بين نوفمبر 2022 وسبتمبر 2025، انخفض معدل العثور على عمل لدى الشريحة الأكثر ارتباطاً بسوق العمل الأمريكي بمقدار 13 نقطة مئوية. أما الشريحة كثيرة التنقّل، وهي التي تمتص عادةً الصدمات الدورية، فانخفض معدلها بمقدار نقطتين (Federal Reserve Bank of Richmond, 2026). هذه الفجوة لا سابقة لها في البيانات التي فحصتها الباحثتان — لا في الركود الكبير ولا في أي مرحلة توسّع. والانخفاضات الأحدّ منذ 2023 تتركّز في الربع المهني الأكثر تعرّضاً للذكاء الاصطناعي: المبرمجون والمحللون الماليون والمهندسون.
إذا كانت خطة القوى العاملة لديك لعام 2026 تفترض أن الجزء الهشّ هو مسار التوظيف المبتدئ وأن مقعد الخبراء لديك قابل للاستبدال بسعر السوق، فالخطة قائمة على فرضية مقلوبة.
انهيار المستوى المبتدئ حقيقي. لكنه ليس موضع الضرر.
تقرير Economic Brief 26-26، المنشور في 12 أغسطس بقلم Katarína Borovičková وClaudia Macaluso، يفعل ما يتجاوزه معظم التعليق على سوق العمل: يُفكّك البيانات. الارتفاع الأخير في البطالة، كما أثبتت الباحثتان سابقاً، هو بالكامل تقريباً قصة تدفّق خارج — الناس لا يفقدون وظائفهم بمعدلات غير معتادة، بل يعجزون عن إيجاد وظائف جديدة. السؤال المفتوح كان: أيّ ناس.
التقسيم الأول هو المألوف. يفصل مسح Current Population Survey بين من فقدوا وظائفهم، ومن تركوها، والداخلين الجدد. السردية السائدة في العامين الماضيين — أن الذكاء الاصطناعي يغلق الدرجة الأولى من سلّم المهنة — تتوقع أن يتحمّل الداخلون الجدد النصيب الأسوأ. البيانات تقول غير ذلك. تراجعت معدلات العثور على عمل لدى الداخلين الجدد، لكن الباحثتين تصفان التراجع بأنه متواضع مقارنةً بالانخفاضات لدى من فقدوا وظائفهم أو تركوها، وتستبعدان الداخلين الجدد صراحةً من بقية التحليل (Richmond Fed, 2026).
هذه نتيجة ضيّقة وتستحق صياغة دقيقة: لا تعني أن التوظيف في بداية المسار المهني بصحة جيدة. تعني أن الداخلين الجدد ليسوا الهامش الذي يفسّر الانهيار الكلي. الحركة في مكان آخر.
الارتباط لا الأقدمية: ماذا يقيس «النمط الأساسي» فعلاً
التقسيم الثاني هو الذي ينبغي أن يغيّر طريقة قراءتك للوحة معدلات الدوران لديك.
تطبّق الباحثتان إطار الأنماط الكامنة المأخوذ من "The Dual U.S. Labor Market Uncovered" لـ Hie Joo Ahn وBart Hobijn وAyşegül Şahin (NBER, 2023)، وهو إطار يصنّف العاملين بحسب درجة ارتباطهم بسوق العمل لا بحسب أي مؤهل ظاهر:
- النمط الأساسي — نحو 55% من السكان، يكاد يكون دائم التوظّف، مستقر وطويل المدة
- النمط الثانوي — نحو 14%، مرتبط بقوة لكنه عاطل بوتيرة أعلى
- النمط الثالث — نحو 31%، ضعيف الارتباط، وكثيراً ما يكون خارج القوى العاملة
في كل دورة اعتيادية، يتحمّل النمط الثانوي عبء التكيّف. فهو يشكّل الحصة الكبرى من البطالة في كل سنة تقريباً من البيانات، رغم أنه أصغر شريحة سكانية. والركود يضرب النمط الأساسي بقوة أكبر من حيث المعدل — ففي الركود الكبير هبط معدل عثوره على عمل 19 نقطة من القمة إلى القاع مقابل 10 نقاط للنمط الثانوي — لكن النسبة بقيت ضمن حدود مألوفة.
الحلقة الحالية كسرت تلك النسبة. ثلاث عشرة نقطة مقابل نقطتين. الأشخاص الذين لا يحتاجون تقريباً إلى البحث عن عمل هم اليوم من لا يجدونه.
تحفّظ في الترجمة العملية: «النمط الأساسي» تصنيف إحصائي لاستقرار التوظيف، لا مرادف للأقدمية. يرتبط بملامح محلليك ومهندسيك وكوادرك المالية طويلي الخدمة، لكنه لا يقيسهم مباشرة. تعامل مع النتيجة كإشارة اتجاهية قوية عن تلك الطبقة، لا كمعامل تطبّقه على عدد وظيفي محدد.
تباعد التعرّض للذكاء الاصطناعي له تاريخ بداية: 2023
في التقسيم الثالث تحصل الآلية على اسم. باتّباع منهج Michael Webb في تقييم المهن بحسب مقدار تداخل محتواها من المهام مع القدرات التقنية الموصوفة في براءات اختراع الذكاء الاصطناعي (Webb, 2019)، توزّع الباحثتان العاملين على أرباع تعرّض للذكاء الاصطناعي.
تاريخياً كانت معدلات التدفّق الخارج عبر هذه الأرباع تتحرك معاً مع الدورة الاقتصادية، ولا يفصلها سوى فروق مستوى صغيرة. ومنذ 2023 تباعدت، ويسجّل العاملون في المهن الأكثر تعرّضاً أكبر انخفاضات في معدلات العثور على عمل.
تركيبة هذا الربع الأعلى هي الجزء الذي ينبغي لقادة العمليات في الشركات المتوسطة التوقف عنده. المهن عالية التعرّض تشمل المبرمجين والمحللين الماليين والمهندسين. والأقل تعرّضاً: البناء، وخدمات الطعام، والرعاية الشخصية. هذه ليست قصة عن أطراف هيكلك التنظيمي، بل عن الأدوار التي تحمل أنظمتك وإقفالك المحاسبي ومنتجك.
ثمة أدبيات سابقة تتوقع هذا الشكل. عمل Acemoglu وRestrepo على الروبوتات الصناعية وجد إزاحة متركزة في المهن المعرّضة إلى جانب إعادة توزيع نحو العمل الأقل تعرّضاً — نمط يبقى فيه رقم التوظيف الكلي مقروءاً بينما تتحرك التركيبة تحته بقوة (Acemoglu and Restrepo, 2020). ما تضيفه بيانات Richmond Fed هو أن الحلقة الحالية تظهر على هامش التدفّق الخارج لا على هامش الفصل. الشركات لا تتخلص من هؤلاء العاملين بوتيرة غير معتادة. هي ببساطة لا تعيد استيعابهم بعد خروجهم.
هذا التمييز مهم عملياً، لأنه يعني أن الإشارة لن تظهر في سجل التسريح لديك ولا في إعلانات أعداد الموظفين في قطاعك. تظهر فقط في المدة التي يستغرقها شخص كفؤ وذو خبرة ليجد موقعاً جديداً — مقياس لا يرصده تقريباً أي فريق عمليات، وهو يصف شروط إعادة التوظيف لديك بقدر ما يصف شروط غيرك.
الباحثتان حذرتان بشأن السببية، وينبغي أن نكون كذلك. النمط متسق مع أتمتة تزيح المهن المعرّضة، ومتسق مع أدلة ميدانية على أن الذكاء الاصطناعي التوليدي يرفع الإنتاجية على مستوى المهمة — خاصة لدى العاملين الأقل خبرة — بطرق قد تعيد تشكيل تركيبة التوظيف (Brynjolfsson, Li and Raymond, 2025). أما إن كان الانخفاض مدفوعاً بالذكاء الاصطناعي تحديداً أم بظروف كلية تصادف أنها تثقل المهن نفسها، فهو الموضوع الصريح للتقرير التالي في السلسلة. الارتباط موثّق؛ والتفكيك ما زال معلّقاً.
الاعتراض: «هذه بيانات كلية. معدل الدوران لدينا بخير.»
على الأرجح هو كذلك. وهذه بالضبط المشكلة.
آليتان تعملان هنا، وكلتاهما تقلبان القراءة المعتادة.
ثبات معدل الدوران في طبقتك القيادية بديل خارجي ضعيف، لا انتصار في الارتباط الوظيفي
إذا كان موظفوك ذوو الخبرة والمعرّضون للذكاء الاصطناعي باقين، فإن المعدل الأساسي يقدّم الآن تفسيراً ثانياً إلى جانب التفسير المُطري: لا يستطيعون المغادرة. انخفاض 13 نقطة في احتمال العثور على عمل لدى العاملين شديدي الارتباط يعني أن السوق الخارجية التي تصدّق عادةً على احتفاظك بالكوادر لا تعمل. استبيان الارتباط الوظيفي لديك لن يفرّق بين «ملتزم» و«عالق». ورقم الدوران المؤسف لديك سيبدو ممتازاً حتى اللحظة التي تتعافى فيها معدلات العثور على عمل، وعندها لن يبدو كذلك.
هذا ليس سبباً لعدم الثقة بفريقك. إنه سبب للتوقف عن استخدام معدل الدوران كدليلك الأول على سلامة الطبقة القيادية، وقراءة شيء يحمل إشارة مستقلة بدلاً منه: طلبات التنقّل الداخلي، أو مخاطر المغادرة التي يرصدها المديرون، أو نسبة العروض الخارجية التي يفصح عنها موظفوك.
تعويض إنهاء الخدمة صار أغلى مما يُسعَّر به
نموذج إعادة الهيكلة المعتاد يعامل الدور كقابل لإعادة الاقتناء: اقطع الآن، وأعد التوظيف بسعر السوق حين تتغير الظروف. وهذا النموذج يسعّر إعادة الاقتناء استناداً إلى ديناميكيات تاريخية للعثور على عمل، وهي بالضبط ما يقول التقرير إنه انكسر. العامل الذي يصعب إعادة توظيفه خارجياً يصعب بالتماثل إعادة اقتنائه: الاحتكاك نفسه الذي يحاصره يحاصر أيضاً قدرتك على إعادة بناء الكفاءة لاحقاً، لأن المجمّع الذي ستوظّف منه هو المجمّع الذي لا يتحرك.
بالنسبة لدور قيادي معرّض للذكاء الاصطناعي في شركة من 200 موظف بدوام كامل، سؤال هذا الربع ليس «هل يمكننا العمل من دون هذا المقعد». بل «إن احتجنا هذه الكفاءة بعد ثمانية عشر شهراً، كيف ستبدو السوق حينها، وكم دفعنا لنكتشف ذلك». إعادة التوزيع الداخلي — نقل الشخص إلى عملية مجاورة، أو وظيفة حوكمة بيانات، أو دور إشراف على الذكاء الاصطناعي — تتفوق على تعويض إنهاء الخدمة في هذه الحسبة أكثر بكثير مما يوحي به الجدول، لأن الجدول يحمل بداخله كلفة إعادة اقتناء متقادمة.
ثلاثة قرارات متاحة قبل إقفال الربع
- أعد تسعير كلفة إعادة الاقتناء في كل حالة إنهاء خدمة لدور معرّض للذكاء الاصطناعي. ليس تحوّلاً فلسفياً — بل رقم. إذا كان نموذجك يفترض إشغالاً بديلاً بسعر السوق خلال 60 يوماً لمحلل أو مهندس أول، فاسأل ما الدليل الذي يسند هذا الافتراض في ظل انخفاض 13 نقطة في العثور على عمل لهذا الملف. حيث لا يصمد، تتقدّم إعادة التوزيع الداخلي على الفصل بحكم الكلفة وحدها. طبّقه على الدورين أو الثلاثة التي أشّرت عليها بالفعل للمراجعة؛ لا تحتاج سياسة، تحتاج رقماً مصحّحاً في الحالات الماثلة أمامك فعلاً.
- توقف عن قراءة ثبات دوران الكوادر القيادية كأداء في الاحتفاظ. أضف سؤالاً واحداً إلى مراجعتك الربعية: ما دليلنا المستقل على أن هذه الطبقة باقية باختيارها؟ إذا كان الجواب «لم يغادروا» فحسب، فأنت لا تملك دليلاً، بل تملك حالة سوق.
- دقّق أي الأدوار يقع في الربع المعرّض قبل تخطيط أعداد الموظفين، لا بعده. تصنيف Webb علني وعلى مستوى المهنة. مطابقة هيكلك التنظيمي عليه تستغرق بعد ظهر واحد وتخبرك أي أجزاء خطتك للقوى العاملة معرّضة لسوق إعادة توظيف لا تعمل بصورة طبيعية.
لا يتطلب أيٌّ من هذه القرارات موقفاً بشأن ما إذا كان الذكاء الاصطناعي هو سبب التباعد. تتطلب فقط قبول أن التباعد قائم وأنه متركّز في الطبقة التي تعاملها معظم الخطط كقابلة للاستبدال.
النافذة هي النتيجة
السمة المزعجة في هذه البيانات أنها مؤقتة بطريقة تعاقب التريّث. معدل عثور منخفض على عمل لدى العاملين المعرّضين للذكاء الاصطناعي يمنحك قدرة احتفاظ غير معتادة على الأشخاص الأصعب استبدالاً تحديداً — ويمنحك إياها مجاناً، وبلا ظهور، ومن دون أي قرار من جانبك. وهي تنتهي أيضاً. حين تعود معدلات التدفّق الخارج إلى طبيعتها، يتحلّل الاحتفاظ الذي ظننت أنك كسبته إلى سوق من جديد، وبأسرع ما يكون في الربع الذي أنت الأقل استعداداً لخسارته.
قرار هذا الربع ليس ما إذا كنت ستقتطع. بل ما إذا كانت الأدوار التي تعاملها كقابلة للاستبدال هي بالذات ما توقف سوق العمل بهدوء عن توفيره — وما إذا كنت تفضّل اكتشاف ذلك الآن، بكلفة بعد ظهر من رسم الخرائط، أم بعد ثمانية عشر شهراً، بكلفة عملية بحث.
