صعود وسقوط أكثر المسميات الوظيفية رواجاً في التقنية
في مطلع 2023، كان مصطلح “مهندس الأوامر” (Prompt Engineer) في كل مكان. تناقلت وسائل الإعلام رواتب تصل إلى 300,000 دولار لهذا المنصب — عروض حقيقية لكنها استثنائية، نشرتها شركات مثل Anthropic وتصدرت العناوين تحديداً لأنها كانت حالات نادرة. انفجرت الملفات الشخصية على LinkedIn التي تذكر “هندسة الأوامر” كمهارة. وتكاثرت معسكرات التدريب المكثف التي تعد بتعليم هندسة الأوامر خلال عطلة نهاية أسبوع واحدة. كان الخطاب لا يُقاوم: يمكنك كسب راتب من ستة أرقام بمجرد تعلم التحدث مع الذكاء الاصطناعي.
بحلول 2026، اختفى منصب “مهندس الأوامر” المخصص إلى حد كبير من مواقع التوظيف. تُظهر بيانات Indeed أن عمليات البحث عن مصطلح “prompt engineer” ارتفعت من 2 لكل مليون عملية بحث أمريكية في يناير 2023 إلى 144 لكل مليون بحلول أبريل 2023، قبل أن تنهار إلى نحو 20-30 لكل مليون — أي انخفاض بأكثر من 80% عن الذروة. أكدت Hannah Calhoon، نائبة رئيس الذكاء الاصطناعي في Indeed، أن إعلانات التوظيف لمهندسي الأوامر أصبحت ضئيلة للغاية. في استطلاع أجرته Microsoft شمل 31,000 عامل في 31 دولة، احتل منصب “مهندس الأوامر” المرتبة قبل الأخيرة بين الأدوار الجديدة التي تخطط الشركات لإضافتها خلال 12 إلى 18 شهراً المقبلة. وكان Jared Spataro، الرئيس التنفيذي لتسويق الذكاء الاصطناعي في العمل لدى Microsoft، صريحاً: الوظيفة التي توقع الجميع أنها ستكون الموجة القادمة الكبرى أصبحت تتطلب تخصصاً أقل، لأن النماذج الحديثة تتعامل مع الأوامر غير الدقيقة بشكل أفضل من سابقاتها.
ما الذي حدث؟ لم يختفِ المنصب لأن الذكاء الاصطناعي أصبح أقل أهمية — بل اختفى لأن الذكاء الاصطناعي أصبح أكثر أهمية. مع اندماج أدوات الذكاء الاصطناعي في كل سير عمل، أصبحت القدرة على التفاعل الفعال مع الذكاء الاصطناعي توقعاً أساسياً من جميع العاملين في مجال المعرفة، وليست دوراً متخصصاً. استُوعبت هندسة الأوامر في الوظائف القائمة، تماماً كما لم يكن “استخدام محرك البحث” وظيفة قائمة بذاتها قط، بل أصبح مهارة متوقعة من الجميع.
السؤال الحقيقي في 2026 ليس “كيف أصبح مهندس أوامر؟” بل “ما مهارات الذكاء الاصطناعي التي تميزني فعلاً في سوق العمل؟”
المستويات الثلاثة لمهارات الذكاء الاصطناعي
يمكن فهم مشهد مهارات الذكاء الاصطناعي في 2026 من خلال ثلاثة مستويات، لكل منها مستويات طلب وعلاوات رواتب وتداعيات مهنية مختلفة.
المستوى الأول: محو أمية الذكاء الاصطناعي (متوقع من الجميع)
لم تعد محو أمية الذكاء الاصطناعي (AI Literacy) — القدرة على استخدام أدوات الذكاء الاصطناعي بفعالية كجزء من عملك الحالي — عامل تمييز. إنها متطلب أساسي. وفقاً لتقرير Dice 2025 Tech Jobs Report، فإن 53% من إعلانات الوظائف التقنية في الولايات المتحدة تشترط الآن مهارات في الذكاء الاصطناعي أو التعلم الآلي (Machine Learning)، مقارنة بـ 29% قبل عام واحد فقط. تُظهر بيانات LinkedIn زيادة بنسبة 70% سنوياً في الوظائف الأمريكية التي تتطلب محو أمية الذكاء الاصطناعي عبر جميع القطاعات. أصدرت وزارة العمل الأمريكية إطاراً رسمياً لمحو أمية الذكاء الاصطناعي في فبراير 2026، مما يشير إلى أن هذه المهارة أصبحت تُعامل ككفاءة مهنية أساسية.
في 2026، يتوقع أصحاب العمل من العاملين في مجال المعرفة أن يكونوا قادرين على:
- استخدام مساعدي الذكاء الاصطناعي بإنتاجية: صياغة وتنقيح الأوامر لتوليد النصوص والتحليل والتلخيص والمهام الإبداعية. معرفة متى تكون مخرجات الذكاء الاصطناعي موثوقة ومتى تحتاج إلى تحقق.
- دمج الذكاء الاصطناعي في سير العمل القائم: استخدام GitHub Copilot للبرمجة، وميزات الذكاء الاصطناعي في Microsoft 365 Copilot، وأدوات التصميم بالذكاء الاصطناعي مثل Figma AI، والأدوات المتخصصة في مجال عملهم.
- تقييم مخرجات الذكاء الاصطناعي بشكل نقدي: تحديد الهلوسات والتحيزات والأخطاء في المحتوى المولّد بالذكاء الاصطناعي. فهم حدود أنظمة الذكاء الاصطناعي الحالية.
الأثر الراتبي لمهارات المستوى الأول ضئيل — فهي تمنع الاستبعاد بدلاً من أن تفرض علاوة. مدير تسويق لا يستطيع استخدام أدوات الذكاء الاصطناعي يكون في وضع سيئ؛ ومدير تسويق يتقنها يلبي التوقعات فحسب.
القياس هنا هو محو الأمية الحاسوبية في العقد الأول من الألفية: بحلول 2010، لم يكن ذكر “إتقان Microsoft Office” في السيرة الذاتية أمراً لافتاً لأن الجميع كان مفترضاً أن يمتلك هذه المهارات. محو أمية الذكاء الاصطناعي يسير على نفس المسار. لكن فجوة مهارات كبيرة لا تزال قائمة: 17% فقط من العاملين يستخدمون الذكاء الاصطناعي بشكل متكرر اليوم، رغم أن 42% يتوقعون تغييرات جوهرية في أدوارهم بسببه. نافذة التقدم من خلال بناء محو أمية الذكاء الاصطناعي تضيق بسرعة.
المستوى الثاني: تطبيق الذكاء الاصطناعي (طلب مرتفع، علاوة كبيرة)
مهارات تطبيق الذكاء الاصطناعي — القدرة على بناء حلول مدعومة بالذكاء الاصطناعي وتخصيصها ونشرها لحل مشكلات أعمال محددة — تمثل النقطة المثلى في سوق العمل لعام 2026. هذه هي المهارات التي تحقق علاوات رواتب حقيقية. وجد تقرير PwC 2025 Global AI Jobs Barometer، الذي حلل قرابة مليار إعلان وظيفي عبر ست قارات، أن الوظائف التي تتطلب مهارات الذكاء الاصطناعي تحمل علاوة رواتب متوسطة تبلغ 56%، مقارنة بـ 25% في العام السابق. يؤكد تقرير Upwork In-Demand Skills 2026 أن المهنيين المتقنين للذكاء الاصطناعي يحصلون على علاوات تتراوح بين 40% و70% مقارنة بأقرانهم الذين لا يملكون قدرات في الذكاء الاصطناعي.
بنية التوليد المعزز بالاسترجاع (RAG – Retrieval-Augmented Generation): بناء أنظمة تجمع بين النماذج اللغوية الكبيرة (LLMs) وبيانات المؤسسة الخاصة — قواعد المعرفة والتوثيق وقواعد البيانات — لتوليد استجابات دقيقة ومرتبطة بالواقع. يكسب مهندسو RAG متوسط 118,000 دولار، ويصل أفضلهم إلى 184,500 دولار (ZipRecruiter، فبراير 2026). تحدد LinkedIn تقنية RAG كواحدة من أكثر المهارات شيوعاً لدى مهندسي الذكاء الاصطناعي.
تطوير وكلاء الذكاء الاصطناعي (AI Agents): بناء وكلاء ذكاء اصطناعي مستقلين قادرين على تخطيط مهام متعددة الخطوات، واستخدام أدوات (واجهات برمجة التطبيقات، قواعد البيانات، البحث على الإنترنت)، وتنفيذ سير العمل بأقل تدخل بشري. هذا هو القطاع الأسرع نمواً: قفزت إعلانات الوظائف التي تذكر مهارات الذكاء الاصطناعي الوكيل (Agentic AI) بنسبة 986% بين 2023 و2024. يتوقع Gartner أن 40% من تطبيقات المؤسسات ستدمج وكلاء ذكاء اصطناعي متخصصين بحلول نهاية 2026، مقارنة بأقل من 5% في 2025. تتراوح الرواتب بين 120,000 دولار وأكثر من 450,000 دولار، مع علاوة تتراوح بين 15% و20% للمناصب الأعلى مقارنة بمهندسي التعلم الآلي التقليديين.
الضبط الدقيق وتخصيص النماذج (Fine-tuning): تكييف النماذج المدربة مسبقاً لحالات استخدام محددة — لغة قطاعية (قانونية، طبية، مالية)، أو أسلوب ونبرة مؤسسية، أو مهام متخصصة. يتطلب ذلك فهم تقنيات التدريب (LoRA، QLoRA، RLHF)، وإعداد البيانات، والتقييم.
عمليات التعلم الآلي والبنية التحتية للذكاء الاصطناعي (MLOps): نشر أنظمة الذكاء الاصطناعي ومراقبتها وصيانتها في بيئة الإنتاج — إدارة إصدارات النماذج، ومراقبة الانحراف، والتعامل مع التوسع، وضمان الموثوقية. هذا هو معادل “DevOps للذكاء الاصطناعي”، ووجد تقرير McKinsey State of AI 2025 أن مهندسي البرمجيات ومهندسي البيانات هم الأكثر طلباً مع انتقال المؤسسات من التجريب إلى الإنتاج.
التقييم والاختبار: تصميم أُطر تقييم لأنظمة الذكاء الاصطناعي — إنشاء معايير قياسية، واختبارات A/B، واختبارات الأمان، وكشف التحيز، ومراقبة الأداء. مع تزايد أهمية أنظمة الذكاء الاصطناعي، تزداد قيمة القدرة على تقييم جودتها بصرامة. يفيد McKinsey بأن 13% من الشركات وظفت الآن متخصصين في الامتثال للذكاء الاصطناعي و6% وظفت خبراء في أخلاقيات الذكاء الاصطناعي.
المستوى الثالث: البحث والتطوير في الذكاء الاصطناعي (أعلى علاوة، أصغر مجمع)
البحث والتطوير الأساسي في الذكاء الاصطناعي — تدريب نماذج جديدة، وتطوير بنى جديدة، ودفع أحدث ما توصل إليه العلم — يقدم أعلى تعويضات لكنه يتطلب أعمق خبرة:
- هندسة التعلم الآلي: تصميم وتدريب أنظمة التعلم الآلي الإنتاجية، بما في ذلك بنية نماذج التعلم العميق (Deep Learning)، وتحسين التدريب، والبنية التحتية للتدريب الموزع
- بحوث سلامة الذكاء الاصطناعي والمحاذاة (AI Safety & Alignment): ضمان أن أنظمة الذكاء الاصطناعي تعمل كما هو مقصود، وتقاوم التلاعب العدائي، وتتوافق مع القيم الإنسانية — مجال ينمو بسرعة مدعوماً بالاستثمارات المؤسسية والتمويل الحكومي
- تطوير الذكاء الاصطناعي متعدد الوسائط (Multimodal AI): بناء أنظمة قادرة على المعالجة والتوليد عبر وسائط متعددة (نص، صور، صوت، فيديو، كود) — الحدود الأمامية لقدرات الذكاء الاصطناعي الحالية
التعويضات في المستوى الثالث: وفقاً لـ Levels.fyi، يتراوح إجمالي التعويضات في كبرى مختبرات الذكاء الاصطناعي من 248,000 دولار إلى أكثر من 1.28 مليون دولار في OpenAI، ومن 199,000 دولار إلى أكثر من 743,000 دولار في Google (مهندسو التعلم الآلي)، ومن 198,000 دولار إلى 759,000 دولار في Anthropic. يكسب كبار باحثي الذكاء الاصطناعي في شركات التقنية الكبرى عادةً بين 500,000 دولار وأكثر من 2 مليون دولار كتعويض إجمالي. في الحالات القصوى، يُقال إن Google DeepMind عرضت على كبار الباحثين ما يصل إلى 20 مليون دولار سنوياً، وقدمت Meta حزم احتفاظ تصل إلى 300 مليون دولار على أربع سنوات لمواهب استثنائية. حتى في الشركات غير المتخصصة في الذكاء الاصطناعي، يحصل مهندسو التعلم الآلي على تعويضات تتراوح بين 200,000 و400,000 دولار.
ما الذي يوظفه أصحاب العمل فعلاً
يكشف تحليل إعلانات الوظائف عن مهارات الذكاء الاصطناعي الأكثر طلباً في 2026. يُظهر مؤشر Indeed AI Tracker أن 4.2% من جميع إعلانات الوظائف تذكر الآن الذكاء الاصطناعي أو كلمات مفتاحية مرتبطة به، مع تركيزات أعلى بكثير في مجالات محددة: قرابة 45% من إعلانات البيانات والتحليلات تحتوي على مصطلحات مرتبطة بالذكاء الاصطناعي، مقارنة بنحو 15% في التسويق و9% في الموارد البشرية.
أكثر مهارات الذكاء الاصطناعي طلباً (حسب تكرار الظهور في الإعلانات):
- Python (تبقى اللغة المشتركة لتطوير الذكاء الاصطناعي)
- الخبرة بواجهات برمجة تطبيقات النماذج اللغوية الكبيرة (OpenAI، Anthropic، Google)
- بنية RAG وقواعد البيانات المتجهة (Vector Databases)
- خدمات الذكاء الاصطناعي السحابية (AWS Bedrock، Azure OpenAI، Google Vertex AI)
- هندسة البيانات وتطوير خطوط الأنابيب (Pipelines)
- عمليات التعلم الآلي ونشر النماذج (MLflow، Kubeflow، SageMaker)
- أُطر وكلاء الذكاء الاصطناعي (LangChain، LlamaIndex، CrewAI)
- الضبط الدقيق وتخصيص النماذج
- سلامة الذكاء الاصطناعي والتقييم والحوكمة
- الرؤية الحاسوبية / معالجة اللغة الطبيعية (NLP) (خاصة بالمجال)
يبرز تقرير Upwork 2026 أسرع مهارات الذكاء الاصطناعي التطبيقية نمواً: توليد وتحرير الفيديو بالذكاء الاصطناعي (+329% سنوياً)، ودمج الذكاء الاصطناعي (+178%)، وتعليق البيانات ووسمها بالذكاء الاصطناعي (+154%)، وتطوير روبوتات المحادثة بالذكاء الاصطناعي (+71%).
ما لا يزيد بشكل ملموس من فرص التوظيف:
- شهادات “هندسة الأوامر” من معسكرات التدريب المكثف أو الدورات عبر الإنترنت
- معرفة أداة ذكاء اصطناعي واحدة دون فهم تقني أعمق
- مصطلحات الذكاء الاصطناعي الرنانة بدون خبرة مشاريع قابلة للإثبات
- شهادات عامة في “استراتيجية الذكاء الاصطناعي” بدون قدرة على التنفيذ
إعلان
ميزة الخبرة المجالية
واحدة من أبرز اتجاهات التوظيف في 2026 هي العلاوة الممنوحة لـالخبرة المجالية المقترنة بمهارات الذكاء الاصطناعي بدلاً من مهارات الذكاء الاصطناعي وحدها. المهنيون الأكثر قيمة في الذكاء الاصطناعي ليسوا عموميين — بل هم متخصصون يفهمون كلاً من سير العمل التقني للذكاء الاصطناعي والسياق المهني الذي يعملون فيه.
محامٍ قادر على بناء أدوات مراجعة العقود المدعومة بالذكاء الاصطناعي أكثر قيمة من مطور ذكاء اصطناعي عام لا يفهم قانون العقود. طبيب قادر على تقييم ونشر أدوات التشخيص بالذكاء الاصطناعي أكثر قيمة من مهندس تعلم آلي لا يفهم سير العمل السريري. محلل مالي قادر على بناء نماذج مخاطر مدعومة بالذكاء الاصطناعي أكثر قيمة من عالم بيانات لا يفهم التنظيم المالي.
يقدم هذا الملف الشخصي على شكل حرف “T” — خبرة مجالية عميقة مع مهارات تطبيق الذكاء الاصطناعي — أعلى العلاوات خارج نطاق البحث البحت في الذكاء الاصطناعي. يوثق تقرير IMD لاتجاهات الذكاء الاصطناعي 2026 التحول من المهنيين على شكل “I” (خبراء وظيفيون عميقون) إلى قادة على شكل “T” يجمعون بين العمق وقدرات الذكاء الاصطناعي العرضية. انتقلت 70% من المؤسسات من التجريب بالذكاء الاصطناعي إلى النشر الإنتاجي على نطاق واسع، وهي تحتاج إلى أشخاص يفهمون المجال بعمق كافٍ ليعرفوا ما يستطيع الذكاء الاصطناعي حله وما لا يستطيع، وكيف يُقيّمون مخرجات الذكاء الاصطناعي من حيث الدقة المجالية، وكيف يدمجون أدوات الذكاء الاصطناعي في سير العمل المهني القائم.
التداعيات على استراتيجية المسار المهني: بالنسبة لمعظم المهنيين، أعلى عائد على الاستثمار لا يكمن في التحول نحو الذكاء الاصطناعي بل في تعزيز الخبرة المجالية الحالية بمهارات تطبيق الذكاء الاصطناعي من المستوى الثاني. مهندس مدني يتعلم استخدام الذكاء الاصطناعي للتحليل الإنشائي سيكسب أكثر من شخص غيّر مساره المهني وحصل على شهادة في هندسة الأوامر.
الأرقام المهمة
الصورة الأشمل للذكاء الاصطناعي والوظائف أكثر إيجابية مما قد توحي به قصة مهندس الأوامر التحذيرية. وفقاً لبيانات LinkedIn والمنتدى الاقتصادي العالمي (World Economic Forum) من يناير 2026، أنشأ الذكاء الاصطناعي بالفعل 1.3 مليون وظيفة جديدة، تشمل أدواراً مثل مهندس الذكاء الاصطناعي والمهندس الميداني ومعلق البيانات. وجد تقرير Stanford HAI 2025 AI Index أن اعتماد المؤسسات للذكاء الاصطناعي ارتفع من 55% إلى 78% في عام واحد. يُظهر مقياس PwC أن الوظائف التي تتطلب مهارات الذكاء الاصطناعي تنمو بنسبة 7.5% سنوياً، حتى مع انخفاض إجمالي إعلانات الوظائف بنسبة 11.3%.
الرسالة واضحة: الذكاء الاصطناعي يخلق وظائف أكثر مما يلغي، لكن الوظائف التي يخلقها تتطلب مهارات مختلفة عن تلك التي يستبدلها. المهارات التي يبحث عنها أصحاب العمل تتغير بوتيرة أسرع بنسبة 66% في المهن الأكثر تعرضاً للذكاء الاصطناعي، وفقاً لـ PwC — مقارنة بنسبة 25% أسرع في العام السابق.
كيف تبني مهارات الذكاء الاصطناعي المهمة
للمهنيين الراغبين في تطوير مهارات ذكاء اصطناعي قابلة للتسويق في 2026:
ابدأ بمشكلة حقيقية. أكثر الطرق فعالية لبناء مهارات الذكاء الاصطناعي هي حل مشكلة حقيقية — وليس إكمال درس تعليمي. اختر مشكلة في مجالك الحالي: أتمتة مهمة متكررة، بناء نظام معرفي لفريقك، إنشاء سير عمل مدعوم بالذكاء الاصطناعي لقسمك. المهارات المكتسبة من حل المشكلات الحقيقية قابلة للإثبات فوراً أمام أصحاب العمل.
تعلم Python بشكل أساسي. Python هي البوابة لكل أداة وإطار عمل ومكتبة ذكاء اصطناعي. لا تحتاج أن تصبح مهندس برمجيات، لكنك تحتاج إتقاناً كافياً لـ Python للعمل مع واجهات برمجة التطبيقات (APIs)، ومعالجة البيانات، وبناء التطبيقات.
افهم أساسيات النماذج اللغوية الكبيرة. لا تحتاج لتدريب نماذج من الصفر، لكن عليك أن تفهم: كيف تعمل النماذج اللغوية الكبيرة (بنية Transformer على المستوى المفاهيمي)، ما تستطيع وما لا تستطيع فعله (القدرات والحدود)، كيف تستخدمها عبر واجهات برمجة التطبيقات، كيف تبني أنظمة RAG، وكيف تقيّم جودة المخرجات.
ابنِ محفظة مشاريع. في غياب شهادات معترف بها، فإن محفظة مشاريع ذكاء اصطناعي عاملة هي الدليل الأكثر إقناعاً على الكفاءة. استضف مشاريعك على GitHub، واكتب عن منهجيتك، وشارك نتائجك.
ابقَ محدّثاً دون ملاحقة الضجيج الإعلامي. يتغير مشهد الذكاء الاصطناعي شهرياً. ركز على المهارات الأساسية (Python، معالجة البيانات، تطوير واجهات برمجة التطبيقات، تصميم الأنظمة) القابلة للنقل بين الأدوات والأُطر، بدلاً من إتقان إطار العمل الرائج هذا الشهر.
إعلان
🧭 رادار القرار (عدسة الجزائر)
| البُعد | التقييم |
|---|---|
| الأهمية بالنسبة للجزائر | عالية — يحتاج المهنيون الجزائريون إلى تطوير مهارات الذكاء الاصطناعي للبقاء تنافسيين في أسواق العمل المحلية والدولية؛ علاوة الأجور العالمية البالغة 56% تؤكد تكلفة التخلف |
| البنية التحتية جاهزة؟ | جزئياً — خدمات الذكاء الاصطناعي السحابية (AWS، Azure، Google) متاحة من الجزائر؛ قدرات الحوسبة المحلية بوحدات GPU لتدريب النماذج محدودة؛ جودة الإنترنت تتحسن لكنها غير متسقة خارج المدن الكبرى |
| المهارات متوفرة؟ | جزئياً — الجامعات الجزائرية (USTHB، ESI، ENSIA) تُدخل مقررات الذكاء الاصطناعي؛ مجتمع متنامٍ من المطورين العصاميين نشط على GitHub؛ لكن المسارات المهيكلة لأدوار الذكاء الاصطناعي من المستوى الثاني (RAG، الوكلاء، MLOps) شحيحة |
| الجدول الزمني للعمل | فوري — يجب تطوير محو أمية الذكاء الاصطناعي الآن؛ مهارات المستوى الثاني يمكن بناؤها خلال 6 إلى 12 شهراً من التعلم المركز والعمل على مشاريع حقيقية باستخدام موارد مجانية |
| أصحاب المصلحة الرئيسيون | الجامعات والمدارس الهندسية الجزائرية، وزارة التعليم العالي، منظمات المجتمع التقني، الشركات الناشئة الجزائرية، مهنيو التقنية في المهجر، مراكز التكوين المهني |
| نوع القرار | تعليمي — هذا قرار تطوير مهني فردي بالدرجة الأولى مدعوم بالمؤسسات التعليمية وبرامج تنمية القوى العاملة الحكومية |
خلاصة سريعة: بالنسبة للمهنيين الجزائريين، النصيحة الأكثر قابلية للتنفيذ هي: لا تلاحقوا لقب “مهندس الأوامر” أو شهادات الذكاء الاصطناعي العامة. بدلاً من ذلك، ادمجوا خبرتكم المجالية الحالية مع مهارات تطبيق الذكاء الاصطناعي العملية. محاسب جزائري يستطيع بناء أدوات تحليل مالي بالذكاء الاصطناعي، أو طبيب جزائري يستطيع تقييم أنظمة التشخيص بالذكاء الاصطناعي، أو مهندس جزائري يستطيع نشر الذكاء الاصطناعي لمراقبة البنية التحتية، سيكون أكثر قيمة بكثير من شخص يحمل شهادة ذكاء اصطناعي عامة بلا عمق مجالي. يمكن تعلم مهارات المستوى الثاني (RAG، الوكلاء، الضبط الدقيق، MLOps) من خلال موارد مجانية أو منخفضة التكلفة (fast.ai، دورات Hugging Face، DeepLearning.AI) والتدرب على مشاريع حقيقية باستخدام الطبقات المجانية للخدمات السحابية. مع استهداف الاستراتيجية الوطنية الجزائرية للذكاء الاصطناعي تكوين 100,000 متخصص في الذكاء الاصطناعي بحلول 2030، يتعين على الحكومة والجامعات دمج مهارات تطبيق الذكاء الاصطناعي في كل قسم بشكل عاجل — وليس في علوم الحاسوب فحسب — حتى يدخل خريجو الهندسة والطب والحقوق وإدارة الأعمال سوق العمل بمحو أمية الذكاء الاصطناعي كأساس وبقدرات الذكاء الاصطناعي الخاصة بمجالهم كعامل تمييز.
المصادر
- PwC 2025 Global AI Jobs Barometer
- Indeed AI at Work Report 2025
- Indeed January 2026 Labor Market Update
- LinkedIn Jobs on the Rise 2026
- World Economic Forum / LinkedIn — AI Has Added 1.3 Million Jobs
- Stanford HAI — AI Index Report 2025
- McKinsey — The State of AI 2025
- Upwork In-Demand Skills 2026
- US Department of Labor AI Literacy Framework
- Levels.fyi — AI/ML Compensation Data
- Salesforce Ben — Prompt Engineering Jobs Are Obsolete (2025)
- fast.ai — Practical Deep Learning for Coders
- Hugging Face — Free AI Courses
إعلان