«پشتهٔ شخصی هوش مصنوعی»؛ معیار جدید غربالگری متقاضیان در مصاحبه‌های شغلی

تصور کنید در مصاحبه‌ای برای یک جایگاه غیرفنی نشسته‌اید و ناگهان از شما می‌پرسند چگونه از مدل‌های زبانی بزرگ (LLMs) برای خودکارسازی گزارش‌های هفتگی یا پژوهش‌هایتان استفاده می‌کنید. اگر پاسخی دقیق و ساختارمند نداشته باشید، احتمالاً فرصت شغلی را از دست خواهید داد، حتی اگر سال‌ها تجربه کاری داشته باشید. این یک سناریوی احتمالی نیست، بلکه واقعیت جدید برای متقاضیان در تمامی خطوط کسب‌وکار است، نه فقط برای متخصصان IT.

به گزارش ZDNET، مدیران ارشد اکنون از پرسشی خاص برای فیلتر کردن متقاضیان استفاده می‌کنند: «پشتهٔ شخصی هوش مصنوعی شما چیست؟». هدف آن‌ها شناسایی افرادی است که می‌توانند هوش مصنوعی را برای رشد واقعی کسب‌وکار به کار بگیرند، نه کسانی که صرفاً نام چند ابزار محبوب را حفظ کرده‌اند.

این تغییر در حالی رخ می‌دهد که هوش مصنوعی از مرحلهٔ «آزمایشی» به یک ضرورت عملیاتی و هسته مرکزی عملیات تبدیل شده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی سواد دیجیتال در عصر مدل‌های زبانی اشاره کردیم، تجربه کاری سنتی هنوز شما را به جلسه مصاحبه می‌رساند، اما توانایی نمایش یک استراتژی پیشرو در استفاده از AI است که جایگاه شغلی را برای شما تثبیت می‌کند. برای بسیاری از متخصصان، ریسک دیگر فقط از دست دادن یک موج تکنولوژیک نیست، بلکه برخورد با یک سقف شغلی واقعی است که مانع از پیشرفت آن‌ها در سلسله‌مراتب سازمانی می‌شود.

بستر جدید مصاحبه‌های شغلی

مصاحبه‌های شغلی همواره اضطراب‌آور بوده‌اند و نیازمند تعادلی ظریف میان تواضع و تفاخر هستند. اما اکنون این فرآیند سخت‌تر شده است، زیرا هوش مصنوعی همزمان هم به عنوان یک «فیلتر» و هم به عنوان «موضوع ارزیابی» به کار می‌رود. شرکت‌ها پیش از آنکه شما را ببینند، از AI برای غربالگری انبوه درخواست‌ها و رزومه‌ها استفاده می‌کنند، که همین امر رسیدن به مرحله مصاحبه را دشوارتر کرده است. این چالش در حالی شدت می‌یابد که پلتفرم‌های استخدامی برای مقابله با رزومه‌های تولیدشده با هوش مصنوعی و بازگرداندن اعتبار به مهارت‌های اثبات‌شده در حال تغییر استراتژی هستند.

زمانی که متقاضی وارد اتاق مصاحبه می‌شود، انتظارات تغییر کرده است. مدیران ارشد دیگر علاقه چندانی به نگاه گذشته‌نگر متقاضی به مسیر شغلی‌اش ندارند و بیشتر به توانایی او در پذیرش آینده علاقه‌مندند. دو مدیر ارشد فناوری در این باره اشاره کرده‌اند متقاضیانی که نتوانند پاسخی قانع‌کننده درباره پشتهٔ ابزارهای AI خود بدهند، به احتمال زیاد موفق به کسب جایگاه شغلی نخواهند شد. در همین راستا، برخی متقاضیان برای غلبه بر این فشارها به کمک‌خلبان‌های مصاحبه برای دریافت راهنمایی‌های لحظه‌ای روی آورده‌اند تا بتوانند پاسخ‌های ساختارمندتری ارائه دهند.

الزام داشتن یک «پشتهٔ AI»

تال کارمی (Tal Carmi)، مدیر ارشد فناوری در WalkMe، هشدار می‌دهد که دوری از «بازی هوش مصنوعی» در حال حاضر بزرگ‌ترین ریسک برای هر متخصص است. او استدلال می‌کند این باور که نقش‌های غیرفنی از تسلط بر AI مستثنی هستند، یک اشتباه بنیادین است؛ زیرا هوش مصنوعی اکنون در تمام توابع تجاری و بخش‌های اداری نفوذ کرده و همه‌جا حضور دارد. کارمی به ZDNET گفت: «مردم باید مقیاس این تغییر را درک کنند.»

گیل هاوس (Gill Haus)، مدیر ارشد فناوری در Chase (بخش بانکداری مصرف‌کننده جی‌پی مورگان چیس)، تأیید می‌کند که سازمان او از یک فرآیند قدرتمند برای ارزیابی نحوه استفاده متقاضیان از مدل‌های AI جهت تکامل کسب‌وکار استفاده می‌کند. از نظر او، ارزشمندترین متقاضیان کسانی هستند که ویژگی‌های زیر را به نمایش می‌گذارند:

• آزمایش فعالانه و مستمر فناوری‌های نوظهور هوش مصنوعی.
• سطح بالایی از کنجکاوی و انرژی برای یادگیری سریع تکنولوژی‌های جدید.
• توانایی استفاده مستقل از فناوری‌ها و نزدیک ماندن به لبه تغییرات.
• قدرت به‌کارگیری AI برای حل چالش‌های خاص و واقعی در محیط کار.

هاوس اشاره می‌کند که Chase این ابزارها را به‌صورت داخلی در اختیار کارکنان قرار می‌دهد، زیرا این ابزارها برای فرآیندهای تجاری بلندمدت شرکت حیاتی هستند. در نتیجه، آن‌ها انتظار دارند استخدام‌های جدید از پیش با این فناوری‌ها کار کرده باشند تا بتوانند بلافاصله پس از ورود، در سازمان اثرگذار باشند و مشارکت کنند.

اولویت کاربرد بر ابزار

البته همه مدیران به دنبال نام یک اپلیکیشن خاص نیستند. سم هود (Sam Hood)، رئیس جهانی پلتفرم‌های داده سازمانی در Schroders، صراحتاً می‌گوید او نمی‌پرسد ابزار مورد علاقه شما چیست، بلکه می‌پرسد «چگونه» از AI استفاده می‌کنید.

به باور هود، ابزارهای خاصی مثل ChatGPT، Claude یا Gemini گذرا هستند و ترندهای AI می‌آیند و می‌روند. ارزش واقعی در موارد زیر نهفته است:

• درک مدل‌های بنیادی (Foundation Model) که پشت هر ابزار قرار دارند.
• تشخیص اینکه مدل‌های مختلف دارای نقاط قوت و ضعف خاص خود هستند.
• استفاده از ابزار به روشی درست و مطابق با هدفی که برای آن طراحی شده است.
• به‌کارگیری AI برای آزاد کردن زمان و حذف وظایفی که ممکن است کارکنان از انجام آن‌ها لذت نبرند.

هود با تمرکز بر «چگونگی» به‌جای «چیستی»، می‌تواند تشخیص دهد که متقاضی چگونه فکر می‌کند و آیا درک می‌کند که بازار در حال تغییر مداوم است یا خیر. این رویکرد با استراتژی‌های جدیدی نظیر جایگزینی خروجی کد با تسلط بر AI در فرآیندهای استخدام همسو است که در آن تفکر استراتژیک بر مهارت‌های اجرایی ساده اولویت دارد.

عمق تخصصی در حوزه‌های خاص

در رشته‌های بسیار تخصصی، تمرکز از یک پشتهٔ عمومی به کاربردهای دامنه-محور (Domain-specific) تغییر می‌کند. لوئیک ژیرو (Loïc Giraud)، معاون بنیاد داده و AI در غول داروسازی Novo Nordisk، به دنبال تسلط و توانایی یادگیری است که بتوان آن را به محیط‌های داده‌محور داروسازی منتقل کرد.

ژیرو اشاره می‌کند چون هوش مصنوعی زاینده (Generative AI) و هوش مصنوعی عامل‌محور (Agentic AI) نسبتاً جدید هستند، مدیران نمی‌توانند به‌طور واقع‌بینانه ۱۰ یا ۲۰ سال تجربه AI از متقاضی بخواهند. در عوض، آن‌ها عمق و گسترهٔ ادغام این فناوری‌های نوظهور در کارهای اخیر متقاضی را می‌سنجند. او به‌طور خاص علاقه‌مند است بداند آیا تجربه متقاضی در حوزه تخصصی‌اش «عمیق» است یا «گسترده».

به همین ترتیب، جاش چندلر (Josh Chandler) در بنیاد بیمارستانی Bedfordshire Hospitals NHS، بر فرصت‌های «عمیق» به‌جای «گسترده» تمرکز دارد. در بخش دولتی که با محدودیت بودجه مواجه است، او به دنبال متخصصانی است که ثابت کنند راهکارهای AI:

• اثبات‌شده و ایمن هستند.
• در بلندمدت پایدار و قابل اتکا هستند.
• دقیقاً روی حوزه‌های اولویت‌دار سازمان هدف‌گذاری شده‌اند.

چندلر تأکید می‌کند که هر سازمانی در لبهٔ نوآوری نیست، اما برای کسانی که «کنجکاوی حرفه‌ای» برای کاوش در ابزارها دارند، مشتاق است حمایت و ابزارهای لازم را برای تیم‌هایی که جذب اتوماسیون و AI شده‌اند، فراهم کند.

منطق جدید استخدام

برای جویندگان کار، معنای این تغییر این است که «کنجکاوی حرفه‌ای» اکنون یک مهارت قابل اندازه‌گیری است. دیگر کافی نیست که کاربر منفعل AI باشید؛ شما باید بتوانید یک گردش‌کار (Workflow) را به‌طور شفاف شرح دهید.

این یعنی باید روایتی آماده کنید که توضیح دهد چرا برای یک تسک خاص، مدل X را انتخاب کردید و این انتخاب چگونه کیفیت یا سرعت خروجی شما را بالا برد. مصاحبه دیگر فقط درباره این نیست که «چه کرده‌اید»، بلکه درباره این است که «چگونه در کنار تکنولوژی در داخل سازمان تکامل خواهید یافت».

این روند نشان‌دهنده تغییری گسترده‌تر در بازار کار است؛ جایی که «سواد AI» در حال تبدیل شدن به پیش‌نیازی است شبیه به سواد کامپیوتر در دهه ۱۹۹۰. کسانی که بتوانند رویکردی سیستماتیک به AI — یعنی یک «پشته» — را به نمایش بگذارند، برتری رقابتی شدیدی نسبت به کسانی خواهند داشت که از AI به‌صورت پراکنده و اتفاقی استفاده می‌کنند.

گام بعدی شما

برای حفظ رقابت‌پذیری، باید از همین امروز مستندسازی گردش‌کارهای AI خود را شروع کنید. لیستی از ابزارهایی که استفاده می‌کنید، مسائل خاصی که آن‌ها را حل کرده‌اند و دستاوردهای قابل اندازه‌گیری در زمان یا کیفیت تهیه کنید.

• برای هر ابزار، دلیل انتخاب آن را نسبت به رقبایش (مثلاً چرا Claude به‌جای GPT) بنویسید تا در مصاحبه‌ها استدلال کنید.
• روی یادگیری مفاهیم بنیادی مدل‌ها تمرکز کنید تا با تغییر ابزارها، مهارت شما منقضی نشود.
• تمرین کنید تا بتوانید توضیح دهید چگونه AI شما را از کارهای تکراری رها کرده تا بر کارهای استراتژیک تمرکز کنید.

اما داستان سخت‌افزاری این تحول و نیاز به پردازش‌های محلی حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های NPU در لپ‌تاپ‌های جدید مراجعه کنید.