TL;DR
· قال رائد أعمال في مجال الذكاء الاصطناعي إن كتابة الأكواد بواسطة العوامل الذكية تغير ترتيب المهارات في المراحل المبكرة من الحياة المهنية.
· المهام القابلة للتقييم مناسبة للنماذج، ويجب على البشر تعلم كيفية تحديد المشكلات وتوزيع الوقت والأدوات.
· العائد النقدي ليس الهدف الوحيد؛ فالعلاقات والسمعة وجودة التسليم ستحدث الفارق.

رائد أعمال، ادعى أنه عمل في شركات مثل Scale AI وDeepMind وOpenAI وGoogle، ويشارك حاليًا في شركة تعتمد على العوامل الذكية، كتب مقالًا طويلًا باللغة الإنجليزية يقدم نصائح مهنية جديدة للشباب. الخلفية هي أن أدوات كتابة الأكواد بالذكاء الاصطناعي تطورت من إكمال الأكواد إلى عوامل هندسة برمجيات أكثر اكتمالًا. عندما أصدرت OpenAI Codex في عام 2025، قالت إنه يمكنه معالجة مهام مثل كتابة الوظائف وإصلاح الأخطاء وتقديم طلبات السحب (PR) بالتوازي في السحابة، لكنه لا يزال بحاجة إلى مراجعة بشرية والتحقق من الأكواد. ثم يصبح السؤال: عندما تصبح الإجابات القياسية والأكواد العادية والمهام القابلة للتقييم أرخص، أين يجب أن يقضي الشباب وقتهم؟

جوهر هذا المقال ليس "سيتم استبدال المبرمجين"، بل أن معايير التوظيف المبكر تتغير. تتدرب المدارس والمقابلات التقليدية بكثافة على الأسئلة المحددة بوضوح والتي لها إجابات يمكن تصحيحها، وهذا هو بالضبط المجال الذي يتقدم فيه النموذج بسرعة. في المستقبل، قد تكون القدرة على اكتشاف المشكلات المهمة واختيار البيئات عالية القيمة وبناء سمعة موثوقة وصقل النتائج المتوسطة التي يولدها العامل الذكي إلى مستوى قابل للتسليم هي ما يميز الأفراد.

العرض النقدي ليس الإجابة الوحيدة، الوقت والسمعة أكثر ندرة

في تقدير الكاتب، في بيئة ريادة الأعمال في الذكاء الاصطناعي، أصبح رأس المال والأدوات متاحة بسهولة أكبر من الماضي، لكن الوقت عالي الجودة والعلاقات القوية والسمعة الموثوقة لا تزال نادرة.

يشرح ذلك من خلال تجربته الشخصية. قبل الانضمام إلى Scale AI، قال إنه حصل على عرض عمل في شركة كميات (quant) بضمان نقدي أعلى، لكنه اختار Scale في النهاية، لأنها كانت تمتلك مجتمعًا أقوى ونطاق منتج أوسع وفرصًا أكبر للتعامل مع المشكلات المتطورة. وفقًا لذكرياته، لاحقًا من خلال Scale، تمكن من التعامل مع مزودي الاستدلال للنماذج الكبيرة، وحصل على فرص من DeepMind وOpenAI، وتعرف أيضًا على مجموعة من الزملاء الذين أسسوا شركات لاحقًا.

هذه التجارب لا يمكن تعميمها ببساطة كصيغة مهنية للجميع، لكن التنبيه الذي تقدمه مباشر: في الاختيار المهني المبكر، لا ينبغي النظر فقط إلى النقد الفوري. خاصة بعد أن خفض الذكاء الاصطناعي حاجز بناء البرمجيات، أصبح صنع أداة صغيرة مربحة بسرعة أمرًا غير نادر، والعائد طويل الأجل يأتي غالبًا من مشكلات أكثر صعوبة وأشخاص أقوى وسيرة ذاتية أكثر مصداقية.

السؤال الذي يجب أن يطرحه الشباب ليس "أي فرصة تمنحني مالًا أكثر فورًا"، بل هل هذا الأمر يستحق استثمار الوقت، وهل يمكن العمل مع أشخاص ممتازين، وهل يمكن أن يرى الأشخاص الموثوقون عملك الجيد، وهل سيكون أساسًا ائتمانيًا للفرصة التالية.

قيمة المهندس تتحول من "حل المشكلات" إلى "العثور على المشكلات"

عندما تستطيع العوامل الذكية معالجة المزيد من المشكلات ذات الحدود الواضحة، لم تعد قيمة المهندس تقتصر على "هل يمكنه حلها؟"، بل "هل يمكنه اختيار المشكلة الصحيحة؟"

يذكر الكاتب أن فريقهم أعاد تصميم طريقة المقابلات. والسبب هو أنه إذا لم يعد العمل الحقيقي يتطلب كتابة كل سطر من الكود يدويًا، فإن مجرد اختبار الخوارزميات وتصميم الأنظمة التقليدية سينخفض ارتباطه بأداء العمل. الاختبار الأكثر أهمية هو ما إذا كان المرشح يمكنه فهم البيئة بسرعة، واكتشاف المشكلات التي تستحق الحل، ثم استخدام أدوات الذكاء الاصطناعي والموارد الخارجية لتحقيق النتائج.

هذا هو التقسيم الجديد للعمل بعد كتابة الأكواد بواسطة العوامل الذكية. النماذج تجيد معالجة المهام ذات الأهداف الواضحة والتغذية الراجعة المحددة، ويحتاج البشر إلى الحكم على أهمية المشكلات، والمسارات التي تستحق التجربة، ومقدار الوقت وتكلفة استدعاء النموذج التي يجب استثمارها.

بالنسبة للطلاب، قد تسبب قدرة الذكاء الاصطناعي على حل الواجبات إحباطًا. لكن من منظور التوظيف، لم تختفِ الاختلافات بين المرشحين المختلفين. حتى لو كان بإمكان الجميع استخدام الذكاء الاصطناعي للحصول على إجابات، بعض الناس يحتاجون إلى الكثير من المحاولة والخطأ والكلمات المفتاحية، بينما يمكن للآخرين التعاون مع العامل الذكي بحدس تجاري وخلفية تقنية وسياق، للعثور على الاتجاه بشكل أسرع.

ما يسمى "استخدام الذكاء الاصطناعي" ليس مجرد إلقاء المشكلة على النموذج. القدرات الأقوى تشمل تقسيم المشكلة، وتحديد المعلومات المفقودة، والحكم على متى الاستمرار في التكرار ومتى تغيير المسار، والتحقق مما إذا كانت النتائج قد حلت بالفعل التناقض الرئيسي في العمل أو التقنية.

كلما كان بناء البرمجيات أسهل، كلما كان الاقتراب من المشكلات الأصعب ضروريًا

يخفض الذكاء الاصطناعي حاجز بناء البرمجيات ويجعل الأنظمة البسيطة أسهل في النسخ. يستعير الكاتب "الدرس المرير" من أبحاث التعلم الآلي لشرح الاختيار المهني: على المدى الطويل، توسيع الأساليب العامة غالبًا ما يتفوق على التحسين الدقيق لمهمة واحدة.

عند تطبيق ذلك على الشركات والأفراد، يعني ذلك أن خندق المخرجات البسيطة سيصبح أرق. من الأسهل لأي شخص صنع نظام يبدو قابلاً للاستخدام، وستتركز القيمة الدائمة الحقيقية على المشكلات الصعبة والطموحة بما فيه الكفاية.

عند اختيار شركة، المعيار الذي يقدمه الكاتب هو: هل هذه الشركة تحل النسخة الأكثر طموحًا من تلك المشكلة؟ وهل لديها فرصة حقيقية لحلها؟ عند اختيار دور وظيفي، يجب النظر إلى ما إذا كان هذا الدور يمكن أن يجعلك على اتصال مباشر بالمشكلات المتطورة التي تحلها الشركة.

كما يذكر أنه لا يمكن التركيز فقط على جمال المنتج المبكر أو روعة العرض التوضيحي (demo). وفقًا لتقييمه الشخصي، كان العرض التوضيحي المبكر لـ Anthropic في ذلك الوقت يبدو مجرد Slackbot ليس جيدًا مثل ChatGPT، لكن هذا لم يمنع الشركة من السير في مسار مختلف تمامًا لاحقًا. الشركات المبكرة تتغير، والمنتجات تتغير، وجودة الفريق وحجم السوق وصعوبة المشكلة تؤثر أكثر على النتائج طويلة الأجل.

الفرص المهنية تتبع منطقًا مشابهًا. الفرص عالية الجودة لا تتحول دائمًا إلى نتائج، لكن يجب على الشخص أولاً أن يكون في موقع يمكنه من رؤية الفرص. القدرة على الوصول إلى هذا الموقع لا تزال تعتمد على المهارات المتراكمة طويلة الأجل والسمعة، وما إذا كان الآخرون على استعداد لإخبارك بالفرص.

النتائج العادية أرخص، وآخر 10% أغلى

عندما يمكن لكلمة مفتاحية بسيطة أن تجعل العامل الذكي يولد نتائج متوسطة الجودة، ستنخفض قيمة المخرجات العادية، وسترتفع قيمة التلميع النهائي.

يقتبس المقال من ألفريد لين من سيكويا كابيتال قوله إن آخر 10% غالبًا ما تكون 90% من العمل، وأيضًا 90% من العائد. في عصر الذكاء الاصطناعي، هذه العبارة أكثر واقعية. لأن نتائج 70% أصبحت أسهل في الحصول عليها، وما يميز الأشخاص حقًا هو المنظور الفريد، الاهتمام بالتفاصيل، القدرة على التكرار، جودة البنية، قابلية التوسع، والإبداع.

نادرًا ما تكون أول نسخة من مخرجات الذكاء الاصطناعي مثالية بشكل مباشر. العمل الحقيقي يحدث غالبًا في التكرارات اللاحقة: اكتشاف ما هو خطأ، وأين يجب إعادة البناء، وما التجارب التي لا تزال غير سلسة، وما حالات الحافة التي لم يتم تغطيتها، ومتى يجب استخدام النموذج التالي للبدء من جديد.

هذه القدرات يمكن تطويرها من خلال المشاريع والتدريب والعمل الحقيقي. قضاء القليل من الوقت في التلميع، وجعل البنية نظيفة، والتفكير في قابلية التوسع، وتفصيل التفاصيل حتى يرغب المستخدم حقًا في الاستخدام، سيكون له أثر في الأعمال والمقابلات.

القدرات الهندسية التقليدية لم تفشل. التغيير هو أن ندرة كتابة الأكواد نفسها انخفضت، بينما أصبح الحكم والجماليات والفهم النظامي وجودة التسليم أغلى. الذكاء الاصطناعي يمكن أن يصل بالعديد من الأشخاص إلى المستوى المتوسط، لكن الفجوة المتبقية أصبحت أصعب في سدها.

حاجز الدخول إلى البحث انخفض، لكن البحث ليس مجرد لقب

ينتقل المقال في النهاية إلى مناقشة "كيفية دخول مجال البحث". يرى الكاتب أن الذكاء الاصطناعي لم يجعل البحث مقتصرًا على المختبرات الرائدة، بل خفض بدلاً من ذلك حاجز الدخول المبكر.

البحث الحديث يعتمد بالطبع أكثر على قوة الحوسبة، لكن نقطة البداية يمكن أن تكون بسيطة جدًا: استخدام النماذج الحالية، وتحويل حدسك إلى تقييم، والمشاركة في لوائح التحسين العامة، واستخدام حصص منصات الحوسبة السحابية المقدمة للطلاب والباحثين، واختبار أفكارك في أقرب وقت. معظم الأفكار ستفشل في النهاية عند التوسع، لكن فهم الفشل هو جزء من بناء الحكم البحثي.

الباحث هو في المقام الأول أسلوب عمل، وليس مجرد منصب. البحث في المختبرات الرائدة غالبًا ما يمزج بين الفضول، وتجربة أفكار جديدة، والتعامل مع البنية التحتية، وفهم تفاصيل النظام، والتعديل السريع، وشرح قيمة النتائج بوضوح للحصول على مزيد من الموارد. الكثير من التدريب لا يحتاج إلى الانتظار حتى الحصول على لقب "باحث" ليبدأ.

النصيحة المهنية التي يتركها هذا المقال ليست متشائمة. الذكاء الاصطناعي يجعل الإجابات القياسية والأكواد العادية والمهام القابلة للتقييم أرخص، ويجعل الشباب أيضًا على اتصال مبكر بالمشكلات الحقيقية. الفرص لا تزال موجودة، لكن طريقة توزيعها تغيرت: من يستطيع العثور على المشكلات المهمة، والدخول إلى بيئات عالية الجودة، وبناء سمعة موثوقة، ودفع النتائج إلى الميل الأخير، سيكون أكثر قدرة على الحصول على الفرصة التالية.

انقر لمعرفة الوظائف الشاغرة في BlockBeats

مرحبًا بكم في الانضمام إلى مجتمع BlockBeats الرسمي:

مجموعة الاشتراك في Telegram: https://t.me/theblockbeats

مجموعة النقاش في Telegram: https://t.me/BlockBeats_App

الحساب الرسمي على Twitter: https://twitter.com/BlockBeatsAsia