GitHub Copilot يتيح ربط القياس عن بُعد بالمستخدم دون جمع المطالبات

حصل GitHub Copilot على إعداد يفصل بين مسألتين اختلطتا طويلاً في القياس عن بُعد المؤسسي: من يستخدم المساعد، وماذا يكتب له تحديداً. يتيح المعامل telemetry.capture.identity في managed settings لمسؤولي Enterprise نسبة نشاط Copilot إلى مستخدم بعينه، دون جمع المطالبات (prompts) والردود ومحتوى الأدوات. ويضيف المعامل ثلاثة خيارات للتهيئة. غير أن قائمتها مقتطعة في الجزء المنشور من الإعلان، لذا من الأفضل مطابقة الأسماء والقيم الدقيقة مع التدوينة الأصلية في GitHub Changelog بتاريخ 12 أكتوبر 2026.

ما الذي تغيّر بالضبط

حتى الآن، كان أمام الشركات التي تعتمد مساعدات الذكاء الاصطناعي للمطورين خيار غير مريح. فإما جمع القياس عن بُعد بصيغة مجهولة الهوية، مع عدم معرفة أي الموظفين يستخدم الأداة فعلاً. وإما تفعيل جمع تفصيلي تدخل فيه إلى السجلات، إلى جانب نسبة النشاط، نصوص الطلبات ومقتطفات الشيفرة ونتائج استدعاءات الأدوات. وفي الحالة الثانية قد ينتهي في مخزن القياس عن بُعد كل ما عرضه المطور على النموذج: واجهات API داخلية، وأسماء عملاء، وأجزاء من منطق برمجي غير علني.

يجعل الإعداد الجديد الهوية محوراً مستقلاً. يستطيع المسؤول إبقاء ربط الحدث بالمستخدم دون الحصول على محتوى التفاعل. ويُضبط الإعداد مركزياً عبر managed settings، أي أن المطور لا يغيّره محلياً.

لماذا يهم هذا الشركات

تغطي النسبة دون المحتوى عدداً من المهام المعتادة في الاعتماد المؤسسي:

• احتساب التراخيص: يظهر أي المقاعد المشتراة مستخدمة فعلاً وأيها معطّل؛
• قياس الكفاءة: يمكن مقارنة النشاط بالفرق والمشاريع دون قراءة المحادثات نفسها؛
• التحقيق في الحوادث: عند سلوك شاذ من العميل يتضح على جهاز من ظهر؛
• الامتثال للسياسات الداخلية: لا يحتاج فريق الأمن إلى تخزين الشيفرة والمطالبات ليجيب عن سؤال «من وفي أي وقت».

وثمة حجة أخرى تتعلق بالجانب التنظيمي. فبالنسبة إلى الشركات الأوروبية، تخضع البيانات الشخصية في القياس عن بُعد ومحتوى المراسلات العملية عادةً لأنظمة موافقة مختلفة مع العاملين والنقابات. وعندما يُفصل جمع المعرّف عن جمع النصوص يصبح تبريره أسهل: الغاية واضحة وحجم البيانات محدود.

ما الذي يبقى غامضاً

لا يكشف الإعلان بصيغته المتاحة عدداً من التفاصيل. فليس معروفاً أي خيارات ثلاثة بالضبط يقدمها telemetry.capture.identity، ولا بأي شكل يُخزَّن المعرّف: اسم دخول أم معرّف داخلي أم قيمة تجزئة (hash). كما لا يتبين من النص على أي عملاء Copilot ينطبق الإعداد، ولا كيف يتفاعل مع المعاملات القائمة أصلاً لجمع المحتوى. تحدد هذه النقاط مدى ملاءمة الإعداد للسياسات الصارمة، ويجب التحقق منها قبل التفعيل.

كيف يتصرف المسؤولون

الترتيب العملي كالتالي:

1. قراءة التدوينة الكاملة في GitHub Changelog ووثائق managed settings، وتدوين القيم الثلاث للمعامل. 2. تحديد غاية النسبة: احتساب التراخيص أو الأمن أو تحليلات الإنتاجية. ويتوقف اختيار الوضع على هذه الغاية. 3. التنسيق مع الإدارة القانونية وممثلي الموظفين. يظل معرّف المستخدم بيانات شخصية حتى عندما لا تحتوي السجلات على مطالبات. 4. التحقق على مجموعة تجريبية من أن المحتوى لا يصل فعلاً إلى القياس عن بُعد، مثلاً بفحص الأحداث الفعلية في مستقبِل السجلات. 5. تحديد مدة الاحتفاظ ونطاق الوصول إلى البيانات: فالنسبة وحدها تتيح بناء ملفات تعريف للنشاط.

الخلاصة للسوق عملية. فمساعدات الذكاء الاصطناعي المؤسسية تُختار بصورة متزايدة بحسب التحكم في البيانات، لا بجودة النموذج وحدها. والقدرة على الإجابة عن سؤال «من يستخدم» دون الإجابة عن سؤال «ماذا كتب» تزيل إحدى الحجج المتكررة لفرق الأمن ضد التوسع في الاعتماد.