Habr AI: METR و Google Cloud لم يروا التسريع الموعود للمطورين مع الذكاء الاصطناعي

نُشر على Habr AI تحليل لعدة دراسات حول تأثير أدوات الذكاء الاصطناعي على عمل المطورين. الخلاصة غير المريحة للسوق: يشعر المطورون غالباً أنهم يعملون بسرعة أكبر، لكن المقاييس القابلة للقياس لم تؤكد بعد التسارع الموعود.

حيث لا يظهر النمو

أحد الحجج الرئيسية في المقالة يتعلق بتحليل نظام Python البيئي. يستشهد المؤلف بتحليل Answer.AI، حيث بحثوا عن ديناميكية PyPI بحثاً عن آثار إنتاجية "متفجرة".

إذا كان الذكاء الاصطناعي يسرع فعلاً تطوير البرامج بشكل جذري، فيجب أن يظهر ذلك في عدد الحزم الجديدة وتكرار الإصدارات والحجم الإجمالي للأكواد المنشورة. لكن الصورة اتضحت أكثر تواضعاً: لا توجد قفزة ملحوظة في الحزم الجديدة، وبدأ نمو تكرار التحديثات في عام 2019 وربما يرتبط أكثر بممارسات CI/CD منه بالنماذج التوليدية. التفصيل المثير للاهتمام أن النمو في النشاط يظهر بشكل أساسي في مشاريع الذكاء الاصطناعي.

تُحدَّث هذه الحزم بشكل متكرر، لكن المؤلف يفسر ذلك ليس كتأثير عام للأدوات، بل كنتيجة للضجة والتدفق الوافد للاستثمارات في القطاع. تنطبق منطق مماثل على بيانات GitHub: وفقاً للمراجعة، لا يوجد أيضاً طفرة جماعية في المستودعات الجديدة، رغم أن ذلك كان يمكن أن يكون مؤشراً بسيطاً على أن إطلاق المشاريع الجانبية أصبح أسهل بكثير. الحكم قاسٍ: يساعد الذكاء الاصطناعي على إنشاء نماذج أولية مثيرة للإعجاب، لكنه لا يزيل الاختناقات الحقيقية في تطوير المنتج وإطلاقه.

ماذا تُظهر الدراسات

الفجوة الأكثر صراخاً واضحة بين تصورات الفرق والمقاييس التشغيلية. تستشهد المقالة بتقرير Google Cloud حول تأثير الذكاء الاصطناعي التوليدي على تطوير البرمجيات: يقول 75% من المطورين إن الذكاء الاصطناعي يعطيهم شعوراً بإنتاجية أكبر. لكن مع معدل اعتماد بنسبة 25% لمثل هذه الأدوات، ينخفض معدل إنتاجية الإسليم بنسبة 1.5%، وتنخفض استقرارية التسليم بنسبة 7.2%. بعبارة أخرى، العمل مع الذكاء الاصطناعي أكثر متعة من الناحية الذاتية، لكن هذا لا يعني بالضرورة نتائج أكثر فائدة في المخرجات.

• 75% من المطورين يشعرون بتحسن الإنتاجية
• معدل إنتاجية الإسليم ينخفض بنسبة 1.5%
• استقرارية التسليم تنخفض بنسبة 7.2%
• طفرة النشاط أكثر وضوحاً في قطاع الذكاء الاصطناعي

حتى أقسى هي دراسة METR التي يستشهد بها المؤلف. فيها توقع المطورون ذوو الخبرة أن أدوات الذكاء الاصطناعي مثل Cursor و Claude ستسرع عملهم بحوالي 20%. في الواقع، حدث العكس تماماً: تباطأ إنجاز المهام بحوالي 20%. يبدو التوضيح معقولاً: يكتب المهندسون أقل من الأكواد باليد، لكنهم يقضون وقتاً أطول في التحقق والإصلاحات وانتظار إجابات النموذج وإعادة تشغيل الاختبارات. بمعنى آخر، يختفي جزء من الروتين الميكانيكي، لكن طبقة جديدة من ضمان الجودة تحل مكانها.

"اليوم لدينا حقائق تُظهر أن الذكاء الاصطناعي يجعل الكثيرين منا أقل

إنتاجية، وليس أكثر."

تهم هذه الفجوة بين التوقع والواقع ليس فقط للمهندسين، بل أيضاً للعمل. تستشهد المقالة أيضاً بمثال Notion: بعد إضافة ميزات الذكاء الاصطناعي، انخفضت هوامش الربح في المنتج، وفقاً لرئيس الشركة، من 90% إلى 80%. المنطق واضح: يدفع السوق نحو دمج الذكاء الاصطناعي في كل شيء تقريباً، لكن النفقات الإضافية على الاستدلال والبنية التحتية لا تضمن نمو الجمهور أو نمو الإيرادات. بالنسبة للشركات، يعني هذا أنه لا يمكن تقييم تطبيق الذكاء الاصطناعي في التطوير والمنتج من خلال عامل "الدهشة" — هناك حاجة إلى مقاييس السرعة والاستقرار والاقتصاد.

ماذا يعني هذا

يُبرّد تحليل Habr AI فعلياً التوقعات حول تسارعات "10 أضعاف" في البرمجة. في المرحلة الحالية، يميل ترميز الذكاء الاصطناعي إلى تحسين تجربة العمل وتسريع أجزاء معينة من العملية، بدلاً من ضمان زيادة إنتاجية الفريق أو الأعمال. بالنسبة للمديرين، الخلاصة بسيطة: قبل نشر مثل هذه الأدوات على نطاق واسع، قسْ ليس شعور المطورين، بل وقت الدورة وجودة التسليم والتكلفة النهائية للتغييرات.