فريزر باترسون، المؤسس والرئيس التنفيذي لشركة Skillit – سلسلة المقابلات

فريزر باترسون، المؤسس والرئيس التنفيذي لشركة Skillit، هو رجل أعمال متسلسل شغلته مسيرة تزيد عن ثلاثة عقود في قطاع البناء والتكنولوجيا. بدأ كمتدرب في Carpentry في اسكتلندا قبل أن يتقدم إلى journeyman carpenter، ironworker، general contractor، وأخيراً مؤسس شركات متعددة تركز على البناء، طور باترسون فهمًا مباشرًا للتحديات العمالية التي تواجه الحرفيين المهرة. بعد قيادة مشاريع مثل Onis Vida وco-founding Bolster، أطلق Skillit في عام 2021 لمعالجة نقص القوى العاملة في ngành البناء من خلال التكنولوجيا. الجمع الفريد بين خبرته العملية في الحرف والقيادة في الشركات الناشئة وضعته في موقع بارز كمدافع عن تحديث توظيف البناء وتطوير القوى العاملة من خلال حلول مدفوعة بالبيانات والذكاء الاصطناعي.

Skillit هي منصة توظيف مدفوعة بالذكاء الاصطناعي تركز على حل واحدة من أكبر التحديات في ngành البناء: ربط أصحاب العمل بالحرفيين المهرة المؤهلين. بنت الشركة واحدة من أكبر الشبكات من العمال المهرة الجاهزين للعمل في الولايات المتحدة، تغطي عشرات الحرف ومئات المناطق الحضرية. بدلاً من الاعتماد على لوحات الوظائف التقليدية، تستخدم Skillit ملفات تعريف العمال، وتقييمات المهارات الرقمية، وتكنولوجيا المطابقة مدفوعة بالذكاء الاصطناعي لمساعدة المقاولين على العثور على العمال وتقييمهم وتوظيفهم بشكل أكثر كفاءة. تتمثل رؤية الشركة طويلة الأمد في أن تكون أكثر من منصة توظيف، بل تكون البنية التحتية للقوى العاملة في ngành البناء، ومن ثم في الصناعات المادية الأخرى، من خلال مساعدة أصحاب العمل على تحديد المواهب، وتدريب العمال الجدد، وتوسيع القوى العاملة المهرة اللازمة لدعم البنية التحتية، والطاقة، والتصنيع، والنمو الاقتصادي مدفوعًا بالذكاء الاصطناعي.

بدأت مسيرتك المهنية كمتدرب في Carpentry في اسكتلندا، وعملت كجورنيمان كاربنتير، وironworker، وgeneral contractor قبل تأسيس شركات متعددة. كيف شكلت تلك الخبرات على مواقع البناء قرارك لإطلاق Skillit، وما هي المشاكل التي واجهتها بشكل متكرر والتي أقنعتك بأن ngành البناء بحاجة إلى نهج جديد جذري في التوظيف؟

لقد واجهت المشكلة من كلا الجانبين. كمتدرب في Carpentry وفيما بعد كجورنيمان، قمت بإنفاق الكثير من الوقت في البحث عن العمل، والقيادة لمسافات طويلة، والاعتماد على الشفوية للعثور على الفرص. ثم كمتعاقد عام، كان لدي مشكلة معاكسة لأنني كنت أعلم أن هناك عمال مهرة موجودين، ولكن العثور على الشخص المناسب في الوقت المناسب كان صعبًا بشكل جنوني. لقد كنت معجبًا بشكل كبير بمدى قلة البيانات حول القوى العاملة. لدينا معلومات مفصلة حول المواد، والمعدات، والجداول، والميزانيات، ولكن几乎 لا شيء حول الأشخاص الذين يبنون المشروع. كان تفكيري أن إذا لم تكن قادرًا على تمثيل مهارات العامل، وخبرته، وشهاداته، و تفضيلاته بشكل رقمي، فمن المؤكد أنك لن تكون قادرًا على جعلها قابلة للاكتشاف، وهذا أدى إلى Skillit.

اليوم، بنيت على أكبر شبكة من العمال المهرة المعتمدة في أمريكا، تساعد Skillit المباني الرائدة مثل Mortenson، وDPR، وKiewit على توظيف عمال مهرة في مستوى من السرعة، والدقة، والتنظيم لم يكن ممكنًا من قبل.

مهمتنا في النهاية هي توسيع نطاق الحرف في العالم. باستخدام الذكاء الاصطناعي لجعل العمال المهرة أكثر وضوحًا، وإنتاجية، وقيمة، وضمان أن العالم لديه المواهب اللازمة لبناء كل شيء من المنازل والمستشفيات إلى البنية التحتية للذكاء الاصطناعي، وأنظمة الطاقة، والصناعات المستقبلية.

نفكر في المهمة في ثلاثة أعمال.

العمل الأول هو حل مشكلة الوصول إلى الملايين من العمال المهرة الذين يوجدون بالفعل. العمل الثاني هو حل النقص نفسه. بمجرد فهم الطلب والعرض في الوقت الفعلي، يمكنك استخدام الذكاء الاصطناعي لمساعدة المزيد من الناس على الدخول إلى الحرف، وتسريع تطورهم، وزيادة عدد العمال المهرة الكاملين.

العمل الثالث هو التوسع. نعتقد أن ngành البناء هو أصعب مشكلة في تنسيق العمل في العالم لحلها، وأن حلها سيعطينا قوة خارقة لتخدم 100 مليون صاحب عمل في جميع أنحاء العالم عبر جميع الصناعات المادية.

في النهاية، نعتقد أننا نبني أكثر من منصة توظيف أو سوق، نحن نبني بنية تحتية للقوى العاملة التي لم تكن موجودة من قبل في شكل نظام سجل للعمل، ونظام عمل مدفوع بالذكاء الاصطناعي، ونظام استخباراتي للتنبؤ بالقوى العاملة.

يصف العديد من الناس نقص العمالة في ngành البناء كنقص في المواهب. لقد جادلت أن هذا غالبًا ما يكون مشكلة في الوصول والتنسيق. ما هو الفرق، ولماذا يهم عند تصميم الحلول للصناعة؟

معظم الناس يفترضون أن مشكلة ngành البناء هي نقص في العمالة لأنها حقًا صعبة العثور على عمال مهرة مؤهلين، ولكنها أكثر تعقيدًا من ذلك.

ngành البناء لديها واحدة من أصغر الفجوات العمالية من أي صناعة كبرى. هناك حوالي 8.3 مليون شخص يعملون في ngành البناء (حوالي 80% منهم عمال مهرة) ومعظم مصادر البيانات تقارن أن هناك نقصًا في حوالي 400,000 عامل. هذا يعني أن فجوة العمالة في ngành البناء هي حوالي 5% من الطلب. قارن ذلك بالفنادق عند 25%، والتصنيع عند 17%، واللوجستيات عند 15%، والتمريض عند 10%، والبرمجيات عند 7%، والتجزئة عند 6%.

ما هو مثير للاهتمام هو أن الصناعة تقارن أيضًا بأعلى مستوى من الألم في التوظيف من أي صناعة كبرى. 94% من أصحاب العمل في ngành البناء يقولون أن التوظيف هو مشكلتهم الأولى – أعلى من التمريض عند 81%، واللوجستيات عند 76%، والتجزئة عند 74%، والتصنيع عند 60%، والبرمجيات عند 50%، والفنادق عند 48%.

لذلك، ngành البناء لديها أصغر فجوة عمالية وأعلى مستوى من الألم، مما يعني أن هناك شيئًا آخر يحدث. لا يمكن أن يكون نقصًا في العمالة فقط، ونعتقد أن هذا يعود إلى نقص في الوصول إلى 95% من العمال الذين لدينا بالفعل. كصناعة، بنينا أنظمة متقدمة لتعقب الجداول، والميزانيات، والمعدات، ومواعيد المشروع، ولكننا لم نبنِ طبقة البيانات أو بنية تحتية للتوظيف اللازمة للوصول إلى العمال المهرة بفعالية.

وهذا هو السبب في أن نقصًا في 1 من كل 20 عامل يبدو أكثر مثل 1 من كل 3.

الفرق بين نقص العمالة وفرق الوصول يهم لأنها تغير الحل. إذا كانت المشكلة هي نقص فقط، فإن الجواب هو ببساطة الانتظار حتى يدخل المزيد من العمال إلى الصناعة، وهو السبب في أن الجهود التقليدية لحل المشكلة تركز على زيادة الوعي بالحرف أو محاولة تحسين التدريب. تلك هي مثل سكب الماء في دلو يحتوي على ثقوب. كما أنها أخطاء دائرية فيما يتعلق بتأثيرها أو تستغرق وقتًا طويلاً لتحقيق النتائج.

إذا كانت المشكلة هي الوصول، فإن أفضل البيانات، والتحليلات، والتنسيق، والبنية التحتية يمكن أن تقفز قيمة هائلة قبل أن يدخل عامل جديد إلى القوى العاملة.

الذكاء الاصطناعي يغير التوظيف في القطاع الأبيض، ولكن ngành البناء لديها متطلبات فريدة حول الشهادات، والمهارات الحرفية، وخبرة الموقع، ومتاحف العمال. ما هو شكل التوظيف مدفوعًا بالذكاء الاصطناعي في الحرف المهرة، وأين يقدم أكبر قيمة اليوم؟

الرؤية التي أدت إلى Skillit هي أن الذكاء الاصطناعي قبل أن يساعد في توظيف العمال المهرة، يحتاج أولاً إلى طريقة لفهمهم، وهو السبب في بناء المنصة في طبقات. أولاً، ركزنا على التقاط بيانات القوى العاملة. العمال المهرة لا يقضون أيامهم جلوسًا خلف المكتب مع سيرة ذاتية في متناول اليد ( وإذا كنت مثل tôi، لديك أصابع سميكة من العمل اليدوي لسنوات، فإن كتابة على الشاشة الصغيرة للموبايل هو تجربة مستخدم سيئة بشكل جنوني)، لذلك اعتمدنا بشكل كبير على الصوت والautomation. اليوم، يمكن للعمال إنشاء ملفات تعريف غنية ببساطة عن طريق التحدث، ويحدث الذكاء الاصطناعي تلك الملفات الشخصية بشكل مستمر مع توافر معلومات جديدة. على سبيل المثال، عندما يُقابلون مع صاحب عمل على المنصة، يسجل الذكاء الاصطناعي المكالمة ويعديل ملفهم الشخصي بأي بيانات جديدة.

ثانيًا، بنينا نظامًا من الوكلاء يساعد المقاولين على تحديد، والتعرف، والتواصل مع العمال الذين يبحثون عنهم بالضبط.

وثالثًا، كل ذلك من بيانات القوى العاملة وبيانات المعاملات يخلق طبقة استخباراتية تسمح للشركات بالاستفسار وفهم سوق العمالة في الوقت الفعلي.

أعتقد أن أكبر قيمة اليوم تأتي من الرؤية، والسرعة، والدقة. الذكاء الاصطناعي أخيرًا يسمح لمقاولي ngành البناء والمقاولين برؤية العمالة التي يحتاجونها بدقة واضحة، ويقضون وقتًا أقل في البحث وأكثر في بناء العلاقات مع الأشخاص المناسبين وأخيرًا تحقيق نتائج أعمال.

Skillit تبني ما تصفه ببنية تحتية للقوى العاملة بدلاً من مجرد منصة توظيف أخرى. كيف تعرف بنية تحتية للقوى العاملة، ولماذا تعتقد أنها ستصبح مهمة لصناعة البناء مثل برنامج إدارة المشروع أو جداوله؟

معظم شركات العمالة ت dừng عند كونها سوقًا. تساعد المشترين والبائعين على العثور على بعضهم البعض، وهذا كل شيء. الخطوة التالية لنا هي أن نصبح منصة، حيث يساعد الذكاء الاصطناعي في إدارة سير عمل التوظيف، وآليته العمليات الروتينية، ويجعل التوظيف أكثر كفاءة وتنظيمًا.

البنية التحتية شيء مختلف قليلاً وتصبح النظام الذي تعتمد عليه الصناعة. المكان الذي تعيش فيه بيانات القوى العاملة، حيث يحدث التوظيف، وحيث تُنشأ استخبارات سوق العمل. نحن بصدد بناء ثلاثة أنظمة في نفس الوقت: نظام سجل للبيانات، نظام عمل مدفوع بالذكاء الاصطناعي، ونظام استخباراتي يساعد الشركات على فهم وتخطيط أسواق العمل في الوقت الفعلي. عندما تأتي هذه الأنظمة معًا، يصبح إدارة القوى العاملة أكثر استراتيجية، وتحليلية، وتنظيمية.

أعتقد أن بنية تحتية للقوى العاملة ستصبح مهمة لصناعة البناء مثل برنامج إدارة المشروع لأن كل مشروع يبدأ بالناس. قبل أن تهم الجداول، والميزانيات، والمواد، تحتاج إلى قوى عاملة ماهرة لتنفيذ العمل وبالتالي توليد أي إيرادات على الإطلاق.

DPR Construction وSuffolk Technologies يستثمرون مباشرة في Skillit بدلاً من مجرد أن يصبحوا عملاء. ماذا يعني ذلك حول كيفية تفكير البناة الكبار في العمالة، وتخطيط القوى العاملة، والميزة التنافسية؟

أعتقد أن هذا يعني تحولًا أوسع في كيفية نظر المقاولين الكبار إلى العمالة. للعديد من شركات البناء، أصبحت العمالة الآن واحدة من المتغيرات الاستراتيجية الأكثر أهمية في العمل. عندما يأخذ البناة مشاريع أكبر وأكثر تعقيدًا ويعملون أكثر في المنزل، يزداد اعتماد نتائج المشروع على قدرتهم على العثور على عمال مهرة، وتنسيبهم، و الاحتفاظ بهم.

كل دولار من إيرادات البناء يبدأ بعامل ماهر يؤدي العمل في الموقع. يعتمد تخطيط القوى العاملة على فهم حيث توجد المواهب، وأين تظهر النقص، وكيف يمكن تنسيب العمالة بفعالية.

المقاولون الذين يمكنهم القيام بذلك بشكل أسرع وأكثر دقة سيكونون لديهم ميزة تنافسية هامة خلال العقد المقبل.

ما تزال ngành البناء واحدة من أقل الصناعات رقيًا في العالم. ما هي الحواجز التي لا تزال موجودة لاعتماد الذكاء الاصطناعي على نطاق أوسع في إدارة القوى العاملة، وكيف سريعًا تتوقع أن تختفي هذه الحواجز؟

أعظم حاجز ليس التكنولوجيا، ولكن البيانات. معظم أنظمة الذكاء الاصطناعي ليست أفضل من المعلومات التي يمكنها الوصول إليها، و ngành البناء تاريخيًا لم يلتقط بيانات القوى العاملة بطريقة موثوقة أو منظمة. نعرف الكثير عن المشاريع، والمواد، والمعدات، ولكن удивيًا قليلًا عن المهارات، والخبرة، ومتاحف العمال الذين يؤدون العمل.

الخبر السار هو أن هذا يتغير بسرعة، والذكاء الاصطناعي يجعل من السهل بشكل دراماتيكي التقاط وتنظيم بيانات القوى العاملة من خلال الصوت، والautomation، والعمليات اليومية. أعتقد أننا سنجد تبنيًا سريعًا للقوى العاملة مدفوعًا بالذكاء الاصطناعي خلال السنوات الثلاث إلى الخمس القادمة مع تحسين طبقة البيانات و Remaining劳 اليد.

تعتمد منصتك على بيانات العمال المؤكدة وتقييمات المهارات. كيف تتوازن بين Automation وواقع تقييم الحرفية، والخبرة، وأداء الموقع الذي غالبًا لا يمكن بأي شكل من الأشكال القبض عليه في سيرة ذاتية؟

ngành البناء في النهاية هو حرف، ولا أعتقد أن الحرفية يمكن أن تقلل إلى سيرة ذاتية أو خوارزمية. لذلك، لقد اعتقدنا دائمًا أن مستقبلنا هو الذكاء الاصطناعي بالإضافة إلى الحكم البشري، وليس الذكاء الاصطناعي بدلاً من الحكم البشري. كل عامل على Skillit يتم تقييمه من خلال عمليات فحص منظمة، ونحن نجمع ذلك مع التقييمات، وتاريخ التوظيف، و反馈 العملاء، وزيادة الإشارات من الشبكة الأوسع.

بمرور الوقت، نتوقع أن تتحرك منصتنا نحو نظام سمعة حيث يساهم العمال، والمشرفون، ومديرو المشاريع، وأصحاب العمل جميعًا في صورة أكثر غنى عن الأداء. بالتأكيد، سيساعد الذكاء الاصطناعي في تنظيم وتحليل تلك المعلومات، ولكن الثقة لا تزال تكتسب من جودة العمل الذي يتم تسليمه في الموقع.

مراكز البيانات، ومنشآت أشباه الموصلات، ومشاريع الطاقة، والتنمية البنية الكبيرة تؤدي إلى زيادة غير مسبوقة في الطلب على الحرف المهرة. أي قطاعات تعتقد أنها ستواجه أكبر ضغط على أسواق العمل خلال السنوات الخمس القادمة؟

الضغط الأكبر سوف يأتي من البنية التحتية للذكاء الاصطناعي، والطاقة، والتصنيع المتقدم. تلك المشاريع فريدة من حيث الحجم والتركيز، مع مراكز البيانات، ومنشآت أشباه الموصلات، ومحطات الطاقة، والبنية التحتية للنقل، والتصنيع المتقدم، جميعها تتنافس على العديد من الحرف المهرة نفسها.

ندخل ما قد يكون أكبر دورة بناء فيزيائية في التاريخ. رأس المال الذي سيتم استثماره في البنية التحتية للذكاء الاصطناعي والطاقة وحده (حوالي 600 مليار دولار خلال العقد المقبل من أربع شركات فقط) قد يفوق استثمارات الأجيال التاريخية في الطرق السريعة، والطرقات، والكهرباء مجتمعة. هذا الطلب سوف يضع ضغطًا غير عادي على الكهربائيين، وعمال الأنابيب، واللحام، وтехники HVAC، والمشغلين، والعديد من الحرف المهرة الحرجة الأخرى.

إذا نجحت Skillit في رؤيتها طويلة الأمد، ما سيكون شكل سوق العمالة في ngành البناء في عام 2035، وكيف يمكن للذكاء الاصطناعي أن يغير الطريقة التي يكتشف بها ملايين العمال المهرة الفرص، ويتطورون في مسيرتهم المهنية، ويتنقلون بين المشاريع؟

رؤيتنا تتكشف في ثلاثة أعمال. الأول هو حل مشكلة الوصول. نريد أن يكون كل عامل ماهر مرئيًا، وأنه يسهل على أصحاب العمل العثور على المواهب التي يحتاجونها، بغض النظر عن الموقع الجغرافي، أو الحرفة، أو مصدر العمل. الثاني هو حل النقص نفسه. من خلال فهم الطلب على العمالة في المقاييس الكبيرة، و sử dụng الذكاء الاصطناعي لتوجيه العمال إلى مسارات وظيفية ذات فرص عالية، يمكننا مساعدة خلق المزيد من العمال المهرة، وتسريع مسارهم إلى الإنتاجية. الثالث هو التوسع إلى ما وراء ngành البناء إلى التصنيع، والطاقة، والخدمات العامة، وأخيرًا كل الصناعات المادية.

على نطاق أوسع، أعتقد أن الذكاء الاصطناعي يجب أن يجعل البشر أكثر أهمية، وليس أكثر عرضة للإلغاء. كونه عاملًا سابقًا في Carpentry وironworker، قمت بإنفاق حياتي حول الأشخاص الذين يخلقون العالم المادي. كل جسر، ومستشفى، ومصنع، ومحطة طاقة، ومركز بيانات يوجد بسبب الحرفية البشرية. التكنولوجيا هي في أفضل حالاتها عندما تعزز هذه القدرة بدلاً من استبدالها.

إذا نجحنا، فإن الذكاء الاصطناعي لن يreplace العمال المهرة، بل سيساعد 1.4 مليار منهم حول العالم على اكتشاف فرص أفضل، وبناء مسارات وظيفية أكثر نجاحًا، ومساهمة في مشاريع قد تكون مستحيلة بدون ذلك.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Skillit.