توظيف كبار خبراء الذكاء الاصطناعي والبيانات للجهات الحكومية والقطاع العام

لماذا يختلف التوظيف الحكومي للذكاء الاصطناعي

لا تُوظّف وزارةٌ أو جهةٌ تنظيمية أو مؤسسةٌ مملوكة للدولة بالطريقة نفسها التي تُوظّف بها شركةٌ ناشئة، ومسارات التوظيف المعتادة تتجاهل ذلك. فالاستراتيجية الوطنية للذكاء الاصطناعي 2031 في الإمارات تجعل تبنّي الحكومة للذكاء الاصطناعي، والبنية التحتية للحوسبة السحابية، وحوكمة البيانات وسيادتها، الركائز التي تقوم عليها (ai.gov.ae‏، 2026)‏. وكلٌّ من هذه الركائز يُغيّر طبيعة التعيين.

تعني سيادة البيانات وتوطينها أن المختصّ غالباً لا يستطيع نسخ بيانات الإنتاج إلى حاسوبٍ محمول في بلدٍ آخر. ويعني الشراء الحكومي أن التكليف يجب أن يتوافق مع إطارٍ تعاقدي، لا مع مصافحة. ويعني الاعتماد الأمني أن الأنظمة الحسّاسة قد تتطلّب تحقّقاً أمنياً للشخص قبل أن يلمس أيّ شيء. ووكالة التوظيف التي تتعامل مع إيجازٍ حكومي كأنه إيجازٌ تجاري تمضي أسبوعين قبل أن يسأل أحدهم أين تُخزّن البيانات ومن جرى التحقّق منه. نحن نطرح هذه الأسئلة في المكالمة الأولى.

الندرة أشدّ ما تكون حيث تحتاجها الحكومة

لا تحتاج برامج القطاع العام شخصاً آخر يستطيع بناء نموذجٍ أوّلي. إنها تحتاج المهندس الرفيع الذي يُبقي النموذج يعمل في الإنتاج، تحت التدقيق، بعد انتهاء التجربة. وهذا تحديداً الدور الأشدّ ندرةً في السوق. فقد وجد مؤشّر PwC‏ لوظائف الذكاء الاصطناعي لعام 2026 أن حصّة إعلانات الوظائف في الإمارات التي تطلب مهارات الذكاء الاصطناعي زادت إلى أكثر من ثلاثة أضعاف بين عامَي 2021 و 2025، مما وضع الإمارات بين أسرع أسواق كفاءات الذكاء الاصطناعي نمواً في العالم. وفي حديثه إلى صحيفة The National‏ في سبتمبر 2025، حصر موسى بيداس من PwC‏ الشرق الأوسط الضغط «خصوصاً في مهندسي MLOps‏ ومهندسي تطبيقات النماذج اللغوية الكبيرة وقادة منتجات الذكاء الاصطناعي»، أي أدوار الإنتاج لا أدوار النماذج الأوّلية.

وبالنسبة إلى جهةٍ حكومية، يعني ذلك أن المرشّحين القادرين فعلاً على تسليم نظامٍ منظّمٍ ومُراقَب نادرون ومكلفون معاً، واشتراط انتقالهم يُضيّق الحقل أكثر. وتوظيفهم كمتخصّصين عن بُعد مُدقَّقين هو السبيل للحصول على قائمة مرشّحين مؤهّلين أساساً.

كيف تُنجز Mahala التوظيف الحكومي للذكاء الاصطناعي

نحن لا نُمرّر سِيَراً لم نقف خلفها. يُقيّم كل مختصّ وفق أربع فئات: الكفاءة التقنية، والأثر المُثبَت المُتحقَّق من عمليات تسليمٍ فعلية، والقدرة الاستشارية، والنمو المهني. والقدرة الاستشارية هي الفئة التي توقِف غالباً مرشّحاً قوياً تقنياً، وفي برنامجٍ حكومي هي الفئة الأهمّ: فتحديد النطاق، والتواصل مع أصحاب المصلحة، والمساءلة داخل فريقٍ منظّم هي الفارق بين مختصّ يصمد أمام لجنةٍ توجيهية وآخر لا يصمد. والحدّ الأدنى للاجتياز 75 من 100، ويجتازه نحو واحدٍ من كل سبعة. وتستلم ملفّين أو ثلاثة، دون أسماء أو صور، لا صندوق بحث.

ويُدار الوصول بالطريقة التي يتوقّعها فريق الأمن الحكومي. يعمل المختصّون داخل بيئة سطح مكتبٍ افتراضي (VDI)‏ مثل Citrix‏ أو Azure Virtual Desktop‏، فلا تغادر البيانات محيطكم، وللأنظمة المعزولة أو السرّية نُحدّد الحضور في الموقع كاستثناءٍ لا كقاعدة. وتتوفّر التحقّقات المهنية والأمنية عند الطلب، كما تتوفّر اتفاقية عدم إفصاح (NDA)‏ تمهيدية قبل مشاركة أيّ إيجازٍ حسّاس. ويجري التعاقد عبر Mahala.ai B.V.‏، وهي شركةٌ هولندية، باتفاقٍ واحدٍ يُغطّي اتفاقية عدم الإفصاح ونقل الملكية الفكرية والشروط التجارية، بفاتورةٍ شهرية واحدة أياً كان عدد المتخصّصين المُشارِكين. وبالنسبة إلى فريق الشراء، هذا مورّدٌ واحد، وعقدٌ واحد، وفاتورةٌ واحدة، بدل عشرات المستقلّين لإدماجهم فرداً فرداً.

الأدوار التي نشغلها
لبرامج القطاع العام

عادةً ما يُسمّي الإيجاز نظاماً لا مُسمّى وظيفياً. نحن نُوفّر عبر التخصّصات الأربعة التي يقوم عليها أيّ برنامجٍ حكومي للذكاء الاصطناعي فعلاً:

وحين يُبنى برنامجٌ على تقنياتٍ بعينها، نُوظّف وفقها: BigQuery‏ وSnowflake‏ وDatabricks‏ في جانب البيانات، وOpenAI‏ وLangGraph‏ وvLLM‏ وQdrant‏ في جانب الذكاء الاصطناعي. والمقصود هو القدرة بحسب إيجازكم، لا قاعدة خبراء نسعى لتصريفها.

>الامتثال والأمن والتعاقد

يقرأ المشترون من المؤسسات والجهات الحكومية القائمة المختصرة بعين الشراء أولاً، لذا فإن روافع الثقة، بالترتيب، هي: كيف يُدار الوصول وتوطين البيانات، وكيف يعمل التعاقد عبر الحدود، ومخاطر الاستبدال، وسرعة وصول القائمة. وتُبسّط الشركة الهولندية (B.V.)‏ التعاقد العابر للحدود لعملاء القطاع العام في الخليج وأوروبا، وتحمل التعيينات ضمان استبدال. ولا نُطلق ادّعاءاتٍ محدّدة بشأن الضرائب أو قانون العمل في ولايتكم القضائية؛ يؤكّدها فريقكم القانوني، ونحن نُنظّم التكليف ليتوافق معها.

ملف تعريفي تمثيلي

مهندس MLOps‏ رفيع، تسع سنواتٍ في تعلّم الآلة الإنتاجي، منها سنتان على منصّة بياناتٍ وطنية منظّمة. يرتاح للعمل بالكامل داخل بيئة VDI‏ لدى العميل، وأنشأ خطوط مراقبةٍ وإعادة تدريبٍ للنماذج اجتازت تدقيقاً خارجياً، وحدّد نطاق العمل مع لجنةٍ توجيهية حكومية لا مع المهندسين وحدهم. متاحٌ عن بُعد، ومُتعاقَد عليه عبر Mahala.ai B.V.‏، وأُنجز تحقّقه الأمني عند الطلب. دون اسمٍ ودون صورة، حتّى تُدرجه في قائمتك.

أسئلة ذات صلة

اطلب قائمة مرشحين مُدقَّقين

نبذة عنك
نبذة عن الوظيفة
نبذة عن المشروع

احجز مكالمة