هل تشعر بالقلق من أن الذكاء الاصطناعي (AI) سيأخذ وظيفتك؟ هذا هو السؤال الذي يدور في ذهن الملايين حول العالم. ولكن، ماذا لو قلنا لك أن الأمر ليس "استبدال" بقدر ما هو "تطور"؟ مرحبًا بك في دليلك الودي والشامل لاستكشاف عالم وظائف المستقبل التي يخلقها الذكاء الاصطناعي، وكيف يمكنك أن تكون جزءًا لا يتجزأ من هذا التحول المثير.
|
| دليل وظائف الذكاء الاصطناعي 2026 | من المبتدئ إلى الخبير |
🔍 الخلاصات الرئيسية للمقال
- الذكاء الاصطناعي لا يقضي على الوظائف، بل يحولها ويخلق مسارات جديدة تمامًا.
- وظائف مثل هندسة الذكاء الاصطناعي وعلم البيانات هي حجر الزاوية للاقتصاد الجديد.
- تظهر وظائف ناشئة ومهمة مثل محلل أخلاقيات الذكاء الاصطناعي ومستشار التحول الرقمي.
- المهارات التقنية (مثل بايثون) مهمة، لكن المهارات الإنسانية (مثل التفكير النقدي) هي الضمان الحقيقي للمستقبل.
- المنطقة العربية، ومصر تحديدًا، تشهد نموًا متسارعًا في تبني الذكاء الاصطناعي، مما يخلق فرصًا محلية واعدة.
- البدء ممكن للجميع. بناء المشاريع أهم من الشهادات النظرية.
الفصل الأول: الثورة الهادئة.. كيف يغير الذكاء الاصطناعي سوق العمل؟
دعنا نكون صرحاء، التغيير دائمًا ما يكون مخيفًا بعض الشيء. عندما ظهرت جداول البيانات (مثل Excel) ، شعر المحاسبون الذين كانوا يعملون بالدفاتر الورقية بالتهديد. ولكن ما حدث هو أن المحاسب أصبح أكثر قوة، قادرًا على تحليل البيانات بدلاً من مجرد تسجيلها. الذكاء الاصطناعي هو "جدول البيانات" الجديد، ولكنه على نطاق أوسع بكثير.
التأثير لا يقتصر على أتمتة المهام المتكررة (مثل إدخال البيانات أو الرد على رسائل البريد الإلكتروني البسيطة)، بل يمتد إلى تعزيز قدراتنا. الذكاء الاصطناعي اليوم يساعد الأطباء في تشخيص السرطان بدقة أكبر، ويساعد المبرمجين في كتابة أكواد خالية من الأخطاء، ويساعد الفنانين في خلق صور مذهلة.
إذًا، سوق العمل لا ينكمش، بل يتغير شكله. تختفي وظائف قديمة، وتتطور وظائف حالية، وتولد وظائف جديدة تمامًا لم نكن نحلم بها قبل عشر سنوات. السؤال الحقيقي ليس "هل ستختفي وظيفتي؟" بل "كيف ستتطور وظيفتي، وما هي المهارات الجديدة التي أحتاجها؟".
الفصل الثاني: تعرف على "الفريق الذهبي" لوظائف الذكاء الاصطناعي
عندما نتحدث عن "وظائف الذكاء الاصطناعي"، فإننا لا نتحدث عن شيء واحد. إنه نظام بيئي متكامل يضم أدوارًا مختلفة، لكل منها مهمة فريدة. دعنا نتعرف على أبرز اللاعبين في هذا المجال:
1. "المهندس المعماري": مهندس الذكاء الاصطناعي (AI Engineer)
تخيل أنك تريد بناء منزل ذكي. أنت بحاجة إلى مهندس معماري لوضع المخطط العام، وتحديد مكان الأسلاك، وكيف ستتفاعل الأنظمة معًا. هذا هو مهندس الذكاء الاصطناعي.
إنه الشخص الذي يبني البنية التحتية القوية التي تعمل عليها نماذج الذكاء الاصطناعي. هو لا يقوم بالضرورة بابتكار الخوارزمية الرياضية بنفسه، ولكنه يمتلك المهارة الكافية لأخذ نموذج "التعلم الآلي" الخام ودمجه في تطبيق حقيقي يمكن للمستخدمين التفاعل معه.
- المهام الرئيسية: تصميم وتطوير أنظمة الذكاء الاصطناعي، بناء خطوط أنابيب البيانات (Data Pipelines) ، نشر النماذج (Deployment) في بيئة الإنتاج.
- المهارات المطلوبة: إتقان Python (بايثون)، معرفة قوية بهندسة البرمجيات (Software Engineering) ، فهم جيد لأساسيات التعلم الآلي، وخبرة في الحوسبة السحابية (مثل AWS أو Google Cloud).
- متوسط الرواتب (كمثال في مصر): يمكن أن يبدأ من 80,000 جنيه مصري سنويًا للمبتدئين ويصل إلى 200,000 جنيه أو أكثر لذوي الخبرة، وفي الأسواق العالمية، الأرقام أعلى بكثير.
2. "المُنقّب عن الكنز": عالم البيانات (Data Scientist)
البيانات هي "نفط" العصر الجديد، وعالم البيانات هو الشخص الذي يعرف كيف يستخرج هذا النفط ويقوم بتكريره ليصبح منتجًا ذا قيمة. إنه مزيج فريد من مبرمج، وإحصائي، ومحلل أعمال.
بينما قد يجيب "محلل البيانات" (Data Analyst) على سؤال: "ماذا حدث؟" (مثال: انخفضت مبيعاتنا بنسبة 10٪ الشهر الماضي)، فإن "عالم البيانات" يجيب على سؤال: "لماذا حدث هذا؟" (مثال: وجدنا علاقة بين انخفاض المبيعات وحملة تسويقية أطلقها المنافس) و "ماذا سيحدث تاليًا؟" (مثال: بناءً على نموذجنا، نتوقع ارتفاع المبيعات بنسبة 15٪ إذا أطلقنا هذه الحملة المضادة).
- المهام الرئيسية: جمع وتحليل البيانات الضخمة، بناء نماذج إحصائية وتنبؤية، استخلاص رؤى (Insights) قابلة للتنفيذ لخدمة أهداف العمل.
- المهارات المطلوبة: إحصاء ورياضيات قوية، خبرة في Python (تحديدًا مكتبات مثل Pandas و Scikit-learn)، إتقان لغة الاستعلام SQL، وقدرة ممتازة على "سرد القصص" بالبيانات (Data Storytelling).
3. "المُدرّب الخصوصي": مطور التعلم الآلي (Machine Learning Developer/Engineer)
إذا كان عالم البيانات يحدد "ما" يجب على النموذج التنبؤ به، فإن مطور التعلم الآلي هو المتخصص الذي يبني و"يدرّب" هذا النموذج بأفضل شكل ممكن.
هذا الدور يقع في قلب الذكاء الاصطناعي. هو الشخص الذي يغوص عميقًا في الخوارزميات، ويجرب نماذج مختلفة (مثل الشبكات العصبية)، ويقوم بضبطها (Fine-tuning) لتصل إلى أقصى درجات الدقة. هو من يصنع "العقل" المفكر للتطبيق.
- المهام الرئيسية: تصميم وتطوير واختبار خوارزميات التعلم الآلي، إجراء التجارب لتحسين أداء النماذج، مواكبة أحدث الأبحاث في المجال.
- المهارات المطلوبة: فهم رياضي عميق للخوارزميات، إتقان أطر العمل مثل TensorFlow وPyTorch، خبرة قوية في معالجة البيانات.
| الوظيفة | التركيز الأساسي | الأداة الرئيسية | السؤال الذي يجيب عليه |
|---|---|---|---|
| مهندس الذكاء الاصطناعي | البنية التحتية والنظام (System) | Python, Docker, Cloud Platforms | "كيف نجعله يعمل بكفاءة في العالم الحقيقي؟" |
| عالم البيانات | الرؤى والتحليل (Insights) | SQL, Python (Pandas), R | "ما الذي تخبرنا به هذه البيانات؟" |
| مطور التعلم الآلي | الخوارزمية والنموذج (Model) | TensorFlow, PyTorch, Scikit-learn | "كيف يمكننا جعل التنبؤ أكثر دقة؟" |
الفصل الثالث: الوظائف الناشئة.. "بناة الجسور" بين الإنسان والآلة
الثورة لا تتوقف عند المبرمجين والمهندسين. لكي ينجح الذكاء الاصطناعي، نحتاج إلى أشخاص يبنون جسورًا بين هذه التكنولوجيا المعقدة وبين عالمنا البشري المليء بالفوضى والفروق الدقيقة.
1. "صوت الضمير": محلل أخلاقيات الذكاء الاصطناعي (AI Ethics Analyst)
هذه واحدة من أهم وظائف المستقبل وأسرعها نموًا. الذكاء الاصطناعي يتعلم من البيانات التي نغذيها بها. وماذا لو كانت هذه البيانات متحيزة؟
"الذكاء الاصطناعي ليس شريرًا بطبعه، ولكنه يعكس تحيزاتنا البشرية بامتياز."
مهمة محلل الأخلاقيات هي ضمان أن تكون أنظمة الذكاء الاصطناعي عادلة، وشفافة، وخاضعة للمساءلة. هم يطرحون الأسئلة الصعبة: هل هذا النموذج متحيز ضد فئة معينة؟ هل ننتهك خصوصية المستخدمين؟ ما هي العواقب الاجتماعية لنشر هذا النظام؟
هذه الوظيفة لا تتطلب بالضرورة خلفية برمجية عميقة، بل مزيجًا من الفلسفة، والقانون، وعلم الاجتماع، مع فهم جيد لأساسيات التكنولوجيا.
2. "المُترجِم": مستشار تحول الذكاء الاصطناعي (AI Transformation Consultant)
العديد من الشركات الكبرى تريد "استخدام الذكاء الاصطناعي"، لكن ليس لديها أي فكرة من أين تبدأ. لديهم الكثير من البيانات، لكنهم لا يعرفون كيف يحولونها إلى أرباح.
هنا يأتي دور مستشار التحول. هذا الشخص هو "مترجم" يتحدث لغتين: لغة الأعمال (Business) ولغة التكنولوجيا (Tech). هو يجلس مع مدير الشركة ليفهم مشاكله، ثم يذهب إلى الفريق التقني ليترجم هذه المشاكل إلى حلول تقنية قائمة على الذكاء الاصطناعي.
3. "المُجسِّد": مهندس الروبوتات (Robotics Engineer)
ماذا يحدث عندما تمنح الذكاء الاصطناعي "جسدًا"؟ تحصل على الروبوتات. مهندس الروبوتات هو الشخص الذي يدمج بين الهندسة الميكانيكية، والهندسة الكهربائية، وعلوم الحاسوب.
هم لا يصنعون الروبوتات التي تراها في أفلام الخيال العلمي فقط، بل يصممون الأذرع الآلية في المصانع، والطائرات بدون طيار (Drones) التي تستخدم في الزراعة، وحتى الروبوتات الجراحية الدقيقة التي تساعد الأطباء في القطاع الطبي.
الفصل الرابع: الذكاء الاصطناعي في كل مكان.. تأثير يطال كل القطاعات
الجميل في هذه الثورة أنها لا تقتصر على شركات التكنولوجيا. الذكاء الاصطناعي يتسرب إلى كل جانب من جوانب حياتنا، مما يخلق فرصًا للمتخصصين في جميع المجالات.
- في الرعاية الصحية: كما ذكرنا، يساعد الذكاء الاصطناعي في تحليل الصور الطبية (الأشعة السينية والرنين المغناطيسي) واكتشاف الأمراض مبكرًا. كما يساهم في اكتشاف الأدوية وتصميم خطط علاجية مخصصة لكل مريض.
- في القطاع المالي والمصرفي: يُستخدم الذكاء الاصطناعي بشكل مكثف في اكتشاف عمليات الاحتيال في الوقت الفعلي، وفي تقديم المشورة المالية الآلية (Robo-advisors) ، وتقييم مخاطر الائتمان.
- في التعليم: تظهر منصات التعلم الذكية التي تكيف المناهج الدراسية مع مستوى كل طالب على حدة، مما يوفر تجربة تعليمية شخصية. هذا لا يلغي دور المعلم، بل يحرره من المهام الروتينية ليركز على التوجيه والإبداع.
الفصل الخامس: "صندوق العدة" الخاص بك.. ما هي المهارات المطلوبة فعلاً؟
حسنًا، لقد تحمست للبدء. لكن ما الذي تحتاجه فعليًا لتنافس في سوق العمل الجديد هذا؟ الأمر ينقسم إلى نصفين: مهارات تقنية (صلبة) ومهارات إنسانية (ناعمة).
أولاً: المهارات التقنية (The "Hard Skills")
هذه هي الأساسيات التي لا غنى عنها لبناء أي شيء في عالم الذكاء الاصطناعي:
- لغة البرمجة (Python): بلا منازع، بايثون هي اللغة الرسمية للذكاء الاصطناعي وعلم البيانات. سهولتها ومكتباتها الجاهزة (مثل Pandas, NumPy, TensorFlow, PyTorch) تجعلها الخيار الأول.
- الرياضيات والإحصاء: لا يمكنك الهروب منها! لست بحاجة لأن تكون عبقريًا في الرياضيات، لكنك تحتاج إلى فهم قوي لأساسيات الجبر الخطي (للتعامل مع البيانات كمصفوفات) والاحتمالات والإحصاء (لفهم كيفية عمل النماذج التنبؤية).
- قواعد البيانات (SQL): البيانات تسكن في قواعد البيانات. يجب أن تعرف كيف "تتحدث" معها لاستخراج المعلومات التي تحتاجها. لغة SQL هي الأداة القياسية لذلك.
- أساسيات التعلم الآلي: يجب أن تفهم المفاهيم الأساسية: ما هو "التعلم المُراقب" و"غير المُراقب"؟ كيف يعمل نموذج الانحدار الخطي؟ ما هي الشبكة العصبية؟
ثانيًا: المهارات الإنسانية (The "Soft Skills") - سلاحك السري!
هنا يكمن السر الحقيقي. الذكاء الاصطناعي رائع في إيجاد الأنماط، لكنه سيء جدًا في فهم "السياق" و"المشاعر" و"المعنى". هذه المهارات هي التي تجعلك لا غنى عنك:
- التفكير النقدي (Critical Thinking): الآلة ستعطيك نتيجة، لكنك أنت من يجب أن يسأل: "هل هذه النتيجة منطقية؟ هل البيانات التي تدربت عليها كانت صحيحة من الأساس؟"
- حل المشكلات (Problem Solving): مهمتك ليست "تشغيل نموذج ذكاء اصطناعي"، بل "حل مشكلة للشركة". الذكاء الاصطناعي هو مجرد أداة في يدك.
- الإبداع (Creativity): كيف يمكننا استخدام هذه التكنولوجيا بطريقة جديدة لحل مشكلة قديمة؟ هذا سؤال يتطلب إبداعًا بشريًا.
- التواصل وسرد القصص (Communication): أنت كعالم بيانات، ما فائدة اكتشافك المذهل إذا لم تستطع شرحه لمديرك غير التقني بطريقة بسيطة ومقنعة؟
تذكر دائمًا: في المستقبل، لن يتنافس الإنسان مع الآلة، بل سيتنافس الإنسان الذي يجيد استخدام الآلة مع الإنسان الذي لا يجيد استخدامها.
الفصل السادس: نظرة على "البيت"... الذكاء الاصطناعي في مصر والعالم العربي
قد يبدو كل هذا الحديث وكأنه قادم من "وادي السيليكون"، لكن الحقيقة أن مصر والعالم العربي ليسا بعيدين عن المشهد. بل على العكس، هناك زخم كبير.
تشهد مصر اهتمامًا حكوميًا كبيرًا، متمثلاً في "الاستراتيجية الوطنية للذكاء الاصطناعي". الجامعات بدأت في طرح برامج بكالوريوس وماجستير متخصصة في الذكاء الاصطناعي وعلم البيانات.
سوق العمل المصري يشهد طلبًا متزايدًا، خاصة في قطاعات التكنولوجيا المالية (FinTech)، والتجارة الإلكترونية، ومراكز الاتصال (التي تستخدم الذكاء الاصطناعي في تحليل المكالمات). نعم، هناك تحديات مثل جودة البنية التحتية والحاجة إلى المزيد من البيانات المفتوحة، لكن هذا بحد ذاته يخلق "فرصة" لمن يستطيع بناء الحلول لهذه التحديات.
الشركات الناشئة (Startups) في المنطقة تبحث بنشاط عن مواهب محلية قادرة على بناء نماذج ذكاء اصطناعي تفهم اللهجات العربية (وهي مشكلة معقدة لا تستطيع الشركات العالمية حلها بسهولة)، مما يفتح بابًا كبيرًا لمتخصصي معالجة اللغات الطبيعية (NLP).
الفصل السابع: خارطة طريق عملية.. كيف أبدأ اليوم (حتى لو كنت مبتدئًا)؟
الشعور بالحماس سهل، لكن البدء هو الصعب. إليك خطة عملية من 4 خطوات للتحول إلى مجال وظائف الذكاء الاصطناعي:
الخطوة الأولى: بناء الأساس (لا تستعجل!)
لا تقفز مباشرة إلى بناء شبكات عصبية عميقة. هذا خطأ شائع. ابدأ بالأساسيات المملة لكن الضرورية. خصص شهرين لتعلم:
- أساسيات البرمجة بلغة بايثون: المتغيرات، الحلقات، الدوال، هياكل البيانات.
- أساسيات الرياضيات: راجع مفاهيم الجبر الخطي (المصفوفات) والإحصاء (المتوسط، الانحراف المعياري).
الخطوة الثانية: التعلم الموجه (الدورات والشهادات)
الآن، ابدأ في دورة متخصصة. الإنترنت مليء بالكنوز. ابحث عن مسارات تعليمية (Learning Paths) شهيرة في علم البيانات أو التعلم الآلي.
الشهادات المعتمدة (مثل تلك المقدمة من جوجل، IBM، أو عبر منصات مثل Coursera) يمكن أن تكون مفيدة لإثبات جديتك، لكن تذكر: الشهادة وحدها لا تكفي.
الخطوة الثالثة: "اترك بصمتك" - بناء محفظة مشاريع (الأهم على الإطلاق)
هذه هي الخطوة التي تميز المحترف عن الهاوي. الشركات لا توظفك بناءً على ما "تعرفه"، بل بناءً على ما "بنيته". محفظة مشاريعك (Portfolio) هي سيرتك الذاتية الحقيقية.
- ابدأ بمشروع بسيط: مثلاً، تحليل بيانات مجموعة بيانات متوفرة (مثل بيانات تيتانيك أو أسعار المنازل).
- اختر مشروعًا يثير شغفك: هل تحب كرة القدم؟ قم ببناء نموذج يتنبأ بنتائج المباريات. هل تحب الأفلام؟ قم بتحليل مراجعات الأفلام.
- شارك عملك: انشر مشاريعك على منصة مثل GitHub. اكتب مقالة تشرح فيها خطواتك. هذا يثبت أنك لا تعرف "كيف" فقط، بل "لماذا" أيضًا.
الخطوة الرابعة: انضم إلى المجتمع (لا تعمل وحيدًا)
ابحث عن مجتمعات للمبرمجين وعلماء البيانات (عبر الإنترنت على LinkedIn أو في فعاليات محلية). شارك في المسابقات (مثل Kaggle) حتى لو لم تفز، ستتعلم الكثير. التواصل مع أقرانك سيفتح لك أبوابًا للتعلم وللفرص الوظيفية.
الخاتمة: المستقبل ليس "إنسان ضد آلة" بل "إنسان مع آلة"
نعم، الذكاء الاصطناعي يغير عالمنا بسرعة مذهلة. وسوف يستمر في تغيير سوق العمل. لكن هذا التغيير ليس نهاية المطاف، بل هو بداية جديدة.
وظائف المستقبل لن تكون للآلات وحدها، ولن تكون للبشر وحدهم. ستكون لأولئك الذين يتقنون فن "التعاون" بين الذكاء البشري والذكاء الاصطناعي.
المستقبل هو للمفكر النقدي الذي يستخدم الذكاء الاصطناعي كباحث مساعد، وللفنان الذي يستخدمه كأداة إبداعية، وللمهندس الذي يستخدمه لبناء ما كان مستحيلاً بالأمس.
لا تخف من التغيير. كن جزءًا منه. ابدأ رحلتك التعليمية اليوم، لأن أفضل طريقة للتنبؤ بالمستقبل هي أن تكون ممن يصنعونه.
الأسئلة الشائعة FAQ
س1: هل سيقضي الذكاء الاصطناعي على وظيفتي؟
وفقًا للمقال، الأمر ليس "استبدال" بقدر ما هو "تطور". الذكاء الاصطناعي لا يقضي على الوظائف، بل يحولها ويخلق مسارات جديدة. هو يشبه "جدول البيانات" (Excel) الجديد الذي لا يلغي المحاسب، بل يجعله أكثر قوة. المستقبل ليس للإنسان ضد الآلة، بل للإنسان الذي يجيد استخدام الآلة.
س2: ما هو الفرق بين "مهندس الذكاء الاصطناعي" و "عالم البيانات" و "مطور التعلم الآلي"؟
الفرق باختصار حسب المقال:
- مهندس الذكاء الاصطناعي (المهندس المعماري): يركز على "البنية التحتية" (Infrastructure) ودمج النموذج في نظام حقيقي. يسأل: "كيف نجعله يعمل بكفاءة؟".
- عالم البيانات (المُنقّب): يركز على "الرؤى والتحليل" (Insights). يستخرج القيمة من البيانات. يسأل: "ما الذي تخبرنا به هذه البيانات؟".
- مطور التعلم الآلي (المُدرّب): يركز على "الخوارزمية والنموذج" (Model) نفسه. يبني ويدرب "العقل" المفكر. يسأل: "كيف نجعل التنبؤ أكثر دقة؟".
س3: ما هي أهم المهارات المطلوبة لوظائف الذكاء الاصطناعي؟
تنقسم المهارات إلى قسمين:
- مهارات تقنية (صلبة): أهمها إتقان لغة Python (بايثون) ومكتباتها، وفهم جيد للرياضيات والإحصاء (خاصة الجبر الخطي)، ومعرفة بقواعد البيانات (SQL).
- مهارات إنسانية (ناعمة): وهي "السلاح السري". أهمها التفكير النقدي (هل نتيجة الآلة منطقية؟)، وحل المشكلات، والقدرة على التواصل وشرح النتائج المعقدة ببساطة.
س4: هل توجد وظائف في الذكاء الاصطناعي لا تتطلب برمجة عميقة؟
نعم. المقال يسلط الضوء على وظائف "بناة الجسور" الناشئة، مثل محلل أخلاقيات الذكاء الاصطناعي (AI Ethics Analyst) الذي يضمن أن الأنظمة عادلة وغير متحيزة (يتطلب فلسفة وقانون)، ومستشار تحول الذكاء الاصطناعي (AI Transformation Consultant) الذي يعمل كـ "مترجم" بين احتياجات العمل والحلول التقنية.
س5: هل توجد فرص عمل في هذا المجال في مصر والعالم العربي؟
نعم، المقال يؤكد وجود زخم كبير ونمو متسارع في مصر والعالم العربي. هناك اهتمام حكومي (مثل الاستراتيجية الوطنية للذكاء الاصطناعي في مصر) وطلب متزايد من الشركات الناشئة، خاصة على المتخصصين في معالجة اللغات الطبيعية (NLP) لبناء نماذج تفهم اللهجات العربية.
س6: أنا مبتدئ تمامًا، ما هي أهم خطوة لبدء مسيرتي المهنية؟
الخطوة "الأهم على الإطلاق" بعد تعلم الأساسيات (بايثون ورياضيات) هي بناء محفظة مشاريع (Portfolio). الشركات لا توظف بناءً على الشهادات وحدها، بل بناءً على ما "بنيته" بيدك. ابدأ بمشروع بسيط، اختر شيئًا يثير شغفك، وانشر عملك على منصة مثل GitHub.
س7: ما هي القطاعات غير التكنولوجية التي يستخدم فيها الذكاء الاصطناعي؟
الذكاء الاصطناعي يتسرب إلى كل القطاعات، مثل الرعاية الصحية (تشخيص السرطان)، والقطاع المالي (اكتشاف الاحتيال)، والتعليم (منصات التعلم الذكية التي تكيف المناهج مع كل طالب)، مما يخلق فرصًا للمتخصصين في هذه المجالات أيضًا.
س8: ما هي الخلاصة النهائية لمستقبل الوظائف؟
الخلاصة هي أن المستقبل ليس "إنسان ضد آلة" بل "إنسان مع آلة". المنافسة الحقيقية لن تكون بين الإنسان والذكاء الاصطناعي، بل بين "الإنسان الذي يجيد استخدام الذكاء الاصطناعي" والإنسان الذي لا يجيد استخدامه.