عرضت Sber وYandex وred_mad_robot كيف يغيّر AI دور المطور

الذكاء الاصطناعي يتولى بشكل متزايد الأجزاء الروتينية من التطوير، وينزاح دور المهندس من كتابة الأكواد يدويًا إلى صياغة المهام والتحقق من النتائج. الأمثلة من Sber و Yandex و T-Technologies و red_mad_robot تثبت أن هذا التحول يؤثر بالفعل ليس فقط على سرعة الإصدارات، بل أيضًا على متطلبات الكفاءة للمطورين.

كيف يتغير التطوير

يصف Sber الحركة نحو AI PDLC من خلال مقياس نضج يتراوح من المستوى الصفر إلى المستوى الخامس. تعمل الشركة حاليًا على مستوى الأتمتة الموجهة: الذكاء الاصطناعي مدمج في معظم مراحل التطوير، لكن القرارات النهائية تبقى للإنسان. وفقًا للشركة، يستخدم حوالي 14,000 مطور GigaCode، وحوالي 80% منهم يتفاعلون مع الأداة يوميًا.

ارتفعت نسبة الأكواد التي ينتجها الذكاء الاصطناعي وتقبلها الفرق من 45% في بداية 2025 إلى 69% في نهاية العام. هذا لم يعد مساعدًا نقطيًا—بل إنه نمط عمل جديد. الخطوة التالية تتضمن إعادة هيكلة البيئة نفسها.

في نوفمبر 2025، نقل Sber المطورين من بيئة تطوير JetBrains إلى بيئة GigaIDE PRO الخاصة به، حيث تعمل سبعة وكلاء ذكاء اصطناعي: من التوثيق والتسجيل إلى الاختبارات الآلية والتحليلات. يتم قبول أكثر من نصف اقتراحاتهم. وبالتوازي، تتغير اقتصاديات التوظيف أيضًا: بينما كان يستغرق المهندسون الجدد 71 يومًا في 2024 للوصول إلى الإنتاجية الكاملة، الآن يستغرق 36 يومًا.

في هذا المنطق، الإنسان يقل انشغاله بالآليات بشكل متزايد، ويزداد إدارته للعملية.

«90% من التنفيذ يقوم به الذكاء الاصطناعي، بينما 90% من إدارة المفهوم

يبقى مع الناس.»

ماذا يحدث للناس

المكاسب التكنولوجية لا تلغي التكاليف الإنسانية. يلاحظ باحثو Sber أن المبتدئين يجدون أنفسهم بشكل متزايد في دور غريب: يحتاجون ليس فقط إلى تعلم كتابة الأكواد بل إلى تقييم النتائج التي أنشأتها النماذج، مع أن معرفتهم الأساسية لا تزال غير كافية. المهندسون الأكثر خبرة يواجهون مشكلة مختلفة: جزء من متعة حل المشاكل المعقدة يختفي، وتأتي الوكلاء بإحساس بأنك لا تعود مؤلفًا بل مراقبًا لناقل الحركة.

ومن هنا القلق بشأن المهارات والمكانة والقيمة في السوق. على مستوى الإنتاج، هذا أكثر وضوحًا. في الشركة، لا يمكنك ببساطة تفعيل وضع وكيل عصري وتتوقع معجزة: يجب أن يفهم النظام واجهات برمجية داخلية وسياسات أمان وقيودًا تنظيمية.

لذلك، فإن «vibe coding» النقي لا يعمل بشكل كبير للشركات الكبيرة. حالة GigaCode مؤشرة: في ديسمبر، أغلقت إصدارًا كاملاً من أداة لتحميل والتحقق من المكتبات دون سطر واحد من الأكواد اليدوية. تضمن الإصدار خمس مهام رئيسية وعدة إصلاحات، وقبلت الفريق النتيجة دون ملاحظات كبيرة.

هذا يغير تخصص المهندس: أقل تجميعًا يدويًا، مزيدًا من صياغة المهام والمراجعة والمسؤولية المعمارية.

كيف يتم قياس التأثير

Yandex و T-Technologies توضحان أن قياس التأثير من خلال أسطر الأكواد وحدها أصبح بلا معنى. في Yandex، حوالي 70% من المطورين يستخدمون بانتظام مساعدات الذكاء الاصطناعي عند كتابة الأكواد، وفي المتوسط ينتجون 10–20% من الالتزامات أكثر. لكن إنشاء الأكواد هو جزء فقط من العمل: الكثير من الوقت يذهب للبحث عن المعلومات والتصميم والتصحيح والمراجعة. قلل AI Chat الداخلي بشكل كبير زيارات wiki، و DeepAgent، وفقًا للشركة، يوفر تسريعًا عشرة أضعاف في مهام البحث المعقدة للقاعدة البرمجية. T-Technologies، من جانبها، تنظر ليس إلى حجم النص بل إلى Developer Experience:

• الوقت من أول التزام إلى النشر
• حصة وقت التركيز وعدد تبديلات السياق
• سرعة المراجعة الأولى
• نسبة الاختبارات غير المستقرة
• مدة التكيف للمهندس الجديد

وفقًا للقياس الداخلي لـ T-Technologies، ارتفعت حصة مستخدمي الذكاء الاصطناعي المنتظمين من 17% إلى 85% على مدى عشرة أشهر. بعد أربعة أسابيع من التعرف الأول على المساعد، 80% يستمرون في استخدامه في بيئة التطوير و 75% في واجهة الويب. red_mad_robot ذهبت أبعد: جمعت الشركة نماذج أولية للويب و iOS و Android في 48 ساعة، حصلت على حوالي 80,000 سطر من الأكواد و 208 التزامات، ودور الفريق اختزل فعليًا إلى مهندس ذكاء اصطناعي واحد ينسق الوكلاء. بتكلفة حوالي 27 دولارًا لكل نموذج أولي، هذا ليس مجرد تسريع بل اقتصاد منتج جديد.

ماذا يعني هذا

المطور لا يختفي، لكن عمله يرتفع بسرعة إلى مستوى أعلى: من كتابة الأكواد إلى صياغة النية والتحقق من النتائج وإدارة الوكلاء. بالنسبة للشركات، الخطر الرئيسي لم يعد أن الذكاء الاصطناعي يكتب كثيرًا، بل أن الأعمال ستنجح في تسريع الإصدارات لكنها لن تنجح في إعادة هيكلة التدريب والقياسات وثقافة الهندسة للواقع الجديد.