Habr AI: METR وGoogle Cloud لم تلاحظا التسارع الموعود لدى المطورين الذين يستخدمون الذكاء الاصطناعي

نشر Habr AI تحليلًا لعدة دراسات حول تأثير أدوات الذكاء الاصطناعي في عمل المبرمجين. والخلاصة الرئيسية غير مريحة للسوق: كثيرًا ما يشعر المطورون بأنهم يعملون أسرع، لكن المؤشرات القابلة للقياس لا تؤكد حتى الآن التسارع الموعود.

أين لا يظهر النمو

يرتبط أحد الحجج الرئيسية في المقال بتحليل منظومة Python. يشير الكاتب إلى دراسة Answer.AI التي بحثت في ديناميكية PyPI عن آثار إنتاجية «انفجارية». فلو كان الذكاء الاصطناعي يسرّع التطوير تسريعًا جذريًا، لانعكس ذلك في عدد الحزم الجديدة وتواتر الإصدارات والحجم الإجمالي للشيفرة المنشورة. لكن الصورة جاءت أكثر تواضعًا بكثير: لا يظهر قفزة ملحوظة في عدد الحزم الجديدة، أما ارتفاع تواتر التحديثات فبدأ منذ عام 2019، ويرتبط على الأرجح بممارسات CI/CD أكثر من ارتباطه بالنماذج التوليدية.

ومن التفاصيل اللافتة أن زيادة النشاط تظهر في مشاريع الذكاء الاصطناعي تحديدًا. فهذه الحزم تُحدَّث بوتيرة أعلى، لكن الكاتب لا يفسّر ذلك بوصفه أثرًا عامًا للأدوات، بل نتيجة للضجة الإعلامية وتدفق الاستثمارات إلى هذا القطاع. وتنطبق منطقية مشابهة على بيانات GitHub: فإذا صحّ ما يورده الاستعراض، فلا توجد موجة جماعية من المستودعات الجديدة، مع أنها كانت ستشكّل مؤشرًا بسيطًا على أن إطلاق المشاريع الجانبية أصبح أسهل بكثير.

والخلاصة حاسمة: الذكاء الاصطناعي يساعد في إنتاج نماذج أولية لافتة، لكنه لا يزيل الاختناقات الحقيقية في تطوير المنتج وإطلاقه.

ماذا تُظهر الدراسات

أوضح فجوة تظهر بين انطباعات الفرق والمقاييس التشغيلية. يورد المقال تقرير Google Cloud عن تأثير GenAI في تطوير البرمجيات: 75% من المطورين يقولون إن الذكاء الاصطناعي يمنحهم شعورًا بإنتاجية أكبر. لكن عند مستوى اعتماد لهذه الأدوات يبلغ 25%، ينخفض delivery throughput بنسبة 1,5%، وdelivery stability بنسبة 7,2%. بعبارة أخرى، العمل مع الذكاء الاصطناعي أكثر متعة من الناحية الذاتية، لكن ذلك لا يعني بالضرورة مخرجات مفيدة أكثر.

• 75% من المطورين يشعرون بارتفاع الإنتاجية
• delivery throughput ينخفض بنسبة 1,5%
• delivery stability تنخفض بنسبة 7,2%
• طفرة النشاط تظهر بوضوح أكبر في قطاع الذكاء الاصطناعي

وتبدو دراسة METR التي يستند إليها الكاتب أشد وطأة. ففيها توقّع مطورون ذوو خبرة أن أدوات الذكاء الاصطناعي مثل Cursor وClaude ستسرّع عملهم بنحو 20%. لكن الواقع جاء معاكسًا: تباطأ تنفيذ المهام بنحو 20% أيضًا. والتفسير يبدو معقولًا: يكتب المهندسون شيفرة أقل بأيديهم، لكنهم يقضون وقتًا أطول في المراجعة والتصحيح وانتظار ردّ النموذج وإعادة التشغيل. أي أن جزءًا من الروتين الآلي يختفي، لكن تظهر مكانه طبقة جديدة من مراقبة الجودة.

«لدينا اليوم وقائع تدل على أن الذكاء الاصطناعي يجعل كثيرين منا أقل

إنتاجية، لا أكثر».

وهذه الفجوة بين التوقعات والواقع مهمة للمهندسين وللأعمال على حد سواء. يورد المقال أيضًا مثال Notion: فبعد إضافة وظائف الذكاء الاصطناعي، انخفض هامش ربحية المنتج، بحسب الرئيس التنفيذي للشركة، من 90% إلى 80%. والمنطق مفهوم: السوق يدفع نحو دمج الذكاء الاصطناعي في كل شيء تقريبًا، لكن النفقات الإضافية على inference والبنية التحتية لا تضمن نموًا في الجمهور ولا في الإيرادات. وهذا يعني للشركات أنه لا ينبغي تقييم إدخال الذكاء الاصطناعي في التطوير والمنتج بتأثير الإبهار، بل بمقاييس السرعة والاستقرار والجدوى الاقتصادية.

ماذا يعني ذلك

يبرّد تحليل Habr AI التوقعات المحيطة بتسارع «بعشرة أضعاف» في البرمجة. ففي المرحلة الحالية، يحسّن البرمجة بالذكاء الاصطناعي تجربة العمل ويسرّع أجزاء منفصلة من العملية، لكنه لا يمنح زيادة مضمونة في إنتاجية الفريق أو الأعمال. وبالنسبة للمديرين الخلاصة بسيطة: قبل نشر هذه الأدوات على نطاق واسع، ينبغي قياس cycle time وجودة التسليم والتكلفة النهائية للتغييرات، لا مزاج المطورين.