نرحب بـ Trond Henning Olesen بصفته نائب الرئيس الجديد لـ تكامل العملاء ومبيعات الحلول

Trond Henning Olesen

يسعدنا أن نعلن أن Trond Henning Olesen سينضم إلى JANZZ.technology ، كنائب رئيس جديد لتكامل العملاء ومبيعات الحلول في مقرّه سان فرانسيسكو. حيث سيكون مسؤولاً عن جميع العملاء في أمريكا الشمالية والجنوبية وأوروبا والشرق الأوسط وأفريقيا وآسيا.

تروند هو خبير استراتيجي وتقني. مع أكثر من 20 عامًا من الخبرة العالمية في القيادة والمبيعات في صناعة التكنولوجيا، فضلاً عن درجة الدكتوراه في علوم الحاسوب، يجلب تروند سجلًا حافلًا في بناء فرق تتمحور حول العملاء، وإطلاق مشاريع جديدة وتطوير العمليات.

طوال حياته المهنية، بنى تروند شركات من الصفر حتى الاكتتاب العام الأولي الناجح، وحقق أعلى معدلات النمو والتحولات ورضا العملاء في ظروف السوق المتنوعة. لقد اهتم أيضًا بـ كبار العملاء وأدار مشاريع معقدة واسعة النطاق حول العالم، وقاد الفرق بشكل فعّال لإحداث تغييرات وتحسينات أساسية في الإستراتيجية والعملية و توجه العملاء.

بفضل خبرته التقنية والتجارية الواسعة، عمل تروند كمستشار لشركات مثل LinkedIn و Purisma ، حيث قام شخصيًا بدعمهم في تحسين مؤسساتهم وعملياتهم وأفرادهم وتدريب موظفيهم من المستوى C. في الآونة الأخيرة، كان مؤسسًا مشاركًا ورئيس قسم التكنولوجيا لشركة VeraScore الناشئة في Silicon Valley ، حيث قاد الفريق التقني ، وشارك في التطوير وقدم القيادة التقنية لجميع أنشطة المبيعات.

تروند متحمس بشأن تكنولوجيا مطابقة الوظائف عالية الأداء والمدارة بالذكاء الاصطناعي وحلول سوق العمل التي تقدمها الشركة السويسرية JANZZ.technology للشركات والمؤسسات الحكومية في جميع أنحاء العالم.

في هذه الأوقات التي تشهد تغييرات هيكلية كبيرة في سوق العمل، يشعر تروند بالحماس بشأن فرصة العمل مع العملاء العالميين لتزويدهم بحلول رقمية مصممة بشكل مثالي لإدارة المواهب وسوق العمل الفعالة.

يقول Stefan Winzenried ، الرئيس التنفيذي لشركة JANZZ.technology: “مع مزيج من الخلفية التقنية القوية والخبرة في الإستراتيجية ونجاح العملاء ، يعتبر تروند إضافة رائعة لفريقنا”. “مع استمرارنا في تقديم حلول متطورة عالية الجودة، سيعمل تروند على تسريع نمو JANZZ ومواصلة تعزيز مهمتنا المتمثلة في تقديم خدمة أفضل لعملائنا. ويسعدنا انضمامه إلينا.”

الذكاء الاصطناعي والأتمتة ومستقبل العمل – ما وراء الفقاعات المعتادة

في السنوات الأخيرة، كان هناك العديد من المنشورات والمقالات والتقارير حول كيفية قيام الذكاء الاصطناعي والأتمتة بتشكيل مستقبل العمل. بناءًا على منظور المؤلف أو جدول أعماله، تسير هذه بإحدى الطريقتين: إما أن التكنولوجيا الجديدة ستدمر الوظائف وستعيث فسادًا في سوق العمل، أو أنها ستخلق مستقبلًا أفضل وأكثر إشراقًا للجميع من خلال تدمير الوظائف المملة فقط وتبديلها بوظائف أفضل وأكثر إثارةٍ للاهتمام. كما هو الحال دائمًا، ربما تكمن الحقيقة في مكان ما بين هذين النقيضين. في هذا المنشور، نريد أن نأخذ منظورًا أكثر دقة من خلال مناقشة الحجج والادعاءات الأكثر شيوعًا ومقارنتها بالحقائق. ولكن قبل أن ندخل في هذا الأمر، دعونا أولاً نوضح ماهية التحول الرقمي المدفوع بالذكاء الاصطناعي. باختصار، الأمر كله يتعلق بالأتمتة، باستخدام تقنية الذكاء الاصطناعي لإنجاز المهام التي لا نريد أن يقوم بها البشر، أو التي لا يستطيع البشر القيام بها. كما فعلنا في الماضي، في الثورات الصناعية الأولى والثانية والثالثة.

من النول إلى فن الذكاء الاصطناعي

ظهر الخوف في كل من هذه الثورات من أن يتم الاستغناء عن العاملون البشر. فلماذا نريد الأتمتة؟ في بعض الحالات، كان المخترعون ومازالوا مهتمين بإنجاز الاختراع نفسه، وفي كثير من الأحيان كان الاختراع أو التطوير مدفوعًا بحسب مصالح الأعمال. وبغض النظر عن العصر، نادرًا ما تكون للشركات أهداف أخرى غير الحفاظ على المنافسة وزيادة الأرباح. تم اختراع النول في القرن السادس عشر لزيادة الإنتاجية وخفض التكاليف عن طريق استبدال العمالة البشرية. كذلك تم استخدام الآلات التي تعمل بالبخار في المطاحن والمصانع والآلات الزراعية في القرن التاسع عشر والروبوتات في صناعة السيارات في النصف الثاني من القرن العشرين لنفس السبب. سواء كانت التقنية عبارة عن جرارات أو خطوط تجميع أو جداول بيانات، كان الهدف الأول هو استبدال العضلات البشرية بالقوة الميكانيكية، والعمل اليدوي البشري من خلال اتساق الآلة، و “البرامج البشرية” البطيئة والمعرضة للخطأ عن طريق الحساب الرقمي. ولكن حتى الآن، على الرغم من فقدان العديد من الوظائف بسبب الأتمتة، فقد تم إنشاء وظائف أخرى. تطلبت الزيادة الهائلة في الإنتاج وظائف مرتبطة بزيادة التوزيع. ومع استبدال مهن سائقي عربات الخيول بالسيارات وزيادة التنقل الخاص، تم إنشاء وظائف بدلاً من ذلك في صناعة الطعام والمساكن على جانب الطريق. أدت زيادة القوة الحاسوبية المستخدمة لاستبدال المهام البشرية في المكاتب أيضًا إلى منتجات جديدة تمامًا وصناعة الألعاب. وقد أدى الازدهار المتزايد والنمو السكاني المصاحب لهذه التطورات إلى زيادة الطلب على الترفيه والاستهلاك، مما حفز هذه القطاعات وخلق فرص عمل وإن لم يكن العدد بالقدر الذي قد يعتقده المرء، كما سنرى أدناه. ومع ذلك، لا يمكننا أن نفترض ببساطة أن الثورة الحالية ستتبع نفس النمط وستخلق المزيد من الوظائف والثروة أكثر مما ستدمره لمجرد أن هذا ما حدث في الماضي. على عكس التكنولوجيا الميكانيكية والحوسبة الأساسية، فإن تقنيات الذكاء الاصطناعي لا تمتلك فقط القدرة على استبدال العمالة الرخيصة، على سبيل المثال، روبوتات التنظيف أو روبوتات الزراعة، ولكنها بدأت أيضًا في التفوق في الأداء على العمال الباهظين مثل أخصائيي علم الأمراض الذين يشخصون السرطان وغيرهم من المهنيين الصحيين الذين يشخصون ويعالجون المرضى. كما تقوم تقنيات الذكاء الاصطناعي أيضًا بمهام إبداعية مثل اختيار المشاهد لمقاطع الأفلام الترويجية أو إنتاج الفن الرقمي. بالطبع، لا ينبغي لنا أيضًا أن نفترض ببساطة مستقبلًا بائسًا بوظائف أقل وثروة متدهورة. لكن علينا أن نضع في اعتبارنا أنه في الكثير من الحالات في الوقت الحالي، يكون من الأرخص والأكثر فاعلية استبدال العمالة الباهظة بحلول الذكاء الاصطناعي بدلًا من العمالة الرخيصة مثل عمال النسيج في بنغلاديش.

لذا، من خلال العمل من أجل رؤية أكثر تمايزًا، دعونا نلقي نظرة على الادعاءات الأكثر شيوعًا حاليًا وكيف تصمد أمام الفحص الدقيق.

الادعاء 1. سوف يخلق الذكاء الاصطناعي وظائف أكثر / أقل مما سيدمره

هذه هي الحجة الرئيسية المطروحة في السيناريوهات المثالية / البائسة، بما في ذلك تقارير المنتدى الاقتصادي العالمي WEF (97 مليون وظيفة جديدة مقابل 85 مليون وظيفة مزاحة في 26 دولة بحلول عام 2025)، برايس ووتر هاوس كوبرزPwC (“من المرجح أن يتم تعويض أي فقد للوظائف من الأتمتة على نطاق واسع في المدى الطويل. تُدار من خلال وظائف جديدة تم إنشاؤها”)، و فورستر Forrester (فقدان الوظائف بنسبة 29٪ بحلول عام 2030 مع خلق فرص عمل بنسبة 13٪ فقط للتعويض) وغيرها الكثير. في كلتا الحالتين، يمكن أن يشكل أي تغيير صافي تحديات كبيرة. كما تنص BCG في تقرير حديث حول هذا الموضوع “العدد الصافي للوظائف المفقودة أو المكتسبة هو مقياس بسيط بشكل مصطنع” لتقدير تأثير الرقمنة. قد يؤدي التغيير الصافي إلى الصفر أو حتى الزيادة في الوظائف إلى عدم تناسق كبير في سوق العمل مع نقص حاد في المواهب في بعض الصناعات أو المهن وفائض كبير من العمال والبطالة في جهة أخرى. من ناحية أخرى، بدلاً من التسبب في البطالة أو نقص العمالة، يمكن أن تؤدي قلة الوظائف أيضًا إلى المزيد من المشاركة في الوظائف وبالتالي تقصير أسابيع العمل. على الرغم من أن هذا قد يبدو جيدًا من الناحية النظرية، لكنه يثير أيضًا أسئلة إضافية: كيف ستتأثر الأجور والمزايا؟ ومن سيجني الجزء الأكبر من المكافآت المالية؟ الشركات؟ العمال؟ الحكومة؟ مِن المسلّم به أنه من السابق لأوانه رؤية تأثير استخدام الذكاء الاصطناعي على التوظيف أو الأجور بشكل عام. لكن النتائج السابقة، أي نتائج الثورات الصناعية السابقة، لا تضمن نتائج مماثلة في المستقبل. وحتى تلك النتائج تُظهر أن نمو الوظائف والثروة لم تكن بالضرورة مجيدة كما تم تصويرها في كثير من الأحيان. ظلت نسبة العمالة إلى السكان في سن العمل ثابتة إلى حد ما في دول منظمة التعاون الاقتصادي والتنمية منذ عام 1970، حيث ارتفعت من 64٪ إلى أقل بقليل من 69٪. [1] ويرجع جزء كبير من هذه الزيادة إلى ارتفاع معدلات المشاركة في العمل، لا سيما النساء. ومن الواضح أن الثروة المتزايدة لا يتم توزيعها بالتساوي، على سبيل المثال في الولايات المتحدة:

 

المصدر: معهد السياسة الاقتصادية، https://www.epi.org/publication/charting-wage-stagnation 

 

المصدر: معهد السياسة الاقتصادية، https://www.epi.org/publication/charting-wage-stagnation 

 

ببساطة، لا يوجد أي سبب للافتراض بأن الذكاء الاصطناعي والأتمتة سيجعلاننا تلقائيًا أكثر ثراءً كمجتمع أو أن الثروة المتزايدة سيتم توزيعها بالتساوي. لذلك يجب أن نكون مستعدين لمزيد من السيناريوهات السلبية ومناقشة كيف يمكننا التخفيف من العواقب. على سبيل المثال، هل من المقبول معاملة عمليات الذكاء الاصطناعي مثل العمالة البشرية؟ إذا كان الأمر كذلك، فيمكننا التفكير في فرض ضرائب عليهم لدعم إعادة توزيع الثروة أو لتمويل التدريب أو المزايا والمعاشات التقاعدية للعمال المسرّحين.

بالإضافة إلى ذلك، يجب التشكيك في هذه التقديرات على المستوى الأساسي. من يستطيع أن يقول بثقة أن هذه الوظيفة ستنتهي؟ كيف يمكننا معرفة نوع الوظائف التي ستكون موجودة في المستقبل؟ لا تعتبر أي من هذه التوقعات موثوقة أو موضوعية حقًا؛ فهي تستند بشكل أساسي إلى آراء مجموعة من الأشخاص. على سبيل المثال، يستند تقرير مستقبل الوظائف الصادر عن المنتدى الاقتصادي العالمي، وهو أحد التقارير الأكثر تأثيرًا في هذا الموضوع، إلى استبيانات واستطلاعات أرباب العمل. لكن من السذاجة التفكير في أن أي شخص، ناهيك عن كادر من قادة الأعمال التعسفيين، يمكن أن يكون لديه فهم قوي وواثق للوظائف والمهارات التي ستكون مطلوبة في المستقبل. لا ينبغي للمرء أن يتوقع من هذا أكثر من أنها تكهنات. ما عليك سوى إلقاء نظرة على التنبؤات المتعلقة بالسيارات في أوائل القرن التاسع عشر، والتسوق عن بُعد في الستينيات، والهواتف المحمولة في الثمانينيات، أو أجهزة الكمبيوتر منذ الأربعينيات. لقد كانت العديد من التوقعات التقنية خاطئة تمامًا، فلماذا يتغير هذا الآن؟ ومع ذلك، فإن مثل هذه التنبؤات هي عنصر أساسي في تقديرات “مستقبل العمل”.

الحقيقة هي أن البحث العلمي السليم حول هذا الموضوع نادر للغاية. درست إحدى الأوراق القليلة في هذا المجال تأثير الذكاء الاصطناعي على أسواق العمل في الولايات المتحدة من 2007 إلى 2018. وجد المؤلفون (من معهد ماساتشوستس للتكنولوجيا، وبرينستون وجامعة بوسطن) أن التعرض الأكبر للذكاء الاصطناعي داخل الشركات يرتبط بانخفاض معدلات التوظيف، أي، أن اعتماد الذكاء الاصطناعي قد تركز حتى الآن على الاستبدال بدلاً من زيادة الوظائف. لم تجد الورقة نفسها أي دليل على أن التأثيرات الإنتاجية الكبيرة للذكاء الاصطناعي ستزيد التوظيف. قد يميل بعض الناس إلى القول إن هذا يدعم وجهة النظر البائسة. ومع ذلك، يجب أن نلاحظ أيضًا أن هذه الدراسة تستند إلى بيانات الوظائف الشاغرة عبر الإنترنت، وبالتالي يجب التعامل مع النتائج بحذر، كما أوضحنا بالتفصيل في إحدى منشوراتنا الأخرى. بالإضافة إلى ذلك، نظرًا لديناميكيات الابتكار التكنولوجي والتبني، يكاد يكون من المستحيل استقراء هذه النتائج وعرضها لعمل تنبؤات قوية للتطورات المستقبلية.

ومن ناحية أكثر فلسفية، ما الذي يعنيه للوجود البشري إذا عملنا بدرجة أقل بكثير؟ العمل متأصل في طبيعتنا، إنها سمة مميزة.

الادعاء 2: أجهزة الكمبيوتر جيدة فيما نجده صعبًا وسيئة فيما نجده سهلاً

صعب وسهل لمن؟ لحسن الحظ، ليس لدينا جميعًا نفس نقاط القوة والضعف، لذلك بالطبع لا نجد جميعًا نفس المهام “سهلة” و “صعبة”. هذا مجرد بيان آخر معمم للغاية يعتمد على حكم ذاتي تمامًا. وإذا كان هذا صحيحًا، فمن المحتمل أن يعتبر معظم الناس المهام المتكررة سهلة عادةً، أو على الأقل أسهل. هذا يتعارض بشكل مباشر مع الادعاء التالي:

الادعاء 3: الذكاء الاصطناعي سيدمر (فقط) الوظائف المتكررة وسيولد وظائف أكثر إثارة للاهتمام وذات قيمة أعلى.

ينص المنتدى الاقتصادي العالمي على أن الذكاء الاصطناعي سوف يقوم بأتمتة المهام المتكررة مثل إدخال البيانات وتصنيع خطوط التجميع، “مما يسمح للعمال بالتركيز على المهام ذات القيمة الأعلى والمهام الأكبر” مع “فوائد لكل من الشركات والأفراد الذين سيكون لديهم المزيد من الوقت ليكونوا مبدعين واستراتيجيين و رياديين “. تتحدث BCG عن “التحول من الوظائف ذات المهام المتكررة في خطوط الإنتاج إلى تلك المتعلقة ببرمجة وصيانة تكنولوجيا الإنتاج” وكيف أن “إزالة المهام المتكررة في المهن القانونية والمحاسبية والإدارية وما شابهها يمكن أن تفتح الباب أمام الموظفين لتولي المزيد من الأدوار الإستراتيجية “.
السؤال هو، من بالضبط الذي يستفيد من هذا؟ ليس كل عامل قادر على أداء المهام المتكررة لديه القدرة على تولي أدوار إستراتيجية وإبداعية وريادية، أو برمجة تكنولوجيا الإنتاج والمحافظة عليها. إنها ببساطة حقيقة أنه لا يمكن تدريب الجميع على كل دور. قد تكون المهام الأكثر إرضاءً وإثارة للاهتمام للمثقفين (مثل المدافعين عن مستقبل أكثر إشراقًا للعمل بفضل الذكاء الاصطناعي) صعبة للغاية بالنسبة للعامل ذو الياقة الزرقاء الذي كانت وظيفته – والتي ربما كانت مرضية تمامًا له – تم أتمتتها. وليس كل عامل من ذوي الياقات البيضاء يستطيع أو يريد أن يكون رائد أعمال أو استراتيجيًا. أيضًا، ما الذي تعنيه عبارة “أعلى قيمة” بالضبط؟ من يستفيد من هذا؟ الوظائف الجديدة التي تم إنشاؤها حتى الآن، مثل عمال مستودعات أمازون، أو سائقي Uber و Postmates ، لا يدفعون بالضبط أجور معيشية لائقة ومضمونة. ومنذ أوائل السبعينيات، أظهرت الشركات بوضوح بعدم اهتمامها بمشاركة القيمة المضافة من مكاسب الإنتاجية مع العمال:

 

المصدر: معهد السياسة الاقتصادية، https://www.epi.org/publication/charting-wage-stagnation 

 

من ناحية أخرى، يقوم عدد كبير من تطبيقات الذكاء الاصطناعي المتوفرة بالفعل بأداء مهام من مهارات عالية إلى مهارات أعلى درجة بناءً على التنقيب في البيانات والتعرف على الأنماط وتحليل البيانات: تشخيص الحالات الطبية وعلاجها، وروبوتات المحادثة لخدمة العملاء، وتحسين المحاصيل والزراعة. الاستراتيجيات، والمشورة المالية أو التأمينية، والكشف عن الاحتيال، والجدولة والتوجيه في اللوجستيات والنقل العام، وأبحاث السوق والتحليل السلوكي، وتخطيط القوى العاملة، وتصميم المنتجات، وغير ذلك الكثير. لم يتضح بعد التأثير الكامل لهذه التطبيقات في سوق العمل، لكنها بالتأكيد لا تزيل فقط المهام العادية والمتكررة من ملفات تعريف الوظائف.

الادعاء 4: نحن (فقط) نحتاج إلى زيادة / إعادة تدريب العمال.

على الرغم من أننا لا نختلف بالتأكيد مع هذا البيان بشكل عام، إلا أنه غالبًا ما يتم طرحه كعلاج بسيط إلى حد ما للتحضير للتحولات المستقبلية التي يقودها الذكاء الاصطناعي في سوق العمل و “احتضان الفوائد المجتمعية الإيجابية للذكاء الاصطناعي”  (WEF). الحقيقة هي أن هذا يأتي مع العديد من المحاذير التي تجعله بعيدًا عن الحل البسيط.

أولاً، لا يمكننا أن نكرر بما فيه الكفاية أنه من غير الممكن التنبؤ بـ “مستقبل العمل” بشكل موثوق، لا سيما الوظائف التي ستكون مطلوبة حقًا في المستقبل وأيها لن يكون كذلك. أيضًا، استنادًا إلى تأثيرات الثورات الصناعية السابقة والأبحاث الحالية، فمن المحتمل جدًا أن يؤدي تبني الذكاء الاصطناعي على نطاق واسع إلى توفير وظائف جديدة ذات ملفات تعريف لا يمكننا توقعها في الوقت الحالي. هذا يعني أننا بحاجة إلى تزويد المهنيين الحاليين والمستقبليين بالمهارات اللازمة للوظائف التي لا نعرف عنها شيئًا حاليًا. غالبًا ما يتم اقتراح طريقة للتغلب على هذه المشكلة وهي تشجيع التعلم مدى الحياة وتعزيز أشكال أكثر قابلية للتكيف وقصيرة المدى في التدريب والتعليم. هذا بالتأكيد خيار صالح ومن الواضح أنه في صعود. ومع ذلك، هناك العديد من الجوانب التي يجب وضعها في الاعتبار. على سبيل المثال، 15-20٪ من السكان البالغين في الولايات المتحدة والاتحاد الأوروبي [2] لديهم معرفة منخفضة في القراءة والكتابة (PIAAC مستوى 1 أو أقل). هذا يعني أنهم يواجهون مشكلة في المهام مثل ملء النماذج أو فهم النصوص حول مواضيع غير مألوفة. كيف يمكن تدريب هؤلاء الأشخاص للنجاح في “مشاريع أكثر تعقيدًا وإثمارًا” إذا لم يتمكنوا من قراءة كتاب مدرسي أو دليل التنقل أو كتابة تقرير بسيط؟ بالإضافة إلى ذلك، يعمل حوالي 10٪ من العاملين بدوام كامل في الولايات المتحدة والاتحاد الأوروبي من الفقراء. [3] لا يمتلك هؤلاء الأشخاص عادةً الوقت والموارد ولا الدعم من أرباب العمل للتعلم مدى الحياة، وبالتالي لا يوجد طريق سليم للتدريب أو لإعادة التدريب، هادف وفعّال وميسور التكلفة.

بحلول الوقت الذي تمت فيه معالجة هذه المشكلات، قد يكون العديد من هؤلاء العمال فاتهم القارب بالفعل. في عام 2018، قدر أرباب العمل في الولايات المتحدة أن أكثر من ربع القوة العاملة لديهم سيحتاجون إلى ثلاثة أشهر على الأقل من التدريب لمجرد مواكبة متطلبات المهارات اللازمة لأدوارهم الحالية بحلول عام 2022. [4] بعد ذلك بعامين، زادت هذه الحصة بأكثر من الضعف لتصل إلى أكثر من 60٪، والأرقام متشابهة في جميع أنحاء العالم. [5] بالإضافة إلى ذلك، حتى قبل فترة الركود الاقتصادي العظيم، تم إعادة توظيف تقريبًا 6 من كل 10 عمال أمريكيين مسرّحين في غضون 12 شهرًا في الفترة من 2000 إلى 2006. [6] في عام 2019، كان هذا المعدل هو نفسه في الاتحاد الأوروبي. [7] مع التغيرات السريعة المتزايدة في متطلبات المهارات، إلى جانب نقص الوقت و / أو الموارد للفئات الضعيفة مثل الفقراء العاملين والعاملين ذوي المعرفة المنخفضة في القراءة والكتابة، ناهيك عن الافتقار إلى شبكات الأمان والتدابير المستهدفة في أنظمة تنمية القوى العاملة التي تعاني من نقص التمويل، فإن الاحتمالات لهذه، من غير المرجح أن تتحسن آفاق هؤلاء العمال.

علاوة على ذلك، أدى الوباء إلى تسريع اعتماد الأتمتة والذكاء الاصطناعي في أماكن العمل في العديد من القطاعات بشكل كبير. تم نشر الروبوتات والآلات وأنظمة الذكاء الاصطناعي لتنظيف الأرضيات، وقياس درجات الحرارة أو طلبات الطعام، واستبدال الموظفين في قاعات الطعام، وأكشاك الرسوم أو مراكز الاتصال، والقيام بدوريات في العقارات الفارغة، وزيادة الإنتاج الصناعي لمستلزمات المستشفيات وغير ذلك الكثير خلال فترة قصيرة للغاية من الوقت. في الماضي، تم نشر التكنولوجيا الجديدة تدريجيًا، مما يمنح الموظفين الوقت للانتقال إلى مناصب جديدة. هذه المرة، سارع أصحاب العمل لاستبدال العمال بآلات أو برمجيات بسبب الإغلاق المفاجئ أو أوامر التباعد الاجتماعي. هذا فرق حاسم في الثورات الصناعية السابقة. تم فصل العديد من العمال مع عدم وجود وقت كافٍ لإعادة التدريب. قد تحدث أحداث تخريبية مماثلة في المستقبل – سواء كان ذلك وباءً آخر أو اختراقًا تكنولوجيًا. وكمجتمع، نحتاج أن نكون مستعدين لهذه الأحداث و أن نزوّد العمال المتضررين بدعم سريع وفعال و واقعي فوق كل شيء.

الادعاء 5: يجب على أرباب العمل أن ينظروا إلى إعادة تدريب و صقل مهارات الموظفين على أنها استثمار، وليست تكلفة.

إذا قامت شركة باستبدال جميع صرافيها بالروبوتات، فلماذا يريدون إعادة مهارات العمال الفائضين حديثًا؟ حتى الحكومات تجد صعوبة في اتباع هذا النهج في التدريب والتعليم. تركز العديد من البلدان بشكل أساسي على التعليم الجامعي أو أي تعليم آخر للعمال الشباب بدلاً من إعادة تدريب الباحثين عن عمل أو الموظفين. على سبيل المثال، تنفق حكومة الولايات المتحدة 0.1٪ من الناتج المحلي الإجمالي لمساعدة العمال على الانتقال إلى العمل، أي أقل من نصف ما أنفقته قبل 30 عامًا على الرغم من حقيقة أن الطلب على المهارات قد ازداد كثيرًا بشكل أسرع مما كان عليه قبل ثلاثة عقود. وتهتم الغالبية العظمى من الشركات في المقام الأول بمضاعفة الأرباح – هكذا يعمل اقتصادنا. تذكر: نحن نعيش في عالم يضطر فيه صانعو الشطائر ومُشاة الكلاب إلى توقيع اتفاقيات غير كاملة لمنعهم من الحصول على علاوة من خلال التهديد بالانتقال إلى منافس آخر في حال طلبوا أجر أعلى.

يمكن لبرامج المحادثة جيدة الأداء أن تمكن الشركة من استخدام مركز اتصال يتسع لـ 1000 شخص وتشغيله مع 100 شخص بالإضافة إلى روبوتات المحادثة. يمكن للروبوت أن يجيب على 10000 استفسار في ساعة واحدة، وهو عدد أعلى بكثير من أي عدد واقعي يمكن حتى لممثل مركز الاتصال التعامل معه. بالإضافة إلى ذلك، لا يمرض روبوت المحادثة ولا يحتاج إلى إجازة من العمل أو يسأل عن الامتيازات والفوائد. يتخذ قرارات متسقة وقائمة على الأدلة ولا يسرق أو يحتال على أرباب العمل. لذلك، إذا كانت جودة هذا البرنامج كافية وكان السعر مناسبًا، فمن المحتمل أن تكون هناك ضجة بين المساهمين إذا لم تقبل الشركة لهذا العرض. بعد كل شيء، الحل الذي يزيد الكفاءة والإنتاجية مع خفض النفقات هو مثالي للأعمال في عصرنا. لذا، إذا لم تختار هذه الشركة ذلك، فإن منافستها ستفعل. وعلى الرغم من دعاية “التكنولوجيا من أجل الصالح الاجتماعي” التي نسمعها باستمرار من وادي السيليكون، فإن معظم الشركات ببساطة غير مهتمة بمستقبل العمال الحاليين الذين سيصبحون قريبا العمال السابقين.

ما وراء الفقاعة

خلاصة القول هي أننا لا نستطيع تحمل المبالغة في الدراما أو طمأنة أنفسنا ببساطة بأنه سيكون هناك عدد كافٍ من الوظائف للقيام بها، وإلّا سنلعب الغميضة باستمرار. تميل معظم المشكلات أو الحلول التي يُشار إليها عادةً في المناقشة داخل فقاعة الباحثين ذوي الدخل المرتفع أو الأكاديميين وأصحاب المشاريع التقنية وصانعي السياسات، بأنها ممزوجة بقدر كبير من المثالية. ولكن للمضي قدمًا في هذه التطورات التي – في السراء والضراء – لديها إمكانيات هائلة لتغيير أسواق العمل ومجتمعنا بالكامل، نحتاج إلى النظر إلى ما وراء فقاعتنا وتصميم استراتيجيات واقعية للمستقبل بناءً على الحقائق والبيانات الموضوعية.

 

[1]    https://stats.oecd.org/Index.aspx?DatasetCode=LFS_SEXAGE_I_R#
[2]   US: https://www.libraryjournal.com/?detailStory=How-Serious-Is-Americas-Literacy-Problem
        EU: http://www.eli-net.eu/fileadmin/ELINET/Redaktion/Factsheet-Literacy_in_Europe-A4.pdf
[3]   US: https://www.policylink.org/data-in-action/overview-america-working-poor
        EU: http://www.europeanrights.eu/public/commenti/BRONZINI13-ef1725en.pdf
[4]   The Future of Jobs Report 2018, World Economic Forum, 2018.
[5]   The Future of Jobs Report 2020, World Economic Forum, 2020.
[6]   Back to Work: United States: Improving the Re-employment Prospects of Displaced Workers, OECD, 2016.
[7]   https://skillspanorama.cedefop.europa.eu/en/dashboard/long-term-unemployment-rate?year=2019&country=EU#1

 

 

 

 

 

 

 

 

 

 

 

مطلوب 1.000.000 سيرة ذاتية

مطلوب 1.000.000 سيرة ذاتية
هل أنت من الذين يحاولون أن ينجزوا أفضل سيرة ذاتية لإعجاب المنتدبين حتى تحصل على مهنة أحلامك؟ هل تعلم أن كل عرض وظيفي يجذب في المعدل 250 تقدم وأن نسبة ترشحك لمقابلة وظيفة أحلامك تساوي 2%؟ نعم، 2%. الآن تتساءل كيف المنتدبون يختارون هؤلاء الاثنين بالمئة تحديدا؟ تمام. أغلبهم يستخدمون برنامج توجيه المواهب لتصفية السير الذاتية ما يقصي إلى حد 50% من التقدمات؛ يعني لم يُنظر إليهم أصلا. نعم. وهذا قد يشمل تقدمك وهو سبب تلقّيك دائما لإجابة افتراضية سلبية.  » قراءة المزيد عن: مطلوب 1.000.000 سيرة ذاتية  »

نرحب ب Jimena Renée Luna بصفتها نائب الرئيس الجديد لدمج العملاء، الأسواق الناشئة.

نحن فخورون بأن نعلن أن Jimena Renée Luna ستنضم إلى JANZZ.technology بصفتها نائب الرئيس الجديد لدمج  العملاء، الأسواق الناشئة. وستكون مسؤولة عن جميع الحسابات في LATAM (أمريكا اللاتينية) وEMEA (الشرق الاوسط) وجنوب شرق آسيا.
Jimena متمكنة وذات خبرة عالية في تقديم الاستشارات للحكومات والمنظمات الدولية بشأن سياسة التكنولوجيا وخلق فرص العمل والتنمية الاقتصادية. طوال حياتها المهنية، عملت أكثر من عشر سنوات في تصميم وتنفيذ المشاريع ذات الصلة مع فرق عبر أمريكا اللاتينية وأوروبا وأفريقيا. في البنك الدولي، أجرت أبحاثًا حول أسواق العمل وأطلقت حلولًا مبتكرة لخلق فرص العمل.  » قراءة المزيد عن: نرحب ب Jimena Renée Luna بصفتها نائب الرئيس الجديد لدمج العملاء، الأسواق الناشئة.  »

كيف تستفيد الهند من عوائدها الديموغرافية

في حين أن معظم البلدان المتقدمة في العالم تقاتل سكانها المتقدمين في السن من خلال زيادة سن التقاعد والترحيب بالمهاجرين، إلا أن بلدانًا أخرى تقلق بشأن كيفية استيعاب أعداد كبيرة من الشباب في مكان العمل. أفادت سلسلة “صوت آسيا” التابعة لـ  Deloittأن العديد من البلدان في آسيا شهدت نمواً مطرداً في عدد السكان في سن العمل، مع دخول المزيد من الشباب والشابات إلى أسواق العمل كل عام، وتعتبر الهند هي الدولة الأولى في القائمة.

وفقًا للأرقام الصادرة عن المنتدى الاقتصادي العالمي، فإن نصف سكان الهند تقل أعمارهم عن 25 عامًا وربعهم أقل من 14 عامًا. مع الأخذ في الاعتبار أنها ثاني أكبر بلد في العالم من حيث عدد السكان، حيث يبلغ عدد سكانها 1.3 مليار مواطن، الهند تشكل خمس سكان العالم. وكما تنبأ معظم الاقتصاديين، سوف تستفيد الهند من العائد الديموغرافي وسيكون لها اقتصاد سريع النمو.

لتحقيق الميزة الديموغرافية، ستحتاج الهند إلى تسريع عملية خلق فرص العمل والاستثمار في رأس المال البشري لمواكبة تزايد عدد السكان في سن العمل. في الوقت الحالي، يوجد 17 مليون مشارك سنويًا في سوق العمل و5.5 مليون فقط من الوظائف التي تم إنشاؤها. [1] في استطلاع أجرته منظمة التعاون الاقتصادي والتنمية (OECD)، لا يعمل أكثر من ٪30 من شباب الهند الذين تتراوح أعمارهم بين 15 و29 عامًا في التعليم أو التدريب، “ليس في التعليم والتوظيف أو التدريب” (NEETs). [2]
أوضحت إيزابيل جومارد، كبيرة الاقتصاديين ورئيسة مكتب الهند في منظمة التعاون والتنمية في الميدان الاقتصادي: “تتضمن NEETs جميع الشباب الذين تركوا وظائف مدفوعة الأجر وأنظمة التعليم والتدريب الرسمية. إنهم NEET لأنه لا يوجد ما يكفي من الوظائف الجيدة التي يتم إنشاؤها في النظام ولأن لديهم حوافز قليلة أو يواجهون قيودًا كبيرة جدًا بحيث لا يمكن أن تكون في أنظمة التعليم والتدريب. “[2]

إذا نظرنا من وجهة نظر عالمية، فإن معدلات بطالة الشباب لا تزال أعلى من ٪20 في بعض الاقتصادات الأوروبية، في الشرق الأوسط وشمال أفريقيا، حيث بلغت معدلات بطالة الشباب ما يقرب من ٪30  واستمرت الأمور في التدهور خلال السنوات الأخيرة. ومع ذلك، فإن الشباب الذين وجدوا عملًا غالبًا ما يضطرون إلى الرضا عن أنفسهم بوظائف تفشل في تلبية توقعاتهم [3]، ويعيش ٪16.7 من الشباب العاملين في الاقتصادات الناشئة والنامية في فقر مدقع [4].

لماذا فرص العمل شحيحة بشكل خاص في أقل البلدان نمواً؟ يعد عدم كفاية تطوير السياسات والبنية التحتية السيئة وقنوات التمويل المحدودة من بين الأسباب الكثيرة لنقص الوظائف. وفقًا لنتائج e4e (مبادرة التعليم من أجل التوظيف التي تقودها مؤسسة التمويل الدولية والبنك الإسلامي للتنمية)، فإن عدم التوافق بين التعليم والطلب في سوق العمل يمثل عقبة رئيسية أمام خلق فرص العمل. [5]

كما أشارت العديد من التقارير، فإن تطوير نظام بيئي للمهارات يحركه قابلية التوظيف هو مفتاح الاستفادة من الإمكانات الديموغرافية للهند. راجاستان، سابع ولايات في الهند من حيث عدد السكان، يبلغ عدد سكانها الشباب الذين تقل أعمارهم عن 25 سنة ويشكلون ما يقرب من ٪55  من مجموع سكان الولاية. من 2012 إلى 2018، ارتفع معدل البطالة فيها من ٪4.5 إلى ٪7.7. تتفاقم مشكلة البطالة في ولاية راجاستان مع قضايا، مثل الافتقار إلى المدربين الجيدين وعدم المواءمة بين التعليم والمهارة. [6]

لمعالجة هذه المشاكل، كثفت الدولة باستمرار إنشاء البنية التحتية للتعليم. في عام 2004، أصبحت أول ولاية في البلاد تنفذ مهمة مهارات تهدف إلى تقليل الفجوة بين الطلب والعرض من القوى العاملة الماهرة وبالتالي زيادة معدل العمالة. لزيادة تحسين جودة المهارات، أسست ولاية راجستان جامعات للمهارات، وهو مشروع رائد في البلاد. [6]

في هيماشال براديش، الواقعة في شمال الهند، يوجد جزء كبير من العمالة في الزراعة. أكثر من ثلثي القوى العاملة لديها يعملون لحسابهم الخاص، ومقدار الوظائف المدفوعة الأجر لا تزال منخفضة للغاية. في عام 2018، وقّع بنك التنمية الآسيوي (ADB) قرضًا مع الحكومة الهندية للاستفادة من مؤسسات التعليم والتدريب في المجالين التقني والمهني ولتوسيع نطاق النظم الإيكولوجية الماهرة في هيماشال براديش. تتضمن خطط المشروع تحويل 11 عملية تبادل للتوظيف إلى مراكز مهنية نموذجية، وتحديث المعدات التدريبية، واستخدام نظام معلومات التدريب وخلق وصول أفضل إلى جودة التعليم والتدريب المهني والتقني ذات الصلة بالسوق لشباب الولاية، من أجل إعدادهم للاحتياجات المتغيرة لسوق العمل. [7]

تساعد JANZZ.technology الحكومات على وضع القوى العاملة في أسواق العمل باستخدام تقنية الذكاء الاصطناعي. بالتعاون مع MTESS وDGE، نجحنا في تطبيق ParaEmpleo – وهو حل لمطابقة الوظائف في باراجواي. يأتي التعاون بين باراجواي وJANZZ.technology في إطار برنامج دعم الإدراج في العمل والذي كان مدعومًا من بنك التنمية للبلدان الأمريكية (IDB) منذ عام 2011. أشادت ماريا فلورينسيا أتاديمو-هيرت ممثلة IDB في باراجواي، بتقنية JANZZ، قائلة: “الأدوات المبتكرة مثل هذه هي التي ستحسن حياة  مواطني باراغواي ، ما وراء Mercosur السوق المشتركة الجنوبية والسياق الإقليمي”. [8] الاستخدام المبتكر للتكنولوجيا هو الطريقة الصحيحة لحل مشاكل سوق العمل الحالية. إذا كنت تبحث كمنظمة حكومية عن حلول لمحاربة مشاكل سوق العمل في بلدك، فيرجى الكتابة الآن إلى sales@janzz.technology

[1] NASSCOM, FICCI and EY. 2017. Future of jobs in India – A 2022 perspective. URL: https://www.ey.com/Publication/vwLUAssets/ey-future-of-jobs-in-india/%24FILE/ey-future-of-jobs-in-india.pdf

[2] OECD. 2017. OECD Economic Surveys India. URL: https://www.oecd.org/eco/surveys/INDIA-2017-OECD-economic-survey-overview.pdf

[3] Guy Ryder. 2016. 3 ways we can tackle youth employment. URL: https://www.weforum.org/agenda/2016/01/3-ways-we-can-tackle-youth-employment/

[4] ILO. 2017. Global employment trends for youth 2007. URL: https://www.ilo.org/wcmsp5/groups/public/—dgreports/—dcomm/—publ/documents/publication/wcms_598675.pdf

[5] Lars Thunell. 2012. How do we create more jobs for young people? URL: https://www.weforum.org/agenda/2012/01/how-do-we-create-more-jobs-for-the-youth/

[6] Pwc and FICCI. 2019. Fast forward: relevant skills for a buoyant Indian economy. URL: http://ficci.in/spdocument/23062/FICCI-PwC-rajasthan-report.pdf

[7] ADB. 2018. ADB, India sign $80 million loan to help boost youth employability in Himachal. URL: https://www.adb.org/news/adb-india-sign-80-million-loan-help-boost-youth-employability-himachal

[8] IDB. 2019. Algorithms that get you a job in Paraguay. URL: https://www.iadb.org/en/improvinglives/algorithms-get-you-job-paraguay

الأنطولوجيا والتصنيف – توقف عن مقارنة الأشياء التي لا تضاهى

بالنسبة للكثير من الناس، قد تبدو كلمة “أنطولوجيا” مجردة. لها أصلها في حلم تيم بيرنرز لي باختراع شبكة الويب العالمية. وقد تضمن هذا الحلم أن تصبح الويب قادرة على تحديد ما يسمى بـ “الويب الدلالي” عن طريق تحليل جميع بيانات الويب، بما في ذلك المحتوى والروابط والمعاملة بين الحواسيب. في الويب الدلالي، تم إنشاء “إطار توصيف الموارد” (RDF) و”لغة علم الويب” (OWL) كتنسيقات قياسية لتقاسم ودمج كل من البيانات والمعرفة – وهذا الأخير في شكل مخططات مفاهيمية غنية تدعى الأنطولوجيا. [1] في هذه المقالة، تستخدم كلمة أنطولوجيا تعريفًا عمليًا، ولكن من الجدير بالذكر أنه في عالم تكنولوجيا المعلومات اليوم، هناك أيضًا استخدام واسع لمصطلح “الرسم البياني المعرفي” للإشارة إلى هذا المفهوم.

لماذا نهتم بالأنطولوجيا

فيما يتعلق بالذكاء الاصطناعي (AI)، فإن مصطلحات “البيانات الضخمة” و “التعلم الآلي” و “التعلم العميق” تحل ببطء محل استخدام “الذكاء الاصطناعي”.ومع ذلك، على حد تعبير أدريان بولز، “لا يوجد ذكاء آلي بدون تمثيل (معرفة).” وبعبارة أخرى، يتطلب الذكاء الاصطناعي بعض عناصر هندسة المعرفة، وهندسة المعلومات، وكمية كبيرة من العمل البشرى للقيام بعملها العصبي السحري.بشكل مناسب، يعتقد ألكسندر فيسنر -جروس أنه ربما الأهم من ذلك أننا نحتاج إلى إدراك أن مجموعات البيانات الذكية – وليس الخوارزميات – هي التي من المحتمل أن تكون العامل الرئيسي في تطوير الذكاء الاصطناعي على مستوى الإنسان.

        “لا يوجد ذكاء آلي دون تمثيل (المعرفة).”

تمثل الأنطولوجيا تمثيلًا منظمًا رسميًا (شكلياً) للمعرفة النسبية في مجال معين. وهذا ضروري، لأن على عكس البشر، لا يمكن الاعتماد بشكل مباشر على معرفة الخلفية البشرية حول الاستخدام الصحيح للمصطلح. غير أن ما يمكن أن تفعله الأنطولوجيا هو “تعلم” المعنى الدلالي للمصطلح من خلال الروابط بين المفاهيم في نظامها. توجد بالفعل أنطولوجيات قوية في مجالات محددة، وتشمل الأمثلة “أنطولوجيا الأعمال للقطاع المالي” (FIBO) وكذلك العديد من الأنطولوجيات للرعاية الصحية أو الجغرافيا أو المهن.

جزء هام آخر من الذكاء الاصطناعي هو المنطق الدلالي. بالإضافة إلى تحديد المعاملات الاحتيالية المحتملة، وتحديد نوايا المستخدمين استنادًا إلى سجل المتصفح الخاص بهم وتقديم توصيات المنتج، يمكن للذكاء الاصطناعي أيضًا القيام بما يلي: يمكنه تنفيذ المهام التي تتطلب تفسيراً واضحًا يستند إلى المعرفة العامة والمحددة، مثل فهم المقالات الإخبارية، وإعداد الطعام أو شراء سيارة. وبالتالي، تتطلب مثل هذه المهام معلومات ليست جزءًا من البيانات المدخلة ولكنها تحتاج إلى دمجها ديناميكيًا مع المعرفة. لا يمكن تحقيق هذا النوع من التفكير الآلي إلا بالأنطولوجيات وطريقة نمذجة معرفتهم. [2]

التصنيف والأنطولوجيا يختلفان بشكل أساسي

غالبا ما يتم الخلط بين الأنطولوجيا والتصنيف.وبصرف النظر عن حقيقة أن كلاهما ينتميان إلى مجالات الذكاء الاصطناعي، والويب الدلالي ونظام الهندسة، لا يوجد في الواقع الكثير من شأنه أن يميزها كمرادفات. التصنيفات مثل O * NET (شبكة المعلومات المهنية) وESCO (المهارات والكفاءات والمؤهلات والمهن الأوروبية) ببساطة لا يمكن مقارنتها بالأنطولوجيات.  فهي توفر طريقة أكثر بساطة لتصنيف الأشياء، حيث أن لها هيكلًا هرميًا ولا تستخدم سوى علاقات الوالد والطفل دون أي روابط إضافية أكثر تطوراً.من ناحية أخرى، فإن الأنطولوجيات هي شكل أكثر تعقيدًا من التصنيف.بالحديث مجازًا، فإن التصنيف يساوي شجرة في حين تقترب الأنطولوجيا من الغابة.

على سبيل المثال: يمكن أن يظهر مصطلح “جولف” في عدة تصنيفات.    قد يكون موجودا تحت شجرة “الأنشطة البشرية” (الأنشطة البشرية -> الأنشطة الترفيهية -> الرياضة -> الجولف).    ويمكن أيضا العثور عليها تحت تصنيف فيما يتعلق بالملابس (الملابس -> الملابس الرياضية وغير رسمية -> الملابس الرياضية -> ملابس الجولف وملحقاتها).   يمكن أن تظهر حتى في شيء مختلف تماما، على سبيل المثال تصنيف السيارات (السيارات -> ألمانيا -> فولكس فاجن -> موديل جولف).   يمكن اعتبار كل تصنيف من هذه التصنيفات شجرة تتطرق فروعها إلى عقد مرتبط بالغولف.   [3]

وبعبارة أخرى، تمثل التصنيفات تصنيفًا من الموضوعات مع علاقات”is a“، بينما تسمح الأنطولوجيات باتصالات أكثر تعقيدًا مثل علاقات”has a“و”use a“.[4] ومن ثم، إذا عدنا إلى مثال التصنيف أعلاه، تفتقر التصنيفات إلى القدرة على مقارنة مفاهيم الطفل.

 

في تصنيف ESCO، يتم تجميع معظم الأخصائيين الطبيين تحت عنوان “الممارسين الطبيين المتخصصين”. علاوة على ذلك، يتم تجميع مجموعات المهارات المتخصصة ببساطة في القوائم دون أي روابط إلى المهن المتخصصة. لماذا هذا؟ أحد الأسباب هو أن التصنيفات تستخدم بشكل أساسي للأغراض الإحصائية. من وجهة النظر هذه، لا توجد حاجة لمزيد من تصنيف جميع الأخصائيين الطبيين الفرديين وفقًا لمجموعات مهاراتهم وخلفياتهم التدريبية. لذلك، وفقًا للتصنيفات، لا يمكن التعرف على الاختصاصات إلا من خلال المسمى الوظيفي، ويحتاج المرء إلى الرجوع إلى مصادر أخرى لفهم معناها الفردي بشكل أفضل.

إن بناء أنطولوجيا للمهن والمؤهلات والمهارات يجعل من الممكن التعرف على أوجه التشابه والاختلاف بين عناوين الوظائف بشكل تلقائي. على سبيل المثال، لدى أطباء الأطفال وأطباء الأطفال حديثي الولادة وظائف مماثلة، كلاهما يتعلقان بالرعاية الطبية للرضع حديثي الولادة. من خلال نهج نمذجة الأنطولوجيا، من الممكن تحديد أن طبيب الأطفال لديه نسبة عالية جدًا من المهارات المماثلة لتلك الخاصة بطبيب حديث الولادة. ومع ذلك، يمكن لأطباء الأطفال تولي مهمة اختصاصي حديثي الولادة بعد مزيد من التدريب. يمكن تمثيل جميع هذه المعلومات في الأنطولوجيا من خلال العلاقات المتبادلة بين المفاهيم. هذا يتجاوز قدرة تصنيف بسيط.

تمكّن الأنطولوجيات من مطابقة مجموعات البيانات

عندما يتعلق الأمر بالمطابقة، على سبيل المثال مطابقة السيرة الذاتية مع الوظائف الشاغرة، لا توجد طريقة أفضل من استخدام الأنطولوجيا.في كثير من الأحيان، يتم لهذا استخدام مطابقة بسيطة تعتمد على الكلمات الرئيسية أو طرق التعلم الآلي الضبابية، مما يعني أن العديد من أوجه التشابه لا يمكن اكتشافها ولا يمكن مطابقتها، مثل صيغ الكلمات الرئيسية والمرادفات والعبارات البديلة.عند التطابق، من المهم مقارنة الدلالة (المعنى الضمني) لعنصرين بدلاً من الصياغة.هذا هو المكان الذي تلعب به الأنطولوجيات دورها.الأنطولوجيات توفر نمذجة دلالية يمكن أن تكشف عن المعاني الأساسية وأوجه التشابه في السير الذاتية وتوصيف الوظائف.

تمثل تقنية مطابقة الأنطولوجيا تقنية أساسية في العديد من المجالات، مثل دمج الأنطولوجيات. في المجالات ذات القواعد شديدة التعقيد (والتفاعلات المعقدة بين القواعد)، لا يوجد بديل للأنطولوجيات. يظهر هذا، على سبيل المثال، عندما تفكر في دمج نطاقات متباينة. لنفترض أن هناك أنطولوجيتين منفصلتين، أنطولوجيا طقس وأنطولوجيا جغرافية،

عند التفكير في مخاطر التنقل أو التأمين، لإنشاء أنطولوجيا ثالثة تدمج وتعزز من الاثنتين الآخرتين، وهو اقتراح يمكن التحكم فيه.[5]

القيمة الحقيقية للأنطولوجيات

يعتمد النظام الدلالي على تمثيل صريح ومفهوم من المفاهيم والعلاقات والقواعد من أجل تطوير معرفة المجال المرغوب. من المستحيل الاعتماد فقط على المبرمجين لبناء مثل هذا النظام القائم على التعلم الآلي، حيث ينقصهم المعرفة اللازمة لتحديد العلاقات بين المفاهيم في المجالات المحددة. ولذلك، يجب تعلم معرفة المجال من خبراء المجال ذوي الخلفيات المختلفة (مثل قانون الملكية الفكرية، وديناميات الموائع، وإصلاح السيارات، وجراحة القلب المفتوح، أو النظم التعليمية والمهنية). هذه العملية ضرورية لإنشاء تمثيل شامل للمعرفة.

بالنسبة لأنطولوجية JANZZ متعددة اللغات، المهارات اللغوية هي نقطة أساسية. في العديد من الحالات، لا يمكن ترجمة مفهوم ما إلى لغات متعددة بطريقة فردية، ولكن بفضل كون سويسرا صغيرة ومتكاملة، فإن جميع متخصصي أنطولوجيا JANZZ يجيدون لغتين على الأقل ويتحدث بعضهم أكثر من أربع لغات (بما في ذلك الصينية والعربية). هذه الميزة تضمن اتساق الأنطولوجيا والجودة عبر لغات مختلفة.

 

قبل حوالي عقد من الزمان، بدأت JANZZ في بناء أنطولوجيتها على تصنيفات مختلفة للمهن، وهي ISCO-08 وESCO وجميع التصنيفات الخاصة بكل بلد. على مر السنين، أضافت JANZZ الآلاف من المهن والوظائف الجديدة (مثل عامل استخراج بيانات أبحاث السوق وخبير جيل الألفية ومدير الوسائط الاجتماعية) إلى أنطولوجية JANZZ، والتي لم تكن موجودة من قبل في أي من التصنيفات المعروفة. وبالإضافة الى المسميات الوظيفية، تم أيضًا إضافة أحدث المهارات، والتعليم، والخبرة، والتخصصات في الأنطولوجية. إنها الأداة الصحيحة للموارد البشرية وخدمات التوظيف العامة، التي تعترف بأوجه التشابه والغموض بين ألقاب الوظائف، بدلاً من كونها مجموعة مصطلحات مثل التصنيف. اليوم، تعد أنطولوجيا JANZZ أنطولوجيا بيانات المهن الأكبر، والأكثر تعقيدا والأكثر اكتمالا إلى حد بعيد في العالم.

بالنسبة للشركات الخاصة وخدمات التوظيف العامة التي تحاول أن تختار بين نظام تصنيف ونظام تصنيف يستند إلى أنطولوجيا، نأمل أن تساعدك هذه المقالة على اتخاذ القرار الصحيح وتساعدك على إدراك أن الاستثمار في نظام غير دلالي (بدون محتوى) لن تحصل على المزيد. لحسن الحظ، اختارت بعض الحكومات والشركات الطريق الصحيح واستفادت بالفعل من أحدث تقنياتنا. إذا كنت ترغب في معرفة المزيد عن أنطولوجيا JANZZ، اكتاب لنا.

 

[1] Ian Horrocks. 2008. Ontologies and the Semantic Web. URL:http://www.cs.ox.ac.uk/ian.horrocks/Publications/download/2008/Horr08a.pdf [2019.02.01 ]

[2] Larry Lefkowitz. 2018. Semantic Reasoning: The (Almost) Forgotten Half of AI. URL:https://aibusiness.com/semantic-reasoning-ai/ [2019.02.01]

[3] New Idea Engineering. 2018. What’s the difference between Taxonomies and Ontologies? URL:http://www.ideaeng.com/taxonomies-ontologies-0602 [2019.02.01]

[4] Daniel Tunkelang. 2017. Taxonomies and Ontologies. URL:https://queryunderstanding.com/taxonomies-and-ontologies-8e4812a79cb2 [2019.02.01]

[5] Nathan Winant. 2014. What are the advantages of semantic reasoning over machine learning? URL:https://www.quora.com/What-are-the-advantages-of-semantic-reasoning-over-machine-learning [2019.02.01 ]

 

 

 

كيف يمكن للحلول عالية الأداء الحديثة والمخصصة لخدمات التوظيف العامة (PES) أن تكون جاهزة خلال ١٨٠ يوما

تصل خدمات التوظيف العامة من وقت لآخر الى مرحلة تضطر فيها تجديد نظمها العتيقة للبحث عن الوظائف أو حتى إقامتها من الصفر في البلدان التي لم يتوفر فيها أي حلول من قبل وزادت مع التقدم السريع للتكنولوجيا الرقمية المتطلبات والتوقعات لمثل هذه الحلول بشكل كبير مثل عمليات متسقة ومطابقة ذكية وبيانات شاملة وتحليلات لسوق العمل وتحليل لغوي بسيط وخيارت تصنيف إلى آخره.

وبالتالي فإن تطوير هذه الحلول المستدامة عالية الأداء وإطلاقها بنجاح يعد مهمة معقدة. يمكن أن تستغرق العمليات اللازمة وأعمال التطوير عدة سنوات وتكلفته مرتفعة، خاصة لصغر خدمات التوظيف العامة. من خلال منصة التسمية البيضاء ومكونات معيارية متطورة يمكن تحقيق هذه العملية بسرعة وسهولة وفعالية من حيث التكلفة لجميع متطلبات وأحجام الخدمات للتوظيف العامة. ونود أن نوضح لك كيف يعمل هذا من خلال المشاركة التالية.

نظام مرقّع ووقت طويل

غالبا ما يتكون حل مثل هذا من مكونات موجودة في الشركة ومكونات جديدة لتكميلها. قد يعمل هذا التصميم جيداً إلّا أنه يستهلك وقتا طويلا وجهدا كبيرا في تطويره ويكون حتى مكلّفا جدّا. لذلك تعتمد الكثير من الخدمات للتوظيف العامة على حلول مرقّعة بمعنى الكلمة لأنها تستعمل بعض المكونات الموجودة من قبل ثم تضيف عليها مكونات جديدة باستخدام أشخاص مؤهلين أي مهندسي برمجة ومدراء مشروع متاحين عندهم. ولكن في السنين الأخيرة كم مرة طوروا برنامجا معاصرا لخدمات التوظيف بعملياتها ومكوناتها وعناصرها اللازمة؟ وما مدى كفاءة متخصصين البيانات وخبراء التصنيف لديك في إعداد المتطلبات المتغيرة؟ هل يستطيعون إتاحة البيانات والمحتويات بالشكل والبنيان المطلوب لعمليات رقمية متسقة مثل التطابق (matching)؟

أما تطوير منصة معاصرة قوية تجمع بين الباحثين عن العمل وسوق العمل بطريقة فعالة فهي بالتأكيد مهمة صعبة حتى لمستشاري العمل نفسهم لأنها تحتوي على مشاريع فرعية عديدة وكلها بتحدياتها، على سبيل المثال احتياج إجراء مناقصة عامة ومن ثمة فحص واختبار الموردين أو مراجعة الحلول الموجودة أو حتى تطويرها من جديد ـ وهذا لكل عنصر يجب أن تحتويه هذه المنصة، من بينها أدوات التطابق والتحليل وواجهة المستخدم وتصميم تجربة المستخدم (UX) أو حتى دعم عبر الدردشة. وبالتالي تخلق كل أداة فردية وكل عملية فرعية عمليات استشارية وتقييمات طويلة وشاقة. من يفهم هذا الحل التدريجي؟ وأي مورد لديه الأسلوب المناسب والخبرة الكافية؟

باختصار نتورط في أبحاث كثيرة ومحادثات كثيرة ومفاوضات كثيرة. كذلك لا ننسَ أن التقنيات والأدوات الجديدة وحدها لا تحل المشاكل إلا أنه يجب تكيّف كل العمليات كذلك. بالنسبة للنشاط الأساسي لخدمات التوظيف العامة أي إيجاد الوظائف فهو قد تغير كثيرا فتحتاج المناهج والعمليات إلى مراجعات وتعديلات كل خمس أو عشر سنوات وبالتأكيد أكثر من ذلك في المستقبل بسبب زيادة التكنولوجيا الرقمية وتأثير ذلك على سوق العمل. لذلك، من بداية المشروع إلى استخدامه الفعال قد تمر سنوات عديدة غير أن الحل الجديد أحيانا يكون عتيق الطراز وقت إطلاقه! في أي حال يمر وقت طويل في حين أن منصة التسمية البيضاء تعمل بفعالية منذ وقت طويل.

بدون اختبارات إلى لحظة الإطلاق

فليس الوقت التحدي الوحيد في هذا السيناريو بل تكون الحلول المرقعة كذلك معقدة ومحفوف بالمخاطر لأن الحلول الفرعية يجب أن يتم تطويرها ودمجها إلى الكيان الكبير الذي قد يكون منصة أو واجهة قديمة. حتى إن كانت كل الأجزاء جديدة ويتم تركيبها سويا فالموردون لديهم معرفة ضئيلة أو معدومة من مكونات بعضهم البعض. فكيف يفحصون المنتج بطريقة فعالة؟ عادة لا يمكن اختبار البرنامج المتكامل في الصميم إلا قبيل إطلاقه بسبب عدم وجود أي توصيات لأن التركيبة تكون فريدة من نوعها ولم يتم تشغيل مثل هذه من قبل.

يستحسن البعض أن يطوروا أجزاء من الحل الكامل مثل واجهة المستخدم خلال موارد التطوير الخاصة بهم. قد يكون هذا الأسلوب لمصلحة الشركة في حالات معينة إلا هو مرتبط بمخاطرة كبيرة وتكاليف غير متوقعة لمعظم الخدمات للتوظيف العامة. إنما حلول جاهزة قابلة للتخصيص تضمن الاستقرار والموثوقية والكفاءة للاستخدام وكذلك للصيانة المستقبلية.

مستقر وموثوق به وفعال

لا يضمن النظام المرقع المزيد من التطوير ولا الصيانة المستقبلية لأن التعديلات في البرمجيات تكون أكثر تعقيدا إذا تم تشغيل المكونات الأساسية للحل عبر واجهة خارجية لبرمجة التطبيقات (API). يجب أن تقوم الحلول المطورة داخلية بتطبيق طبقة برمجية لواجهة برمجة التطبيقات. إذا تم إجراء تغييرات على واجهة برمجة التطبيقات (إن كان صغيرا أو كبيرا) فيجب إجراء هذه التغييرات في وحدات البرامج المقابلة أيضا. هذا يمكن أن يؤدي إلى مشاكل عدم الاستقرار إضافة إلى مشاكل الصيانة إذا تم اكتشافها بعد فوات الأوان أو لم يتم اكتشافها على الإطلاق ولا يمكنك الاعتماد على أداء موثوق به. كذلك يزداد خطر الأخطاء بسبب الدمج بين العديد من أنظمة البرنامج حينما يصبح إيجاد سبب الخطأ أو إيجاد السبب الجذري للخطأ أكثر تعقيدا حيث أنه من الضروري أولا تحديد الجزء من الحل الذي حدث الخطأ فيه!

في المقابل فتوفر منصة تسمية بيضاء تم استخدامها بنجاح من قِبل خدمات التوظيف العامة الأخرى مزايا كبيرة من حيث سهولة الاستخدام والكفاءة والتخصيص لواجهة المستخدم. بالإضافة إلى ذلك، يوفر هذا الحل بالفعل واجهة مستخدم سهلة الاستخدام للهاتف المحمول بتصميم متجاوب والعديد من الوظائف الأخرى وذلك جزء من الحزمة الأساسية!

وأخيرا، يتم التخلص من العديد من التكاليف مثل الصيانة والتطوير الإضافي والتكامل للجزء الذي تم بنائه داخليا. أما الدعم الداخلي فهو لا يكاد يكون ضروريا لأن هذه المهمة تخص في الأساس مقدم خدمة المنصة الذي يعرف جميع ميزات منصته بشكل جيد وبالتالي لا تحتاج إلى توظيف خبراء جدد باهظي الثمن خاصة أن الأمر يستغرق عشرين عامًا أخرى قبل تصميم وتطوير نظام داخلي جديد ومن الصعب الاحتفاظ بالمطورين والمهندسين وخبراء التصنيف وخبراء تصميم تجربة المستخدم المؤهلين (والذين هم عدد قليل في كل مكان ومطلوبون للغاية في هذا المجال) وتزويدهم بما يكفي من العمل المثير في هذه الأثناء.

الحل الوحيد هو كل ما تحتاجه

الحل الأمثل من (JANZZ.technology) جاهز منذ فترة طويلة: إنها منصة قابلة للتخصيص تم فيها دمج جميع الميزات المطلوبة وتكييفها مع الاحتياجات الفردية لجميع خدمات التوظيف العامة حتى مع ميزانية محدودة. لقد تم اختبار هذا الحل في جميع أنحاء العالم بشكل شامل اعتمادا على خبرات سنين طويلة للكثير من الخدمات للتوظيف العامة وهومتوفر بالعديد من اللغات، مبنيا على تصنيف  (ISCO-o8) و(ESCO) وبالطبع جميع التصنيفات الخاصة بكل بلد، بالإضافة إلى جميع المجموعات الضرورية للتصميم والعمليات وتركيبات الألوان. سواء كان ذلك الحل متوفر بمثابة خدمة سحابية متوافقة مع معايير النظام الأوروبي لحماية البيانات العامة (GDPR) مخففا عنك من مهام مكلفة أخرى في نفس الوقت أو بمثابة تركيب داخلي عالي الأداء وفقا لمواصفاتك.

إن منصتنا متاحة بسرعة وبسهولة. يمكننا أن نقلل مدة مشروعك إلى حوالي ١٨٠ يوما فقط بفضل المعرفة القائمة والواسعة المجربة JANZZ.technology والتكنولوجيات القابلة للتكيف بسهولة مثل واجهة المستخدم والمكونات التقنية الأكثر دلالة في عصرنا ضامنين هكذا أمن كامل لميزانيتك ومشروعك و١٨٠ يوما قصيرا جدا جدا حتى وضع أول باحث عن العمل في النظام الجديد.

متى تسمح لنا أن نقدم لك حلك المستقبلي؟

التغير أو الفناء – أربعة قضايا لمستقبل خدمات التوظيف العامة متعدد الوجوه

إنه الموضوع المهيمن فيما يتعلق بعمليات الموارد البشرية الرقمية في يومنا هذا: كيف نطور أدوات وتكنولوجيات أفضل وأكثر كفاءة وحديثة للمواءمة، مما يحل مختلف المهام والتحديات بأسلوب أكثر توجهًا نحو العملاء. فصل الغث عن السمين مهمة شاقة جدًا. فإذا لم يكن الاختيار التكنولوجي في يومنا هذا يرقى لمهمة تشكيل المستقبل، فلهذا أثر قوي على المواءمة. وعلى وجه الخصوص، ستُدفع المشاكل قدمًا إلى المستقبل لأن المواءمة تعني فهم التحديات التي تواجهها سوق العمل. يعتقد جميع مقدمي تكنولوجيات مواءمة الوظائف أنهم قادرون على تنسيب الباحثين عن عمل وبالتالي تحفيز سوق العمل. لكن لا يوجد شيء اسمه سوق العمل. فكل سوق عمل فردية لها سماتها الخاصة، ومجرد تنسيب أكبر عدد ممكن من الأشخاص في سوق العمل بسرعة لا يكفي، ولا ننس أن هناك مشاكل معقدة أخرى تتطلب اهتمامنا. وقع الاختيار على أربعة قضايا من داخل هذا الموضوع المعقد توضح لماذا الأمر ليس مجرد مسألة تنسيب محض. ولماذا الوقاية في الحاضر ضرورية للحد من المشاكل في المستقبل.

 

1) التوظيف الكامل اليوم، فجوة غدًا

هل تعتبر البطالة بالفعل مشكلة في العالم الغربي في يومنا هذا؟

أشارت أحدث الأرقام الخاصة بسوق العمل الأمريكية والتي نُشرت بعد الأسبوع الأول من السنة إلى التوظيف شبه الكامل (ويعرف بأنه بطالة بنسبة ثلاثة في المائة) مع معدل بطالة يبلغ 4.1 في المائة، وذلك بعد حساب 250 ألف وظيفة جديدة في الشهر الأخير من 2017، وهو أقل رقم منذ 17 سنة. أشار مارك زاندي، كبير الخبراء الاقتصاديين بمؤسسة أبحاث السوق موديز أناليتكس، إلى سوق العمل الأمريكية بأنها “أفضل ما يمكن”. تشهد بلدان غربية كثيرة أيضًا أرقاما منخفضة بالمثل، بل وأقل من أربعة في المائة في ألمانيا وسويسرا، والنرويج أكثر من ذلك بدرجة طفيفة، ومتوسط الاتحاد الأوروبي هو الأقل منذ عشر سنوات. حتى المملكة المتحدة لم تتأثر بعد بالخروج من الاتحاد الأوروبي في هذا الصدد. وهذا يثير السؤال التالي: هل تخطط مكاتب التوظيف الآن لعطلات طويلة؟

لا نرجو ذلك؛ لأنه ستكون مغالطة أن نظن أنه لا داعي لأن تقلق هذه الأمم بشأن أسواق العمل فيها. كل وزارة عمل تواجه تحدياتها الخاصة، ولهذا السبب نجد مكاتب التوظيف مشغولة دائمًا. فلا يكفي حل التنسيب البسيط لتقديم الدعم الأساسي لخدمات التوظيف العامة. المطلوب أولاً وقبل كل شيء معرفة متعمقة بأسواق العمل والتحديات المتنوعة التي تواجهنا حاليًا في كل ربوع العالم.

من التحديات المعينة في يومنا هذا الرقمنة. فعلى الرغم من أن سوق العمل الأوروبية ربما تكون في طريقها إلى التوظيف الكامل في مناطق كثيرة، فإن هذا الاتجاه سيجعل الاستعاضة عن الموظفين أسهل مما ينبغي في المستقبل. فمن ذا الذي يحتاج إلى سائق تاكسي عندما تتحول السيارة ذاتها إلى سائق؟ ومن ذا الذي يحتاج إلى معاون تنظيف عندما يتم تنفيذ أعمال التنظيف على أيدي روبوتات تنظف حتى أضيق الأركان؟ يجب أن ننوه إلى أن هناك فروقًا كبيرة بين الوظائف ذات مستويات التأهيل الأدنى. فمن الأسهل كثيرًا على الآلات أن تتولى مهام التنظيف من أن تتولى مهام الحياكة على سبيل المثال. إذن فليست كل الوظائف ذات المؤهلات الدنيا عرضة للخطر، بل الكثير منها كذلك. وليست وحدها. إذ يمكن أيضًا الاستعاضة عن العاملين أصحاب مستويات التعليم العالي، فيما تصبح أجهزة الكمبيوتر قادرة على أن تحسب بشكل أدق وتحسّن الهياكل الثابتة للمباني أو اللوجستيات أو عمليات الإنتاج. على صعيد مماثل، تعتبر أجهزة الكمبيوتر يومًا بعد يوم أكثر اعتمادية وبُعدًا عن المخاطر من المستشار المالي البشري في البنك المحلي لأنها تتخذ قرارها بناء على الحقائق لا العواطف.

هذه التحديات المعقدة لا يمكن حلها بالتنسيب البسيط، لأنه حتى إذا أمكن تنسيب شخص ما، يمكن أن تختفي هذه الوظيفة في المستقبل القريب بسبب الرقمنة. إذا كان محرك الاحتراق سيصبح قريبًا شيئًا من الماضي ويُستعاض عنه بالمحرك الكهربائي، فسوف نحتاج إلى قوة عاملة أصغر كثيرًا، لأن إنتاج محرك كهربائي لن يتطلب إلا أربعة بدلاً من سبعة عاملين. سيصبح الثلاثة الزائدون عن الحاجة عاطلين، ولتنسيبهم مرة أخرى، لا نتحمل الاكتفاء بالمشاهدة والانتظار.

 

2) الهوة في اتساع

إذا نظرنا إلى مهن معينة، يمكن تحديد العكس تمامًا باعتباره تحديًا. فعلى الرغم من أن هناك مهنًا في طريقها إلى الاختفاء، هناك قطاعات أخرى تبحث الآن باستماتة عن موظفين جدد. والأرقام التي تتحدث عنها وسائل الإعلام تواصل صعودها: 7 آلاف وظيفة شاغرة لطاقم التمريض في سويسرا، عجز مقداره 100 ألف مهندس كهربائي في ألمانيا. كيف يُفترض أن يلبي التنسيب طلبًا لا توجد قدرات تستوفيه؟

وبالتالي فإن المهن التي يود الناس تلقي تدريبًا عليها بدأت تزداد اتساقًا مع طلباتهم. صار الناس معتادين على التمتع بحرية كبيرة في الاختيار عندما يتعلق الأمر باختيار مسار مهني: فالغالبية العظمى تستطيع أن تتخذ القرار لنفسها بشأن أي مسار مهني تريد السير فيه. تؤدي هذه الحرية إلى وضعٍ نجد فيه بعض المسارات المهنية يكثر اختيارها، وبعضها الآخر يندر اختيارها. ويؤدي هذا في نهاية المطاف إلى فجوة هائلة بين هاتين الفئتين. في الكثير من المهن الجذابة، تزداد يومًا بعد يوم صعوبة ضمان مدى عمري مقداره أربعة إلى خمسة عقود، وبما أننا نعمل لفترات زمنية أطول، يعتبر هذا الجانب شديد الأهمية. إلى كم تحتاج سويسرا فعلاً من علماء بيولوجيا البحار؟ وفيما يظل علماء بيولوجيا البحار أصحاب المهارات الرفيعة عاطلين، يوقع المهندسون عقود عمل وهم ما زالوا طلابًا في قاعة المحاضرات. وهذه مأساة.

ينبغي أن يُنظر إلى هذا كدعوة للدوائر السياسية والمجتمع والجامعات وكافة الأطراف الأخرى المشاركة لكي تضطلع بمهمة جديدة: لدينا طلب، لذا هيا نزيد جاذبية المجال الذي يوجد عليه طلب. لقد حان الوقت للقيام بعمل في التدريب والتخطيط المهني، لا أن نكتفي برد الفعل في حالة الطوارئ، بل نتوخى أيضًا الوقاية. ما الذي يمكن فعله لجعل الشباب يختارون التدريب الذي تدعو إليه الحاجة؟ يجب أن ننظر إلى المستقبل. هل نفرض قيودًا مكثفة على إمكانية الوصول إلى برامج الدراسة التي يكثر الالتحاق بها؟ هل نقدم دعمًا إضافيًا للأشخاص الذين يختارون برامج التدريب غير الجذابة؟

بالطبع، زيادة رواتب المهن من قبيل التمريض يجعلها أكثر جاذبية. لكن من الذي سيدفع ثمن هذا إذا كان المستهلكون غير مستعدين لدفع المزيد؟ ما دامت المنتجات والخدمات تصير ميسورة بشكل متزايد، لا يمكن زيادة الأجور، مما يعني أن الدخل غير كاف والوظيفة تعتبر غير جذابة. وبالتالي لا يمكن إضفاء المزيد من الجاذبية على وظيفة بهذه الطريقة.

عندما يتعلق الأمر بمثل هذه التحديات، فليس من المنطقي أن نكتفي بالنظر في استراتيجيات التنسيب، سواء التكنولوجي أم غير التكنولوجي. ولا ننس أن هذه المشكلة لا تُحل بالتنسيب البسيط. وبدلاً من ذلك، علينا أن نعمل على ضمان مواءمة العرض والطلب. يجب علينا إنشاء نماذج جديدة لتمكين الاستجابة للتوجهات والفجوات الحالية. يُظهر تحليل الفجوة أن العجز في ازدياد مطرد في جميع الأسواق. وللأسف لا يمكن حل هذا بالهجرة، على الرغم من أنها تؤدي حاليًا إلى فرص كثيرة، وخصوصًا في أوروبا.

 

3) الهجرة باعتبارها المخرج الوحيد

بل إن هناك مناطق بأكملها يتقاضى الناس فيها دخلاً غير كافٍ ببساطة. في هذه الأجزاء من العالم، يشعر الناس بأنهم مضطرون إلى الرحيل للعثور على عمل. في ليتوانيا على سبيل المثال، يوجد في كل أسرة تقريبًا شخص يعمل في الخارج؛ ففي ظل تزايد تكلفة المعيشة، بالكاد يستطيع الناس هناك البقاء اعتمادًا على أجورهم. نتيجة لذلك، خسر البلد الصغير أكثر من نصف مليون نسمة في السنوات الـ 15 الأخيرة، وهو عدد كبير بالنظر إلى إجمالي عدد سكانه الأقل من 3 ملايين. يلجأ الشباب بخاصة إلى الهجرة من البلد إما قبل التخرج وإما بعده مباشرة، تاركين خلفهم مجتمعًا يزداد شيخوخة أسرع وأسرع.

انظر إلى سكان إندونيسيا: أكثر من ربع مليار نسمة. الناس هناك قد يجدون سوق العمل عندهم أكثر إثارة للاهتمام بما أن اقتصاد البلد في نمو مستمر. لكن السكان يزدادون عددًا بمعدل أسرع، حيث يضاف ثلاثة ملايين نسمة كل سنة، ما يعادل سكان برلين أو مدريد أو ليتوانيا. وأكثر من نصفهم تقل أعمارهم عن 30 سنة. كل هؤلاء الشباب سيحتاجون إلى وظيفة في مرحلة ما. مرة أخرى سينظر كثيرون إلى الهجرة كحل ضروري. كما يجب أيضًا استحداث نماذج جديد لهذه الحالات، نماذج توازن بين العرض والطلب بطريقة مختلفة بالكلية. فلا يمكن تنسيب الناس عندما لا تكون هناك ببساطة أي وظائف متاحة.

 

4) التمتع بوظيفة لا يكفي

حتى وإن كانت الوظائف متاحة، فإن استراتيجيات التنسيب البسيط لا تكفي. فعلى سبيل المثال، تحاول بعض أسواق العمل الأمريكية الجنوبية مكافحة البطالة، بجانب التحديات الأخرى كالجريمة وتعاطي المخدرات وغياب الشفافية في التدفقات المالية. البطالة المقنعة ليست هي البطالة، لكنها تعني عددًا غير كاف من ساعات العمل،وتعذّر ضمان مستوى معيشة كافٍ من خلال الأجور المتدنية الناتجة عنها. حتى بعد الجهود المتنوعة والمستديمة التي بذلتها وزارات العمل، يظل وضع سوق التوظيف معقدًا. ففي باراغواي على سبيل المثال، يبلغ معدل البطالة حوالي 9 في المائة، وهو مستوى مماثل للموجود في البلدان شديدة التقدم كفرنسا أو فنلندا. لكن ما الذي تعنيه هذه القيمة؟ نتيجة البطالة المقنعة وارتفاع مستوى عمال اليومية، هناك عدد كبير من المواطنين لا يظهرون في معدل البطالة، لأنهم اصطلاحيًا يعملون في وظيفة. لا يدل معدل البطالة بشكل حاسم على ما إذا كان مستوى المعيشة المعقول مضمونًا في البلد أو الإقليم أم لا.

 

التصرّف بدلاً من الانتظار

على الرغم من أن معدلات البطالة قد تكون منخفضة، فإن انخفاض المعدل لا ينقذ سوق الوظائف. كل سوق عمل لديها مشاكلها المعينة الخاصة بها والتي تحتاج إلى التعامل معها بطريقة مختلفة. هناك تحديات أخرى كثيرة يجب التصدي لها: كيف يتم تنسيب من هم فوق 50 سنة؟ كيف يتم تنسيب اللاجئين أصحاب المؤهلات الرفيعة؟ من حيث المبدأ، شيء متوقع أنه إذا لم تتكيف خدمات التوظيف العامة وبالتالي تذلل أكبر عدد ممكن من التحديات، ستتسبب المشكلات الكبرى في فقدان تلك الخدمات لسبب وجودها. يجب البدء الآن في استجابة لهذه التحديات وإطلاق مناقشات حولها، مناقشات تستند إلى الحقائق وبالتالي تتطلب الأدوات والتكنولوجيات المناسبة. على الرغم من ذلك، فإن النجاح غير مضمون بتوفير الأدوات والتكنولوجيات. تم تطوير خبرة عميقة على مدى عقد من الزمن وهي تعرف بالضبط أي مجالات المشاكل يجب التعامل معه، وفي أي مكان وبأي طريقة، وتعرف بالتالي أيضًا كيف تستخدم الأدوات بشكل صحيح. المطلوب شخص يطبق هذه الخبرة الكبيرة في مرحلة مبكرة. إنها مسألة وقت فحسب قبل أن ترتفع البطالة من جديد، ولا سيما بين الشباب. إذا طُبّق الفهم العميق السليم لهذه الأنواع من المشاكل، يمكن تحديد الاحتمالات في مرحلة مبكرة وتنسيقها مع استراتيجيات الحل الصحيحة. علاوة على ذلك يجب تسليط الضوء على المتطلبات المعينة لسوق العمل، وأخذها في الاعتبار، والتصرف بناء عليها الآن. باختصار، يحب أن نتصرف فورًا. وأتساءل لماذا أرى الساسة والمجتمع والمؤسسات التعليمية والآخرين ما زالوا واقفين مكتوفي الأيدي يتفرّجون. ينبغي أن يناقشوا هذه القضايا الآن مع الأخصائيين الذي يملكون هذه الخبرة المعينة. هناك أخصائيون يتعاملون ويتأملون ويحللون كافة التحديات المذكورة وغير المذكورة التي تواجه أسواق العمل بشكل يومي. المعارف التي يحوزها هؤلاء الأخصائيون متاحة لك – في JANZZ.technology.

 

وزير العمل والتوظيف والضمان الاجتماعي يستحدث منصة متقدمة للمواءمة الوظيفية

قدم الدكتور غويليرمو سوسا، وزير العمل والتوظيف والضمان الاجتماعي، اليوم الأربعاء الموافق 21 فبراير/شباط، منصة جديدة لتعزيز عملية البحث عن وظيفة في باراغواي. طُورت هذه المنصة بمعرفة الشركة السويسرية JANZZ.technology.

ستنفذ JANZZ.technology منصتها ParaEmpleo.gov.com.py لتحسين فرص التوظيف للشباب الباحثين عن وظيفة، وهذا أول مشروع للشركة في أمريكا اللاتينية. بالإضافة إلى باراغواي، تقدم JANZZ.technology خدمة إلى أكثر من 150 ألف مقدم طلب عمل ورب عمل في 5 بلدان باستخدام 40 لغة. تشتمل المنصة على تطورات تمكّن الأشخاص من العثور على الوظائف المتاحة والباحثين عن عمل من خلال مجموعة متنوعة من الأبعاد المتعددة، من ضمنها المهارات الناعمة والتعليم والخبرة والتوفّر التعاقدي والجغرافي ضمن متغيرات أخرى تحسّن عملية البحث عن وظيفة. استغرق تطوير المنصة 100 ألف ساعة عمل/رجل وتأتي بإصدارها الجديد إلى باراغواي.

من خلال منصة الويب الجديدة هذه المسماة ParaEmpleo.gov.com.py، تريد وزارة العمل تقديم أكثر التكنولوجيات تقدمًا لمواءمة الوظائف. وحتى يومنا هذا قام أكثر من 25 ألف متقدم بالتسجيل في قاعدة PARAGUAY PUEDE MÁS. ومتى اختُتمت عملية القبول، سيتمتع الشباب بإمكانية الحصول على فرص العمل وفقًا لقدراتهم ومهاراتهم. تعد هذه الاتفاقية جزءًا من برنامج دعم شمول الجميع في سوق العمل (PR-L1066)، الممول من بنك التنمية للدول الأمريكية بموجب اتفاقية قرض مع جمهورية باراغواي.

للحصول على المزيد من المعلومات بخصوص هذا الموضوع: blogs.iadb.org (الإسبانية)

 

 

 

OCSE: توقعنا الحصول على أنطولوجيا، فحصلنا على مجموعة مصطلحات مخيبة للآمال

مرت حوالي أربع سنوات. انتظرنا زمنًا طويلاً، وكنا متشوقين إلى رؤية ما أعلن عنه الاتحاد الأوروبي بفخامة بالغة. إننا نتحرّق شوقًا إلى رؤية ما إن كان يحل المشاكل المعروفة التي تواجه أنظمة التصنيف. يسمى تصنيف الاتحاد الأوروبي للبيانات المهنية ESCO (التصنيف الأوروبي للمهارات والكفاءات والمؤهلات والمهن). وحتى الآن، حلت كافة الدول بنفسها مسألة التصنيفات، كنظام ROME في فرنسا أو KLdB في ألمانيا أو CP في إيطاليا. وتستند هذه التصنيفات عادة إلى أمّ التصنيفات كلها، ونقصد “التصنيف الدولي الموحد للمهن” (ISCO) الذي وضعته منظمة العمل الدولية حوالي عام 1960، لكنها ليست بالضرورة قابلة للمقارنة، حيث توجد أرقام وحروف مختلفة ومستويات تصنيف مختلفة يمكنها التمييز بين التصنيفات.

janzz_esco_unsatisfied

طُورت أنظمة التصنيف الأخرى في المقام الأول لأسباب إحصائية. وبالتالي تسنى تأليف المهن ذات أرقام التعريف في مجموعات ثم رفع الإحصاءات، لكن هذه الأنظمة لم توسع فهم الوظائف الفردية. كانت الترتيبات الجماعية في الغالب شديدة الاتساع، شديدة العمومية. فعلى سبيل المثال، جميع الأخصائيين الطبيين مصنفون معًا، وتوصف هذه المجموعة بمجموعة واحدة من المهارات لجميع الأخصائيين. وهذا يعني أن أخصائي الأورام يوصف بأنه يملك بالضبط نفس المهارات التي يملكها أخصائي الجهاز الهضمي أو أخصائي أمراض النساء أو أخصائي الباثولوجيا. إذن فوفقًا لأنظمة التصنيف، فإنهم يملكون بالضبط نفس المعارف، ولا يتسنى معرفة تخصصاتهم إلا من خلال مسمياتهم الوظيفية. بهذه التوصيفات غير الدقيقة، لا تستطيع يقينًا فهم المسميات الوظيفية الفردية فهمًا أوضح بأي صورة.

لم يشأ الاتحاد الأوروبي بناء ESCO كهيكل آخر شديد الغموض، بل بالأحرى إيجاد فهم مشترك للوظائف والمهارات والمعارف والمؤهلات عبر 26 لغة بحيث يستطيع أرباب العمل والعاملون والمؤسسات التعليمية فهم احتياجات بعضهم البعض ومتطلباتهم فهمًا أدق. وبهذه الطريقة، يمكن أن تعوض حرية التنقل الفجوة في المهارات والبطالة في مختلف الدول الأعضاء، كما يقول يونكر¹.

مضت الآن حوالي أربع سنوات منذ الإصدار التجريبي. تم إشراك جميع أصحاب المصلحة المحتملين، كمكاتب التوظيف والمستشارين المهنيين والإحصائيين والعلماء . . . لإنشاء هذا التصنيف بـ 26 لغة. حوالي أربع سنوات من الاختبار والتوسيع والتعديل وإعادة الصياغة . . . والآن أنا جالس هنا أمام حاسوبي أكتب في قاعدة البيانات الإنترنتية كلمة Word كمهارة، وقاعدة البيانات لا تتعرف على المصطلح. الاقتراح الوحيد البديل: WordPress، وهو عديم الصلة في واقع الأمر. ولو كتبت PowerPoint، لا يحدث شيء بالمرة، فقاعدة البيانات لا تتعرف على المصطلح؛ فهو غير مخزن فيها².

لا بأس، هيا نجرب Indeed. في ألمانيا وحدها، أجد أكثر من 13 ألف إعلان وظيفة يحتوي على مصطلح البحث PowerPoint، وفي فرنسا والمملكة المتحدة 8000، لكن PowerPoint ليست مصنفة كمهارة عبر أوروبا. لا مكان بين 13485 مهارة في ESCO. هل ينبغي أن يفهم العامل رب عمل محتمل فهمًا أفضل باعتبار أن PowerPoint ليست مهارة مهمة للتوظيف؟

يجب أن نقر أن قاعدة البيانات تتعرف فعلاً على عبارة use microsoft office عند إدخال Microsoft، لكن الفهم الدلالي لقاعدة البيانات لا يمضي أبدًا أبعد من ذلك. ولا ننس أن عبارة use word processing software مخزنة حتى كمهارة مستقلة لا صلة لها بـ Microsoft Office، ولا شيء في المهارتين يوحي بأنهما مترادفتين.

تذكر ESCO أنها تتعرف على 2942 مهنة. والمثير للاهتمام أن النظام يتعرف على rail logistics coordinator، ويقدم أيضًا صيغًا هجائية بديلة معينة لكن لا يتعرف على logistician (كلتاهما تخص وظيفة تتعلق باللوجستيات). من حين لآخر يتم العثور على مهن يعاني أصحابها من أمراض متشابهة. بالإضافة إلى ذلك، كمصطلح بديل لـ political party agent (وكيل حزب سياسي)، يقترح النظام public relations agent (وكيل علاقات عامة). وذلك كمجرد مثال على خطأ المسمى الوظيفي البديل.

ستكون ESCO الآن متاحة بـ 26 لغة. نعم ولا، سأكتشف ذلك. نعم، المسميات الوظيفية متاحة بـ 26 لغة، نعم، المهارات أيضًا متاحة. لكن شرح أي مصطلح يتم دائمًا باللغة الإنجليزية، مما يعني أن المسمى الوظيفي يمكن ترجمته إلى كافة اللغات وأما التوصيف الوظيفي فلا. بل يظل دائمًا باللغة الإنجليزية. والأمر محل التساؤل الآن هو ما إذا كان أي رب عمل من فرنسا يفهم مهنة السويدي مقدم طلب العمل إليه فهمًا أوضح من دون تعريف بلغته الأصلية الفرنسية. أو ما إذا كان يفهم ما إذا كان التصنيف يوائم فعلاً وظيفته الشاغرة.

بعيدًا عن حقيقة أن المؤهلات متاحة بلغة واحدة فقط وهياليونانية. فلا يمكن العثور على التوصيفات المفصلة إلا بهذه اللغة. على أية حال، أي رب عمل في دولة أخرى عضو لن يفهم مقدم الطلب إليه فهمًا أوضح حتى وإن كان ينتمي إلى اليونان. ESCO ذاتها تذكر إن المؤهلات يجب توفيرها من قبل الدول الأعضاء وسيتم دمجها من حين إلى آخر. لكن الدول الأعضاء الـ 27 أمهلت نفسها زمنًا طويلاً.

والآن يجب أن ألخص قائلاً إنني أشعر بخيبة أمل ليست قليلة. فقد انتظرت حوالي أربع سنوات منذ أن رحت أشرح الإمكانيات المتشعبة للأنطولوجيات مع الآخرين في مؤتمر ESCO. لكن لم يتم بناء أنطولوجيا بل بالأحرى نظام تصنيف أو مجموعة مصطلحات. تم دمج 2942 مهنة و13485 مهارة و672 مؤهل (يوناني) في ESCO. الواضح أن ESCO استثمرت قدرًا كبيرًا من الوقت وربما الكثير جدًا من المال في هذا التطوير. لكن مسألة ما إذا كان هذا هو التقدم الهائل لتحقيق هدف يونكر إنما هي موضع شك.

والسؤال المطروح: ماذا نفعل الآن؟ هل ننتظر أربع سنوات أخرى على أمل احتمال أن تتمكن ESCO من تلبية احتياجات الموارد البشرية ودوائر التوظيف العامة؟ أو ربما يجدر بنا البحث عن بديل؟ ماذا عن بديل يمثل أنطولوجيا حقيقية مع تعرف دلالي؟ تدرك أن موظف الحزب لا يفعل نفس الشيء الذي يفعله موظف العلاقات العامة. تعرف أن MS Word هي المهارة ذاتها مثل Microsoft Word أو معالجة الكلمات. وتحتوي على لغات كثيرة بالكامل. ومن يدري، ربما يكون هذا الحل موجودًا بالفعل. ربما ينجح بحث على شبكة الإنترنت في هذا الصدد. على سبيل المثال، على http://janzz.technology.

[1] ESCO (2015). الإطار الاستراتيجي لـ ESCO. الرؤية والرسالة والموقف والقيمة المضافة والمبادئ التوجيهية. بروكسل:

[2] لأغراض هذا البحث، اقتصرنا على استخدام قاعدة بيانات ESCOعلى الإنترنت.