أظهر تقرير جديد أن الذكاء الاصطناعي لم يعد مجرد أداة تجريبية في كتابة الأكواد داخل الشركات، بل أصبح جزءاً من دورة التطوير اليومية لدى شريحة واسعة من المؤسسات. غير أن هذا الانتشار السريع كشف عن مشكلة موازية: القدرة على توليد الكود تتقدم بسرعة أكبر من قدرة فرق الهندسة على مراجعته وفهمه وتأمينه.
وبحسب النتائج المستندة إلى استطلاع شمل 309 من القادة والممارسين في مجال الهندسة عبر خمس قارات، فإن 44.7% من المؤسسات تشغّل بالفعل أكواداً مولدة بالذكاء الاصطناعي داخل بيئات الإنتاج، بينما تستخدم 35.0% هذه الأدوات في كتابة الكود من دون أن تصل بعد إلى مرحلة النشر الفعلي.
هذا يعني أن النقاش داخل الشركات لم يعد يدور حول ما إذا كان الذكاء الاصطناعي سيكتب الكود، بل حول مدى قدرة المؤسسات على إدارة هذا التحول من حيث المراجعة والامتثال والجودة والأمن.
الانتشار يتسارع لكن الثقة لا تنمو بالوتيرة نفسها
تكشف الأرقام أن الاعتماد على الأكواد المولدة بالذكاء الاصطناعي يقترب من أن يصبح معياراً واسعاً داخل فرق التطوير. إلى جانب المؤسسات التي تستخدمه بالفعل في الإنتاج أو خارجه، قال 16.2% إنهم يخططون لتبنيه خلال الأشهر الـ12 المقبلة، فيما أشار 4.2% إلى نيتهم استخدامه في وقت لاحق.
لكن هذا التوسع لا يعني بالضرورة ارتفاع الثقة في المخرجات. فالقلق الأساسي لم يعد متعلقاً بسرعة الإنتاج، بل بغياب الرؤية الكافية حول ما الذي يولده الذكاء الاصطناعي، ولماذا تولد، وكيف يمكن التأكد من أن النتائج آمنة وقابلة للصيانة.
ويصف التقرير هذه الحالة بأنها فجوة في الرؤية، حيث أصبحت فرق التطوير قادرة على إنتاج كميات أكبر من الكود في وقت أقل، بينما بقيت أدوات الاستيعاب والمراجعة والتحكم أبطأ من هذا الإيقاع الجديد.
الاستخدام يبدأ بالمهام المتكررة منخفضة المخاطر
تُظهر البيانات أن المؤسسات لا تمنح الذكاء الاصطناعي الثقة أولاً في أكثر الأجزاء حساسية من الأنظمة، بل تبدأ بالمهام الأكثر نمطية وقابلية للضبط. ويأتي في مقدمة الاستخدامات التوثيق البرمجي بنسبة 68.7%، ثم اختبارات الوحدات بنسبة 65.9%، تليها الدوال البسيطة بنسبة 57.7%.
كما يُستخدم الذكاء الاصطناعي في المراجعة البرمجية بنسبة 57.7%، وفي إنشاء ميزات جديدة بنسبة 50.4%. ويعكس هذا التوزيع نهجاً حذراً نسبياً؛ فالشركات تبدو مستعدة لتفويض المهام المتكررة والمهيكلة، لكنها لا تزال مترددة في الاعتماد عليه في القرارات المعمارية الحساسة أو في الأنظمة عالية الأثر.
المحصلة أن الذكاء الاصطناعي يقدم مكاسب واضحة في الإنتاجية، لكنه يفرض في المقابل إعادة ترتيب جذرية لعملية التطوير نفسها.
مكاسب واضحة في السرعة والإنتاجية
من بين المستخدمين الحاليين للكود المولّد بالذكاء الاصطناعي، قال 67.1% إنه رفع الإنتاجية، فيما أشار 61.8% إلى أنه سرّع بناء النماذج الأولية، و58.5% إلى تحسن التوثيق، و48.4% إلى انخفاض تكاليف التطوير.
لكن الصورة ليست متطابقة عندما يتعلق الأمر بالجودة. فبينما يتوقع 47.6% من غير المستخدمين أن يقلل الذكاء الاصطناعي الأخطاء، يقول 34.6% فقط من المستخدمين الحاليين إنهم لاحظوا بالفعل انخفاضاً في الأخطاء.
هذه الفجوة بين التوقع والواقع توحي بأن قيمة الذكاء الاصطناعي في البرمجة لا تكمن فقط في إنتاج الكود، بل في المنظومة المحيطة به: المراجعة، والاختبار، وسلامة التبعية البرمجية، ووضوح المسؤولية البشرية.
عبء المراجعة ينتقل إلى واجهة التطوير
يرى التقرير أن نقطة الاختناق الأساسية انتقلت من كتابة الكود إلى مراجعته. فقرابة 80% من المشاركين يقضون ما لا يقل عن 10% من وقتهم في مراجعة الكود، بينما قال نحو واحد من كل عشرة إن المراجعة تستحوذ على 41% أو أكثر من وقت عمله.
وتبرز هذه المشكلة بوضوح لأن الأكواد المولدة بالذكاء الاصطناعي تزيد من حجم التغييرات وعدد طلبات الدمج، في حين قد لا يملك المراجعون السياق الكامل لفهم كيفية إنتاج هذا الكود أو سبب صياغته بهذه الطريقة.
وعند سؤال المشاركين عن أصعب التحديات في فهم التغييرات داخل قاعدة الكود، جاءت تعقيدات الكود بنسبة 53.7%، ثم اختلاف أساليب العمل بين الفرق بنسبة 46.3%، وضعف التوثيق بنسبة 43.0%، والزيادة الكبيرة في حجم التغييرات بنسبة 37.9%.
هذا يعني أن المشكلة لم تعد تقنية بحتة، بل تنظيمية أيضاً، لأن السرعة الأعلى في التوليد تفرض تكلفة إضافية على فرق المراجعة وضبط الجودة.
المخاطر الأمنية والاعتمادية على رأس القائمة
أبرز ما يقلق المشاركين في التغييرات الأسبوعية هو احتمال مرور مشكلات يصعب اكتشافها مبكراً. فقد حازت المخاطر الأمنية على 49.2%، تلتها التغييرات في الاعتماديات بنسبة 47.7%، ثم تأثيرات الأداء بنسبة 44.1%.
وتكتسب هذه النتائج أهمية خاصة لأن هذه الأنواع من المخاطر غالباً ما تظهر متأخرة، بعد الوصول إلى الإنتاج، وقد تؤدي إلى أعطال تشغيلية أو مشكلات امتثال أو زيادة في الديون التقنية.
كما أشار المشاركون إلى آثار سلبية أخرى، منها تراجع فرص التعلم لدى المطورين الجدد بنسبة 41.1%، وعدم مطابقة الكود للوظيفة المطلوبة بنسبة 32.6%، وظهور اعتماديات غير مقصودة بنسبة 31.6%، وثغرات أمنية بنسبة 31.6%، وصعوبة تصحيح الأخطاء بنسبة 29.5%.
الذكاء الاصطناعي في البرمجة يتحول إلى ملف مؤسسي
لم يعد هذا الموضوع شأناً يخص فرق الهندسة وحدها. فالتقرير يظهر أن المخاطر المرتبطة بالكود المولّد بالذكاء الاصطناعي باتت محل اهتمام واسع داخل المؤسسات، بدءاً من الأمن السيبراني ووصولاً إلى الإدارة التنفيذية.
وتصدر فريق الأمن بنسبة 62.5% قائمة الجهات الأكثر قلقاً، يليه الامتثال بنسبة 51.5%، ثم القيادات التقنية مثل CTO وCIO بنسبة 46.9%، وأخيراً الفرق القانونية بنسبة 40.8%.
ويمتد هذا الاهتمام إلى العمليات وضمان الجودة وإدارة المنتجات والقيادة العليا. والسبب أن أي كود يصل إلى الإنتاج يمكن أن ينعكس على حماية البيانات وتجربة العملاء والاستعداد للتدقيق والالتزامات التعاقدية.
الشركات تستجيب بتوسيع أدوات الحوكمة
أمام هذا الواقع، بدأت المؤسسات بالاستثمار في أدوات وسياسات أكثر صرامة. فقد أفاد 45.6% بأنهم استثمروا في أدوات تحليل جودة الكود، و39.0% في أدوات المراجعة الآلية، و38.5% في اختبار الأمان الساكن، و35.9% في تحليل مكونات البرمجيات، و32.3% في الاختبار الأمني التفاعلي، بينما اعتمد 31.3% على تدريب مخصص لمساعدات البرمجة.
أما على مستوى السياسات، فقال 57.4% إن لديهم قواعد محددة لاستخدام الكود المولّد بالذكاء الاصطناعي، و49.2% يشترطون التدريب على استخدامه، و45.1% شددوا عمليات مراجعة الكود، و40.5% زادوا عدد المطورين المخصصين للمراجعة.
وتكشف هذه الإجراءات أن الذكاء الاصطناعي لم يعد مجرد أداة إنتاج، بل بات يتطلب بنية تشغيلية كاملة حوله، تشمل الضبط والمراجعة والتوثيق والمساءلة.
المرحلة المقبلة: من التوليد إلى التحكم
يطرح التقرير مفارقة لافتة: كثير من القادة التقنيين يرون أن الذكاء الاصطناعي قد يساعد لاحقاً في حل عبء المراجعة الذي ساهم في تضخيمه. فقد قال 64.9% إن الذكاء الاصطناعي قد يتفوق على البشر في بعض جوانب مراجعة الكود، مقابل 21.1% لا يوافقون على ذلك، و14.0% لا يملكون رأياً حاسماً.
ويرى المشاركون أن الذكاء الاصطناعي قد يكون أكثر قدرة على تطبيق معايير موحدة بنسبة 57.4%، وتقديم تحليل أكثر شمولاً، ورصد الأنماط عبر قواعد الكود بنسبة 53.3%، وتوفير ردود أسرع بنسبة 51.8%، واكتشاف عدد أكبر من المشكلات بنسبة 49.7%، مع القدرة على العمل على مدار الساعة بنسبة 48.2%.
لكن الخلاصة الأهم أن نجاح الذكاء الاصطناعي في تطوير البرمجيات لن يُقاس فقط بعدد الأسطر التي ينتجها، بل بمدى قدرة المؤسسات على فهم هذه الأسطر، ومراجعتها، وتأمينها، وربطها بسياقها التشغيلي. فالمعادلة لم تعد بين البشر والآلة في الكتابة، بل بين السرعة والضبط في كل مرحلة من مراحل التطوير.