المقالات
هل يغيّر الذكاء الاصطناعي طريقة اختيار القوى العاملة الدولية؟

أصبحت أدوات الذكاء الاصطناعي تدخل بسرعة في مراحل متعددة من التوظيف: قراءة السير الذاتية، ترتيب المرشحين، مطابقة المهارات، تحليل الإجابات، وأحيانًا دعم قرارات المقابلات والاختيار.
وفي بيئة التوظيف الدولي، حيث قد تتعامل الجهة مع أعداد كبيرة من المرشحين القادمين من أسواق مختلفة، تبدو هذه الأدوات جذابة جدًا.
فهي تعد بسرعة أكبر، وفرز أكثر اتساقًا، وقدرة أعلى على التعامل مع حجم بيانات لا يستطيع الفريق البشري مراجعته بالكفاءة نفسها.
لكن السؤال الحقيقي ليس:
هل يمكن للذكاء الاصطناعي أن يختار المرشح؟
بل:
ما الجزء الذي يجب أن يؤديه الذكاء الاصطناعي داخل عملية الاختيار، وما الجزء الذي يجب أن يبقى مسؤولية بشرية؟
هذا الفرق جوهري.
لأن التوظيف الدولي لا يتعلق فقط باكتشاف كلمات مفتاحية أو ترتيب ملفات. بل يتعلق بمدى ملاءمة المرشح لمتطلب محدد، وقدرته الفعلية، وصحة معلوماته، وسياق خبرته، وجاهزيته للعمل، ومدى توافقه مع المسار النظامي والتشغيلي.
وهنا يصبح الذكاء الاصطناعي أداة مفيدة جدًا — لكنه ليس الحكم النهائي.
أين يستطيع الذكاء الاصطناعي إضافة قيمة فعلية؟
في المراحل الأولى من العملية، يمكن للذكاء الاصطناعي أن يخفف عبئًا تشغيليًا كبيرًا.
يمكن استخدامه للمساعدة في:
- قراءة وفرز عدد كبير من السير الذاتية.
- استخراج المهارات والخبرات والمؤهلات.
- مقارنة البيانات بمتطلبات الوظيفة.
- ترتيب المرشحين مبدئيًا.
- اكتشاف معلومات ناقصة أو غير متسقة.
- دعم إعداد أسئلة المقابلة.
- تلخيص نتائج المقابلات المنظمة.
- مقارنة المرشحين وفق معايير محددة مسبقًا.
هذه الاستخدامات لا تعني أن النظام "يعرف" من هو أفضل مرشح.
بل تعني أنه يساعد الفريق على تنظيم المعلومات وإبراز الأنماط والفروقات بسرعة أكبر.
وتشير دراسات OECD إلى استخدام الذكاء الاصطناعي بالفعل في عدد من مراحل التوظيف، من تحليل السير الذاتية والقوائم المختصرة إلى المطابقة ودعم المقابلات، مع فرص لتحسين الكفاءة وجودة المطابقة إذا استُخدم ضمن ضوابط مناسبة.
الفرز ليس هو التحقق
هذه نقطة أساسية في التوظيف الدولي.
قد يستطيع النظام أن يقرأ أن المرشح لديه خمس سنوات من الخبرة، أو شهادة معينة، أو مهارة مدرجة في سيرته الذاتية.
لكنه لا يثبت بالضرورة أن هذه المعلومات:
- صحيحة.
- حديثة.
- قابلة للتحقق.
- صادرة من جهة موثوقة.
- تعكس القدرة الفعلية.
- متوافقة مع متطلبات المهنة أو السوق المستهدف.
- الفرز: الذكاء الاصطناعي يمكن أن يساعد في الفرز.
- التحقق: أما التحقق فيحتاج إلى أدلة، ومصادر، ومراجعة، وأحيانًا تقييم مهني أو بشري مباشر.
وهذا الفرق مهم لأن الخطر الأكبر ليس أن يختار النظام مرشحًا سيئًا فقط، بل أن يمنح ثقة زائفة في بيانات غير متحققة.
البيانات الجيدة لا تجعل القرار كاملًا
حتى عندما تكون البيانات صحيحة، تظل هناك مشكلة أخرى:
الذكاء الاصطناعي يعمل داخل الحدود التي نحددها له.
إذا كانت المعايير المستخدمة في التقييم ناقصة، فسيكون التقييم ناقصًا.
إذا كانت البيانات التاريخية تحمل تحيزات، فقد يعيد النظام إنتاجها.
وإذا كان الهدف نفسه غير واضح، فقد تصبح الدقة التقنية عالية بينما يكون القرار غير مناسب فعليًا.
وتوضح منظمة العمل الدولية أن تقييم استخدام الذكاء الاصطناعي في إدارة الموارد البشرية يجب أن ينظر إلى ثلاثة عناصر أساسية:
- الهدفالهدف الذي يسعى النظام إلى تحسينه.
- البياناتالبيانات التي يعتمد عليها.
- البرمجةالطريقة التي بُرمج بها.
وإذا كانت هذه العناصر ضعيفة أو منحازة، فقد تعمل التقنية على أتمتة المشكلة بدلًا من حلها.
ماذا عن التحيز؟
من أكثر الوعود شيوعًا في أدوات الذكاء الاصطناعي أنها ستقلل التحيز البشري.
وقد يحدث ذلك في بعض الحالات.
لكن هذا لا يعني أن النظام محايد تلقائيًا.
قد يتعلم النظام من قرارات تاريخية متحيزة.
وقد يعطي وزنًا لعوامل ترتبط بشكل غير مباشر بخصائص شخصية أو اجتماعية حساسة.
وقد يصعب تفسير سبب ترتيب مرشح أعلى من آخر.
وتشير المصادر المؤسسية إلى أن أنظمة فرز وترتيب طلبات التوظيف قد تعيد إنتاج التحيز الموجود في البيانات التاريخية أو تستخدم متغيرات بديلة تقود إلى نتائج غير عادلة.
الذكاء الاصطناعي لا يلغي التحيز. هو فقط قد يغيّر مكان حدوثه.
هل يجب أن يكون الإنسان صاحب القرار النهائي دائمًا؟
في القرارات التي تؤثر مباشرة على قبول أو رفض المرشحين، الاتجاه الأكثر أمانًا هو أن يبقى القرار النهائي تحت مسؤولية بشرية مؤهلة.
ليس لأن الإنسان معصوم من الخطأ.
بل لأن المسؤول البشري يستطيع:
- فهم السياق.
- طلب توضيح إضافي.
- مراجعة الاستثناءات.
- اكتشاف تناقضات لا تظهر في البيانات.
- تحدي نتيجة النظام.
- تحمل المسؤولية عن القرار.
وتشير OECD إلى أهمية استخدام مخرجات الذكاء الاصطناعي كمدخل في التقييم، مع بقاء أشخاص مؤهلين مسؤولين عن تفسير النتائج واتخاذ القرار النهائي.
كما تحذر من خطر "التحيز للأتمتة"، عندما يميل الإنسان إلى قبول نتيجة النظام دون تحديها رغم بقائه مسؤولًا عن القرار.
أفضل نموذج ليس AI أو Human
الاختيار الصحيح ليس بين:
ذكاء اصطناعي أو إنسان.
الأفضل هو تقسيم المسؤولية.
يمكن التفكير في النموذج هكذا:
AI:
ثم:
Human:
الذكاء الاصطناعي ينظم ويقارن ويكشف الأنماط.
أما الإنسان فيتحقق ويفسر ويتحدى ويقرر.
بهذا الشكل، التقنية تزيد سرعة القرار دون أن تلغي جودة الحكم.
المعيار الواحد لا يصلح لجميع أسواق المصدر
هناك فرق مهم بين التوظيف المحلي والتوظيف الدولي.
في التوظيف الدولي، قد تختلف:
- أنظمة التعليم.
- أسماء المؤهلات.
- طبيعة الخبرة.
- طرق كتابة السيرة الذاتية.
- معايير المهن.
- الشهادات المهنية.
- مستويات اللغة.
- ثقافة المقابلات.
- الوثائق المتاحة.
وهذا يعني أن النموذج الذي يعمل جيدًا في سوق واحد قد لا يعمل بنفس الجودة في سوق آخر.
فالمرشح لا يجب أن يقارن فقط بمعيار عام.
بل يجب أن يُقيّم ضمن السياق المناسب لسوق المصدر، ونظام المؤهلات، وطبيعة المهنة، ومتطلبات الجهة المستفيدة.
وهنا تصبح جودة تصميم نموذج التقييم أهم من قوة الخوارزمية نفسها.
لا تجعل النظام يقيس ما لا يستطيع إثباته
هناك نوع من التقييم يجب التعامل معه بحذر شديد.
مثل محاولة استنتاج:
- الشخصية.
- الأمانة.
- الجدارة.
- القيادة.
- الاستقرار.
- النوايا.
من بيانات سطحية أو فيديو قصير أو صوت أو تعابير وجه.
مثل هذه الاستخدامات قد تبدو متقدمة تقنيًا، لكنها ليست بالضرورة موثوقة أو عادلة.
وتشير OECD إلى أن الشفافية وقابلية التفسير من أبرز التحديات في استخدام الذكاء الاصطناعي ضمن مطابقة سوق العمل والتقييم، وأن بعض الأنظمة قد يصعب تفسير الأساس الذي بنت عليه نتائجها.
من "اختيار المرشح" إلى "دعم القرار"
الأدق أن ننظر إلى الذكاء الاصطناعي على أنه:
طبقة دعم للقرار.
ليس لأن دوره أقل أهمية.
بل لأن هذا هو المكان الذي يمكن أن يضيف فيه أكبر قيمة بأقل مخاطرة.
يمكن لهذه الطبقة أن تساعد في:
- تنظيم البيانات.
- تحديد المرشحين الأقرب للمتطلب.
- اكتشاف النواقص والتناقضات.
- تحسين أسئلة المقابلة.
- مقارنة النتائج بطريقة أكثر اتساقًا.
- إعطاء إشارات تستحق المراجعة.
ثم تنتقل العملية إلى:
ماذا يعني ذلك لشركات الاستقدام السعودية؟
بالنسبة لشركات الاستقدام، القيمة الأكبر ليست في شراء أداة ذكاء اصطناعي فقط.
بل في تحديد أين يجب أن تستخدم الأداة داخل العملية.
السؤال الصحيح ليس:
هل نستخدم AI؟
بل:
- ما المرحلة التي نريد تحسينها؟
- ما البيانات التي يعتمد عليها النظام؟
- ما المعايير التي يستخدمها؟
- كيف نتحقق من مخرجاته؟
- من يملك سلطة تجاوز النتيجة؟
- كيف نوثق القرار النهائي؟
عندها يصبح الذكاء الاصطناعي جزءًا من بنية تشغيلية منضبطة، لا مجرد أداة تقنية منفصلة.
ماذا يعني ذلك للشركاء الدوليين؟
بالنسبة للشركاء الدوليين، سيزداد الضغط على جودة البيانات.
السيرة الذاتية غير المنظمة، والمعلومات الناقصة، والمؤهلات غير الواضحة، والخبرات غير الموثقة ستصبح أكثر تكلفة داخل نظام يعتمد على التقييم الرقمي.
وهذا يعني أن الشريك الدولي القوي مستقبلًا لن يكتفي بتوفير المرشحين.
بل سيحتاج إلى توفير:
- بيانات أكثر انتظامًا.
- وثائق قابلة للتحقق.
- وصف أدق للخبرة.
- تصنيف أوضح للمهارات.
- ملفات مرشحين أكثر جاهزية للمقارنة.
منظور YIS
في YIS، لا نرى الذكاء الاصطناعي بديلًا عن التحقق أو التقييم أو الحكم البشري.
نراه كطبقة يمكن أن تعزز بعض مراحل العملية، خصوصًا في تنظيم المعلومات، والمقارنة، وإظهار الفجوات، وتحسين سرعة المراجعة.
لكن جودة القرار تظل مرتبطة بمنهج واضح:
لأن الاختيار الدولي الجيد لا يبدأ من الخوارزمية.
بل يبدأ من متطلب واضح، وبيانات موثوقة، ومعايير صحيحة، ومسؤولية قرار واضحة.
المصادر
- منظمة العمل الدولية (ILO) — الذكاء الاصطناعي في إدارة الموارد البشرية: حدود التجريبية (ورقة عمل 154)
- منظمة التعاون الاقتصادي والتنمية (OECD) — الذكاء الاصطناعي ومطابقة سوق العمل
- منظمة التعاون الاقتصادي والتنمية (OECD) — الحوكمة بالذكاء الاصطناعي: الذكاء الاصطناعي في إصلاح الخدمة المدنية
- المعهد الوطني للمعايير والتقنية (NIST) — تفسير القرارات المتخذة بالذكاء الاصطناعي
هل تريد تحسين طريقة تقييم واختيار المرشحين الدوليين؟
يمكن لـYIS دعم تنظيم متطلبات القوى العاملة، وتقييم قدرات الشركاء والمرشحين، وبناء عملية اختيار أكثر وضوحًا وانضباطًا.
شارك احتياجك

