بنك ألفا أظهر كيف نشر المتشككون خدمة موارد بشرية داخلية إلى الإنتاج مع GLM-5

شارك ألفا بنك حالة حيث أحضرت فريق من الشكاكين بشأن vibe-coding خدمة موارد بشرية جديدة إلى الإنتاج في غضون أسابيع قليلة باستخدام GLM-5. أظهرت التجربة أن الذكاء الاصطناعي يسرع بشكل كبير النماذج الأولية والتطوير الروتيني، لكنه لا يخفف من مسؤولية الفريق عن الهندسة المعمارية و Git والإصدار.

كيف تم اختيار المشروع

تم تجميع مشروع تجريبي داخل قسم تكنولوجيا الموارد البشرية من ثلاثة أشخاص لم يكونوا يؤمنون في البداية بالفوائد العملية لـ vibe-coding: رئيس الفريق ومحلل الأنظمة ومدير المنتج. تم منحهم الحرية في اختيار مهمة، وقررت الفريق عدم إنشاء مشروع عرض توضيحي مجرد، بل أخذ ميزة حقيقية من خطة تطوير Alfa People. وهكذا ظهرت خدمة "أهدافي"، حيث يمكن لموظفي البنك تعيين الأهداف وربط المهام بها داخل منصة الموارد البشرية الخاصة بالشركة.

لم تكن الرهان فقط على السرعة، بل أيضاً على مخاطرة معقولة. إذا لم ينطلق المشروع، لما كان سيفقد العمليات التجارية الحرجة، لكن إذا نجح، كان سيغلق احتياجاً حقيقياً. وفي الوقت نفسه، تم تشديد الآجال الزمنية بسرعة: تم تأجيل الموعد النهائي عدة مرات وتم تقليل وقت التطوير إلى بضعة أيام فقط.

استخدم الفريق الاكتشاف الذي تم إجراؤه بالفعل ونقاط الألم التي تم جمعها من المستخدمين والحلول الدنيا التي تم وصفها، ثم سلم النموذج مهمة إعداد مسودة متطلبات الأعمال.

كيف سار التطوير

في الواقع العملي، كان الأكثر تحدياً ليس GLM-5 نفسه، بل العمل التعاوني للأشخاص الذين لم يكتبوا تطبيقات الإنتاج من قبل وكادوا لا يملكون أي خبرة مع IDE و Git. كان على رئيس الفريق أن يقوم أولاً بإدماج سريع وإعداد البيئة وشرح الإجراءات الأساسية مع الفروع والطلبات والدفعات. بدون ذلك، سرعت الذكاء الاصطناعي فعلاً أجزاء فردية من العمل، لكن كل التدفق كان يبطأ من كل نزاع وسوء فهم وتباعد في التغييرات. بعد ذلك، بدا العملية كالتالي:

• عمل رئيس الفريق ومحلل الأنظمة ومدير المنتج على الخدمة
• تم تجميع الواجهة من خلال الأوصاف النصية وسلسلة من التكرارات السريعة
• أنشأ الفريق 19 نسخة نموذج أولي قبل اختيار أساس المنتج
• بسبب الحمل الثقيل على GLM-5 أثناء النهار، تم نقل التطوير في كثير من الأحيان إلى ساعات الليل
• من بين 15 فريق تجريبي، تمكنت هذه التركيبة فقط من إحضار الخدمة إلى الإنتاج

ساعد الذكاء الاصطناعي بشكل أساسي في التخطيط والنماذج والمدققات والنسخ الأولية من الشاشات. وصف مدير المنتج كيف يجب أن تكون الواجهة، وولد النموذج HTML وحلقة المنطق، ثم ربطها رئيس الفريق مع النهاية الخلفية وأحضرها إلى حالة العمل. بعد الإطلاق، اكتسبت الخدمة بسرعة استخداماً حقيقياً: في الأسبوع الأول، تم تسجيل 10000 مستخدم فريد و 9240 هدف تم إنشاؤه و 981 مهمة مرتبطة، وهو ما يبدو بداية قوية جداً لمنتج داخلي.

حيث ظهرت القيود

توضح الحالة جيداً أن الاختناق الرئيسي في تطوير المؤسسات بالذكاء الاصطناعي ليس في توليد الكود، بل في الانضباط الهندسي. عندما يغير عدة مشاركين المشروع في نفس الوقت، يتحول الافتقار إلى معرفة Git إلى عمل يدوي دائم لحل الصراعات. المشكلة الثانية هي البنية التحتية: شاركت 15 فريق في التجربة في نفس الوقت، وخلال النهار يمكن أن يستغرق GLM-5 عدة دقائق للرد، مما جعل الأداة عديمة الفائدة تقريباً وأفسدت وتيرة العمل.

حدثت لحظة أخرى مهمة قبل العرض التوضيحي مباشرة: أصبح النموذج والمكونات الإضافية غير متاحة، واضطر إلى إصلاح الأخطاء النهائية يدوياً. هذا بسرعة يصحيك ويبدد الوهم بأن الذكاء الاصطناعي يمكن أن يحل محل المهندس تماماً في لحظة حرجة. ظلت الهندسة المعمارية والتكاملات والأمان والتحقق من السجلات وحل الحالات الحدية على جانب المطور ذي الخبرة.

في الواقع، كانت بالضبط التعديلات اليدوية في اللحظة الأخيرة هي التي سمحت بمرور العرض التوضيحي والإصدار بدون مشاكل.

"في الشركات الكبيرة، vibe-coding ليس بديلاً للمطور، بل أداة في يدي

متخصص ذي خبرة."

نتيجة لذلك، وصل الفريق إلى نموذج استخدام أكثر رصانة: الذكاء الاصطناعي مناسب للعمل الموازي على المهام الروتينية والواجهات والفرضيات الأولية، لكنه لا ينهي القيادة التقنية. إذا لم يتم إصلاح حدود الإصدار، هناك إغراء لتوسيع نطاق المهام بشكل لا نهائي، لأنه يبدو أن النموذج سيفعل "قليلاً آخر". في الممارسة العملية، كان إطار المهام الصارم والتحكم اليدوي والقدرة على إيقاف الحسابات في الوقت المناسب هو ما سمح بإكمال الخدمة.

ما الذي يعنيه هذا

تاريخ ألفا بنك مهم لأنه يوضح vibe-coding بدون فلتر إعلاني. داخل شركة كبيرة، يمكنه بالفعل تسريع إطلاق المنتجات الداخلية، خاصة في مرحلة النموذج الأولي والمهام النموذجية للواجهات، لكنه يعمل فقط حيث يوجد مهندس ذو خبرة ونطاق عمل واضح واستعداد للتعامل يدوياً مع كل ما هو حرج. في هذا السيناريو، الذكاء الاصطناعي ليس طيار آلي، بل معجل فريق يوفر النتائج فقط بعملية ناضجة ومسؤولية صارمة عن النتيجة.