صراحة نيوز – مع اقتراب عام 2027 وتسارع التحولات التي يقودها الذكاء الاصطناعي في سوق العمل، تبرز خمس مهارات جديدة بوصفها من أبرز الأدوات التي قد تساعد علماء البيانات على الحفاظ على تنافسيتهم المهنية، في ظل انتقال الشركات من مجرد استخدام النماذج الذكية إلى بناء أنظمة متكاملة قابلة للتشغيل والتوسع.
ووفقًا لمقال نشره موقع “Towards Data Science” التقني، فإن مستقبل علماء البيانات لن يتوقف على قدرتهم على استخدام النماذج اللغوية الكبيرة فحسب، بل سيتطلب امتلاك مهارات عملية مرتبطة بربط النماذج بالبيانات، وإدارة استخدامها، وحماية مخرجاتها، وقياس أدائها، وبناء أنظمة قادرة على تنفيذ مهام متعددة الخطوات.
وتأتي في مقدمة هذه المهارات تقنية الاسترجاع المعزز بالتوليد (RAG)، التي تتيح ربط النماذج اللغوية بالبيانات والوثائق وقواعد المعرفة الخاصة بالمؤسسات، بما يسمح بتقديم إجابات تستند إلى مصادر وبيانات أكثر ارتباطًا بالمهمة المطلوبة.
كما يبرز توجيه النماذج (Model Routing) بوصفه مهارة مهمة لإدارة استخدام نماذج الذكاء الاصطناعي، من خلال اختيار النموذج الأنسب لكل مهمة، بدلًا من الاعتماد على نموذج واحد مرتفع التكلفة لجميع العمليات؛ الأمر الذي يمكن أن يسهم في تحسين الكفاءة وخفض النفقات.
وأشار المقال أيضًا إلى أهمية تطوير الضوابط والحواجز الأمنية (Guardrails) لحماية أنظمة الذكاء الاصطناعي من محاولات التلاعب بالتعليمات أو تسرب المعلومات الحساسة، إلى جانب التحقق من المدخلات والمخرجات وضمان استخدام النماذج ضمن الحدود المحددة لها.
ومن بين المهارات الأساسية كذلك، يأتي التقييم والمراقبة (Evals and Observability)، التي تركز على اختبار أداء النماذج بصورة مستمرة وقياس جودة مخرجاتها، ومراقبة التغيرات التي قد تطرأ على أدائها عند تعديل النماذج أو البيانات أو التعليمات.
أما المهارة الخامسة فتتمثل في تصميم حلقات الوكلاء الذكيين (Agentic Loops)، التي تسمح لأنظمة الذكاء الاصطناعي بتنفيذ مهام متعددة الخطوات واستخدام أدوات مختلفة للوصول إلى نتائج محددة.
ومع ذلك، يشدد المقال على أن استخدام الوكلاء الذكيين لا ينبغي أن يكون خيارًا افتراضيًا لجميع المهام، إذ قد تكون الحلول البرمجية التقليدية في بعض الحالات أكثر بساطة وفاعلية.
ويخلص المقال إلى أن القيمة المهنية لعلماء البيانات خلال السنوات المقبلة ستعتمد بصورة متزايدة على قدرتهم على بناء أنظمة ذكاء اصطناعي دقيقة وآمنة وقابلة للقياس وفعّالة من حيث التكلفة، وقادرة على التعامل مع البيانات والمستخدمين في بيئات العمل الفعلية.
