العمل والمهارات

من فكرة إلى منتج رقمي: ماذا يتغيّر حين تعمل معك آلاتٌ كفريق؟

الأدوات تقصّر الطريق إلى النموذج الأولي، لكنها لا تختار لك ما يستحق أن يُبنى. فما الذي ثبت بالتجربة، وما الذي ما زال ادّعاءً؟

3 دقائق قراءة هذا المقال متوفر بالإنجليزية

جمهور يتابع محاضرة في قاعة

كبسولة نانودقيقة واحدة

صار في وسع فردٍ واحد أن يستعين بأدوات الذكاء الاصطناعي في البرمجة والتصميم والكتابة والتحليل، فيقصّر المسافة بين الفكرة والنموذج الأولي. وتجمع الأدلة المنشورة بين الوعد والتحفظ: ففي تجربة ضابطة أنجز مبرمجون مهمةً محدّدة أسرع بنسبة 55.8% باستعمال أداة مساعدة، وفي تجربة على 776 محترفًا في «بروكتر آند غامبل» (Procter & Gamble) قارب أداءُ الفرد المستعين بالأداة أداءَ فريقٍ يعمل بلا أداة. غير أنّ دراسة أخرى وجدت أنّ مطوّرين خبراء في مشاريع ناضجة أنجزوا مهامهم أبطأ بنسبة 19%. فالمكسب حقيقي لكنه مشروط بنوع المهمة، وتبقى مهمة الإنسان: اختيار الحاجة الجديرة بالبناء، ومراجعة الناتج، وتحمّل المسؤولية عنه.

المقال مطولًا طيّ المقال 3 دقائق قراءة

توقّع مطوّرون خبراء أن تجعلهم أدوات الذكاء الاصطناعي أسرع بنحو 24%، فجاءت النتيجة المقيسة عكس ذلك: كانوا أبطأ بنسبة 19%، ومع ذلك ظنّوا بعد التجربة أنهم صاروا أسرع بنحو 20%. هذه المفارقة من دراسة أجراها فريق «ميتر» (METR) في 2025، وهي تذكّرنا بأنّ الإحساس بالسرعة ليس قياسًا لها.

ما الذي تقوله التجارب؟

لا تحسم دراسة واحدة الأمر، لكنها معًا ترسم صورة أدقّ من الحماسة ومن التشاؤم.

في تجربة ضابطة نُشرت عام 2023، شارك فيها باحثون من «غيت هب» (GitHub) وغيرهم، طُلب من مبرمجين تنفيذ خادم HTTP بلغة جافاسكربت، فأنجزته المجموعة المستعينة بالأداة أسرع بنسبة 55.8%. وهي مهمة محدّدة واضحة الحدود.

وفي تجربة «الزميل السيبراني» (The Cybernetic Teammate) الميدانية على 776 محترفًا في «بروكتر آند غامبل» عملوا على تحديات حقيقية في تطوير المنتجات، قارب أداءُ الفرد المستعين بالذكاء الاصطناعي أداءَ فريقٍ يعمل دونه. ولاحظ الباحثون أنّ الحلول صارت أكثر توازنًا بين الجانبين التقني والتجاري.

أما دراسة «ميتر» فشملت 16 مطوّرًا من أصحاب الخبرة في المصادر المفتوحة، و246 مهمة في مشاريع ناضجة، فبدت الأداة عبئًا لا عونًا. وصغر العيّنة يدعو إلى الحذر في التعميم، لكنه يكفي لنفهم أنّ نفع الأداة يتبع نوع المهمة وخبرة صاحبها.

من أداةٍ تُسأل إلى عاملٍ يُكلَّف

الجديد في السنوات الأخيرة أنّ هذه الأنظمة لا تكتفي بالإجابة، بل يمكن تكليفها بسلسلة خطوات: تخطّط، وتستدعي أدوات، وتراجع نفسها. وتفرّق شركة «أنثروبيك» (Anthropic) بين «سير عمل» تُنسَّق فيه النماذج والأدوات عبر مسارات مكتوبة سلفًا، و«وكيل» يوجّه النموذجُ فيه عمليته واستعماله للأدوات بنفسه. وتنصح بالبدء بأبسط حلّ ممكن وعدم زيادة التعقيد إلا عند الحاجة، لأنّ استقلال الوكيل يعني كلفةً أعلى واحتمال تراكم الأخطاء. وللتفصيل انظر مقال «وكلاء الذكاء الاصطناعي: حين تقرّر الآلة الخطوة التالية بدلًا عنك».

أين تنتقل الندرة؟

حين يهون الإنتاج، يُرجَّح أن تنتقل الندرة من القدرة على التنفيذ إلى حسن الاختيار: أيّ حاجة تستحق الحلّ؟ ولمن؟ وبأي جودة؟ وهذا استنتاج تحليلي لا نتيجة تجربة بعينها، ومنطقه أنّ الأداة نفسها متاحة للجميع. وربما كان من يعرف مجتمعه ويعايش همومه اليومية، من أسرٍ وطلابٍ وجمعيات، أقدر على رؤية الحاجة الحقيقية ممن يبدأ من الأداة.

تحفّظات قبل أن تُكثر المشاريع

رخص البناء لا يعني رخص التشغيل. فكل منتج يعيش بعد إطلاقه يحتاج إلى دعم وتحديث وحماية وتعريف به، وهذه أعباء لا تُلغيها الأداة. ومن المرجّح أن يزدحم السوق بمنتجات متشابهة كلما سهل صنعها، فلا يلتفت أحد إلى ما لا يحلّ مشكلةً حقيقية. وإن جمع منتجك بيانات مستخدمين فمسؤوليتها عليك، وللتفصيل انظر مقال «الخصوصية في عصر الذكاء الاصطناعي».

ومن الأمانة ألّا تبني ما لا يحلّ شرعًا ولا ما يخدش قيم المجتمع، وأن تصدق مع مستخدميك فيما يعدهم به منتجك.

ما يُفعل عمليًّا

  • ابدأ من ألمٍ حقيقي عاينتَه، لا من أداةٍ أعجبتك.
  • اجعل النموذج الأولي صغيرًا، واعرضه على مستخدمين حقيقيين قبل أي توسّع.
  • اكتب خطوات العمل، وفوّض ما يتكرر منها فقط، وراجع الناتج بنفسك.
  • قِس وقتك بالأداة وبدونها كما فعل فريق «ميتر»، فالانطباع لا يكفي.
  • أبقِ ما يمسّ البيانات والمال والقرارات الحساسة تحت مراجعتك.

ويبقى التوكّل على الله بعد الأخذ بالأسباب، لا بدلًا منها.

المراجع

  1. S. Peng, E. Kalliamvakou, P. Cihon, M. Demirer, The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (arXiv, 2023)
  2. J. Becker, N. Rush, E. Barnes, D. Rein (METR), Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (arXiv, July 2025)
  3. F. Dell'Acqua et al., The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise, NBER Working Paper 33641 (April 2025)
  4. Anthropic, Building Effective Agents (19 December 2024)