يوفّر نظام «قَيّم» نظاماً مبتكراً قائماً على وكيل ذكاء اصطناعي توكيلي لتشخيص الفجوات المهارية للموظفين في القطاعين العام والخاص، من خلال مواقف مهنية واقعية تقيس الكفاءة الفعلية بدلاً من الاقتصار على المعرفة النظرية.
يركز الحل على تمكين الموظف من معرفة موقعه الحقيقي على سُلّم الكفاءة المهنية، وتوجيهه نحو برامج تدريبية تتناسب مع احتياجاته، مع مقارنة نتائجه عبر جلسات متعاقبة لرصد تطوره الفعلي بعد التدريب.
كما يدعم صانعي القرار بمؤشرات تثبت العائد الحقيقي على الاستثمار التدريبي، ويزوّد الجهات التدريبية بخريطة فجوات مهارية فعلية تقارن بين القطاعين، بدلاً من الاعتماد على تصورات عامة موحدة.
تشهد منظومة تنمية القدرات البشرية تحديات متعددة، أبرزها غياب أداة موضوعية لتشخيص الفجوات المهارية لدى الموظفين، والاعتماد على أساليب تقييم إما نظرية تقيس الحفظ بدلاً من التطبيق الفعلي، أو ذاتية لا تعكس الكفاءة الحقيقية للفرد.
يترتب على ذلك افتقار الموظف إلى صورة واضحة عن موقعه المهني، والتحاقه ببرامج تدريبية قد لا تكون مناسبة لاحتياجه الفعلي، إلى جانب صعوبة قياس العائد على الاستثمار التدريبي، واتخاذ قرارات مبنية على افتراضات بدلاً من مؤشرات قابلة للقياس.
كما يؤدي ذلك إلى بناء برامج تدريبية موحدة لا تراعي احتياجات الأفراد ومتطلبات سوق العمل، بما يوسع الفجوة بين التدريب المقدم والاحتياج الفعلي.
يستهدف الحل الموظفين في مختلف الأدوار الوظيفية بالقطاعين العام والخاص، كما يزوّد صانعي القرار في الموارد البشرية والجهات التدريبية ببيانات دقيقة عن الفجوات المهارية، بما يعزز دور جميع أطراف المنظومة التدريبية في تحقيق أثر تدريبي حقيقي.
المرحلة الحالية للتطوير: نسخة تجريبية أولية تعمل ضمن بيئة إنتاج حقيقية (Production in Pilot).
- تطبيق ويب (Web App)
- وكيل / بوت ذكاء اصطناعي (AI Agent)
- نموذج لغوي كبير (LLM)
- نموذج معالجة اللغة الطبيعية للعربية (NLP)
- الواجهة الأمامية: Next.js
- الواجهة الخلفية: FastAPI
- قاعدة البيانات: PostgreSQL
- البنية التحتية: Ubuntu 22.04 / Nginx / Let's Encrypt
- تقييم مدعوم بالذكاء الاصطناعي (AI-Powered Assessment)
- تشخيص مخصص (Personalized Diagnosis)
- توصيات تدريبية مخصصة (Personalized Recommendations)
- لوحة مؤشرات القوى العاملة (Workforce Analytics Dashboard)
- تتبع الأثر عبر الزمن (Impact Tracking)
- مؤشرات جودة تشغيلية وتجربة مستخدم (Operational & UX KPIs)
- لوحة تحكم بالبيانات الشخصية (Data Control Panel)
طُبقت متطلبات حماية البيانات الشخصية (PDPL) ضمن بنية النظام، مع منح المستخدم حقوقه المتعلقة بالموافقة، والسحب، والتعديل، والحذف من خلال لوحة تحكم مخصصة تُنفذ وتوثق الإجراءات آلياً.
- تطبيق المصادقة الآمنة باستخدام رمز التحقق لمرة واحدة (OTP).
- استضافة البيانات على خادم محلي داخل المملكة مرخص من هيئة الاتصالات والفضاء والتقنية.
- تقييد الوصول إلى قاعدة البيانات على localhost لمنع الوصول غير المصرح به.
- تشفير جميع الاتصالات عبر HTTPS باستخدام نطاق رسمي .sa.
- معالجة البيانات داخل المملكة من خلال مركز بيانات محلي.
- استخدام البيانات لأغراض تشغيلية وتشخيصية فقط دون مشاركتها مع أي جهة غير مخولة.
يمتد أثر نظام «قَيّم» على فئتين رئيسيتين: الموظف وصانع القرار. فعلى مستوى الموظف، يمنح النظام مؤشراً موضوعياً لموقعه الفعلي على سُلّم الكفاءة، ويساعده على التعرف المباشر على فجواته المهارية منذ الجلسة التشخيصية الأولى.
أظهرت نتائج التجربة أن 93.3% أكدوا دقة التشخيص، و86.7% أكدوا ملاءمة التوصيات، فيما بلغت نسبة الرضا وسهولة الاستخدام 100%.
وعلى مستوى صانع القرار، أسهم النظام في تحويل قرارات التدريب من قرارات مبنية على الانطباع إلى قرارات تستند إلى بيانات فعلية قابلة للقياس. وبلغ متوسط الجاهزية المهارية للكوادر الرقمية 65.5%.
كما رصد النظام 38 نوعاً من الفجوات المهارية موزعة بحسب الدور الوظيفي والقطاع، بما يدعم توجيه الاستثمار التدريبي نحو الاحتياجات الفعلية.
وصُنفت الكوادر بحسب أولوية التدخل إلى 23.5% بجاهزية منخفضة تستوجب تدخلاً فورياً، و29.4% بحاجة إلى تدريب مستهدف، و47.1% بجاهزية عالية.
كما أظهرت المقارنة بين القطاعين أولويات تدريبية مشتركة، تصدرتها فجوة «إدارة البيانات» بنسبة 23.5%، مع تمايز بين القطاع الحكومي والخاص في أعلى الفجوات المسجلة.