الذكاء الاصطناعي خفّض عتبة الدخول إلى التطوير البرمجي، لكن الدين التقني لم يختفِ

جعل الذكاء الاصطناعي البرمجة في متناول أشخاص لا يملكون تعليمًا تقنيًا، لكن مع انخفاض عتبة الدخول اختفت أيضًا الحواجز الوقائية التي كانت تستبعد القرارات المعمارية السيئة منذ البداية.

كيف غيّر الذكاء الاصطناعي بوابة الدخول إلى التطوير

قبل عامين فقط، كانت الحزمة التقنية الدنيا لمطوّر الويب تتألف مما يلي: معرفة بلغة برمجة، وفهم لإطار عمل واحد على الأقل، وSQL للتعامل مع البيانات، والقدرة على نشر التطبيق وقراءة تتبّع الأخطاء (traceback) عند حدوثها. وكان إتقان هذه الحزمة يستغرق أشهرًا. وقد كانت هذه العتبة تستبعد معظم الراغبين في «صنع أي شيء فحسب»، وكان ذلك مفيدًا إلى حد ما.

اليوم يمكن الوصول إلى النتيجة نفسها عبر حوار مع نموذج لغوي: تصف المهمة، فتحصل على الشيفرة، فتلصقها في المحرّر وتشغّلها. وهي تعمل. وهذا أمر جيد فعلًا: فمديرو المنتجات يختبرون الفرضيات في أمسية واحدة، والمصممون يبنون نماذج أولية تفاعلية دون الاستعانة بمطورين، والمؤسسون يطلقون MVP دون توظيف فريق. لقد سقط الحاجز، ولا ضير في ذلك.

لكن هذا الحاجز كان يؤدي وظيفة أخرى أيضًا. فقد كان يُلزم كاتب الشيفرة بأن يفهم ما الذي يبنيه بالضبط، ولماذا يعمل على هذا النحو لا على غيره.

أين يختبئ الدين التقني

النموذج اللغوي لا يعرف نظامكم. إنه يعرف الأنماط الموجودة في ملايين المستودعات العامة، ويطبّق النمط الأكثر شيوعًا، لا الأنسب لمشروع بعينه وسياقه. وفي نهج «المهمة ← الشيفرة ← النتيجة» المباشر، يخلق ذلك مجموعة متوقعة من المشكلات المتراكمة:

• تكرار المنطق: تُنفَّذ الوظيفة نفسها في عدة أماكن، لأن كل طلب إلى الذكاء الاصطناعي كان معزولًا عن جميع الطلبات السابقة
• غياب التحقق من صحة البيانات: لا تُفحص البيانات على مستوى API وقاعدة البيانات، ما يفتح الباب أمام هجمات حقن SQL وحالات بيانات غير متسقة
• الأسرار داخل الشيفرة: مفاتيح API وكلمات المرور مكتوبة مباشرة في الملفات، لأن ذلك «أسهل» في النموذج الأولي
• المسار السعيد فقط (happy path): معالجة الأخطاء في حدها الأدنى أو غائبة تمامًا
• ترحيلات لا يمكن التراجع عنها: تغييرات في مخطط قاعدة البيانات دون إمكانية الرجوع عنها

كل نقطة من هذه النقاط تبدو هامشية في النموذج الأولي. أما مجتمعةً في بيئة الإنتاج مع مستخدمين حقيقيين، فهي حريق تقني يشتعل بعد 6–12 شهرًا من التشغيل. لا يظهر في العرض التجريبي، لكنه يظهر بوضوح تام حين يبلّغ أول عميل عن تسرّب بيانات.

كيف نطوّر مع الذكاء الاصطناعي بطريقة مختلفة

الفرق بين استخدام الذكاء الاصطناعي بديلًا عن المطوّر واستخدامه أداةً بيد المطوّر فرق جوهري. ففي الحالة الأولى يتخذ الذكاء الاصطناعي القرارات المعمارية بنفسه: وهذا بسيط وسريع، لكنه يولّد المشكلات المذكورة أعلاه. وفي الحالة الثانية ينفّذ الذكاء الاصطناعي قرارات اتخذها الإنسان بالفعل عن فهم للسياق.

«الذكاء الاصطناعي لا يعرف نظامكم. إنه يعرف الأنماط من ملايين

المستودعات، ويطبّق الأكثر شيوعًا، لا الأنسب» — هكذا يصوغ كبار المهندسين (senior) المشكلة عند مراجعة الشيفرة التي كتبها الذكاء الاصطناعي.

عمليًا، يعني ذلك تزويد النموذج بسياق النظام، لا بمهمة معزولة فحسب. أي وصف البنية القائمة قبل كل طلب، وتحديد الأنماط والقيود المعتمدة. وطلب شرح الحل المقترح بدل الاكتفاء باستلام شيفرة جاهزة. ومراجعة النتيجة من زاوية «كيف تندمج هذه الشيفرة في البنية المعمارية»، لا من زاوية «هل تعمل الآن» فحسب.

بهذا النهج يصبح الذكاء الاصطناعي مضاعِفًا لإنتاجية المطوّر ذي الخبرة. وبالنهج المعاكس يصبح مولّدًا للدين التقني بسرعة عالية جدًا.

ماذا يعني ذلك

انخفاض عتبة الدخول إلى التطوير تحول إيجابي لا رجعة فيه. والسؤال ليس هل نستخدم الذكاء الاصطناعي: فالجواب واضح أصلًا. السؤال هو: من يتخذ القرارات المعمارية، النموذج أم الإنسان؟

لم يختفِ الدين التقني ولا الثغرات ولا المشكلات المعمارية، بل توقفت فقط عن عرقلة الانطلاق وبدأت تتراكم بصمت. والاستخدام الواعي للأداة هو السبيل الوحيد للحصول على سرعة التطوير دون دفع الثمن لاحقًا.