فايب كودينغ، والذكاء الاصطناعي، والواقع الجديد لهندسة البرمجيات

منذ عشر سنوات، بدت فكرة أن الذكاء الاصطناعي قد يكتب الشفرة بدلًا من المبرمجين أشبه بخيال مثير. اليوم، أصبحت جزءًا من الواقع اليومي. تُبنى منتجات الحد الأدنى القابلة للتطبيق (MVP) خلال أيام، وتُولَّد الواجهات من المطالبات النصية، وأصبح مساعدو الذكاء الاصطناعي أعضاء فاعلين في فرق الهندسة.

في هذا السياق، يتزايد عدد من يطرحون الأسئلة نفسها: هل يحل الذكاء الاصطناعي فعلًا محل المبرمجين؟ هل يمكن للذكاء الاصطناعي أن يضاهي مهندسًا متمرسًا ويحل محله؟ وماذا سيحدث للمهنة في المستقبل القريب؟

أنا مطور برمجيات أيضًا، ولدي رأي في هذه المسألة. دعونا نتناولها بالتفصيل.

ما هو جوهر المشكلة؟

هناك سرد سائد حول برمجة الذكاء الاصطناعي ومفاده تقريبًا ما يلي:

الذكاء الاصطناعي يصبح فعالًا بشكل كبير في كتابة الشفرة، وأهم من ذلك، يتجنب بالفعل العديد من الأخطاء الشائعة التي يرتكبها البشر. والأكثر إثارة للاهتمام، قد يكون الذكاء الاصطناعي أفضل في التعامل مع ما يسمى بالحالات الحدية: السيناريوهات النادرة وغير العادية التي تنتشر في هندسة البرمجيات وغالبًا ما يصعب على المطورين توقعها مسبقًا.

عندما يقول المبرمج “أريد زرًا هنا”، يتلقى استجابة: “هنا الزر، وهنا 18 حالة حدية يجب أن تأخذها في الاعتبار، وهنا الاختبارات التي تحتاج إلى تشغيلها، وبالمناسبة، قد ترغب أيضًا في إضافة هذا وذاك.” قد تنظر إليه وتفكر “نعم… هذا يبدو منطقيًا”. بمفردك، قد تدرك تلك القضايا بعد أسابيع – بعد أن يكون شيء قد تعطل بالفعل في بيئة الإنتاج. الذكاء الاصطناعي غالبًا ما يقترح حلولًا على الفور. وبالنسبة إلى المهندسين الذين لديهم بالفعل وظائف، يزيد ذلك بشكل كبير من الإنتاجية والكفاءة.

وهذا السرد يؤدي مباشرة إلى سؤال اقتصادي: إذا كانت شركة ما تحتاج سابقًا إلى 100 مطور للتعامل مع قدر معين من العمل، فقد تحتاج الآن نظريًا إلى 20 فقط – لأن هؤلاء المطورين العشرين يمكنهم إنجاز نفس الكمية من العمل بمساعدة الذكاء الاصطناعي.

ما الذي يختبئ وراء هذا التسارع؟

أرى بصورة متزايدة مهندسي برمجيات بارعين يخشون على وظائفهم ومكانتهم في السوق ودخلهم. ويبدو لهم أن العمل قد ينفد قريبًا من أمام المبرمجين.

وعادةً ما تكون إجابتي: يا رفاق، ربما لا يكون الأمر دراماتيكياً كما يبدو. في الواقع، يكتسب المهندسون ذوو الخبرة نوعاً جديداً من القيمة الآن، لأننا قد نكون من آخر أجيال المطورين الذين كتبوا الشفرة بأيديهم وفهموا بعمق كيف تعمل الأنظمة من الداخل. أما الجيل التالي فيعمل بصورة متزايدة عبر أدوات الذكاء الاصطناعي، وبالتوازي مع ذلك تتغير ممارسة الهندسة نفسها.

هناك ما لا يأخذه السرد السابق في الاعتبار:

الشفرة التي يولدها الذكاء الاصطناعي غالبًا ما تبدو سليمة تمامًا. يتم حل المهام، وتعمل الواجهات، وكل شيء يعمل. ولكن مع مرور الوقت، وعلى المدى الطويل، تبدأ مشاكل أكثر دقة في الظهور: تنازلات معمارية، قرارات هندسية ضعيفة، مشاكل في هياكل البيانات، أو مشاكل في القابلية للتوسيع. وهذا يحدث لأن الذكاء الاصطناعي أصبح جيدًا جدًا في حل المهام المحلية، في حين أن المنطق طويل الأمد للأنظمة الكبيرة لا يزال يحتاج إلى خبرة بشرية وحكم هندسي.

لهذا السبب، عندما تصل هذه المشاريع إلى بيئات إنتاج فعلية ومعقدة – البنوك، منصات التجارة الإلكترونية، الخدمات الكبيرة – تظل الفرق بحاجة إلى أشخاص يمكنهم تحليل المعمارية بعمق، وتحديد الأسباب الجذرية، وإعادة المنطق العام للنظام.

كثيرًا ما أتلقى مكالمات من الأصدقاء يقولون أشياء مثل: “مايكل، هل يمكنك التدخل ومساعدتنا على فهم سبب بدء النظام في الانهيار؟” على الرغم من أنني أعمل اليوم على الذكاء الاصطناعي المتجسد في العالم المادي (Physical AI) في Introspector، ما زلت أحيانًا أساعد في هذا النوع من العمل الهندسي اليدوي الصعب: إعادة بناء منطق النظام، وتحليل المعمارية، واكتشاف أين بدأت المشاكل في التراكم.

ولهذا السبب أعتقد أن المهندسين البارعين سيبقون ذوي قيمة عالية لفترة طويلة. وفي الوقت نفسه، غالبًا ما يساعد المهندسون ذوو الخبرة في تحسين وتدريب نماذج الذكاء الاصطناعي اليوم. في Keymakr، شهدنا ذلك مباشرة عندما كنا نبحث عن مبرمجين ذوي خبرة للتحقق من صحة الشفرة والمساعدة في تدريب النماذج – أشخاص يمكنهم الاعتماد على التفكير الهندسي الحقيقي، والخبرة العملية، والفهم العميق لكيفية سلوك الأنظمة في العالم الحقيقي.

الفرضيات الرئيسية

وهذا يأتي بنا إلى أكبر سؤال حول المستقبل: إلى أين تؤدي كل هذه الأمور في النهاية؟ كيف يمكننا إعداد الجيل التالي من مهندسي البرمجيات إذا كانوا يدخلون الصناعة من خلال مسار مختلف تمامًا من البداية؟

إذا نظرنا إلى الوضع بشكل موضوعي، بعيدًا عن الضجيج أو الخوف، أرى عدة سيناريوهات ممكنة.

• مستقبل غير واضح

الجواب الأول والذي قد يكون الأكثر صدقًا هو أن قلة قليلة من الناس تفكر اليوم فعلًا في المستقبل البعيد إلى هذا الحد. ببساطة لأن أحدًا لا يفهم تمامًا بعد كيف سيبدو هذا المستقبل عمليًا.

ربما، في بضع سنوات، سيكون وكلاء الذكاء الاصطناعي فعلاً قادرين على كتابة شفرة شبه مثالية – مع معمارية قوية، وقابلية للتوسيع، وفهم سياقي. حاليًا، لا يزال هذا السؤال مفتوحًا تمامًا.

في الوقت نفسه، تستمر الشركات التكنولوجية الكبيرة مثل Apple (AAPL ) ، Microsoft (MSFT ) ، و Google في توظيف باحثين بارعين، ومتخصصين يحملون درجات الدكتوراه، وأشخاص من البيئات الأكاديمية. هذا يشير ربما إلى أنهم يعتقدون أن فهم الهندسة العميق سيظل مهمًا حتى في عالم حيث يتم توليد معظم الشفرة تلقائيًا.

الشركات الصغيرة، مع ذلك، تعمل غالبًا مع أفق تخطيط مختلف. عندما لا تعرف ما إذا كانت شركتك الناشئة ستظل موجودة بعد ستة أشهر، يصبح من الصعب التفكير جديًا في ما قد يحدث بعد عشر سنوات. بالطبع، لا أحد يريد عمدًا بناء شيء معيب بشكل أساسي. الفرق تحاول تحديد المخاطر المحتملة ونقاط الضعف.

لكن في الواقع، المنطق غالبًا ما يكون أبسط: أولاً، بناء منتج يعمل ويولد إيرادات – ثم التعامل مع المعمارية، والتحسين، وإعادة كتابة النظام لاحقًا. المشكلة هي أن كلمة «لاحقًا» تتأجل في كثير من المشاريع إلى أجل غير مسمى.

• تطور حلزوني

الجواب الثاني، في رأيي، هو أكثر إثارة للاهتمام. إذا نظرنا إلى تاريخ الصناعة، فقد مرت بالفعل عبر انتقالات مماثلة عدة مرات من قبل. المبرمجون الأوائل عملوا مع بطاقات الثقب. ثم جاء جيل من مهندسي البرمجيات الذين كتبوا بلغة التجميع – شيء يصعب على العديد من المطورين الحديثين تخيله حتى الآن. في ذلك الوقت، كان عليك فهم كيف تعمل الأجهزة، التفكير في منطق المعالج، واستيعاب قدر هائل من التفاصيل المعقدة منخفضة المستوى في ذهنك.

ثم جاء عصر لغة كوبول. تم بناء أجهزة الكمبيوتر الرئيسية للبنوك عليها، وأكثر ما يثير الدهشة هو أن جزءًا كبيرًا من البنية التحتية للبنوك العالمية لا يزال يعمل على تلك الأنظمة القديمة اليوم. لا يزال هناك مبرمجون في ستينياتهم وسبعينياتهم يحافظون على قاعدة الشفرة تلك، ويظلون أخصائيين ذوي قيمة عالية.

انتقل الجيل التالي إلى سي++، بايثون، وجافا سكريبت. أنا نفسي أنتمي إلى ذلك العصر. على سبيل المثال، بالكاد أفهم كيف تعمل لغة كوبول. من الناحية النظرية، يمكنني تعلمها – لكنها تبدو لي الآن شيئًا بعيدًا وغير مألوف.

وعندما ننظر إلى هذا تاريخيًا، يظهر نمط مثير للاهتمام: كل جيل جديد من مهندسي البرمجيات لا يحتاج إلى فهم عميق لكيفية عمل تكنولوجيا الجيل السابق. بمرور الوقت، تندمج المعرفة في البنية التحتية نفسها.

بطاقات الثقب اختفت منذ زمن – منطقها الآن مبني في المعالجات. لغة التجميع اختفت إلى حد كبير كأداة رئيسية لأن تعقيدها أصبح مخفيًا داخل أنظمة التشغيل، وبرامج التشغيل، وطبقات التجريد منخفضة المستوى. حتى سماعات الأذن الخاصة بك اليوم ربما تحتوي على نظام تشغيل صغير يدير كل هذا التعقيد الخفي في الخلفية – معظم الناس ببساطة لا يفكرون فيه.

بالطبع، لا يزال هناك أخصائيون يفهمون كل هذا السحر المنخفض المستوى. لكن بالنسبة لمعظم الصناعة، أصبح ذلك بالفعل طبقة تجريد.

وهذا يؤدي إلى فكرة منطقية: ربما الذكاء الاصطناعي هو مجرد المرحلة التالية من هذا التطور. ربما الجيل التالي لن يحتاج إلى فهم البرمجة الكلاسيكية بعمق كما فعلنا.

• اقتصاد السوق

لدي فرضية أخرى، وهي أن الناس سيتوقفون في النهاية عن النظر إلى البرمجة بأسلوب «فايب كودينغ» — أو التطوير بمساعدة الذكاء الاصطناعي — باعتبارها «تسريعًا مجانيًا». في الواقع، هو بالفعل ليس مجانيًا تمامًا؛ لكن ليس الجميع يحسبون بعناية تكاليفه الفعلية بعد.

النماذج، ووحدات التوكن، والبنية التحتية، والطلبات المستمرة، وصيانة منظومة عمل الذكاء الاصطناعي بأكملها – كل هذا يصبح تدريجيًا تكلفة تشغيلية كبيرة. لهذا أعتقد أن الشركات ستبدأ قريباً في النظر بشكل أوثق إلى التكاليف الفعلية للتطوير بمساعدة الذكاء الاصطناعي وستطرح سؤالًا عمليًا: ما هو أكثر كفاءة – توسيع فريق الهندسة أو الحفاظ على كل البنية التحتية للذكاء الاصطناعي حول التطوير؟

سيناريو واقعي للغاية هو أن فرق الهندسة القوية قد تثبت في النهاية أنها أكثر استدامة اقتصاديًا، خاصة عندما يتعلق الأمر بالحفاظ على المنتجات وتطويرها ودعمها على المدى الطويل.

لكنني أعتقد أن هذا هو المكان الذي قد يظهر فيه نوع جديد من فرق الهندسة: مجموعات صغيرة جدًا من الأخصائيين ذوي الخبرة العالية الذين يركزون على الحفاظ على استقرار البنية التحتية نفسها وقدرتها على الصمود. مع مرور الوقت، قد يصبح هذا واحدًا من التخصصات الهندسية الأكثر قيمة في الصناعة.

• الأشخاص الذين سيعملون جنبًا إلى جنب مع الذكاء الاصطناعي

والفرضية النهائية – على الرغم من أنها واقعية للغاية – هي أن الجيل التالي من مهندسي البرمجيات سيضطر على الأرجح إلى بناء مسيرته المهنية في بيئة مختلفة تمامًا. وهذا يتجاوز البرمجة وحدها. بدأت تغييرات مماثلة بالفعل تعيد تشكيل القانون، والتمويل، والطب، وكل مجال تقريباً حيث يمكن للذكاء الاصطناعي أن يأخذ على عاتقه جزءًا كبيرًا من العمل الفكري الروتيني.

على الرغم من كل هذا، ما زلت أرى ما يحدث بشكل إيجابي. ربما لأنني بشكل عام أحب التقدم. أحب الفكرة أن التكنولوجيا يمكن أن تحسن حياة الناس، وتحرر البشر من كميات هائلة من العمل المتكرر، وتجعل العديد من العمليات أكثر أمانًا وفعاليّة.

على سبيل المثال، أنظمة القيادة الذاتية مثل تلك التي تقدمها Tesla و Waymo تظهر بالفعل مستويات مرتفعة على نحو لافت من السلامة في العديد من السيناريوهات مقارنة بالسائقين البشر. وهذا حقًا مثير للإعجاب.

في الوقت نفسه، العالم الذي يدخله أطفالنا سيكون أكثر تعقيدًا فيما يتعلق بالهوية المهنية. سيتعين عليهم البحث عن مكانهم وغرضهم في مشهد متغير بسرعة.

إذا أراد طفل اليوم أن يصبح محاميًا، أو محللًا ماليًا، أو مبرمجًا، فهناك احتمال كبير بأن هذه المهن ستبدو مختلفة تمامًا في المستقبل. ربما سيكونون أخصائيين يعملون جنبًا إلى جنب مع الذكاء الاصطناعي القانوني، أو الذكاء الاصطناعي المالي، أو الذكاء الاصطناعي البرمجي – أشخاص يعملون على تشغيل أنظمة الذكاء الاصطناعي، ويتحققون من صحة المخرجات، ويقدمون السياق، ويتخذون القرارات الرئيسية.

أعتقد أن من المهم أن ندرك أن كل هذه السيناريوهات تقريبًا تبدو واقعية بالفعل اليوم. وسواء أحببنا ذلك أم لا، فإن كل ما يحدث الآن جزء من موجة أكبر بكثير من التقدم التكنولوجي. من غير المحتمل جدًا إيقاف هذه العملية. مما يعني أنه سيتعين علينا تعلم كيفية العيش في هذا العالم الجديد – مع تعلم كيفية إيجاد التوازن معه تدريجيًا، والتواصل معه، وربما حتى تطوير شكل جديد من التعايش جنبًا إلى جنب معه.