أصبح الذكاء الاصطناعي الوكلي جزءاً أساسياً من دورة تطوير البرمجيات داخل عدد متزايد من الشركات، بعدما أثبت قدرته على توليد كميات ضخمة من الشيفرة في وقت قياسي. لكن هذا التسارع في الإنتاج لم ينعكس بالضرورة على تحسن متناسب في جودة المنتجات أو سرعة وصولها إلى السوق، وهو ما يطرح سؤالاً مهماً على القيادات التقنية: أين يتوقف مكسب السرعة، وأين تبدأ كلفة الفوضى؟
الإجابة التي تتشكل داخل فرق الهندسة اليوم هي أن كتابة الكود لم تكن يوماً المشكلة الأكبر. التحدي الحقيقي كان دائماً في صياغة المتطلبات الصحيحة، وربط الأنظمة المعقدة ببعضها، وضمان الاستقرار في بيئات تشغيل تتغير باستمرار. ومع دخول الوكلاء الأذكياء إلى خط الإنتاج البرمجي، لم تختف هذه المشكلات، بل أصبحت أكثر وضوحاً لأن حجم المخرجات تضاعف بينما بقيت قدرة المؤسسات على الاستيعاب والمراجعة محدودة.
هذا التحول يفسر لماذا تشعر كثير من الشركات بأنها تنتج أكثر من أي وقت مضى، لكنها لا تحقق بالضرورة مكاسب مماثلة في الأداء التجاري أو التقني. فالذكاء الاصطناعي الوكلي يختصر زمن التنفيذ، لكنه لا يختصر الغموض، ولا يلغي الحاجة إلى المساءلة، ولا يحل التعقيد التشغيلي الذي يحيط بالبرمجيات الحديثة.
عنق الزجاجة انتقل من الكتابة إلى الفهم
عندما كانت فرق التطوير تكتب معظم الشيفرة يدوياً، كان بطء الإنتاج نفسه يشكل جزءاً من آلية الضبط. أما الآن، ومع قدرة الأنظمة الذكية على توليد مزيد من الملفات والوظائف والوحدات البرمجية، فقد انتقل الضغط إلى مرحلة المراجعة والفهم. المراجعة البشرية أصبحت أبطأ نسبياً، ليس لأن الفرق أقل كفاءة، بل لأن كمية ما يجب التحقق منه أكبر بكثير من السابق.
المشكلة هنا لا تتعلق بالسرعة فقط، بل بفقدان السياق. فكلما زاد اعتماد الفريق على الوكلاء، صار فهم التسلسل المنطقي لعمل النظام أكثر صعوبة، وصار اكتشاف الأخطاء الدقيقة أكثر تعقيداً. وهذا يعني أن الشركات التي تبني استراتيجية الذكاء الاصطناعي على أساس زيادة المخرجات فقط قد تجد نفسها أمام عبء جديد من العمل غير المرئي: تصحيح، وإعادة اختبار، وإعادة تنظيم، وتوثيق.
من هذه الزاوية، لا يبدو الذكاء الاصطناعي الوكلي كبديل عن المهندس، بل كعامل ضغط يعيد توزيع الأدوار داخل الفريق. المهندس لم يعد الشخص الذي يكتب كل شيء من البداية، بل أصبح مسؤولاً أكثر عن توجيه النماذج، والتحقق من سلوكها، وضبط المخرجات ضمن بنية يمكن الاعتماد عليها.
الحوكمة والأمن والميزانية في صدارة المخاطر
أحد أبرز التحديات التي أفرزها التبني السريع لهذه الأدوات هو أن الحوكمة لم تعد مسألة إجرائية ثانوية، بل خط دفاع أول. إعطاء الفرق حرية كاملة لتجربة وكلاء أذكياء من دون إطار موحد قد يؤدي إلى تكرار الجهود، وتضخم التكاليف، وتباين سياسات الاستخدام من فريق إلى آخر. لذلك باتت المؤسسات بحاجة إلى التعامل مع إعدادات الوكلاء كما تتعامل مع البنية التحتية الإنتاجية: مراجعة، وإصدارات، واختبارات، ونشر تدريجي.
ويظهر تحدٍ آخر في الصلاحيات. فالمعاملات التي ينفذها الوكيل لا ينبغي أن تُدار بالمنطق نفسه المستخدم مع الموظف البشري. البشر يملكون سياقاً واسعاً وقدرة على الحكم، بينما يحتاج الوكيل إلى حدود صارمة بين القراءة والتنفيذ. منح الأنظمة الذكية صلاحيات واسعة من دون طبقات تحقق واضحة يخلق فجوة مساءلة قد تتحول سريعاً إلى مشكلة أمنية أو تشغيلية.
إلى جانب ذلك، بدأت كلفة الاستخدام نفسها تتحول إلى عنصر يجب مراقبته بصرامة. فالمسألة لم تعد مرتبطة فقط بعدد الطلبات المرسلة إلى النماذج أو بحجم الاستهلاك اليومي، بل بإدارة سقوف واضحة تمنع الانفلات المالي. بعض الشركات اكتشفت أن حلقات التشغيل المتكررة للوكلاء قد ترفع الفاتورة إلى مستويات غير متوقعة، ما يجعل الانضباط المالي جزءاً من استراتيجية التبنّي وليس مجرد تفصيل محاسبي.
الاستراتيجية التقنية لم تعد تعتمد على نموذج واحد
من الأخطاء الشائعة في التبني المؤسسي للذكاء الاصطناعي الاعتقاد بأن نموذجاً واحداً يمكن أن يخدم كل المهام بنفس الكفاءة. الواقع أكثر تعقيداً من ذلك. بعض النماذج تتفوق في التوليد السريع، وأخرى في الاستدلال، وأخرى في المراجعة أو التلخيص أو التعامل مع الأنظمة المتعددة. لهذا تميل الفرق الناضجة إلى اعتماد نهج متعدد النماذج والموردين، بحيث تُوجَّه كل مهمة إلى الأداة الأكثر ملاءمة لها.
هذا التنويع لا يهدف فقط إلى تحسين الجودة، بل أيضاً إلى تقليل المخاطر. الاعتماد على مزود واحد أو نموذج واحد يخلق نقطة فشل حرجة في قلب العملية الهندسية. وعندما تصبح الأتمتة جزءاً من الإنتاج اليومي، فإن أي خلل في هذا المركز قد ينعكس مباشرة على سرعة التطوير واستقرار النظام.
كما أن تقييم الجدوى لا يجب أن يقتصر على سعر الاستخدام أو كلفة الرموز. النموذج الأرخص ليس دائماً الخيار الأفضل، لأن أي خطأ إضافي أو عملية إعادة عمل قد ترفع الكلفة الكلية بشكل يفوق التوفير الأولي. من هنا تأتي أهمية اختيار نماذج قادرة على تقليل الهدر وتحسين العائد الفعلي على كل دولار يُنفق.
المؤشرات التقليدية لم تعد كافية لقياس الإنتاجية
في بيئة يكتب فيها الوكلاء كميات ضخمة من الشيفرة، تصبح مقاييس مثل عدد الأسطر أو عدد طلبات الدمج أو سرعة إنجاز المهام مضللة أكثر من كونها مفيدة. هذه المؤشرات كانت أصلاً محدودة حتى قبل دخول الذكاء الاصطناعي، لكنها الآن لم تعد تشرح شيئاً عن جودة النظام أو أثره التجاري.
الأقرب للواقع هو ربط القياس بنتائج الأعمال والاستقرار الهندسي في الوقت نفسه. فنجاح فريق التطوير لا يُقاس فقط بسرعة تسليم الميزة، بل أيضاً بمدى استخدامها، وبمعدل الأعطال بعد النشر، وبكمية العيوب التي تمر إلى الإنتاج، وبقدرة الكود على البقاء صالحاً مع مرور الوقت. أما في حالة الذكاء الاصطناعي، فهناك حاجة أيضاً إلى قياس نجاح المهمة مقابل التكلفة، وكمية إعادة العمل المطلوبة بعد تدخل الوكيل.
بهذا المعنى، لا يكفي أن ينجز الوكيل المهمة، بل يجب أن ينجزها بطريقة تقلل المراجعة اللاحقة. فكل ساعة يوفرها في الكتابة يمكن أن تضيع لاحقاً في التصحيح إن لم تكن المعايير واضحة منذ البداية.
التحول الحقيقي يبدأ من البشر لا من الأدوات
الجانب التنظيمي لا يقل أهمية عن الجانب التقني. فمع اتساع استخدام الذكاء الاصطناعي الوكلي، تحتاج الشركات إلى إعادة تعريف دور المهندس نفسه. المطلوب لم يعد مجرد إتقان الصياغة البرمجية، بل امتلاك فهم أعمق للأنظمة، وتنسيق التداخلات بين الخدمات، وإدارة سلوك الوكلاء ضمن رؤية معمارية متماسكة.
هذا التحول يعني أن فرق التطوير تحتاج إلى مهارات جديدة: التفكير النظامي، وإدارة الاعتمادات المعقدة، وفهم نقاط الفشل، والقدرة على توجيه الأتمتة بدلاً من الاكتفاء بمراقبتها. وفي المقابل، يجب أن تتغير أنظمة التقييم والمكافآت بحيث تكافئ الأثر الأوسع، لا مجرد كمية المخرجات.
كما ينبغي الحذر من ردود الفعل المتسرعة، خصوصاً قرارات خفض القوى العاملة قبل أن تتضح صورة الأداء الفعلي للأنظمة الذكية داخل المؤسسة. فالشركات التي لم تُعرّف بعد كيف يعمل الوكيل في بيئتها، ولم تقِس إنتاجه الفعلي، ولم تُعدّل خارطة العمل حوله، لا تملك أساساً كافياً لاتخاذ قرارات هيكلية نهائية. خفض العدد قبل فهم الصورة ليس انضباطاً، بل مخاطرة.
الرسالة الأوسع: السرعة من دون ضبط قد تعني تعقيداً أكبر
الذكاء الاصطناعي الوكلي ليس أداة لإلغاء الحكم البشري، بل لتوسيعه. ففي البيئات المنظمة جيداً، يمكنه أن يرفع الإنتاجية ويقلص الزمن اللازم للوصول إلى الحلول. أما في البيئات غير الواضحة، فإنه يسرّع ظهور المشكلات نفسها التي كانت تتشكل ببطء في السابق: الأعطال، والدين التقني، وتضخم التكاليف، وتراجع القدرة على الفهم.
لهذا فإن التحدي الحقيقي أمام القيادات التقنية اليوم ليس في تبني الذكاء الاصطناعي بسرعة أكبر، بل في بناء القدرة على فهم حدوده وإدارة مخاطره. الشركات التي تنجح في ذلك ستستفيد من القوة الجديدة من دون أن تفقد السيطرة على أنظمتها. أما التي تتعامل مع الوكلاء كاختصار شامل لكل شيء، فقد تكتشف أن ما وفرته في كتابة الكود خسرته لاحقاً في المراجعة والتشغيل والحوكمة.