مهارت‌های شغلی لازم برای موفقیت در سال ۲۰۲۶ از نگاه کارشناسان امارات: چرا تفکر انتقادی از کدنویسی مهم‌تر شده است؟
اضطراب شغلی به چرخه‌ای آشنا تبدیل شده است.
هر چند سال یک‌بار، همان پرسش با صدایی بلندتر بازمی‌گردد: اکنون چه مهارت‌هایی باید یاد بگیرم تا در آینده عقب نمانم؟
برای مدت طولانی، پاسخ قابل پیش‌بینی به نظر می‌رسید: کدنویسی یاد بگیر، ابزارهای هوش مصنوعی را مسلط شو و از اتوماسیون جلو بمان.
اما با ورود به سال ۲۰۲۶، این نسخه به‌سرعت در حال تغییر است.
با ادغام هوش مصنوعی در جریان‌های کاری روزمره و بازطراحی شیوه انجام کار در شرکت‌ها، کارشناسان می‌گویند مزیت واقعی دیگر فقط به این نیست که چه ابزارهایی را می‌شناسید، بلکه به این مربوط است که چگونه در کنار این ابزارها فکر می‌کنید.
به گفته واسودا خاندپارکار، کارشناس هوش مصنوعی و داده، این تغییر در اصل ماهیتی انسانی دارد.
🟢 تفکر انتقادی
با بر عهده گرفتن کارهای تکراری و قاعده‌محور از سوی هوش مصنوعی، محیط کار از مرحله اجرا به مرحله ارزیابی در حال تغییر است. جاناتان هولمز، مدیرعامل منطقه خاورمیانه، ترکیه و آفریقا در کورن‌فری، فرض رایج درباره محل انتقال ارزش را به چالش می‌کشد.
او می‌گوید: «مهارتی که اکنون بیشترین تقاضا را دارد شاید شما را شگفت‌زده کند؛ نه کدنویسی است، نه گواهینامه‌های هوش مصنوعی، بلکه تفکر انتقادی است.»
خاندپارکار نیز در تأیید این دیدگاه می‌گوید تمایز واقعی در سرعت فنی نیست. او توضیح می‌دهد: «مهارت‌هایی که برجسته خواهند شد، صرفاً فنی نیستند. آنها بر درک عمیق فرایندهای عملیاتی، محل اصطکاک‌ها و تأثیر تصمیم‌ها بر افراد استوارند.»
در عمل، این یعنی از متخصصان بیش از پیش انتظار می‌رود آنچه را سامانه‌ها از قلم می‌اندازند تشخیص دهند، نه اینکه فقط وظایف را سریع‌تر انجام دهند.
او توضیح می‌دهد افراد موفق کسانی خواهند بود که بتوانند شکاف‌ها را در خروجی‌ها تشخیص دهند، موارد خاص و پیچیده را تفسیر کنند و داده را به تصمیم‌های واقعی تبدیل کنند.
🟢 ظهور لایه تفکر در هر شغل
با گسترش اتوماسیون، بسیاری از متخصصان تصور می‌کنند حجم کارها صرفاً کمتر می‌شود.
اما در واقع، سطح انتظارات بالاتر می‌رود. خاندپارکار این روند را حرکت به سمت «لایه تفکر» توصیف می‌کند؛ بخشی از کار که قابل اتوماسیون یا تقلید آسان نیست.
این لایه شامل اعتبارسنجی خروجی‌های هوش مصنوعی، تصمیم‌گیری با داده‌های ناقص، سنجش ریسک‌ها و مصالحه‌ها، و ارتباط دادن تصمیم‌ها با اثرات واقعی آنهاست.
به عبارت دیگر، ممکن است هوش مصنوعی کار را انجام دهد، اما انسان‌ها بیش از پیش مسئول این هستند که تصمیم بگیرند آیا آن کار درست انجام شده یا نه.
🟢 سواد هوش مصنوعی اهمیت دارد
با وجود هیاهو درباره مهارت‌های فنی هوش مصنوعی، کارشناسان می‌گویند برای مرتبط ماندن با بازار کار لازم نیست مهندس شوید. آنچه اهمیت دارد، ذهنیت درست است.
خاندپارکار پیشنهاد می‌کند از چیزی ساده‌تر شروع کنید: «نسبت به هوش مصنوعی کنجکاو باشید.»
اما کنجکاوی به‌تنهایی کافی نیست؛ مسئله این است که یاد بگیرید چگونه هوش مصنوعی را در جریان‌های کاری واقعی وارد کنید. او توضیح می‌دهد: «هوش مصنوعی باید به‌عنوان ابزاری توانمندساز دیده شود که می‌تواند نقش شما را تقویت کند.»
در عمل، این یعنی استفاده از هوش مصنوعی نه به‌عنوان جایگزینی برای فکر کردن، بلکه به‌عنوان سامانه‌ای حمایتی که سرعت، شفافیت و کیفیت خروجی را بهبود می‌دهد. او می‌گوید: «کسانی که یاد بگیرند هوش مصنوعی را در تصمیم‌گیری روزانه خود ادغام کنند، می‌توانند سریع‌تر اثرگذاری بیشتری داشته باشند.»
ارزش واقعی زمانی ایجاد می‌شود که استفاده از هوش مصنوعی با تفکر تحلیلی همراه شود؛ یعنی توانایی پرسش از خروجی‌ها، استخراج بینش و به‌کارگیری آنها در موقعیت‌های واقعی. پس از آن، باید بر سازگاری تمرکز کرد. آناستازیا گولوواتنکو، مدیر Sherpa Communications، توضیح می‌دهد: «مهارت‌ها همچنان تغییر خواهند کرد، بنابراین توانایی یادگیری و سازگاری سریع، به اندازه هر مهارت فنی منفرد اهمیت دارد.»
🟢 سواد داده
در حالی که هوش مصنوعی تیترها را به خود اختصاص داده، کیفیت داده همان جایی است که بیشتر سامانه‌ها موفق یا شکست‌خورده می‌شوند.
خاندپارکار این موضوع را یکی از مهم‌ترین اما کمتر دیده‌شده‌ترین تغییرات بازار کار می‌داند. او می‌گوید: «وقتی سازمان‌ها استفاده از هوش مصنوعی را گسترش می‌دهند، کیفیت خروجی‌ها مستقیماً به کیفیت داده‌های زیربنایی وابسته است.»
به همین دلیل، حاکمیت داده، استانداردسازی و شفافیت در تعریف‌ها، حتی خارج از نقش‌های فنی نیز ضروری شده‌اند.
بدون چنین پایه‌ای، حتی پیشرفته‌ترین سامانه‌های هوش مصنوعی نیز خروجی‌های ناسازگار یا غیرقابل اعتماد تولید می‌کنند.
🟢 سازگاری و تجربه
رشد شغلی سنتی معمولاً به تخصصی پاداش می‌داد که در طول زمان ساخته می‌شد. اما در محیط‌های پرشتاب، تخصص ثابت در برابر سازگاری جایگاه خود را از دست می‌دهد.
خاندپارکار به متخصصان توصیه می‌کند کار خود را مرتب بازبینی کنند و از خود بپرسند: «کدام بخش‌های کار من تکراری و قابل بازتولید است و کدام بخش‌ها به قضاوت، زمینه و تجربه من وابسته است؟»
نکته او روشن است: اگر کاری را بتوان به‌سرعت به یک نیروی تازه‌وارد آموزش داد، احتمالاً همان کار در مسیر اتوماسیون قرار دارد.
این موضوع متخصصان را وادار می‌کند بر کارهایی تمرکز کنند که تصمیم‌محور، وابسته به زمینه و سرشار از ابهام هستند.
به گفته او، ارزشمندترین کارکنان الزاماً کسانی نیستند که بیشترین دانسته‌ها را دارند، بلکه کسانی هستند که سریع‌تر خود را تطبیق می‌دهند.
هولمز نیز توضیح می‌دهد یکی از اشتباهات رایج در مسیر ارتقای مهارت، پریدن سریع به سمت هر کلاس و دوره‌ای است که در دسترس قرار می‌گیرد؛ چه درباره هوش مصنوعی باشد و چه موضوعات دیگر. به جای فکر کردن به اینکه چه چیزی رزومه را پرتر می‌کند، افراد باید درباره کاربرد واقعی آن فکر کنند و از خود بپرسند: «آیا دانستن بیشتر درباره این موضوع یا تسلط بر این مهارت واقعاً به من کمک می‌کند در نقش فعلی یا هدفم بهتر عمل کنم؟»
🟢 قضاوت انسانی همچنان جایگزین‌ناپذیر است
با وجود ترس گسترده از جایگزین شدن مشاغل با هوش مصنوعی، کارشناسان تأکید می‌کنند واقعیت پیچیده‌تر است.
خاندپارکار هشدار می‌دهد نباید تصور کرد که هوش مصنوعی یک‌شبه کل نقش‌ها را حذف می‌کند. او می‌گوید: «یک تصور غلط رایج این است که هوش مصنوعی نقش‌های کامل را یک‌شبه جایگزین خواهد کرد.»
او توضیح می‌دهد بیشتر مشاغل از لایه‌هایی از تجربه، زمینه و دانش ضمنی ساخته شده‌اند که هوش مصنوعی به‌راحتی نمی‌تواند آنها را تقلید کند. او می‌گوید: «بیشتر نقش‌ها بر لایه‌هایی از زمینه، تجربه و قضاوت بنا شده‌اند که شکل‌گیری آنها سال‌ها زمان می‌برد.»
با این حال، متخصصانی که شیوه کار خود در کنار هوش مصنوعی را تغییر ندهند، حتی اگر نقش‌هایشان از نظر فنی باقی بماند، ممکن است عقب بیفتند.
🟢 در سال ۲۰۲۶ چه چیز واقعاً نتیجه می‌دهد؟
▪️به جای سردرگم شدن در میان حجم زیادی از ابزارهای موجود در بازار که وعده نتیجه می‌دهند، باید به اصول پایه بازگشت.
▪️رویکردی عملی برای رشد واقعی داشته باشید.
▪️ابتدا کارهای خود را نقشه‌برداری کنید؛ یعنی وظایف روزانه و هفتگی خود را با جزئیات مشخص کنید.
▪️سپس ببینید فناوری، هوش مصنوعی یا بازطراحی نیروی کار کجا می‌تواند اصطکاک را کاهش دهد یا ارزش اضافه کند.
▪️منابع موجود را آگاهانه و بر اساس همین تحلیل ارزیابی کنید.
▪️فرض نکنید همیشه به گران‌ترین یا پیچیده‌ترین نرم‌افزار یا راه‌حل نیاز دارید.
▪️راهکارهایی را در اولویت قرار دهید که به‌طور طبیعی در جریان کاری فعلی شما جا می‌گیرند.
▪️همچنین ابزارها یا روش‌هایی را در نظر بگیرید که از قبل در اختیار دارید یا پیش‌تر امتحان کرده‌اید و مؤثر بوده‌اند.
🟢 مهارت‌های کلیدی از نگاه کارشناسان
▪️تفکر انتقادی، سواد هوش مصنوعی، سواد داده و تفکر تحلیلی، همراه با تأکید قوی بر پرسش از خروجی‌ها، ارزیابی دقت و تبدیل اطلاعات به تصمیم‌های معنادار.
▪️ارتباطات، هوش هیجانی، همکاری، مدیریت ذی‌نفعان و توانایی رهبری و اثرگذاری بر تیم‌های متنوع.
▪️سازگاری و چابکی یادگیری، به‌ویژه در شرایطی که نقش‌ها و صنایع با سرعت تغییر می‌کنند.
▪️حل مسئله در لحظه، از جمله شناسایی شکاف‌ها، ناکارآمدی‌ها و راهکارهای عملی.
▪️آگاهی تجاری؛ یعنی فهم اینکه کسب‌وکارها چگونه کار می‌کنند و ارزش ایجاد می‌کنند.
▪️تصمیم‌گیری در شرایط عدم قطعیت، با اعتماد به نفس حتی زمانی که اطلاعات کامل نیست.
▪️تفکر ترکیبی؛ یعنی ترکیب دانش فنی مانند هوش مصنوعی و داده با قضاوت انسانی، درک زمینه و رهبری.
