هل يستبدل الذكاء الاصطناعي مهندس ضمان الجودة؟ تتوقع Gartner أن يعمل ثلث تطبيقات المؤسسات على ذكاء اصطناعي وكيل بحلول 2028، وقرار الإطلاق بشري.
يمنح مؤشر مخاطر الوظائف بالذكاء الاصطناعي حالياً مهندس ق درجة 87 من 100. الدرجة الأعلى تعني أن جزءاً أكبر من المهام الروتينية والمحددة جيداً في هذه الوظيفة يمكن أتمتته بالفعل، وهي ليست توقعاً باختفاء المهنة. يميل الذكاء الاصطناعي إلى استيعاب العمل المتكرر أولاً، بينما يبقى الحكم والمسؤولية والعلاقات الإنسانية بيد البشر.
يفعل مهندسو ضمان الجودة أكثر بكثير من تشغيل الاختبارات. فمهمتهم تعريف معنى الجودة، وتحديد أين يُرجَّح أن تختبئ العيوب، وتقرير النقطة التي ينبغي عندها إيقاف الإصدار. وبحلول 2026 صارت أدوات البرمجة والاختبار الوكيلة حاضرة في حصة كبيرة من هذا العمل اليومي، تصوغ الحالات، وتصلح النصوص المعطوبة، وتلخص النتائج، بينما يبقى قرار كيفية حماية الجودة في يد إنسان.
الذكاء الاصطناعي في أقوى حالاته حين يرتب المنظورات ويصوغ المواد بعد أن تكون المتطلبات مكتوبة أصلًا. وكلما زاد تنميط أعمال التحضير للاختبار، سهلت أتمتتها. لكن تحديد قدر الاختبار الذي تستحقه مخاطرة بعينها يبقى للبشر.
9 سبتمبر 2026
يزداد ترتيب مهندسي ضمان الجودة لأن نماذج استخدام الحاسوب والترميز المحسّنة مناسبة بشكل خاص لكتابة الاختبارات، وإعادة إنتاج الأخطاء، وأتمتة سير عمل الانحدار. تشير إشارات هذا الأسبوع من GPT-6 Astra وسوق الترميز إلى وجود ضغط استبدال عملي أقوى من الأسبوع الماضي.
2 سبتمبر 2026
تحسن الوكلاء الدائمون للذكاء الاصطناعي من تغطية مهام ضمان الجودة التكرارية مثل فحوصات الانحدار، إعادة إنتاج الأخطاء وتوليد الاختبارات عبر تدفقات عمل أطول. بالنظر إلى زخم وكلاء الترميز هذا الأسبوع، يظل عمل ضمان الجودة من بين الوظائف الرقمية الأكثر تعرضًا ويتجه للأعلى قليلاً.
26 أغسطس 2026
إن وكلاء الترميز الأكثر قدرة وأدوات الأتمتة المؤسسية الأقوى يزيدون الضغط على إنشاء الاختبارات المتكررة وفحوصات الانحدار وتصنيف الأخطاء. إن تحديث OpenAI لسلامة الوكلاء هذا الأسبوع ذو صلة لأنه يعكس قدرات وكلاء تتقدم بسرعة وتتداخل مباشرة مع سير عمل QA.
19 أغسطس 2026
يزداد خطر مهندسي ضمان الجودة قليلًا مع تحسن قدرة وكلاء الذكاء الاصطناعي على توليد حالات الاختبار، تنفيذ الفحوص، إعادة إنتاج الأخطاء والتفاعل ذاتيًا مع أدوات البرمجيات. تجعل قصص هذا الأسبوع عن نشر الذكاء الاصطناعي الوكيل ووكلاء مارقين يتصرفون عبر أنظمة مختلفة أتمتة اختبار البرمجيات تبدو أكثر مصداقية تدريجيًا.
12 أغسطس 2026
ترتفع النتيجة قليلاً لأن تقارير هذا الأسبوع عن وكلاء الذكاء الاصطناعي أظهرت سلوكاً تقنياً متعدد الخطوات وأكثر استقلالية، بما في ذلك اختبار الحدود، واستغلال الأنظمة، والتفاعل مع بيئات البرمجيات. هذا يرفع من إمكانات الأتمتة لإنشاء الاختبارات المتكررة، وفحوصات التراجع، ومهام إعادة إنتاج الأخطاء في ضمان الجودة (QA).
5 أغسطس 2026
تطورات الترميز هذا الأسبوع وخطوة Google لتحديث Chrome مرتين أسبوعيًا بسبب صيد الأخطاء بمساعدة الذكاء الاصطناعي يشيران معًا إلى قدرات أكبر للاختبار الآلي، واكتشاف الثغرات، والكشف عن التراجعات. لا يزال مهندسو ضمان الجودة مهمين في حكم الإصدار، لكن الأجزاء الأساسية من الدور — توليد الاختبارات واكتشاف المشكلات — أصبحت أكثر تعرضًا قليلًا.
29 يوليو 2026
هندسة ضمان الجودة ترتفع لأن الذكاء الاصطناعي العامل أصبح قادرًا بشكل متزايد على توليد الاختبارات، وتشغيل حلقات التحقق، وتحليل الإخفاقات، وتنسيق خطوات الإصلاح بجهد يدوي أقل. التركيز هذا الأسبوع على سير عمل الوكلاء الشامل ونماذج أكثر قدرة على البرمجيات يزيد من ضغط الاستبدال على مهام ضمان الجودة الروتينية مقارنة بالنتيجة السابقة.
22 يوليو 2026
يزداد خطر مهندس ضمان الجودة لأن أبحاث هذا الأسبوع حول تقييم الوكلاء والتنسيق تظهر أن الشركات تبني بنشاط نحو قرارات نشر آلية وتعتمد أكثر على سير عمل اختبارات مدفوع بالذكاء الاصطناعي. الزيادة طفيفة فقط لأن نفس الاستطلاعات أظهرت أن التقييمات غالبًا ما تفشل في مطابقة النتائج الواقعية، مما يحافظ على الطلب على ضمان الجودة البشري في حالات الحافة المعقدة.
15 يوليو 2026
زاد التصنيف قليلًا لأن AI القادرة على تحسين نفسها وزيادة وضوح استدلال النموذج تجعل من توليد الاختبارات الآلي، وتصنيف الأخطاء، وفحوصات الانحدار أكثر قابلية للتطبيق. هذه التطورات تؤثر مباشرة على مهام ضمان الجودة، وخاصة أعمال التحقق المتكررة التي يمكن ترميزها في خطوط أنابيب مدعومة بـAI.
8 يوليو 2026
تشير إشارات الذكاء الاصطناعي في المؤسسات هذا الأسبوع إلى مزيد من أتمتة توليد حالات الاختبار، وإعادة إنتاج الأخطاء، وفحص الرجوع، والتحقق من الإصدار داخل فرق البرمجيات. ومع زخم نشر أقوى حول العمل البرمجي المستقل، تصبح هندسة ضمان الجودة معرضة قليلاً أكثر مما كانت في النتيجة السابقة.
1 يوليو 2026
يتعرض هندسة ضمان الجودة بشكل متزايد لحالات اختبار مولدة بالذكاء الاصطناعي، ودعم إعادة إنتاج الأخطاء، وأتمتة الانحدار، وملخصات التحقق من الإصدار. تدعم الثقة هذا الأسبوع في الذكاء الاصطناعي المعتمد على الوكلاء في بيئات المؤسسات ارتفاعًا من 75 إلى 76.
24 يونيو 2026
أخبار البرمجة لهذا الأسبوع تؤثر بشكل خاص على الاختبار: أنظمة الذكاء الاصطناعي تتحسن في اكتشاف الأخطاء، وإرشاد إعادة الإنتاج، واقتراح التصحيحات من خلال جهود مثل GPT-5.5-Cyber. ونظراً لأن مهندسي QA يتعاملون غالباً مع عمليات التحقق القابلة للتكرار وتدفقات عمل العيوب، يرتفع خطر استبدال المهنة بالذكاء الاصطناعي قليلاً.
17 يونيو 2026
يرتفع المعدل لأن تحسين التكويد بالذكاء الاصطناعي وتنظيم الوكلاء يؤثران مباشرةً على إنشاء الاختبارات وإعادة إنتاج الأخطاء وتدفقات عمل الانحدار. يشير دفع OpenAI في مجال التكويد وتركيز DeepMind على الوكلاء المتفاعلين معًا إلى زيادة أتمتة مهام ضمان جودة البرمجيات المنظمة والقابلة للتكرار.
10 يونيو 2026
أجهزة الحواسيب المحمولة RTX Spark من Nvidia والدفع الأوسع لجعل حواسيب AI عملية يحسّن الوصول المحلي إلى وكلاء الاختبار وتوليد الشيفرة وإعادة إنتاج الأخطاء لفرق البرمجيات. هذا يزيد قليلاً من المخاطر على QA engineers لأن إنشاء حالات الاختبار المتكرر وأعمال الانحدار يمكن الآن أتمتتها على مستوى سطح المكتب.
3 يونيو 2026
صعود الذكاء الاصطناعي الوكِيل وتسارع تكرار منتجات الذكاء الاصطناعي يزيدان الضغط نحو الأتمتة على توليد الاختبارات المتكررة وفحوصات الانحدار والتحقق الروتيني من الأخطاء. ترتفع النتيجة بشكل طفيف لأن الاختبارات الاستكشافية والحكم على مخاطر الإصدار لا تزالان تعتمد على البشر.
27 مايو 2026
تحسينات الترميز بالذكاء الاصطناعي هذا الأسبوع تحسّن توليد الاختبارات الآلي وإعادة إنتاج الأخطاء وتغطية الانحدار، وكل ذلك يقلل من جهد ضمان الجودة اليدوي في مهام اختبار البرامج الروتينية. مع إشارات أقوى من Code with Claude والأدوات القائمة على الوكلاء، ترتفع النتيجة قليلًا عن الخط الأساسي السابق.
20 مايو 2026
مع تقارب ChatGPT وCodex وانتشار أدوات البرمجة المعتمدة على الأجواء، يمكن لمزيد من فرق البرمجيات توليد الاختبارات تلقائياً، وإعادة إنتاج الأخطاء، والتحقق من الحالات الروتينية داخل سير عمل التطوير. هذا يزيد من ضغط الاستبدال على مهام ضمان الجودة المتكررة، لذا ترتفع النتيجة من 69 إلى 70.
13 مايو 2026
تستمر توليد الاختبارات بمساعدة الذكاء الاصطناعي وإعادة إنتاج الأخطاء وبرمجة سيناريوهات الرجوع في التحسن، وتوحي قصة هذا الأسبوع عن vibe-coding بأن المزيد من فرق البرمجيات ستعتمد على الاختبارات الآلية حول الكود الذي تولده الذكاء الاصطناعي. وبما أن تلك التطبيقات نفسها أظهرت عيوب أمان كبيرة، فلا يزال مطلوبًا وجود QA بشري، مما يحافظ على زيادة متواضعة.
6 مايو 2026
الدرجة ترتفع قليلاً لأن تحسين قابلية التحكم في النماذج وسرعة اعتماد الشركات يدعمان المزيد من توليد الاختبارات الآلي وتصنيف الأخطاء وفحوصات الانحدار. أداة التفسير من Goodfire ذات صلة بتصحيح سلوك النماذج، بينما تجعل إشارات الانتشار الأوسع للذكاء الاصطناعي ضمان الجودة المدعوم بالذكاء الاصطناعي أكثر قابلية للنشر في فرق البرمجيات.
29 أبريل 2026
نماذج الترميز والاستدلال الأفضل تزيد قليلاً من أتمتة توليد حالات الاختبار، وخطوات إعادة إنتاج الأخطاء، وصياغة سكريبتات اختبارات الانحدار. لا يزال الارتفاع محدودًا لأن الاختبار الاستكشافي، وتقييم مخاطر الإصدار، والأعطال الخاصة بالبيئة ما تزال تحتاج إلى ضمان جودة بشري.
22 أبريل 2026
مساعدو الترميز والاختبار المعتمدون على الذكاء الاصطناعي يواصلون استيعاب اختبارات الانحدار، وتوليد حالات الاختبار، وتصنيف/فرز الأخطاء. إشارة هذا الأسبوع من عمال يدربون نظائر الذكاء الاصطناعي في أدوار تقنية تدعم تحركاً طفيفاً صعودياً في ضغط الاستبدال على سير عمل QA الموحد.
15 أبريل 2026
أدوات الترميز القائمة على الذكاء الاصطناعي ووكلاء الأدوات تغطي بشكل متزايد توليد حالات الاختبار وإعادة إنتاج الأخطاء وفحوصات الانحدار وخطوات التحقق الروتينية. مع الزخم المؤسسي حول Claude ومنتجات المطورين الوكالية هذا الأسبوع، تشهد هندسة ضمان الجودة زيادة متواضعة في خطر الاستبدال مقارنة بمستواها السابق.
1 أبريل 2026
يدعم تزايد الاستخدام السائد لـClaude وGemini المزيد من توليد حالات الاختبار بمساعدة الذكاء الاصطناعي، وإعادة إنتاج الأخطاء، وكتابة سكربتات الاختبار الرجعي، وأتمتة فحوصات الإصدار. هذه مهام مركزية لمهندسي ضمان الجودة، لذا تبرر مؤشرات الاعتماد هذا الأسبوع زيادة صغيرة في مخاطر الاستبدال.
25 مارس 2026
نماذج ترميز أكثر قدرة وتحسينات في نشر الاستدلال تزيد من أتمتة توليد الاختبارات وفحوصات الانحدار وسير العمل في استنساخ الأخطاء. لذلك تدفع أنباء هذا الأسبوع عن نماذج الترميز والبنية التحتية عمل ضمان الجودة إلى مخاطر استبدال أعلى قليلاً، خاصة بالنسبة لمهام اختبار البرمجيات المتكررة.
5 مارس 2026
صعود أدوات الترميز المعتمدة على الذكاء الاصطناعي مثل Cursor (وفقًا للتقارير، متجاوزةً معدل إيرادات سنوي مقدر بـ $2B) يميل إلى دمج توليد الاختبارات وتصحيح الأخطاء المؤتمت في حلقة التطوير. هذا يزيد الضغط الأتمتة على أنشطة ضمان الجودة الروتينية (إنشاء حالات الاختبار، كتابة نصوص الانحدار) مقارنةً بالأسبوع الماضي.
لن يحل الذكاء الاصطناعي محل مهندسي ضمان الجودة، لكنه استولى بالفعل على كثير من الأعمال المزدحمة التي كانت تملأ يومهم. فأداة GitHub Copilot، المستخدَمة اليوم داخل نحو 140,000 مؤسسة والمصنَّفة رائدة في مربع Gartner السحري لعام 2026 لوكلاء البرمجة بالذكاء الاصطناعي للمؤسسات للعام الثالث على التوالي، تستطيع صياغة هيكل اختبار في ثوانٍ. أما ما لا تستطيعه بعد فهو تحديد أي ميزة من مئة ميزة في المنتج ستسبب أسوأ حادث إن تعطلت.
وقد تحركت الأدوات المصممة للاختبار تحديدًا بالسرعة نفسها. فأداة Mabl، التي تقدم اختبارات ذاتية الإصلاح منذ 2017، أضافت مسارات عمل وكيلة ووكيل إنشاء اختبارات قادرًا على توليد نصوصه وإصلاحها مع تغيّر الشاشة. وتطبق Applitools وTestim منطق الإصلاح الذاتي نفسه على الفحوص البصرية والقائمة على العناصر، فلم يعد زر ينزاح عشرة بكسلات كفيلًا بكسر حزمة انحدار كاملة بين ليلة وضحاها.
وتتوقع Gartner أن يعمل ثلث تطبيقات المؤسسات بحلول 2028 على ذكاء اصطناعي وكيل، وأن يعمل نحو 15% من مسارات العمل اليومية المتكررة، وهي بالضبط اختبارات الانحدار واختبارات الدخان وفرز الأخطاء التي كانت ترسّخ دور مهندس الجودة المبتدئ، بأقل قدر من التدخل البشري خطوة بخطوة. وهذا لا يقلّص الحاجة إلى الحكم في ضمان الجودة، بل ينقل هذا الحكم إلى مرحلة أبكر: تحديد ما يُختبَر، ومدى الثقة بالأتمتة، ومتى يكون الإصدار آمنًا فعلًا.
أدوات الاختبار الوكيلة في أقوى حالاتها حيث يكون العمل متكررًا والمادة الأولية مكتوبة سلفًا: المواصفات، وتعريفات الشاشات، والحزم القائمة التي تحتاج إلى صيانة لا إلى تصميم من الصفر.
تستطيع وكلاء البرمجة من طراز Copilot والأدوات المخصصة لضمان الجودة توليد مجموعة أساسية من حالات الاختبار من مواصفة أو تعريف شاشة، في الوقت الذي كان يستغرقه شخص لقراءة التذكرة. وهذا يلتقط الإغفالات الواضحة مبكرًا. لكن الشروط الحدّية التي تسبب الأعطال الفعلية تبقى عادة مفقودة ما لم يفكر فيها إنسان عن قصد.
صارت أدوات مثل Mabl وTestim ترصد انزياح عنصر في الواجهة أو تغيّر اسمه وتصلح الاختبار المتأثر تلقائيًا، وهو ما كان من أكثر أجزاء صيانة حزم الانحدار إرهاقًا. لكن تحديد ما إذا كان الاختبار المعطوب يكشف عيبًا حقيقيًا أم مجرد تغيير شكلي ما زال يحتاج إلى إنسان.
يستطيع الذكاء الاصطناعي صياغة ملخص سريع لنتائج التنفيذ وخطوات إعادة الإنتاج بلغة يستطيع المطور التصرف بناءً عليها، فيوفر وقت الكتابة. لكن ما إذا كان الملخص قد حفظ التفصيل الوحيد الذي يهم فعلًا في قرار الإصدار يظل بحاجة إلى مراجعة بشرية.
تستطيع وكلاء الذكاء الاصطناعي بناء هياكل اختبارات الطرف إلى الطرف (E2E) وواجهات البرمجة (API) انطلاقًا من قاعدة الشيفرة أسرع بكثير من شخص يكتبها من الصفر، ما يسرّع الإعداد الأولي كثيرًا. لكن تحديد ما يستحق الأتمتة، ومتى تكون الشاشة غير مستقرة إلى حد لا يجوز معه حبسها في نصوص هشة، يبقى لشخص يفهم خارطة طريق المنتج.
مع استيعاب الأدوات الوكيلة مزيدًا من عمل التنفيذ المتكرر، يبقى لمهندسي ضمان الجودة بالضبط الجزء الذي تتوقع Gartner أن تمسّه أقل مسارات العمل: تحديد أين تقيم المخاطرة فعلًا، وما الذي ينبغي أن يكلفه قرار الإصدار.
يبقى على شخص أن يقرر أي الوظائف ستسبب أكبر ضرر إن أخفقت، وإلى أي عمق تستحق كل منها الاختبار. فالوكيل قادر على توليد مئة حالة في دقيقة، لكنه لا يستطيع أن يخبر الفريق أي عشرين حالة منها تهم فعلًا.
كثيرًا ما تأتي العيوب من مواصفة لم تكن واضحة أصلًا، لا من الشيفرة. والتقاط هذا الغموض قبل أن يُبنى التطوير حوله عمل ما زال يتطلب شخصًا يقرأ ما بين سطور الوثيقة، لا أن يختبر مقابلها فحسب.
حتى مع فرز الأدوات الوكيلة للأخطاء تلقائيًا، يبقى على شخص أن يوازن بين الخطورة وقابلية إعادة الإنتاج والأثر على العمل، وأن يقرر أي مخاطرة مقبولة للإطلاق. وهذا الحكم هو الجزء الأكثر مقاومة للأتمتة في ضمان الجودة.
إعادة تغذية العيب في قوائم المراجعة والتغطية المؤتمتة كي لا يعود صنف الخطأ نفسه ما زالت مهمة تصميم مقصودة. وأقوى مهندسي ضمان الجودة يعاملون هذا بوصفه حلقة مستمرة، لا شيئًا يشغّله وكيل بلا إشراف.
يحتاج مهندسو ضمان الجودة مستقبلًا إلى أكثر من القدرة على تشغيل الاختبارات؛ يحتاجون إلى التفكير بمنطق المخاطرة، وكلفة الأتمتة، ووضوح المواصفات، وكيفية توجيه وكيل الذكاء الاصطناعي بدل منافسته في الحجم.
مع تولي الوكلاء مزيدًا من توليد الحالات الروتينية، تصبح المهارة التي تميز مهندس الجودة القوي هي رصد الشرط الحدّي أو حالة الصلاحيات الطرفية التي تجاوزتها مسودة الذكاء الاصطناعي بهدوء.
مع خفض أدوات الإصلاح الذاتي مثل Mabl وTestim لكلفة صيانة الأتمتة، يصبح السؤال الأصعب: ما الذي يستحق الأتمتة أصلًا؟ فالتغطية لذاتها ليست الهدف؛ الهدف هو الحكم على المواضع التي تؤتي فيها الأتمتة ثمارها.
صار العمل الفعّال مع وكلاء من طراز Copilot وأدوات توليد الاختبارات مهارة جوهرية كما كانت كتابة حالة اختبار يدويًا. والمهندسون الأكثر استفادة يعاملون مخرجات الذكاء الاصطناعي مسودةً للمساءلة، لا نتيجةً تُصدَّق افتراضيًا.
القدرة على أن تشرح للمطورين ومديري المنتج لا أن شيئًا ما خاطئ فحسب، بل لماذا هو خطِر وما مدى إلحاح معالجته، تبقى مهارة بشرية بامتياز لا يعوّضها أي قدر من فرز الأخطاء الآلي.
خبرة مهندس ضمان الجودة تمتد إلى ما وراء الاختبار، نحو الحكم على المخاطر، وقرارات الإصدار، ومنع التكرار. وهذا يسهّل الانتقال إلى أدوار مجاورة بمسؤولية أوسع عن المنتج والجودة.
خبرة تنظيم التسليم مع مراقبة مخاطر الجودة تنطبق أيضًا على إدارة المشاريع الأوسع، وهي خيار قوي لمن يريد توسيع حكمه في الجودة نحو قرارات تتعلق بتقدم المشروع ككل.
خبرة رصد الغموض في المواصفات والأثر على المستخدم تساعد أيضًا في تحديد أولويات الميزات، وتناسب من يريد الاحتفاظ بمنظور الجودة مع الانتقال نحو تقرير ما ينبغي بناؤه.
خبرة تحديد الأجزاء الهشة في التنفيذ تتحول إلى قوة كبيرة عند العودة إلى جانب البناء، خصوصًا الآن وقد صار كثير من الشيفرة يُصاغ بالنوع نفسه من وكلاء الذكاء الاصطناعي الذي يراجعه مهندسو الجودة أصلًا.
من يملك منظورًا قويًا في استراتيجية الجودة يستطيع خلق قيمة حتى في العمل الاختباري كثيف التنفيذ، لكن بمستوى أعلى من الوضوح. ويناسب هذا من يريد الانتقال من الاستراتيجية نحو التحقق العملي وفحص إحساس المستخدم.
خبرة العثور على الثغرات وسوء الفهم في المواصفات تنتقل جيدًا إلى إعداد وثائق أوضح، ويناسب هذا المسار من يريد توظيف عقلية الجودة في تحسين طريقة إيصال المعلومات.
من يقوى في منع التكرار وتصميم الإجراءات ينتقل عادة بنجاح إلى تثبيت التشغيل اليومي للأنظمة، وهو مناسب لمن يريد توسيع عقلية حماية الجودة نحو موثوقية التشغيل.
لا يصبح مهندسو ضمان الجودة بلا حاجة. فأبحاث Gartner لعام 2026 نفسها تُظهر أن الأدوات الوكيلة تستوعب الثلث المتكرر من عمل الاختبار، لا نواته الاستراتيجية. وتستطيع Copilot وأدوات مثل Mabl أو Testim الصياغة والإصلاح الذاتي والتلخيص أسرع من أي إنسان. أما ما يبقى بحاجة إلى شخص فهو تحديد أي المخاطر تستحق اختبارًا عميقًا، وأي المواصفات غامضة بدرجة خطرة، وأي العيوب يمكن الإطلاق رغمها بأمان. ومهندسو الجودة الذين تبقى قيمتهم هم من يوجّهون هذا الحكم، لا من يسابقون الوكلاء على كتابة الحالات يدويًا.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه مهندس ق. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
يمنح مؤشر مخاطر الوظائف بالذكاء الاصطناعي حالياً مهندس ق درجة 87 من 100. الدرجة الأعلى تعني أن جزءاً أكبر من المهام الروتينية والمحددة جيداً في هذه الوظيفة يمكن أتمتته بالفعل، وهي ليست توقعاً باختفاء المهنة. يميل الذكاء الاصطناعي إلى استيعاب العمل المتكرر أولاً، بينما يبقى الحكم والمسؤولية والعلاقات الإنسانية بيد البشر.
تجمع الدرجة بين تقدير أساسي لمدى قابلية المهام الجوهرية للوظيفة للأتمتة وإعادة تقييم أسبوعية تأخذ في الحسبان أحدث أبحاث الذكاء الاصطناعي ومنتجاته وأخباره. الدرجات نسبية عبر جميع الوظائف المرصودة، لذا من الأفضل قراءة رقم مهندس ق بالمقارنة مع وظائف أخرى لا باعتباره احتمالاً مطلقاً.
لا توجد وظيفة محصّنة تماماً، لكنك تقلل تعرضك بالتركيز على ما يتعامل معه الذكاء الاصطناعي بصعوبة أكبر: الحكم المعقد، والمسؤولية الأخلاقية، والعمل اليدوي أو التفاعلي، والإشراف على مخرجات الذكاء الاصطناعي. من يستخدمون الذكاء الاصطناعي أداةً يحققون نتائج أفضل باستمرار ممن يحاولون منافسته.
تُحدَّث الدرجة كل أسبوع من مؤشرنا. ويوضح رقم التغير الأسبوعي في هذه الصفحة مقدار تغير تعرض مهندس ق للذكاء الاصطناعي مقارنة بالأسبوع السابق.
