كيف تتطور كمهندس مبتدئ في عصر كتابة الذكاء الاصطناعي للأكواد البرمجية

لماذا تزداد أهمية الأساسيات والممارسة الموجهة والحس الهندسي اليوم أكثر من أي وقت مضى.

بات بإمكان الذكاء الاصطناعي الآن أن ينتج في ثوانٍ معدودة شفرات برمجية كان المهندس المبتدئ يستغرق ساعات لكتابتها، وهذا يُعد تقدماً حقيقياً. لكنه يثير أيضاً تساؤلاً ينبغي لكل مؤسسة هندسية أن تطرحه: إذا كانت الأدوات تنجز القدر الأكبر من العمل، فكيف يكتسب المهندسون المبتدئون الخبرة التي يحتاجونها للنمو والتطور؟

كيف تغيرت مسيرة التعلم

قبل عقدين من الزمان، كان المطورون المبتدئون يتعلمون إلى حد كبير من خلال أدلة الاستخدام، والتوثيق البرمجي، والزملاء، وجلسات تنقيح الأخطاء الطويلة. وكثيراً ما كان العثور على حلٍ ما يتطلب جهداً يضاهي جهد تنفيذه.

وفي السنوات التي تلت ذلك، يسّرت منصات مثل Stack Overflow وGitHub ونماذج المصادر المفتوحة العثور على الإجابات بصورة أسهل بكثير. وأصبح بإمكان المبتدئين إعادة استخدام الحلول المتاحة، إلا أنه كان لا يزال يتعين عليهم تكييفها والربط بين أجزائها واستكشاف مشكلات المخرجات وإصلاحها.

وفي الآونة الأخيرة، جعلت أطر العمل المتقدمة، والخدمات السحابية، والدورات التدريبية عبر الإنترنت بناء التطبيقات أكثر يسراً وسهولة. وبدلاً من إنشاء كل شيء من الصفر، بات المطورون يعتمدون بشكل متزايد على تجميع المكونات الحالية ودمجها معاً.

واليوم، يذهب الذكاء الاصطناعي إلى أبعد من ذلك؛ إذ يمكنه اقتراح التصميم، وتوليد الشفرة البرمجية، وكتابة الاختبارات، واقتراح الحلول والإصلاحات، فيما يصفه البعض بأنه حقبة جديدة تصبح فيها اللغة الطبيعية ذاتها واجهة برمجية [3]. وبطبيعة الحال، تتداخل هذه الحقب مع بعضها؛ فلا يزال المطورون يقرؤون التوثيق البرمجي وينقحون الأخطاء بأنفسهم. غير أن رابطاً مهماً قد تغير: لم يعد إنتاج الشفرة البرمجية وتنفيذها ضمانةً بأن الشخص الذي أنتجها يفهمها حقاً.

الفرق بين زيادة السرعة وتطوير المهارة

من الواضح أن المساعدة المستندة إلى الذكاء الاصطناعي ترفع مستوى الإنتاجية. فقد خلصت دراسة ميدانية شملت ما يقرب من 4,900 مطور عبر ثلاث شركات إلى زيادة بنحو 26% في المهام المنجزة بفضل الذكاء الاصطناعي، وكانت أكبر المكاسب بين المطورين الأقل خبرة [1]. ورغم أن هذا أمر مشجع، إلا أن إنجاز المهام لا يعد بحد ذاته مقياساً لتطور المهارات على المدى الطويل.

تأمل في حالة مهندسين مبتدئين يقومان بتسليم الميزة البرمجية ذاتها. أحدهما يقبل الكود المُولَّد بعد فحص سريع، بينما يقوم الآخر أولاً باستيضاح المتطلبات، ومراجعة الشفرة، وكتابة اختبارات ذات جدوى، وتتبع أي إخفاق غير متوقع للوصول إلى سببه الجذري. كلاهما يقدم المهمة المطلوبة، لكن الثاني فقط هو من مارس التفكير والتحليل المنطقي الذي سيشكل فارقاً عند مواجهة المشكلة غير المألوفة التالية.

وقد أظهرت دراسة أجريت عام 2026 في مجال تعليم البرمجة مكاسب تعليمية أكبر لدى استخدام مساعد ذكاء اصطناعي يوجه الطلاب، مقارنةً بآخر يقدم لهم الحلول الجاهزة بالكامل فحسب [2]. ورغم أن الدراسة كانت محدودة وركزت على الطلاب بدلاً من المهندسين الممارسين، إلا أنها توضح الفارق الجوهري: إنهاء المهمة ليس هو الإنجاز ذاته المتمثل في تعلّم كيفية حلها.

لماذا تزداد أهمية الأساسيات الآن

إذا كان الذكاء الاصطناعي قادراً على إنشاء واجهة برمجة تطبيقات (API) أو كتابة استعلام لقواعد البيانات، فلماذا ندرس هياكل البيانات، والخوارزميات، والشبكات، والتزامن، وتصميم النظم؟ لأن هذه الأسس هي التي تمنح المهندسين القدرة على تقييم الحلول، بما فيها تلك التي لم يكتبوها بأنفسهم.

فقد يعيد استعلام أنشأه الذكاء الاصطناعي نتيجة صحيحة، ولكنه قد يؤدي إلى بطء الأداء مع تزايد حجم البيانات. وقد تنجح نقطة نهاية برمجية (Endpoint) في العرض التجريبي، لكنها تفشل تحت وطأة الطلبات المتزامنة. كما قد تبدو الميزة البرمجية المُولدة متقنة ومكتملة، ولكنها قد تسئ التعامل مع الصلاحيات أو معالجة الأخطاء. ومن دون استيعاب المفاهيم الأساسية، قد لا يعرف المهندس المبتدئ ما الذي ينبغي التشكيك فيه واختباره بدقة.

لطالما كانت الأساسيات مهمة للتصميم وتتبع الأخطاء. وما تغير الآن هو السرعة الفائقة التي يستطيع بها أي شخص إنتاج كميات هائلة من الشفرات البرمجية التي تبدو صالحة للعمل دون ممارسة هذا الفهم العميق. ستستمر أطر العمل وأدوات الذكاء الاصطناعي في التطور، والفهم المتين لكيفية عمل الأنظمة هو ما يتيح القدرة على التكيف مع استمرار هذا التطور.

تعلّم مع الذكاء الاصطناعي، وليس فقط من خلاله

ليس الحل في تجنب الذكاء الاصطناعي، ولا في إعادة تكرار كل خطوة مملة من الماضي، بل في استخدامه بطرق تبني القدرات وتصقلها. فقبل كتابة الأوامر التوجيهية (Prompts)، حدد المشكلة واقترح أسلوب الحل. اطلب من النموذج اختبار افتراضاتك وتحديها، وليس مجرد توليد الملفات. بعد ذلك، راجع النتيجة وتوقع سلوك النظام واختبر الحالات الأكثر عرضة للتسبب في تعطله.

ابنِ مشاريع تستمر وتتجاوز مرحلة العرض التجريبي: انشرها، وراقب إخفاقاتها، وحسّن أداءها، واجعلها قادرة على التكيف مع المتطلبات المتغيرة. ومن حين لآخر، قم بحل مشكلة محددة دون الاستعانة بالذكاء الاصطناعي لتعرف ما تفهمه حقاً. واحرص على الاستفادة من مراجعات الأكواد والتوجيه المهني، لأن شرح أي قرار لمهندس آخر غالباً ما يكشف عن ثغرات قد يخفيها نجاح عملية بناء الكود (Build).

ما يعنيه هذا للفرق الهندسية وعملائها

يقع على عاتق القادة الهندسيين دور يؤدونه أيضاً. فإذا كانت وكلاء الذكاء الاصطناعي يستحوذون على القدر الأكبر من المهام الروتينية التي كانت تمنح المبتدئين فرص التدريب، فإن على القادة إيجاد فرص أخرى للبحث والاستكشاف الموجه، وتقديم الملاحظات والتقييمات، وتوسيع نطاق المسؤولية تدريجياً.

هذه ليست مسألة كفاءات فحسب، بل هي مسألة جودة؛ فالكود الذي لا يفهمه أي فرد في الفريق على حقيقته يصبح أصعب في المراجعة، وأصعب في تنقيح الأخطاء، وأصعب في التوسعة. وتظهر العيوب في مراحل لاحقة وتصبح كلفة إصلاحها باهظة. وحين يغادر كاتب الأوامر الأصلي الشركة، قد ترحل معه المعرفة الكامنة خلف النظام.

أما بالنسبة للمؤسسات التي تطلب تطوير البرمجيات، فالدرس العملي يكمن في النظر إلى ما هو أبعد من سرعة التسليم. اسأل كيف يراجع الشريك التقني الأكواد المُولدة بالذكاء الاصطناعي، وكيف يختبر قابلية التوسع والأمان ومقاومة الأعطال، وكيف يطور المهندسين الذين سيتولون صيانة نظامك بمرور الوقت؛ فمن دون تلك الضمانات، قد تأتي سرعة اليوم على حساب موثوقية الغد.

نهجنا حيال ذلك في ديفيستا (Devista)

نرى في Devista أن الذكاء الاصطناعي مسرّع قوي للعمليات، لكنه ليس بديلاً بأي حال من الأحوال عن الحس والتقدير الهندسي. يعمل مهندسونا المبتدئون جنباً إلى جنب مع زملاء ذوي خبرة عبر برنامج توجيه منظم، وتخضع كل التغييرات لمراجعة الشفرة، سواء كُتبت مسودتها الأولى بواسطة إنسان أو نموذج ذكاء اصطناعي. وتنمو المسؤولية خطوة بخطوة: بدءاً من المهام واضحة المعالم، وصولاً إلى الميزات المتكاملة، ثم تولي مسؤولية أجزاء من نظام حي قيد التشغيل.

والنتيجة هي مهندسون يفهمون حقاً ما يقدمونه وينشرونه، وعملاء يحصلون على برمجيات يمكن لفرقهم صيانتها بكل ثقة. إذا كنت في بداية مسيرتك الهندسية وترغب في التطور وفق هذا النهج، فاستكشف الفرص المتاحة في صفحة انضم إلينا. وإذا كنت تبحث عن شريك يجمع في البناء بين السرعة والعناية الفائقة، فتواصل معنا.

النمو هو المقياس الحقيقي

ينبغي للمهندسين المبتدئين أن يصبحوا مستخدمين ماهرين للذكاء الاصطناعي، غير أن الهدف ليس التنافس مع النموذج في كتابة الشفرات، أو إحصاء عدد الميزات التي يمكن للوكيل الذكي إنتاجها، بل الهدف هو أن تصبح أكثر مهارة في استيعاب المشكلات، وموازنة المفاضلات والخيارات، وتوقع الأعطال، وتحمل مسؤولية نظام يعمل بكفاءة.

قد يساعدك الذكاء الاصطناعي في إنتاج شفرة برمجية تشبه أعمال المهندسين المتمرسين، لكن الوصول إلى هذه المكانة يظل بحاجة دائمة إلى الأساسيات، والممارسة، والتوجيه، والحس الهندسي السليم.

المراجع

1. كوي، زد. كيه.، وآخرون. (2026). آثار الذكاء الاصطناعي التوليدي على الأعمال عالية المهارة: أدلة من ثلاث تجارب ميدانية مع مطوري البرمجيات. Management Science. https://doi.org/10.1287/mnsc.2025.00535

2. ثانابون نوراسيت، وآخرون. (2026). تقييم روبوت المساعد المعملي على تعلم الطلاب وسلوكياتهم في دورة برمجية قصيرة. Computers and Education: Artificial Intelligence. https://doi.org/10.1016/j.caeai.2025.100527

3. كارباثي، أ. (2025). البرمجيات تتغير (من جديد). Y Combinator AI Startup School. https://www.youtube.com/watch?v=LCEmiRjPEtQ

الكاتب: عبد الرحمن الأحمر

مستشار أول في Devista وذو خبرة في هندسة البرمجيات. يهتم بشكل خاص بالذكاء الاصطناعي، والذكاء الاصطناعي القائم على الوكلاء، والقيادة الهندسية.