Habr AI→ المصدر

الترميز الوكيلي كإدمان: لماذا يعجز المطورون عن التوقف

يولّد الترميز الوكيلي (Agentic Coding) نمطًا يشبه آلات القمار: نتيجة لا يمكن التنبؤ بها تُبقي الدماغ عالقًا في حلقة مفرغة. ويعمل مديرو التقنية (CTO) في شركات Y Combinator الناشئة حتى الثالثة فجرًا دون أي موعد نهائي. ويسجّل باحثو UC Berkeley أن أكثر مستخدمي AI انخراطًا هم أول من يصل إلى الإنهاك. كل أمر موجَّه (prompt) أشبه بضغطة زر. أحيانًا تفوز بالجائزة الكبرى، وأحيانًا تحصل على نتيجة عديمة القيمة، وهذا بالذات ما يمنع التوقف.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
الترميز الوكيلي كإدمان: لماذا يعجز المطورون عن التوقف
المصدر: Habr AI. كولاج: Hamidun News.
◐ استمع للمقال

الساعة 2:47 فجرًا. لا موعد تسليم. لا حادثة في بيئة الإنتاج. مدير تقنية (CTO) في شركة ناشئة ضمن Y Combinator لا يستطيع فعليًا إغلاق حاسوبه المحمول، وينتهي به الأمر عند الطبيب لطلب دواء منوّم. هذه ليست قصة عن الإدمان على العمل، بل قصة عن آلية سمّاها أحد المطورين باسمها: التعزيز المتغيّر.

يختلف الترميز الوكيلي جوهريًا عن البرمجة التقليدية. أنت لا تكتب الأسطر بيدك. تصوغ المهمة، وتراقب وكيل AI وهو يفكّر ويجرّب ويخطئ ويكرّر المحاولة، ثم تنتظر النتيجة. أحيانًا تكون لامعة، وأحيانًا عديمة الفائدة. لا تعرف مسبقًا ما الذي ستحصل عليه. وهذا التذبذب بالذات هو ما يشكّل الفخ.

التعزيز المتغيّر آلية نفسية مدروسة جيدًا في سياق القمار. حين تأتي المكافأة بصورة متوقعة، يتكيّف الدماغ ويخبو الاهتمام. أما حين تكون غير متوقعة، فتأتي أحيانًا فورًا وأحيانًا بعد خمس محاولات، وتكون تارة اختراقًا وتارة نتيجة عديمة القيمة، فينتقل الدماغ إلى وضع أقصى درجات الانخراط. هكذا تعمل آلات القمار. ووفق فرضية كاتب المقال، هكذا تحديدًا تُبنى دورة الترميز الوكيلي.

كل أمر موجَّه (prompt) هو ضغطة زر. أحيانًا يحلّ الوكيل في ثلاثين ثانية مسألة أمضيت نصف يوم في محاولة حلّها. وأحيانًا يقدّم شيئًا لا فائدة منه. هذا التذبذب لا ينفّر، بل يشدّ. فالنتيجة التالية قد تكون الجائزة الكبرى، ولذلك يواصل الدماغ الضغط.

البيانات تدعم ذلك. فقد تحدّث غاري تان، الرئيس التنفيذي (CEO) لـ Y Combinator، علنًا عن جلسات عمل مع AI تمتد 19 ساعة بوصفها أمرًا يستحق الفخر. وفي المجتمعات المهنية ازدادت قصص العمل حتى بزوغ الفجر. وفي المقابل، رصد باحثون من UC Berkeley نمطًا مقلقًا: فأكثر مستخدمي أدوات AI انخراطًا هم أول من يصل إلى الإنهاك وأسرعهم فقدانًا للإنتاجية. أي أن من يستثمرون أكثر من غيرهم هم أول من ينهار.

يصف الكاتب ثلاث إشارات تحذيرية. الأولى فقدان الإحساس بالوقت: تختفي الساعات دون أن تُلاحَظ، لا لأن العمل عاجل، بل بسبب «أمر موجَّه آخر فقط». الثانية تآكل نقاط التوقف الطبيعية: ففي البرمجة التقليدية توجد فواصل منطقية (كتبتَ اختبارًا، نشرتَ الكود، انتقلتَ إلى مهمة أخرى)، أما في الدورة الوكيلية فتبدأ التكرارة التالية تلقائيًا، قبل أن يسجّل الدماغ انتهاء السابقة. الثالثة التبرير بأثر رجعي: ففي الصباح لا يتذكر المطوّر لماذا عمل حتى الثالثة، لكنه يتذكر «التقدّم» ويعدّه مبررًا.

توضيح مهم: هذه فرضية وليست نظرية مثبتة. لا توجد دراسات سريرية واسعة النطاق تتناول الترميز الوكيلي بوصفه سلوكًا إدمانيًا. المتاح هو بيانات رصدية وحالات فردية وقياس على آلية مدروسة من قبل. القياس مقنع، لكنه ليس نهائيًا.

ومع ذلك، فإن بيانات UC Berkeley عن إنهاك المتبنّين الأوائل تستحق الانتباه. ففي الأوساط التقنية جرت العادة على التباهي بالجلسات الطويلة. لكن إن كان أنشط مستخدمي الأدوات الجديدة هم أول من يخرج من الميدان، فثمة خلل في هذه المعادلة.

توصيات الكاتب العملية واقعية: وضع نقاط توقف بوعي، عبر مؤقّت وقائمة مهام للجلسة ووقت انتهاء صارم. والانتباه إلى اللحظات التي يستمر فيها العمل لا لأنه ضروري، بل لأنك تريد تجربة «مرة أخرى». والتعامل مع التعب بوصفه معلومة لا بوصفه ضعفًا.

الترميز الوكيلي يغيّر طبيعة عمل المطوّر. والسؤال هو: هل تستطيع نفسيتنا استيعاب هذه التغيّرات قبل أن تبدأ في كسرنا؟

ZK
Hamidun News
أخبار الذكاء الاصطناعي بدون ضوضاء. اختيار تحريري يومي من أكثر من 50 مصدر. منتج من جمال حميدون، رئيس الذكاء الاصطناعي في Alpina Digital.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
ما رأيك؟
جارٍ تحميل التعليقات…