كيف أعدنا بناء عملية فحص السير الذاتية باستخدام سير عمل قائم على الذكاء الاصطناعي

تُعنى هذه التدوينة بتجربة صغيرة: ربط قاعدة بيانات التوظيف الخاصة بنا على Notion بـ Claude Code وتشغيل مهمة عمل ديناميكية (dynamic workflow) تُوزّع أكثر من 100 وكيل AI بالتوازي لقراءة السير الذاتية، وتقييمها وفق معيار (rubric) ثابت، والتحقق المتبادل من أحكام بعضها البعض — لإخراج قائمة مرشحين مرتبة يمكننا التصرف بناءً عليها فورًا.

كلّفت العملية بالكامل 65 دولارًا واستغرقت حوالي 13 دقيقة لمعالجة 115 مرشحًا. لكن الأمر الأكثر إثارة للاهتمام من التكلفة كان الأسئلة المنهجية التي طفت على السطح — متى نستخدم مجموعة من الوكلاء بدلاً من وكيل واحد، وكيف نمنع تضخم الدرجات (score inflation) الذي يصدره الذكاء الاصطناعي، وماذا يعني ترميز "التميّز" في شيء يمكن لآلة تنفيذه فعليًا.

1. ما هو سير العمل الديناميكي (Dynamic Workflow)

لنبدأ بالمفهوم، لأنه الأساس الذي يقوم عليه كل ما يليه.

يتّبع معظم استخدام الذكاء الاصطناعي اليوم نمط الطلب والرد: أرسل رسالة، احصل على إجابة، كرّر العملية. يعمل هذا جيدًا للمهام الفردية، لكنه يصبح مرهقًا عندما تحتاج إلى تنفيذ نفس الشيء على 115 عنصرًا — فأنت إما تقوم بالنسخ واللصق 115 مرة، أو تطلب من محادثة واحدة معالجتها بالتتابع، وهو ما يصبح أبطأ وأكثر ضجيجًا مع تقدم العملية.

سير العمل الديناميكي نموذج مختلف: كود يُنسّق مجموعة من وكلاء الذكاء الاصطناعي. خصائصه المحدِّدة هي:

• تدفّق تحكم حتمي (deterministic) + حكم AI، مع الفصل بينهما. تتم معالجة الحلقات، والتوزيع، والتجميع، وفرض الحصص (quota) عبر الكود (قابل للتكرار، وقابل للتدقيق)؛ أما الحكم الذاتي (هل هذه السيرة الذاتية قوية بما يكفي؟) فيُفوَّض لوكلاء الذكاء الاصطناعي.
• التوازي المتفرّع (fan-out). استدعاء واحد لدالة parallel(...) يمكن أن يشغّل عشرات أو مئات الوكلاء المستقلين في نفس الوقت، كل واحد يعمل على جزئه الخاص دون التأثير على الآخرين.
• خطوط أنابيب متعددة المراحل. مُخرَج مرحلة واحدة يُغذّي المرحلة التالية. يتولى الكود عملية التصفية والترتيب وإزالة التكرار بين المراحل.
• مُخرَج مُهيكل (structured). يُعيد كل وكيل بيانات JSON متوافقة مع مخطط (schema) محدد — وليست نصًا حرًا كالمحادثة — بحيث يمكن للكود اللاحق استهلاكها مباشرة.

تشبيه: المحادثة الواحدة تشبه الرجوع إلى خبير واحد لمدة بعد ظهر واحد. أما سير العمل الديناميكي فيشبه تجميع لجنة مراجعة من 125 شخصًا، إعطاء كل عضو معيار تقييم وملف مرشح واحد، تشغيل جميع المراجعات بالتوازي، مراجعة أفضل النتائج بشكل متبادل، وتجميعها في قائمة مرتبة — مع دمج منطق التجميع والتوزيع والتلخيص داخل السكريبت نفسه.

فرز السير الذاتية مناسب بشكل طبيعي لهذا النموذج: حجم كبير، معايير موحدة، حكم ذاتي، وضرورة الإنصاف.

للمزيد من التفاصيل التقنية: A harness for every task: dynamic workflows in Claude Code

2. سير عمل التوظيف: الأهداف والتصميم

المشكلة

كانت لدينا مشكلة ملموسة: أكثر من مئة مرشح عالقين في حالة "المراجعة الأولية" في قاعدة بيانات التوظيف على Notion، دون طريقة واقعية لمعالجتهم يدويًا دون انحراف في المعيار (standard drift) — فالمعيار الذي تطبّقه على السيرة الذاتية رقم 80 لا يكاد يكون نفس المعيار الذي طبّقته على السيرة رقم 5.

أردت اختبار فكرة محددة: هل يمكننا تجريد "ما يبدو عليه التميّز في عصر وكلاء الذكاء الاصطناعي" إلى معيار تقييم قابل للتنفيذ الآلي ومقروء للبشر، ثم تشغيل جميع المرشحين الـ115 عبره بمعايرة واحدة موحّدة؟

لم يكن الهدف بأي حال أن يتّخذ الذكاء الاصطناعي قرارات التوظيف. كان الهدف:

1. تلخيص 115 مرشحًا في قائمة مختصرة مرتبة ومُبرَّرة بحيث يتوجّه الاهتمام البشري إلى من يستحقونه فعلًا.
2. جعل المعايير شفافة وقابلة للتكرار — فإذا كان المخرج خاطئًا، تُعدّل ملف Markdown، لا الكود أو الحدس.

ثلاثة قرارات تصميمية أساسية

القرار الأول: المعايير والكود منفصلان تمامًا

تعيش معايير التقييم في ملفات Markdown مستقلة (criteria/)، وليست مضمّنة في كود سير العمل. يمكن لأي شخص — بما في ذلك الزملاء غير التقنيين — تغيير سلوك الفرز بتحرير هذه الملفات:

criteria/
├── 00-philosophy.md          الفلسفة العامة: ما نبحث عنه في التوظيف + قاعدة "رفع المستوى"
├── 01-pedigree.md            أساس أكاديمي / تأسيسي قوي في وقت مبكر    (وزن 20%)
├── 02-ai-agent-fluency.md    القدرة الأصيلة في استخدام الذكاء الاصطناعي   (وزن 35%)
├── 03-grit-problem-solving.md  حل المشكلات والتغلّب على الصعوبات  (وزن 30%)
├── 04-talent-lens.md         مؤشر الموهبة المتميزة                     (وزن 15%)
└── scoring.md                معادلة التقييم + شرائح الدرجات + قاعدة حصة 5%

هذه الأبعاد الأربعة تمثّل "معيار التميّز لعصر وكلاء الذكاء الاصطناعي، الإصدار v0.1". والفكر الكامن خلف كل بعد:

• القدرة الأصيلة في استخدام الذكاء الاصطناعي تحمل الوزن الأعلى (35%). في عام 2026، إن كان الشخص يستخدم بالفعل أدوات وكيلية (agentic) مثل Claude Code كجزء أساسي من طريقة عمله، فهذا فارق إنتاجية جوهري. نُعاقب بشكل خاص على "حشو الكلمات المفتاحية" — فإدراج "Claude Code" دون دليل مشروع قابل للتحقق يُعامَل كمؤشر ضعيف.
• دليل ملموس على حل المشكلات (30%). نبحث عن "ندبات الخبرة (scar tissue)": أشياء بُنيت بشكل مستقل من الصفر، وقصص عن تجاوز عقبات حقيقية — لا تكرارًا لمستوى الدروس التعليمية (tutorials).
• أساس قوي (20%). الخلفية الأكاديمية بمثابة مؤشر للإمكانات الخام — إنها مؤشر لا شرط. فحصول شخص على شهادة من جامعة مرموقة مع إنتاج متوسط يُعاقَب عليه؛ وشخص علّم نفسه دون شهادة مرموقة لكن بأعمال حقيقية منشورة يحصل على دفعة إيجابية.
• مؤشر الموهبة المتميزة (15%). هذا البعد ذاتي بشكل متعمّد. يسأل الموجّه (prompt): هل فريق مثل Anthropic أو مؤسّس مثل Musk سيريد التواصل مع هذا الشخص فورًا؟ يرصد هذا البعد الفاعلية (agency) والحس السليم (taste) والسرعة التي لا تلتقطها الأبعاد الثلاثة الأخرى.

القرار الثاني: ترميز "رفع المستوى" كقيد صارم، لا كشعار

يتضمّن scoring.md قاعدة صارمة: يجب ألا يتجاوز المرشحون الذين يصلون إلى الشريحة العليا (S) نسبة 5% من كامل المجموعة. بعد اكتمال التقييم بالكامل، يُطبِّق الكود سقفًا عامًا: حتى إذا حصل عدد كبير من المرشحين تقنيًا على درجات في نطاق S، فلا يُسمح إلا لأعلى 5% منهم بالعبور. يواجه هذا مباشرة نمط فشل معروف — تقييم الذكاء الاصطناعي متسامح بطبيعته. دون قيد صارم، سيُصنّف نصف المجموعة على أنها "ممتازة".

القرار الثالث: إضافة مراجعة عدائية (adversarial) لرصد الدرجات المتضخّمة

التقييم بمفرده غير كافٍ. يمكن لوكيل تقييم واحد أن يُنساق خلف كلمات مفتاحية مبهرة — "نُشر في مجلة علمية مرموقة"، "بنيت إطار عملي الخاص". فأفضل المرشحين المرتّبين يخضعون لجولة ثانية: مجموعة من وكلاء "محامي الشيطان" (devil's advocate) مهمتهم الصريحة هي الجدال ضد "هذا الشخص يستحق تصنيفًا في الشريحة العليا" وخفض الدرجات في كل مكان لا يدعمه الدليل بالكامل.

سير العمل

الإعداد 📋 قاعدة بيانات التوظيف على Notion — جلب عبر Notion CLI → ملف بيانات مُهيكل واحد لكل مرشح

AI المرحلة الأولى: التقييم (115 وكيلًا بالتوازي)

• قراءة 6 ملفات Markdown للمعايير + ملف بيانات المرشح
• زيارة نشطة لروابط GitHub / الأعمال (portfolio) للتحقق من الأدلة
• إخراج JSON مُهيكل: درجات الأبعاد الأربعة + التبرير + النقاط البارزة + إشارات الخطر

Code التجميع الحتمي (Deterministic Synthesis)

• حساب المجاميع الموزونة (weighted totals)
• ترتيب عام، وحساب فتحات حصة الـ5%
• اختيار أفضل المرشحين لقائمة المراجعة العدائية

AI المرحلة الثانية: المراجعة العدائية (وكلاء بالتوازي)

• شخصية "محامي الشيطان" تراجع كل مرشح من الأعلى
• تجادل ضد التصنيف في الشريحة العليا
• تخفض الدرجات حيث لا يكفي الدليل

Code الحكم النهائي الحتمي (Deterministic Verdict)

• إعادة الترتيب باستخدام الدرجات المعايَرة
• فرض سقف الـ5% الصارم
• تحديد شرائح الدرجات النهائية: S / A / B / C / D

المخرج: تقرير مرتب Markdown مُهيكل يضم درجات كل مرشح، والتبرير، وحكم المراجعة العدائية

المراحل الزرقاء (التقييم / المراجعة) هي AI. المراحل الرمادية (التجميع / الحكم) هي كود. هذا الفصل متعمَّد: أي شيء رياضي — الترجيح، الترتيب، فرض الحصص — يُوجَّه إلى الكود لضمان قابلية التكرار؛ أما أي شيء يتطلب حكمًا — هل هذا الشخص قوي بما يكفي؟ — فيُوجَّه إلى AI.

3. ما رأيناه: النتائج والاستنتاجات

جميع المرشحين أدناه تمّت إخفاء هويتهم. نصف نوع العمل، لا الأسماء أو التفاصيل المُعرِّفة.

ما نفّذناه

التوزيع

حصة الـ5% (5 فتحات) لم تُستخدَم على الإطلاق — لم تكن الحصة هي ما حجب أحدًا؛ بل كانت عتبة الدرجة المطلقة. لم يتجاوز أحد الحد الأدنى لشريحة A من تلقاء نفسه. أكثر عن سبب كون هذا مؤشرًا مفيدًا في الواقع أدناه.

كيف بدت قمة الترتيب (بأسماء مُخفاة)

بلا استثناء، كان المرشحون الأعلى ترتيبًا أشخاصًا بنوا وكلاء بالفعل — لا أشخاصًا سمعوا فقط عن الذكاء الاصطناعي:

• #1: طالب دراسات عليا بنى مساحة عمل متعددة الوكلاء بأسلوب Claude Code من الصفر — تشمل حلقة التنفيذ الرئيسية للوكيل، وتحليل استدعاءات الأدوات، وضغط السياق (context compression)، وتفريخ الوكلاء الفرعيين، وبوابات السلامة. كل ذلك كود قابل للتحقق، لا وصف نظري.
• #2: طالب دراسات عليا آخر قام بنشر نظام وكلاء متعدد حقيقي وقابل للوصول عامة (تطبيق في مجال عمودي)، مع إنتاج أكاديمي مبني فوقه.
• وأدنى في الترتيب: شخص كتب محرّك تنسيق وكلاء بلغة Go من الصفر؛ شخص أصدر وكيل برمجة خفيف الوزن بعد دراسة بنية Claude Code؛ شخص بنى بشكل مستقل لعبة باستخدام نموذج لغوي محلي (local LLM) في سبعة أيام مستخدمًا أدوات الذكاء الاصطناعي في كل خطوة.

ما كان مشتركًا بينهم: مؤشراتهم القوية لم تظهر تقريبًا في نص السيرة الذاتية — كانت موجودة في مستودعات GitHub وملفات الأعمال (portfolios). وهذا هو السبب الدقيق الذي جعلنا نوجّه كل وكيل تقييم إلى زيارة الروابط فعليًا والتحقق من الأدلة بدلاً من قراءة نص السيرة الذاتية فقط.

ثلاث استنتاجات

استنتاج 1: المراجعة العدائية رصدت فعليًا الدرجات المتضخّمة

كان المثال الأوضح هو المرشحين الأول والثاني. بعد مرحلة التقييم، حصل كل منهما على مجموع موزون حول 82 نقطة — كافٍ للدخول إلى شريحة A والاقتراب من عتبة S. بعد المراجعة العدائية، انخفض كلاهما إلى حوالي 75 نقطة، مع تبرير محدد جدًا:

"بنى مساحة عمل متعددة الوكلاء قابلة للتحقق — القدرة الأصيلة في استخدام الذكاء الاصطناعي مؤشر قوي. لكن المشروع عمره ~3 أسابيع، ومساهم واحد، و0 نجوم، ولا اختبارات. من الناحية المفهومية هو إعادة تنفيذ (reimplementation)، لا حل مشكلات أصيل. لا يوجد تقريبًا دليل داعم يتجاوز سطر الشهادة الأكاديمية: مرشح ذو إمكانات عالية وصلب، لكن ليس استثنائيًا."

"باني أصيل وقابل للتحقق في مجال الذكاء الاصطناعي. لكن نشر المرشح المزعوم في مجلة مرموقة يظهر فقط في ملاحظات جهة التوظيف (recruiter notes)، دون مصدر يمكن التحقق منه بشكل مستقل. الجزء الخلفي (backend) الأساسي للنظام خاص؛ لا يمكن تأكيد المساهمة الفردية. استخدام مؤهلات أكاديمية غير مُتحقَّق منها للوصول إلى الشريحة العليا هو تضخيم درجات مدفوع بالكلمات المفتاحية."

هذا تمامًا ما صُمّم التصميم لتحقيقه: لم يستبعد هؤلاء المرشحين — بل أعاد الدرجات إلى ما يدعمه الدليل فعليًا. يمكن لوكيل تقييم واحد أن ينساق، أما وجود مجموعة وكلاء مستقلة مهمتها التصدّي فيُقلّص ذلك بشكل موثوق.

استنتاج 2: S:0 / A:0 ليس خللًا — بل مرآة

الغريزة الأولى هي التساؤل عن كون المعيار قد وُضع بشكل خاطئ. لكن عند النظر إلى المجموعة بصدق:

• كان لدى جزء كبير من المرشحين سير ذاتية متناثرة جدًا — أبعاد أساسية (خبرة في الذكاء الاصطناعي، عمل قابل للتحقق) غائبة تمامًا.
• كان لدى العديد من المتقدمين لأدوار Agent Engineer صفر دليل على استخدام أدوات وكيلية ولا رابط GitHub.
• كانت المجموعة تحتوي أيضًا على رسائل بريد إلكتروني تجارية من جهات توظيف وإشعارات نظام من LinkedIn — تم تحديدها بشكل صحيح على أنها غير ذات صلة وحصلت على درجة 0، ما كشف عرضًا أن قاعدة بيانات التوظيف لدينا تحتاج تنظيفًا.

بعبارة أخرى، معيار صارم فصل الإشارة عن الضجيج بوضوح. البنّاؤون الحقيقيون (أفضل 6) و"المتعمّمون المتمكّنون" (الشريحة الوسطى) انتهى بهم الأمر في مواضع واضحة التمايز. هذه هي النقطة — تفويت البعض أفضل من تضخيم الجميع.

يطرح هذا أيضًا سؤالًا مفتوحًا يستحق النقاش: هل عتبة شريحة A الحالية (78 نقطة) قاسية جدًا على المرشحين الذين هم طلاب لديهم سجلات GitHub قوية لكن دون سجل مهني بعد؟ ومن المثير للاهتمام أن وكلاء المراجعة العدائية أنفسهم وصفوا المرشحين الأول والثاني بأنهم "مرشحون ذوو إمكانات عالية" — لكن الدرجة الموزونة أبقتهم في شريحة B. قرار تخفيف تلك العتبة للمرشحين ذوي الإمكانات العالية في بداية المسار المهني هو قرار حكمي (judgment call) يُفضَّل اتخاذه بعد رؤية جودة المقابلات الفعلية لمجموعة B. والخبر الجيد: هذا التغيير هو رقم واحد في ملف Markdown واحد. لا حاجة لأي كود.

استنتاج 3: "المعايير ككود" يجعل الاختلاف في الرأي مُنتِجًا

المحادثات حول معايير التوظيف تظلّ غالبًا غامضة — "نريد أشخاصًا لديهم دافعية"، "شخص يستطيع اكتشاف الحلول". ولأن هذا المعيار مكتوب بأوزان وأمثلة مرجعية (anchoring examples)، تصبح المحادثة فورًا ملموسة: "هل يجب أن تكون قدرة الذكاء الاصطناعي 35% أو 40%؟" "كم يستفيد فعليًا الباني المتميز الذي لا يحمل شهادة مرموقة؟" "هل يجب أن تكون الحصة 5% أو 8%؟" — كل نقطة اختلاف تقابل سطرًا محددًا في ملف Markdown يمكن تغييره وتتبع إصداراته ومناقشته. يتحول المعيار إلى أصل تحافظ عليه، لا توافقًا تُعيد تكراره في كل اجتماع.

4. التكلفة والعائد على الاستثمار

الإنفاق الدقيق

استخدمنا Claude Opus 4.8 (الفئة العليا). التفصيل الدقيق بحسب فئة الرموز (tokens):

وهذا يعادل تقريبًا 0.57 دولار لكل مرشح.

نتيجة غير متوقعة: كتابة التخزين المؤقت هي البند الأكبر

الافتراض الطبيعي هو أنه بما أن 115 وكيلًا يقرؤون نفس ملفات المعايير الستة، فإن التخزين المؤقت للموجّهات (prompt caching) يجب أن يساعد كثيرًا. لكنه لا يفعل، بالطريقة التي تتوقعها.

يعمل التخزين المؤقت للموجّهات على تطابق تام للبادئة (exact prefix match)، وكل جلسة وكيل مستقلة. يعني 125 وكيلًا 125 جلسة مستقلة — كل واحدة بوصف مهمة مختلف (بيانات مرشح مختلفة) — لذا لا يمكن للوكيل B الاستفادة من تخزين مؤقت كتبه الوكيل A. يساعد التخزين المؤقت داخل التنفيذ متعدد الجولات لكل وكيل بمفرده (قراءة المعايير → زيارة GitHub → زيارة ملف الأعمال → الإخراج، مع إعادة قراءة المحتوى السابق في كل جولة).

يكشف هذا عن مقايضة معمارية: التوازي المتفرّع (fan-out) يضخّم تكاليف كتابة التخزين المؤقت (كل وكيل يبني تخزينه المؤقت الخاص)، لكنه يمنحك حكمًا منعزلاً وغير مُلوَّث، ويلغي التراكم التربيعي للسياق الذي يحصل في المعالجة التتابعية. بالنسبة للمهام الحسّاسة لجودة الحكم، هذه المقايضة تستحق الثمن.

كيف نفكّر في العائد على الاستثمار

مقارنة مباشرة مع المراجعة اليدوية: مسؤول توظيف يقرأ سيرة ذاتية واحدة بعناية، ويفحص GitHub، ويكتب ملاحظات — تقديرًا متحفّظًا من 5 إلى 10 دقائق لكل مرشح. بالنسبة لـ115 مرشحًا، هذا يعني 10 إلى 19 ساعة من العمل المركَّز، مع انحراف في المعيار طوال الوقت.

قدّم سير العمل هذا:

لكن العائد الأهم هو عائد على الانتباه: فقد أعاد توجيه التركيز البشري بعيدًا عن 83 مرشحًا غير مناسبين بوضوح ونحو 6 بنّائين حقيقيين في القمة. وهذا هو أعلى قيمة يمكن أن يوفّرها الفرز الأولي.

هل يمكن أن يكون أرخص؟

نعم، لكنه على الأرجح لا يحتاج إلى ذلك. إذا تحوّل هذا إلى عملية عالية التكرار وعالية الحجم (مئات المرشحين يوميًا)، فإن التحسين العملي سيكون:

• استخدام Sonnet لمرحلة التقييم، و Opus فقط للمراجعة العدائية — ما يعني احتمالًا تقليل التكلفة بنسبة 70 إلى 80% مع أدنى خسارة في الجودة.
• أو استخدام نموذج أرخص لجولة أولى تقريبية، ثم Opus للتقييم التفصيلي للشريحة العليا.

لكن التوظيف عملية منخفضة التكرار، عالية المخاطر، وصعبة التراجع عنها. بتكلفة 65 دولارًا لمعالجة خط أنابيب كامل بقابلية تدقيق شاملة ومعايير قابلة للتكرار، الخلاصة واضحة: استخدم أفضل نموذج. لا تُقايض جودة الحكم بمدّخرات هامشية في التكلفة.

الصورة الأكبر

ما هو مثير حقًا في هذه التجربة ليس "أن الذكاء الاصطناعي يمكنه فرز السير الذاتية" — فتلك ليست فكرة جديدة. بل إن نموذج سير العمل الديناميكي — الكود الذي ينسّق مجموعة من وكلاء الذكاء الاصطناعي — يجعل فئات معينة من العمل قابلة للهيكلة والتكرار والتحسين لأول مرة.

التوظيف مجرد نقطة انطلاق. النموذج نفسه — المعايير كملفات قابلة للقراءة + التقييم المتفرّع الموازي + المراجعة العدائية + التجميع الحتمي — ينتقل إلى أي مجال يتطلب إصدار أحكام ذاتية متسقة وعالية الحجم: الإشراف على المحتوى، مراجعة الكود، فحص ملاحظات المستخدمين، التحليل التنافسي، والفحص النافي للجهالة (due diligence).

المعيار هو الإصدار v0.1. إنه ليس مثاليًا. لكنه أصبح الآن أصلًا يمكن تتبّع إصداراته، والنقاش حوله، وتحسينه — لا اتفاقًا ضمنيًا يعيش في رأس أحد. هذا التحوّل، أكثر من أي نتيجة فردية، هو ما كانت هذه التجربة تدور حوله فعليًا.