لماذا يؤدي الكود المكتوب بواسطة الذكاء الاصطناعي إلى إحباط الفرق — وماذا يمكن القيام به

معظم التكنولوجيا، كلما استخدمتها لفترة أطول، كلما أصبحت أكثر هدوءًا في الاعتماد عليها. ومع أدوات الذكاء الاصطناعي، عكس ذلك صحيح: في استطلاعها السنوي لما يزيد على 49,000 مطور، سجّلت Stack Overflow ارتفاعًا في الاستخدام إلى 84% في حين انخفضت الثقة في دقة هذه الأدوات من 40% إلى 29% في غضون عام واحد.

إن هذا التأثير مألوف لي. كانت أول تجربة لنا مع أدوات الذكاء الاصطناعي في التطوير لا تشبه تأثير الدهشة من العمل الأسرع وأقل الرتابة الذي كتبت عنه الصحافة الفنية. كان مطورونا محبطين: أنتج الذكاء الاصطناعي رمزًا متوسط الجودة استغرق وقتًا طويلاً لمراجعته وفي النهاية كان يجب كتابته مرة أخرى. توقع الفريق أن يوفر الذكاء الاصطناعي الوقت، ولكن بدلاً من ذلك حصل على عمل إضافي. لذلك، بعد محاولات أولية لدمج أدوات الذكاء الاصطناعي في تدفق العمل اليومي، عاد الفريق إلى العمل بالطريقة التي كان يعمل بها دائمًا.

اليوم، تسريع أدوات الذكاء الاصطناعي كتابة الشفرة ومراجعتها لمطورينا — ليس لأننا وجدنا نموذجًا أفضل، ولكن لأننا غيرنا كيف نعمل معه. ها ما ساعدنا على الوصول إلى هناك.

لماذا يؤدي الكود المكتوب بواسطة الذكاء الاصطناعي إلى إحباط المطورين

يعتمد الذكاء الاصطناعي على كتلة هائلة من الشفرة العامة عبر الإنترنت، ونادرًا ما تكون هذه الشفرة مثالًا يُقتدي به: جودتها متوسطة، وينتج النموذج متوسط الجودة أيضًا.

لكن “المتوسط” ليس الحد الأقصى لما هو ممكن — إنه ببساطة ما ينتجه النموذج حتى يعرف مشروعك: اتفاقياته، هيكلة الشفرة، قراراته المعمارية. في استطلاع لأكثر من 600 مطور، وجد Qodo أن 44% من المطورين غير الراضين عن جودة شفرة الذكاء الاصطناعي ي归زون ذلك إلى نقص السياق. هذا ما يحافظ على الإخراج على مستوى متواضع.

الخبر السار هو أن السياق الذي يتلقاه الذكاء الاصطناعي هو المتغير الوحيد الذي يتحكم فيه الفريق完全ًا. يعتمد مدى فهم الأداة للمشروع على ما تُغذيها به، وليس على النموذج.

السبب الثاني هو نفسي — طبيعة العمل تتغير. عندما يكتب الذكاء الاصطناعي معظم الشفرة، تصبح المهمة الرئيسية للمطور لا كتابة الشفرة، ولكن مراجعة ما تم توليده: قراءة حل شخص آخر، وزن البدائل، وتحديد ما هو جاهز للشحن. هذه مهارة مختلفة عن كتابة الشفرة بنفسك، ومن الصعب على من أحب جزء الكتابة.

في تقرير Octoverse لعام 2025، يصف GitHub تحولًا مماثلاً: المطورون الذين تقدموا أكثر مع الذكاء الاصطناعي لم يعد يسمون أنفسهم “كتاب الشفرة”، بل أصبحوا أشبه “مديري الإبداع”، حيث المهارة الرئيسية هي التوجيه والتحقق. لكن الطريق إلى هذا الدور يمر عبر الأخطاء والإحباط، حتى يرى الشخص الفوائد في عمله.

ما الذي يحول الذكاء الاصطناعي من مصدر إحباط إلى أداة عمل

عندما بدأ فريقنا في استخدام الذكاء الاصطناعي، عمل بعض المطورين مع Claude Code، بينما جرب آخرون OpenAI Codex، أو GitHub Copilot، أو Gemini CLI، وكل أداة أعطت نتائج مختلفة. لذلك، عندما حاولنا جعل طريقة عمل الفريق مع الذكاء الاصطناعي منظمة، فإن أول ما فعلناه هو اختيار أداة واحدة.

هذه ليست ممارسة خاصة بنا فقط. خذ قصة فريق Linear: حتى أوائل عام 2026، كانوا يعملون وفق مبدأ “دع الجميع يعملون بالطريقة التي تناسبهم”. ثم في يناير، تخلى القيادة عن هذا النهج وانتقلت الجميع إلى طريقة عمل واحدة — حددت خيارين من أدوات الذكاء الاصطناعي وسألت المطورين كتابة الشفرة فقط بهذه الأدوات، وليس يدويًا. وفقًا للشركة، زادت الإنتاجية المتوسطة بنسبة 30% في طلبات الدمج و33% في المهام المغلقة لكل مهندس في الشهر التالي.

مع ذلك، الأداة المشتركة وحدها لا تحسن الشفرة — يجب تهيئتها: ضبط القواعد، شيء مثل قواعد.md، التي تحدد كيفية كتابة الشفرة — النهج التي يجب اتباعها، ما يجب تجنبه. ثم تأتي المهارات المخصصة للمهام النموذجية لمشروعك، بحيث لا تكرر الشرح نفسه مرارًا وتكرارًا. وأخيرًا، من المفيد توجيه الوكيل إلى قاعدة الشفرة الحالية: يقوم بتحليل كيفية كتابة المشروع وينتج شفرة جديدة بنفس الأسلوب، وليس بأسلوب عام. كلما تلقى الأداة سياقًا أكثر، كلما قلت الحاجة إلى كتابته يدويًا لاحقًا.

لكن الجزء الأصعب ليس تقنيًا. الانتقال من كاتب الشفرة إلى مدققها لا يحدث تلقائيًا — هذا التحول يحتاج إلى مساعدة. الطريق المباشر هو التدريب والشهادة. على سبيل المثال، يخضع عشرة من مطورينا لبرنامج شراكة مع مورد الأداة، بينما يعمل شخص مسؤول عن التحويل جنبًا إلى جنب معهم، ويشرح لماذا أنتجت الأداة نتيجة معينة وكيفية إصلاحها.

مراجعة الشفرة هي العائق الأخير — ومن المفيد تعزيزها بالذكاء الاصطناعي. يمر الوكيل بكل طلب دمج أولاً ويقوم بالمهام الواضحة: الأخطاء الروتينية، الأسلوب، التكرار، الثغرات الأمنية. لا يبحث المراجع البشري بعد ذلك في كل شيء بشكل عشوائي، بل فقط في الهيكل والقرارات الحاسمة. التأثير ملحوظ حتى داخل الشركات التي تبني هذه الأدوات: في Anthropic، بعد إدخال مثل هذا الوكيل، زادت نسبة طلبات الدمج التي تلقت مراجعة جوهرية من 16% إلى 54%، واختلف المهندسون مع أقل من 1% من تعليقاته.

لنا، هذا قصّر دورة المراجعة التي كانت تمتد على يومين أو ثلاثة أيام عبر عدة جولات، وأزال الروتين عن كبار مهندسينا، تاركًا لهم النقاط الصعبة الحقيقية. بمجرد أن بدأت الأداة في إنتاج نتائج لا تحتاج إلى إعادة العمل، ظهرت الثقة فيها.

حيث تدفع الثقة في أدوات الذكاء الاصطناعي أعبائها

أولاً وأهم شيء — في كتابة الشفرة: عندما تعرف الأداة المشروع ويتعامل الوكيل مع المراجعة الأولى، يكتب الفريق أكثر وأفضل في نفس الوقت. في حالتنا، زادت أدوات الذكاء الاصطناعي من سرعة العمل بنسبة 30-40%.

خارج ذلك، جعل الذكاء الاصطناعي عملية التوجيه أسهل. عندما ينضم شخص جديد إلى مشروع، يُطلب عادةً من شخص محترف الإجابة على عشرات الأسئلة حول كيفية بناء شفرة المشروع. الآن يأخذ الوكيل هذا الدور: إذا كان المشروع موثقًا جيدًا، يوجه الوافد الجديد ما يصل إلى 95% من هذه الأسئلة إليه بدلاً من زملائه.

القصة نفسها مع الوثائق: مسودة معمارية خشنة كانت تأخذ ساعات الآن تكتبها الأداة نفسها — حوالي 80% من المسودة، إذا أتيح لها السياق الكافي. ما يبقى للبشر هو ما ليس في المستودع — القرارات، والتنازلات، والخبرة.

من المهم أن نكون صادقين عن حدود ما يمكن للذكاء الاصطناعي فعله، لأن التوقعات المضخمة هي التي تؤدي إلى الخيبة في البداية. لا يتحمل الذكاء الاصطناعي مسؤولية الامتثال — يُوقّع إنسان على بيانات طبية أو مالية، وتحمل الشركة، وليس النموذج، مسؤولية التسريب.

الذكاء الاصطناعي خارج الصندوق حقًا مزعج — لكن فقط عندما يُستخدم كحل نهائي. الفرق الكامل بين الإحباط والفوائد يكمن في ما تبنيه حولها: معيار مشترك، سياق مشروعك، ودور المطور الجديد.