توظف الشركات “مهندس ذكاء اصطناعي ميداني” (AI FDE) عندما تحتاج إلى شخص قادر على التعامل مع مشكلة معقدة أو غير منظمة يواجهها العميل، وتحويلها بسرعة إلى وظيفة فعالة في المنتج، وذلك دون المساس بالثقة أو معايير الأمان أو الجداول الزمنية. يُقصد بـ المهندس الميداني (FDE) ذلك المهندس الذي يعمل مباشرة مع العملاء لتطبيق الحلول في بيئاتهم التقنية، ثم ينقل ما تعلمه من هذه التجربة إلى فريق تطوير المنتج.
تخيل هذا الموقف: أنت تجري مقابلة لوظيفة مهندس ذكاء اصطناعي ميداني، ويستمر المحاور في التركيز على حالة عملية محددة؛ وهي فريق دعم يحاول استخدام مساعد ذكاء اصطناعي للإجابة على أسئلة تتعلق بالسياسات استناداً إلى وثائق داخلية. هنا، لا يكمن الاختبار الحقيقي في معرفتك بحيلة تقنية معينة تتعلق بالنماذج، بل في قدرتك على إنجاز المهمة بحلول اليوم الثلاثين، في ظل ظروف صعبة تشمل بيانات غير منظمة، وفريق أمن قلق، وأصحاب مصلحة يطالبون بإطلاق الحل في الأسبوع التالي.
في معظم مسارات العمل هذه، يتمثل “النجاح” بحلول اليوم التسعين في تحقيق عدد قليل من النتائج الملموسة: إنجاز أول عملية تكامل (Integration) فعالة ضمن البنية التقنية للعميل، وتحديد معيار قابل للقياس للجودة، ووضع خطة واضحة تميز بين ما سيتم إطلاقه تالياً وبين ما يتطلب تعديلات جوهرية في المنتج. تهدف المقابلة إلى تقييم قدرتك على تحقيق هذه النتائج دون تقديم وعود مبالغ فيها.
اطلع على خريطة القدرات التي تضعها الشركات عادةً في اعتبارها لهذه الوظيفة.
السبب الرئيسي للتوظيف هو الحد من المخاطر. قد يفشل مشروع الذكاء الاصطناعي بطرق غير ظاهرة، مثل تقديم إجابات خاطئة تبدو واثقة، أو نجاح عملية التكامل في مرحلة العرض التجريبي (Demo) بينما تفشل عند التشغيل الفعلي (Production). يُتوقع من مهندس الذكاء الاصطناعي الميداني (AI FDE) كشف هذه المخاطر مبكراً وتحويلها إلى قرارات يوافق عليها العميل.
في مثال “مساعد الدعم الفني”، يكون طلب العميل الأول هو: “استخدم وثائقنا وأجب عن الأسئلة بأسلوب بشري”. وتتمثل مهمتك في تحويل هذا الطلب إلى شيء قابل للتنفيذ البرمجي، مثل: “أجب باستخدام مقتطفات مسترجعة من مصادر معتمدة، مع ذكر المصادر، والامتناع عن الإجابة عندما تكون السياسة غير واضحة”. تعتمد تقنية التوليد المعزز بالاسترجاع (RAG) على إجراء بحث ضمن مجموعة من الوثائق لجلب النصوص ذات الصلة، ثم تزويد النموذج بتلك النصوص لضمان استناد الردود إلى المعلومات التي تم العثور عليها.
يتضمن النجاح في الأيام التسعين الأولى أيضاً عادات التواصل؛ إذ تحافظ على تواصل وثيق ومستمر مع العميل، وتدوّن الافتراضات، وتوضح المقايضات (الخيارات والمفاضلة بينها) بلغة بسيطة ومفهومة. وعندما يخطئ النموذج، تتعامل مع الأمر كحادثة تقنية لها سبب جذري، وليس كمجرد مشكلة انطباعية أو غامضة.
قدِّم نتائج ملموسة لا مجرد عروض تجريبية تبحث عملية التوظيف عن أشخاص قادرين على تحويل حالة عدم اليقين إلى خطة محددة النطاق، ومن ثم إلى نظام يعمل فعلياً في بيئة العميل.
تتكون معظم عمليات المقابلة لمهندسي الذكاء الاصطناعي الميدانيين من مزيج يختبر: القدرة على البناء، والقدرة على التحليل المنطقي، والقدرة على العمل مع الآخرين تحت الضغط. وقد يتكرر سيناريو “مساعد الدعم الفني” نفسه في كل مرحلة، ولكن من زاوية مختلفة في كل مرة.
في مرحلة “تأطير المشروع” (Framing)، يتم اختبار قدرتك على مرحلة الاكتشاف (Discovery). والاكتشاف هو مجموعة المحادثات وعمليات جمع الحقائق الأولية التي تحوّل طلباً غامضاً إلى متطلبات وقيود واضحة. وتكون الإجابة القوية على غرار: “من سيستخدم هذا النظام؟ وما الذي يُعتبر إجابة صحيحة؟ وما هي البيانات المسموح باستخدامها؟ وماذا يحدث عندما لا يكون النموذج متأكداً من إجابته؟”
في مرحلة “تصميم النظام”، يتم اختبارك بشأن خيارات البنية التقنية (Architecture) وأنماط الفشل المحتملة. بالنسبة للمساعد الذكي، يعني هذا تحديد مكان تشغيل تقنية RAG، وكيفية تخزين المتجهات (Embeddings)، وكيفية إدارة التحكم في الوصول، وما هي البيانات التي سيتم تسجيلها (Logging). يشير مصطلح تسجيل الدخول الموحد (SSO) إلى تسجيل الدخول عبر نظام هوية مركزي بحيث يعمل حساب واحد عبر تطبيقات متعددة؛ وغالباً ما يتحقق المحاورون مما إذا كنت تدرك أن صلاحية الوصول إلى الوثائق يجب أن تتوافق مع هوية المستخدم.
في مرحلة “البرمجة” (Coding)، يركز الاختبار عادةً على كتابة شيفرات الربط والتكامل (Integration glue) وضمان صحة الكود تحت ضغط الوقت. قد يُطلب منك تنفيذ استدعاء لعملية الاسترجاع، أو إعداد قالب للمطالبة (Prompt template)، أو تحديد هيكلية الاستجابة (Response schema)، أو بناء نظام لتقييم الأداء (Evaluation harness). يكمن الفخ في كتابة شيفرة برمجية تعمل فقط في “المسار المثالي” (happy path) وتتجاهل حالات انتهاء المهلة (timeouts)، وإعادة المحاولة، والمدخلات غير الصالحة.
في دراسة الحالة، يتم دمج كل هذه الجوانب لتقييم حكمك المهني. يُقصد بـ إثبات المفهوم (POC) تجربة مصغرة تهدف إلى إثبات جدوى فكرة ما، وليس إطلاق المنتج النهائي للتشغيل الفعلي. سيضغط عليك المحاورون لتحديد ما ستنجزه ضمن مرحلة إثبات المفهوم مقابل ما ستؤجله، وكيف ستثبت القيمة المحققة باستخدام مقياس بسيط.
أما في السيناريوهات السلوكية وتلك المتعلقة بأصحاب المصلحة، فيتمثل الاختبار في قدرتك على الحفاظ على الحدود المهنية. قد تواجه مواقف مثل: “فريق المبيعات وعد بتسليم هذا خلال أسبوعين” أو “فريق الأمن يمنع خروج أي بيانات من الشبكة السحابية الخاصة (VPC)”؛ وهنا يجب أن تكون استجابتك قائمة على طرح الخيارات وتوضيح العواقب، لا على توجيه اللوم.
اطلع على كيفية تقسيم دورة التقييم النموذجية حسب الجولات والأدلة المطلوبة.