ذكاء مهني

مهندس الذكاء الاصطناعي

لمحة سريعة

يطبق مهندس الذكاء الاصطناعي أساليب الذكاء الاصطناعي في الهندسة والروبوتات وعلوم الكمبيوتر لتصميم البرامج التي تحاكي الذكاء بما في ذلك نماذج التفكير والأنظمة المعرفية والقائمة على المعارف وحل المشكلات واتخاذ القرارات. كما أنه يقوم بدمج المعرفة المنظمة في أنظمة الكمبيوتر (الأنطولوجيات وقواعد المعرفة) من أجل حل المشكلات المعقدة التي تتطلب عادة مستوى عال من الخبرة البشرية أو أساليب الذكاء الاصطناعي.

٣٧%
المرونة النتيجة · ٢٠٢٦ (الأعلى هو الأفضل)
درجة البكالوريوس أو ما يعادلها ٥٤% التعرض للذكاء الاصطناعي · ٢٠٢٦
سوق العمل

أين يوجد طلب على هذه المهنة

حالات النقص والفائض في العمالة المُبلَّغ عنها، حسب السنة. تُنشر لمجموعات المهن، وليس لمسميات وظيفية فردية.

تشمل الأرقام اختصاصيو تكنولوجيا المعلومات والاتصالات — ٧٥ مهنة، من بينها هذه.

١٠ من ١٤ بها نقص٢٠٢٥جميع الـ٣٠ في نمو٣٫٧Mوظائف حتى ٢٠٣٥

نقص: أيرلندا, التشيك, السويد, النمسا و٦ أخرى.

أطول نقص: النمسا، ٣ سنوات.

اختر منطقة على الخريطة لعرض أرقامها.

عن هذا المصدر›

المصدر: ELA/EURES، حالات النقص والفائض في العمالة. تُنشر البيانات على مستوى المجموعة المهنية وتغطي أوروبا. تختلف الإصدارات في بنية الملحق وفي الدول المشمولة، لذا لا يعني الاختلاف بين سنة وأخرى دائمًا أن سوق العمل قد تغيّر. الدول الرمادية لم يُبلَّغ عنها، وهذا ليس كالتوازن.

ماذا تعني هذه الكلمات

الأمور الأربعة التي يبيّنها هذا القسم

الطلب المُبلَّغ عنه
الطلب المُبلَّغ عنه: ما إذا كان أصحاب العمل يبلّغون عن حاجتهم إلى أشخاص في هذه المهنة — وهو حكم تنشره جهة وطنية أو جهة تابعة للاتحاد الأوروبي، وليس عدداً.
إلى أين يتجه
إلى أين يتجه: المسار المتوقع للتوظيف في هذه المهنة خلال السنوات المقبلة، استناداً إلى توقّع رسمي.
الوظائف الشاغرة
الوظائف الشاغرة: عدد فرص العمل التي تنشأ تقريباً بسبب النمو وبسبب مغادرة أشخاص هذه المهنة.
الأجر المعتاد
الأجر المعتاد: ما يكسبه الأشخاص في هذه المهنة عادةً في الأماكن التي ينشر فيها المصدر هذه البيانات. ولا يعني ترك الخانة فارغة أن العمل غير مدفوع الأجر؛ بل يعني أنه لا ينشره أحد لذلك المكان.

يُترك المقياس خالياً عندما لا ينشره أحد لذلك المكان، بدلاً من عرضه على أنه صفر.

إلى أي اتجاه يميل السوق بالنسبة إليك

في صالحك
الوظائف الشاغرة أكثر من الباحثين عن عمل — وأصحاب العمل يتنافسون على المرشحين.
متوازن
عدد الوظائف الشاغرة والباحثين عن عمل متقارب تقريبًا.
تنافسي
الباحثون عن عمل أكثر من الوظائف الشاغرة — توقّع منافسة.
بيانات متضاربة
المصادر غير متفقة، أو أن المجموعة المهنية نفسها تعاني نقصًا في منطقة وفائضًا في أخرى.

تُصنّف كل المصادر ضمن واحدة من هذه الفئات الأربع، ولذلك توجد مجموعة مصطلحات واحدة لتعلّمها: في صالحك، متوازن، تنافسي، بيانات متضاربة. وما يختلف هو الأدلة التي تستند إليها، وهي مطبوعة أسفل كل تصنيف — نسبة مقيسة بين الوظائف الشاغرة والباحثين عن عمل، أو تقييم تنشره جهة وطنية.

كيف تقارن هذه المهنة بالمهن الأخرى في البلد نفسه

قوي
من أقوى المهن في that country
جيد
أقوى من معظم المهن في that country
متفاوت
قريبة من المعتاد في that country
ضعيف
أضعف من معظم المهن في that country

هذا ترتيب داخل بلد واحد، وليس نتيجة يمكنك مقارنتها عبر الحدود — فالسجلات التي تقف وراء بلدين تحصي أشخاصاً مختلفين، ولذلك يعني العدد نفسه أشياء مختلفة في كل بلد. ولهذا أيضاً قد تكون المهنة ضمن الأقوى في بلد ما، ومع ذلك تظهر على أنها تنافسي: فهي تتصدر سوقاً يشهد منافسة شديدة بوجه عام.

مصدر هذه البيانات

تنشر كل رقم جهة وطنية للإحصاء أو مرفق عام للتوظيف أو جهة تابعة للاتحاد الأوروبي، وتذكر كل بطاقة مصدرها والفترة التي تغطيها. تُحصى البيانات في بعض الأماكن شهرياً، بينما تُقيّم في أماكن أخرى مرة أو مرتين في السنة، ولذلك قد تصف منطقتان على الخريطة نفسها لحظتين مختلفتين — ويظهر التاريخ دائماً.

لا تتنبأ أي من هذه المعلومات بفرص شخص بعينه. إنها تصف سوقاً.

الطلب المُبلَّغ عنه · الأجر المعتاد · إلى أين يتجه (ألمانيا, السويد, فرنسا, هولندا, بلجيكا, النمسا)
الطلب المُبلَّغ عنه · الأجر المعتاد · إلى أين يتجه
الطلب المُبلَّغ عنه الأجر المعتاد إلى أين يتجه
ألمانيا أُبلغ عن نقص ELA/EURES ٢٠٢٤ * — +١٥٫٦% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
السويد أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٤٥٫١% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
فرنسا لم يُبلَّغ عنه — +٣٤٫٨% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
هولندا أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٣٢% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
بلجيكا أُبلغ عن نقص وفائض ELA/EURES ٢٠٢٥ * — +٣٧٫٥% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
النمسا أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٤٨٫٨% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *

* تُنشر لمجموعات المهن، وليس لمسميات وظيفية فردية.

هل تقدّمون الإرشاد المهني للطلاب أو العملاء أو الموظفين؟ استخدموا بيانات هذه المهنة في مؤسستكم.

NexFuture™

نظرة المستقبل لـ مهندس الذكاء الاصطناعي

The outlook for مهندس الذكاء الاصطناعي reflects a balanced mix of automation exposure and durable, human-led work.

كيف يتم حساب هذه الدرجات؟

يُقدِّر مؤشر المرونة (من ٠ إلى ١٠٠) مدى الحماية الهيكلية لهذه المهنة من الأتمتة واضطرابات الذكاء الاصطناعي، استناداً إلى تحليل مستوى المهام. وتعني الدرجات الأعلى مهاماً تعتمد بدرجة أكبر على الحكم الإنساني. يُظهر التعرض للذكاء الاصطناعي النسبة المئوية التقديرية لساعات المهام التي قد تتأثر بقدرات الذكاء الاصطناعي الحالية. وهذه مؤشرات هيكلية مستمدة من النماذج، وليست تنبؤات بأمن الوظائف الفردية.

لعب المستقبل
كيف يمكن أن يتغير مهندس الذكاء الاصطناعي مع نمو اعتماد الذكاء الاصطناعي؟

قد تتحول العديد من مجالات المهام نحو سير العمل بمساعدة الذكاء الاصطناعي، لذا تصبح إعادة اكتساب المهارات أكثر أهمية.

يُقدّر حدوث تحول كبير على مستوى المهام خلال ١٢ سنوات (حوالي ٢٠٣٨) بموجب سيناريو متوقع المختار.
~٣٥%
المرونة
مخاطر الأتمتة
EXP~٦٠%
الحافة البشرية
MOAT~٣٥%

سيناريو توضيحي يستند إلى قابلية أتمتة المهام — وليس تنبؤًا. تُقرَّب القيم كلما نظرت أبعد في المستقبل.

٢٠٢٦
٢٠٣٣
٢٠٤٣
سرعة اعتماد الذكاء الاصطناعي:

التقدير القائم على النموذج. استخدمها كإشارة تخطيط، وليس ضمانًا.

كيف يمكن للذكاء الاصطناعي أن يغير هذا الدور؟

التفسير الحتمي القائم على النموذج لإشارات الدور الحالي - وليس ضمانًا للاستبدال.

٣٧% مملوكة للإنسان

ما لا يزال يعتمد على الناس

  • تحديد المتطلبات التقنية
الميزة البشرية للبقاء في الطليعة في هذا الدور، ركز على استخراج البيانات و استخراج المعلومات. هذه المهارات التي تركز على الإنسان هي الأصعب للذكاء الاصطناعي في النسخ المتماثل في العشرين سنة القادمة.
٢٩% مساعدة

حيث قد يصبح الذكاء الاصطناعي مساعد طيار

  • تحليل البيانات الضخمة
  • تحليل متطلبات الأعمال
  • استخدام بشكل خلاق التكنولوجيات الرقمية
٥٤% أتمتة

المهام الأكثر عرضة للأتمتة

  • استخدام تقنيات معالجة البيانات
  • إنشاء مجموعة بيانات
تحليل مفصل

المؤشرات الحيوية ونواقل الذكاء الاصطناعي

ناقلات التعرض لمنظمة العفو الدولية

٠-١٠٠%
الذكاء الاصطناعي / التعلم الآلي ٢٩%

التعرض للتحليل بمساعدة الذكاء الاصطناعي والتعرف على الأنماط ومهام النمذجة التنبؤية

الذكاء الاصطناعي التوليدي ٥%

التعرض لتوليد المحتوى والتعزيز الإبداعي وأدوات نماذج اللغات الكبيرة

البرمجيات المعرفية ٤%

التعرض لأتمتة سير العمل وبرامج دعم القرار وتحديث العمليات

الأتمتة الروبوتية والمادية ٠%

التعرض للأتمتة الفيزيائية والروبوتات والإزاحة المدفوعة بالمستشعرات

التفاصيل الفنية
المنهجية: NexFuture v3.0 المصادر: O*NET® ٣٠٫٣, ESCO v1.2.1 تم التحديث: أكتوبر ٢٠٢٦

يقدّر NexFuture v3.0 التعرّض للأتمتة مباشرةً من مجموعات المهارات الأساسية في ESCO، مرجَّحةً بكتلة المهارات ومعايَرةً وفق مراسي الخبراء. الدرجات تقديرات احتمالية وليست ضمانات. راجع ورقة منهجية NexFuture للحصول على التفاصيل الكاملة.

يقيس التعرّض للأتمتة. ولا يقيس الأجر أو الطلب أو عدد الوظائف المتاحة بالقرب منك.

يوم في الحياة

ما يفعله الأشخاص في هذا الدور عادة

التكنولوجيا الرقمية

يوم في الحياة

يوم نموذجي مثل مهندس الذكاء الاصطناعي

٠٩
٠٩:٠٠ · صباح
تطبيق نظرية أنظمة تكنولوجيا المعلومات والاتصالات
تنفيذ مبادئ نظرية أنظمة تكنولوجيا المعلومات والاتصالات من أجل شرح وتوثيق خصائص النظام التي يمكن أن تطبق بوجه عام على الأنظمة الأخرى.
١٠
١٠:٣٠ · منتصف الصباح
استخدام بشكل خلاق التكنولوجيات الرقمية
استخدام الوسائل والتكنولوجيات الرقمية لبناء المعرفة وابتكار العمليات والمنتجات. المشاركة بصفة فردية وجماعية في المعالجة المعرفية لفهم المشكلات المفاهيمية وأوضاع المشكلات في البيئات الرقمية وحلها.
١٢
١٢:٠٠ · منتصف النهار
استخدام تقنيات معالجة البيانات
جمع البيانات والمعلومات ذات الصلة ومعالجتها وتحليلها، وتخزين البيانات وتحديثها على نحو سليم وعرض الأرقام والبيانات باستخدام المخططات والرسوم البيانية الإحصائية.
١٤
١٤:٠٠ · بعد الظهر
إنشاء مجموعة بيانات
وضع تشكيلة تتكون من مجموعة البيانات الجديدة أو الموجودة ذات الصلة والتي تتكوّن من عناصر منفصلة لكن يُمكن أن تُعالج كوحدة واحدة.
١٥
١٥:٣٠ · في وقت متأخر بعد الظهر
تحديد المتطلبات التقنية
تحديد الخصائص التقنية للسلع والمواد والأساليب والعمليات والخدمات والأنظمة والبرمجيات والوظائف من خلال تحديد الاحتياجات الخاصة التي يتعين تلبيتها وفقًا لمتطلبات العملاء.
١٧
١٧:٠٠ · الختام
تحليل البيانات الضخمة
جمع وتقييم البيانات الرقمية بكميات كبيرة وخصوصًا بغرض تحديد الأنماط بين البيانات.

ترتيب المهام توضيحي. تختلف الأيام الفردية.

المهارات والمعرفة

ما تحتاج إليه لأداء هذا العمل

المهارات والمعرفة والأدوات التي يتطلبها هذا الدور — والسمات والمكافآت التي تأتي معه.

المهارات الأساسية
استخدام الأدوات الرقمية للتعاون والإنتاجية
  • استخدام بشكل خلاق التكنولوجيات الرقمية

    استخدام الوسائل والتكنولوجيات الرقمية لبناء المعرفة وابتكار العمليات والمنتجات. المشاركة بصفة فردية وجماعية في المعالجة المعرفية لفهم المشكلات المفاهيمية وأوضاع المشكلات في البيئات الرقمية وحلها.

إدارة، وجمع البيانات الرقمية وتخزينها
  • استخدام تقنيات معالجة البيانات

    جمع البيانات والمعلومات ذات الصلة ومعالجتها وتحليلها، وتخزين البيانات وتحديثها على نحو سليم وعرض الأرقام والبيانات باستخدام المخططات والرسوم البيانية الإحصائية.

تصميم النٌّظم والمنتجات
  • تصميم العملية

    تحديد متطلبات سير العمل والموارد لعملية معينة باستخدام أدوات متنوعة مثل برامج محاكاة العمليات والتخطيط البياني والنماذج المصغرة.

تحليل المعلومات والبيانات وتقييمها
  • تحليل البيانات الضخمة

    جمع وتقييم البيانات الرقمية بكميات كبيرة وخصوصًا بغرض تحديد الأنماط بين البيانات.

ابتكار التصميمات أو العروض الفنية
  • طرح أفكارًا إبداعية

    طرح مفاهيم فنيّة وأفكار إبداعية جديدة.

إدارة المعلومات
  • إنشاء مجموعة بيانات

    وضع تشكيلة تتكون من مجموعة البيانات الجديدة أو الموجودة ذات الصلة والتي تتكوّن من عناصر منفصلة لكن يُمكن أن تُعالج كوحدة واحدة.

تحليل العمليات التجارية
  • تحليل متطلبات الأعمال

    دراسة احتياجات العملاء وتوقعاتهم تجاه منتج أو خدمة ما من أجل تحديد أوجه التضارب وتسويتها والخلافات المحتملة بين أصحاب المصلحة المعنيين وحلها.

برمجة أنظمة الكمبيوتر
  • تطوير البرمجيات الإحصائية

    المشاركة في مختلف مراحل تطوير برامج الحاسوب للتحليل الاقتصادي والإحصائي؛ مثل البحث، وتطوير المنتجات الجديدة، ووضع النماذج الأولية، والصيانة.

تقديم المعلومات البحثية أو التقنية
  • تقديم عرض مرئي للبيانات

    إنشاء تمثيلات مرئية للبيانات مثل المخططات أو الرسومات البيانية لتسهيل فهمها.

إنشاء أنظمة الكمبيوتر
  • تطبيق نظرية أنظمة تكنولوجيا المعلومات والاتصالات

    تنفيذ مبادئ نظرية أنظمة تكنولوجيا المعلومات والاتصالات من أجل شرح وتوثيق خصائص النظام التي يمكن أن تطبق بوجه عام على الأنظمة الأخرى.

مجالات المعرفة & البرمجيات والتقنيات
مجالات المعرفة
  • استخراج البيانات

    أساليب الذكاء الاصطناعي، والتعلم الآلي والإحصاءات وقواعد البيانات المستخدمة لاستخراج المحتوى من مجموعة بيانات.

  • استخراج المعلومات

    التقنيات والأساليب المستخدمة للحصول على المعلومات واستخراجها من الوثائق والمصادر الرقمية غير المهيكلة أو شبه الهيكلية.

  • بيانات غير منظمة

    البيانات غير المنظمة بطريقة محددة مسبقًا أو التي لا تحتوي على نموذج بيانات محدد مسبقًا ويصعب فهمها وإيجاد أنماط لها دون استخدام تقنيات مثل استخراج البيانات.

  • تصنيف المعلومات

    عملية تصنيف المعلومات إلى فئات وإظهار العلاقات بين البيانات لبعض الأغراض المحددة بوضوح.

  • تقنيات العرض البصري

    تقنيات التمثيل والتفاعل المرئي، مثل المدرج التكراري، والمخطط المبعثر، والمخطط السطحي، وخرائط الأشجار والمخطط الإحداثي المتوازي، التي يمكن استخدامها لتقديم بيانات عددية وغير رقمية مجردة، من أجل تعزيز الفهم الإنساني لهذه المعلومات.

  • لغة استعلام خاصة بإطار وصف المصادر

    لغات الاستعلام مثل SPARQL التي تُستخدم لاسترداد البيانات المخزنة في تنسيق إطار وصف المصادر.

  • مبادئ الذكاء الصناعي

    نظريات الذكاء الاصطناعي ومبادئه التطبيقية ومعمارياته ونُظُمه، مثل العوامل الذكية والأنظمة المتعددة العوامل والأنظمة الخبيرة والأنظمة المستندة إلى القواعد والشبكات العصبية والأنطولوجيا ونظريات الإدراك.

  • نماذج البيانات

    التقنيات والنظم القائمة المستخدمة لتكوين عناصر البيانات وتوضيح العلاقات بينها والطرق المستخدمة لتفسير هياكل البيانات والعلاقات بينها.

  • نمذجة العمليات التجارية

    الأدوات والطرق ومناهج التخطيط مثل نموذج وتدوين العمليات التجارية ولغة تنفيذ العمليات التجارية التي تُستخدم لوصف وتحليل خصائص عملية الأعمال ونمذجة مواصلة تطويرها.

  • هندسة المعلومات

    الأساليب التي يتم من خلالها إنشاء المعلومات وتنظيمها وتخزينها والحفاظ عليها وربطها وتبادلها واستخدامها.

  • هيكل المعلومات

    نوع البنية التحتية التي تحدد تنسيق البيانات: شبه منظمة وغير منظمة ومنظمة.

  • Python

    تقنيات ومبادئ تطوير البرمجيات، مثل التحليل والخوارزميات والترميز واختبار وجمع نماذج البرمجة في "Python".

البرمجيات والتقنيات
Structured query language SQLSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsMicrosoft Visual BasicOracle DatabaseExtensible markup language XMLC++TableauOracle JavaESRI ArcGIS softwareJavaScriptTeradata DatabaseGoogle AnalyticsCPerlMicrosoft Visual Basic for Applications VBAPHPAmazon Web Services AWS softwareMicrosoft Azure softwareMySQLC#Eclipse IDEApache HadoopMicrosoft Visual StudioGitSplunk EnterpriseApache HiveGitHubApache CassandraRubyNoSQLAmazon RedshiftPuppetPostgreSQLElasticsearchApache Subversion SVN
السمات الرئيسية التي تحتاجها
التفكير التحليلي التعاون التقدير الاستقلال الإنجاز/الجهد الإنجاز الابتكار النزاهة التكيف/المرونة الاعتمادية التنوع تحمل الضغط القيادة الاهتمام بالآخرين التوجه الاجتماعي السيطرة الذاتية
المكافآت الرئيسية التي يمكنك توقعها
الإنجازظروف العملالتقديرالعلاقاتالدعمالاستقلال
كيفية التأهل

مهندس الذكاء الاصطناعي: كيف تتأهل وأين تدرس

ما يتطلبه الأمر عادةً للتأهل: المستوى التعليمي، حيث تعتبر مهنة منظمة، ومكان الدراسة.

مستوى التعليم النموذجي

درجة البكالوريوس أو ما يعادلها

أين تدرس

٣٬٤٧٤ برنامجًا في دولٍ يبلغ عددها ٣١ تعلّم المهارات الأساسية لهذه المهنة. وهناك أيضًا ٨٥٦ دورة تدريبية قصيرة، يبني كلٌّ منها مهارة واحدة.

بعض الأمثلة، تُدرَّس بلغة هذه الصفحة:

مهني علوم الحاسب وتطوير البرامج

Effat University · المملكة العربية السعودية

درجة هندسة البرمجيات

Prince Mohammad Bin Fahd University (PMU) · المملكة العربية السعودية

مهني البرمجة وعلوم الحاسب

Umm al-Qura University · المملكة العربية السعودية

المصادر
  1. ١. Source: Study in Saudi Arabia, Ministry of Education (studyinsaudi.sa).
التقدم الوظيفي

مسارات النمو والأدوار المماثلة

استكشف مسارات التقدم المهني النموذجية والمهارات المجاورة والأدوار المماثلة للتخطيط لانتقالك المهني القادم.

للمؤسسات

بيانات هذه الصفحة، في خدمة طلابكم وعملائكم وموظفيكم.

الأسئلة الشائعة

الأسئلة المتداولة

ما هي المهارات الأساسية التي يحتاجها مهندس الذكاء الاصطناعي؟
بالإضافة إلى المعرفة القوية بعلوم الكمبيوتر والرياضيات والإحصاء، يحتاج مهندس الذكاء الاصطناعي إلى مهارات في لغات البرمجة مثل Python وJava، وفهم عميق لخوارزميات التعلم الآلي، والقدرة على تحليل البيانات وتفسيرها، بالإضافة إلى مهارات حل المشكلات والتفكير النقدي.
ما هي أبرز التحديات التي تواجه مهندس الذكاء الاصطناعي في بيئة العمل؟
من أبرز التحديات ضمان جودة البيانات المستخدمة في تدريب النماذج، والتعامل مع التحيزات المحتملة في البيانات، وضمان أمان الأنظمة الذكية وحمايتها من الاختراقات، بالإضافة إلى مواكبة التطورات السريعة في مجال الذكاء الاصطناعي.
ما هي المجالات التي يمكن لمهندس الذكاء الاصطناعي أن يعمل بها؟
يمكن لمهندس الذكاء الاصطناعي أن يعمل في مجموعة واسعة من المجالات، بما في ذلك الرعاية الصحية، والتمويل، والتصنيع، والنقل، والتجزئة، والتكنولوجيا، والأمن السيبراني، وغيرها. الطلب على هؤلاء المهندسين يزداد في كل هذه القطاعات.
مهندس الذكاء الاصطناعي — كم الأجر في الولايات المتحدة؟
١٤٠٬٩١٠ دولار سنويًا عند الوسيط، حتى ٢٠٢٥-٠٥. تتراوح وسطاء الولايات بين ٨٢٬٥٩٠ و٢٠٦٬٢٢٠ دولار. المصدر: مكتب إحصاءات العمل الأمريكي. الرقم يخص الولايات المتحدة وليس توقعًا لأوروبا.

المصادر: ESCO O*NET ELA/EURES Cedefop BLS ILO ISCO-08 (CC BY ٤٫٠) تم تحديث البيانات في ١٩ أكتوبر ٢٠٢٦ حول بياناتنا