وكيل AI لفحص المواصفات الفنية: لماذا نؤتمت ما لا يعمل يدويًا

المواصفات التقنية الضعيفة هي قنبلة موقوتة. لا تنفجر فوراً، بل بعد أسابيع أو أشهر، عندما يكتشف فريق التطوير أن العميل قصد شيئاً مختلفاً تماماً، والمتطلبات تتناقض مع بعضها، ونصف السيناريوهات الحرجة لم توصف على الإطلاق. وفقاً لتقديرات مختلفة، حتى 40 بالمائة من إعادة العمل في مشاريع تكنولوجيا المعلومات مرتبطة بالضبط بسوء جودة التوثيق في البداية. قررت مطورة واحدة أن يمكن فعل شيء حيال ذلك — وبنت وكيل ذكاء اصطناعي يفحص المواصفات التقنية قبل بدء كتابة الكود بناءً عليها.

قصة نُشرت على Habr في أوائل مارس 2026 مقنعة برصانتها. يحذر المؤلف فوراً: هذا ليس منتجاً نهائياً ولا حلاً عالمياً. إنه تجربة وُلدت من الألم الشخصي — من تجربة العمل مع توثيق يمكن تفسير كل نقطة ثانية فيه بطريقتين. الفكرة بسيطة وأنيقة: أطلق نموذج لغة على نص المواصفات التقنية وطلب منه العثور على التناقضات والفجوات المنطقية والصيغ الغامضة والحالات الحدية المفقودة. ما يستغرق محلل بشري ساعات من القراءة الحذرة، يمكن لوكيل الذكاء الاصطناعي أن يفعله في دقائق.

من الناحية التقنية، يتناسب النهج مع نموذج وكلاء الذكاء الاصطناعي الذي يزداد شيوعاً — الأنظمة المستقلة القائمة على نماذج اللغات الكبيرة التي لا تجيب على الأسئلة فقط، بل تنفذ سلسلة من الإجراءات لتحقيق هدف. في هذه الحالة، يقسم الوكيل المواصفات التقنية إلى كتل منطقية، ويحلل كل منها من حيث الاتساق الداخلي، ثم يفحص الكتل من حيث الاتساق مع بعضها، وأخيراً ينشئ تقرير منظماً يشير إلى المناطق المشكلة المحددة. هذا ليس مجرد موجه في ChatGPT — إنه سلسلة من التفكير مع السياق والذاكرة.

ما يجعل هذه التجربة مثيرة للاهتمام حقاً هو أنها تعكس تحولاً أساسياً في كيفية تفكير المطورين حول تطبيق نماذج اللغات. كانت الموجة الأولى من الحماس مرتبطة بتوليد الكود: GitHub Copilot، الإكمال التلقائي، تحويل الأوصاف إلى دوال عاملة. الموجة الثانية، التي نلاحظها الآن، تركز على العمليات حول الكود. مراجعة التوثيق، تحليل المتطلبات، فحوصات اكتمال حالات الاختبار، تدقيق قرارات العمارة. هذا أقل روعة من "الذكاء الاصطناعي يكتب الكود لك"، لكنه قيّم بشكل أكبر للعمل بكثير.

مشكلة جودة المواصفات التقنية هي إحدى تلك التي حاولت الصناعة حلها منهجياً لعقود من الزمن. Agile تجنبتها جزئياً، واستبدلت المواصفات المجمعة بقصص مستخدم تكرارية. لكن حتى في فرق agile، يجب على شخص ما كتابة معايير قبول واضحة، ويجب على شخص ما التحقق منها. في الاستعانة بالتعاقد والتطوير بناءً على العقد، حيث تبقى المواصفات التقنية وثيقة قانونية، الرهانات أعلى. صياغة غير دقيقة في مواصفة تقنية ليست مجرد ديون تقنية؛ إنها نزاع محتمل بين العميل والمقاول قد ينتهي به الحال في المحكمة.

بالطبع، للنهج قيود، والمؤلف لا يخفيها. نموذج اللغة لا يفهم السياق التجاري للمشروع بالطريقة التي يفهمها محلل ذو خبرة. قد يشير إلى تناقض رسمي حيث لا يوجد، أو يفوت مشكلة مقنعة بصياغة تبدو صحيحة. وكيل الذكاء الاصطناعي لا يحل محل الخبرة البشرية — إنه يعززها، بمثابة مرشح أول يلتقط المشاكل الواضحة ويحرر وقت المحللين للعمل على الأقل وضوحاً.

من الممتع أيضاً أن مثل هذه الأدوات تبدأ في الظهور ليس فقط كمشاريع جانبية للمتحمسين. تقوم المنصات الرئيسية لإدارة المتطلبات بدمج وظائف الذكاء الاصطناعي لتحليل جودة التوثيق بالفعل. Jira وConfluence وNotion — كلهم يتحركون في هذا الاتجاه. لكن الوكلاء المخصصون الموجهة نحو عمليات محددة لفرق محددة قد تثبت فعاليتها أكثر من الحلول العامة. لهذا السبب تجربة بناء مثل هذا الوكيل "بسرعة" قيّمة: فهي تظهر أن حاجز الدخول قد انخفض كثيراً لدرجة أن متخصصاً واحداً يمكنه تجميع نموذج أولي عامل في بعض الأمسيات.

هذه التجربة توضيح صغير لكن معبر لاتجاه استخدام الذكاء الاصطناعي العملي في التطوير. ليس استبدال المبرمجين، ليس التوليد التلقائي للمنتجات المنتهية، بل تعزيز موجه للناس في الأماكن التي يرتكبون فيها أخطاء تقليدياً. فحص المواصفات التقنية هو مجرد واحد من هذه الاختناقات. قد تكون التالية عمليات تدقيق العقود التلقائية، والتحقق من صحة متطلبات الأعمال للامتثال التنظيمي، والتحقق من المواد التسويقية للمخاطر القانونية. نموذج التطبيق هو نفسه: اترك الذكاء الاصطناعي يقرأ ما كتبه الإنسان واطلب منه العثور على نقاط الضعف. بسيط، لكنه فعال بشكل مثير للدهشة.