لم يعد الحديث عن وظائف الذكاء الاصطناعي في السعودية مجرد توقع لما قد يحدث بعد سنوات طويلة، لأن سوق العمل بدأ بالفعل يتغير تحت تأثير البيانات والأتمتة والنماذج التوليدية والأنظمة الذكية. وبينما يخشى البعض أن يؤدي الذكاء الاصطناعي إلى اختفاء الوظائف، فإن الصورة الحقيقية أكثر تعقيدًا؛ فبعض المهام التقليدية ستتراجع أو تتغير، لكن في الوقت نفسه تظهر أدوار جديدة تحتاج إلى أشخاص يستطيعون بناء تقنيات الذكاء الاصطناعي وتشغيلها ودمجها مع الأعمال وتأمينها ومراقبة نتائجها.
هذا التغيير مهم جدًا للطالب والخريج والموظف السعودي؛ لأن التفكير في المستقبل المهني لم يعد قائمًا فقط على سؤال: ما التخصص الذي أدرسه؟ بل أصبح من الضروري إضافة سؤال آخر: ما المهارات التي ستزداد قيمتها مع توسع استخدام الذكاء الاصطناعي؟
وزارة الموارد البشرية والتنمية الاجتماعية توضح أن دليل تصنيف المهارات السعودي أُنشئ استجابة للتغيرات السريعة في سوق العمل، وأنه يربط المهارات بالمهن واحتياجات السوق الحالية والمستقبلية. ووفق الصفحة الرسمية المحدثة في يونيو 2026، يشمل الدليل 13,939 مهارة و2,047 مهنة، كما يستخدم التقنيات الحديثة والذكاء الاصطناعي في تحليل توجهات السوق والفجوات المستقبلية.
وهذا يعطينا إشارة واضحة: المستقبل المهني لن يُبنى على أسماء الوظائف وحدها، بل على المهارات القابلة للتطوير التي تستطيع الانتقال بها من وظيفة إلى أخرى كلما تغير السوق.
 |
| وظائف جديدة يصنعها الذكاء الاصطناعي في سوق العمل السعودي |
لماذا يصنع الذكاء الاصطناعي وظائف جديدة رغم قدرته على الأتمتة؟
قد يبدو الأمر متناقضًا للوهلة الأولى. إذا كان الذكاء الاصطناعي يستطيع كتابة النص وتحليل البيانات وإنشاء الأكواد وتنفيذ عدد من المهام، فلماذا تحتاج الشركات إلى المزيد من الموظفين المرتبطين به؟
السبب أن النظام الذكي نفسه يحتاج إلى من يختار أين يستخدمه، ومن يبنيه، ومن يربطه بالأنظمة الحالية، ومن يجهز البيانات التي يحتاجها، ومن يراقب جودة نتائجه، ومن يحميه من الهجمات، ومن يضمن استخدامه بطريقة مناسبة للعمل.
عندما تستخدم شركة مساعدًا ذكيًا لخدمة العملاء مثلًا، فإنها لا تحتاج فقط إلى نموذج لغوي. تحتاج إلى معرفة متى يجيب النموذج ومتى يحول العميل إلى موظف، وكيف يصل إلى معلومات المنتجات، ومن يستطيع مشاهدة بيانات العميل، وكيف يتم تقييم الإجابات الخاطئة، وكيف يتم تحديث قاعدة المعرفة.
وهكذا فإن اختصار مهمة واحدة قد يخلق حولها سلسلة من المهام الجديدة الأكثر تخصصًا.
الأتمتة تغير المهمة أكثر مما تلغي المهنة بالكامل
في عدد كبير من الوظائف، من المرجح أن تختفي بعض المهام بدل اختفاء الوظيفة نفسها. المحلل قد لا يقضي الوقت نفسه في إعداد تقرير أولي، لكنه سيحتاج إلى تفسير النتائج. والمبرمج قد يكتب كمية أقل من الأكواد المتكررة، لكنه سيقضي وقتًا أكبر في تصميم النظام ومراجعة الكود والأمان.
لذلك فإن الموظف الذي يتعلم العمل مع AI قد يجد أن وظيفته تغيرت بدل أن تختفي.
هذا الاتجاه لا يقتصر على السعودية
على المستوى العالمي، يضع تقرير Future of Jobs 2025 وظائف متخصص البيانات الضخمة ومهندس التقنية المالية ومتخصص الذكاء الاصطناعي وتعلم الآلة ومطور البرمجيات والتطبيقات ضمن أسرع الوظائف نموًا المتوقع حتى 2030، كما يضع AI والبيانات الضخمة والأمن السيبراني والثقافة التقنية ضمن المهارات الأسرع نموًا.
لكن هذه توقعات عالمية، ولذلك لا ينبغي التعامل معها كرقم خاص بالسوق السعودي، وإنما كمؤشر على اتجاه تقني عالمي يصل أثره إلى أسواق كثيرة ومنها المملكة.
1. مهندس الذكاء الاصطناعي AI Engineer
من أبرز المسارات التي أصبحت مرتبطة مباشرة بالتوسع في AI وظيفة مهندس الذكاء الاصطناعي. وظيفته ليست الجلوس أمام ChatGPT وكتابة الأوامر، بل تحويل النماذج والأدوات إلى أنظمة يستطيع المستخدم أو الموظف أو العميل الاستفادة منها.
قد يعمل المهندس على مساعد ذكي لخدمة العملاء، أو نظام داخلي للبحث في مستندات الشركة، أو أداة تقوم بتحليل النصوص، أو تطبيق يستخدم نموذجًا لغويًا لإتمام مهمة معينة.
ماذا يحتاج هذا المسار؟
المسار يحتاج عادة إلى أساس جيد في البرمجة، خصوصًا Python، وفهم لواجهات API وقواعد البيانات، بالإضافة إلى معرفة بأساسيات تعلم الآلة والنماذج التوليدية.
ليس المطلوب أن تصبح باحثًا يصمم نموذجًا ضخمًا من الصفر؛ فكثير من مشروعات AI الحديثة تعتمد على دمج نماذج جاهزة داخل تطبيقات حقيقية.
من يمكنه الانتقال إلى AI Engineering؟
مطور البرمجيات من أقرب الأشخاص لهذا المسار، لأنه يمتلك جزءًا مهمًا من الأساس بالفعل. بدل إعادة الدراسة من الصفر، يمكنه تعلم LLMs وRAG وEmbeddings وأدوات تقييم النماذج والتعامل مع APIs.
2. مهندس تعلم الآلة Machine Learning Engineer
عندما تحتاج المؤسسة إلى نموذج يتعلم من بياناتها، تظهر وظيفة Machine Learning Engineer بوضوح أكبر.
هذا المهندس يعمل على تجهيز البيانات، واختيار الخوارزميات، وتدريب النموذج، واختباره وتحسينه، ثم التعاون مع فرق أخرى لنقله إلى بيئة الإنتاج.
ما الفرق بينه وبين AI Engineer؟
هناك تداخل كبير بين المسميين، وقد تختلف التعريفات من شركة إلى أخرى. لكن بصورة مبسطة، يركز Machine Learning Engineer بدرجة أكبر على دورة حياة نموذج تعلم الآلة، بينما قد يكون AI Engineer أوسع ويشمل بناء تطبيقات تستخدم نماذج جاهزة وتقنيات الذكاء الاصطناعي المختلفة.
المهارات التي يبدأ بها المبتدئ
يحتاج المسار إلى Python وPandas وNumPy وSQL، ثم Machine Learning وأدوات مثل Scikit-learn، وبعد ذلك يمكن التوسع في PyTorch أو غيره من أطر التعلم العميق.
المشروع أهم من حفظ الخوارزميات
لا يكفي أن تعرف تعريف Random Forest أو Logistic Regression. القيمة تبدأ عندما تستطيع أخذ بيانات حقيقية، وتنظيفها، وبناء نموذج، وقياس أدائه، ثم تفسير لماذا ينجح أو يفشل.
3. مهندس الذكاء الاصطناعي التوليدي GenAI Engineer
انتشار النماذج اللغوية الكبيرة أدى إلى توسع مسار آخر يركز على Generative AI.
هذا الشخص قد يبني مساعدًا يعتمد على مستندات مؤسسة، أو نظامًا يستطيع الإجابة عن الأسئلة من قاعدة معرفة، أو Agent ينفذ سلسلة من المهام.
هل الوظيفة تعني Prompt Engineering فقط؟
لا. كتابة البرومبت جزء صغير من العمل.
المسار الاحترافي قد يحتاج إلى فهم LLMs وAPIs وRAG وEmbeddings وقواعد البيانات المتجهية والتقييم والأمان وإدارة السياق.
ولهذا فإن تعلم كتابة أوامر جيدة وحده لا يكفي عادة لبناء مسار تقني كامل.
لماذا قد يكون هذا المسار مهمًا في السعودية؟
توجد مساحة كبيرة لحلول تتعامل مع العربية والمستندات وخدمة العملاء والعمليات الداخلية. المؤسسة لا تريد فقط نموذجًا يستطيع التحدث، بل نموذجًا يستطيع التعامل مع معلوماتها وسياساتها وسياقها بطريقة مفيدة.
4. متخصص معالجة اللغة الطبيعية NLP Specialist
اللغة العربية تخلق بدورها مساحة مهنية مهمة، خصوصًا مع اختلاف الفصحى واللهجات والمصطلحات المحلية.
معالجة اللغة الطبيعية NLP تركز على جعل الأنظمة تتعامل مع النصوص والكلام بطريقة مفيدة.
قد تشمل المشروعات تحليل آراء العملاء، أو تصنيف الشكاوى، أو البحث العربي، أو تحويل الصوت إلى نص، أو إنشاء مساعدين يفهمون السياق العربي بصورة أفضل.
ميزة معرفة العربية والسياق المحلي
المهندس الذي يمتلك المعرفة التقنية ويفهم في الوقت نفسه اللغة والثقافة المحلية قد يمتلك ميزة قوية في مشروعات تستهدف مستخدمين داخل المملكة.
المهارة اللغوية هنا لا تلغي المهارة التقنية
من يريد المسار الهندسي يحتاج إلى البرمجة والنماذج والبيانات، لكن فهم اللغة يجعله أكثر قدرة على اكتشاف الأخطاء التي لا يلاحظها شخص لا يعرف العربية جيدًا.
5. مهندس الرؤية الحاسوبية Computer Vision Engineer
الذكاء الاصطناعي لا يتعامل مع الكلمات فقط. هناك أنظمة تتعامل مع الصور والفيديو، وهو مجال Computer Vision.
يمكن استخدام الرؤية الحاسوبية في مراقبة خطوط الإنتاج، واكتشاف العيوب، وتحليل الصور، وإدارة المخزون بصريًا، وفهم الفيديو، وحلول المدن والخدمات الذكية.
أين يمكن أن تظهر الفرص؟
الصناعة والتجزئة والنقل والخدمات والأمن التشغيلي كلها أمثلة على قطاعات يمكن أن تستفيد من Computer Vision.
ما الذي يتعلمه المهندس؟
يحتاج عادة إلى Python والتعلم العميق ومعالجة الصور، ثم التعامل مع نماذج الرؤية الحديثة وأدوات مثل OpenCV وأطر Deep Learning.
6. مهندس البيانات Data Engineer
قد تكون هذه واحدة من أكثر الوظائف التي لا يلاحظها المبتدئ عندما يفكر في AI.
النموذج الذكي لا يستطيع فعل الكثير عندما تكون البيانات مشتتة أو غير صحيحة أو يصعب الوصول إليها.
هنا تأتي وظيفة Data Engineer الذي يبني البنية التي تجعل البيانات تصل إلى المكان الصحيح بالشكل الصحيح.
ما الذي يفعله مهندس البيانات؟
يتعامل مع قواعد البيانات وData Pipelines ومستودعات البيانات والخدمات السحابية وSQL، ويعمل على جعل البيانات قابلة للاستخدام من المحللين وأنظمة Machine Learning.
لماذا يزداد دوره أهمية مع AI؟
كلما توسعت المؤسسة في استخدام الذكاء الاصطناعي، زاد احتياجها إلى بيانات منظمة وموثوقة.
النموذج القوي مع بيانات سيئة لن يصنع نظامًا قويًا.
7. عالم البيانات Data Scientist
Data Scientist ليس مسمى جديدًا بسبب الذكاء الاصطناعي التوليدي، لكنه يظل من المسارات التي تزداد أهميتها مع توسع استخدام البيانات.
عالم البيانات يحاول الإجابة عن أسئلة الأعمال باستخدام الإحصاء والتحليل والنماذج.
قد يدرس سبب ارتفاع ترك العملاء للخدمة، أو يبني نموذجًا يتنبأ بالمبيعات، أو يكتشف شرائح من العملاء لها سلوك متشابه.
الفرق بين Data Scientist وData Analyst
لا توجد حدود صارمة في كل الشركات، لكن Data Analyst يركز غالبًا بصورة أكبر على تحليل ما حدث واستخراج المؤشرات، بينما قد يتجه Data Scientist بصورة أعمق نحو التنبؤ والنماذج والإحصاء.
لا تجعل الاسم أهم من الوصف الوظيفي
من الأخطاء الشائعة البحث عن المسمى فقط. شركتان قد تستخدمان المسمى نفسه لوظيفتين مختلفتين تمامًا.
اقرأ المهارات والمهام المطلوبة، فهي أهم من الاسم.
8. مهندس MLOps
بناء نموذج داخل Notebook على جهاز المطور لا يعني أن المشروع أصبح منتجًا يعمل.
عندما يحتاج النموذج إلى العمل باستمرار لخدمة آلاف المستخدمين، تظهر مشكلات جديدة: كيف يتم نشره؟ كيف نحدثه؟ كيف نراقب أداءه؟ ماذا يحدث عندما تتغير البيانات؟
هذه هي المساحة التي يعمل فيها MLOps Engineer.
MLOps هو الجسر بين النموذج والتشغيل
المتخصص يساعد في بناء عمليات نشر ومراقبة النماذج وإدارة الإصدارات والبنية التحتية.
وقد يحتاج إلى Docker وKubernetes وCloud وCI/CD بالإضافة إلى فهم أساسي لتعلم الآلة.
هذا المسار مناسب لمحبي الأنظمة والبنية التحتية
ليس كل من يعمل في AI يجب أن يكون عالم بيانات. الشخص الذي يحب DevOps والسحابة يمكن أن يجد في MLOps نقطة التقاء قوية مع الذكاء الاصطناعي.
9. مهندس تكامل الذكاء الاصطناعي AI Integration Engineer
عدد كبير من المؤسسات لا يحتاج إلى اختراع نموذج جديد. لديها أنظمة بالفعل وتريد إضافة الذكاء الاصطناعي إليها.
قد توجد قاعدة عملاء، ومنصة خدمة، ونظام موارد بشرية، ومستودع ملفات، وتريد المؤسسة أن تسمح لمساعد ذكي بالاستفادة من هذه البيانات بطريقة آمنة.
هنا تظهر قيمة التكامل
AI Integration Engineer يفهم APIs وقواعد البيانات والـBackend والنماذج، ثم يبني الجسر الذي يربط بينها.
مسار مناسب للمطور التقليدي
إذا كنت Backend Developer، فقد يكون الانتقال إلى AI Integration أسهل من التحول مباشرة إلى باحث تعلم عميق، لأن جزءًا كبيرًا من خبرتك الحالية سيظل مفيدًا.
10. مهندس منصات الذكاء الاصطناعي AI Platform Engineer
عندما تكبر المؤسسة، قد يكون لديها عشرات التطبيقات التي تستخدم AI بدل تطبيق واحد.
هنا تحتاج إلى منصة داخلية تنظم النماذج والصلاحيات والـAPIs والبنية التحتية والمراقبة.
وهذا يقود إلى AI Platform Engineering.
الوظيفة ليست بناء نموذج واحد
إنها بناء بيئة تجعل عشرات الفرق تستطيع إنشاء تطبيقات AI بطريقة أكثر أمانًا وتنظيمًا.
ما المهارات القريبة منها؟
Cloud وKubernetes والبنية التحتية والأنظمة الموزعة وMLOps وأمن التطبيقات.
11. متخصص جودة وتقييم الذكاء الاصطناعي AI Evaluation
هناك سؤال ستواجهه أي شركة تستخدم نموذجًا لغويًا: كيف نعرف أن الإجابات جيدة فعلًا؟
الاعتماد على موظف يقرأ خمس إجابات ويقول "تبدو ممتازة" لا يكفي عندما يصبح النظام مستخدمًا على نطاق واسع.
هنا تظهر وظائف تقييم AI
المتخصص يبني اختبارات ومقاييس وحالات استخدام يستطيع من خلالها تقييم الدقة والسلامة والالتزام بالتعليمات.
هذه الوظيفة تصبح أكثر أهمية مع النماذج التوليدية
البرنامج التقليدي قد يعطي ناتجًا محددًا من مدخل محدد، أما النموذج التوليدي فيحتاج إلى طرق تقييم أكثر تعقيدًا.
ولهذا فإن مهارات AI Evaluation مرشحة لأن تكون جزءًا مهمًا من فرق الذكاء الاصطناعي حتى لو اختلف اسم الوظيفة.
12. مهندس أمن الذكاء الاصطناعي AI Security Engineer
كلما زادت قدرة الأنظمة الذكية على الوصول إلى الملفات والبريد وقواعد البيانات وتنفيذ الأوامر، أصبح الأمن أكثر أهمية.
AI Security Engineer يعمل عند نقطة التقاء الأمن السيبراني والذكاء الاصطناعي.
ما المخاطر الجديدة التي يتعامل معها؟
منها Prompt Injection وتسريب البيانات وسوء استخدام الوكلاء والصلاحيات الزائدة والهجمات التي تستهدف النماذج أو البيانات.
هل يحتاج إلى خلفية أمنية؟
عادة تكون المعرفة بالأمن السيبراني ميزة كبيرة جدًا، ثم تضاف إليها معرفة بكيفية عمل LLMs وAgents وAPIs.
الجمع بين تخصصين قد يكون أقوى من البداية من الصفر
إذا كنت تعمل أصلًا في الأمن السيبراني، فقد يكون تعلم أمن AI امتدادًا طبيعيًا لمسارك بدل ترك تخصصك.
13. متخصص حوكمة الذكاء الاصطناعي AI Governance
ليس كل تحدٍ في الذكاء الاصطناعي تحديًا برمجيًا.
المؤسسة تحتاج أيضًا إلى قواعد تحدد ما التطبيقات التي يمكن استخدامها، وما نوع البيانات المسموح بإرسالها إليها، وكيف تتم مراجعة النتائج، وكيف يتم التعامل مع المخاطر.
هنا يظهر AI Governance
المسار يجمع بين فهم التقنية وإدارة المخاطر والامتثال والخصوصية والسياسات الداخلية.
هل يجب أن يكون متخصص الحوكمة مبرمجًا؟
ليس بالضرورة، لكنه يحتاج إلى مستوى جيد من الثقافة التقنية حتى يستطيع فهم المخاطر التي يناقشها.
وهذا يمكن أن يفتح بابًا أمام أصحاب خلفيات القانون والمخاطر والامتثال وإدارة البيانات.
14. مدير منتجات الذكاء الاصطناعي AI Product Manager
ليس السؤال دائمًا: كيف نبني نموذجًا؟
أحيانًا السؤال الأهم هو: هل نحتاج AI أصلًا في هذه المشكلة؟
هنا يأتي دور AI Product Manager الذي يربط بين المستخدم والأعمال والهندسة.
ما الذي يفعله؟
يحدد المشكلة التي يجب حلها، ويضع متطلبات المنتج، ويحدد ما إذا كان AI سيضيف قيمة حقيقية، ثم يعمل مع المصممين والمهندسين وفرق البيانات.
الفهم التقني مهم حتى دون كتابة الكود يوميًا
مدير المنتج لا يحتاج بالضرورة إلى أن يصبح ML Engineer، لكنه يحتاج إلى فهم إمكانات النماذج وحدودها وتكاليفها ومخاطرها.
15. مستشار حلول الذكاء الاصطناعي AI Consultant
بعض المؤسسات تعلم أنها تريد استخدام AI لكنها لا تعرف أين تبدأ.
هل تستخدمه في التسويق أم خدمة العملاء أم العمليات أم البيانات؟
هنا يمكن أن يظهر دور AI Consultant أو مستشار حلول الذكاء الاصطناعي.
المستشار الجيد لا يبيع AI لكل مشكلة
بل يبدأ بفهم العملية الحالية، ويحدد نقطة الألم، ثم يقيس هل الذكاء الاصطناعي مناسب لها أم توجد تقنية أبسط.
لماذا يحتاج المسار إلى خبرة أعمال؟
لأن التقنية وحدها لا تكفي. يجب أن تفهم التكلفة والعائد والمخاطر وطريقة العمل داخل المؤسسة.
16. متخصص وكلاء الذكاء الاصطناعي والأتمتة AI Agents & Automation
بدأت تطبيقات AI تنتقل تدريجيًا من مجرد مساعد يكتب إجابة إلى Agent يستطيع تنفيذ خطوات متعددة.
قد يقرأ طلبًا، ثم يبحث في نظام، ثم يحدث قاعدة بيانات، ثم ينشئ مسودة رد.
هذا يخلق احتياجًا لمصممي سير العمل الذكي
قد لا يكون المسمى ثابتًا حتى الآن، لكن المهارات واضحة: APIs، وأدوات Automation، والنماذج اللغوية، وتصميم Workflows، والصلاحيات والأمان.
الإنسان يظل مسؤولًا عن تصميم الحدود
كلما زادت قدرة Agent على التنفيذ، زادت أهمية تحديد ما يجوز له تنفيذه تلقائيًا وما يتطلب موافقة بشرية.
هل وظيفة Prompt Engineer وحدها كافية لبناء مستقبل مهني؟
مصطلح Prompt Engineer أصبح مشهورًا جدًا مع بداية انتشار Generative AI، لكنه يجب أن يُفهم في سياقه الصحيح.
كتابة الأوامر مهارة مهمة، لكنها تتحول تدريجيًا إلى مهارة عامة يحتاج إليها الموظف والمبرمج والمسوق والمحلل، مثل مهارة البحث أو استخدام جداول البيانات.
لا تبنِ مستقبلك على مهارة واحدة قابلة للتعميم
الأفضل أن تكون لديك مهارة أساسية عميقة ثم تضيف إليها Prompting.
فمثلًا:
مطور برمجيات + Prompting + LLMs أقوى من Prompting وحدها.
مسوق يفهم العملاء والبيانات + AI أقوى من شخص يعرف استخدام مولد نصوص فقط.
القيمة تأتي من المشكلة التي تستطيع حلها
الشركات لا تدفع مقابل عدد البرومبتات التي تعرفها، بل مقابل النتيجة التي تستطيع إنتاجها.
وظائف AI لن تكون محصورة داخل شركات التقنية
هذه نقطة شديدة الأهمية للقارئ السعودي. قد تعتقد أن عليك العمل لدى شركة برمجيات حتى تستفيد من هذه المهارات، لكن الواقع مختلف.
القطاع المالي يحتاج إلى بيانات واكتشاف احتيال ومخاطر وأتمتة. الصناعة تحتاج إلى Predictive Maintenance ورؤية حاسوبية. التجارة تحتاج إلى توقع الطلب وتخصيص تجربة العميل. الموارد البشرية تحتاج إلى تحليلات وأتمتة. اللوجستيات تحتاج إلى تحسين العمليات.
أي قطاع يملك بيانات يمكن أن يجد استخدامًا للذكاء الاصطناعي
وهذا يعني أن الخبرة القطاعية نفسها تصبح ذات قيمة.
إذا كنت تفهم البنوك جيدًا ثم تعلمت AI، فقد تكون أكثر قدرة على اكتشاف حالات استخدام عملية من مهندس لا يعرف شيئًا عن القطاع المالي.
ما المهارات التي تستحق أن يبدأ بها الطالب السعودي؟
لا توجد قائمة واحدة تصلح للجميع، لكن هناك أساسًا قويًا لمن يريد المسارات التقنية:
Python وبرمجة جيدة بدل الاعتماد الكامل على AI في كتابة الكود.
SQL والتعامل مع البيانات.
أساسيات Machine Learning وتقييم النماذج.
Generative AI وLLMs وRAG وAPIs.
Git وأساسيات Cloud للمشروعات الحقيقية.
الخصوصية والأمن وحوكمة البيانات.
اللغة الإنجليزية التقنية بجانب القدرة الجيدة على العربية.
مهارات التواصل وفهم مشكلة العمل، وليس التقنية فقط.
مشروعات عملية تستطيع شرح قراراتها وأخطائها ونتائجها.
وتعكس برامج بناء القدرات المحلية هذا التنوع؛ فبرنامج المسارات المتقدمة في الذكاء الاصطناعي لدى أكاديمية سدايا تناول تعلم الآلة والذكاء الاصطناعي التوليدي والرؤية الحاسوبية ومعالجة اللغة الطبيعية بهدف بناء مهارات مرتبطة بمجالات AI وعلوم البيانات. وتشير الصفحة الرسمية إلى أن فترة التسجيل للدفعة المذكورة انتهت، لذلك ينبغي متابعة الأكاديمية لمعرفة البرامج المتاحة حاليًا بدل الاعتماد على إعلان قديم.
كيف تختار الوظيفة المناسبة لك من بين كل هذه المسارات؟
لا تحاول اختيار المسمى الأكثر شهرة. ابدأ بما تحب أن تفعله.
إذا كنت تستمتع بكتابة البرامج وبناء التطبيقات، ادرس AI Engineering.
إذا تحب البيانات والإحصاء، انظر إلى Machine Learning وData Science.
إذا تستمتع بالبنية التحتية والأنظمة، فقد يناسبك MLOps أو AI Platform Engineering.
إذا لديك خلفية أمنية، فكر في AI Security.
إذا تحب العمل بين العميل والتقنية أكثر من كتابة الكود طوال اليوم، فقد يناسبك AI Product Management أو Consulting.
لا تجعل الراتب وحده يختار المسار
التخصص الذي تستطيع التعلم فيه لسنوات غالبًا أفضل من مجال اخترته لمجرد أن عنوانًا على الإنترنت وصفه بأنه "الأعلى دخلًا".
السوق يتغير، وما يظل معك هو قدرتك على التعلم.
كيف ينتقل الموظف السعودي الحالي إلى مجال AI؟
إذا كنت موظفًا بالفعل، لا تفترض أنك تحتاج إلى العودة إلى نقطة الصفر.
قد يكون أفضل طريق هو إضافة AI إلى خبرتك الحالية.
المحاسب الذي يعرف البيانات قد ينتقل نحو Financial Analytics. موظف التسويق يمكن أن يتعلم Marketing Automation وتحليل الحملات باستخدام AI. المطور يستطيع دخول AI Applications. متخصص الأمن يمكنه تعلم AI Security.
خبرتك القديمة ليست عبئًا
بل قد تكون ميزتك.
الذكاء الاصطناعي يحتاج إلى خبراء يعرفون القطاع، وليس فقط إلى أشخاص يعرفون تشغيل نموذج.
ابدأ بمشكلة من عملك الحالي
إذا استطعت بناء حل صغير يوفر ساعتين أسبوعيًا أو يحسن تحليلًا أو ينظم عملية، فأنت بدأت تجمع بين الخبرة المهنية وAI بالطريقة التي يحتاجها السوق.
كيف يبني الخريج Portfolio يؤهله لوظائف AI؟
الخريج لا يستطيع اختراع سنوات من الخبرة، لكنه يستطيع بناء دليل على المهارة.
لا تضع عشر شهادات فقط. أنشئ مشروعات.
يمكن أن تبني مساعدًا عربيًا يستخرج معلومات من مستندات، أو نموذجًا يحلل تقييمات، أو Dashboard يستخدم نموذجًا للتنبؤ، أو أداة تبحث داخل قاعدة معرفة.
اجعل المشروع قابلاً للفهم
اكتب:
ما المشكلة؟
ما البيانات؟
لماذا اخترت هذه التقنية؟
كيف اختبرت النتيجة؟
ما الذي فشل؟
كيف يمكن تحسينه؟
هذه الأسئلة تجعل المشروع أكثر احترافية من مجرد Repository مليء بالكود.
هل يعني انتشار AI أن الوظائف التقليدية ستختفي؟
بعض الوظائف والمهام ستتعرض لضغط أكبر من غيرها، خصوصًا الأعمال الروتينية التي يمكن تحديد خطواتها بدقة. وفي المقابل ستزداد الحاجة إلى مهارات تقنية وتحليلية وبشرية جديدة.
تقرير Future of Jobs 2025 يقدر عالميًا أن مجموعة التحولات التقنية والاقتصادية والديموغرافية وغيرها قد تؤدي بحلول 2030 إلى خلق نحو 170 مليون وظيفة وإزاحة 92 مليون وظيفة، بصافي زيادة متوقعة قدرها 78 مليونًا. وهذه تقديرات عالمية وليست توقعًا خاصًا بالمملكة.
التغير الأهم قد يحدث داخل الوظيفة نفسها
الموظف الذي كان ينفذ عشر مهام يدويًا قد يجد أن خمسًا منها أصبحت آلية، لكنه يصبح مسؤولًا عن مراجعة النتائج واتخاذ قرارات أكثر أهمية.
وهذا يعني أن المنافسة لن تكون دائمًا بين "إنسان وآلة"، بل أحيانًا بين شخص يعرف استخدام الأدوات الجديدة وشخص يؤدي العمل بالطريقة القديمة فقط.
الثقافة بالذكاء الاصطناعي ستصبح مهارة عامة وليست تخصصًا منفصلًا
ليس مطلوبًا أن يصبح كل موظف AI Engineer، مثلما لم يكن مطلوبًا أن يصبح كل موظف مهندس شبكات بعد انتشار الإنترنت.
لكن من المتوقع أن يصبح فهم إمكانات AI وحدوده جزءًا متزايدًا من المهارات الرقمية.
المهارات البشرية لا تفقد قيمتها
كلما تولت الأدوات المهام الروتينية، تزداد قيمة التفكير النقدي وحل المشكلات والتواصل والإبداع والقدرة على اتخاذ القرار.
وهذا يتفق مع توقعات تقرير Future of Jobs الذي يضع مهارات مثل التفكير الإبداعي والمرونة والفضول والتعلم المستمر بجوار المهارات التقنية سريعة النمو.
لا تحاول تعلم جميع وظائف الذكاء الاصطناعي دفعة واحدة
بعد قراءة قائمة طويلة من الوظائف، قد تشعر أنك تحتاج إلى Python وCloud وCybersecurity وMachine Learning وNLP وComputer Vision وMLOps خلال شهر واحد.
هذا أحد أسرع الطرق للتشتت.
اختر نقطة دخول واحدة
إذا اخترت AI Engineering مثلًا، ركز أولًا على Python والبرمجة وAPIs، ثم أضف LLMs وRAG.
إذا اخترت Machine Learning، ركز على Python والبيانات والإحصاء والخوارزميات.
ثم توسع عندما يحتاج مشروعك إلى ذلك.
المسار الجيد يشبه السلم وليس شبكة عشوائية
كل مهارة يجب أن تساعدك على الوصول إلى الخطوة التالية.
المستقبل المهني لمن يجمع بين تخصصه والذكاء الاصطناعي
من أهم الأفكار التي يجب أن يتذكرها الطالب والموظف السعودي أن AI ليس تخصصًا منفصلًا عن العالم، بل تقنية تدخل في تخصصات متعددة.
الطبيب الذي يفهم AI قد يساعد في تقييم أدوات طبية. المهندس الصناعي يمكن أن يستخدمه في الصيانة والتحسين. المختص المالي يمكن أن يدخل في تحليل المخاطر. خبير القانون والامتثال يمكن أن يتخصص في الحوكمة.
التخصص + الذكاء الاصطناعي قد يكون أقوى من الذكاء الاصطناعي وحده
لأن المؤسسات لا تحتاج إلى نموذج فقط، بل إلى شخص يعرف أين يستخدمه.
وهنا تظهر قيمة المعرفة المتخصصة.
الخلاصة
وظائف جديدة يصنعها الذكاء الاصطناعي في سوق العمل السعودي ليست وظيفة واحدة تحمل كلمة AI، بل منظومة كاملة من المسارات التي تتوسع مع استخدام البيانات والنماذج التوليدية والأتمتة داخل الشركات.
هناك AI Engineer وMachine Learning Engineer وGenAI Engineer وNLP Specialist وComputer Vision Engineer وData Engineer وData Scientist وMLOps Engineer وAI Platform Engineer وAI Integration Engineer وAI Evaluation Specialist وAI Security Engineer، إلى جانب مسارات أقل اعتمادًا على البرمجة مثل AI Governance وAI Product Management والاستشارات.
وفي الوقت نفسه، لن يكون التأثير محصورًا في ظهور مسميات جديدة؛ فالوظائف التقليدية نفسها ستتغير عندما تصبح أدوات AI جزءًا من طريقة أداء العمل.
لهذا فإن أفضل استعداد لا يكون بمطاردة كل أداة جديدة تظهر، بل ببناء أساس قوي: تعلم تخصصك جيدًا، وأضف إليه فهم الذكاء الاصطناعي والبيانات والأدوات الرقمية بالقدر المناسب للمسار الذي اخترته.
إذا كنت طالبًا، ابدأ الآن بمشروع صغير بدل الانتظار حتى التخرج. وإذا كنت موظفًا، ابحث عن مهمة حقيقية في عملك يمكن تحسينها باستخدام AI. وإذا كنت مبرمجًا، تعلم الانتقال من مجرد استخدام النموذج إلى دمجه داخل تطبيق حقيقي.
سوق العمل قد يغير أسماء الوظائف بسرعة، لكن المؤسسات ستظل تبحث عن الشخص الذي يستطيع فهم المشكلة، واختيار التقنية المناسبة، وتنفيذ الحل، وقياس النتيجة.
وهنا تكمن الفرصة الحقيقية: لا تحاول أن تنافس الذكاء الاصطناعي في تنفيذ المهمة التي يستطيع أتمتتها، بل تعلم كيف تصبح الشخص الذي يعرف متى يستخدمه، وكيف يبنيه، وكيف يراجعه، وكيف يحوله إلى قيمة حقيقية داخل سوق العمل السعودي.
0 تعليقات