Gareth Francis

بحلول عام 2030، من المتوقع أن يكون أكثر من 20٪ من الوظائف في جميع أنحاء العالم قد تطورت بشكل كبير بسبب اضطرابات سوق العمل.

هذه التغييرات، المدفوعة بالصعود السريع للتقنيات المتطورة، والتحول الأخضر، والتحولات الديموغرافية، والتجزئة الجيواقتصادية، يمكن أن تخلق 170 مليون وظيفة جديدة. ولكنها قد تؤدي أيضًا إلى إزاحة 92 مليون وظيفة أخرى، وفقًا لتقرير المنتدى الاقتصادي العالمي “مستقبل الوظائف 2025”.

إذًا، كيف يمكننا ضمان حصول العمال على الفرص المناسبة؟

“مطابقة المواهب مع وظائف الغد”، وهو دليل المنتدى لخدمات التوظيف العامة، يحدد إطار عمل من خمس خطوات لمساعدة صانعي السياسات على تسخير التكنولوجيا لربط المواهب بوظائف المستقبل. فيما يلي توصياته الرئيسية الخمس:

1. جمع بيانات ديناميكية حول اتجاهات الوظائف

تنص الخطة على أن الخطوة الأولى تتضمن جمع بيانات دقيقة وفي الوقت الفعلي من الشركات والباحثين عن عمل لتتبع اتجاهات سوق العمل والتنبؤ بها. وبدلاً من الاعتماد على تقارير التوظيف الثابتة، يحتاج صانعو السياسات إلى رؤى ديناميكية تعتمد على التكنولوجيا.

يمكن للتكنولوجيا تبسيط هذه العملية. يمكن لواجهات برمجة التطبيقات “APIs” المدمجة مع لوحات الوظائف أن توفر اتجاهات التوظيف في الوقت الفعلي، في حين أن التحليلات المدعومة بالذكاء الاصطناعي يمكن أن تكتشف فجوات المهارات الناشئة وتحولات سوق العمل. يمكن للفحص الآلي للسيرة الذاتية تقييم مهارات الباحثين عن عمل وتنبيه الأفراد إلى الفرص المصممة خصيصًا.

دراسة حالة: برنامج “المضي قدمًا” في غواتيمالا يسخر بالفعل الحلول القائمة على البيانات لتحسين مطابقة الوظائف. في حين أن الواجهات المستندة إلى الويب ونماذج الطلبات توفر الأساس، تستكشف الدولة الآن التحليلات التنبؤية المدعومة بالذكاء الاصطناعي لتعزيز الكفاءة والدقة.

2. إنشاء مصطلحات وظيفية موحدة

بالطبع، جمع البيانات وحده لا يكفي. أحد أكبر العوائق أمام مطابقة الوظائف هو التضارب في كيفية وصف الأدوار والمهارات.

تستخدم الشركات والصناعات والمناطق المختلفة مصطلحات متباينة لتحديد المسميات الوظيفية والكفاءات والمؤهلات، مما يخلق عدم توافق بين المواهب والفرص.

هناك حاجة إلى معلومات موحدة لإنشاء إطار عمل موحد حتى تتمكن الحكومات وأصحاب العمل والمؤسسات من التوافق عالميًا. تضمن أدوات إدارة التصنيف التنظيمي “Taxonomy” تصنيفًا متسقًا للوظائف والمهارات، بينما تقوم تقنية معالجة اللغة الطبيعية “Natural Language Processing” تلقائيًا بهيكلة البيانات، مما يسد الفجوات متعددة اللغات.

دراسة حالة: طورت “SkillsFuture Singapore” إطارًا وطنيًا يتماشى مع التصنيفات التنظيمية للمهارات في القطاع الخاص. وهذا يضمن الاتساق عبر الصناعات، مما يسهل على الباحثين عن عمل وأصحاب العمل التواصل.

3. ضمان بيانات وظائف موثوقة

لكي تعمل أنظمة مطابقة الوظائف، يجب أن يثق كل من أصحاب العمل والباحثين عن عمل في البيانات، ومرة أخرى، يمكن للتكنولوجيا أن تساعد. يمكن استخدام “Blockchain” لإظهار أن المعلومات آمنة ومقاومة للتلاعب. يمكن تطبيق ذلك على سجلات الشهادات، مما يمنح أصحاب العمل الثقة في أن المرشحين المحتملين مؤهلون للأدوار.

توفر منصات تقييم المهارات عبر الإنترنت فرصة أخرى لتوسيع نطاق تجمعات المواهب، مما يمكّن المرشحين من إكمال الاختبارات عن بُعد على المهارات الصعبة أو اللينة.

دراسة حالة: يستخدم “برنامج تصدير المواهب الوطني” في نيجيريا الفحص المدفوع بالذكاء الاصطناعي، والتحقق من المهارات، وفحوصات قاعدة البيانات الوطنية لتحسين مطابقة الوظائف. يهدف البرنامج إلى تسهيل توظيف مليون فرد على مدى خمس سنوات.

4. استخدام الذكاء الاصطناعي لتوسيع نطاق الوصول إلى المهارات

يشعر العديد من العمال بالقلق بشأن ما إذا كانت مهاراتهم ستظل ذات صلة. التحدي ليس مجرد إيجاد وظائف؛ بل هو إعداد الناس لفرص جديدة.

توفر منصات التعلم المدعومة بالذكاء الاصطناعي مسارات تدريب مخصصة لمساعدة العمال على التكيف مع أسواق العمل المتغيرة. يمكن دمج هذه المنصات في منصات تجربة التعلم، مما يضمن أن برامج رفع مستوى المهارات في المتناول ومصممة خصيصًا لتلبية الاحتياجات الفردية.

دراسة حالة: تدعم خدمة التوظيف العامة السويدية “Arbetsförmedlingen” الباحثين عن عمل، وخاصة أولئك ذوي المهارات المتدنية أو الذين يواجهون تحديات الهجرة، من خلال تقديم التدريب الداخلي والتدريب المتخصص لتحسين الاندماج في القوى العاملة.

5. استخدام نماذج اللغة الكبيرة “LLMs” لمطابقة العمال بالوظائف

الخطوة الأخيرة هي تجميع البيانات لمطابقة العمال بفرص العمل. يمكن لتقنيات الذكاء الاصطناعي مثل التعلم الآلي أن تجمع بين معلومات المرشح والبيانات التاريخية للتنبؤ بالمطابقات المثالية.

تتمتع نماذج اللغة الكبيرة أيضًا بإمكانات كبيرة لتحديد السياق الذي يجعل أفرادًا معينين مناسبين لأدوار معينة. يمكن أن يتجاوز هذا الكفاءات والمؤهلات، مع الأخذ في الاعتبار دوافع وتفضيلات المرشحين أيضًا.

دراسة حالة: تجمع “France Travail”، وهي خدمة التوظيف الوطنية في فرنسا، بين الذكاء الاصطناعي والتحليل الدلالي والذكاء الاصطناعي التوليدي مع الخبرة البشرية لإنشاء توصيات وظيفية مفصلة ومسارات وظيفية مخصصة للباحثين عن عمل.

لكي ينجح هذا الإطار، يعد التعاون بين القطاعين العام والخاص أمرًا ضروريًا، كما يقول مؤلفو التقرير، حيث يعمل صانعو السياسات والشركات والمعلمون معًا لإنشاء حلول:

• الاستفادة من الذكاء الاصطناعي والأتمتة لتعزيز الإمكانات البشرية، وليس استبدالها.
• إعطاء الأولوية للتنوع المعرفي في الفرق لضمان أن تعكس الحلول مجموعة متنوعة من احتياجات الموظفين.
• تطوير استراتيجيات ذات صلة ثقافية تتماشى مع ديناميكيات سوق العمل الإقليمية.

من خلال وضع البشر في قلب التحول، يكون صانعو السياسات والشركات في وضع أفضل لإنشاء حلول مصممة خصيصًا لتمكين العمال وبناء سوق عمل مرن.

إعداد: وحدة الترجمات بمركز سمت للدراسات
المصدر: World Economic Forum