نُشر هذا المقال في مجلة Forbes ضمن قسم Innovation & AI، بقلم C.M. Rubin، ويتناول واحدة من أكثر القضايا إلحاحًا مع مطلع عام 2026: كيف يمكن للذكاء الاصطناعي أن يتحوّل من مصدر قلق وجودي حول فقدان الوظائف إلى أداة عملية لإعادة بناء أنظمة التعلّم والتوظيف عالميًا.
ينطلق المقال من مشاهد واقعية لا تنتمي إلى الخيال العلمي، بل إلى حاضر يتشكّل بالفعل: مراهق في كينيا يتعلّم البرمجة بمرافقة معلّم ذكاء اصطناعي لا يكلّ، عامل مصنع في ولاية تينيسي يعيد تأهيله المهني خلال أسابيع بدل أشهر، وشباب في بابوا غينيا الجديدة يستخدمون أدوات AI لكتابة مقترحات وتحليل بيانات بيئية كانت تتطلّب سابقًا سنوات من التدريب. هذه الأمثلة ليست تنبؤات، بل مؤشرات مبكرة على تحوّل عالمي في العلاقة بين التعلّم والعمل.
في المقابل، يضع المقال هذه الصور المتفائلة في مواجهة تحذيرات McKinsey Global Institute من أكبر انتقال في سوق العمل منذ الثورة الصناعية، حيث تشير النماذج إلى إمكانية أتمتة عدد كبير من المهام الحالية. إلا أن الكاتب يرفض الحتمية التكنولوجية، مؤكدًا أن «القدرة التقنية» لا تعني «المصير المحتوم»، وأن السؤال الحقيقي في 2026 هو: ماذا سنبني بهذه القدرة؟
يعتمد Rubin على ورقة Google المعنونة AI and the Future of Learning، إضافة إلى مقابلات مع شخصيات محورية مثل السفيرة Shea Gopaul (الأمم المتحدة/منظمة أصحاب العمل الدولية)، وBen Gomes كبير التقنيين للتعلّم والاستدامة في Google، وLila Ibrahim المديرة التنفيذية للعمليات في Google DeepMind، إلى فهم أعمق لكيف يمكن للذكاء الاصطناعي أن يربط التعلّم بالتوظيف بشكل أسرع وأكثر عدالة.
تبدأ القراءة الواقعية مع Gopaul، التي تذكّر بأن نحو 2.6 مليار إنسان ما زالوا بلا اتصال بالإنترنت، وأن فجوات الكهرباء، والبنية التحتية، والتعليم، خصوصًا لدى النساء والفتيات، تجعل الحديث عن وظائف AI بلا استثمار جدي في المهارات نوعًا من الوهم. وتشير إلى أن 60% من العاملين عالميًا يعملون في الاقتصاد غير المنظم، وترتفع النسبة إلى 90% في إفريقيا جنوب الصحراء، محذّرة من أن غياب التخطيط المهاري سيؤدي إلى تعميق اللامساواة بدل تقليصها.
ينتقل المقال بعد ذلك إلى فكرة محورية: الذكاء الاصطناعي قادر على تقليص المسافة بين التعلّم والتطبيق العملي. فوفق Gomes، يمكن لأدوات مثل Google Classroom وGemini وNotebookLM أن تعمل كمساعدات تعليمية توفّر وقت المعلم، وتعمّق الفهم، وتربط التعلم مباشرة بالجاهزية الوظيفية. في تجارب ميدانية، وفّرت هذه الأدوات ما يصل إلى 10 ساعات أسبوعيًا للمعلمين، وأعادت توجيه الجهد نحو التوجيه الفردي بدل الشرح التكراري.
الأهم أن هذا المنطق امتدّ إلى التوظيف نفسه، حيث أصبحت مختبرات التدريب العملي في شهادات Google Cloud جزءًا من مرحلة التوظيف الأولى، ما يعكس تحوّلًا نحو التوظيف القائم على المهارات بدل الشهادات الشكلية. هنا، يؤكد المقال أن الذكاء الاصطناعي لا يضعف التفكير، بل قد يقلّل ما يسميه Gomes «الكسل المعرفي» عندما يُصمَّم لدعم الفهم لا لإنتاج الإجابات الجاهزة.
في محور آخر، يناقش المقال إعادة تعريف برامج التدريب المهني والتلمذة الصناعية في عصر الذكاء الاصطناعي. فالنماذج الطويلة التقليدية تُستبدل ببرامج قصيرة، مرنة، قائمة على micro-credentials قابلة للتراكم، ومتصلة مباشرة بسوق العمل. وتبرز هنا أهمية الشراكات بين الشركات الصغيرة والمتوسطة، والشركات الكبرى التي تدرّب عمالة تفوق حاجتها ثم تضخّها في سلاسل التوريد.
أما على مستوى تصميم نماذج الذكاء الاصطناعي نفسها، فتشرح Lila Ibrahim كيف طوّرت DeepMind نموذج LearnLM باعتباره «معلّمًا» لا محرّك بحث، مبنيًا على علوم الإدراك والتعلّم، ويشجّع «الصراع المنتج» بدل تقديم الحلول الفورية. هذه المقاربة، التي اختُبرت في مدارس وجامعات حقيقية، تشدّد على أن جودة AI التعليمية لا تُقاس بالدقة فقط، بل بالقيمة التربوية والأمان والإنصاف.
ويُغني المقال هذا الإطار بأصوات من الجنوب العالمي، عبر قادة شباب من برنامج الأمم المتحدة. ففي بيرو، يوضح Enzo Romero كيف يساعد AI طلاب الهندسة على اكتساب مهارات متقدمة في الروبوتات والتصنيع الرقمي بسرعة غير مسبوقة، شرط توافر بنية تحتية واتصال موثوق. وفي بابوا غينيا الجديدة، ترى Dikatauna Kwa أن أدوات AI البسيطة تمنح الشباب الثقة للمشاركة، والبحث، وكتابة المقترحات، شرط أن تكون الأدوات محلية اللغة والسياق.
يصل المقال في خواتيمه إلى مسألة الحوكمة، معتبرًا أن الرابح الحقيقي في ثورة الوظائف القادمة لن يكون من يمتلك التقنية، بل من يضع لها إطارًا أخلاقيًا ومؤسسيًا واضحًا. وتشدد Gopaul على أربع ركائز: تحديد المسؤولية، حوكمة عملية، شفافية، وتدقيق مستقل، مع إشراك العمال والشركات الصغيرة في القرار.
خلاصة المقال أن ثورة الوظائف القادمة والذكاء الاصطناعي ليست قصة استبدال البشر، بل اختبار لقدرتنا على إعادة تصميم التعليم، والتوظيف، والسياسات العامة بحيث يتحوّل AI من عامل خوف إلى أداة تمكين حقيقية، خصوصًا للفئات الأكثر هشاشة في سوق العمل العالمي.
