الموارد البشرية لديها إجابات خاطئة حول الذكاء الاصطناعي والمواهب والاستقطاب | Ben Eubanks

كان Ben Eubanks يطمح للعمل في مجال الموارد البشرية منذ مراهقته. وبعد سنوات من العمل في هذا المجال، انتقل إلى جانب البحث، حيث يتابع الاتجاهات ويكتب الكتب التي يحتفظ بها مديرو الموارد البشرية التنفيذيون على رفوفهم. أصبح كتابه الأول، Artificial Intelligence for HR، المرجع الأكثر استشهاداً في هذا الموضوع. أما كتابه الثاني، Talent Scarcity، فقد تناول السؤال الذي كان يشغل كل قائد في الموارد البشرية: أين ذهب جميع العاملين؟

في الحلقة رقم 18 من Xobin Talks، يطرح Guru الأسئلة الصعبة. يسأل لماذا لا يزال قادة الموارد البشرية مترددين بشأن الذكاء الاصطناعي، وما الذي تعنيه ندرة المواهب من الناحية الديموغرافية. كما يتساءل عما إذا كان تحقيق العدالة في الأجور عالمياً أمر واقعي، وما الذي يجب أن يفعله مسؤولو الاستقطاب قبل أن تلحق بهم الأتمتة.

هل قادة الموارد البشرية مستعدون للاستثمار في الذكاء الاصطناعي أم لا يزالون مترددين؟

يبدأ Guru بسؤال يسمعه كثيراً من عملاء Xobin: رغم كل الحديث عن الذكاء الاصطناعي، لا يزال العديد من مديري الموارد البشرية التنفيذيين والمشترين مترددين. هل هذا التردد مبرر؟

Ben: "أصبح الذكاء الاصطناعي جزءاً من التوظيف اليومي بسرعة، حيث تستخدمه الشركات في مهام مثل استقطاب المرشحين، وفرز الطلبات، ومطابقة الأشخاص مع الأدوار، وتقييم المتقدمين. لكن هناك من لا يزال متردداً، خاصة بسبب المخاوف المرتبطة بالمتطلبات القانونية العالمية حول إمكانية استخدام هذه التقنية لاختيار شخص ما لوظيفة."

تجري Lighthouse Research دراسة سنوية كبرى حول استقطاب المواهب. أظهرت بيانات هذا العام شيئاً لافتاً: هناك شريحة من أصحاب العمل قالوا إنهم لن يستخدموا الذكاء الاصطناعي في التوظيف. وعند سؤالهم عن السبب، جاءت الإجابات الثلاث الأولى بنمط واضح.

Ben: "السبب الأول: لا نريد استبدال البشر. نريد أن يكون هناك عنصر بشري في اتخاذ القرار. السبب الثاني: لا نريد الإضرار بسمعة صاحب العمل. قد يقول الذكاء الاصطناعي أو يفعل أشياء لا يمكننا دائماً التحكم بها أو توقعها. أما السبب الثالث: لا نعتقد أن الذكاء الاصطناعي جاهز للتعامل مع المهام الأساسية في التوظيف."

تشبيه مسؤول التوظيف المبتدئ

يتوقف هنا ليقدم ملاحظة تعيد صياغة النقاش بأكمله.

Ben: "مسؤول التوظيف المبتدئ الذي نوظفه في فريقنا قد يرتكب نفس المخاطر. قد يقول شيئاً خاطئاً، أو ينشر شيئاً غير مناسب عبر الإنترنت، أو يخطئ في إجراء ما، أو يواجه صعوبة في مهمة شائعة. نحن نضع كل هذا الخوف والقلق على أنظمة الذكاء الاصطناعي، بينما هذه المخاوف كانت وستظل موجودة مع البشر. نفترض أن الذكاء الاصطناعي يجب أن يكون مثالياً منذ البداية. هذه إحدى المشكلات."

هذا التشبيه يوضح الفكرة بوضوح. لا توجد مؤسسة ترفض توظيف مسؤولين مبتدئين خوفاً من الأخطاء. التسامح مع الخطأ البشري مع المطالبة بالكمال من الخوارزميات ليس موقفاً مبدئياً بل عاطفياً. ويؤكد Ben أن التبني جارٍ بالفعل.

Ben: "هناك الكثير من الشركات التي اعتمدت هذه التقنية وتستخدمها كميزة تنافسية. ونتوقع أن يتسع الفارق بين الشركات التي تستخدمها وتلك التي لا تستطيع مواكبة التطور."

ثلاثة أرباع محترفي الموارد البشرية، وفق تقرير SHRM لاتجاهات المواهب 2024، يتفقون على أن الذكاء الاصطناعي سيزيد من قيمة الحكم البشري في التوظيف خلال السنوات الخمس المقبلة (SHRM). ويرى Ben أن القضية الأهم هي الفجوة التي بدأت تتسع بالفعل بين المؤسسات التي تستخدم الذكاء الاصطناعي كأداة تنافسية وتلك التي لا تزال تنتظر الشعور بالجاهزية.

هل تختلف الأجيال في طريقة اتخاذ قرارات الذكاء الاصطناعي؟

يشير Guru إلى ما يلاحظه مباشرة في بيانات Xobin: الغالبية العظمى من السير الذاتية المقدمة للمنصة تُنشأ أو تُعدل بشكل كبير باستخدام الذكاء الاصطناعي التوليدي. المرشحون الجدد في سوق العمل هم مستخدمون أصليون للذكاء الاصطناعي، بينما صناع القرار غالباً ليسوا كذلك.

العرض التلقائي الذي صدم قادة الموارد البشرية

Ben: "عندما أشرح وأعلم حول استخدام الذكاء الاصطناعي، أشارك قصة ما قامت به Amazon. شخص يتقدم لوظيفة، تُقرأ شهاداته وخبراته، يُرسل له تقييم تلقائياً، يجتازه، ثم يُولد له عرض عمل بسعر السوق، دون أي تواصل مع مسؤول التوظيف أو مدير التوظيف. عندما أشارك هذا المثال مع قادة الموارد البشرية، ألاحظ رد فعلهم الصادم."

يقول Ben إن هذا الرد يعكس شيئاً حقيقياً: في الوظائف المكتبية، الاختيار الآلي بالكامل ليس ما يريده المرشحون، ولا ما تتطلبه القرارات الجيدة. لكنه يعكس أيضاً شيئاً سيتغير مع انتقال الجيل الأصغر من مستخدمي الذكاء الاصطناعي إلى مواقع القيادة.

لماذا لم تعد السيرة الذاتية مؤشراً موثوقاً؟

Ben: "تشير الأبحاث الجديدة إلى أن حوالي 70% من خريجي الجامعات يستخدمون أدوات GPT والذكاء الاصطناعي التوليدي لإنشاء سيرهم الذاتية وتكييفها مع إعلانات الوظائف. هذا يعني أن التمييز بين المرشحين أصبح أصعب من أي وقت مضى لأن جميع السير ستبدو متشابهة. فما الحل؟ علينا أن نغير طرق الفرز."

الحل ليس في اكتشاف السير المنتجة بالذكاء الاصطناعي ورفضها، بل في التوقف عن اعتبار السيرة الذاتية المؤشر الأساسي. يشبه Ben ذلك بما يحدث في الجامعات: لم تعد الواجبات المنزلية تُرسل للطلاب مع توقع عمل أصلي بالكامل. يواجه مسؤولو التوظيف نفس التحدي. تغير المؤشر، ويجب أن تتغير معه طريقة الفرز.

إذا كانت معظم السير الذاتية تُنتج الآن بالذكاء الاصطناعي، ماذا يعني ذلك لعمليات الفرز؟

هذا هو السؤال الذي يركز عليه Guru، لأنه جوهر ما تقدمه Xobin. إجابة Ben تستند إلى أبحاث حول المرشحين، وليس فقط تفضيلات أصحاب العمل.

Ben: "عندما ننظر إلى بيانات المرشحين، نجد أنهم يفضلون ذلك: عندما يُخيرون بين إرسال السيرة الذاتية فقط أو إرسالها مع اختبار عملي قصير متعلق بالوظيفة، يفضلون الخيار الثاني. لأنه يتيح لهم معرفة ما يهم الشركة، وفهم متطلبات الوظيفة، وإبراز قدراتهم الحقيقية، وليس فقط بناءً على جودة كتابة السيرة الذاتية."

هذا يعيد صياغة النقاش حول التقييمات. غالباً ما يُنظر إلى اختبارات ما قبل التوظيف كأداة لصالح الشركات: كفاءة الفرز، تقليل التحيز، مؤشر أفضل. لكن Ben يشير إلى أن المرشحين يريدون ذلك أيضاً، لأن عالم السير المتشابهة يحرمهم من التميز. الاختبار العملي يمنحهم هذه الفرصة.

لماذا السرعة في السوق ليست مثل الثقة؟

بالنسبة لـ Guru، هذا يؤكد نهج Xobin: تحليل السيرة الذاتية، بناء تقييم مستهدف، والتحقق من قدرة الشخص على أداء الوظيفة فعلياً.

Ben: "لقد شاركت هذا المثال عدة مرات مؤخراً. هناك شركة في مجال تكنولوجيا الموارد البشرية طورت أداة لإنشاء وصف وظيفي كامل تلقائياً. استغرق تطويرها سنوات وكلف مئات الآلاف من الدولارات. الآن يمكن لأي شخص استخدام ChatGPT للقيام بنفس الشيء مجاناً."

وتيرة التحول إلى سلعة حقيقية، ويشعر Guru بذلك مباشرة. يوضح Ben أن السرعة في السوق ليست هي نفسها الثقة. فالمشتري يثق في شركة لها سجل مثل Xobin أكثر من شركة ظهرت حديثاً. الميزة التنافسية ليست في الحداثة، بل في الأدلة المتراكمة على أن المنتج يحل مشكلات حقيقية ويستجيب لاحتياجات العملاء.

ما السبب الحقيقي وراء ندرة المواهب؟ هل هي حقيقة أم مجرد دورة؟

ينتقل النقاش إلى الكتاب. يعترف Guru بأنه لا توجد إجابة بسيطة لندرة المواهب ولا يريد إجابة جاهزة، بل يريد فهم الاتجاه.

Ben: "يقول خبراء الديموغرافيا حول العالم إنه للحفاظ على استدامة السكان على المدى الطويل، يجب أن يكون معدل الإنجاب حوالي 2.3 طفل لكل أسرة. آخر مرة وصل فيها هذا المعدل في الولايات المتحدة كانت قبل 50 عاماً. نحن لا ننتج ما يكفي من الأشخاص لملء جميع الفرص والوظائف. الحل حتى الآن كان الهجرة: جلب المزيد من الأشخاص. لكنه حل قصير الأمد. في النهاية، ستتوقف الدول الأخرى عن إرسال مواطنيها لأنها ستحتاجهم."

الأرقام منذ تسجيل هذه الحلقة

منذ تسجيل هذه الحلقة، استمرت الأرقام في التدهور. بلغ معدل الخصوبة في الولايات المتحدة 1.6 طفل لكل امرأة في 2025 (CBO)، أقل بكثير من الحد الأدنى المطلوب لاستدامة القوى العاملة على المدى الطويل (2.1). وبلغت مشاركة القوى العاملة بين 62.4% و62.7% طوال معظم 2025 قبل أن تنخفض أكثر في 2026. كما انخفض صافي الهجرة بشكل حاد إلى حوالي 515,000 شخص في 2025، بعد أن كان حوالي 2.2 مليون في 2024 (البنك الاحتياطي الفيدرالي في سان فرانسيسكو).

Ben: "الهند حالياً عند حوالي طفلين لكل أسرة. أي أقل من الحد المطلوب. لا تزال أعلى من معظم الدول المتقدمة، لكن الهند أيضاً دون هذا الحد. وعادةً ما يستمر هذا الاتجاه في الانخفاض بمجرد أن يبدأ."

هذه ليست مشكلة توظيف دورية ستتعافى مع تحسن الاقتصاد. إنها تحول ديموغرافي هيكلي، ولا تعوض الأتمتة سوى جزء من الفجوة من خلال تغيير عدد ونوع الوظائف، وليس بخلق مزيد من العاملين.

مع قلة عدد الأشخاص المتاحين، ماذا يفعل أصحاب العمل فعلياً؟

يحدد Ben رافعتين، ويشير إلى أن معظم المؤسسات تستخدم واحدة فقط.

استقطاب أذكى أو احتفاظ أفضل

Ben: "لدينا خياران: يمكننا الاستقطاب بذكاء أكبر من خلال توسيع نطاق البحث وفتح مصادر جديدة للمواهب، أو يمكننا الاحتفاظ بمن لدينا من موظفين مميزين ذوي الخبرة والمعرفة التي لا نريد فقدانها. وما أراه في الأبحاث مراراً وتكراراً، سواء في التوظيف أو الاحتفاظ، هو أن النهج الموحد لا يحقق نتائج جيدة."

نتيجة أبحاث Ben واضحة: النهج الموحد لا يصلح للاستقطاب أو الاحتفاظ. المشكلة أن تخصيص التعامل مع كل فرد يتطلب إدارة متغيرات لا يستطيع أي مدير الإحاطة بها جميعاً في الوقت نفسه. هنا تحديداً يكمن دور الذكاء الاصطناعي: ليس لاستبدال الحكم البشري، بل لضمان ظهور المعلومات الصحيحة في الوقت المناسب.

كيف يكشف الذكاء الاصطناعي عن مخاطر فقدان الموظفين قبل فوات الأوان

Ben: "عملنا مع شركة لديها خوارزمية تتنبأ باحتمالية مغادرة الموظفين. تراقب أكثر من مئة مؤشر. وعندما تظهر علامات على نية شخص ما المغادرة، يمكنها تحديد عوامل شفافة: لم يعقد Ben اجتماعاً فردياً مع مديره منذ ثلاثة أشهر. آخر تعديل على راتبه كان قبل أربع سنوات. تقييمه الأخير انخفض. هذه مؤشرات على أن Ben قد يكون على وشك المغادرة."

الذكاء الاصطناعي لا يستبدل الحوار بين المدير والموظف، بل يضمن أن المدير يمتلك المعلومات اللازمة لإجراء هذا الحوار في الوقت المناسب. المديرون المتميزون يفعلون ذلك بشكل فطري مع من يهتمون بهم أكثر. الذكاء الاصطناعي يوسع هذه القدرة لتشمل من ينسحبون بهدوء دون أن يلاحظهم أحد.

هل يجب أن يحصل الموظفون على نفس الأجر بغض النظر عن مكان إقامتهم؟

يطرح Guru سؤالاً من بيانات Xobin: لماذا يحصل مهندس في سان فرانسيسكو على أجر يفوق بخمسة أضعاف نظيره في الهند رغم أداء نفس العمل؟ وهل يتقلص هذا الفارق؟

Ben: "الأجر المتساوي مقابل العمل المتساوي، أعتقد أنه مبدأ مهم. إذا كان لديك فريق في الولايات المتحدة بمهارات ونتائج مماثلة لفريق في الفلبين أو سنغافورة، وتدفع لأحدهم جزءاً بسيطاً من الآخر، لدي مشكلة مع ذلك."

مثال واقعي: دفع الأجور العالمية وفق المعدلات المحلية

يقدم مثالاً شخصياً. توظف Lighthouse Research إدارية في الفلبين، Jessa، بأجور الإدارة الأمريكية لأنهم يريدونها أن تعطي الأولوية لعملهم ولا يريدون خسارتها.

Ben: "نحن بالفعل نطبق هذا النهج. لكن بالنسبة لكثير من الشركات، هذا تحدٍ. حتى داخل الولايات المتحدة، ظهرت ديناميكية غريبة عند التحول للعمل عن بعد: هل يجب أن ندفع أقل لمن يعيش في منطقة نائية بلا سوق عمل محلي؟ كثير من الشركات قالت لا. يجب أن يكون هناك معدل أجر موحد للعمل عن بعد بغض النظر عن مكان الإقامة. وأتساءل لماذا لم يطبقوا ذلك على الفرق خارج الولايات المتحدة."

لا يصل النقاش إلى إجابة قاطعة، لأن Ben صريح بأن البيانات لا تقدم حلاً نهائياً. لكن طرح Guru يوضح لماذا أصبح السؤال أصعب تجاهله. يشير إلى أن النماذج اللغوية الكبيرة تسد فجوات التواصل بين اللغات، والعمل عن بعد جعل الفرق الموزعة أمراً طبيعياً، ومنصات مثل Xobin تقيس القدرات بنفس الطريقة بغض النظر عن الجغرافيا. الحجة التقنية للأجر المتساوي تزداد قوة، حتى لو لم تلحق الإرادة التنظيمية بذلك بعد.

ماذا يجب أن يفعل مسؤولو الاستقطاب وموظفو الموارد البشرية في بداية مسيرتهم قبل أن تُؤتمت أدوارهم؟

هذا هو السؤال الذي يقول Guru إن أحداً لم يطرحه على Ben بهذه الصراحة من قبل. يدونه قبل أن يجيب.

Ben: "المهارات التي يصعب على الخوارزميات تقليدها هي المهارات الإنسانية. وهذا لا يقتصر على الموارد البشرية. التعاطف. الإبداع. التفكير النقدي. من الصعب برمجة خوارزمية لتكرار هذه المهارات."

يرسم شبكة ثنائية الأبعاد يستخدمها مع قادة الموارد البشرية: محور يراوح بين التركيز البشري والتركيز على العمليات، وآخر بين المهام الروتينية والمتكررة والمهام الجديدة وغير المتوقعة. المهام التي تقع في مربع "البشري وغير المتوقع" هي الأقل عرضة للاستبدال، بينما المهام الروتينية المعتمدة على العمليات هي الأكثر عرضة للأتمتة.

بناء علاقات لا تستطيع الخوارزميات تحقيقها

Ben: "إذا كانت أفضل مهاراتك هي تحليل البيانات واستخلاص الاتجاهات، عليك أن تجد مهارة أخرى بسرعة لأن الذكاء الاصطناعي يتفوق علينا في ذلك. لكن بناء العلاقات، واكتشاف نقطة في سيرة شخص ما لبدء حوار، هذا ما يميز الإنسان عن الخوارزمية التي تتواصل بشكل أعمى مع الجميع."

تعلم Ben هذا مبكراً أثناء استقطاب مدربي طائرات الهليكوبتر Blackhawk.

Ben: "اكتشفت بسرعة أن إرسال بريد إلكتروني موحد إلى 20 شخصاً لن يحقق أي استجابة. يجب أن أخصص الرسالة: مرحباً Mark، رأيت أنك أيضاً طيار منطاد، هذا رائع، أخبرني المزيد. مرحباً Jamie، لاحظت شيئاً في سيرتك الذاتية، هل تعرف هذا الشخص؟ كان في وحدتك العسكرية نفسها. وجدت طرقاً للتواصل لا تستطيع الخوارزميات تحقيقها من خلال بحث أعمى."

لماذا عدم التوقع هو الحصن الحقيقي

يشير أيضاً إلى سمة هيكلية في معظم الأعمال البشرية يستخف بها باحثو الذكاء الاصطناعي: عدم القدرة على التنبؤ.

Ben: "الخوارزميات تعمل فقط في بيئات منظمة. لديها مجموعة محدودة من المتغيرات، وقواعد واضحة، ونتيجة متوقعة. معظمنا يعمل في بيئة تعلم غير لطيفة، حيث لا يوجد تغذية راجعة واضحة، ودورة الملاحظات طويلة، وقد لا تعرف إن كنت اتخذت القرار الصحيح إلا بعد شهور، وكل موقف يختلف عن الآخر. لا يمكنك برمجة خوارزمية للعمل في مثل هذه البيئة."

التوجيه واضح لمن هم في بداية أو منتصف مسيرتهم في الموارد البشرية: اتجه نحو المهام غير المتوقعة. اتجه نحو ما هو إنساني بعمق. ابحث عن الجزء من العمل الذي يتطلب قراءة المواقف، إدارة العلاقات، التعامل مع الغموض، أو اتخاذ قرار في ظل معلومات ناقصة. هذا هو المجال الذي لم تصل إليه الأتمتة بعد ولن تصل إليه قريباً.

عن Ben Eubanks

يشغل Ben Eubanks منصب الرئيس التنفيذي للأبحاث في Lighthouse Research and Advisory، وهي شركة أبحاث واستشارات في إدارة رأس المال البشري تدعم قادة الموارد البشرية والمواهب والتعلم حول العالم. كتب Artificial Intelligence for HR، المرجع الأكثر استشهاداً عالمياً حول الذكاء الاصطناعي في التوظيف والتطوير وتجربة الموظف. أما كتابه الثاني، Talent Scarcity: How to Hire and Retain a Shrinking Workforce، فيتناول نقص العمالة بشكل مباشر.

يمتلك Ben خبرة تزيد عن عشر سنوات كمدير تنفيذي في الموارد البشرية والتوظيف وكباحث في القوى العاملة. يدير بودكاست We're Only Human وتحدث أمام عشرات الآلاف من محترفي الموارد البشرية حول العالم. أسس مجتمع الموارد البشرية upstartHR في 2009، والذي ساعد أكثر من مليون قارئ منذ ذلك الحين.

تواصل مع Ben عبر LinkedIn | المؤسسة: Lighthouse Research and Advisory