يبدو أن الذكاء الاصطناعي ومهنة المطور يعيدان ترتيب علاقتهما من جديد، فحسب مقال نشرته GitHub بقلم Gwen Davis، كبيرة استراتيجيي المحتوى فيها، لم تَعُد كتابة الكود وحدها كافية. الكتابة ما زالت أساسية، لكن المطوّر بات محتاجًا أكثر لمعرفة كيف يوجّه الذكاء الاصطناعي، ويقيّم ما ينتجه، ويشرح المقايضات، ويتّخذ قرارات تقنية سليمة. والخبر الجيّد؟ التحضير لهذا يبدأ اليوم، لا غدًا.
كيف يغيّر الذكاء الاصطناعي ومهنة المطور شكل “التنفيذ”؟
المقال يضرب مثالًا بسيطًا: طُلب منك إضافة تدفّق مصادقة جديد. في الطريقة التقليدية تمرّ بسلسلة معروفة — إنشاء فرع، كتابة الكود، تشغيل الاختبارات، فتح طلب سحب. أما مع أدوات أكثر قدرة واندماجًا في العمل اليومي، فقد يصبح مشهدك تنسيق عدّة وكلاء في وقت واحد: وكيل يجهّز المصادقة للمراجعة، وآخر يعدّ مسوّدة التوثيق، وثالث يسلّم حزمة الاختبارات.
لاحظ ما تغيّر فعلًا: المسؤولية عن النتيجة ما زالت عليك، لكن وقتك لم يَعُد يذهب إلى تنفيذ كل قطعة بيدك، بل إلى تعريف العمل، ومراجعة المخرجات، واتخاذ القرارات التقنية التي تلمّ الشتات. وفي سياق متصل، يعكس جوجل تمنح Gemini Live قدرات خارقة بدمج خدمات Gmail وSpark المدى الذي صارت إليه هذه الأدوات في التشابك مع تفاصيل العمل اليومي.
لماذا تبقى المراجعة والحكم التقني ورقتك الرابحة؟
الذكاء الاصطناعي يولّد حلولًا مبهرة في ثوانٍ، لكن الجواب الأول ليس دائمًا الأفضل. هنا تنفعك خبرتك في كتابة كود نظيف وقابل للصيانة. النصيحة العملية: اطلب من نموذج ثانٍ أن ينقد عمل النموذج الأول، ثم احكم أنت بين الإجابتين. المقال يعرض مثالًا بطلب استعلام SQL يُرجع أحدث طلب لكل عميل، فيأتي النقد بثلاث ملاحظات: لا يتعامل مع الطوابع الزمنية المكرّرة، ويغفل التوصية بفهرس، وقد يكون أداؤه ضعيفًا على الجداول الكبيرة.
لهذا السبب يستخدم وكيل Rubber Duck المدمج في GitHub Copilot نموذجًا ثانيًا لنقد الخطط والكود والاختبارات قبل أن تمضي قدمًا، لأن لكل نموذج نقاط قوة ونقاط عمياء مختلفة. الخلاصة كما تصوغها الكاتبة: ثِق بالذكاء الاصطناعي بما يكفي لتستخدمه، لا بما يكفي لتتخطّى المراجعة. ويضيف جوجل تطلق Gemini 3.5 Transcribe لتحويل الكلام إلى نصوص بدقة فائقة شاهدًا آخر على تفاوت قدرات النماذج بحسب المهمّة.
والوقت الذي يوفّره عليك التنفيذ الآلي ليس وقتًا فائضًا، بل فرصة لمشكلات أوسع: فهم احتياجات العميل، وتقييم المقايضات، وتصميم أنظمة أفضل. في مثال إضافة “الوضع الداكن” يبني الذكاء الاصطناعي التنفيذ والاختبارات والتوثيق، وتبقى على المطوّر قائمة تحقّق خاصة: التحقّق من مشكلة العميل، ومراجعة مقايضات المعمارية، وفحص إمكانية الوصول، وتحديد مقاييس النجاح، واعتماد الحل. وهكذا تتضح معادلة الذكاء الاصطناعي ومهنة المطور: ما يميّز المهندس البارع — الحكم السليم وموازنة المقايضات وحلّ المشكلة الصحيحة — يصبح أهمّ لا أقلّ.
المصدر: GitHub Blog
