وظائف جديدة يصنعها الذكاء الاصطناعي في السوق السعودي

عندما نتحدث عن تأثير الذكاء الاصطناعي على الوظائف في السعودية، من السهل أن يتحول النقاش إلى سؤال واحد متكرر: ما الوظائف التي سيأخذها AI؟ لكن هذه ليست سوى نصف الصورة. فالتقنيات التي تقلل الحاجة إلى بعض المهام تخلق في المقابل احتياجات جديدة لم تكن موجودة بالحجم نفسه قبل سنوات؛ فكل شركة تريد استخدام الذكاء الاصطناعي تحتاج إلى شخص يجهز البيانات، وشخص يبني الحل، وآخر يربطه بأنظمة الشركة، وشخص يختبر جودته، وآخر يراجع مخاطره، وغيرهم ممن يساعدون الموظفين على تبنيه بطريقة عملية وآمنة.

وفي السعودية توجد أسباب تجعل هذا التحول مهمًا بصورة خاصة. فالاستراتيجية الوطنية للبيانات والذكاء الاصطناعي تضع ضمن أهدافها تمكين أكثر من 20 ألف متخصص وخبير في البيانات والذكاء الاصطناعي، وجذب استثمارات تقارب 75 مليار ريال في المجال، وتحفيز إنشاء أكثر من 300 شركة ناشئة مرتبطة بالبيانات وAI. كما تحدد قطاعات مثل التعليم والحكومة والصحة والطاقة والنقل ضمن المجالات ذات الأولوية لتطبيق البيانات والذكاء الاصطناعي.

وفي الوقت نفسه، تشير أحدث أرقام تقرير رؤية السعودية 2030 لعام 2025 إلى أن الاقتصاد الرقمي أصبح يمثل نحو 15.8% من الناتج المحلي الإجمالي، مع وجود أكثر من 1,050 شركة تقنية ناشئة أُنشئت خلال أربع سنوات ضمن البرامج المشار إليها في التقرير، إضافة إلى آلاف الوظائف التي أنشأتها برامج تنمية التقنية.

وظائف جديدة يصنعها الذكاء الاصطناعي في السوق السعودي

كل هذا لا يعني أن هناك قائمة رسمية تقول إن عشرين وظيفة جديدة ستظهر غدًا بأسماء محددة، ولا يعني أن كل شركة سعودية ستستخدم المسميات نفسها. لكن الاتجاه الحالي يسمح لنا برؤية عائلات وظيفية جديدة أو متوسعة تنشأ حول الذكاء الاصطناعي والبيانات والأتمتة والحوكمة والأمن. بعض هذه الوظائف موجود بالفعل، وبعضها يتوسع بسرعة، وبعضها قد يظهر داخل الشركات بمسمى مختلف رغم تشابه المهام.

ما المقصود أصلًا بوظائف جديدة يصنعها الذكاء الاصطناعي؟

ليس المقصود فقط الوظائف التي تحتوي كلمة "AI" في اسمها. قد تكون الوظيفة الجديدة امتدادًا لوظيفة قديمة، لكنها أصبحت تحتاج إلى مسؤوليات لم تكن موجودة سابقًا. مثلًا، كان لدينا مدير منتج قبل الذكاء الاصطناعي، لكننا نرى الآن حاجة متزايدة إلى مدير منتج AI يفهم المنتجات والبيانات والنماذج ومخاطر استخدامها. وكان لدينا مختص أمن سيبراني، لكن دخول النماذج والوكلاء الذكيين يخلق مشكلات أمنية جديدة تحتاج إلى خبرة في أمن أنظمة الذكاء الاصطناعي.

وقد لا تنشأ وظيفة مستقلة أصلًا. ربما يصبح داخل قسم الموارد البشرية شخص مسؤول عن تطبيق AI على عمليات التوظيف، أو داخل قسم المالية موظف متخصص في أتمتة التحليل وإعداد التقارير.

لهذا لا تلاحق اسم الوظيفة فقط

راقب المهام والمهارات التي بدأت الشركات تحتاج إليها. أسماء الوظائف تتغير بسرعة، لكن الحاجة الأساسية تبقى أوضح.

لماذا السوق السعودي مرشح لنمو هذه الأدوار؟

الشركات لا توظف متخصصين في الذكاء الاصطناعي لمجرد أن التقنية مشهورة، بل عندما تبدأ في استخدامها فعليًا داخل الأعمال. وكلما زاد تبني التقنية، ظهرت وظائف حول التطبيق والإدارة والرقابة والتدريب.

توقعات أصحاب العمل في السعودية ضمن تقرير Future of Jobs 2025 تشير إلى تركيز قوي على تبني التقنية وأتمتة المهام، مع توقع الشركات المشاركة ارتفاع نسبة المهام التي تؤديها التكنولوجيا بصورة أساسية إلى نحو 45% بحلول 2030. كما يضع أكثر من 70% منهم الثقافة التقنية ضمن المهارات المتزايدة الأهمية، إلى جانب AI والبيانات والأمن السيبراني. وهذه توقعات أصحاب عمل وليست نتيجة حتمية، لكنها تعطي مؤشرًا واضحًا إلى اتجاه الطلب.

كما أن بوابة مهارات المستقبل التابعة لوزارة الاتصالات وتقنية المعلومات تضع الذكاء الاصطناعي، وعلم البيانات، وأمن المعلومات، وتحليل الأعمال، وإدارة قواعد البيانات، والروبوتات وغيرها ضمن مجالات التأهيل والتوظيف، وتعرض إطارًا للمسارات الوظيفية يشمل البيانات والذكاء الاصطناعي والأمن والمجالات التقنية المساندة.

1. مهندس الذكاء الاصطناعي والتعلم الآلي

هذه من أكثر الوظائف وضوحًا. مهندس AI أو Machine Learning Engineer يعمل على بناء النماذج أو دمجها أو تدريبها أو نشرها داخل المنتجات والأنظمة.

لكن الوظيفة لم تعد تعني دائمًا بناء نموذج ضخم من الصفر. كثير من الشركات ستحتاج إلى شخص يستطيع أخذ نموذج جاهز ثم تكييفه مع بيانات الشركة وربطه بتطبيقاتها وتحسين أدائه ومراقبته.

ماذا يحتاج هذا الدور؟

عادة إلى أساس قوي في البرمجة والبيانات والتعلم الآلي، مع فهم للنشر السحابي وواجهات API وتقييم أداء النماذج.

لماذا قد يزداد الطلب عليه في السعودية؟

لأن توسيع تطبيق AI في قطاعات الصحة والطاقة والتعليم والنقل والحكومة يحتاج إلى مهندسين يستطيعون الانتقال من تجربة صغيرة إلى نظام يعمل في الواقع، وهي قطاعات وضعتها الاستراتيجية الوطنية ضمن الأولويات.

2. مهندس البيانات

قبل أن تسأل: أين نموذج AI؟ اسأل: أين البيانات؟

كثير من مشروعات الذكاء الاصطناعي تفشل قبل الوصول إلى النموذج؛ لأن البيانات مبعثرة أو غير نظيفة أو غير قابلة للاستخدام.

وهنا يأتي Data Engineer.

هذا الشخص يبني الأنظمة التي تجمع البيانات من مصادر مختلفة، وينظمها وينقلها ويجعلها جاهزة للتحليل أو التدريب أو الاستخدام داخل أدوات AI.

AI يجعل هذه الوظيفة أكثر أهمية لا أقل

كلما زادت الشركات اعتمادًا على الذكاء الاصطناعي، أصبحت جودة البنية التي تحمل البيانات أكثر أهمية.

بوابة مهارات المستقبل تضع البيانات والذكاء الاصطناعي وإدارة قواعد البيانات ضمن المسارات المرتبطة بسوق العمل، كما تعرض حاليًا تدريبات في إعداد وتنظيف البيانات وعلوم البيانات والسحابة الخاصة بـAI والبيانات الضخمة.

3. عالم البيانات ومحلل البيانات المدعوم بالذكاء الاصطناعي

هذه الوظيفة موجودة بالفعل، لكنها تتغير.

المحلل الذي كان يقضي معظم وقته في تنظيف البيانات وكتابة الاستعلامات قد يستخدم AI لتسريع هذه الخطوات، بينما ينتقل الجزء الأكبر من قيمته إلى صياغة السؤال وفهم البيانات والتحقق من النتائج.

المهنة لن تختفي لأن AI يستطيع رسم Chart

الفرق بين رسم مخطط وبين معرفة ما يعنيه المخطط كبير.

السؤال الحقيقي هو:

لماذا انخفضت المبيعات؟

هل السبب موسمي؟

هل هناك مشكلة في فئة معينة؟

هل البيانات نفسها صحيحة؟

هنا تصبح الخبرة التحليلية مهمة جدًا.

4. مدير منتجات الذكاء الاصطناعي

الشركة قد تملك مهندسين ممتازين ونموذجًا قويًا، لكنها تظل بحاجة إلى شخص يجيب عن سؤال بسيط جدًا:

ما الذي يجب أن نبنيه أصلًا؟

هنا يظهر دور AI Product Manager.

مدير منتج AI يربط احتياج العميل بإمكانات النموذج، ويحدد الوظائف التي تستحق التنفيذ، ويتابع الجودة والمخاطر وتجربة المستخدم.

هذه وظيفة تجمع الأعمال بالتقنية

لا تحتاج إلى أن تكون أفضل مبرمج في الفريق، لكنك تحتاج إلى فهم كافٍ لـAI حتى لا تطلب أشياء غير واقعية أو تقدم ميزات غير آمنة للمستخدم.

وكلما انتقل AI من المختبر إلى منتجات يستخدمها الناس يوميًا، زادت قيمة هذا النوع من الأدوار.

5. مختص أتمتة العمليات ووكلاء AI

أحد الاتجاهات المهمة في 2026 هو الانتقال من AI يجيب عن سؤال إلى Agent يستطيع تنفيذ عدة خطوات.

شركة لديها عملية تبدأ برسالة عميل، ثم تحتاج إلى استخراج بيانات، وتحديث CRM، وإعداد رد، وإنشاء مهمة، قد تحاول ربط كل ذلك في سير عمل واحد.

من سيبني هذه العمليات؟

هنا تظهر وظائف مثل:

مختص أتمتة AI، أو AI Automation Specialist، أو Agent Workflow Engineer.

الأسماء ستختلف، لكن الفكرة واحدة: شخص يفهم كيف تعمل العملية التجارية ويستطيع تصميم ما يقوم به AI وما يبقى للبشر.

هذه الوظيفة لا تعتمد فقط على البرمجة

تحتاج إلى فهم حقيقي لسير العمل داخل المؤسسة، لأن أتمتة عملية سيئة لا تجعلها جيدة؛ تجعل الخطأ أسرع فقط.

6. مهندس حلول الذكاء الاصطناعي

كثير من الشركات لن تبني نموذجًا من الصفر، لكنها تحتاج إلى اختيار بين عشرات المنصات ثم دمجها مع أنظمة الشركة.

هنا يأتي AI Solutions Architect أو مهندس حلول الذكاء الاصطناعي.

ماذا يفعل؟

يفهم احتياجات المؤسسة، ويحدد البنية المناسبة، وأين توجد البيانات، وأي جزء يعمل في السحابة، وأي نموذج يستخدم، وكيف يتصل كل ذلك بأنظمة الشركة الحالية.

هذه الوظيفة تشبه بناء جسر بين التقنية وبيئة الأعمال الفعلية.

7. مستشار تطبيق الذكاء الاصطناعي

ليست كل شركة تعرف من أين تبدأ.

قد يقول المدير:

"نريد استخدام AI."

لكن السؤال الحقيقي هو:

أين؟

في خدمة العملاء؟

المالية؟

المبيعات؟

المستندات؟

التحليل؟

هنا يظهر مستشار AI

وظيفته ليست بيع أدوات فقط، بل اكتشاف الحالات التي تحقق قيمة حقيقية، وقياس العائد، وتحديد المخاطر وبناء خطة تنفيذ.

ومع توسع الشركات السعودية في تبني التكنولوجيا، يمكن أن ينمو الطلب على هذا النوع من الاستشارات داخل شركات التقنية والاستشارات أو داخل المؤسسات نفسها.

8. مختص حوكمة الذكاء الاصطناعي

هذه من الوظائف التي قد لا تبدو مثيرة مثل "مهندس AI"، لكنها قد تصبح شديدة الأهمية.

كلما استخدمت الشركة AI في قرارات أو تعاملت مع بيانات حساسة، تظهر أسئلة مثل:

من المسؤول عن النموذج؟

ما البيانات المسموح باستخدامها؟

كيف نختبر التحيز؟

كيف نوثق القرارات؟

متى يحتاج القرار إلى مراجعة بشرية؟

هنا يأتي AI Governance Specialist

هذا الدور يجمع التقنية والسياسات وإدارة المخاطر والخصوصية.

والإشارة المهمة هنا أن بوابة مهارات المستقبل عرضت في 2026 تدريبًا بعنوان Responsible AI, Ethics and AI Governance، وهو دليل على أن الحوكمة والأخلاقيات أصبحت جزءًا من منظومة بناء المهارات التقنية، وليس موضوعًا نظريًا بعيدًا عن سوق العمل.

9. مختص إدارة مخاطر النماذج والذكاء الاصطناعي

قريب من الحوكمة لكنه أكثر تركيزًا على المخاطر التشغيلية.

إذا كان البنك أو شركة التأمين أو مؤسسة كبيرة تعتمد على نموذج، فمن يحتاج إلى التأكد من أن النموذج لا يتدهور؟ أو أنه لا يعطي نتائج غير متوقعة؟ أو أن الشركة تعرف كيف تتصرف عندما يفشل؟

هذه وظيفة قد تنمو داخل قطاعات شديدة التنظيم

مثل المالية والصحة والجهات التي تتعامل مع بيانات حساسة.

المسمى قد يكون AI Risk، Model Risk أو AI Assurance، لكن الفكرة هي اختبار الثقة في النظام قبل أن تؤثر أخطاؤه في الناس أو الأعمال.

10. مختص أمن الذكاء الاصطناعي

دخل AI إلى الأمن السيبراني من اتجاهين. الأول أنه يساعد فرق الأمن على تحليل التهديدات، والثاني أنه يخلق مخاطر جديدة يجب حمايتها.

قد يتعرض Agent لتعليمات خبيثة.

وقد تُسرّب بيانات عبر Prompt.

وقد يحاول مهاجم التلاعب بنموذج أو بمصدر بياناته.

هنا تظهر منطقة AI Security

الموظف يحتاج إلى فهم الأمن السيبراني التقليدي، لكنه يضيف إليه مخاطر النماذج والبيانات والوكلاء الذكيين.

وليس من المصادفة أن أصحاب العمل في السعودية يضعون الشبكات والأمن السيبراني إلى جانب AI والبيانات ضمن المهارات المتزايدة الأهمية.

11. مسؤول حوكمة البيانات وData Steward

الذكاء الاصطناعي لا يخلق فقط وظائف حول النموذج، بل حول البيانات التي يعتمد عليها.

Data Steward أو مسؤول جودة وحوكمة البيانات يعمل على تحديد معنى البيانات، ومن يملكها، ومن يستطيع الوصول إليها، وما معايير جودتها.

لماذا يصبح هذا الدور أهم؟

لأن AI يستطيع توسيع أثر البيانات الرديئة بسرعة كبيرة.

إذا كان تعريف "العميل النشط" مختلفًا بين إدارتين، فالنموذج قد يعطي تحليلًا يبدو دقيقًا لكنه مبني على تعريفات متعارضة.

ولهذا تُعد حوكمة البيانات واحدة من المسارات الموجودة بالفعل ضمن مبادرات تنمية المهارات السعودية.

12. مختص تقييم جودة نماذج AI

هناك وظيفة جديدة تنشأ حول سؤال بسيط:

هل النظام يعطي نتائج جيدة فعلًا؟

الشركات تحتاج إلى أشخاص يبنون اختبارات، ويحددون حالات الفشل، ويقارنون النماذج، ويقيمون دقة الإجابة وملاءمتها وسلامتها.

هذه الوظيفة لا تحتاج دائمًا إلى بناء النموذج

قد تعمل بعد مرحلة البناء.

تجهز Dataset للاختبار.

تحدد معايير النجاح.

تبحث عن الأخطاء المتكررة.

وتقترح تحسينات.

يمكن أن نجد مسميات مثل AI Evaluator، Model Evaluation Specialist أو AI Quality Analyst، وستختلف الأسماء بين الشركات.

13. مختص Human-in-the-Loop

ليست كل عملية مناسبة للأتمتة الكاملة.

قد يقوم AI بإنتاج النتيجة الأولى، ثم يحتاج شخص إلى مراجعتها قبل التنفيذ.

هذا النموذج يسمى غالبًا Human-in-the-Loop، أي الإنسان داخل دورة القرار.

قد تظهر وظائف تركز على هذه المرحلة

ليس فقط "مراجع محتوى"، بل شخص يفهم المجال ويستطيع تقييم نتائج AI بكفاءة.

مثل مراجعة إجابات الدعم الفني، أو التحقق من تصنيف بيانات، أو مراجعة قرار مساعد قبل إرساله إلى العميل.

كلما زاد اعتماد المؤسسات على AI، سيزداد الاهتمام بمن يصمم أين يجب أن يتدخل الإنسان وليس فقط أين نستخدم الأتمتة.

14. متخصص اللغة العربية وتقنيات AI

هذه منطقة مهمة جدًا للسوق السعودي.

معظم النماذج العالمية تعمل بلغات متعددة، لكن العربية ليست مجرد ترجمة حرفية للإنجليزية. هناك لهجات وأساليب وصيغ رسمية ومصطلحات محلية.

وهنا تظهر وظائف في Arabic NLP وArabic AI

تطوير بيانات عربية.

تقييم جودة النماذج باللغة العربية.

بناء تطبيقات تفهم اللهجات.

تحسين البحث والصوت والتحويل بين الكلام والنص.

وهذا ليس اتجاهًا هامشيًا؛ فمن الأهداف الاستراتيجية المنشورة لسدايا تحقيق الريادة في تقنيات اللغة العربية، إلى جانب بناء الخبرات الوطنية في البيانات والذكاء الاصطناعي.

هذه فرصة لا توفرها السوق العالمية بالطريقة نفسها

لأن فهم اللغة والسياق السعودي يعطي المتخصص المحلي ميزة واضحة.

15. مدرب وممكن تبني الذكاء الاصطناعي داخل الشركات

شراء الأدوات أسهل من تغيير سلوك الموظفين.

قد تعطي الشركة Copilot أو ChatGPT أو Gemini لمئات الموظفين، ثم تكتشف أن نصفهم لا يعرف أين يستخدمه، والنصف الآخر يستخدمه بطريقة لا تتوافق مع سياسات البيانات.

هنا يظهر AI Adoption Specialist

وظيفته مساعدة الموظفين على تبني التقنية.

ينظم التدريب.

يبني حالات استخدام.

يحدد الممارسات الجيدة.

يقيس الاستخدام.

ويتعاون مع التقنية والموارد البشرية والحوكمة.

وفي 2026 أطلقت وزارة الموارد البشرية ووزارة الاتصالات وشركاؤهما مركز التميز للذكاء الاصطناعي بهدف تسريع تبني AI لدى العاملين وتنمية مهاراتهم بما يتوافق مع احتياجات سوق العمل المستقبلية. وهذا يعكس أن "تبني AI" نفسه أصبح مجال عمل يحتاج إلى قدرات مخصصة.

16. مختص إدارة التغيير المرتبط بالذكاء الاصطناعي

عندما تدخل تقنية جديدة إلى قسم كبير، قد تتغير الوظائف والمقاييس والإجراءات.

الموظف قد يخاف من فقد وظيفته.

المدير قد لا يعرف كيف يقيس الأداء الجديد.

والعملية القديمة قد لا تناسب التقنية.

هذه ليست مشكلة برمجية

إنها مشكلة Change Management.

ولهذا يمكن أن نرى توسعًا في أدوار تجمع بين الموارد البشرية والتحول الرقمي وAI، لمساعدة الفرق على الانتقال من طرق العمل التقليدية إلى طرق مدعومة بالذكاء الاصطناعي.

17. رائد أعمال يبني منتجات AI للسوق السعودي

ليس كل أثر AI سيظهر في وظيفة داخل شركة كبيرة.

جزء منه سيظهر في شركات ناشئة جديدة.

الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي تستهدف تحفيز إنشاء أكثر من 300 شركة ناشئة في مجال البيانات وAI، كما تعمل برامج مثل مسرعة "غاية" على دعم منظومة الشركات الناشئة في الذكاء الاصطناعي التوليدي.

أين الفرص؟

حلول عربية للشركات.

تطبيقات قطاعية للصحة.

أدوات تعليم.

تحليل أعمال.

خدمة عملاء.

أتمتة للشركات الصغيرة.

تقنيات لغة وصوت عربية.

المؤسس هنا يصنع وظيفته ووظائف الآخرين

وهذا جانب مهم جدًا من أثر AI في سوق العمل لا يظهر عندما نركز فقط على وظائف الشركات الكبيرة.

18. وظائف هجينة داخل القطاعات التقليدية

ربما تكون هذه أكبر مجموعة في المستقبل.

لن يكون اسم الوظيفة:

"خبير ذكاء اصطناعي".

بل:

محاسب يستخدم AI.

طبيب يعمل مع أدوات تحليل ذكية.

مهندس صيانة يستخدم نماذج تنبؤية.

مسوق يحلل السوق بالذكاء الاصطناعي.

مسؤول موارد بشرية يستخدم أدوات AI في إدارة المواهب.

هذه الوظائف الهجينة قد تكون أكثر عددًا من وظائف AI الخالصة

لأن كل قطاع يمكن أن يستخدم التقنية بطريقته.

والاستراتيجية الوطنية نفسها تركز على تطبيق البيانات وAI في التعليم والحكومة والصحة والطاقة والتنقل، ما يعني أن الطلب المحتمل لا يقتصر على شركات البرمجيات.

هل وظيفة Prompt Engineer ستصبح وظيفة ضخمة؟

هذا سؤال يتكرر كثيرًا.

في السنوات الأولى للذكاء الاصطناعي التوليدي ظهر Prompt Engineer كمسمى جذاب، لكن من غير الحكمة بناء مسارك كله على فكرة أن كتابة Prompts ستظل وظيفة مستقلة واسعة الانتشار.

الأرجح أن Prompting يصبح مهارة داخل وظائف أخرى

المحلل يحتاجها.

المسوق يحتاجها.

المبرمج يحتاجها.

ومدير المنتج يحتاجها.

القيمة ستنتقل إلى فهم العملية

ليس فقط:

كيف أكتب أمرًا ذكيًا؟

بل:

كيف أبني سير عمل كاملًا؟

كيف أقيس الجودة؟

كيف أربطه بالبيانات؟

كيف أمنع الخطأ؟

تعلم Prompting.. لكن لا تجعل هويتك المهنية كلها تعتمد عليه

لأن أدوات AI نفسها تصبح أفضل في فهم اللغة الطبيعية.

ما الوظائف الأقرب للظهور أو التوسع بسرعة؟

إذا جمعنا الاتجاهات الحالية، يمكن رؤية ثلاث مجموعات رئيسية.

المجموعة الأولى هي وظائف بناء التقنية مثل هندسة AI والبيانات والحلول.

والمجموعة الثانية وظائف التحكم والثقة مثل الحوكمة والأمن والمخاطر والتقييم.

أما المجموعة الثالثة فهي وظائف التطبيق والتبني مثل الأتمتة، والاستشارات، وإدارة المنتج، وإدارة التغيير والتدريب.

هذه المجموعات تعتمد على بعضها

لا تستطيع المؤسسة بناء AI دون بيانات.

ولا تستطيع استخدامه بأمان دون حوكمة.

ولا تستطيع الحصول على عائد منه إذا لم يتبنه الموظفون.

كيف تختار المسار المناسب لك؟

لا تختر الوظيفة لأن اسمها جديد.

ابدأ مما تعرفه بالفعل.

إذا كنت مبرمجًا، قد يناسبك ML Engineering أو AI Automation.

إذا كنت محلل بيانات، قد تنتقل إلى AI Analytics أو Model Evaluation.

إذا كنت تعمل في الامتثال، فقد يكون AI Governance أقرب إليك.

إذا كنت مدير منتجات، تستطيع التخصص تدريجيًا في AI Products.

إذا كنت في التدريب والموارد البشرية، فمجال AI Adoption وإدارة التغيير قد يكون منطقيًا.

ابدأ من مهارتك الحالية ثم أضف AI

هذا أسهل وأكثر قوة من محاولة البدء من الصفر في مجال لا تعرفه.

ماذا تقول برامج التدريب السعودية عن الاتجاه؟

من المفيد النظر إلى ما يتم تدريسه الآن بدل الاكتفاء بتوقعات بعيدة. بوابة مهارات المستقبل تعرض مسارات تدريبية ووظيفية في AI، وعلوم البيانات، والأمن السيبراني، وتحليل الأعمال، وحوكمة البيانات وغيرها. كما تضمنت دورات 2026 موضوعات مثل Responsible AI and AI Governance، وCloud for AI, Big Data & Machine Learning، وData Science Foundations، وData Preparation & Cleaning.

هذه ليست ضمانًا لوظائف بمسميات معينة

لكنها تعطينا إشارة قوية إلى مجالات المعرفة التي يتم الاستثمار في بنائها لدى القوى العاملة.

كيف تبدأ الاستعداد لوظيفة جديدة مرتبطة بـAI؟

أفضل طريق ليس جمع عشرين شهادة قبل تنفيذ شيء واحد.

اختر مسارًا.

تعلم الأساسيات.

ثم نفذ مشروعًا صغيرًا يشبه عملًا حقيقيًا.

مثلًا، إذا أردت AI Governance، أنشئ نموذج سياسة استخدام AI لشركة افتراضية وحدد المخاطر وآلية الموافقة.

إذا أردت Automation، ابنِ Workflow يقرأ طلبًا ويصنفه ويجهز مسودة مع مراجعة بشرية.

إذا أردت AI Product Management، صمم فكرة منتج وحدد المشكلة والمستخدم والبيانات ومقياس النجاح والمخاطر.

المشروع يحول المعرفة إلى دليل

وأصحاب العمل يحتاجون إلى رؤية أنك تستطيع تطبيق المهارة، لا ذكر اسمها فقط.

هل يجب أن تنتظر حتى تظهر الوظيفة في إعلان؟

ليس بالضرورة.

في المجالات الجديدة، المهارة قد تظهر قبل المسمى.

قد تبحث الشركة عن Business Analyst لكنها تضع ضمن المتطلبات AI Automation.

أو تبحث عن Compliance Specialist مع معرفة بحوكمة AI.

ابحث داخل الوصف الوظيفي لا العنوان فقط

هذه قاعدة مهمة جدًا في سوق سريع التغير.

كيف تتجنب مطاردة وظائف قد تختفي سريعًا؟

ركز على المهارات العميقة التي تدعم أكثر من مسمى.

بدل أن تقول:

"أريد أن أصبح Prompt Engineer فقط."

ابنِ مزيجًا مثل:

تخصص مهني + AI + بيانات + أتمتة + تحقق وأمن.

إذا تغير اسم الوظيفة تبقى المهارات قابلة للنقل

وهذا أكثر أمانًا لمسارك على المدى الطويل.

السوق لن يحتاج فقط إلى أفضل المبرمجين

من الخطأ الاعتقاد أن الوظائف الجديدة كلها تحتاج إلى علوم حاسب متقدمة.

بعض الأدوار تحتاج إلى تقنية قوية فعلًا، لكن وظائف مثل إدارة المنتج، والحوكمة، وإدارة التغيير، والاستشارات، وتبني AI تحتاج إلى مزيج أكبر من فهم الأعمال والتواصل والسياسات.

لهذا يمكن للموظف الحالي الانتقال دون أن يبدأ من الصفر

خبرة خمس سنوات في مجال ما ليست عبئًا.

قد تكون أهم ميزة لديك إذا أضفت إليها AI.

هل هذه الوظائف مضمونة؟

لا.

لا توجد وظيفة مستقبلية مضمونة، كما أن أسماء الأدوار ستختلف من مؤسسة إلى أخرى.

لكن يمكننا القول إن الاتجاهات الحالية في السعودية تدعم توسع منظومة العمل حول البيانات والذكاء الاصطناعي؛ فوزارة الاتصالات تدعم التدريب والتوظيف في AI وعلم البيانات وأمن المعلومات، والاستراتيجية الوطنية تستهدف بناء أكثر من 20 ألف متخصص وخبير وتحفيز مئات الشركات الناشئة، بينما يتوقع أصحاب العمل المشاركون ارتفاع أهمية AI والبيانات والأمن والثقافة التقنية.

هذه إشارات اتجاه وليست قائمة وظائف مضمونة

والفرق مهم.

الخلاصة: AI لا يصنع وظيفة واحدة جديدة.. بل يبني طبقة وظائف كاملة حول الاقتصاد الرقمي

عندما ينظر المستخدم السعودي إلى الذكاء الاصطناعي من زاوية الوظائف، لا ينبغي أن يرى المشهد محصورًا بين "مهندس AI" و"وظيفة ستختفي". الواقع أوسع كثيرًا.

هناك وظائف تبني النماذج والبيانات، مثل مهندس AI ومهندس البيانات وعالم البيانات. وهناك وظائف تحول التقنية إلى منتج أو عملية، مثل مدير منتجات AI ومختص الأتمتة ومهندس الحلول ومستشار التطبيق. وهناك وظائف تضمن أن النظام آمن ومسؤول، مثل مختص حوكمة AI ومخاطر النماذج وأمن الذكاء الاصطناعي وحوكمة البيانات. كما ستنمو أدوار متعلقة بتقييم الجودة، واللغة العربية، وتدريب الموظفين، وإدارة التغيير.

ولا يعني ذلك أن جميع هذه المسميات ستظهر بالحروف نفسها في إعلانات الوظائف السعودية. بعض الشركات ستدمجها داخل وظائف قائمة، وبعضها سيستخدم أسماء مختلفة، وبعضها سيقسم المهمة بين عدة أشخاص.

لكن اتجاه السوق نفسه واضح: تبني AI يحتاج إلى منظومة بشرية كاملة حوله. وهذا يتفق مع أهداف الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي ببناء أكثر من 20 ألف متخصص وخبير وتحفيز أكثر من 300 شركة ناشئة، ومع مسارات التدريب والتوظيف الحالية في الذكاء الاصطناعي والبيانات والأمن والتحول الرقمي.

لذلك، إذا كنت تفكر في مستقبلك المهني، لا تسأل فقط:

"ما الوظيفة الجديدة التي سيخلقها AI؟"

اسأل:

"أي مشكلة جديدة تظهر عندما تدخل هذه التقنية إلى الشركات، وما المهارات التي تجعلني الشخص القادر على حلها؟"

كل مشكلة جديدة حول البيانات أو الأمان أو الجودة أو التكامل أو التدريب أو الحوكمة يمكن أن تتحول إلى دور مهني جديد أو مسؤولية جديدة لها قيمة في السوق.

ومن هنا تأتي الفرصة الحقيقية: ليس أن تنتظر وظيفة باسم مستقبلي غريب، بل أن تبني اليوم خليطًا من تخصصك الحالي مع الذكاء الاصطناعي والبيانات والقدرة على حل المشكلات. فعندما تبدأ المسميات الجديدة في الاستقرار، قد تكتشف أنك كنت تستعد لها بالفعل قبل أن يصبح لها اسم واضح.