قادة الفكر
لماذا يجب دمج الاختبارات في خط تجميع الذكاء الاصطناعي منذ البداية

النقاط الرئيسيةيُسرّع الذكاء الاصطناعي البرمجة لكنه يكشف ضعف الاختبارات اللاحقة ويقلل استقرار التسليم.
عرض المزيد
- يُسرّع الذكاء الاصطناعي البرمجة لكنه يكشف ضعف الاختبارات اللاحقة ويقلل استقرار التسليم.
- الوكلاء الذين يحكمون على اختباراتهم الخاصة قد يغشون بتعديل الاختبارات الفاشلة بدلاً من إصلاح الشيفرة.
- يجب أن يكون الاختبار محطة مستقلة خارج التكامل المستمر حتى يواجه كل تغيير الحكم نفسه.
أعمل على تطوير أدوات الاختبار منذ أكثر من عشرين عامًا، وكانت أحاديثي مع فرق الهندسة متشابهة إلى حد كبير طوال معظم تلك الفترة. كان المختبِرون يشعرون بأنهم مواطنون من الدرجة الثانية في دورة حياة البرمجيات. وكانت الاختبارات تُجرى في وقت متأخر، وغالبًا ما تُحشر في الوقت المتبقي قبل إصدار المنتج، ثم تُضاف إلى مسار التكامل المستمر (CI) المصمم لغرض آخر. وقد غيّر الذكاء الاصطناعي الآن طريقة كتابة الشيفرات، وكان لذلك أثر واضح في الاختبارات، إيجابًا وسلبًا. وبطرق كثيرة، جعل الذكاء الاصطناعي التحدي أكثر وضوحًا.
خلال الأشهر القليلة الماضية، حضرت عددًا من مؤتمرات الاختبار والحوسبة السحابية الأصلية (LeadDev وCloudX وStarWest)، وكان كل فريق تقريبًا تحدثت إليه يعمل على نسخة من المشروع نفسه: دورة حياة لتسليم البرمجيات مدفوعة بالذكاء الاصطناعي، تتولى فيها الوكلاء المهام بدءًا من المواصفات وصولًا إلى تشغيل شيء ما في بيئة الإنتاج، مع إشراك البشر بالقدر المناسب على طول الطريق. أتصورها كخط تجميع. يكتب بعض الوكلاء الشيفرة، ويراجعها وكلاء آخرون، ثم تبنيها مسارات العمل وتنشرها. ويبقى البشر متابعين لما يحدث. لكنني أسمع أقل بكثير عن موقع الاختبارات على هذا الخط.
لم يتوصل أحد إلى الحل بعد
الوضع الآن أشبه بفوضى بلا ضوابط. تظهر قدرات جديدة للوكلاء كل بضعة أسابيع، وتواصل مختبرات الذكاء الاصطناعي الكبرى إطلاق نماذج جديدة، فيما تجرّب الفرق والمورّدون شتى الخيارات لمعرفة ما ينجح منها.
تشير بعض البيانات إلى أن الثغرات بدأت تظهر بالفعل. وقد وجد أحدث تقرير DORA عن تطوير البرمجيات بمساعدة الذكاء الاصطناعي الصادر عن Google، والذي شمل استطلاعًا لنحو 5,000 من المتخصصين في التكنولوجيا، أن اعتماد الذكاء الاصطناعي يرتبط بارتفاع معدل إنجاز عمليات التسليم، وهذه أخبار جيدة. لكنه لا يزال يرتبط أيضًا بانخفاض استقرار التسليم. ويعزو الباحثون ذلك إلى أن الذكاء الاصطناعي يسرّع التطوير ويكشف مواطن الضعف في المراحل اللاحقة، ويشيرون إلى أن الاختبارات الآلية القوية من الضوابط التي تمنع زيادة التغييرات من التحول إلى مزيد من عدم الاستقرار.
لا أجد ذلك مفاجئًا. فإذا مررت كمية أكبر بكثير من الشيفرات عبر عملية صُممت للتعامل مع كمية أقل بكثير، فسيتباطأ شيء ما في مرحلة ما أو سيتعطل.
المطورون أسرع، لكن معظم الإصدارات ليست كذلك
حين يتصور الناس ما قد يسوء في الشيفرات التي ينشئها الذكاء الاصطناعي، يميلون إلى تخيل وكيل يدفع بشيء فظيع إلى بيئة الإنتاج. وأنا متأكد من أن ذلك يحدث، وعندما يحدث، لا تكون العواقب جيدة: أخطاء برمجية، وعملاء مستاؤون، وربما حادث أمني. لكن بصراحة، هذا ليس أكثر ما أصادفه.
يوضح استطلاع مطوري Stack Overflow لعام 2026 المجالات التي يتركز فيها استخدام الذكاء الاصطناعي اليوم. يستخدمه المطورون في الغالب لإنشاء الشيفرات في مجالات يعرفونها بالفعل (67%)، ولتصحيح الأخطاء (61%)، بينما لا يستخدمه سوى 20% لنشر أنظمة الإنتاج أو تشغيلها أو استكشاف أعطالها وإصلاحها. وحتى الآن، اقتصر دور الذكاء الاصطناعي في الغالب على تسريع كتابة الشيفرات. أما التحقق من تلك الشيفرات وإيصالها إلى بيئة الإنتاج، فلا يزالان يجريان إلى حد كبير بالطريقة السابقة.
وهذا يتوافق أيضًا مع ما أراه: فرق تنتج شيفرات أكثر بكثير من دون أن تصدر منتجاتها بسرعة أكبر. قد يشعر مطور أو فريق بأنهم يبنون ضعف عدد الميزات، لكن هذه الميزات تتعطل في المراحل اللاحقة بانتظار المراجعة، وبانتظار الاختبارات، وبانتظار بيئة يمكن اختبارها فيها. وكل هذه الشيفرات الإضافية تسد مسار العمل، بل إنها تبطئ في حالات كثيرة وتيرة التسليم الإجمالية للفرق.
أسئلة وضع الضوابط يطرحها المديرون
مع أن القلق من اختناقات التسليم الناجمة عن الذكاء الاصطناعي ملموس جدًا، فإنه ليس الأمر الوحيد الذي تسألنا عنه الفرق. يريد المطورون في الغالب معرفة كيفية كتابة شيفرات أفضل بسرعة أكبر. أما أسئلة الضوابط الوقائية فيطرحها مديرو الهندسة والأشخاص الذين يهيئون مسارات العمل المعتمدة على الوكلاء. كيف نضمن ألا تنحرف الوكلاء عن المسار؟ وكيف نعرف أنها لا تُدخل تراجعات أو تتجاوز بصمت أعمالًا كان يُفترض بها تنفيذها؟ وكيف نضمن أن الاختبارات التي تكتبها تتحقق فعلًا (وبصدق!) مما يُفترض بها التحقق منه؟
أعتقد أن السبب هو أنهم ينظرون إلى أمور مختلفة. ينظر المطور إلى طلب دمج واحد في كل مرة. أما مدير الهندسة، فهو مسؤول عن كل ما يُصدر عبر وكلاء وأشخاص كثيرين، وهو من يتعين عليه تفسير ما حدث عندما يتعطل شيء ما في بيئة الإنتاج.
ولديهم ما يبرر توخي الحذر. فقد أنشأ باحثون معيارًا اختباريًا باسم ImpossibleBench باستخدام مهام برمجية تتعارض فيها اختبارات الوحدات مع المواصفات، بحيث لا يكون اجتيازها ممكنًا إلا بالغش. وكثيرًا ما فعلت النماذج الرائدة ذلك تحديدًا؛ فعلى سبيل المثال، عدّلت الاختبارات الفاشلة أو حذفتها بدلًا من إصلاح الشيفرة (!!). ووجدت دراسة لطلبات دمج أنشأتها الوكلاء قصورًا في مدى جودة اختبار الوكلاء للتغييرات التي يُجرونها، واستشهدت بأبحاث سابقة تشير إلى أن ما يقرب من ثلث طلبات الدمج التي أنشأتها الوكلاء وجرى دمجها احتاج إلى إصلاحات لاحقة أو إعادة هيكلة.
خلاصتي هي أن الضوابط الوقائية لا يمكن أن تقتصر على البيئة الخاصة بالوكيل، ولا يمكن أن تأتي كلها بعد نشر الشيفرة. فإذا كان الوكيل الذي كتب الشيفرة هو نفسه من يقرر اجتيازها للاختبارات، فلن تخبرك النتيجة بالكثير. وهذا لا يعني أن الوكلاء يجب ألا يكتبوا الاختبارات، بل يعني أن الحكم يجب أن يصدر من جهة لا يستطيع الوكيل تعديلها. يجب أن تكون للاختبارات محطة مستقلة على خط الإنتاج، تمر بها كل التغييرات، سواء كتبها شخص أم وكيل.
ما الذي تحتاج إليه هذه المحطة
الإجابة ليست نوعًا جديدًا كليًا من الاختبارات. فمعظم ما نحتاج إليه هو ما طالما طالبت به فرق ضمان الجودة الجيدة. لكن أهميته أكبر الآن.
ينبغي مراجعة الاختبارات للتحقق من دقتها ومطابقتها للمتطلبات، تمامًا كما نراجع الشيفرة التي تختبرها. وينبغي أيضًا تشغيلها في البيئة التي يعمل فيها البرنامج. فالاختبار الذي يجتازُه وكيل في بيئة الاختبار المعزولة الخاصة به لا يخبرنا بالكثير عن بيئة الاختبار المرحلي أو الإنتاج، وقد يخفي التبعيات التي جرت محاكاتها، أو كيفية محاكاتها. ووجدت دراسة شملت نحو 180,000 ملف اختبار أنشأتها وكلاء أن الوكلاء غطّوا حالات طرفية أكثر من الاختبارات التي كتبها البشر، لكن اختباراتهم أظهرت مؤشرات أكثر على عدم الاستقرار، ويُعزى ذلك إلى حد كبير إلى أن الوكلاء لم يكونوا على دراية كافية بالبيئة التي ستُشغّل فيها الاختبارات. ويكشف تشغيل الاختبارات مبكرًا على بنية تحتية حقيقية عن هذه المشكلة.
ينبغي الاحتفاظ بالاختبارات ونتائجها. فإذا كتب وكيل اختبارًا، ينبغي أن تكون الاختبارات الموجودة ونتائجها ضمن السياق المتاح له، حتى يتعلم منها ما يتعلق بالتغطية واحتمالات عدم الاستقرار. وينبغي مراجعة الاختبارات وإدارة إصداراتها مثل أي شيفرة أخرى، كي تُشغّل مجددًا عند إجراء التغيير التالي بدلًا من أن تختفي بانتهاء الجلسة.
ينبغي أن تعني النتيجة الناجحة الشيء نفسه، أيًّا كان من طلبها: مسار تكامل أو مطوّر أو وكيل. وهذا يعني استخدام الاختبارات نفسها، وتشغيلها على البنية التحتية نفسها، وجمع نتائجها في مكان واحد.
وينبغي للناس أيضًا أن يحتفظوا بحسن تقديرهم. يسعدني أن أترك للوكلاء التعامل مع الأعمال الروتينية وتوصيل المكونات. أما تحديد ما يستحق الاختبار، وما الذي يعنيه الإخفاق، فمهمة بشرية لا تزال كذلك (على الأقل في الوقت الراهن…).
وهذا يعني أيضًا أن الاختبارات لا يمكن أن تقتصر على CI/CD (إذا تذكرت شيئًا واحدًا من هذا المقال، فليكن هذا!). صُممت مسارات التكامل المستمر لبناء الشيفرة وإصدارها، ولم تُصمم قط لتشغيل الاختبارات الآلية على نطاق واسع. ومع انتقالنا إلى دورة حياة تطوير برمجيات قائمة على الوكلاء واستمرار نمو حجم الشيفرة، تصبح بيئة التكامل المستمر أقل ملاءمة لتشغيل الاختبارات. ينبغي أن تكون الاختبارات عنصرًا أساسيًا في طريقة تسليم البرمجيات، لا مجرد خطوة تُضاف إلى نهاية مسار العمل. وهذا يعني تنسيقها بوصفها نظامًا مستقلًا، عبر كل أداة وبيئة يستخدمها الفريق، بصرف النظر عمن يقود العمل، أكان وكيلًا أم إنسانًا.
من أين نبدأ
لدى معظم الفرق بالفعل اختبارات تثق بها في Playwright أو Cypress أو k6 أو Postman، أو في أي أداة أخرى اعتمدتها، وهذا مكان رائع للبدء. إليكم بعض ما أقترحه:
- ارسم مسار انتقال التغيير من المطالبة إلى الإنتاج اليوم، وحدد كل موضع تُشغّل فيه الاختبارات. فإذا لم يكن هناك سوى موضع واحد، وكان قريبًا من النهاية، فابدأ منه.
- احرص على ألا تدع الوكلاء يغيّرون الاختبارات الموجودة خفيةً. فقد وجد باحثو ImpossibleBench أن تقييد وصول الوكلاء إلى الاختبارات يقلل الغش. وعندما يحتاج وكيل إلى تغيير اختبار، ينبغي تقديم التغيير في طلب دمج ليراجعه شخص، شأنه شأن أي شيفرة أخرى.
- شغّل اختباراتك في بيئات اختبار (ويُفضّل أن تكون حقيقية) بدلًا من بيئات الوكلاء المعزولة، في أقرب وقت ممكن، حتى لو اقتصر الأمر على مجموعة صغيرة من اختبارات التحقق الأولي تُجرى على بيئة الاختبار المرحلي مع كل تغيير أنشأه وكيل. وإذا كنت تستخدم الذكاء الاصطناعي لكتابة الاختبارات، فلا تقبل أي اختبار قبل تشغيله هناك.
- اجمع نتائج اختباراتك في منصة تحكم مركزية واحدة، سواء أكانت أداة لإعداد التقارير أم حل إدارة أداء التطبيقات (APM) الذي تستخدمه أم منصة مخصصة للاختبار. واحرص على إتاحة هذه النتائج للبشر والوكلاء على حد سواء.
- قِس التسليم بدلًا من النشاط. فعدد طلبات الدمج لا يقول الكثير. أما مقاييس التسليم لدى DORA، مثل المدة اللازمة لإجراء التغييرات ومعدل الإخفاق فيها، فتخبرك أكثر بكثير عما إذا كان الذكاء الاصطناعي مفيدًا.
- دع الوكلاء يستخدمون البنية التحتية للاختبار نفسها التي يستخدمها أفراد فريقك، كي يُقيّم عملهم وفق المعيار نفسه.
متفائل، لكن بشروط
أنا متفائل بطبعي حين يتعلق الأمر بالذكاء الاصطناعي، وأعتقد أنه سيجعل فرق البرمجيات أكثر قدرة بكثير، وأكثر إنتاجية في نهاية المطاف. لكن بلوغ هذه الغاية يتطلب أن تثق الفرق بما تنتجه وكلاؤها بما يكفي لإصداره، كما يتطلب اتباع نهج شامل للاختبار ضمن دورة حياة تطوير البرمجيات القائمة على الوكلاء؛ ففيها تُبنى هذه الثقة أو تُفقد.
إذا كنت تسعى إلى اعتماد دورة حياة تطوير برمجيات قائمة على الوكلاء، فأين يحتل الاختبار موقعه فيها اليوم؟












