أعاد انتشار أدوات الذكاء الاصطناعي التي تكتب الأكواد طرح سؤال قديم بصيغة جديدة: كيف يتدرج المهندس الشاب من مستوى المبتدئ إلى موقع الخبير عندما تصبح كتابة الشيفرة نفسها مهمة يمكن للآلة تنفيذها؟
في السابق، كان المسار المهني داخل فرق البرمجيات أكثر وضوحاً. يبدأ المهندس الجدد بمهام محددة، ثم يمرون عبر سلسلة متكررة من الكتابة والمراجعة والتعديل والتعلم من الأخطاء. ومع كل دورة، تتسع قدراتهم قليلاً، وتتراجع الحاجة إلى التوجيه المباشر. من خلال هذا التراكم العملي كانت تتشكل لديهم السمة الأهم لدى المهندس المتقدم: القدرة على إصدار الحكم السليم.
اليوم، تغيرت البيئة بسرعة. فبدلاً من أن يكتب المطور كل سطر بنفسه، أصبح الذكاء الاصطناعي قادراً على إنتاج أجزاء كبيرة من الكود، بل ومراجعة بعض ما أنجزته أدوات أخرى. هذا التحول رفع الإنتاجية، لكنه في الوقت نفسه قلّص المساحات التي كان المهندس الشاب يتعلم فيها بالممارسة المباشرة. لذلك ظهر قلق متزايد من أن مسار بناء الخبرة قد أصبح أضيق مما كان عليه سابقاً.
التوجيه لم يعد أقل أهمية بل أصبح أكثر قابلية للتنظيم
رغم هذه المخاوف، يرى بعض القادة التقنيين أن التغيير لا يعني بالضرورة تراجع دور الإشراف، بل قد يجعله أكثر دقة وفاعلية. فبدلاً من الاعتماد الكامل على الشرح الشفهي أو التصحيح العفوي أثناء العمل، يمكن تحويل جزء كبير من الخبرة إلى تعليمات واضحة، وضوابط مكتوبة، ومعايير قابلة لإعادة الاستخدام.
في هذا السياق، يمكن للمهندس الأقدم أن يمنح زميله الأصغر مهاماً أكبر من السابق، ما دام نطاقها محدداً جيداً. كما يمكنه أن يزوده بخطوات عمل واضحة، ويطلب منه وضع خطة قبل التنفيذ، ومراجعة الاختبارات، والتأكد من فهم النتائج المتوقعة قبل طلب المساعدة. هذا النمط لا يلغي الإرشاد، لكنه ينقله من نصائح عامة إلى إطار عملي أكثر انتظاماً.
الفكرة الأساسية هنا أن استخدام الذكاء الاصطناعي لا يختصر التعلم، بل يعيد تشكيله. فالعمل مع الأدوات الذكية يسمح بتكرار التجربة بسرعة أكبر، وتلقي تغذية راجعة أكثر، واكتشاف الأخطاء مبكراً، شرط ألا يتحول المتعلم إلى مجرد ناقل للأوامر بين الإنسان والآلة.
ثلاث مهارات أساسية للعمل مع الذكاء الاصطناعي
يبدو أن التعاون الفعّال مع أدوات البرمجة الذكية يعتمد على ثلاث قدرات مترابطة. أولها أن يعرف المهندس كيف يسأل الأداة نفسها عندما لا يعرف الحل. وثانيها أن يحدد أين أخطأت الأداة، ثم يحول هذه الملاحظة إلى قاعدة عمل تمنع تكرار المشكلة. أما الثالثة فهي الأهم: القدرة على اكتشاف أن الاتجاه الذي تسير فيه الأداة خاطئ قبل أن يتوسع الخطأ.
المهارتان الأولى والثانية يمكن تعلمهما نسبياً عبر التمرين. لكن المهارة الثالثة تحتاج إلى احتكاك حقيقي ومرافقة مباشرة من مهندس أكثر خبرة. فالمطلوب هنا ليس فقط معرفة إجابة صحيحة، بل امتلاك حس يسمح بتمييز الحل السليم من الحل المريح ظاهرياً.
ولهذا السبب، لا تزال المهام المحددة والمحدودة النطاق ضرورية في التدريب. يمكن للمبتدئ أن يبدأ بمشكلة واضحة المعالم، ثم ينتقل تدريجياً إلى مساحات أكثر تعقيداً وغموضاً. ومع كل مرحلة، تقل كمية التعليمات وتزداد مساحة القرار الشخصي. بهذه الطريقة يتعلم المهندس كيف يفكر، لا كيف يكرر فقط.
البرمجة الثنائية في عصر الأدوات الذكية
لم تفقد البرمجة الثنائية قيمتها في ظل الذكاء الاصطناعي، لكنها اتخذت شكلاً جديداً. فبدلاً من أن يجلس مهندسان أمام شاشة واحدة ويكتبا معاً، أصبح من الممكن أن يلعب النظام الذكي دور الشريك الذي يطرح الأسئلة أو يقترح البدائل، بينما يحتفظ المهندس الأصغر بدور القيادة الفعلية.
في هذا النموذج، لا ينبغي للأداة أن تقدم الجواب النهائي سريعاً ثم تنهي النقاش. الأفضل أن تدفع المتعلم إلى التفكير في الخيارات، ومقارنة البدائل، وشرح سبب تفضيله لمسار دون آخر. بهذه الطريقة تتحول جلسة العمل إلى تمرين على التحليل والمراجعة، لا إلى عملية نسخ وتصحيح آلي.
كما أن هذه الجلسات تنتج قيمة إضافية مهمة: التوثيق. فإذا برز سبب معين لرفض حل ما أو تفضيل معيار محدد، فمن الأفضل تسجيله في وثيقة معمارية أو دليل عمل أو ملاحظة داخل المستودع البرمجي. عندها لا يظل القرار حبيس المحادثة، بل يصبح جزءاً من ذاكرة الفريق ومادة تعليمية يمكن الرجوع إليها لاحقاً.
الذكاء الاصطناعي لا يلغي المراجعة بل يغيّر معناها
أحد أكبر التحولات التي أحدثتها هذه الأدوات هو ما جرى لعملية مراجعة الكود. فبدلاً من أن تكون مساحة لتبادل المعرفة فقط، بات بعض المطورين يستخدمون الذكاء الاصطناعي لتعديل الملاحظات بسرعة، من دون أن يقرؤوها بعمق أو يفهموا خلفيتها بالكامل. هذه الممارسة توفر الوقت، لكنها قد تترك فجوة معرفية لدى المبتدئ.
المشكلة ليست في استخدام الأداة، بل في القفز فوق مرحلة الفهم. فعندما يتلقى المهندس ملاحظة ثم يرسلها مباشرة إلى المساعد الذكي لتصحيحها، يختصر الطريق لكنه يخسر فرصة مهمة: أن يفهم لماذا كان الحل الأصلي غير مناسب، وكيف يمكن أن يفكر بصورة أفضل في المرة المقبلة.
في المقابل، ما زال البشر يلجؤون إلى زملائهم عندما يتعلق الأمر بسياق العمل، أو بقواعد العمل داخل الشركة، أو بتاريخ حل مشكلة مشابهة. وهذا يكشف حدود الأدوات الذكية بوضوح: فهي مفيدة في إنتاج الاقتراحات، لكنها أقل كفاءة في نقل الخبرة السياقية، وفي توفير التنوع في وجهات النظر، وفي بناء العلاقة المهنية التي تتكون عبر التفاعل المباشر.
لماذا يظل الاستثمار في المهندسين الجدد ضرورياً
مع أن بعض الشركات بدأت تقلص تعيين المهندسين الجدد بسبب اعتمادها المتزايد على الذكاء الاصطناعي، فإن هذا التفكير قد يكون قصير النظر. فالخبرة العميقة لا تظهر فجأة، بل تُصنع عبر سنوات من التعلم والخطأ والتصحيح. والمهندس الذي يصبح خبيراً اليوم كان في وقت ما مبتدئاً تلقى فرصة النمو والتوجيه.
إذا توقفت الشركات عن تدريب الجيل الجديد، فلن تشعر بالمشكلة فوراً. لكن بعد سنوات، ستجد نفسها أمام فجوة في الكفاءات، لأن مهارات الحكم واتخاذ القرار لا يمكن استيرادها بسرعة من السوق مثل الأدوات أو الخدمات السحابية. إنها تتطلب بيئة تسمح بالتعلم التدريجي، والممارسة، والتعرض المنظم للمسؤولية.
من هنا، لا يبدو السؤال الحقيقي هو ما إذا كان الذكاء الاصطناعي سيكتب الكود، بل من سيصنع المهندسين القادرين على تقييم هذا الكود وتوجيهه. فالمستقبل التقني لن يحتاج فقط إلى من يعرف استخدام الأدوات، بل إلى من يعرف متى يثق بها ومتى يتوقف ليعيد التفكير.
والخلاصة أن الطريق إلى المستوى المتقدم لم يتغير في جوهره. ما زال المهندس يحتاج إلى توسيع قدرته على التعامل مع الغموض، والسعي إلى خيارات متعددة، وعدم الاكتفاء بأول إجابة تبدو مقنعة. الجديد فقط هو أن السؤال لم يعد يُوجَّه إلى زميل بشري وحده، بل إلى نموذج ذكي أيضاً. ومع ذلك، تبقى المسؤولية النهائية على الإنسان الذي يقرر، ويوازن، ويختار.