AI يدخل المهن الفنية قبل اكتمال التدريب: فجوة من ثلاث طبقات

أطلقت Pearson في 24 سبتمبر 2026، خلال مؤتمر WorldSkills International في شنغهاي، بحثاً يحذّر من فجوة ثلاثية في تأهيل العاملين بالمهن الفنية والتقنية والخدمية؛ وأفاد أحد المشاركين من قطاع الصيدلة البريطاني بأن مراجعة معايير تدريب فنيي الصيدلة قد تستغرق سنتين إلى ثلاث سنوات. فمع دخول الذكاء الاصطناعي إلى المهام اليومية، يحتاج العامل الجديد إلى معرفة الأداة المرتبطة بمهنته، والحكم والتواصل البشريين، والخبرة التي تُكتسب بالممارسة إلى جانب عامل متمرس.

وتُظهر بيانات البحث المنشورة لدى Pearson أن 98.5% من فرص هذه المهن السنوية في الولايات المتحدة تنشأ من إحلال عاملين يغادرون وظائفهم، مقابل 99% من فرص المهن المشمولة في المملكة المتحدة خلال العقد الذي تتناوله التقديرات؛ كما تتوقع إضافة 130 مليون وظيفة فنية وتقنية وخدمية في الصين بحلول 2035. تختلف الفترات وطريقة عرض الطلب بين البلدان، لكن ضغط الإحلال يعني أن تدريب الداخلين الجدد يتزامن مع مغادرة أشخاص يحملون معرفة عملية يصعب نقلها بمحاضرة أو دليل تشغيل.

المهمة تتغير أسرع من معيار التدريب

تبدأ الفجوة حين يتعلم الفني أداء المهمة وفق برنامج قائم، ثم يجد في العمل اقتراحات أو إجراءات تدعمها أنظمة ذكاء اصطناعي لم يتدرب على حدودها. المطلوب هنا أكثر من معرفة تشغيل الأداة: على العامل أن يميز متى تصلح مخرجاتها للاستخدام، ومتى تحتاج إلى تحقق ميداني، ومن يتحمل القرار إذا خالفت ما تكشفه الحالة أمامه. ويتغير هذا التقدير بحسب طبيعة المهنة وأثر الخطأ فيها.

وشرح آرت فالنتاين، المسؤول عن أعمال التقييم والمؤهلات في Pearson، في حديث نقلته Yicai سبب صعوبة مواكبة الكليات المهنية للتغيير بقوله: «employers often have the ability to invest faster in what's happening in their market than the education system can». وذكر استخدامات للذكاء الاصطناعي في التصنيع والرعاية الصحية والصيدليات، منها فحص الجودة وتوجيه الإجراءات والتحقق من الوصفات. يفسر تفاوت سرعة التبني والتحديث لماذا قد يصل المتدرب إلى موقع العمل قبل أن تغطي دراسته الأدوات التي سيجدها فيه.

ولا تكفي إضافة درس عام عن الذكاء الاصطناعي إلى المنهج لسد الفارق. فالمعرفة المطلوبة لفني صيدلة تختلف عما يحتاجه ميكانيكي آلات صناعية، حتى لو استخدم الاثنان أداة تقدم اقتراحاً. يجب أن يرتبط التدريب بنوع البيانات التي تدخل المهمة، وطريقة التحقق من النتيجة، والحد الذي يتوقف عنده العامل لطلب مراجعة بشرية.

فني الصيدلة والميكانيكي يكشفان وجهي الفجوة

في دور فني الصيدلة، يجتمع التعامل مع المريض مع الدقة المهنية. يحتاج العامل إلى فهم ما تقترحه الأداة، ثم إلى تفسير قراره والتواصل بشأنه ضمن إجراءات العمل المعتمدة. وإذا ظهرت حالة غير مألوفة، تصبح معرفة متى يصعّدها إلى المسؤول جزءاً من الكفاءة نفسها، لا تفصيلاً يضاف بعد إتقان استخدام النظام.

أما ميكانيكي الآلات الصناعية فيربط أي تشخيص مقترح بحالة المعدة الفعلية ومعرفته التقنية. قد يوجّه الاقتراح الآلي انتباهه إلى احتمال معين، لكن تحديد ملاءمته يتطلب ملاحظة ظروف التشغيل والعلامات التي تعلم تمييزها بالممارسة. وفي الحالتين، لا يثبت وصول العامل إلى إجابة صحيحة مرة واحدة أنه يعرف كيف يتصرف عندما تكون المعطيات ناقصة أو تختلف عن الحالات المعتادة.

يمكن تصوير ذلك بمثال تدريبي افتراضي: يتلقى فني صيدلة مبتدئ اقتراحاً آلياً أثناء مهمة مرتبطة بالصرف، فيراجع المعطيات ذات الصلة ويطلب إشرافاً إذا وجد تعارضاً. يختبر هذا الموقف فهم حدود الاقتراح، والقدرة على شرح سبب التوقف، والاستفادة من خبرة زميل يعرف الاستثناءات. وفي مثال افتراضي آخر، يناقش ميكانيكي مبتدئ مع مشرفه سبب اختلاف تشخيص آلي عن العلامات التي لاحظها على المعدة؛ قيمة التمرين في تفسير القرار، لا في قبول الاقتراح أو رفضه تلقائياً.

خروج المخضرمين يضغط على وقت اكتساب الخبرة

عندما تنشأ فرص كثيرة من مغادرة عاملين قائمين، لا تكون المسألة شغل مقاعد شاغرة فحسب. يحمل العامل المتمرس معرفة بالأعطال النادرة، والظروف التي تستدعي إيقاف الإجراء، والتفاصيل التي لا تظهر دائماً في التعليمات المكتوبة. وإذا لم يجد المبتدئ فرصة لمشاهدة تلك الأحكام ومناقشتها قبل رحيل صاحبها، فقد يتقن خطوات العمل المعتادة ويبقى أقل استعداداً للاستثناء.

لهذا ترتبط طبقة الخبرة العملية بطريقتين للتعلم داخل موقع العمل: مشاهدة القرار وهو يُتخذ، ثم تنفيذ المهمة مع ملاحظات تشرح سبب التصحيح. ويمكن للمحاكاة أن تتيح التدريب على حالات قليلة الحدوث، فيما تكشف الممارسة تحت الإشراف ما يضيفه السياق الحقيقي إلى القرار. هذه الوسائل تخدم أيضاً المهارات البشرية؛ فشرح الشك، وطلب المساعدة، والتواصل مع من يتأثر بالنتيجة أمور تحتاج إلى ممارسة وتغذية راجعة.

ويخلق الذكاء الاصطناعي هنا مفارقة للعامل الجديد: قد يحصل بسرعة على إجابة أو مسار مقترح، بينما كان البحث عن الحل سابقاً يتيح وقتاً أطول لمراقبة زميل خبير وفهم منطقه. لذلك تصبح لحظة مراجعة الاقتراح فرصة تعليمية مهمة. عندما يوضح المشرف لماذا تصلح النتيجة في حالة وتفشل في أخرى، ينتقل جزء من المعرفة المهنية التي لا تنقلها الأداة وحدها.

ما الذي تعنيه النتائج للتدريب المهني العربي؟

في الأسواق العربية، تصلح الفجوة الثلاثية إطاراً لتنظيم التدريب بحسب المهمة، مع الانتباه إلى أن تقديرات البحث تخص أسواقاً خارج المنطقة ولا تقيس حجم الفجوة فيها. يمكن للمعهد المهني وصاحب العمل تحديد أداة مستخدمة فعلاً في مهنة بعينها، ثم ربطها بالقرار البشري المطلوب وبالمعرفة العملية التي يحملها المشرف. لا تفترض هذه المقاربة أن كل فني يستخدم الذكاء الاصطناعي بالقدر نفسه أو أن كل مهمة تحتاج نوعاً واحداً من الرقابة.

في مهمة صيدلانية، قد تكون عناصر التدريب فهم الاقتراح وحدود استخدامه، والتحقق من المعطيات، والتواصل الواضح، والتعرف إلى الحالات التي تتطلب تصعيداً. وفي صيانة الآلات، تتغير التفاصيل إلى معرفة ميكانيكية وملاحظة علامات العطل ومقارنة ما يحدث فعلاً بما تقترحه الأداة. ما يجمع المثالين هو إمكان مشاهدة قرار المتدرب وتفسيره، مع إتاحة وقت للعامل المخضرم كي يبين الحالات التي غيّرت حكمه خلال سنوات العمل.

إذا بقي تقييم المتدرب محصوراً في تشغيل الأداة، ستظل قدرتاه على تفسير النتيجة والتعامل مع الاستثناء أقل ظهوراً لمن يشرف على تأهيله. أما إدخال المراجعة البشرية ونقل الخبرة في المهمة نفسها فيجعل الجاهزية أقرب إلى متطلبات العمل الذي سيدخله الفني، خصوصاً حين يتغير هذا العمل قبل اكتمال دورة تحديث المناهج.

اقرأ أيضًا:

• فقاعة الذكاء الاصطناعي ليست واحدة: الخطر يتركز في طبقات محددة
• فجوة وظائف المبتدئين في عصر AI اتسعت إلى 19%
• شركتك لا تفشل فجأة: ثلاث إشارات تظهر قبل نفاد المال