كتبها Copilot، لكن من يملكها؟ الفجوة في الحوكمة التي قد تتغاضى عنها فرق الهندسة

يفتح مهندسٌ برنامج Copilot للمساعدة في صياغة كود لموقع عميل. خلال ثوانٍ قليلة يحصل على كود كان سيستغرق وقتًا أطول بكثير للكتابة يدويًا. بالنسبة للعديد من مطوري الويب والشركات التي تعمل على تحسين مواقعها، من الطبيعي أن يتساءلوا: هل هذا الكود موثوق؟ هل هو آمن؟ هل ينبغي مراجعته قبل التنفيذ؟ كل هذه الأسئلة تندرج تحت سؤال واحد: من سيتحمل المسؤولية عن الترميز المدعوم بالذكاء الاصطناعي؟ والأهم من ذلك، من يملك الزيادة في الإنتاجية؟

إذا سمح الذكاء الاصطناعي لفريق الهندسة بإكمال المزيد من العمل في نفس الفترة الزمنية، فإن الجميع يمكنهم الاستفادة أكثر من تلك القيمة الاقتصادية. قد يكون ذلك المطور الذي يوفر الوقت، أو صاحب العمل الذي يحصل على قيمة أكبر من الساعات الموفرّة، أو العميل الذي يحصل على ما دفع من أجله مع وجود ساعات فائضة. بغض النظر عن طريقة استفادة الوقت الموفر، يبقى ما يشغل البال هو كيفية حوكمة العمل وتسعيره.

الذكاء الاصطناعي والبرمجة يصبحان لا مفر منهما

أدوات الترميز المدعومة بالذكاء الاصطناعي تكتسب زخماً بسرعة وتدخل إلى التطوير السائد. وفقًا لـ 2025 Stack Overflow Developer Survey، 84٪ من المستجيبين كانوا يستخدمون أو يخططون لاستخدام أدوات الذكاء الاصطناعي في عملية التطوير الخاصة بهم.

على الرغم من أن دمج الذكاء الاصطناعي في سير عمل مطوري الويب يصبح أكثر شيوعًا، لا يزال هناك تردد بشأن موثوقيته. وجد نفس الاستطلاع أن 46٪ لم يثقوا تمامًا في دقة مخرجات الذكاء الاصطناعي، وأن حوالي 66٪ أشاروا إلى حلول الذكاء الاصطناعي التي كانت “قريبة من الصواب، لكنها ليست تمامًا” كمصدر للإحباط.

النقاش حول الترميز المدعوم بالذكاء الاصطناعي الذي يتشكل يركز أكثر على موثوقيته بدلاً من ما إذا كان هذا الكود يخلق قيمة أكبر ومن المسؤول عن ضمان ذلك.

الذكاء الاصطناعي يكسّر العلاقة بين الساعات والناتج

كان التعويض عن تطوير البرمجيات يعتمد دائمًا على افتراض أن ناتج الهندسة مرتبط ارتباطًا وثيقًا بجهد الهندسة. ومع ذلك، فإن الذكاء الاصطناعي التوليدي يعقّد الآن تلك المعادلة.

وجدت تجربة محكومة شملت 95 مطورًا أن المشاركين الذين كان لديهم وصول إلى GitHub Copilot أكملوا مهمة خادم HTTP مكتوبة بـ JavaScript أسرع بنسبة 55.8٪ مقارنةً بأولئك الذين لم يحصلوا على الوصول أسرع بنسبة 55.8٪ من الذين لا يملكون الوصول.

هذا يوضح أن الذكاء الاصطناعي يمكنه تسريع التطوير، ربما دون التضحية بالجودة. لكن هذه الأرقام ناجحة فقط لأن التجربة اتبعت مهمة برمجة محددة جدًا. وعلى الرغم من إكمال المهمة بسرعة أكبر، لا يعني ذلك أن Copilot يجعل كامل منظمة الهندسة أكثر إنتاجية بنسبة 55.8٪.

دراسة بحثية أخرى توضح هذه الفكرة. تجربة شملت 96 مهندس برمجيات بدوام كامل في Google وجدت أن المطورين الذين يستخدمون الذكاء الاصطناعي أكملوا مهمة من مستوى المؤسسة في حوالي 96 دقيقة، مقارنةً بـ 114 دقيقة لأولئك الذين لم يستخدموه. وأظهر التقدير المعدل للباحثين انخفاضًا تقريبًا بنسبة 21٪ في زمن الإنجاز. ومع ذلك، لم تستكشف الدراسة جودة كود الذكاء الاصطناعي، ولم تتطرق إلى أسئلة العدالة المتعلقة بالاعتماد على التقنية.

هناك أيضًا دليل على أن الذكاء الاصطناعي يبطئ زمن الترميز. دراسة عشوائية أجرتها METR شملت 16 مطورًا متمرسًا في المصادر المفتوحة عملوا على 246 مشكلة حقيقية في مستودعات يعرفونها جيدًا. باستخدام الأدوات المتاحة في أوائل 2025، بما في ذلك Claude Sonnet 3.5 و 3.7، بالإضافة إلى Cursor Pro، استغرقوا ما يقرب من 19٪ وقتًا أطول لإكمال مهامهم، رغم أن الكثيرين افترضوا أن هذه الأدوات ستوفر الوقت.

معًا، تُقلب هذه الدراسات التوقعات القائلة بأن الذكاء الاصطناعي يمكّن المطورين من العمل بشكل أسرع. بل يجعل وقت المطور والقيمة أقل قابلية للتنبؤ بالنسبة للشركات التي تقدم خدمات الويب وللعملاء الذين يتلقونها.

مشكلة التسعير التي لا يتحدث عنها أحد

نموذج الوقت والمواد (T&M) هو نموذج شائع في تطوير الويب لشراء البرمجيات، حيث يعالج مشكلة صناعية متكررة: مشروع متطور.

باستخدام هذا النموذج، بدلاً من طلب تعريف كل ميزة أو مهمة قبل بدء التطوير، يمكن للعملاء دفع ثمن وقت الهندسة مع تقدم المشروع وتغييره.

مع ذلك، يخلق الذكاء الاصطناعي عوائق في ذلك النموذج المجرب. حيث إن التعويض مرتبط مباشرة بساعات الهندسة، فإن الوقت الأكثر كفاءة قد يؤدي إلى تقليل عدد الساعات القابلة للفوترة للعملاء. إذا كان الذكاء الاصطناعي يدعم نفس النتائج في وقت أقل، يمكن للتقنية خلق قيمة للعملاء، لكن انخفاض الساعات القابلة للفوترة يعني إيرادات أقل للمزودين.

الحل ليس تشجيع المطورين على العمل ببطء. يواجه نموذج T&M الآن مشكلة هيكلية في كيفية تصميم التسعير والحوافز. قد يكون الاعتماد على الأجر بالساعة لتحديد القيمة مقيدًا. قد يعرف المشتري بالضبط تكلفة كل ساعة هندسة لكنه يظل غير متأكد من إجمالي الاستثمار المطلوب لتحقيق النتيجة المرجوة.

مع تغير الذكاء الاصطناعي لإنتاجية الهندسة، قد يتحول السؤال من:

“ما تكلفة ساعة المطور؟” → “ماذا يحدث للقيمة عندما تكون عدد ساعات المطور المطلوبة أقل؟”

تُعقّد نتائج METR هذا السؤال. إذا كان المطورون يعتقدون أنهم يستطيعون توفير الوقت بينما في الواقع يستغرقون وقتًا أطول، فإن تبني الذكاء الاصطناعي أو الإنتاجية المتصوّرة لا تكفي لإظهار القيمة المالية. لهذا تحتاج المنظمات إلى حوكمة يمكنها قياس ما حدث فعليًا.

فجوة الحوكمة لها أربعة مالكين

مناقشة الحوكمة حول التطوير المدعوم بالذكاء الاصطناعي تحتاج إلى تجاوز السياسات التي تحكم الأدوات التي يمكن للمطورين استخدامها.

هناك على الأقل أربعة أنواع من الملكية يجب على مؤسسات الهندسة تحديدها.

١. من يملك الكود؟

يمكن للذكاء الاصطناعي توليد تنفيذ، لكنه لا يمكن أن يكون عذرًا لتطوير خالٍ من المسؤولية. لا يزال هناك من يتحمل مسؤولية مراجعة الكود واختباره والموافقة عليه حتى يصل إلى مرحلة الإنتاج.

٢. من يملك المخاطرة؟

الكود الأسرع لا يكون ذو قيمة إلا إذا لم يسبب مشكلات في أماكن أخرى. دراسة تجريبية حول الكود المُولَّد بالذكاء الاصطناعي حددت وجود ضعف أمني في 29.5٪ من مقتطفات Python و24.2٪ من مقتطفات JavaScript. كما حددت البحث ضعفًا يمتد عبر 43 فئة من تصنيف Common Weakness Enumeration.

ومع ذلك، وجدت الدراسة أن إرجاع تحذيرات التحليل الساكن إلى Copilot Chat يمكن أن يصلح ما يصل إلى 55.5٪ من المشكلات الأمنية المحددة. تُظهر الأبحاث كيف يمكن للذكاء الاصطناعي إنشاء وحل مشاكل الترميز، لكن المنظمات تحتاج إلى عمليات لتحديد كيفية التحقق من صحة مخرجاته.

NIST’s SP 800-218A يعكس هذا المبدأ من خلال توسيع إطار عمل تطوير البرمجيات الآمنة بأفضل الممارسات التي تعالج الذكاء الاصطناعي التوليدي والنماذج الأساسية ذات الاستخدام المزدوج.

٣. من يملك الزيادة في الإنتاجية؟

الاتفاقيات التجارية من البداية ضرورية لتحديد من يجب أن يحصل على مكاسب الكفاءة. يمكن للذكاء الاصطناعي مساعدة العملاء على الإنفاق الأقل، وتمكين الفرق من تقديم المزيد من البرمجيات، أو لا يقدم أي فائدة مالية بنهاية المشروع.

ما يظل ثابتًا هو الحاجة إلى عمليات شفافة وتسليم عمل عالي الجودة ومتفق عليه.

٤. من يملك تحديد الأولويات؟

يمكن للذكاء الاصطناعي جعل إنشاء الميزات أرخص وأسرع، لكنه لا يستطيع تحديد ما إذا كانت تلك الميزات ضرورية.

في الواقع، قد تجعل زيادة قدرة التطوير تحديد الأولويات أكثر أهمية. عندما تستطيع الفرق البناء والتجربة بسرعة أكبر، لا يزال هناك من يحتاج إلى تحديد أي النتائج تبرّر الميزانية المتاحة، وأي الأفكار يجب إلغاؤها.

حوكمة الذكاء الاصطناعي تصبح قضية مالية

هذه الأسئلة تجعل حوكمة الذكاء الاصطناعي أكثر صلة. تخيّل شريكين في التطوير يفرضان أسعارًا بالساعة متقاربة.

أحدهما دمج الذكاء الاصطناعي في عملية هندسية قوية ويحقق النتيجة المطلوبة بسرعة أكبر بكثير، بينما الآخر يستغرق وقتًا أطول. مجرد مقارنة أسعارهما بالساعة لا تخبر المشتري كثيرًا عن العمليات التي سيؤدونها.

سيتعين على المشترين تقييم:

• الإجمالي المتوقع للاستثمار
• المسؤولية عن التجاوزات
• ضوابط الجودة حول العمل المُنتج بالذكاء الاصطناعي
• كيفية مشاركة مكاسب الكفاءة

يمكن أن يظل نموذج الوقت والمواد مفيدًا للطرفين إذا قبلوا بوعي عدم اليقين في الخدمات. كما يمكن للاتفاقيات ذات السعر الثابت أن تعمل عندما تكون المتطلبات والنتائج مستقرة.

لكن الذكاء الاصطناعي يجعل الهياكل البديلة تستحق الفحص. أحد النهج هو وضع حد مالي أقصى مع الحفاظ على مرونة النطاق. بعد ذلك، يمكن تحديد أولويات الميزات وفقًا للقيمة التجارية داخل ذلك النموذج.

إذا أصبحت الهندسة أكثر كفاءة، يمكن أن تتحول المكاسب إلى قدرة إضافية للمنتج بدلاً من وقت قابل للفوترة إضافي. يجب أن تشجع الحوافز التجارية النتيجة نفسها كما تفعل حوافز الهندسة، لتخلق برمجيات أكثر فائدة بأكبر قدر من الكفاءة.

نفس الحوار حول الذكاء الاصطناعي

يحتاج قادة الهندسة إلى فهم كيفية تأثير الحوافز التجارية على التسليم. تحتاج فرق المالية والمشتريات إلى رؤية كافية حول الهندسة المدعومة بالذكاء الاصطناعي لتقييم ما إذا كانت الكفاءة المزعومة تحقق قيمة قابلة للقياس.

هذا يعني أن حوكمة الذكاء الاصطناعي المتقدمة لا يمكن أن تتوقف عند قوائم النماذج المعتمدة، أو ضوابط الأمان، أو سياسات البيانات، أو متطلبات مراجعة الكود. بل يجب أن تتعامل مع المسؤولية، والمخاطر المالية، وتحديد الأولويات، وملكية مكاسب الإنتاجية.

لكن هناك سؤالًا ثانيًا حول الملكية قد يكون له تأثير أكبر بكثير على ميزانيات التكنولوجيا: من يملك القيمة التي تم إنشاؤها أو فقدانها عندما يغيّر الذكاء الاصطناعي سرعة بناء البرمجيات؟

ستكون المنظمات التي تحدد ما إذا كانت الهندسة الأسرع تنتج منتجات أفضل فعليًا، وتتحكم في الاستثمار، وتحقق نتائج تجارية قابلة للقياس هي القادرة على التفوق على المنافسين.

إذا اعتمد فريق التطوير الخاص بك الذكاء الاصطناعي غدًا، هل سيخبرك نموذج الحوكمة والتجاري الحالي ما إذا كان قد جعل عملية التسليم أكثر قيمة؟