75% من مسؤولي التوظيف الجماعي: AI خفّض عبء فرق الاستقطاب
نشرت ICIMS وLighthouse Research & Advisory في 25 أغسطس 2026 نتائج دراسة أُجريت في الربع الأول من العام وشملت 463 جهة في الصحة والتصنيع والتجزئة والضيافة والنقل والبناء. ويفيد إعلان ICIMS للدراسة بأن 75% من أصحاب العمل ذوي التوظيف الجماعي قالوا إن الذكاء الاصطناعي خفّض عبء فرق الاستقطاب، بينما قال 48% إنهم يزيدون استثماراتهم فيه بناءً على النتائج التي رأوها.
وفي 26 أغسطس 2026، أعادت تغطية TipRanks عرض النتيجة بالنطاق نفسه: إفادات من مسؤولي التوظيف الجماعي، لا تجربة تقيس الساعات الموفرة أو تثبت تحسن جودة التعيين. كما أوردت أن 62% يعطون الأولوية لاختيار المرشح الأقدر، بالتزامن مع زيادة الاستثمار التي ذكرها 48%.
أين ظهر انخفاض العبء؟
حددت الدراسة أربع حلقات يقول المشاركون إن أثر الذكاء الاصطناعي يبرز فيها: فرز السير والملفات، والعثور على المرشحين، وجدولة المقابلات، والتواصل معهم. ما يجمع هذه الأعمال هو كثرة المعاملات وتكرارها، ولذلك يمكن للأتمتة تقليل ما يحتاجه الفريق من معالجة يدوية قبل الوصول إلى قرار الاختيار.
الفرز هو الحالة الأكثر وضوحًا في البيانات المنشورة. فقد اختاره 50% بوصفه مجال القيمة الأبرز للذكاء الاصطناعي. لكن هذه النسبة لا تحدد مقدار الوقت المختصر، ولا تقارن دقة القوائم التي أنشأتها الأنظمة بدقة الفرز البشري.
في العثور على المرشحين، يمكن أن يظهر خفض العبء في تقليص البحث والمطابقة الأولية، بينما يرتبط أثر الجدولة والتواصل بتقليل المراسلات الخاصة بالمواعيد والتذكيرات والأسئلة الإجرائية. وتزداد أهمية هذه الوظائف عندما تتعامل منشأة تجزئة أو فندق أو شركة نقل أو شبكة صحية مع أعداد كبيرة من الطلبات، من دون أن تكون سرعة المعالجة دليلًا كافيًا على دقة الاختيار.
لماذا انتقلت الأولوية إلى التحقق من المهارات؟
تكشف صفحة نتائج التقرير أن 42% من الجهات واجهت احتياجات توظيف أعلى من المتوقع، وأن ثلثها فقط يثق بأن السيرة الذاتية تطابق مهارات المرشح، فيما يخشى نصفها وجود مهارات مبالغ فيها أو مختلقة. كما تصدّر التوظيف القائم على المهارات أولويات المشاركين للأشهر الـ12 إلى الـ18 التالية.
تعني هذه النتائج أن نقطة الاختناق لم تعد دائمًا جذب مزيد من الطلبات. فبعد إنشاء قائمة مرشحين بسرعة، يبقى السؤال الأصعب: هل تعكس السيرة القدرة الفعلية على أداء العمل، وهل أدلة المهارة مرتبطة بالوظيفة، وهل وصل المرشح إلى المرحلة التالية لأنه مناسب أم لأنه يجيد صياغة ملف يوافق قواعد الفرز؟
تتقاطع القطاعات المشمولة مع مجالات توظيف واسعة في الشرق الأوسط وشمال أفريقيا، خصوصًا التجزئة والضيافة والنقل والصحة. إلا أن الصفحات العامة لا تقدم توزيعًا جغرافيًا للعينة؛ لذلك لا يجوز التعامل مع النسب باعتبارها متوسطًا خاصًا بالأسواق العربية أو معيارًا محليًا جاهزًا.
خريطة القياس من الفرز إلى التواصل
الفصل الأساسي هو بين خفض العمل الإداري وتحسين نتيجة التعيين. في الفرز، يمكن رصد زمن معالجة الطلب ونسبة المرشحين الذين تؤيد المراجعة البشرية انتقالهم إلى المرحلة التالية. وفي العثور على المرشحين، تكون نسبة المؤهلين والاستجابة والوصول إلى المقابلة أكثر دلالة من العدد الإجمالي للأسماء التي جمعها النظام.
في الجدولة، تعكس المدة بين الدعوة والموعد وعدد مرات إعادة الجدولة ونسبة عدم الحضور مقدار الاحتكاك التشغيلي. أما في التواصل، فلا تكفي سرعة الرد أو كثرة الرسائل؛ الأهم هو صحة المعلومة، وإكمال الطلب، وعدم انسحاب المرشح بسبب تجربة مربكة.
جودة التعيين تحتاج إلى أفق زمني أطول. وقد تشمل مقاييسها، وفق طبيعة الوظيفة، اجتياز فترة التجربة والاستمرار وبلوغ مستوى الأداء المطلوب. تعريف هذه النتائج قبل توسيع الأتمتة يمنع خلط سؤالين مختلفين: هل أنجز الفريق العمل الإداري بجهد أقل، وهل اختار موظفين أنسب؟
ما الذي لا تثبته نسبة 75%؟
النسبة تلخص تقييم المشاركين لتجربتهم، ولا تثبت وحدها علاقة سببية بين استخدام الذكاء الاصطناعي وانخفاض عبء العمل. قد تكون الجهات التي تبنت الأدوات قد أعادت تصميم إجراءاتها أو عدلت مواردها أو واجهت حجم توظيف مختلفًا في الفترة نفسها. ولا تنشر الصفحات العامة قياسًا موحدًا للساعات الموفرة أو مجموعة مقارنة تعمل من دون التقنية.
كذلك لا تقدم النسبة دليلًا على دقة قرارات التعيين أو عدالتها. يمكن لنظام الفرز أن يقلل زمن المراجعة مع استمرار أخطاء الاستبعاد أو إعادة إنتاج أنماط موجودة في البيانات. ولهذا تبقى أسباب القرار، وإمكان المراجعة البشرية، والفروق في معدلات الانتقال بين المراحل، ودقة الإجابات الآلية مؤشرات مستقلة عن عبء فريق الاستقطاب.
وتضع النتائج الامتثال والمخاطر وكشف الاحتيال في صدارة أولويات الاستثمار المقبلة لدى المشاركين، يليها فرز الملفات والعثور على المرشحين. غير أن الاستثمار في هذه الوظائف لا يثبت فعاليتها مسبقًا؛ بل يرفع أهمية تتبع القرارات والتحقق من ادعاءات المرشحين وحماية بياناتهم.
دليل على الكفاءة المعلنة لا على جودة التعيين
المؤكد من الدراسة هو أن غالبية الجهات المستطلعة ترى أن الذكاء الاصطناعي خفّض عبء فرقها، وأن فرز السير والملفات يتصدر مجالات القيمة المبلغ عنها، مع اتجاه لدى قرابة نصف المشاركين إلى زيادة الاستثمار. وتوضح النتائج أيضًا أن اهتمام أصحاب العمل يتحول من توليد طلبات أكثر إلى اختيار المرشح القادر والتحقق من المهارات.
أما ما لم تنشره الصفحات العامة فهو الساعات التي وفرها كل استخدام، والفروق التشغيلية بين القطاعات والمناطق، وأثر الأدوات في الاحتفاظ والأداء، ونتائج تدقيق الأخطاء والعدالة. لذلك تمثل الدراسة خبرًا عن تبني الذكاء الاصطناعي وتراجع العمل المتكرر في التوظيف الجماعي، لكنها لا تقدم بعد برهانًا مكتملًا على تحسن جودة التعيين أو حياده.
اقرأ أيضًا:
اشترك في نشرتنا الإخبارية
احصل على أحدث أخبار الويب 3 والذكاء الاصطناعي والعملات المشفرة مباشرة في بريدك.