منصة ذكية تساعد الجهات على تحديد المهارات التي يحتاج كل موظف إلى تطويرها فعليًا قبل توجيهه إلى التدريب. تبدأ المنصة ببناء صورة مهنية عن الموظف استنادًا إلى وظيفته وخبراته ومؤهلاته ومهاراته، ثم تقيس الفجوة بين مستواه الحالي ومتطلبات وظيفته، وتحول النتائج إلى «جينوم مهاري» يوضح نقاط القوة والفجوات وأولويات التطوير. وبناءً على ذلك، يتم توجيه كل موظف إلى مسار تدريبي مخصص يتناسب مع احتياجه الحقيقي، مع متابعة تطوره وإعادة تقييم احتياجاته بصورة مستمرة.
يعالج الحل تحدي توجيه ميزانيات التدريب إلى برامج عامة لا ترتبط دائمًا بالاحتياجات الفعلية للموظفين، نتيجة اختلاف مستوياتهم وخبراتهم ومتطلبات وظائفهم. ويؤدي ذلك إلى إنفاق الوقت والميزانية على دورات قد تتضمن معارف موجودة مسبقًا أو مهارات غير ذات أولوية، مع صعوبة ربط التدريب بتحسن واضح في المهارات والأداء. لذلك يركز الحل على تشخيص الفجوة المهارية أولًا ثم توجيه التدريب إليها بدقة.
الشركات والجهات الحكومية والخاصة التي تستثمر في تدريب وتطوير الموظفين، وبشكل خاص إدارات الموارد البشرية، والتعلم والتطوير، وإدارة المواهب. ويعد الموظف المستفيد المباشر من الحل من خلال حصوله على تشخيص لاحتياجاته المهارية ومسار تطوير مخصص يتناسب معها. ويمكن مستقبلًا توسيع الحل ليشمل الجامعات والجهات التعليمية لتشخيص فجوات الطلاب والخريجين ورفع جاهزيتهم لسوق العمل.
تم تطوير نموذج أولي يوضح رحلة الاستخدام الأساسية، بدءًا من الملف المهني للموظف، مرورًا بالتشخيص وعرض الجينوم المهاري، ووصولًا إلى المسار التدريبي ومتابعة التطور. وركز التجريب على وضوح الفكرة وسهولة الاستخدام وتقبّل المستفيدين، بينما يمثل تطوير محرك الذكاء الاصطناعي المتقدم وربطه ببيانات مؤسسية فعلية المرحلة التالية.
- NLP لاستخراج المهارات من الملفات المهنية والأوصاف الوظيفية.
- Semantic Embeddings لفهم العلاقات الدلالية بين المهارات.
- Skill Ontology لتوحيد وتنظيم مسميات المهارات.
- Skill-Gap Scoring Model لقياس حجم الفجوات المهارية وترتيبها حسب الأولوية.
- Recommendation Engine لربط الفجوات بالمحتوى والمسارات التدريبية المناسبة.
- Tracker وFeedback Loop لتحديث الجينوم المهاري والتوصيات وفق نتائج التدريب والتقييم.
تُصمم المنصة وفق مبدأ Privacy & Security by Design، مع جمع الحد الأدنى من بيانات الموظف اللازمة للتشخيص، وتشفير البيانات أثناء النقل باستخدام TLS وعند التخزين باستخدام AES-256، وفصل بيانات كل جهة ضمن بيئة مستقلة منطقيًا. كما يتم تطبيق Role-Based Access Control ومبدأ Least Privilege، وتسجيل العمليات الحساسة في Audit Logs، إلى جانب سياسات للاحتفاظ بالبيانات وحذفها، وإمكانية استخدام Pseudonymization عند التحليل.
أظهرت النتائج الأولية وجود احتياج واضح للحل وتقبّل مرتفع لفكرة التشخيص قبل التدريب؛ إذ أشار 100٪ من المشاركين إلى أن بعض الدورات لا تعالج احتياجاتهم الفعلية، ورأى 93٪ أن بعض الدورات عامة جدًا، بينما أشار 79٪ إلى وجود دورات غير مرتبطة مباشرة بالوظيفة، و79٪ إلى أن بعض المحتوى التدريبي يقدم معلومات معروفة مسبقًا. كما رأى 100٪ أن وجود أداة لتشخيص الفجوات قبل اختيار التدريب سيكون مفيدًا جدًا، وتقبل 100٪ مفهوم «الجينوم المهاري»، ورأوا أن المنصة يمكن أن تسهم في تقليل الهدر في الدورات غير المناسبة.