اگر مدیر یک شرکت فناوری در اروپا هستید و فکر میکنید داشتن تیم مهندسی قدرتمند کافی است، احتمالاً در حال پذیرش یک ریسک مالی عظیم هستید. طبق مطالعهای که در اواسط سال ۲۰۲۶ توسط Axipro منتشر شد، سرعت استخدام سازندگان هوش مصنوعی در این منطقه تقریباً هفت برابر بیشتر از متخصصانی است که وظیفه قانونی، ایمن و پاسخگو نگه داشتن این سیستمها را بر عهده دارند.
این رشد شتابان در استخدام توسعهدهندگان با افزایش ۴۰ درصدی تقاضا برای مهندسان هوش مصنوعی همسو است که فشار را بر بازار نیروی متخصص دوچندان کرده است.
این عدم توازن دقیقاً زمانی رخ میدهد که قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) از یک پیشنویس اداری به یک واقعیت قانونی با دندانهای تیز تبدیل شده است. اکنون شرکتها برای شدیدترین تخلفات با جریمههایی تا ۳۵ میلیون یورو یا ۷٪ از گردش مالی جهانی مواجهاند. این ریسک مالی، شکاف استخدامی فعلی را به یک قمار خطرناک تبدیل میکند؛ چراکه سقف جریمههای جدید، جریمههای سابق GDPR را کوچک و ناچیز جلوه میدهد.
همانطور که در تحلیلهای قبلی ما دربارهی ریسکهای رگولاتوری مدلهای زاینده اشاره کردیم، فاصله میان سرعت نوآوری و سرعت نظارت، همیشه نقطهضعفی برای سازمانها بوده است. در اینجا، این فاصله به یک بحران نیروی انسانی تبدیل شده است.
جغرافیای شکاف نظارتی
Axipro برای رسیدن به این نتایج، ۳۵۱۹ آگهی شغلی مرتبط با هوش مصنوعی را در ۸ کشور اتحادیه اروپا (بلژیک، فرانسه، آلمان، ایرلند، ایتالیا، هلند، اسپانیا و سوئد) بررسی کرد. دادههایی که در بازههای ۳۰ روزه در اواسط سال ۲۰۲۶ جمعآوری شدهاند، یک الگوی متناقض را نشان میدهند: کشورهایی که فرهنگ مهندسی قویتری دارند، اغلب گستردهترین کمبودها را در بخش حکمرانی تجربه میکنند. این مطالعه دریافت که هرچه یک ملت بیشتر برای «ساخت» هوش مصنوعی استخدام میکند، کمتر برای «مدیریت» و نظارت بر آن نیرو میگیرد.
- سوئد با نرخ ۱۶ سازنده به ازای هر ۱ متخصص حکمرانی، در صدر این شکاف قرار دارد.
- فرانسه با نسبت ۱۱ به ۱ در رده بعدی است.
- ایرلند با نسبت ۳.۵ به ۱، متوازنترین وضعیت را دارد.
جالب است که ثبات نسبی ایرلند ناشی از فضیلت داخلی یا فرهنگ بومی نیست. غولهای فناوری آمریکایی که دفتر مرکزی خود را در دوبلین دارند، استانداردهای نظارتی جهانی خود را وارد این کشور کردهاند تا هم با قانون هوش مصنوعی و هم با قانون تابآوری عملیاتی دیجیتال (DORA) — رژیم تابآوری بخش مالی که از ژانویه ۲۰۲۵ فعال شد — سازگار باشند.
قدرت مهندسی به تنهایی نمیتواند شکاف نظارتی را پر کند؛ بلکه در برخی موارد، ممکن است آن را عمیقتر کند. کشوری که سریعتر سیستمهای هوش مصنوعی را عرضه میکند، سیستمهای بیشتری تولید میکند که تحت دامنه اجرای قانون قرار میگیرند؛ اما طبق این شواهد، افراد کمتری برای مستندسازی، پایش و دفاع از این سیستمها در اختیار دارد. تخصص جهانی در ساخت هوش مصنوعی، هیچ تضمینی یا حفاظتی در برابر مدیریت بد و غیرقانونی آن ارائه نمیدهد. کشورهایی که بیشترین اعتماد را به استعدادهای فنی خود دارند، در حال حاضر بزرگترین کسری را نسبت به الزامات قانونی دارند.
الزامات نامریی
حتی وقتی شرکتها برای حکمرانی استخدام میکنند، لزوماً به طور مشخص برای اجرای قانون استخدام نمیکنند. Axipro دریافت که در کمتر از ۳ از هر ۱۰ نقش نظارتی، به طور صریح به قانون هوش مصنوعی اتحادیه اروپا در شرح شغلی اشاره شده است. در میان نقشهای سازنده (Builder roles)، این عدد به شدت سقوط میکند و تنها ۱ مورد از هر ۲۵ شغل (تقریباً ۴٪) به این قانون اشاره دارد.
این آمار نشان میدهد که ۹ از هر ۱۰ شرح شغلی مربوط به هوش مصنوعی، در ذکر این قانون شکست خوردهاند. اکثر کارفرمایان به دنبال مفاهیمی مجاور مانند ریسک، اخلاق، اعتبار مدل یا حفاظت از دادهها هستند. این تغییر اولویتها در بازار کار با یافتههای گزارش Qarera همراستا است که نشان میدهد هوش مصنوعی اکنون به مهمترین مهارت سخت در فهرستهای شغلی تبدیل شده است. اگرچه این موارد با قانون همپوشانی دارند، اما این مطالعه هشدار میدهد که نقشهایی که بدون در نظر گرفتن مقررات نوشته میشوند، به ندرت خروجیهای خاصی را که قانون مطالبه میکند تولید میکنند، مواردی چون:
- ارزیابیهای تطبیق (Conformity assessments)
- مستندات فنی مفصل و دقیق
- ساختارهای نظارت انسانی (Human-oversight structures)
در نتیجه، آمادگی شرکتها حتی از آنچه یک شمارش ساده تعداد کارکنان نشان میدهد، کمتر و بحرانیتر است. صرفاً شمردن استخدامهای بخش حکمرانی، میزان واقعی افرادی را که واقعاً روی اجرای قانون کار میکنند، بیش از حد تخمین میزند. اگر یک نقش شغلی صراحتاً به این قانون گره نخورد، خروجی کار احتمالاً با الزامات قانونی تطبیق نخواهد داشت و شکافهای عملیاتی باقی میماند.
فشار بر بازار میانروزه
اندازه شرکتها تفاوت خطرناکی در سطح آمادگی ایجاد کرده است. مجموع دادهها به ۴۴۶ نقش نظارتی در مقابل ۳۰۰۴ نقش سازنده منجر شده است. توزیع این نقشها نشان میدهد که استعدادها در لایه بالایی متمرکز شدهاند:
- شرکتهای بزرگ (۵۰۰۰+ کارکن): تقریباً نیمی (نزدیک به ۵۰٪) از تمام آگهیهای نظارتی هوش مصنوعی را به خود اختصاص دادهاند.
- شرکتهای میانروزه: ۳۴٪ از آگهیها را در اختیار دارند.
- شرکتهای کوچک: کمتر از یکپنجم (۲۰٪) از آگهیها را شامل میشوند.
این یک شکست استراتژیک است، زیرا قانون هوش مصنوعی اتحادیه اروپا برای اندازه شرکتها منعطف نیست و برای آنها خم نمیشود. یک شرکت ۳۰۰ نفره دقیقاً با همان تعهدات قانونی یک شرکت چندملیتی روبروست. اگرچه دیجیتال اومنیبوس (Digital Omnibus) — که در ۲۹ ژوئن ۲۰۲۶ توسط شورای اروپا تصویب شد — مسیرهای تطبیق سادهتری را برای شرکتهای تا ۷۵۰ کارمند و درآمد ۱۵۰ میلیون یورو ارائه داد، اما این یک تسهیل رویهای است و نه یک معافیت قانونی. تعهدات همچنان پابرجاست و ارزیابی تطبیق همچنان باید انجام شود.
زمینه و متدولوژی
برای درک درست این نسبتها، ضروری است که نحوه جمعآوری دادهها و آنچه را که این دادهها نمایندگی میکنند، بررسی کنیم. این مطالعه آگهیهای شغلی عمومی را رصد کرده و بر جریان استخدامهای جدید تمرکز کرده است، نه بر موجودی فعلی تیمها. به این معنا که شرکتی که تیم حکمرانی خود را یک سال پیش تشکیل داده و در حال حاضر آگهی استخدامی نمیزند، در این مجموعه داده ظاهر نخواهد شد.
جزئیات دادهها
- نسبتها در برابر اعداد خام: مطالعه برای حذف سوگیریهای احتمالی بر نسبتها تاکید کرده است. از آنجایی که منبع و روش یکسانی برای هر دو گروه نقشهای سازنده و نظارتی استفاده شده است، هرگونه بیششماری یا کمترشماری در لینکدین، هر دو طرف را به طور مساوی تحت تاثیر قرار داده است.
- سوگیری زبانی: محققان از عبارات جستجوی انگلیسی استفاده کردند. این موضوع احتمالاً باعث شده نقشهایی که به زبانهای محلی آگهی شدهاند شمرده نشوند، به این معنی که شکاف واقعی حکمرانی ممکن است کمی کمتر باشد، هرچند مقیاس کلی و جهت حرکت در هر ۸ کشور ثابت مانده است.
- حجم تحلیل: ۳۵۱۹ آگهی طبقهبندی شده برای جلوگیری از خطا و اطمینان از دقت، بر اساس شناسه شغلی یکتا (Deduplicated) شدند.
تقویم تطبیق
ضربالاجلها بدون توجه به اینکه آیا تعداد کارکنان کافی است یا خیر، در حال نزدیک شدن هستند. قانون هوش مصنوعی بر اساس «ریسک» مدیریت میشود و نه بر اساس «صنعت»، و برای هر شرکتی که از هوش مصنوعی استفاده میکند — چه یک مهندس داشته باشد و چه هزاران نفر — لازمالاجرا است:
- فوریه ۲۰۲۵: ممنوعیت اقدامات غیرقانونی مانند امتیازدهی اجتماعی (Social Scoring).
- آگوست ۲۰۲۵: اجرایی شدن قوانین برای مدلهای هوش مصنوعی با هدف عمومی (GPAI).
- ۲ آگوست ۲۰۲۶: آغاز تعهدات شفافیت تحت ماده ۵۰. شرکتها اکنون باید محتوای ساخته شده توسط هوش مصنوعی را برچسبگذاری کنند و زمانی که کاربران با سیستمهای هوش مصنوعی تعامل دارند، به آنها اطلاع دهند.
- ۲ دسامبر ۲۰۲۷: اجرای الزامات سختگیرانه برای سیستمهای هوش مصنوعی مستقل با ریسک بالا.
- ۲ آگوست ۲۰۲۸: اجرای الزامات سنگین برای هوش مصنوعی جاسازی شده در محصولات تحت نظارت رگولاتوری.
علی حیات، مدیرعامل Axipro Technology، استدلال میکند که این موضوع دیگر فقط بحث جریمههای مالی نیست. او معتقد است «تطبیق قانونی» در حال تبدیل شدن به یک ویژگی محصول (Product Feature) است. فروشندگانی که بتوانند از روز اول مستندات قانون هوش مصنوعی را ارائه دهند، احتمالاً قراردادها را به جای شرکتهایی که وعده «اصلاح در آینده» میدهند، میبرند. او این تغییر رویکرد را به روند پذیرش استانداردهای SOC 2 تشبیه میکند.
مسیر پیش رو
برای شرکتهای میانروزه که قادر نیستند با شرکتهای چندملیتی برای جذب استعدادی که در حال کاهش است رقابت کنند، تشکیل یک تیم کامل حکمرانی ممکن است غیرواقعبینانه باشد. از آنجایی که شرکتهای بزرگ در حال بلعیدن متخصصانی هستند که قادر به اجرای طبقهبندی ریسک و طراحی نظارت انسانی هستند، بازار میانروزه عقب مانده است.
به جای آن، این مطالعه پیشنهاد میکند که از چارچوبهای موجود برای پر کردن این شکاف استفاده شود. شرکتهایی که از موارد زیر استفاده میکنند، بیش از آنچه در تیتر اخبار آمده، به آمادگی نزدیکترند:
- گواهینامه ISO 27001: که ستون فقرات سیستم مدیریت را فراهم میکند.
- گزارشهای SOC 2: که کنترلهای عملیاتی ضروری را پوشش میدهند.
- برنامههای تطبیق با GDPR: که در حال حاضر اکثر حاکمیت دادههایی را که این قانون پیشفرض میگیرد، مدیریت میکنند.
برای این شرکتها، مسیر واقعبینانه ایجاد یک تیم اختصاصی حکمرانی نیست، بلکه استفاده از یک چارچوب ساختاریافته است. شانزده ماه مهلت اضافی که توسط دیجیتال اومنیبوس اعطا شده، یک پنجره زمانی محدود برای بستن فاصله باقیمانده به صورت هدفمند فراهم میکند. بدون یک برنامه ساختاریافته برای تطبیق با قانون هوش مصنوعی اتحادیه اروپا، شرکتها ریسک میکنند که در دسامبر ۲۰۲۷ دقیقاً همانقدر ناآماده باشند که دادهها پیشبینی میکنند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو