۹۳٪ کارجویان خود را آمادهٔ AI می‌دانند؛ کارفرمایان انتظار بیشتری دارند

در اعلامیهٔ ۲۳ سپتامبر ۲۰۲۶ Express Employment Professionals، ۹۳٪ کارجویان آمریکایی گفتند مهارت هوش مصنوعی مورد انتظار کارفرمایان را دارند، حال آنکه ۴۱٪ مدیران استخدام توانایی پیشرفته یا خبره می‌خواهند؛ باب فانک جونیور، مدیرعامل Express Employment International، در توضیح انتظار کارفرمایان گفت: «Knowing how AI works is only part of the equation.»

این نتیجه از پاسخ دو گروه جداگانه در آمریکا به دست آمده است: کارجویان دربارهٔ توانایی خود و مدیران استخدام دربارهٔ سطح مهارت مطلوبشان نظر داده‌اند. برای متقاضی، فاصلهٔ میان این پاسخ‌ها یک پیام مشخص دارد: عبارت «مسلط به AI» در رزومه به‌تنهایی نشان نمی‌دهد فرد چگونه از ابزار استفاده می‌کند، خروجی آن را می‌سنجد و مسئولیت نتیجه را می‌پذیرد.

عدد آمادگی کارجویان چه چیزی را اندازه می‌گیرد؟

رقم مربوط به کارجویان، خودارزیابی است. در گزارش پاییز ۲۰۲۶ کارجویان، ۹۳٪ می‌گویند مهارت هوش مصنوعی را در هر سطحی دارند و ۹۴٪ تصور می‌کنند کارفرمایان نیز مهارتی در یکی از این سطوح انتظار دارند. عبارت «در هر سطحی» مرز مهمی دارد: داشتن آشنایی اولیه، به‌خودی‌خود توانایی انجام وظیفه‌ای را که به مهارت پیشرفته نیاز دارد نشان نمی‌دهد.

دو گروه نیز دربارهٔ یک چیز یکسان پاسخ نداده‌اند. کارجو ممکن است استفاده از ابزار برای خلاصه‌کردن متن را نشانهٔ آمادگی بداند؛ مدیر استخدام برای همان جایگاه شاید انتظار داشته باشد متقاضی خطای خلاصه را پیدا کند و توضیح دهد کدام بخش آن برای تصمیم کاری قابل اتکاست. این یک مثال فرضی از تفاوت سطح مهارت است، نه نتیجهٔ آزمون شرکت‌کنندگان. پیمایش توانایی عملی افراد را آزمایش نکرده و از پاسخ‌ها نمی‌توان نتیجه گرفت هر کارجویی که خود را آماده می‌داند، مهارتش را بیش‌برآورد کرده است.

انتظار مدیران استخدام فراتر از کار با ابزار است

در مرور CoBlack از این نظرسنجی آمده است که ۹۰٪ مدیران استخدام دست‌کم مهارت پایهٔ AI را می‌جویند، ۵۴٪ تسلط به آن را در ارزیابی متقاضی بسیار مهم یا ضروری می‌دانند، ۴۵٪ به آگاهی از حریم خصوصی و امنیت داده، ۴۵٪ به توضیح روشن یافته‌های AI و ۳۷٪ به شناخت سوگیری و انصاف توجه دارند. این درصدها به معیارهای متفاوت اشاره می‌کنند؛ هیچ‌کدام به‌تنهایی تعریف واحدی از «آمادگی» برای همهٔ مشاغل نمی‌سازد.

برای نمونه، کسی که خروجی یک ابزار را به گزارش کاری تبدیل می‌کند، باید بتواند بگوید اطلاعات ورودی از کجا آمده، کدام ادعا را جداگانه بررسی کرده و کدام محدودیت را به دریافت‌کنندهٔ گزارش گفته است. در کاری که با اطلاعات اشخاص سروکار دارد، پرسش پیش از استفاده از ابزار شروع می‌شود: آیا ورود آن داده مجاز است و آیا می‌توان بخش‌های هویت‌ساز را حذف کرد؟ شناخت سوگیری نیز در تصمیم‌هایی اهمیت پیدا می‌کند که خروجی ابزار ممکن است بر افراد یا گروه‌ها اثر متفاوت بگذارد.

بنابراین نام‌بردن از یک محصول یا نوشتن «تولید پرامپت» فقط بخشی از تجربه را نشان می‌دهد. شرح وظیفهٔ شغل تعیین می‌کند کارفرما به کدام توانایی نیاز دارد: اجرای یک کار محدود، ارزیابی خروجی، توضیح آن برای همکاران یا تصمیم‌گیری دربارهٔ استفادهٔ مجاز از داده. نتیجهٔ نظرسنجی مجوزی برای افزودن همهٔ این مهارت‌ها به هر رزومه نیست؛ متقاضی باید بتواند دربارهٔ هر ادعا نمونه‌ای واقعی ارائه کند.

شاهد مهارت در رزومه و مصاحبه چه شکلی دارد؟

چهار بخش از تجربه را می‌توان به‌جای ادعای کلی آمادگی توصیف کرد. این چارچوب، پیشنهاد تحریری برای بیان تجربه است، نه استاندارد استخدامی استخراج‌شده از نظرسنجی. هر بخش باید به کاری متکی باشد که خود متقاضی انجام داده است؛ نمونه‌کار تمرینی نیز باید به‌روشنی تمرینی معرفی شود.

• کاربرد عملی: مسئله و سهم ابزار را مشخص کنید. به‌جای «مسلط به ابزارهای AI»، می‌توان نوشت از ابزار برای دسته‌بندی بازخوردهای بی‌نام استفاده شده، دسته‌ها چگونه تعیین شده‌اند و کدام تصمیم را شخصاً گرفته‌اید. اگر برای کار زمان یا هزینه‌ای اندازه‌گیری شده، عدد را همراه با مبنای مقایسه بیاورید؛ نتیجه‌ای را که ثبت نکرده‌اید تخمین نزنید.
• راستی‌آزمایی: نشان دهید خروجی را چگونه به داده یا منبع معتبر برگردانده‌اید. در مصاحبه، یک خطای واقعی و اصلاح آن از فهرست نام ابزارها گویاتر است: چه ادعایی نادرست بود، با چه روشی پیدا شد و چرا نسخهٔ اصلاح‌شده پذیرفته شد؟ بررسی انسانی باید بخشی از شرح کار باشد، نه ادعایی کلی در پایان آن.
• ارتباط نتیجه: توضیح دهید یافته را برای چه کسی و با چه تصمیمی بیان کرده‌اید. اگر مخاطب متخصص AI نبوده، روشن کنید چگونه نتیجه، میزان اطمینان و محدودیت آن را به زبان وظیفهٔ او توضیح داده‌اید. این بخش تفاوت میان تحویل پاسخ خام ابزار و به‌کارگیری آن در کار را نشان می‌دهد.
• حریم خصوصی و سوگیری: بگویید چه داده‌ای را مجاز به ورود می‌دانستید، چه چیزی را حذف یا بی‌نام کردید و خروجی را از نظر تعمیم نادرست یا حذف گروه‌ها چگونه بررسی کردید. برای اثبات این تجربه نیازی به افشای اطلاعات محرمانهٔ کارفرمای پیشین نیست؛ می‌توان روش تصمیم‌گیری و نوع کنترل انجام‌شده را بدون نمایش دادهٔ حساس شرح داد.

ارزش این شرح‌ها در قابل‌پرسش بودن آن‌هاست. مصاحبه‌کننده می‌تواند دربارهٔ ورودی ناقص، پاسخ ناسازگار با منبع یا مرز تصمیم‌گیری متقاضی سؤال کند و بفهمد فرد دقیقاً چه کرده است. متقاضی نیز لازم نیست برای هر موقعیت ادعای مهارت خبره داشته باشد؛ شواهد باید با سطح مسئولیتی که آگهی شغلی می‌خواهد سازگار باشند.

مرز این نتایج برای کارجوی فارسی‌زبان

پیمایش‌ها به‌صورت آنلاین در آمریکا انجام شده‌اند و نمونهٔ کارجویان و تصمیم‌گیرندگان استخدام به همان بازار مربوط است. از این رو درصدها سهم کارجویان یا انتظار کارفرمایان در ایران، افغانستان یا میان فارسی‌زبانان خارج از کشور را نشان نمی‌دهند. همچنین داده‌ها نمی‌گویند کدام شیوهٔ نوشتن رزومه یا پاسخ‌دادن در مصاحبه به استخدام منجر شده است.

آنچه برای متقاضی فارسی‌زبان قابل استفاده می‌ماند، تفاوت میان ادعای مهارت و شاهد آن است. اگر آگهی شغلی استفاده از AI را می‌خواهد، نمونهٔ مرتبط باید مسئله، سهم شخص، روش کنترل خروجی و محدودیت استفاده از داده را روشن کند. در بازاری که این پیمایش آن را اندازه نگرفته است، میزان اهمیت هر بخش را شرح همان شغل و سیاست دادهٔ همان کارفرما تعیین می‌کند.