مؤسس Google Brain يقدّم 3 نصائح للعثور على وظيفة في عام 2026

يؤكد نج أن المشكلة الحقيقية ليست في سيطرة الذكاء الاصطناعي على وظائف البشر، بل في نقص عدد الكفاءات القادرة على بناء هذه الأنظمة وتطويرها.

يُوضح أن شركات التكنولوجيا تستثمر مليارات الدولارات في تطوير تقنيات الذكاء الاصطناعي في حين يعاني السوق من فجوة كبيرة في الكفاءات البشرية اللازمة لهذا المجال.

يُشير إلى أن الذكاء الاصطناعي، رغم تقدمه، ما زال يعتمد إلى حد كبير على الخبرات البشرية، خصوصاً في مجالات الهندسة وتصميم الأنظمة وتطبيقها عملياً.

يزيد الاعتماد على هذه التقنيات الطلبَ على مهندسين وباحثين ومتخصصين لبناء الأنظمة، غير أن المعروض من الكفاءات يظل أدنى من المطلوب.

ويذكر أنه يتلقى سنوياً أسئلة الطلاب والخريجين حول جدوى تعلم الذكاء الاصطناعي في ظل تسارع أتمتة الأعمال، فيرد بأن الجواب نعم بلا تردد.

نصائح للحصول على وظائف متعلقة بالذكاء الاصطناعي

يؤكد أن التوسع المتزايد في استخدام الذكاء الاصطناعي يخلق فرص عمل أكثر من أي وقت مضى، حتى للأشخاص الداخلين حديثاً إلى المجال.

يضيف أن عاماً آخر من التقدم السريع في الذكاء الاصطناعي أتاح فرصاً غير مسبوقة لبناء البرمجيات، لكن كثيراً من الشركات لا تستطيع العثور على عدد كاف من المتخصصين المؤهلين.

يهدف نج إلى المساعدة حتى 2026، فيشدد على ضرورة التركيز على بناء أنظمة ذكاء اصطناعي متكاملة، لا الاكتفاء بتجارب سطحية أو عروض تجريبية، فالمهارات المطلوبة تتجاوز تشغيل النماذج وربط الواجهات البرمجية لتشمل جمع البيانات وتدريب النماذج وتقييمها ونشرها وصيانتها في بيئات حقيقية.

يحث أيضاً على التطبيق العملي المستمر وعدم الاكتفاء بالدراسة النظرية، فالممارسة المنتظمة تحول المعرفة إلى مهارات قابلة للتوظيف وتقلل من مخاطر تكرار الحلول أو إنشاء أنظمة هشة عند التوسع.

يُشير إلى أن الاطلاع الانتقائي على الأبحاث قد يكون ميزة لمن يعمل على حلول متقدمة، وإن لم يكن شرطاً أساسياً للجميع، فقراءة الأوراق البحثية تساعد المطورين على فهم أسباب تطور التقنيات وكيف نشأتها، خاصة عندما تصاحبها التجربة العملية.

ويؤكد أن هذا الموقف ليس جديداً، فنج كان قد شكك سابقاً في فكرة أن الذكاء الاصطناعي سيحل محل البشر قريباً، مؤكداً في مقابلة أن الأنظمة الحالية لا تزال تتطلب جهداً بشرياً ضخماً في التدريب والضبط والنشر، وأن الوصول إلى ذكاء اصطناعي عام لا يزال بعيد المنال.

يختتم بأن تعقيد عمليات التدريب وكثرة الخطوات اليدوية تقر بأن الطريق لا يزال طويلاً قبل أن تعمل التقنيات بشكل مستقل بالكامل.