في AI Dev Day عرضت Yandex كيف يغيّر الذكاء الاصطناعي التطوير في Avito وOzon وT-Bank

جمعت Yandex فعالية AI Dev Day، وأظهرت عمليًا أن الذكاء الاصطناعي في التطوير لم يعد في طور العروض التجريبية. على المنصة، تحدثت شركات مثل Avito وOzon وT-Bank وSber وYandex Go عن المقاييس والقيود والمواضع التي يوفّر فيها الوكلاء ساعات من العمل فعلًا، لا عن الضجيج الدعائي.

من المساعدين إلى الوكلاء

التحوّل الأبرز الذي تكرّر في معظم العروض هو أن السوق يبتعد عن اقتراحات IDE البسيطة نحو وكلاء قادرين على تعديل الكود بأنفسهم، وكتابة الاختبارات، والبحث في المعلومات الداخلية، وإجراء مراجعة الكود، بل وتحليل الحوادث. وشدّدت Avito على أن إعادة تدريب نماذج open-source لتناسب الشركة لا تعطي دائمًا أفضل نتيجة، فالأهم في كثير من الأحيان أن يُزوَّد نموذج قوي بسياق جيد ووصول إلى الوثائق وأدوات عبر MCP. وتراهن فرق أخرى على النهج نفسه: لا على «نموذج سحري»، بل على منظومة عملية تجمع الوكيل والسياق والبنية التحتية.

في Yandex يبدو هذا النهج الآن منصة متكاملة. يستخدم المساعد الداخلي نحو 57% من المهندسين، وتصل نسبة الاستخدام في الواجهات الخلفية والأمامية إلى 60–75%. وأكثر من 90% من البنية التحتية الداخلية مغطّاة بخوادم MCP، ويُولَّد 23% من الكود تلقائيًا في وضع الوكيل لدى المستخدمين النشطين. وفي الوقت نفسه ينتقل التركيز من مقياس الاعتماد (adoption) البسيط إلى سؤال أكثر صرامة: في أي المواضع يستطيع الوكيل العمل بشبه استقلال تام، ولا يتدخل الإنسان إلا في الحالات المعقدة.

أين ظهر الأثر فعلًا

أنفع ما في AI Dev Day لم يكن الحديث عن المستقبل، بل أرقام من بيئة الإنتاج. لم تعد الشركات تقيس عدد مستخدمي المساعد فحسب، بل أيضًا الزمن حتى الإصدار وسرعة المراجعة وجودة الاختبارات وكلفة الحوادث. أي أنهم بدؤوا يقيّمون الذكاء الاصطناعي كأي أداة هندسية عادية: فإذا لم يحرّك مقاييس العمل، فلا يكفي الانبهار الأولي.

• في Yandex، يرسل المطوّرون الذين يستخدمون الذكاء الاصطناعي عددًا أكبر من الـ commits بنحو 10%، وفي Go وPython وJavaScript تصل الزيادة إلى 20%؛ وانخفض زمن بعض المهام التقنية لدى الوكلاء من 20 دقيقة إلى 2.
• في T-Bank، انخفض الوسيط الحسابي لـ merge time بنسبة 12%، وتراجع lead time لدى فرق «السفراء» بنسبة 30% خلال عام؛ وتضاعف توليد اختبارات الوحدة (unit tests) أربع مرات.
• في Ozon، يستخدم المساعد الوكيلي يوميًا نحو 1100 شخص، أي ما يقارب ربع أو ثلث فريق التطوير، وكانت المراجعة الآلية في GitLab مطلوبة إلى حد اضطرّ معه الفريق إلى تقييد إطلاقها.
• في Sber، قلّص نظام الذكاء الاصطناعي الموجّه للمصمّمين مراجعة التصميم من ساعة إلى دقيقتين، وإنشاء شاشة جديدة من 16 ساعة إلى خمس دقائق.
• في Yandex Go، يساعد الذكاء الاصطناعي في تحليل نحو 400 حادثة يوميًا، ويوفّر قرابة 30 دقيقة في إعداد postmortem لكل حالة.

ومن المهم أيضًا أن نطاق المهام يتّسع بسرعة. فالأمر لم يعد مقتصرًا على توليد الكود، بل يشمل البحث في المعرفة الداخلية وقوائم التحقق الآلية ودعم المحلّلين ومراجعة التصميم وسيناريوهات SRE. وإن كان الذكاء الاصطناعي قبل عام أقرب إلى إكمال تلقائي ذكي، فإنهم يحاولون الآن دمجه في دورة SDLC بأكملها، من تحديد المهمة إلى تحليل تبعاتها في بيئة الإنتاج.

لماذا الحماسة محدودة

رغم الحالات القوية، تحدّث المتحدثون بواقعية عن القيود. فقد قالت Avito صراحةً إن تسريعًا ملحوظًا لدورة التطوير بأكملها لا يكاد يُرى حتى الآن: بحد أقصى 4–5% في بعض الفرق. والسبب بسيط: كتابة الكود لا تستغرق سوى جزء من وقت العمل، بينما تكمن الاختناقات في المراجعة والموافقات والاختبار وتسليم التغييرات. لذلك لا يحلّ التوليد الجماعي للكود المشكلة بحد ذاته، بل قد ينقل عنق الزجاجة إلى مرحلة لاحقة من العملية.

وثمة مشكلة منفصلة تتعلق بالجودة والرقابة. فقد «تتهاون» النماذج في الاختبارات، أو تحاكي استدعاء أداة دون تنفيذه، أو تنتج تصميمًا نمطيًا مملًا، أو تخطئ في لغة مجال داخلية خاصة بالشركة. وفي Yandex Go، مثلًا، انتقل الفريق في سيناريوهات SRE إلى prompts بالإنجليزية لأن النتائج بالروسية كانت أسوأ. يضاف إلى ذلك أن الوكلاء المفيدين فعلًا يحتاجون إلى قاعدة مكلفة: مراقبة النظام (observability) ورسم بياني لتبعيات الخدمات وتدقيقًا للتغييرات وفهارس للخدمات ومقاييس سيناريوهات حقيقية، لا مجرد عروض تجريبية جذابة.

«لن تكون هناك نهاية للعالم. ستكون هناك تطوّر قاسٍ لكنه مشوّق.»

ولهذا اجتمعت معظم العروض على فكرة واحدة: human-in-the-loop لم يختفِ. فـ Ozon حذرة من النماذج الخارجية بسبب مخاطر تسرّب الكود. أما Sber فاضطرت إلى مواجهة التصميم المحافظ والهلوسات (hallucinations) بشكل منفصل. وتقيس Yandex لا الفائدة فحسب، بل الآثار الجانبية أيضًا، مثل صيانة الكود المولَّد. فالذكاء الاصطناعي هنا لم يعد لعبة، لكنه ليس موظفًا مستقلًا أيضًا، بل هو أقرب إلى مسرِّع يتطلب قواعد جيدة وأدوات وتحققًا مستمرًا.

ماذا يعني ذلك

بعد AI Dev Day يصعب القول إن الذكاء الاصطناعي المؤسسي للتطوير مجرد تجربة. فقد انتهت مرحلة التجريب، والمنافسة الآن على من يملك سياقًا ومقاييس وعمليات وبنية تحتية أفضل. والذكاء الاصطناعي لا يلغي المطوّرين، لكنه يغيّر بوضوح كلفة العمل الروتيني ودور المراجعة ومتطلبات من يجيدون إدارة الوكلاء، لا من يكتفون بكتابة الكود يدويًا.