رسم تفاعلي
فحص المهنة: ما مدى تداخل مهنتك مع الذكاء الاصطناعي؟
قاست مايكروسوفت للأبحاث في 785 مهنة مقدار ما يتطابق من العمل اليومي المعتاد مع ما يستخدم الناس الذكاء الاصطناعي من أجله فعلياً اليوم. ابحث عن مهنتك وانظر أين تقع.
اكتب اسم المهنة ثم اخترها من القائمة. أسماء المهن مأخوذة من التصنيف المهني الأمريكي؛ إن لم تجد مهنتك فجرّب مصطلحاً قريباً منها.
لم تُختر مهنة بعد. اكتب اسم مهنة في الأعلى أو انقر نقطة في الرسم — عندها ترى مدى تأثرها وأين تقع بين المهن الـ785 جميعها.
كيف يُقاس ذلك؟
حلّلت مايكروسوفت للأبحاث على مدى تسعة أشهر نحو 200.000 محادثة مجهولة الهوية مع مساعد ذكاء اصطناعي، وربطت كل واحدة منها بالأنشطة المسجّلة لمهنة ما.
من ذلك يتبيّن لكل مهنة كم من عملها المعتاد يتطابق مع ما يستخدم الناس الذكاء الاصطناعي من أجله اليوم، وبأي قدر من النجاح. وبذلك يمكن مقارنة المهن ببعضها، وهذا تحديداً ما تعبّر عنه النسبة في الأعلى.
وما ليس هذا: ليس نسبة وقت عملك الذي يتولاه الذكاء الاصطناعي، ولا يقول إن كانت المهنة ستُستبدل. المقيس هو التداخل، لا الإحلال.
كل نقطة هي إحدى المهن الـ785 المدروسة. أشر إليها لترى أي مهنة هي، وانقرها لعرض تحليلها في الأعلى، أو قسّم السحابة حسب المجموعة المهنية.
الترتيب
طرفا المقياس
في الأعلى المهن الأكثر تداخلاً، وفي الأسفل تلك التي لا يكاد الذكاء الاصطناعي الحالي يضيف إليها شيئاً.
- 1 Interpreters and Translators 100.0 %
- 2 Historians 99.9 %
- 3 Writers and Authors 99.7 %
- 4 Sales Representatives of Services, Except Advertising, Insurance, Financial Services, and Travel 99.6 %
- 5 Computer Numerically Controlled Tool Programmers 99.5 %
- 6 Broadcast Announcers and Radio Disc Jockeys 99.4 %
- 7 Customer Service Representatives 99.2 %
- 8 Telemarketers 99.1 %
- 9 Political Scientists 99.0 %
- 10 Mathematicians 98.9 %
- 11 News Analysts, Reporters, and Journalists 98.7 %
- 12 Passenger Attendants 98.6 %
- 13 Technical Writers 98.5 %
- 14 Concierges 98.3 %
- 15 Proofreaders and Copy Markers 98.2 %
- 16 Editors 98.1 %
- 17 Business Teachers, Postsecondary 98.0 %
- 18 Public Relations Specialists 97.8 %
- 19 Data Scientists 97.7 %
- 20 Personal Financial Advisors 97.6 %
- 21 Web Developers 97.4 %
- 22 Advertising Sales Agents 97.3 %
- 23 Management Analysts 97.2 %
- 24 Geographers 97.1 %
- 25 Brokerage Clerks 96.9 %
- 785 Dredge Operators 0.0 %
- 784 Bridge and Lock Tenders 0.1 %
- 783 Water and Wastewater Treatment Plant and System Operators 0.3 %
- 782 Foundry Mold and Coremakers 0.4 %
- 781 Rail-Track Laying and Maintenance Equipment Operators 0.5 %
- 780 Pile Driver Operators 0.6 %
- 779 Floor Sanders and Finishers 0.8 %
- 778 Orderlies 0.9 %
- 777 Motorboat Operators 1.0 %
- 776 Logging Equipment Operators 1.1 %
- 775 Paving, Surfacing, and Tamping Equipment Operators 1.3 %
- 774 Ophthalmic Medical Technicians 1.4 %
- 773 Maids and Housekeeping Cleaners 1.5 %
- 772 Roustabouts, Oil and Gas 1.7 %
- 771 First-Line Supervisors of Firefighting and Prevention Workers 1.8 %
- 770 Roofers 1.9 %
- 769 Gas Compressor and Gas Pumping Station Operators 2.0 %
- 768 Helpers--Roofers 2.2 %
- 767 Tire Builders 2.3 %
- 766 Surgical Assistants 2.4 %
- 765 Massage Therapists 2.6 %
- 764 Industrial Truck and Tractor Operators 2.7 %
- 763 Prosthodontists 2.8 %
- 762 Cement Masons and Concrete Finishers 2.9 %
- 761 Dishwashers 3.1 %
المجموعات المهنية
حسب المجموعة المهنية
متوسط جميع المهن في كل مجموعة. الرقم بين القوسين هو عدد المهن في المجموعة.
- IT and Mathematics (21) 86.6 %
- Sales (21) 85.1 %
- Education and Library (60) 84.3 %
- Office and Administration (50) 78.3 %
- Community and Social Service (13) 77.8 %
- Business and Finance (32) 73.8 %
- Arts, Media and Sports (36) 73.5 %
- Architecture and Engineering (35) 71.8 %
- Science and Research (47) 71.6 %
- Personal Care and Service (29) 59.9 %
- Food Preparation and Serving (15) 54.4 %
- Management (37) 52.7 %
- Protective Service (23) 44.3 %
- Healthcare Practitioners (69) 38.5 %
- Installation and Repair (50) 35.9 %
- Legal (7) 34.0 %
- Transportation and Logistics (46) 34.0 %
- Production (100) 30.3 %
- Cleaning and Grounds Maintenance (8) 26.1 %
- Farming, Fishing and Forestry (12) 22.9 %
- Construction and Extraction (57) 14.8 %
- Healthcare Support (17) 10.8 %
المنهجية
من أين تأتي هذه الأرقام — وما الذي لا تقوله
الأساس دراسة أجرتها مايكروسوفت للأبحاث عام 2025. حُللت فيها نحو 200.000 محادثة مجهولة الهوية مع المساعد Bing Copilot على مدى تسعة أشهر، ورُبطت كل محادثة بأنشطة العمل التي يسجلها التصنيف المهني الأمريكي O*NET لكل مهنة.
ينتج عن ذلك قيمة واحدة لكل مهنة تتألف من ثلاثة عناصر: كم مرة يُلجأ إلى الذكاء الاصطناعي لأداء مهمة ما، وبأي قدر من النجاح ينجزها، وما وزن تلك المهمة ضمن المهنة كلها. ولا تبلغ أي مهنة حتى نصف ما هو ممكن نظرياً.
والأهم هو ما ليست هذه القيمة: ليست تنبؤاً بشأن الوظائف. يشدد الباحثون على أن التداخل المرتفع لا يعني أن المهنة ستُستبدل. المترجم الفوري — وهي المهنة الأعلى تداخلاً على الإطلاق — لن يختفي، لكن عمله بعد خمس سنوات سيبدو مختلفاً عن اليوم.
ينبغي أخذ قيدين في الحسبان. أولاً، البيانات من الولايات المتحدة ومن مساعد ذكاء اصطناعي واحد؛ وهي بالنسبة لسوق العمل النمساوي أو الألماني مؤشر لا قياس. وثانياً، تعكس الدراسة حال عام 2025 — والذكاء الاصطناعي يتغير أسرع من أي تصنيف مهني.
مصدر البيانات: Kiran Tomlinson وآخرون، «Working with AI: Measuring the Applicability of Generative AI to Occupations»، مايكروسوفت للأبحاث 2025، منشورة بترخيص CC BY 4.0. الدراسة: https://arxiv.org/abs/2507.07935 — البيانات: https://github.com/microsoft/working-with-ai