التغييرات الذكية في كيفية عمل المهندسين في أغسطس 2026

منذ حوالي سنة، كان أحد أهم المناقشات في مجال البرمجيات يركز على مستقبل مهندس البرمجيات الأصغر. وكان الحجج يبدو بسيطًا: إذا كان يمكن للذكاء الاصطناعي التعامل مع العديد من مهام البرمجة على مستوى الأصاغر، فلماذا يستمر في توظيف وتدريب الأصاغر على الإطلاق؟ وإذا توقفت الشركات عن تطوير المواهب الأصغر، فأين تحديدًا يأتي مهندسو البرمجيات الكبار من بعد خمس سنوات؟

كانت هذه مسألة جدية، وقد تناولها الكثير من الناس الأذكياء بجدية.

في ذلك الوقت، كانت إجابتي هي أن المهن الأخرى قد حلت بالفعل نسخًا من هذه المشكلة. لا يخرج أحد من كلية الطب ويقوم على الفور بأداء جراحة القلب المفتوح بشكل مستقل. يقضي الأطباء سنوات في مرافقة، وتنفيذ تدريب، واكتمال الإقامة، وممارسة تحت الإشراف قبل أن يثق النظام بهم ليعملوا بمفردهم.النمط نفسه موجود في القيادة التنفيذية. لا أحد يخرج من الكلية ويتولى على الفور شركة من فئة فورتشن 500. الناس يديرون فرقًا صغيرة ، ثم وحدات أعمال أكبر ، ويتجمعون تدريجياً على الحكم مع مرور الوقت. يصبح المسار أطول وأكثر عمليًا وأكثر تعليمًا على مدار الوقت مع زيادة تعقيد الدور.

ما زلت أعتقد أن الهندسة تتحرك في ذلك الاتجاه. لكن خلال الأشهر القليلة الماضية ، بدأت أفكر في القضية بطريقة مختلفة بسبب ثلاثة تجارب غير متعلقة التي أشار جميعها إلى نفس الاستنتاج.

ثلاثة أمثلة

صديق لي قام مؤخرًا bằngاستثمار أشهر في التحضير لامتحان اللغة التشيكية. لقد استأجر هو وعدد من زملائه معلمين人类 واستثمروا أموال حقيقية في العملية. لقد نجح بسهولة. لم ينجح معظم الآخرين.
أعظم فرق، وفقًا له، كان أن معلمه الرئيسي كان في الواقع ChatGPT.
كان يمكنه الدراسة في الساعة 11 مساءً إذا أراد. كان يمكنه تكرار تمرين نفس الالتزام أربعين مرة دون القلق من إهدار صبر شخص ما. كان يمكنه تمثيل أدوار حالات محددة جدًا، مثل التفاعل مع موظف ضرائب تشيكي، وتailor الجلسة بدقة إلى ما عانى منه في ذلك اليوم.كان المعلمون البشر جيدين. لكنهم ببساطة لم يتمكنوا من مطابقة التوافر والتنسيق والتعديل الشخصي.

أرى شيئًا مشابهًا مع ابني والفيزياء. فهو يفهم بالفعل الموضوع جيدًا، لذلك لا يستخدم كلود لتقديم الإجابات له. بل يستخدمه للتحدي. يطلب منه إنشاء مشاكل أكثر صعوبة، والضغط على افتراضاته، وشرح لماذا كان النهج قريبًا ولكن في النهاية خاطئًا، والاختبار التفاعلي.

المقارنة الأقرب التي يمكنني التفكير فيها هي التجربة التي كان يمر بها الأطفال الذكيون عندما كانوا يعرفون أخًا أكبر في الفيزياء. لكن هذه الإصدار دائمًا متاح، أبدًا غير صبور، وأبدًا يقول “اسألني لاحقًا”.ابن أخي، الذي لا يزال في المدرسة الثانوية، كان يعمل على مشروع هواية صغير يريد في النهاية تجارته. ساعدته على تعيين وكيل برمجي وتأتميم بعض سلاسل العمل. كل بعد ظهر في الساعة الخامسة، بينما يكون قد انتهى من المدرسة، يقوم الوكيل بفحص قاعدة他的 شفرة وترك اقتراحات تحسينات له. مرة واحدة في الأسبوع، تقوم سلسلة عمل أخرى بتشغيل بحث تنافسي وتظهر أفكار جديدة.

كان يحب ذلك.

في مرحلة ما، كان يستهزئ قائلا، “إذا كان البرمجة بهذه السهولة، سأنفذ من الأفكار”.

قلت له أن الأفكار كانت دائمًا الموارد النادرة. الفرق الآن هو أن التنفيذ لا يحد منهم بنفس الطريقة لأن التنفيذ أصبح أرخص بشكل دراماتيكي.

دوائر ملاحظة أسرع

لا يعتبر أي من هذه الأمثلة حقًا عن اللغة التشيكية أو الفيزياء أو مراجعة الشفرة.
إنها أمثلة على ملاحظات شخصية عالية التخصيص تصبح متاحة بشكل مستمر.
تاريخيًا ، تعلم المهندسون الجدد جزئيًا من خلال التكرار وجزئيًا من خلال القرب من الأشخاص ذوي الخبرة. كتبت الشفرة ، وانتظرت المراجعة ، وحصلت على ملاحظات عندما كان هناك مساحة باندث لشخص كبير ، وبنيت الحكم تدريجيًا على مدار سنوات من الأخطاء المتراكمة.
تغير الذكاء الاصطناعي دوائر الملاحظة نفسها.مُهندس شاب مع مساعد ذكاء اصطناعي معấuًم بشكل صحيح يحصل الآن على العديد من الأشياء التي اعتمدت في السابق على توافر الكبار. مراجعة الكود الفورية. شرح حول سبب قد يخلق خيار التصميم مشاكل فيما بعد. المراجع إلى أنماط مماثلة في مكان آخر في قاعدة الشفرة. الرد عندما يصل إلى التنفيذ الأكثر وضوحًا بدلاً من الأفضل.

أهم من ذلك، يصل التعليق بينما لا يزال المهندس داخل المشكلة بدلاً من يومين بعد ذلك بعد تلاشي السياق.هذا الأمر مهم لأن الانتقال من المبتدئ إلى المحترف دائمًا ما يتم بدرجة كبيرة بواسطة الحكم. الحكم هو في الغالب التعرف على الأنماط من خلال التعرض المتكرر للأخطاء والتنازلات والحالات الحدية. كلما زادت سرعة شخص ما في التنقل خلال تلك الحلقات المرتدة بفكر متعمق، زادت سرعة تطور الحكم.

كانت حجز النطاق الترددي تقع مع المهندسين المحترفين. الآن تقع بشكل متزايد مع المتعلم.

تتحسن شبكة الأمان

هناك تحول آخر هنا يهم بنفس القدر.
من المحتمل أن يكون مهندس مبتدئ يعمل مع أنظمة مراجعة الذكاء الاصطناعي القوية أقل عرضة للإضرار بنظام الإنتاج عن طريق الخطأ.
يتم الآن وضع علامات على العديد من الأخطاء الكلاسيكية على الفور: بيانات اعتماد محددة مسبقًا، استثناءات تم بلعها، استفسارات غير آمنة، مشكلات أمنية، مشاكل معمارية واضحة، اعتمادات ذات نطاق ضعيف. يتم اصطياد طلبات السحب السيئة بشكل متزايد قبل أن تغادر جهاز الكمبيوتر المحمول.
ذلك يغير العتبة للعمل المبتدئ.تاريخيًا، ذهب جزء كبير من وقت الهندسة العليا نحو حماية المنظمة من الأخطاء التي يمكن منعها. وتكسب طبقات المراجعة الاصطناعية بشكل متزايد جزءًا من هذا العبء، مما يسمح للمبتدئين بالعمل بشكل مستقل في وقت أقرب مما كانوا يفعلون في السابق.

إن هذا لا يزيل الحاجة إلى الإرشاد أو الإشراف. إنه يغير المكان الذي يصبح فيه الإرشاد أكثر قيمة.

تتوسع الفجوة

النسخة المثالية من هذا المستقبل تعتمد بشكل كبير على كيفية استخدام المهندس الفرد للنظام.

الشخص الذي يعامل الذكاء الاصطناعي بشكل رئيسي كطريقة للالتفاف حول التفكير سيولد احتمالاً أكثر من الكود بينما يتعلم القليل جداً. قبل عشر سنوات، كان ذلك الشخص نفسه سيكون قد نسخ الحلول من Stack Overflow دون فهمها. تغير الآلية. السلوك الكامن لم يتغير.

الذكاء الاصطناعي لم يكن سيحل أبداً مشكلة الخمول الفكري.النتيجة الأكثر إثارة للاهتمام تحدث عندما يشارك المهندسون بنشاط في التعليقات التي يتلقونها. إذا قرأ شخص ما المراجعة بعناية، وطالب بتوضيح، وسأل أسئلة متابعة، واختبر بدائل، واكتشف في بعض الأحيان أن النموذج نفسه كان خاطئًا، فإنهم يبنين الحكم بشكل أسرع من الجيل السابق.

الجهد المعرفي لم يختف. انتقل إلى مرحلة أقرب في الحلقة وأصبح أقل تكلفة للتكرار.

من المحتمل أن يوسع ذلك الفجوة بين المهندسين المتفاعلين بشدة والذين لا يتفاعلون.الأهم من ذلك أن معظم تحولات الإنتاجية تعمل بهذه الطريقة. أدى القراءة إلى زيادة الفجوة بين السكان المتعلمين والأميين. وسعت الإنترنت الفجوة بين الناس المحبين للتعلم وأولئك الذين يعتمدون على الآخرين. ويبدو أن الذكاء الاصطناعي سيستمر بنفس النمط.

أمر الحكم على المنتج أكثر أهمية

السؤال الأكثر إثارة للاهتمام لم يعد ما إذا كان مهندسو البرمجيات الشباب يختفون. بل ما يساهم فيه مهندسو البرمجيات الشباب بشكل متزايد عندما يصبح التنفيذ أسهل.
الجواب يبدو مشابها بشكل مفاجئ لما يساهم فيه مهندسو البرمجيات الكبار بالفعل: الإبداع، والانطباع عن المنتج، والذوق، وترتيب الأولويات، والقضاء، والقدرة على تحديد ما يجب أن يكون موجوداً في المقام الأول.تتجه أدوار الهندسة بشكل متزايد نحو التفكير الموجه للمنتج لأن الاحتكاك في التنفيذ ي tiếp tục الانخفاض. يعني عمل البلاط أقل من فهم ما إذا كان النظام الذي يتم بناؤه يحل بالفعل المشكلة الصحيحة.

لا تزال تصميم النظام مهمًا. لا تزال تسمية الأشياء مهمة. لا تزال حكم المنتج مهمة. لا يزال فهم المستخدمين مهمًا. في بعض النواحي، تصبح تلك المهارات أكثر أهمية لأن المنظمات يمكنها الآن اختبار الأفكار بسرعة أكبر مما كانت عليه من قبل.

من المحتمل أن يفكر مهندس تربى مع الذكاء الاصطناعي من البداية بشكل مختلف جدًا عن شخص تم تدريبه قبل خمسة عشر عامًا.سي假ن أن التكرار رخيص. سيقومون بإنشاء نماذج أولية متعددة بسرعة بدلاً من مناقشة واحدة لعدة أيام. سي期待ون حلقات ردود فعل أكثر ضيقاً بين المستخدمين والتنفيذ لأن تكلفة تجربة الأشياء تظل في الانخفاض.

هذا يخلق نوعًا مختلفًا من المهندس، وهو من شأنه أن يكون مصممًا بدورات أقصر بين الفكرة والتنفيذ.

ستحتاج المنظمات إلى إعادة التفكير في التوظيف والتقييم والتدريب والترويج وفقًا لذلك. ولكن البرمجيات قد مرت بالفعل بتحولات مماثلة عدة مرات: عندما وصل الويب، عندما وصل الهاتف المحمول، عندما استبدلت البنية التحتية السحابية الأنظمة الموجودة في الموقع.

كل انتقال غيّر ما يبدو عليه الهندسة الجيدة دون القضاء على الحاجة إلى المهندسين أنفسهم.

الآثار التشغيلية

لمهندسي البداية، النصيحة ليست مثيرة للإعجاب بشكل خاص.
اختر مشاريع حقيقية. استخدم الذكاء الاصطناعي كمراجع ظل أثناء العمل. اقرأ التعليقات بعناية. خالفها أحيانًا. اسأل أسئلة متابعة. احتفظ بسجلات الأنماط وراء الأخطاء التي يلتقطها.
هذا واحد من أسرع الطرق لتطوير الحكم، أسرع بكثير من انتظار مهندس كبير مشغول في النهاية لتحرير وقت للرقابة.
لمديري المشاريع، يتغير الحاجز أيضًا.كان النمو المبتدئ يعتمد بشكل كبير على مقدار الوقت الذي يمكن أن يوفره المهندسون الكبار للتدريب. ومع ذلك، يصبح نقطة الرفع الأكبر بشكل متزايد تصميم بيئات تعلم قوية حول استخدام الذكاء الاصطناعي: توقعات المراجعة، وقواعد التصعيد، وأنماط التحفيز، والمراقبة، واختيار المشروع.

من المحتمل أن تتطور المنظمات التي تُنشئ تلك الأنظمة جيدًا المواهب بشكل أسرع مما فعلت الأجيال السابقة.

ومن المفيد لفريق القيادة أن يتوقف عن النظر إلى المهندسين المبتدئين بشكل أساسي على أنهم قدرة تنفيذية قابلة للاستبدال. في العديد من المنظمات، قد يصبحون أحد أقل مصادر التجربة والطاقة والتحديث الإبداعي تكلفة.

بيئات التعلم

جيل مختلف من المهندسين

تعلم صديقي اللغة التشيكية بسرعة أكبر لأنها حمل معه معلمًا شخصيًا في جيبته. يتعلم ابني الفيزياء بمستوى من التفاعل الذي لم أكن أملكه. يحصل ابن أخي الآن على مراجعات ليلية وأبحاث سوقية أثناء نومه.

سيدخل الجيل التالي من المهندسين الصناعة مع تدريب مستمر ودوائر مراجعة فورية ودوائر سريعة بشكل دراماتيكي بين الجهد والتعليقات.

ذلك لا يلغي مهندسًا شابًا. إنه يغير كيفية تطورهم وماهية المهارات الأكثر أهمية في الطريق.من المحتمل أن الإصدار من هذا الدور الذي نشأ معه الكثير من الناس يختفي. لكن البديل قد يثبت أنه أسرع في التعلم وأفضل تدريبا وأكثر تجريبية وأكثر توجها نحو المنتج من الجيل السابق الذي لم يكن لديه فرصة أن يصبح كذلك.