مخاطر الذكاء الاصطناعي في التوظيف: بين كفاءة الخوارزميات وحماية حقوق الباحثين عن عمل

دخل استخدام الذكاء الاصطناعي في عمليات التوظيف مرحلة رقابية جديدة ومهمة، وذلك عقب إصدار المفوضية الأوروبية في يوليو 2026 إرشادات دقيقة لتحديد أنظمة الذكاء الاصطناعي التي تندرج تحت فئة "عالية المخاطر". وتشمل هذه الأدوات البرمجية المستخدمة في استهداف إعلانات الوظائف، وفرز طلبات المتقدمين، وترتيب المرشحين وتقييمهم، وصولاً إلى اتخاذ القرارات الحاسمة المتعلقة بالترقية أو إنهاء الخدمة.

وعلى الرغم من أن قانون الذكاء الاصطناعي الأوروبي لا يحظر هذه الأنظمة بشكل قاطع، إلا أنه يفرض عليها متطلبات مشددة تتضمن إدارة المخاطر، والتحقق من جودة البيانات، وحفظ السجلات بدقة، وتوفير الشفافية، والأمن السيبراني، فضلاً عن ضمان الرقابة البشرية الفعالة. وقد جاءت هذه الإرشادات لتوضيح نطاق التصنيف بدقة قبل اكتمال سريان الالتزامات التنظيمية الخاصة بها.

وفي الولايات المتحدة، تواصل مدينة نيويورك حظر استخدام أدوات اتخاذ القرار الوظيفي المؤتمتة ما لم تخضع لعمليات تدقيق دورية لكشف أي انحياز محتمل، مع ضرورة نشر نتائج هذا التدقيق وإخطار المرشحين باستخدام تلك الأدوات. كما حذرت لجنة تكافؤ فرص العمل الأمريكية من أن الشركات تتحمل المسؤولية القانونية الكاملة عن أي تمييز، حتى وإن صدر القرار بمساعدة الخوارزميات.

كفاءة تشغيلية في مواجهة قرارات عالية الحساسية

تتيح الأنظمة المؤتمتة للشركات إمكانية معالجة أعداد هائلة من طلبات التوظيف، ومطابقة مهارات المتقدمين مع متطلبات الشاغر الوظيفي، فضلاً عن تقليص الوقت والجهد الذي تبذله إدارات الموارد البشرية في مرحلة الفرز الأولي. ويشير غسان محمود، وهو مهندس كومبيوتر وخبير في التحول الرقمي، إلى أن استبعاد أي سيرة ذاتية بشكل آلي قد يحرم صاحبها من فرصة إجراء المقابلة الشخصية دون أن يدرك معيار الرفض أو يمتلك القدرة على الاعتراض عليه.

ويوضح غسان محمود أن "القيمة الاقتصادية لهذه التقنيات تكمن في خفض تكلفة معالجة الطلب الفردي، وتسريع دورة التوظيف، وتحسين مطابقة المهارات مع الوظائف المتاحة، لا سيما لدى المؤسسات التي تستقبل آلاف الطلبات". ورغم قدرة الذكاء الاصطناعي على توسيع نطاق البحث واكتشاف كفاءات قد يعجز الفرز التقليدي عن الوصول إليها، إلا أن هذه الكفاءة تفقد جدواها إذا أدت إلى تحقيق توفير تشغيلي على حساب استبعاد مرشحين مؤهلين أو تعريض الشركة لمخاطر قانونية وأضرار في سمعتها.

أربعة ملايين طلب تكشف تفاوتاً في نتائج الخوارزميات

سلطت دراسة أجرتها جامعة ستانفورد في مايو 2026، والتي تُعد الأولى من نوعها على نطاق واسع لخوارزميات التوظيف الفعلية، الضوء على وجود تفاوتات عرقية واضحة بعد تحليل نحو أربعة ملايين طلب توظيف مقدمة عبر 156 جهة عمل مختلفة. وقد توصل الباحثون إلى أن 25.87% من طلبات المتقدمين السود، و14.74% من طلبات المتقدمين الآسيويين، قد وُجهت نحو وظائف أظهرت نتائج خوارزمياتها أثراً سلبياً ملحوظاً على تلك المجموعات، وفقاً لمعايير الأثر المتفاوت المعتمدة في تشريعات التوظيف الأمريكية.

ويبيّن غسان أن "جذور المشكلة لا تبدأ عند مرحلة الترتيب النهائي، بل تنطلق من كيفية تعريف مفهوم الموظف الناجح الذي يتعلم منه النظام؛ فإذا تم تدريب الخوارزمية بالاعتماد على بيانات تاريخية غير متوازنة، فإنها ستعمل على إعادة إنتاج تلك الاختلالات ذاتها ولكن في قالب تقني يبدو محايداً الظاهر".

هل الرقابة البشرية كافية بشقيها الشكلي والفعلي؟

لا تعني مجرد مراجعة مسؤول التوظيف للنتائج إزالة الخلل بشكل تلقائي؛ فقد أثبتت دراسة أجرتها جامعة واشنطن، وشملت 528 مشاركاً كان عليهم الاختيار بين مرشحين متساوين في الكفاءة، أن الأفراد تميل غالباً إلى محاكاة الانحياز الموجود في توصيات النظام بدلاً من تصحيحه ومراجعته بموضوعية.

وفي هذا السياق، يرى غسان أن "وجود عنصر بشري في نهاية العملية لا يُعتبر رقابة حقيقية إذا اعتمد على ترتيب الخوارزمية بشكل أعمى دون معرفة الأسباب الكامنة وراء التوصية أو امتلاك الصلاحية اللازمة لتجاوزها. إن الرقابة الفاعلة تستوجب تدريباً عملياً على اكتشاف الانحياز، وتوفير بيانات تفصيلية تفسر النتيجة، مع توثيق الحالات التي يخالف فيها المسؤول قرار النظام صراحة".

الحوكمة والحماية تبدآن قبل مرحلة الاستبعاد

تبدأ آليات الحماية، وفقاً للمتطلبات الأوروبية، من إجراء اختبارات دقيقة لجودة البيانات، ومراقبة الأداء باستمرار، وتوفير معلومات واضحة تمكن المستخدم من فهم مخرجات النظام. ومع ذلك، يؤكد غسان على ضرورة أن تتجاوز حوكمة الشركات حدود الامتثال الشكلي البحت.

ويختتم غسان بالقول: "يجب إخطار المرشح بوضوح عند استخدام الذكاء الاصطناعي في التقييم، وتوفير مسار يتيح له طلب المراجعة البشرية، واختبار معدلات القبول والرفض بين الفئات المختلفة للمتقدمين، إضافة إلى حظر الاعتماد على مؤشرات غير مرتبطة مباشرة بالكفاءة المهنية، وضمان ألا يتحول التصنيف الآلي إلى قرار نهائي لا يقبل الطعن". ورغم تأكيده على قدرة الذكاء الاصطناعي على رفع كفاءة التوظيف، إلا أنه يشدد على أن المسؤولية يجب أن تظل موزعة بوضوح بين مطور النظام والشركة المستخدمة وصاحب القرار البشري.