83% من الفرق تستخدم الذكاء الاصطناعي، لكن 24% فقط تدفع كوده إلى أنظمة الإنتاج
يظهر الكود المكتوب بالذكاء الاصطناعي في دقائق معدودة، لكنه يحتاج بعد ذلك إلى مراجعة وتعديل واختبار وإصدار. وبحسب استطلاع SimpleOne، تستخدم 83% من الفرق الذكاء الاصطناعي، بينما لا تدفع إلى أنظمة الإنتاج التغييرات التي أُنجزت بمساعدته سوى 24% منها. مثال على ذلك: مهمة تطوير تستغرق 16 ساعة تستغرق مع الذكاء الاصطناعي 11,5 ساعة (توفير نحو 28%)، أما إذا فُهمت المتطلبات فهمًا خاطئًا فتصل المدة إلى 15,5 ساعة. لذلك احسبوا الفائدة على أساس المهمة المقبولة بكاملها، لا على أساس سرعة التوليد.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
تكتب الشبكة العصبية الكود في نصف ساعة، لكن هذا لا يعني أن التعديل سيصل إلى المستخدمين أسرع. وبحسب استطلاع أجرته شركة SimpleOne، تستخدم 83% من فرق التطوير الذكاء الاصطناعي بالفعل، غير أن 24% فقط أفادت بأنها تدفع التغييرات المنجزة بمساعدته إلى أنظمة الإنتاج، أي إلى بيئة التشغيل الفعلية. أما البقية فتتعثر عند المراجعة والتصحيحات والاختبارات. تخيّلوا مهمة كانت تستغرق 16 ساعة: ولّد الذكاء الاصطناعي الكود في 30 دقيقة، ثم قضى المطورون أربع ساعات في مراجعته وخمس ساعات أخرى في تصحيحه. إذا كنتم تعتمدون الذكاء الاصطناعي في فريقكم، فقارنوا هذه الأرقام بعملياتكم: المقياس الصحيح ليس سرعة ظهور الكود، بل الوقت حتى الإصدار.
ماذا أظهر الاستطلاع
شارك في دراسة SimpleOne 71 شخصًا: 46% منهم مديرو تطوير، و24% مطورون، و15% محللون، و15% من أدوار أخرى. ويعمل 71% من المشاركين في شركات يتجاوز عدد موظفيها 1000 شخص. العينة صغيرة، والاستطلاع أجرته جهة مورّدة لها منصتها الخاصة، ولذلك يصلح مؤشرًا إرشاديًا أكثر منه إحصاءً يعبّر عن السوق.
يجرّب موظفون بعينهم الذكاء الاصطناعي بمبادرة شخصية لدى 41% من المشاركين، وتجري 18% أخرى تجارب تجريبية جماعية. أما الاستخدام المنتظم الذي تصل نتيجته إلى الإنتاج فأفادت به تلك الـ24% نفسها. وعجز 23% آخرون عن تحديد نسبة الكود والإعدادات المُنشأة بالذكاء الاصطناعي التي تصل إلى الإنتاج. ربما تُصدَر هذه التغييرات فعلًا، لكن لا أحد يتتبعها على حدة، وعندئذ لا يملك المدير ما يثبت به جدوى الأداة.
عدّ 68% خطر تسرّب الكود أو البيانات العائق الرئيسي، وذكر 23% متطلبات الجهات التنظيمية. وتقلق جودة النتيجة 48%. ويتوقع ما يقارب النصف (48%) تسريعًا لا يقل عن مرة ونصف، بينما لا يستطيع 31% آخرون تقدير الأثر.
كيف يتبخر المكسب
يعرض المؤلفون حسابًا بسيطًا. التعديل المعتاد يستغرق 16 ساعة. ومع الذكاء الاصطناعي: ساعتان لوصف المهمة، ونصف ساعة للتوليد، وأربع ساعات للمراجعة، وخمس للتصحيحات. المجموع 11,5 ساعة، أي توفير 4,5 ساعة، أو نحو 28%.
لنفترض الآن أن الوكيل فهم المتطلبات فهمًا خاطئًا. تستغرق التصحيحات تسع ساعات بدلًا من خمس، فيصبح المجموع 15,5 ساعة. يظل التوليد يستغرق نصف ساعة، لكن المكسب كاد يختفي. ويضاف إلى ذلك تكاليف النموذج.
وهناك فخ آخر هو الاختبارات. إذا كتب الوكيل التنفيذ والاختبارات معًا استنادًا إلى وصف واحد، فقد يخطئ الخطأ نفسه في الموضعين. مثال: يطلب مدير الدعم عرض نسبة المهام المنجزة في موعدها. يحتسب الوكيل جميع الطلبات المغلقة، بما فيها الملغاة والمرفوضة، ويكتب اختبارًا يوافق هذا الحساب فيجتازه بنجاح. فيظهر على الشاشة رقم لا يطابق قواعد خدمة الدعم. لذلك تُتفق معايير القبول قبل التوليد: يحدد مالك العملية الحالات التي تُعدّ منجزة، ويقارن المهندس الحساب بمجموعة مرجعية من السجلات.
حالة عملية: لوحة معلومات في 17 ساعة و$20
في ندوة عبر الإنترنت لـSimpleGen، عرض مالك منتج كيف أوصلت الوكلاء المهمة من المتطلبات إلى التثبيت على بيئة اختبار. كان المطلوب لوحة معلومات لمدير الدعم: مرشحات حسب الفترة والمجموعة ونوع المهام، وتدفق الطلبات، وسرعة المعالجة، والاختناقات، والقيم المستهدفة مع إبراز المخالفات. ونُفّذ التوليد الذي استغرق ساعات طويلة مسبقًا.
- طرح الوكيل على المؤلف 28 سؤالًا توضيحيًا واكتشف تباينًا مع بيئة الاختبار: ففي صياغة المهمة ثلاثة جداول للمهام، بينما في بيئة الاختبار عشرة جداول وريثة.
- راجع وكيل ثانٍ المواصفة؛ واستلزم ذلك 11 تكرارًا و5,5 ساعة.
- استغرق التخطيط ساعة ونصف أخرى: 11 مرحلة و42 مهمة مع تبعياتها.
- أعادت بيئة الاختبار خطأً مرتين بسبب تلميح طويل باللغة الروسية، واضطُر الفريق إلى حل مشكلة إعادة إنشاء نموذج أُنشئ تلقائيًا عبر مزامنة بيئة الاختبار مع المستودع.
- كشفت مراجعة الكود قيمة افتراضية خاطئة، وصلاحيات وصول غير كافية إلى التقرير، وتسمية توضيحية خاطئة.
- نفّذ الوكيل في المتصفح 25 خطوة من أصل 28 في سيناريو الاختبار خلال سبع دقائق؛ وتطلبت ثلاث خطوات مصادقة لا ينفذها الوكيل بحسب القواعد الداخلية. وعُثر على كتلة فارغة وتلميحات غير مرئية.
استغرق الأمر في المجمل نحو 17 ساعة مع الموافقات وفترات التوقف. ثُبّتت الحزمة على بيئة اختبار نظيفة دون تعارضات أو أخطاء أو تحذيرات. واستُهلك في Claude Code ما مجموعه 786 330 رمزًا (توكن)، وكل ذلك ضمن اشتراك شهري بقيمة $20 مع نموذج Opus 5. وعبر API كانت الرموز الصادرة ستكلّف $19,66، لكن الرموز الواردة كانت ستضيف مبلغًا يتوقف على حجم السياق.
ماذا نفعل عمليًا
تبدو الفجوة بين الممارسة والرغبة أوضح ما تكون في الاختبارات: يساعد الذكاء الاصطناعي فيها حاليًا 26% من المشاركين، بينما يوكلها إلى الوكلاء 61%. وفي تحليل الأخطاء البرمجية تبلغ النسبتان 28% و54%، وفي مراجعة الكود 26% و46%. ويكتب الذكاء الاصطناعي الكود لدى 60%، بينما يسلّمه إلى الوكيل 46%. ولا يستخدم الذكاء الاصطناعي في جميع مراحل دورة الحياة سوى 23%.
خذوا آخر تعديل أُنجز بالذكاء الاصطناعي ودوّنوا الوقت المستغرق في صياغة المهمة والتوليد والمراجعة والتصحيحات والإصدار. ربما ظهر الكود في نصف ساعة، بينما ذهبت أيام في التوضيحات والتحقق. وهناك تحديدًا ينبغي إشراك الوكيل التالي، بعد أن تحددوا مسبقًا المستودعات وبيئات الاختبار والبيانات المتاحة له. وتذكروا القيود أيضًا: الحالة العملية عرضتها الجهة المورّدة نفسها، ولم تُقارَن الساعات الـ17 بالتطوير اليدوي.
- 19 نوفمبر 2026Anthropic تطرح أسهمها في البورصة وتجمع 81.3 مليار دولار، متجاوزة رقم SpaceX القياسي البالغ 75 مليار دولار
- 19 نوفمبر 2026تقييم حصتي Amazon وGoogle في Anthropic بنحو 308 مليار دولار عند الطرح العام بسعر 83 دولارًا للسهم
- 19 نوفمبر 2026Gemini 4 Neon من Google تعمل بسرعة تبلغ ضعف Carbon تقريبًا وبتكلفة أقل بنسبة 17% للمهمة الواحدة
- 19 نوفمبر 2026نموذج Gemma 4 نفسه كتب باكند بنسبة 80% في opencode وبنسبة 41% فقط في OpenHands
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ماذا أظهر الاستطلاع؟
شارك في دراسة SimpleOne 71 شخصًا: 46% منهم مديرو تطوير، و24% مطورون، و15% محللون، و15% من أدوار أخرى. ويعمل 71% من المشاركين في شركات يتجاوز عدد موظفيها 1000 شخص. العينة صغيرة، والاستطلاع أجرته جهة مورّدة لها منصتها الخاصة، ولذلك يصلح مؤشرًا إرشاديًا أكثر منه إحصاءً يعبّر عن السوق. يجرّب موظفون بعينهم الذكاء الاصطناعي بمبادرة شخصية لدى 41% من المشاركين، وتجري 18% أخرى تجارب تجريبية جماعية. أما الاستخدام المنتظم الذي تصل نتيجته إلى الإنتاج فأفادت به تلك الـ24% نفسها.
ما أبرز التفاصيل حول كيف يتبخر المكسب؟
يعرض المؤلفون حسابًا بسيطًا. التعديل المعتاد يستغرق 16 ساعة. ومع الذكاء الاصطناعي: ساعتان لوصف المهمة، ونصف ساعة للتوليد، وأربع ساعات للمراجعة، وخمس للتصحيحات. المجموع 11,5 ساعة، أي توفير 4,5 ساعة، أو نحو 28%. لنفترض الآن أن الوكيل فهم المتطلبات فهمًا خاطئًا. تستغرق التصحيحات تسع ساعات بدلًا من خمس، فيصبح المجموع 15,5 ساعة. يظل التوليد يستغرق نصف ساعة، لكن المكسب كاد يختفي. ويضاف إلى ذلك تكاليف النموذج. وهناك فخ آخر هو الاختبارات.
ما أبرز التفاصيل حول حالة عملية: لوحة معلومات في 17 ساعة و$20؟
في ندوة عبر الإنترنت لـSimpleGen، عرض مالك منتج كيف أوصلت الوكلاء المهمة من المتطلبات إلى التثبيت على بيئة اختبار. كان المطلوب لوحة معلومات لمدير الدعم: مرشحات حسب الفترة والمجموعة ونوع المهام، وتدفق الطلبات، وسرعة المعالجة، والاختناقات، والقيم المستهدفة مع إبراز المخالفات. ونُفّذ التوليد الذي استغرق ساعات طويلة مسبقًا. طرح الوكيل على المؤلف 28 سؤالًا توضيحيًا واكتشف تباينًا مع بيئة الاختبار: ففي صياغة المهمة ثلاثة جداول للمهام، بينما في بيئة الاختبار عشرة جداول وريثة.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.