الذكاء الاصطناعي لا يكتب الكود فقط، بل يعيد بناء الحاسوب من حولنا

الثورة المقبلة تتجاوز الإكمال التلقائي للشيفرة (Autocomplete)

كان الحضور الأوضح للذكاء الاصطناعي في هندسة البرمجيات، طوال سنوات، اقتراحاً رمادياً يظهر بعد أن يكتب المبرمج بضعة أحرف. أداة مفيدة بلا شك، لكنها لم تغيّر شكل الحاسوب أو طريقة تعاملنا معه جذرياً.

اليوم تتحرك الحدود بسرعة. تستطيع أنظمة الذكاء الاصطناعي فحص مستودع برمجي (Code Repository)، ووضع خطة للتعديل، وتغيير ملفات متعددة، وتشغيل الاختبارات، ثم تقديم طلب دمج (Pull Request أو PR) ليراجعه الإنسان. وبدأت متصفحات جديدة تنفذ مهاماً عبر مواقع مختلفة، بينما تتيح أنظمة التشغيل نماذج محلية يمكن للتطبيقات استدعاؤها. نحن ننتقل من برمجيات تنتظر نقرة دقيقة إلى برمجيات تفهم النتيجة المطلوبة وتحاول ترتيب الخطوات المؤدية إليها.

من مساعد للمبرمج إلى وكيل هندسي

يقدم وكيل البرمجة من GitHub Copilot (GitHub Copilot Coding Agent) مثالاً واضحاً. يمكن إسناد مشكلة برمجية إليه، فينشئ بيئة عمل منفصلة، ويفحص المشروع، ويكتب التعديلات، ويشغل الفحوص المتاحة، ثم يفتح طلب دمج أولياً (Draft PR). لكن هذا لا يجعله مهندساً مستقلاً. توضح GitHub أن أفضل استخداماته تتركز في المهام منخفضة أو متوسطة التعقيد داخل المشاريع جيدة الاختبار، كما تفرض مراجعة بشرية قبل تشغيل إجراءات حساسة.

الفرق جوهري. كتابة دالة تبدو صحيحة أسهل كثيراً من فهم سبب وجود المنتج، وما الذي يقبله العميل، وكيف تتصرف مكتبة قديمة تحت ضغط الاستخدام، وأي نوع من الفشل لا يمكن التساهل معه. يستطيع الذكاء الاصطناعي تنفيذ جزء متزايد من العمل الميكانيكي، لكن الإنسان ما زال مسؤولاً عن الهدف والقيود والأدلة التي تجعل النتيجة جديرة بالثقة.

المتصفح يتحول من نافذة إلى عامل رقمي

يحدث التحول نفسه فوق طبقة التطبيقات. يعرض المتصفح التقليدي الصفحات، ثم يترك للمستخدم مهمة نقل المعلومات بينها. أما المتصفحات المعتمدة على الوكلاء (Agentic Browsers) مثل Opera Neon وPerplexity Comet فتسعى إلى فهم الطلب، والعمل عبر علامات تبويب متعددة، ومقارنة المصادر، وملء النماذج، وتنفيذ خطوات داخل جلسة مستخدم موثّقة الدخول (Authenticated Session).

هذا أعمق من إضافة روبوت محادثة في شريط جانبي. المتصفح هو بوابة الوصول إلى جزء ضخم من برمجيات العالم. وإذا أصبح قادراً على تشغيل الواجهات بدرجة موثوقة، فقد يتحول إلى طبقة أتمتة عامة تربط خدمات لم تُصمم أصلاً للتواصل. عندها قد تطلب شركة صغيرة من وكيل واحد مقارنة الموردين، ومراجعة فاتورة، وتحديث نظام داخلي، بدلاً من بناء ثلاثة تكاملات مستقلة.

لكن القدرة نفسها تخلق خطراً أمنياً جديداً. صفحات الويب محتوى غير موثوق، وقد يخلط الوكيل بين أمر المستخدم وتعليمات خبيثة مدسوسة داخل صفحة، في هجوم يسمى حقن الأوامر غير المباشر (Indirect Prompt Injection). لذلك يحتاج هذا الجيل إلى صلاحيات محدودة، وسجل واضح لكل إجراء، وتأكيد بشري للخطوات غير القابلة للتراجع، وعزل قوي بين محتوى التصفح والأدوات الحساسة.

هل يبني الذكاء الاصطناعي نظام تشغيل جديداً؟

ليس بالمعنى التقليدي حتى الآن. لا يوجد نظام تشغيل عام ناضج صممه الذكاء الاصطناعي ويديره بالكامل. لكن ما يتشكل قد يكون أكثر أهمية: الذكاء الاصطناعي يتحول إلى طبقة تنسيق (Orchestration Layer) تعمل فوق نظام التشغيل وعبر تطبيقاته.

توفر Microsoft Foundry على ويندوز، مثلاً، نماذج محلية وواجهات ذكاء اصطناعي تعمل عبر وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسوم (GPU) ووحدة المعالجة العصبية (NPU). ويمكن للتطبيقات الاستفادة من قدرات مشتركة للصوت والبحث وتحسين الصور وتنفيذ استدلال النماذج (Model Inference) على الجهاز، من دون إرسال كل تفاعل إلى السحابة. يظل نظام التشغيل مسؤولاً عن الملفات والذاكرة والعمليات والعتاد، فيما يساعد الذكاء الاصطناعي على ترجمة مقصد الإنسان إلى إجراءات.

قد لا تكون واجهة المستقبل قائمة تطبيقات ولا سطر أوامر. ربما يصف المستخدم النتيجة التي يريدها، فيختار الوكيل نموذجاً محلياً أو سحابياً، ويستدعي التطبيقات المناسبة، ويطلب الإذن عند الضرورة، ويحفظ سجلاً قابلاً للمراجعة لكل ما غيّره.

كيف تدفع الصناعة حدود الممكن؟

الفرصة الكبرى ليست إنتاج البرمجيات نفسها بعدد أقل من الموظفين، بل تنفيذ أعمال لم يكن من المجدي اقتصادياً أو زمنياً خوضها من قبل.

• اختبار تصاميم أكثر: يمكن للفرق توليد عدة حلول وتجربتها قبل الالتزام بأحدها، فتتحول هندسة البرمجيات إلى عملية تجريب أسرع.
• تحديث الأنظمة المهملة: يستطيع الوكيل رسم خريطة للشيفرة القديمة، واقتراح ترحيل تدريجي، وكتابة اختبارات توصيف السلوك القائم (Characterization Tests).
• اختبارات هجومية: يبني وكيل الميزة، بينما يبحث آخر عن الحالات الطرفية والثغرات الأمنية ومشكلات إتاحة الوصول وتراجع الأداء.
• برمجيات لفئات صغيرة: قد يصبح بناء أداة لفريق من عشرة أشخاص أو جمعية محلية أو باحث متخصص مجدياً عندما يستغرق النموذج الأولي ساعات لا أسابيع.
• تقريب البحث من التطبيق: يصف العلماء وخبراء المجالات القواعد والمحاكاة وتدفقات البيانات بلغتهم، بينما يركز المهندسون على التحقق والبنية والتوسع.

الأدلة غير المريحة

لا يجعل الذكاء الاصطناعي كل مبرمج أسرع تلقائياً. وجدت دراسة مضبوطة أجرتها METR عام 2025 أن مطوري المصادر المفتوحة ذوي الخبرة استغرقوا وقتاً أطول بنسبة 19 في المئة عند استخدام أدوات الذكاء الاصطناعي المتاحة آنذاك، رغم اعتقادهم بأنها سرعتهم. وفي متابعة عام 2026 ظهرت مؤشرات إلى تحسن الأدوات، لكن تحيز اختيار المشاركين (Selection Bias) جعل تقدير حجم التسارع غير موثوق.

تقدم أبحاث DORA خلاصة عملية مشابهة: الذكاء الاصطناعي يعمل كمضخم. الفريق المنضبط، الذي يملك أهدافاً واضحة وتغذية راجعة سريعة واختبارات قوية ومنصة مستقرة، يستطيع مضاعفة أثره. أما الفريق المضطرب فقد ينتج العيوب وطلبات المراجعة والدين التقني (Technical Debt) بسرعة أكبر فحسب.

هناك أيضاً معضلة المهارات. إذا فوّض المهندس المبتدئ كل خطوة صعبة، فقد ينتج شيفرة أكثر لكنه يتعلم أقل عن الأنظمة التي سيُطلب منه الإشراف عليها لاحقاً. الحل ليس منع الأدوات، بل استخدامها بطريقة تحفظ التفكير: توقع السلوك قبل التنفيذ، وفحص الفروق، وشرح سبب الفشل، وتحمل مسؤولية القرار النهائي.

كيف تبدو المؤسسة الهندسية الجاهزة؟

على الشركات أن تتعامل مع تبني الذكاء الاصطناعي بوصفه إعادة تصميم للنظام، لا شراء رخصة إضافية. تحتاج المشاريع إلى اختبارات قابلة للتنفيذ (Executable Tests)، ووثائق معمارية واضحة، ومهام محددة، وبيئات قابلة لإعادة الإنتاج، وبوابات جودة قابلة للقياس. وينبغي منح الوكلاء أقل قدر لازم من الصلاحيات، مع إمكانية تتبع النموذج والأوامر والأدوات والموافقات البشرية وراء كل تعديل.

أما قياس الإنتاجية فيجب أن يركز على النتائج: زمن تسليم القيمة (Lead Time)، والعيوب التي تصل إلى المستخدم (Escaped Defects)، والاعتمادية، وزمن التعافي (Recovery Time). عدّ أسطر الشيفرة المولدة يكافئ السلوك الخطأ. في مؤسسة غنية بأدوات الذكاء الاصطناعي، قد يكون حذف شيفرة غير ضرورية أثمن من توليد آلاف الأسطر الجديدة.

الحد الحقيقي هو طموحنا

سيكتب الذكاء الاصطناعي حصة متزايدة من الشيفرة الروتينية، لكن التحول الأعمق هو أن البرمجيات نفسها تصبح أكثر قدرة على الفهم والتكيف والتنفيذ. المتصفحات تتحول إلى عمال رقميين، وأنظمة التشغيل إلى منصات للنماذج، والمستودعات البرمجية إلى ساحات يشرف فيها البشر على وكلاء متخصصين.

لن تفوز الشركات التي تُقصي الإنسان من الهندسة بأسرع وقت. ستفوز المؤسسات التي تستخدم سرعة الآلة لطرح أسئلة أفضل، وتجربة احتمالات أكثر، وبناء منتجات كانت تتجاوز وقتها أو ميزانيتها أو حجم فريقها، مع إبقاء الحكم البشري ملازماً لكل قرار ذي أثر حقيقي.