وكالة تراجع 4910 تقديرات تكلفة: ساعات المصادقة المرصودة أقل الآن بمقدار 2.2 مرة

حين يقول الرؤساء التنفيذيون إن الذكاء الاصطناعي يكتب 20% أو 30% أو حتى 90% من الشيفرة، يبقى لدى العميل سؤال واحد: كم يكلّف التطبيق الآن؟ قرر سيرغي نيكونينكو، مدير وكالة لتطوير تطبيقات الجوال والويب، أن يجيب عنه بالساعات والروبلات. اعتمد على بيانات داخلية: تقديرات التكلفة وسجلات احتساب الوقت في Jira وعمليات الإيداع في GitLab. ولم يأخذ في الحسبان نسب الشيفرة المولَّدة.

ماذا أظهرت التقديرات

يضم الأرشيف 4910 تقديرات تكلفة، لكن القليل منها صالح للمقارنة: فالمطلوب مستندات ذات بنية متطابقة. أمكن مطابقة بند المصادقة في 12 تقديراً من عام 2025 و19 تقديراً من عام 2026. انخفض وسيط الساعات المرصودة من 124 إلى 56، أي بمقدار 2.2 مرة. كما تقلّص التشتت: كان النصف الأوسط من التقديرات يتراوح بين 64 و178 ساعة، وأصبح بين 24 و70.

أما سعر الساعة فتغيّر بدرجة أقل. ففي سبعة تقديرات لكل عام، انخفض وسيط سعر ساعة التطوير من 3900 إلى 3600 روبل، أي نحو 8%. ولا يضرب المؤلف الوسيطين أحدهما بالآخر لاستخراج سعر الميزة: فقد أُخذت الساعات والأسعار من عيّنتين مختلفتين، وهذا الحساب يتطلب أزواجاً من التقديرات نفسها.

عملياً، هذا يعني أن الوقت قد حان لمراجعة المهام المألوفة في قوالب التقديرات. لكن لا يجوز تثبيت الحد الأدنى البالغ 12 ساعة للمصادقة في القالب: فخلف اسم الملحمة (epic) الواحد تختبئ تنفيذات مختلفة في منتجات مختلفة.

Jira وGitLab: أرقام أكثر مراوغة

الواقع الفعلي أكثر تعقيداً. فالالتزام بالتقدير في حد ذاته لا يقول الكثير. تطبيق جوال مع لوحة إدارة التزم بالميزانية بنسبة 100% (1359 ساعة من 1360). ومنتج لتطوير الشخصية مصمَّم على أساس الذكاء الاصطناعي بلغ 101% (520 من 515)، رغم أن المشروع لا يزال جارياً. لكنه قُدِّر أصلاً مع احتساب الوكلاء: فربما خُصم التوفير المتوقع مسبقاً، ولذلك لا تبيّن نسبة 101% هل ساعد الذكاء الاصطناعي أم لا. وبلغ مشروع تزايد نطاقه 182%، لكن فيه 23 إعادة تقدير، والمهم هنا مقارنته بالميزانية الأصلية.

ومشكلة أخرى في الاحتساب: ففي خدمة الرحلات الاستكشافية سجّل Jira 311 ساعة، بينما لم تصل إلى المتتبّع نحو 120 ساعة من العمل. وقد أضافها المؤلف تقديرياً. وبدون هذا التصحيح كان التوفير سيبدو أجمل، لكن الحساب كان سيصبح أسوأ.

يُستخدم GitLab لرصد مشاركة الوكلاء عبر الوسم Co-Authored-By: Claude في رسالة الإيداع. في موقع مستحضرات التجميل، وُسمت 92% من 802 عملية إيداع بمشاركة الذكاء الاصطناعي في التأليف، وأنجزها مطوّر واحد خلال 37 يوم عمل. أما في تطبيق الجوال فالصورة أوضح: لا وسوم حتى يونيو 2026، وفي الخريف تظهر في كل عملية إيداع تقريباً. ومع ذلك، لا يدل الوسم إلا على مشاركة مُعلَنة في التأليف. ولا يمكن أن نعرف منه كم سطراً كتبه الذكاء الاصطناعي ولا كم ساعة وفّر. وإذا استخدم المطوّر الذكاء الاصطناعي دون وضع الوسم، يبقى عمله خارج الصورة. لذلك لا يصحّ وصف المشاريع الخالية من هذه الوسوم بأنها تطوير بلا ذكاء اصطناعي.

المعاملات النهائية وحدودها

النتيجة الرئيسية هي قسمة الميزانية على الساعات الفعلية. في موقع مستحضرات التجميل خرج المعامل بنحو 2.5× (594 ساعة ميزانية مقابل 240 ساعة فعلية). لكن 594 تمثّل 80% من 742 ساعة أصلية، وقد حدّد مالك المشروع نسبة الإنجاز هذه (80%)، ولا يوجد تحقق مستقل بالاستناد إلى المهام المغلقة. أما في خدمة الرحلات الاستكشافية فإن 1627 ساعة ميزانية مقابل نحو 431 ساعة فعلية تعطي نحو 3.8×. وفي الخلاصة قرّب المؤلف الرقم بحذر إلى 3×، وهذا خياره، لا حدّاً إحصائياً.

ويذكر هو نفسه القيود:

• لم تُوزَّع المشاريع عشوائياً بين العمل مع الوكلاء وبدونهم.
• لا يوجد سوى حالتين من نوع AI-first قابلتين للمقارنة بالميزانيات القديمة. وكلتاهما ويب، على Next.js وNest.js.
• استُبعد مديرو المشاريع، فهذه ساعات تطوير وليست التكلفة الكاملة.
• لم تُقارَن المواعيد التقويمية للتسليم.

وهناك حجة مضادة أيضاً. ففي تجربة METR العشوائية، عمل مطورون ذوو خبرة مزوَّدون بأدوات الذكاء الاصطناعي على مهام مألوفة مفتوحة المصدر بسرعة أبطأ بنسبة 19%. ولا يدّعي المؤلف أنه دحض هذه الدراسة: فنوع مقارنته مختلف، وبياناته لا تفسّر سبب تباين النتائج.

ما العمل بكل هذا

بالنسبة للفرق التي تعدّ تقديرات التكلفة، الخلاصة عملية. أولاً: راجعوا معايير الساعات للمهام النمطية مثل المصادقة، ولا تنقلوا الأرقام القديمة إلى المشاريع الجديدة تلقائياً. ثانياً: لا تعدوا العميل بأن كل شيء سيصبح أرخص بأضعاف، لأن سعر الساعة يتحرك أبطأ بكثير. ثالثاً: أنشئوا نظام احتساب سليماً. فإذا لم يصل جزء من العمل إلى المتتبّع، فسيكون أي معامل تسريع مجمَّلاً. رابعاً: لا تعتبروا نسبة عمليات الإيداع الموسومة بالذكاء الاصطناعي مقياساً للإنتاجية. إنها مجرد أثر في سجل المستودع.

الدراسة نفسها نزيهة، لأنها تعرض نقاط ضعفها بصراحة. وهي مفيدة للقطاع كمثال على كيفية اختبار مزاعم «التسريع بأضعاف» على بياناتكم الخاصة، دون تقديم المقارنة بتقديرات التكلفة على أنها تجربة مضبوطة.