العالمي.

4. تخصيص رحلة التعلم

يمكن لمنصات التعلم المدعومة بالذكاء الاصطناعي أن تصمم إعادة التدريب ورفع مستوى المهارات لكل شخص. من خلال تحليل المهارات الحالية والأهداف المهنية، فإنها توصي بمسارات التعلم وتعديلها في الوقت الفعلي مع تطور احتياجات سوق العمل. يعزز هذا النهج التعلم مدى الحياة وقدرة القوى العاملة على التكيف.

5. مطابقة وظائف أكثر ذكاءً

تجمع نماذج التعلم الآلي بين بيانات المرشح ونتائج التوظيف الواقعية لتحسين دقة التنبؤ. تساعد نماذج اللغة الكبيرة “LLMs” في وضع المهارات والتاريخ الوظيفي في السياق، وتقديم توصيات وظيفية أكثر صلة وإرشادات مهنية مخصصة للمرشحين وأصحاب العمل.

التقنيات التي تقود التحول

إن التحول نحو مطابقة الوظائف الأكثر ذكاءً مدعوم بمجموعة من التقنيات الرئيسية التي تعيد تشكيل كيفية تقييمنا للمواهب وربطها بالفرص.

تعتبر معالجة اللغة الطبيعية والذكاء الاصطناعي أساسيتين لاستخراج البيانات وتفسيرها، على سبيل المثال، تشغيل رؤى في الوقت الفعلي وتمكين وظائف متعددة اللغات. يمكن أيضًا استخدام تحليل الفجوات المدعوم بالذكاء الاصطناعي لتحديد احتياجات المهارات الناشئة، وإعلام تصميم برامج التدريب وتوجيه الاستثمار المؤسسي.

تضمن البلوك تشين سلامة بيانات الاعتماد وقابليتها للنقل، مما يقلل الاعتماد على الفحوصات اليدوية للخلفية. أخيرًا، تساعد أطر المهارات الديناميكية، التي يتم تحديثها باستمرار من خلال التعلم الآلي، في الحفاظ على تصنيفات المهارات ذات صلة مع ظهور وظائف وتقنيات جديدة.

لكن مطابقة الوظائف الناجحة لا تتعلق فقط بالتكنولوجيا، بل تتعلق أيضًا بكيفية تنفيذها. يضمن التعاون بين القطاعين العام والخاص التوافق بين سياسة القوى العاملة وأنظمة التعليم واحتياجات أصحاب العمل. يعمل التصميم الخاص بالسياق على تكييف أنظمة مطابقة الوظائف مع البنية التحتية الرقمية المحلية والظروف الاجتماعية والاقتصادية، مما يتيح الابتكار القابل للتطوير. وتدمج الأنظمة التي تركز على الإنسان الأدوات الرقمية مع الإشراف من قبل الخبراء، مما يدعم الشمولية والثقة.

بناء أسواق عمل شاملة وجاهزة للمستقبل

تمثل أنظمة مطابقة الوظائف الأكثر ذكاءً فرصة استراتيجية لإعادة تشكيل كيفية تطوير المهارات والاعتراف بها ونشرها على مستوى العالم. عندما تتماشى مهارات القوى العاملة مع طلب السوق، يمكننا تقليل حالات عدم التطابق، وزيادة الإنتاجية وبناء اقتصادات أكثر شمولاً ومرونة.

يعتمد مستقبل العمل على إطلاق العنان للإمكانات البشرية. ستكون التكنولوجيا محركًا مهمًا لهذا التحول.

إعداد: وحدة الترجمات بمركز سمت للدراسات

المصدر: World Economic Forum