تمكّن باحثٌ عن وظائف بالذكاء الاصطناعي مفتوح المصدر مبني على Claude Code من تقديم طلبات تلقائيًا لِمئات الوظائف، بل وحصل فعلًا على وظيفة، ما يكشف أن عنق الزجاجة الحقيقي هو الحوسبة على السلسلة، وليس السير الذاتية.
الملخص

• وكيل ذكاء اصطناعي مفتوح المصدر مبني على Claude Code أرسل أكثر من 700 طلب وظيفة موجّه، و"حصل فعلًا على وظيفة" وفقًا لمضيف X 0xMarioNawfal.
• الأداة، Career-Ops، تمسح 45+ من صفحات التوظيف الخاصة بالشركات، وتقيّم الوظائف، وتُعيد كتابة السير الذاتية في 14 “وضع مهارات”، وتطلق دفعات ملفات PDF محسّنة لـ ATS بينما يخلد المستخدم للنوم.
• مع فيضان وكلاء الذكاء الاصطناعي في مسارات التوظيف، قد تصبح الأداءات الحوسبية المُمَثّلة بالرموز على شبكات مثل Bittensor وRender وFET طبقة التسوية للبحث عن وظائف آليًا.

مقطع فيروسي شاركه 0xMarioNawfal يدّعي أن “شخصًا ما بنى نظام بحث عن وظيفة بالذكاء الاصطناعي لـ CLAUDE CODE والذي أرسل 700+ طلبًا وتسبب فعلًا في توظيفه”، وأن “مطاردة الوظيفة أصبحت آلية للتو”.

SOMEONE BUILT AN AI JOB SEARCH SYSTEM FOR CLAUDE CODE THAT SENT 700+ APPLICATIONS AND ACTUALLY GOT HIM HIRED.

NOW IT’S OPEN SOURCE.

THE JOB HUNT JUST GOT AUTOMATED.pic.twitter.com/L6L8RePgaX

— 0xMarioNawfal (@RoundtableSpace) April 6, 2026

النظام المعني، وهو مشروع مفتوح المصدر يُسمّى Career-Ops، يُسَوَّق على GitHub بوصفه “نظام بحث عن وظائف مدعوم بالذكاء الاصطناعي مبني على Claude Code” مع 14 وضع مهارات، ولوحة معلومات مكتوبة بلغة Go، وتوليد ملفات PDF ومعالجة دفعية، وهو ما يحوّل البحث عن وظيفة إلى خط أنابيب آلي. منشور على LinkedIn يلخّص الأداة يقول إنها “تقوم بمسح صفحات توظيف متعددة للشركات، وتُعيد كتابة سيرتك الذاتية لكل وظيفة، بل وحتى تملأ نماذج التقديم”، مستهدفًا شركات مثل Anthropic وOpenAI وStripe عبر 45+ جهة عمل مُعدة مسبقًا.

التفاعل على X يبرز مدى سرعة توغّل وكلاء الذكاء الاصطناعي في التوظيف. أحد المستخدمين، Ofek Shaked، يسميه “مستقبل البحث عن الوظائف”، ويضيف أن نسخة أبسط “أمنت لي 3 مقابلات” خلال شهر. أما مستخدم آخر، Eugene Smarts، فيلاحظ “هذا جنون، تخيّل كم من الوقت هذا يوفر، البحث عن وظيفة هو الأسوأ”، بينما يحذّر EchoWireDai من أنه “إذا قام الجميع بأتمتة التقديمات… فسيقوم القائمون بالتوظيف بمجرد أتمتة الرفض.” يسلط آخرون الضوء على قيد الجودة: المستثمر Balvinder Kalon يكتب أن “القوة الحقيقية هي الحصول على السياق الصحيح لكل شركة”، معترضًا بأن الوكلاء الذين “يُخصصون كل طلب لوصف الوظيفة، لا مجرد رشّ وترك” هم من سيهمّون. أدوات مثل Plushly، التي جرى الترويج لها في نفس الخيط بوصفها طريقة لـ “التقديم تلقائيًا على التدريب الداخلي & الوظائف أثناء نومك”، تُظهر مدى سرعة انتشار خدمات مشابهة.

لماذا تصبح الحوسبة المُمَثّلة بالرموز أمرًا لا مفرّ منه {#why-tokenized-compute-becomes-unavoidable}

مع توسّع أنظمة مثل Career-Ops، لا تتمثل عنق الزجاجة في السير الذاتية؛ بل تتمثل في الحوسبة. يصف مستودع GitHub بنية تُمَسح باستمرار بوابات الوظائف، وتشغّل مطالبات متعددة الخطوات لـ Claude Code، وتولد ملفات PDF محسّنة لـ ATS عبر Playwright، وتراقب كل شيء من لوحة تحكم عبر الطرفية، بحيث يتحول كل بحث عن وظيفة إلى آلاف نداءات النموذج وأتمتات المتصفح. ووفقًا لـ Bloomberg، صار الذكاء الاصطناعي بالفعل “لا مفرّ منه على الجانبين في التوظيف”، إذ لا تصل معظم السير الذاتية إلى إنسان، وتُقود المقابلات بشكل متزايد بواسطة روبوتات، وهي النقلة التي يقول خبراء في القوى العاملة إنها تُجبر المتقدمين على “تعلم كيفية التنقل في سوق عمل أعيد تشكيله بواسطتها”. وفي شرح آخر بعنوان “القواعد الجديدة للعثور على وظيفة في 2026”، تحذر Bloomberg من أن التقديم الجماعي عبر ذكاء اصطناعي عام يضر المرشحين، لكن استخدام الذكاء الاصطناعي بشكل جيد يمكن أن يساعدهم على استهداف الأدوار استراتيجيًا وتحسين المواد، وهي الحيز الذي يحاول Career-Ops احتلاله تحديدًا.

طلب الحوسبة هذا بات ظاهرًا بالفعل في أسواق العملات المشفرة. ملاحظة بحثية من MEXC حول رموز الذكاء الاصطناعي تُبرز كيف قادت Bittensor (TAO) وRender (RENDER) ورمز FET التابع لـ Artificial Superintelligence Alliance موجات صعود حديثة، مع ارتفاع TAO بنحو 35% خلال أسبوع تقريبًا، وارتفع Render وFET قرابة 25–32%، بينما راهن المتداولون على “أنظمة ذكاء اصطناعي وكيلية، برمجيات مستقلة قادرة على تنفيذ مهام دون تدخل بشري.” هذه الشبكات تبيع فعليًا وصولًا مُرمّزًا إلى موارد GPU وموارد التعلم الآلي: يقوم Render بتوجيه مهام عرض GPU عبر شبكة لا مركزية من مقدمي الخدمة، بينما يهدف تصميم Bittensor—كما يشرح CCN—إلى مكافأة المشاركين الذين يزوّدون وينسّقون نماذج تعلم آلي عالية الجودة، وتُشير تنبؤات السعر إلى أن TAO قد يتداول بين $748 و$2,750 في سيناريوهات طويلة الأمد. ومع تطور وكلاء البحث عن وظائف من الاستخراج وملء النماذج إلى مرافقين مهنيين متكاملين، يصبح توجيه أحمالهم الحوسبية المتنامية باستمرار عبر طبقات حوسبة مُرمّزة طريقة عقلانية لضبط الأداء وتسعيره والتداول به، بدل تركه مدفونًا داخل منصات مغلقة.

من “الذكاء الاصطناعي سيأخذ وظيفتك” إلى “الذكاء الاصطناعي سيمنحك واحدة” {#from-ai-will-take-your-job-to-ai-will-get-you-one}

التحول الثقافي لم يغب عن المستخدمين. يلاحظ المعلق Gagan Arora أنه “انتقلنا من ‘الذكاء الاصطناعي سيأخذ وظيفتك’ إلى ‘الذكاء الاصطناعي سيجد لك وظيفتك التالية’ خلال حوالي 6 أشهر”، واصفًا ذلك بـ “مفارقة” أن الأداة التي خشيها العاملون أصبحت الآن “أفضل أداة للحصول على وظيفة.” وتشير تغطية Bloomberg للمقابلات التي يقودها الذكاء الاصطناعي في الاتجاه نفسه: وجدت دراسة يلخصها المنفذ أن مُحاوري الذكاء الاصطناعي، بعد تعيينهم عشوائيًا لـ 67,000 باحث عن عمل، يمكنهم التفوق على مسؤولي التوظيف البشر في إبراز المرشحين الأقوياء، ما يثير أسئلة حول أين يضيف البشر قيمة فعلًا داخل مسار التوظيف. وحتى الآن، تتوقع وول ستريت أن يؤدي تبنّي الذكاء الاصطناعي إلى زيادة التوظيف بدل تحطيمه، مستشهدة بمسح من Bloomberg Intelligence تنقل عنه Bloomberg News يفيد بأن نحو ثلثي شركات القطاع المالي تتوقع ارتفاع أعداد الموظفين في البداية عند طرح الذكاء الاصطناعي.

بالنسبة للقطاع المشفر، الإشارة بسيطة: إذا كانت الوكلاء سيتقاطرون على جانبي سوق العمل، فستصبح الحوسبة الأساسية أصلًا بحد ذاتها. في قصة سابقة على crypto.news حول رموز الذكاء الاصطناعي، جادل محللون بأن مشاريع مثل Bittensor وRender تقع “في قلب سرد البنية التحتية للذكاء الاصطناعي”، لتلتقط القيمة مع نمو الطلب على استنتاج النماذج ودورات GPU. وتوقعت قصة أخرى على crypto.news حول الذكاء الاصطناعي الوكلي في DeFi أن الوكلاء المستقلين سيحتاجون في نهاية المطاف إلى سمعة على السلسلة وميزانيات وإعانات حوسبة، تُدفع في رموز سيولة تتتبع أداء GPU أو النموذج الأساسي بدل حقوق الحوكمة المجردة. إن باحث الوظائف القادر على العمل بالاعتماد على Claude الذي جلب لمنشئه دورًا جديدًا هو لمحة عن هذا المستقبل: مثال مبكر ومتعثر جدًا—ومع ذلك إنساني جدًا—يوضح لماذا قد لا تمر المرحلة التالية من البحث عن الوظائف عبر prompts وPDFs فحسب، بل عبر أداء حوسبي مُرمّز يحوّل قوة الذكاء الاصطناعي الخام إلى مورد قابل للتداول والبرمجة.