AI خفّض إعلانات وظائف تكساس 2.6%، والضغط يبدأ عند باب التوظيف
قدّر تحليل صمويل دوديني وتاكر سميث المنشور لدى بنك الاحتياطي الفيدرالي في دالاس في 1 سبتمبر 2026 أن التعرض لأتمتة الذكاء الاصطناعي التوليدي خفّض إجمالي إعلانات Lightcast في تكساس بنحو 1.8% خلال 2024 و2.6% خلال 2025؛ كما وجد أن الفجوة بين المهن الأعلى والأقل تعرضًا بلغت قرابة 5% بنهاية 2023 ونحو 8% في الربع الأول من 2025، وأن الشركات القائمة الأعلى تعرضًا قلّصت إعلاناتها بنحو 5% إلى 6% بحلول منتصف 2024 و8% إلى 9% بحلول مطلع 2026.
ما ثبت حتى الآن هو ضعف مقدّر في الطلب الظاهر عبر إعلانات الوظائف، وليس انخفاضًا مساويًا في عدد العاملين. وقد شددت مراجعة Texas Today المنشورة في 3 سبتمبر 2026 على أن النتيجة لا تثبت أن الذكاء الاصطناعي تسبب في كل تراجع بسوق الولاية أو أن العاملين في المهن المعرضة للأتمتة سُرّحوا بالضرورة.
ثلاث قراءات لأثر واحد غير متساوٍ
القراءة الأولى هي الأثر الإجمالي. جمع الباحثان درجات تعرض المهن للأتمتة مع معدلات استخدام الذكاء الاصطناعي والتركيب الصناعي لتكساس، ثم قدّرا مقدار التراجع المنسوب إلى هذا التعرض في مجمل إعلانات Lightcast. الرقم الناتج ليس الهبوط الخام في جميع الإعلانات، ولا يعني أن التقنية تفسر كل تغير طرأ على سوق التوظيف في الولاية.
القراءة الثانية تكشف تمركز الضغط. عند مقارنة مهن داخل الصناعة نفسها، تراجع مسار الإعلانات للمهن التي تضم حصة أكبر من المهام القابلة للأتمتة مقارنة بالمهن الأقل تعرضًا. اتساع الفجوة بمرور الوقت يجعل الارتباط أوضح من مجرد هبوط عام يصيب قطاعًا كاملًا، لكنه لا يحول المقارنة الرصدية وحدها إلى تجربة تثبت كل حلقة سببية.
القراءة الثالثة تفصل الشركات الجديدة عن القائمة. لم يقتصر الانخفاض على احتمال ظهور شركات حديثة تحتاج إلى عمالة أقل؛ فالشركات التي ظلت حاضرة طوال فترة التحليل نشرت بدورها فرصًا أقل حين كان نشاطها السابق أكثر تعرضًا للأتمتة. كما تغيّر مزيج إعلاناتها بعيدًا عن المهن ذات المهام الأكثر قابلية للتنفيذ بواسطة الأدوات التوليدية.
هذه المستويات الثلاثة تشرح لماذا يبدو الأثر الكلي محدودًا نسبيًا بينما يكون أشد داخل شرائح بعينها. المتوسط على مستوى تكساس يجمع صناعات ومهن متفاوتة التعرض، ولذلك يمكن أن يخفي تحولات أكبر عند الشركات أو الوظائف التي تتداخل مهامها مباشرة مع قدرات النماذج التوليدية.
القياس يتبع مهام العمل لا اسم الوظيفة
تعامل التحليل مع كل وظيفة بوصفها حزمة أنشطة، بدل تصنيف المسمى المهني كاملًا على أنه قابل للاستبدال أو محصّن منه. ربط الباحثان مهام المهن في قاعدة O*NET بمقياس مستمد من استخدام منصة Claude، ثم وصلا درجة التعرض بإعلانات Lightcast المصنفة بحسب الشركة والصناعة والمهنة والمهارات المطلوبة.
هذا التفصيل مهم لأن الأداة قد تنفذ بعض أنشطة المهنة بصورة كاملة أو جزئية، بينما تبقى أنشطة أخرى بشرية أو تصبح أسرع بمساعدة الذكاء الاصطناعي. ارتفاع درجة التعرض يعني إذن أن حصة أكبر من المهام يمكن أتمتتها؛ ولا يعني اختفاء كل وظيفة تحمل المسمى نفسه أو الاستغناء الفوري عن شاغليها.
والمقارنة داخل الصناعة تقلل احتمال الخلط بين الأتمتة وتباطؤ اقتصادي خاص بقطاع معين. فإذا ضعفت التعيينات في صناعة بأكملها، تساعد مقارنة مهنة شديدة التعرض بأخرى أقل تعرضًا داخل البيئة القطاعية نفسها على فصل الفارق المرتبط بتركيب المهام. ومع ذلك، قد تبقى عوامل غير مقاسة تؤثر في قرارات الشركات، من تغير الطلب على منتجاتها إلى إعادة تنظيم العمل أو تبدل المهارات المطلوبة.
لماذا لا يساوي الإعلان الناقص عاملًا مسرّحًا؟
إعلان الوظيفة يقيس محاولة صاحب العمل استقطاب شخص جديد أو تعويض مغادر، بينما تقيس بيانات العمالة الأشخاص الموجودين فعلًا في وظائفهم. تستطيع شركة الإبقاء على قوتها العاملة وتقليل فتح الوظائف، أو ترك عدد الموظفين يتراجع تدريجيًا بعدم تعويض المغادرين، من دون إعلان موجة تسريح.
ولا توجد مطابقة ثابتة بين الإعلان والتعيين. قد يشمل الإعلان الواحد أكثر من شاغر، وقد يعاد نشر الوظيفة نفسها أو تبقى مفتوحة من دون اختيار مرشح، كما تستطيع الشركات التوظيف عبر الإحالات أو قنوات لا تظهر في قواعد الإعلانات الإلكترونية. لذلك ترصد بيانات Lightcast اتجاهًا مبكرًا للطلب، لكنها لا تحصي وحدها الوظائف الملغاة أو الأشخاص الذين فقدوا أعمالهم.
للتغطية الرقمية حدود تمثيلية أيضًا؛ فبعض المهن وقنوات الاستقطاب تظهر في الإعلانات الإلكترونية أكثر من غيرها. كما أن النتيجة مرتبطة بتركيب اقتصاد تكساس، واستخدام الشركات هناك للتقنية، والمهن التي يغطيها التحليل. لهذا لا تصلح النسبة المقدرة بوصفها قياسًا عالميًا، ولا يمكن نقلها مباشرة إلى أسواق العمل العربية.
الخريجون ومغيرو المسار يواجهون الأثر أولًا
يبدأ الضغط عند باب التوظيف لأن الداخل إلى السوق يحتاج إلى شاغر جديد، في حين يستطيع الموظف القائم البقاء في موقعه بينما تعيد الشركة توزيع مهامه أو تستخدم الأدوات لرفع إنتاجيته. وعندما تقل الإعلانات في المهن المعرضة، تضيق قناة الدخول حتى لو لم ينخفض إجمالي العمالة في اللحظة نفسها.
الإعلانات الإلكترونية مهمة خصوصًا للباحثين عن وظائف لا تتطلب سجلًا مهنيًا طويلًا. لذلك قد يطول بحث الخريج أو يصبح الانتقال بين المسارات أصعب قبل ظهور أثر واضح في أرقام العمالة الكلية. لكن بيانات الإعلانات وحدها لا تحدد مقدار التغير في بطالة الخريجين أو أجورهم، ولا تثبت أن كل مهنة تقنية أو إدارية ستتأثر بالطريقة نفسها.
الصورة المؤكدة حتى الآن أضيق من سردية الاستبدال الشامل: تراجع محدود في إجمالي الإعلانات، وفجوة أكبر لدى المهن والشركات الأعلى تعرضًا، وتحول في نوع المهام التي تطلبها المؤسسات. معرفة ما إذا كان ذلك سيتحول إلى انخفاض مستمر في العمالة أو الأجور تتطلب ربط الإعلانات بالتعيينات الفعلية والسجلات الإدارية ونتائج العاملين خلال مدة أطول.
اقرأ أيضًا:
اشترك في نشرتنا الإخبارية
احصل على أحدث أخبار الويب 3 والذكاء الاصطناعي والعملات المشفرة مباشرة في بريدك.