Waydev: سباق الـ tokens يقلل العائد من البرمجة بـ AI ويضخم حجم إعادة العمل

عبادة جديدة في الفرق التي تستخدم البرمجة بالذكاء الاصطناعي بكثافة: ليس جودة الإصدارات، بل حجم الرموز المحروقة. المشكلة أن المزيد من الأكواد والمزيد من طلبات الدمج لا تعني بالضرورة مزيد من العمل المفيد: جزء كبير من هذا الحجم ينتهي به الحال إلى إعادة الكتابة.

كيف يعمل تعظيم الرموز

يصف مصطلح "تعظيم الرموز" منطقاً بسيطاً: إذا أنفق المطور الكثير من الرموز في Claude Code أو Cursor أو Codex، فإنه يعمل افتراضاً بإنتاجية أكبر. داخل الشركات، أصبحت الميزانيات الكبيرة لحسابات الذكاء الاصطناعي بالفعل عنصراً من عناصر المكانة، تقريباً مثل عدد أسطر الأكواد أو الالتزامات في السابق. لكنها نفس الخطأ القديم في تغليف جديد.

الرموز هي مدخل العملية، وليست نتيجة. تُظهر كم من الموارد تم حرقه، لكنها لا تجيب على ما إذا كان لدى الفريق مزيد من الأكواد الموثوقة والمفيدة والقابلة للصيانة. وفقاً لـ Waydev، التي تعمل مع حوالي 50 شركة وأكثر من 10 آلاف مهندس، يرى المديرون في كثير من الأحيان صورة عالية المستوى جميلة جداً: يتم قبول 80–90% من الأكواد التي تولدها الذكاء الاصطناعي في البداية وتدخل المستودع.

لكن عندئذ يبدأ جزء أقل وضوحاً من العمل—الإصلاحات والعودات وإعادة الكتابة في الأسابيع القادمة. إذا أخذنا في الاعتبار هذا التأخر، فإن الحصة الحقيقية من الكود الذي بقي فعلاً تنخفض إلى 10–30%. هنا تنهار وهم الإنتاجية الفورية.

المقاييس ضد الأوهام

عدة شركات تعمل في تحليل الهندسة تحاول الآن قياس هذه الصورة. بلغ الطلب درجة عالية جداً بحيث بدأت اللاعبون الكبار أيضاً في الاستثمار في مثل هذه الأدوات: اشترت Atlassian شركة DX الناشئة بمبلغ 1 مليار دولار في 2025 لقياس العائد بشكل أفضل من وكلاء الذكاء الاصطناعي في التطوير. الاستنتاج العام عبر المنصات المختلفة متشابه: يتزايد حجم الأكواد المُنتجة، لكن حصة النتائج المستدامة لا تتزايد.

• تُفيد GitClear بأن المستخدمين المنتظمين لأدوات الذكاء الاصطناعي يُظهرون تناقص الأكواد بمعدل أعلى بـ 9.4 مرة من المطورين بدون الذكاء الاصطناعي، على الرغم من أن النمو السنوي المنقح يبدو أكثر تواضعاً بكثير—حوالي 25%.
• سجلت Faros AI في تقريرها لشهر مارس 2026 زيادة بنسبة 51% في حجم طلب الدمج مع حصة عالية من الذكاء الاصطناعي في التطوير، وزيادة بنسبة 28% في الأخطاء لكل طلب دمج، وزيادة خمسة أضعاف في وقت الفحص المتوسط وارتفاع في تناقص الأكواد بنسبة 861%.
• رأت Jellyfish في عينة من 7548 مهندساً أن أكثر المطورين "استهلاكاً للرموز" يقومون بعمل المزيد من طلبات الدمج، لكن الاعتماد يصبح سريعاً غير مربح من حيث السعر.
• في بيانات Jellyfish، أصدر أفضل 20% من حيث إنفاق الرموز في المتوسط 23 طلب دمج مُوحد لكل ربع سنة مقابل 11 للأسفل 20%، لكنهم أنفقوا حوالي 1822 دولار على هذا مقابل حوالي 3 دولارات تقريباً.

تكلفة الأكواد الإضافية

المشكلة الرئيسية ليست أن الذكاء الاصطناعي يكتب الكثير، بل أن الحجم الإضافي ينقل تكلفة العمل إلى ما بعده في خط الأنابيب. يُنشئ الفريق مسودات أسرع، لكن بعدئذ يدفع ثمن قراءة ومراجعة وتكامل وصيانة هذا الكود. إذا أصبحت طلبات الدمج أكبر، والأخطاء أكثر عدداً، والمراجعات أطول، فإن جزءاً من "التسريع" ينتقل ببساطة إلى المستقبل كدين تقني.

هذا ملحوظ بشكل خاص عند المطورين الصغار: يقبلون كثيراً بدون تصفية كبيرة اقتراحات الذكاء الاصطناعي وعندئذ يعودون بشكل متكرر إلى هذه التغييرات. مع مهندسي الخبرة، الوضع أفضل لأنهم يضعون السياق بدقة أكبر ويقطعون القمامة عند الإدخال بلا رحمة. لكن حتى في هذه الحالة، تنخفض العائدات الحدية.

تكتب Jellyfish بشكل خطي تقريباً: في الطرف العلوي من المنحنى، ينفق المطورون ما يقرب من 10 أضعاف الرموز للحصول على حوالي ضعف الإنتاجية. هذا لم يعد قصة عن الكفاءة، بل عن تسريع مكلف جداً.

"هذا عصر جديد من تطوير البرمجيات، وستضطر الشركات إلى التكيف على أي حال," يقول أليكس تشيرتشي، الرئيس التنفيذي لـ

Waydev.

ما يعنيه هذا

لن تختفي البرمجة بالذكاء الاصطناعي، لكن عبادة الإنفاق الأقصى للرموز تبدو مقياساً إدارياً سيئاً. إذا أرادت الشركات إنتاجية حقيقية، فسيتعين عليها أن تنظر ليس إلى كمية الأكواد المُولدة، بل إلى كم عدد التغييرات التي تمر المراجعة دون كسر الإنتاج، ولا تعود لإعادة الكتابة وتدفع تكلفتها بالرموز.