METR يقدّر توفير الوقت بنحو 4–18%، لكنه يقرّ بأن القياس غير موثوق

كتب الوكيل في دقيقة كودًا كان يستغرق سابقًا نصف يوم. هذا ممتاز، بشرط ألا يقضي الفريق بعد ذلك يومًا في التحقق منه وتصحيحه. هذه الفجوة بين سرعة التوليد وسرعة إنجاز العمل هي تحديدًا ما حاول METR قياسه. وأسفرت التجربة المعادة عن تقديرات لتقليص الوقت بنسبة 4–18%، لكن الباحثين اعتبروا النتيجة غير موثوقة. فقد أصبح المطورون يرفضون المشاركة بوتيرة متزايدة إذا كانت تقتضي العمل من دون ذكاء اصطناعي.

بالنسبة إلى قائد الفريق التقني، تطرح هذه النتيجة مشكلة عملية: ما مقدار التوفير الذي يمكن إدراجه في الجدول الزمني والميزانية؟ تخيّل عملية ترحيل لواجهة برمجة تطبيقات. حدّث الوكيل عشرات الاستدعاءات، ثم تحقّق شخص من التوافق، وعدّل الاختبارات، وانتظر مراجعة الكود. يجب احتساب هذا العمل كله. لكن مقارنته بالتنفيذ اليدوي تصبح أصعب حين يستبعد المشاركون مسبقًا المهام التي يكرهون خصوصًا إنجازها بأنفسهم.

لماذا اختلّت المقارنة

شارك في الدراسة المعادة 57 مطورًا. وبحسب شروط التجربة، كانوا يصفون المهام مسبقًا، ثم تحدّد القرعة ما إذا كان مسموحًا باستخدام الذكاء الاصطناعي. لكن 30–50% من المشاركين الذين شملهم الاستطلاع قالوا إنهم احتفظوا ببعض المهام خارج التجربة، لأنهم لم يرغبوا في المخاطرة بمنعهم من الاستعانة بالنموذج. وفي الوقت نفسه، أصبح استقطاب أشخاص مستعدين للعمل من دونه أكثر صعوبة.

يخلق ذلك انحيازًا قبل بدء القياس أصلًا. لنفترض أن مطورًا يوافق بسهولة على إخضاع إصلاح خطأ صغير في وحدة يعرفها للقرعة، لكنه يترك تحديث عدد كبير من الملفات المتشابهة للوكيل خارج التجربة. سيقيس الباحثون العمل الأول جيدًا، لكنهم لن يعرفوا شيئًا يُذكر عن الثاني. فالفائدة المتوقعة من الذكاء الاصطناعي تؤثر في نوع العمل الذي يدخل القياس من الأساس.

بلغ التقدير لتقليص الوقت لدى المشاركين العائدين 18%، ولدى الجدد 4%. ومع ذلك، تسمح فواصل الثقة أيضًا باحتمال حدوث تباطؤ. ويرى المؤلفون أن الانتقاء قد يؤدي إلى التقليل من تقدير الفائدة، لكن هذه البيانات لا تحدّد الحجم الدقيق للأثر. نُشرت التفاصيل في تقرير METR الصادر في 24 فبراير 2026. وينبغي قراءة العرض المنشور في نوفمبر مع أخذ هذا التاريخ في الحسبان: فالمعروض هنا نتيجة تجربة أُجريت في وقت سابق.

رفض العمل يدويًا لا يثبت وحده تسارع الإنجاز

تعرض المادة الأصلية عدم الرغبة في الاستغناء عن الذكاء الاصطناعي بوصفه أشبه بتصويت لصالح فعاليته. هذا رد فعل مفهوم، لكنه لا يكفي لحساب الإنتاجية. فقد يقدّر الشخص الأداة لأنها تقلّل الإرهاق، أو تتيح له التعامل مع مهام منفّرة، أو تسهّل البحث داخل الكود. وكل ذلك مفيد، لكنه لا يوضح بحد ذاته مقدار التبكير بموعد الإصدار.

لتفضيلات المستخدمين قيمة مستقلة من منظور المنتج. فإذا كان المساعد يخفّف العمل الروتيني ويجعل يوم العمل أكثر احتمالًا، فهذا مبرّر معقول لشرائه. لكن ينبغي للمدير مناقشة سهولة الاستخدام والجودة والمواعيد كلًّا على حدة. وإلا تحوّل الوعد بتوفير الوقت تدريجيًا إلى مطالبة بإغلاق مزيد من التذاكر، مع أن الفريق كان يسعى إلى تقليل الإرهاق.

كذلك لا يجوز تعميم نتيجة دراسة METR الأولى على جميع الفرق الحالية. ففي تلك الدراسة، أنجز 16 مشاركًا من ذوي الخبرة 246 مهمة في مشاريع يعرفونها، وأدّى استخدام الذكاء الاصطناعي إلى زيادة الوقت بنسبة 19%. وهذا تحذير مهم من الفجوة بين الانطباع والقياس، لكن الأدوات والمهام وخبرات المشاركين المحدّدة تحدّ من قابلية تعميم النتيجة. ولا يعني ذلك أن كل وكيل اليوم يبطئ عمل كل مطور.

ويطرح تشغيل الوكلاء بالتوازي مشكلة أخرى في احتساب الوقت. فبينما يعدّل أحدهم الكود، يعالج الإنسان تذكرة أخرى، ويشغّل وكيل ثانٍ الاختبارات. مرّت أربعون دقيقة: كم منها يُنسب إلى المهمة الأولى؟ من دون قاعدة محدّدة مسبقًا، قد تنتج الفرق بسهولة تقارير تبدو جذابة، لكنها غير قابلة للمقارنة. فوقت العمل البشري الفعلي والمدة الزمنية المنقضية حتى الإنجاز يجيبان عن سؤالين مختلفين.

ما الذي ينبغي قياسه داخل الفريق

يمكن البدء بمجموعة صغيرة من الأعمال المتكررة: إصلاح الأخطاء، وإضافة الاختبارات، وترحيل الاعتماديات. ويجب تحديد معيار الإنجاز لكل منها مسبقًا: قبول الكود، واجتياز الفحوص، ومعالجة ملاحظات المراجعة. ثم يُحتسب وقت الإنسان، والانتظار، وتكلفة الأدوات، والإصلاحات اللاحقة. هذا النهج المقترح استنتاج عملي للفريق، وليس نتيجة أثبتتها تجربة METR.

ومن المفيد أيضًا النظر إلى مواضع تحقق المكاسب. فقد يقلّص الوكيل وقت كتابة الاختبارات، لكنه يزيد وقت المراجعة؛ وقد يسرّع مهمة غير مألوفة، لكنه يعيق مطورًا يعمل على وحدة كتبها بنفسه. وإذا اختُزل كل ذلك في متوسط واحد، فسيفقد المدير تحديدًا المعلومات التي يحتاج إليها لاختيار الأداة وتوزيع العمل.

أما بالنسبة إلى مسؤول المنتج، فالسؤال النهائي عملي تمامًا: كم تبلغ تكلفة التغيير المقبول، وما مدى سرعة وصول فائدته إلى المستخدم؟ يصف استهلاك الرموز مقدار استخدام الأداة. ولتبرير الميزانية، يجب ربطه بالنتيجة. وما دام هذا الرابط غير قائم، فالأجدر استخدام نسب دراسة أجراها آخرون دافعًا لإجراء قياس داخل الفريق، لا وعدًا يُقدَّم إلى مجلس الإدارة.