هل سيحل الذكاء الاصطناعي محل البرمجة؟ نظرة واقعية لعام 2026

ملخص سريع: لن يحلّ الذكاء الاصطناعي محلّ المبرمجين تمامًا، ولكنه سيُحدث تحولًا جذريًا في دورهم. فبينما تستطيع أدوات الذكاء الاصطناعي توليد أجزاء من التعليمات البرمجية وأتمتة المهام الروتينية، تتطلب هندسة البرمجيات حلًّا معقدًا للمشاكل، وهندسةً معماريةً للنظام، واعتبارات أمنية، ومسؤوليةً بشريةً لا يستطيع الذكاء الاصطناعي محاكاتها. سينجح المطورون الذين يتكيفون مع هذا الواقع من خلال الاستفادة من الذكاء الاصطناعي كأداة لزيادة الإنتاجية مع التركيز على التصميم عالي المستوى والتفكير النقدي.

الخوف يعمّ كل مكان. المنتديات الإلكترونية تعجّ بالمطورين القلقين الذين يتساءلون عما إذا كان عليهم التخلي عن مهنهم في البرمجة. عناوين الأخبار تتحدث عن برامج ذكاء اصطناعي تكتب تطبيقات كاملة. وكل بضعة أسابيع، يظهر مساعد برمجة جديد يعمل بالذكاء الاصطناعي يدّعي قدرات ثورية.

لكن الأمر المهم هنا هو أن السؤال ليس ما إذا كان الذكاء الاصطناعي سيحل محل البرمجة، بل ما سيحدث عندما يصبح الذكاء الاصطناعي جزءًا أساسيًا من كيفية بناء البرمجيات. وهذا المستقبل قد بدأ بالفعل.

بحسب مكتب إحصاءات العمل الأمريكي، قد يدعم الذكاء الاصطناعي الطلب على وظائف الحاسوب بدلاً من إلغائها، إذ يحتاج مطورو البرمجيات إلى تطوير حلول أعمال قائمة على الذكاء الاصطناعي وصيانة أنظمة الذكاء الاصطناعي. لكن الواقع أكثر تعقيداً مما توحي به التوقعات المتشائمة.

ما يمكن للذكاء الاصطناعي فعله فعلياً اليوم

دعونا نتجاوز الضجة الإعلامية ونلقي نظرة على القدرات الفعلية.

أصبحت برامج الذكاء الاصطناعي المساعدة في البرمجة قادرة بشكل مثير للإعجاب على أداء مهام محددة. وقد أظهرت دراسة نُشرت على موقع arXiv، تناولت توليد قواعد البيانات البرمجية بمساعدة الذكاء الاصطناعي، أن هذه الأدوات قادرة على توليد هياكل برمجية أساسية بسرعة. فعلى سبيل المثال، يمكن لمطور يعمل على برنامج بايثون لاستهلاك قوائم انتظار الرسائل مع منطق إعادة المحاولة، الحصول على هيكل برمجي أولي في ثوانٍ معدودة بدلاً من قضاء 20 دقيقة في كتابة التعليمات البرمجية المملة.

هذا مفيد حقاً. لكنه ليس استبدالاً، بل هو تسريع.

كشف البحث نفسه عن قصورٍ جوهري: إذ ظلت درجات الرضا العامة عن قواعد البيانات البرمجية المُولَّدة بواسطة الذكاء الاصطناعي منخفضة (المتوسط = 2.8، الوسيط = 3، على مقياس من واحد إلى خمسة). وأشار المشاركون إلى وجود مشكلات في الوظائف في 771 حالة من أصل 3 حالات، وإلى ضعف جودة الكود في 421 حالة من أصل 3 حالات.

يُظهر GitHub Copilot، أحد أكثر أدوات البرمجة المدعومة بالذكاء الاصطناعي انتشارًا، إمكانياته وحدوده. فقد كشفت دراسة أجريت على GitHub Copilot أن حوالي 40% من التعليمات البرمجية المُولّدة تحتوي على ثغرات أمنية (Pearce et al., 2025). ورغم تحسّن الإصدارات الأحدث بإضافة طبقات تصفية أمنية، إلا أن المشكلة الأساسية لا تزال قائمة: فالذكاء الاصطناعي يتنبأ بالأنماط دون فهم حقيقي لصحتها أو آثارها الأمنية.

التعقيد الخفي لهندسة البرمجيات

وهنا تنهار رواية "الذكاء الاصطناعي سيحل محل المبرمجين".

يمثل البرمجة جزءًا مما يقوم به مهندسو البرمجيات فعليًا. أما الباقي؟ فهنا تكمن التعقيدات.

وفقًا لأبحاث مختبر علوم الحاسوب والذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا، فإن هندسة البرمجيات تتجاوز كتابة التعليمات البرمجية لتشمل فهم المشكلات المعقدة في العالم الحقيقي، وهندسة وتصميم النظام، والاختبار والموثوقية، والأمان وتحسين الأداء، والصيانة والتوسع على المدى الطويل، والتعاون مع فرق متعددة الوظائف.

لا يحضر الذكاء الاصطناعي اجتماعات أصحاب المصلحة لفك رموز المتطلبات المبهمة. ولا يتخذ قرارات معمارية توازن بين الديون التقنية وجداول التسليم. وبالتأكيد لا يتحمل المسؤولية عندما يفشل النظام في بيئة الإنتاج.

مشكلة المساءلة التي لا يتحدث عنها أحد

عندما يتسبب الكود المُولّد بواسطة الذكاء الاصطناعي في انقطاع الإنتاج، فمن المسؤول؟

هذا ليس مجرد كلام نظري. ففي أنظمة الرعاية الصحية، والبنية التحتية المصرفية، وشبكات النقل، تُخلّف أعطال البرمجيات عواقب وخيمة. وتتطلب الأطر التنظيمية والأنظمة القانونية محاسبة بشرية.

يمكن لمساعد الذكاء الاصطناعي اقتراح التعليمات البرمجية، لكن لا يمكن تحميله مسؤولية الأخطاء. ولا يمكنه تفسير القرارات أثناء مراجعة الحوادث، ولا يمكنه المثول أمام المحكمة عند حدوث كارثة.

تبقى هذه المسؤولية على عاتق المهندسين البشريين. ومع المسؤولية تأتي الحاجة إلى فهم حقيقي، وليس مجرد القدرة على توجيه أداة الذكاء الاصطناعي بفعالية.

ما تُظهره البيانات الحكومية فعلياً

يُدرج مكتب إحصاءات العمل الأمريكي تأثيرات الذكاء الاصطناعي في توقعات التوظيف. ويُقدّم تحليله تقييماً واقعياً للذعر.

بحسب دراسة أجراها مكتب إحصاءات العمل الأمريكي ونُشرت في مارس 2025، من المتوقع أن يؤثر الذكاء الاصطناعي بشكل أساسي على الوظائف التي يمكن محاكاة مهامها الأساسية بسهولة باستخدام الذكاء الاصطناعي التوليدي بصيغته الحالية. ومع ذلك، تشير الدراسة نفسها إلى أن الذكاء الاصطناعي قد يدعم الطلب على وظائف الحاسوب، حيث هناك حاجة لمطوري البرمجيات لتطوير حلول أعمال قائمة على الذكاء الاصطناعي وصيانة أنظمة الذكاء الاصطناعي، ومن المتوقع أيضاً الحاجة إلى مديري قواعد البيانات ومهندسيها لإنشاء وصيانة بنية تحتية أكثر تعقيداً للبيانات.

بلغ متوسط الأجر السنوي لمطوري البرمجيات 133,080 دولارًا أمريكيًا في مايو 2024، وفقًا لمكتب إحصاءات العمل الأمريكي. ولا تشير توقعات التوظيف إلى انهيار، بل إلى تحول.

أظهرت دراسة أجرتها مؤسسة بروكينغز حول قدرة العمال على التكيف مع فقدان الوظائف الناتج عن الذكاء الاصطناعي، أن 26.5 مليون عامل من بين أعلى ربع من حيث التعرض المهني للذكاء الاصطناعي يتمتعون بقدرة تكيف أعلى من المتوسط. ومع ذلك، يواجه 6.1 مليون عامل (4.21% من القوى العاملة) ضعفاً شديداً.

مفارقة الإنتاجية

تساهم أدوات البرمجة المدعومة بالذكاء الاصطناعي بشكل فعلي في زيادة إنتاجية المطورين في بعض المهام. وقد أظهرت دراسة بحثية تناولت تأثير GitHub Copilot على تطوير البرمجيات أن المطورين الذين استخدموا هذه الأداة أنجزوا المهام أسرع بمعدل 55.81 مرة من المجموعات الضابطة، مع عدم وجود تأثير ملحوظ على نجاح المهمة.

هذا أمر هائل. لكن توليد الكود بشكل أسرع لا يعني بالضرورة عددًا أقل من المطورين.

يُظهر التاريخ أن تحسينات الإنتاجية في تطوير البرمجيات تميل إلى زيادة الطلب بدلاً من تقليل عدد الموظفين. فعندما يتمكن المطورون من بناء الميزات بشكل أسرع، تقوم المؤسسات عادةً ببناء المزيد من الميزات، وليس بتوظيف عدد أقل من المطورين.

لا يكمن القيد في معظم المؤسسات في سرعة كتابة المطورين للبرامج، بل في سرعة فهم الفرق للمتطلبات، واتخاذ قرارات معمارية سليمة، وتقديم أنظمة موثوقة تحل مشاكل الأعمال الفعلية.

صعود "الترميز الوجداني" ومخاطره

لقد ظهر اتجاه مثير للقلق: مطورون يقومون ببناء تطبيقات باستخدام أكواد مولدة بواسطة الذكاء الاصطناعي لا يفهمونها تمامًا.

تسلط المناقشات المجتمعية الضوء على هذه الظاهرة، حيث يمكن لشخص ما أن يطلب من مساعد الذكاء الاصطناعي إنشاء تطبيق يبدو وظيفيًا دون فهم المنطق الأساسي أو الآثار الأمنية أو مشكلات الصيانة.

هذا يعمل بشكل جيد حتى يحدث عطل ما. عندها تبدأ المشاكل الحقيقية.

يُمثل تصحيح الأخطاء في التعليمات البرمجية المُولّدة بواسطة الذكاء الاصطناعي تحديات فريدة. فعندما لا يكتب المهندسون المنطق الأصلي، يصبح فهم سبب فشله أكثر صعوبة بشكل كبير. قد تتبع التعليمات البرمجية أنماطًا غير مألوفة، أو تستخدم مكتبات غير شائعة، أو تُنفذ الحلول بطرق غير قياسية.

تشير الأبحاث المتعلقة بالبرمجة المدعومة بالذكاء الاصطناعي إلى أن أوهام الذكاء الاصطناعي لا تزال تشكل خطراً كبيراً. فالذكاء الاصطناعي التوليدي يتنبأ بالأنماط، لكنه لا يفهم الحقيقة. ويمكنه بثقة إنتاج منطق خاطئ، وثغرات أمنية، وأخطاء خفية تبدو صحيحة ظاهرياً، لكنها تتسبب في مشاكل خطيرة في بيئة الإنتاج.

كيف يتكيف المطورون فعلياً

الخطوة الذكية ليست التنافس مع الذكاء الاصطناعي في كتابة التعليمات البرمجية النمطية، بل تطوير مهارات لا يستطيع الذكاء الاصطناعي محاكاتها.

استنادًا إلى ملاحظات القطاع ومناقشات المجتمع، يركز المطورون الناجحون على عدة مجالات رئيسية. فهم يعمقون فهمهم لبنية النظام وأنماط التصميم التي تواجه أدوات الذكاء الاصطناعي صعوبة في التعامل معها. كما أنهم يطورون مهارات أقوى في جمع المتطلبات وترجمة احتياجات العمل إلى حلول تقنية.

تزداد أهمية الخبرة الأمنية، لا العكس. ثمة حاجة إلى من يراجع الشفرة البرمجية المولدة بواسطة الذكاء الاصطناعي بحثًا عن الثغرات الأمنية. هناك حاجة إلى من يفهم أساليب الهجوم التي تتجاهلها أنظمة الذكاء الاصطناعي المساعدة دون قصد.

أصبحت مهارات التواصل أكثر أهمية من أي وقت مضى. عندما يستطيع الذكاء الاصطناعي توليد التعليمات البرمجية الأساسية، يصبح العامل المميز هو شرح المفاهيم التقنية لأصحاب المصلحة غير التقنيين، وتوجيه المطورين المبتدئين، وتسهيل التعاون بين الفرق.

اجعل الذكاء الاصطناعي يعمل داخل عملية التطوير الخاصة بك

يمكن للذكاء الاصطناعي توليد التعليمات البرمجية، لكن بناء أنظمة موثوقة لا يزال يعتمد على كيفية هيكلة هذه التعليمات البرمجية واختبارها وربطها بحالات الاستخدام الحقيقية. متفوقة الذكاء الاصطناعي يركز على جانب التنفيذ للذكاء الاصطناعي في تطوير البرمجيات. 

يتعاونون مع فرق العمل لتصميم وبناء حلول ذكاء اصطناعي مخصصة، ودمج التعلم الآلي في المنتجات الحالية، وإنشاء مسارات بيانات تدعم سير العمل الفعلي. يتجاوز جزء كبير من عملهم مجرد توليد الشفرة البرمجية، ليشمل أمورًا مثل مواءمة مخرجات الذكاء الاصطناعي مع بنية النظام، ومعالجة الحالات الاستثنائية، وضمان استقرار الحلول في بيئة الإنتاج.

إذا كنت ترغب في استخدام الذكاء الاصطناعي في التطوير دون إضافة مخاطر أو ديون تقنية، فتحدث إلى متفوقة الذكاء الاصطناعي حول كيفية ملاءمته لإعداداتك الحالية.

كيف يبدو اليوم في الواقع

تخيل يوم عمل نموذجي لمطور يستخدم أدوات الذكاء الاصطناعي بفعالية.

يبدأ الصباح بمساعد ذكاء اصطناعي يُنشئ مُستهلكًا أساسيًا لقوائم انتظار الرسائل بلغة بايثون، مع منطق إعادة المحاولة والتسجيل. هذا يوفر 20 دقيقة من الكتابة. يظهر الهيكل الأساسي للبرنامج على الفور تقريبًا.

ثم يبدأ العمل الحقيقي. دمج الكود المُولّد في بنية النظام الفعلية. معالجة الحالات الشاذة المعقدة التي لم يأخذها الذكاء الاصطناعي في الحسبان. ضمان توافق منطق إعادة المحاولة بسلاسة مع إطار عمل معالجة الأخطاء الحالي. إضافة نقاط مراقبة مناسبة لنظام المراقبة.

يتضمن وقت ما بعد الظهر مراجعة طلب سحب من زميل لي بخصوص ميزة بالغة الأهمية لمعالجة المدفوعات. تم توليد جزء من الكود بواسطة الذكاء الاصطناعي، لذا يُجرى تدقيق إضافي على الآثار الأمنية والحالات الاستثنائية. يظهر خلل برمجي دقيق أغفله الذكاء الاصطناعي تمامًا، وهو خلل كان من الممكن أن يتسبب في رسوم مكررة في ظروف زمنية محددة.

في وقت متأخر من بعد الظهر، يُعقد اجتماع مع مديري المنتجات لتحديد نطاق ميزات الربع القادم. ويتضمن ذلك ترجمة متطلبات العمل الغامضة إلى مناهج تقنية قابلة للتنفيذ، وتقدير مدى التعقيد، وتحديد التحديات المعمارية المحتملة.

ساعد مساعد الذكاء الاصطناعي في حوالي 30 دقيقة من مهام البرمجة. أما الساعات السبع المتبقية؟ فكانت خبرة بشرية خالصة.

واقع الشفرة القديمة

إليكم أمراً غالباً ما يغفل عنه من يقولون "سيحل الذكاء الاصطناعي محل المبرمجين": معظم التطوير المهني ليس مشاريع جديدة تماماً.

يتضمن ذلك صيانة قواعد بيانات ضخمة قديمة. والعمل مع أنظمة تطورت على مدى عقود. وفهم القرارات المعمارية التي اتخذها مطورون غادروا الشركة منذ سنوات.

يسلط بحث ArXiv حول الذكاء الاصطناعي لهندسة البرمجيات الضوء على مشكلة COBOL: حيث تشغل COBOL 80% من معاملات الخدمات المالية الشخصية و95% من عمليات تمرير أجهزة الصراف الآلي أثناء معالجة $3 تريليون من المعاملات التجارية يوميًا، مع أكثر من 220 مليار سطر من كود COBOL قيد الإنتاج (Taulli، 2020).

تواجه أدوات الذكاء الاصطناعي المدربة بلغات حديثة صعوبة في التعامل مع الأنظمة القديمة. فهي بالتأكيد لا تستطيع استيعاب المعرفة المؤسسية المتضمنة في قواعد البيانات البرمجية القديمة - قواعد العمل غير الموثقة، والسياق التاريخي لقرارات التصميم المحددة، والمعرفة الضمنية حول الأنظمة التي يمكن تعديلها بأمان وتلك التي لا يمكن تعديلها.

ما يكشفه استخدام المؤسسات فعلياً

يقدم بحث أجرته مؤسسة بروكينغز حول استخدام الذكاء الاصطناعي في المؤسسات رؤى قيّمة. فقد أظهر تحليل برنامج الدردشة الآلي "كلود" التابع لشركة أنثروبيك أنه في حين أن حوالي نصف استخدام "كلود" كان لأغراض تعزيز القدرات، فإن الغالبية العظمى (77%) من المهام التي نفذها عملاء الأعمال الذين يستخدمون واجهة برمجة تطبيقات "كلود" كانت لأغراض الأتمتة (أنثروبيك).

هذا التقسيم مهم. فالتحسين يعني أن الذكاء الاصطناعي يساعد البشر على أداء وظائفهم بشكل أفضل. أما الأتمتة فتعني أن الذكاء الاصطناعي يحل محل المهام البشرية تماماً.

تشير الأبحاث إلى أن الاستقرار، وليس الاضطراب، هو السمة المميزة لتأثيرات الذكاء الاصطناعي الحالية على سوق العمل. لكن هذا قد يتغير بسرعة. ومن الواضح أن المؤسسات تستكشف كيفية الانتقال من تعزيز القدرات إلى الأتمتة.

المتغير الأساسي ليس القدرة التقنية، بل الحافز الاقتصادي. فعندما تصبح الأتمتة أرخص وأكثر موثوقية من التعزيز، تتبع قرارات الأعمال أنماطًا يمكن التنبؤ بها.

تحدي التدريب

بالنسبة للمطورين الذين يخشون فقدان وظائفهم، تبدو إعادة التدريب حلاً بديهياً. لكن بحثاً أجرته مؤسسة بروكينغز حول برامج إعادة تدريب العمال يكشف عن حقائق مقلقة.

تختلف نسبة المشاركة في البرامج التدريبية اختلافًا كبيرًا في جميع أنحاء الولايات المتحدة، حيث تتراوح مدة التدريب في الفصول الدراسية من 14% إلى 96% حسب الولاية. وتتباين النتائج بشكل كبير. وقد أظهر تقييم وطني عشوائي أن فعالية البرامج التدريبية غير متسقة.

يتفاقم التحدي بالنسبة للمطورين. ما الذي ينبغي عليهم إعادة التدريب عليه تحديداً عندما يتغير المشهد التكنولوجي كل بضعة أشهر؟ إن تعلم إطار عمل جديد لا يوفر حماية كافية إذا أتقنت أدوات الذكاء الاصطناعي ذلك الإطار بعد ستة أشهر.

المستقبل الحقيقي للبرمجة

إذن، ما الذي سيحدث فعلاً؟

السيناريو الأرجح ليس النزوح الجماعي، بل تطور الأدوار. يواجه المطورون المبتدئون الضغط الأكبر في الوقت الراهن. تصبح وظائف المبتدئين التي تركز على كتابة أكواد بسيطة أقل تبريراً عندما تستطيع أدوات الذكاء الاصطناعي توليد مخرجات مماثلة.

أما المطورون من المستوى المتوسط والعالي الذين يفهمون التفكير النظمي، والهندسة المعمارية، ومجالات الأعمال؟ فلن يتم استبدالهم. بل سيحصلون على أدوات جديدة قوية تتولى الجوانب الروتينية من عملهم.

من المرجح أن يشهد القطاع انقساماً. سيزداد الطلب على المطورين الذين يتكيفون مع الذكاء الاصطناعي ويعززون خبراتهم في المجالات التي لا يستطيع الذكاء الاصطناعي الوصول إليها. أما أولئك الذين ينافسون الذكاء الاصطناعي في كتابة البرامج الأساسية فسيواجهون صعوبات.

تدعم توقعات مكتب إحصاءات العمل هذا الرأي. فبدلاً من توقع انهيار في فرص العمل في مجال تطوير البرمجيات، يشير التحليل إلى أن المطورين سيحتاجون إلى بناء وصيانة أنظمة الذكاء الاصطناعي بأنفسهم، مما يخلق نمط طلب دائري إلى حد ما.

الأسئلة الشائعة