ملخص تقني: المنظورات الإقليمية والنوع الاجتماعي للذكاء الاصطناعي والعمالة في إسبانيا

1. بيان المشكلة

أدت التوسعة السريعة للذكاء الاصطناعي التوليدي (Generative AI) إلى إعادة تشكيل النقاشات المتعلقة بمستقبل العمل، والإنتاجية، والتماسك الاجتماعي بشكل جذري. وبينما أرست الأدبيات الدولية منهجيات قوية لقياس التعرض المهني للذكاء الاصطناائي (على سبيل المثال، باستخدام تصنيفات SOC أو ISCO أو ESCO)، إلا أن هناك فجوة منهجية كبيرة في السياق الإسباني. إذ تُصنف الإحصاءات العمالية الرسمية في إسبانيا بشكل أساسي حسب قطاعات النشاط الاقتصادي (CNAE) على مستوى المقاطعات والمجتمعات المستقلة، وليس حسب المهن المحددة.

هذا عدم الاتساق يمنع التطبيق المباشر لمؤشرات التعرض للذكاء الاصطناعي الدولية على البيانات الإقليمية الإسبانية، مما يعيق تطوير سياسات عامة مستهدفة، واستراتيجيات نقابية، وتخطيط إقليمي. علاوة على ذلك، غالباً ما تتجاهل الأدبيات الحالية التقاطع بين التفاوتات الإقليمية والهشاشات المرتبطة بالنوع الاجتماعي، رغم وجود أدلة تشير إلى أن النساء ممثلات بشكل مفرط في القطاعات الإدارية والخدمية المعرضة بشدة للأتمتة بواسطة الذكاء الاصطناعي. تعالج هذه الورقة الحاجة الملحة لأداة موضوعية وقابلة للمقارنة لقياس التعرض للذكاء الاصطناعي في إسبانيا تحترم هيكلها الإحصائي المحدد (CNAE) وتسمح بتحليل دقيق على المستويين الإقليمي والنوع الاجتماعي.

2. المنهجية

تقترح الدراسة منهجية أولية قابلة للتكرار لسد الفجوة بين مقاييس الذكاء الاصطناعي المهنية الدولية والبيانات القطاعية الإسبانية. يتضمن النهج ثلاث خطوات رئيسية:

2.1. بناء مصفوفة حدوث الذكاء الاصطناعي–CNAE

يقوم المؤلفون بتكييف "درجة قابلية تطبيق الذكاء الاصطناعي" (AI Applicability Score) من دراسة Tomlinson وآخرون (2025)، والتي تعتمد على أكثر من 200,000 تفاعل في العالم الحقيقي مع أدوات الذكاء الاصطناعي التوليدي (مثل Microsoft Copilot). وبدلاً من استخدام الأكواد المهنية مباشرة، يقوم المؤلفون ببناء مصفوفة ربط تترجم هذه القدرات المهنية إلى تصنيف CNAE الإسباني (ذو الرقمين).

• تعيين العوامل: يتم تخصيص "عامل حدوث" لكل قطاع من قطاعات CNAE يتراوح بين 0.06 و0.30.
• المنطق: القطاعات التي تهيمن عليها المهام اليدوية أو البدنية أو الروتينية (مثل الزراعة، البناء) تحصل على عوامل منخفضة. أما القطاعات التي تتميز بالمهام الإدارية، اللغوية، التحليلية، أو التركيبية (مثل التمويل، الخدمات المهنية، المعلومات والاتصالات) فتحصل على عوامل أعلى.
• التوليف: تمثل المصفوفة توليفاً مرجحاً للأدلة الدولية والتركيبة المهنية المحددة للقطاعات الإسبانية.

2.2. مصادر البيانات ونموذج الحساب

تستخدم الدراسة البيانات الدقيقة من المعهد الوطني الإسباني للإحصاء (INE) لعامي 2021 و2022، وتحديداً التعداد السنوي للسكان العاملين، موزعة حسب المقاطعة، والقطاع (CNAE)، والجنس.

• التعرض القطاعي: لكل مقاطعة $p$ وقطاع $c$، يتم حساب "العمالة المعدلة بالذكاء الاصطناعي" كالتالي:
  $$IA\_employment(p,c) = employment(p,c) \times factor_{IA}(c)$$
• المؤشر الإقليمي: يُعرَّف التعرض الإجمالي لمقاطعة ما بنسبة إجمالي العمالة المعدلة بالذكاء الاصطناعي إلى إجمالي العمالة في المقاطعة:
  $$IA\text{-}share(p) = \frac{\sum_{c} IA\_employment(p,c)}{\sum_{c} employment(p,c)}$$
• التوزيع حسب النوع الاجتماعي: يتم إجراء نفس الحساب بشكل منفصل للعمالة الذكرية والأنثوية لاستخلاص مؤشرات التعرض الخاصة بكل جنس ($IA\text{-}share_{female}$ و $IA\text{-}share_{male}$).

2.3. القيود

يصرح المؤلفون صراحةً بأن هذه دراسة أولية تقيس التعرض الهيكلي المحتمل، وليس الاستبدال الفعلي أو فقدان الوظائف. يفترض النموذج تجانساً في التركيبة المهنية داخل كل قطاع من قطاعات CNAE، مما قد يخفي التباين الداخلي. كما أنه لا يأخذ في الاعتبار التأثيرات الديناميكية مثل خلق مهام جديدة، أو مكاسب الإنتاجية، أو سرعة تبني الشركات للتقنية.

3. المساهمات الرئيسية

• التكيف المنهجي: توفر الورقة أول ترجمة منهجية لمقاييس التعرض للذكاء الاصطناعي الدولية إلى إطار CNAE الإسباني، مما يسمح بالتحليل على مستوى المقاطعات حيث لم يكن ذلك ممكناً سابقاً إلا على المستوى الوطني أو الإقليمي الواسع.
• الخرائط الإقليمية: تنتج الورقة خريطة تفصيلية للتعرض للذكاء الاصطناعي عبر جميع المقاطعات الإسبانية الـ 52، مما يحدد نقاط الضعف الهيكلية بناءً على التخصص الاقتصادي.
• تحليل النوع الاجتماعي: تقيس الورقة فجوة هيكلية مستمرة في التعرض للذكاء الاصطناعي بين الرجال والنساء، كاشفةً أن القوى العاملة النسائية هي الأكثر عرضة للتحول الناتج عن الذكاء الاصطناعي عبر جميع الأقاليم.
• أداة سياساتية: تقدم منهجية شفافة ومفتوحة للنقابات وصناع السياسات والباحثين لمراقبة الاتجاهات وتصميم استراتيجيات "الانتقال العادل" المتوافقة مع الاستراتيجية الوطنية للذكاء الاصطناعي (ENIA).

4. النتالئج

يكشف تحليل بيانات 2021-2022 عن عدة أنماط متسقة:

4.1. التعرض الإجمالي

تظهر إسبانيا تعرضاً إجمالياً متوسطاً إلى مرتفع للذكاء الاصطناعي، حيث يتذبذب "حصة الذكاء الاصطناعي" (IA-share) بين 18% و22% من إجمالي العمالة. يشير هذا إلى أن جزءاً كبيراً من سوق العمل الإسباني منخرط في مهام ذات قابلية تطبيق عالية للذكاء الاصطناعي التوليدي.

4.2. الاستقطاب الإقليمي

تم تحديد "ممر وسط البحر الأبيض المتوسط" بوضوح كمنطقة ذات تعرض عالٍ، ويشمل ذلك مدريد، برشلونة، فالنسيا، أليكانتي، مالقة، وجزر الكناري (لاس بالماس وسانتا كروز دي تينيريفي). تتجاوز هذه المقاطعات نسبة 21% من التعرض.

• الدوافع: يرتبط التعرض العالي بالتركيز على الخدمات المتقدمة، التمويل، الاستشارات المهنية، المعلومات/الاتصالات، والتجزئة/التجارة.
• التعرض المنخفض: تظهر المقاطعات في الداخل (مثل سوريا، تيرويل، ثورموا، بالينثيا) وتلك التي تمتلك قواعد زراعية أو صناعية تقليدية قوية، تعرضاً أقل (حوالي 17.5%–18.5%).
• الاستقرار: ظل ترتيب المقاطعات مستقراً بشكل ملحوظ بين عامي 2021 و2022، مما يؤكد أن التعرض مدفوع بعوامل اقتصادية هيكلية عميقة وليس بتقلبات دورية قصيرة المدى.

4.3. الفجوة بين الجنسين

في كل مقاطعة على حدة، أظهرت عمالة الإناث تعرضاً للذكاء الاصطناعي أعلى من عمالة الذكور.

• الحجم: تتراوح الفجوة عموماً بين 1.5 إلى 3 نقاط مئوية، وتكون أوسع في المناطق التي تعتمد بشكل كبير على القطاع الثالث (الخدمات).
• الأسباب: تتركز النساء بشكل غير متناسب في القطاعات ذات القابلية العالية لتطبيق الذكاء الاصطناعي، مثل التعليم، الرعاية الصحية، الإدارة، والخدمات الاجتماعية. وفي المقابل، يمثل الرجال نسبة أكبر في قطاعات البناء، النقل، والصناعات الاستخراجية، والتي تمتلك عوامل تطبيق أقل للذكاء الاصطناعي.
• الآثار: يمثل هذا ضعفاً هيكلياً للقوى العاملة النسائية، مما يشير إلى أن تبني الذكاء الاصطناعي قد يؤثر بشكل غير متناسب على أنماط توظيف النساء ما لم يتم التخفيف من ذلك بسياسات محددة.

5. الأهمية والادعاءات

تضع هذه الورقة نفسها ليس كتنبؤ نهائي بفقدان الوظائف، بل كأداة تشخيصية للتخطيط الاستراتيجي. تكمن أهميتها الأساسية في:

1. سد فجوة البيانات: تمكين استخدام البيانات الإحصائية الإسبانية القياسية (INE/CNAE) للإجابة على أسئلة حول تأثير الذكاء الاصطناعي التي كان من المستحيل الإجابة عليها سابقاً على المستوى دون الوطني.
2. تسليط الضوء على عدم المساواة الهيكلية: إثبات أن التعرض للذكاء الاصطناعي ليس عشوائياً، بل يتبع خطوط التخصص الإقليمي والتقسيم النوع الاجتماعي الموجودة بالفعل في سوق العمل.
3. توجيه "الانتقال العادل": توفير خط أساس للحكومة الإسبانية والشركاء الاجتماعيين لتصميم سياسات التدريب، وإعادة التأهيل، والحماية التي تستهدف مناطق ديموغرافية وجغرافية محددة.

يخلص المؤلفون إلى أنه بينما من المرجح أن يكون التأثير المباشر للذكاء الاصطناعي تكاملياً (يعزز الإنتاجية)، فإن التعرض الهيكلي الذي حددته هذه الدراسة يسلط الضوء على المناطق التي تشتد فيها مخاطر الإزاحة والحاجة إلى التكيف. ويؤكدون أن العمل المستقبلي يجب أن يعمل على تحسين النموذج ببيانات مهنية أكثر دقة ودمج معدلات التبني الديناميكية، لكن الإطار الحالي يقدم خطوة أولى ضرورية نحو حوكمة تكنولوجية شاملة وعادلة في إسبانيا.