عنق الزجاجة الجديد في هندسة البرمجيات بعصر الذكاء الاصطناعي

يستند المقال إلى تجربة عملية داخل شركة ناشئة استعانت بوكلاء برمجيين يعتمدون على الذكاء الاصطناعي لإعادة بناء محرر فيديو قائم خلال أقل من يومين، حيث تمكن فريق صغير من إنجاز ما كان يستغرق أسابيع في أنماط العمل التقليدية. هذه النتيجة تتقاطع مع تصريحات رئيس شركة OpenAI، غريغ بروكمان، الذي قال إن ما يقرب من ثمانين في المئة من شيفرة الشركة ينجزه الذكاء الاصطناعي حالياً، الأمر الذي يعكس تحولاً في طبيعة العمل البرمجي أكثر مما يعبر عن مجرد زيادة في السرعة. ووفق هذا المنظور، لم تعد الجدوى الاقتصادية في قدرة الشركة على إنتاج المزيد من الشيفرة، بل في إعادة تنظيم دور البشر داخل دورة تطوير البرمجيات.

يذهب الكاتب إلى أن الاقتصاديات الداخلية لهندسة البرمجيات انقلبت رأساً على عقب؛ فالتخطيط والعمليات كانا أقل كلفة من التنفيذ، بينما أصبح اليوم إنتاج النماذج الأولية واختبار الأفكار عبر أدوات الذكاء الاصطناعي أقل كلفة من الاجتماعات والعمليات البيروقراطية المرتبطة بتحديد الاتجاه. هذا التحول يوازي ما يقدّمه تحليل آخر منشور في منصة Joberty الذي يشير إلى أن كتابة الشيفرة لم تعد العائق الرئيس، بل إن التحقق من جودة الشيفرة وفهم الأنظمة القائمة والتنسيق بين الفرق هو ما يستهلك الجزء الأكبر من الزمن والموارد. وفي مقالات تحليلية مشابهة منشورة في مواقع مثل InfoWorld وشركات استشارات تقنية أمريكية، يتم التأكيد على أن قدرة الأدوات الذكية على توليد الشيفرة بوتيرة سريعة لا ترافقها بالضرورة قدرة مماثلة على المراجعة والضبط والتكامل مع الأنظمة القديمة.

يحدّد المقال أربعة عناصر لما يسميه «الحكم» داخل الفرق الهندسية؛ أولها القدرة على مساعدة فرق المنتج في تحديد المشكلة الصحيحة لدى المستخدم، والتمييز بين ما يبدو مثيراً فكرياً وما يعكس حاجة فعلية ذات أثر تجاري. العنصر الثاني يتعلق بصياغة تعريف واضح لما يشكل «نتيجة ممتازة» قبل بدء العمل، بما يسمح بقياس التقدم وتحديد لحظة الوصول إلى المستوى المرغوب. أما العنصر الثالث فيرتبط بمهارة التقدير متى يكون النموذج الأولي «كافياً للتجربة» مع المستخدمين، دون التوقف عند البحث عن الإتقان الكامل، بينما يتمثل العنصر الرابع في القدرة على إيقاف الأفكار غير المجدية بسرعة وعدم التعلق بالمحاولات الأولى رغم انخفاض كلفة إنتاجها.

ينقل المقال عن فريق التجربة أن الفرق الهندسية خلال العقدين الماضيين صُممت لزيادة «عرض الحزمة التنفيذية»، عبر التركيز على عدد الخصائص المنجزة وسرعة إغلاق التذاكر وحجم الشيفرة المنتجة، وهو إرث منهجيات مثل «أجايل» و«سكرم» داخل المؤسسات التقنية. لكن مع دخول أدوات الذكاء الاصطناعي التوليدية، لم يعد هذا التركيز على حجم الشيفرة معياراً مناسباً لقياس الأداء، لأن تنفيذ الفكرة صار متاحاً خلال ساعات، بينما بقيت مراحل اختيار الفكرة، وتحليل المخاطر، وتجربة القيمة مع المستخدمين، في موقع الحاجز الحقيقي. وتشير مقالة منفصلة في موقع TNW إلى أن مجالس الإدارة والممولين صاروا يطالبون بنتائج قابلة للقياس من مشاريع الذكاء الاصطناعي، ما يدفع المؤسسات إلى الاستثمار في منصات «ذكاء هندسي» تجمع بيانات التشغيل لتقييم أثر هذه الأدوات على جودة التسليم وقيمته.

يلمح الكاتب إلى ظهور نمط عمل يسميه «التطوير في الوضع الآلي»، حيث تعتمد الفرق على دورات سريعة من بناء نموذج أولي، ثم اختباره على المستخدم، ثم تعديل المنتج وفق نتائج التجربة، في تتابع أقرب إلى الزمن الحقيقي منه إلى دورات التطوير الطويلة. في هذا النمط، يتراجع دور المهندس بوصفه كاتباً لكل سطر شيفرة، ويتقدم بوصفه «مخرجاً» ينسّق بين الأدوات، ويختبر المخرجات، ويقرر أي المسارات تستحق تكراراً إضافياً وأيها ينبغي إهماله. هذا التحول ينعكس كذلك في النقاشات المجتمعية على منصات مثل Reddit، حيث يذكر مهندسون أن التحدي الأهم لم يكن يوماً كتابة الشيفرة، بل الوصول إلى اتفاق واضح على المتطلبات وماهية المنتج المتفق عليه.

من زاوية أوسع، يندرج هذا النقاش ضمن موجة أوسع من «واقعية الذكاء الاصطناعي» في أوساط الهندسة، حيث تبدأ الشركات في الانتقال من مرحلة الاستكشاف والاختبارات المحدودة إلى مرحلة قياس الأثر على الإنتاجية وجودة البرمجيات. ويشير تحليل نشرته منصة Daily.dev إلى أن الفرق التي ستتفوق خلال الأعوام المقبلة ليست تلك التي تعتمد على أكبر عدد من الأدوات، بل تلك التي تطور مهارات في التقييم، وإدارة المخاطر، وبناء حلقات تعلم سريعة بين الفكرة والتجربة. وفي خلفية هذا التحول، تحضر نقاشات حول تدريب المهندسين الجدد على مهارات «الذوق التقني» وترتيب الأولويات، بدلاً من الاقتصار على إتقان اللغات والأطر البرمجية.

على المستوى المهني، يفتح هذا النقاش أمام الصحافة التقنية وممارسي الصحافة المتخصصة باباً لتغطيات جديدة تركز على «سياسات القرار» داخل الفرق الهندسية، وليس فقط على القدرات التقنية للأدوات. فالمحاور الممكنة تمتد من تحليل دور مديري المنتجات في بيئة تعتمد على وكلاء برمجيين، إلى دراسة حالات حول كيف تعيد الشركات الكبيرة صياغة مؤشرات الأداء لتتوافق مع دور الذكاء الاصطناعي في دورة حياة المنتج. كما تسمح هذه المقاربات بتسليط الضوء على الأسئلة التنظيمية والأخلاقية المرتبطة بترحيل جزء من سلطة التنفيذ إلى نظم آلية يمكنها تسريع الأخطاء كما تسرّع الابتكار.