تأثير أدوات الذكاء الاصطناعي على إنتاجية المطورين

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٨ أبريل ٢٠٢٦

تشير إحدى المقولات الشهيرة في عالم الإدارة إلى أن "ما تقوم بقياسه مهم"، مما يعني أنه غالبًا ما تحصل على المزيد من الشيء الذي تقيسه. في مجال تطوير البرمجيات، كانت هناك مناقشات حول قياسات الإنتاجية لعقود، بدءًا من قياس عدد الأسطر البرمجية. ومع ظهور جيل جديد من أدوات البرمجة المعتمدة على الذكاء الاصطناعي، أصبح من غير الواضح ما الذي يجب على المديرين قياسه.

في الوقت الحالي، أصبحت ميزانيات الرموز الضخمة - وهي كمية القوة الحسابية للذكاء الاصطناعي التي يُسمح للمطور باستخدامها - علامة فخر بين مطوري سيليكون فالي. ومع ذلك، يعد هذا التفكير غريبًا في سياق قياس الإنتاجية. إن قياس المدخلات في العملية لا يبدو منطقيًا إذا كان الهدف هو تحقيق نتائج أفضل. قد يكون ذلك منطقيًا إذا كنت تسعى لتشجيع استخدام الذكاء الاصطناعي، ولكن ليس إذا كنت تهدف إلى تحسين الكفاءة.

الإنتاجية في ظل أدوات البرمجة المعتمدة على الذكاء الاصطناعي

تشير الأدلة من الشركات الناشئة التي تعمل في مجال "رؤى إنتاجية المطورين" إلى أن المطورين الذين يستخدمون أدوات مثل Claude Code وCursor وCodex ينتجون كودًا معتمدًا أكثر بكثير مما كانوا عليه سابقًا. ولكن، يتضح أيضًا أن المهندسين يضطرون للعودة لتعديل هذا الكود المعتمد أكثر من أي وقت مضى، مما يضعف الادعاءات المتعلقة بزيادة الإنتاجية.

أليكس سيرسيس، المؤسس والرئيس التنفيذي لشركة Waydev، التي تقدم تحليلات للمطورين، قال إن مديري الهندسة يشهدون معدلات قبول للكود تتراوح بين 80% إلى 90%، مما يعني النسبة من الكود الذي تم إنتاجه بواسطة الذكاء الاصطناعي والذي يوافق عليه المطورون. ولكن،هم يغفلون عن التعديلات التي تحدث عندما يتعين على المهندسين مراجعة ذلك الكود في الأسابيع التالية، مما يؤدي إلى انخفاض معدل القبول الحقيقي إلى ما بين 10% و30% من الكود المنتَج.

إعادة تقييم الأدوات والتحليلات

أدت زيادة استخدام أدوات البرمجة المعتمدة على الذكاء الاصطناعي إلى قيام Waydev، التي تأسست في عام 2017، بإعادة تصميم منصتها بالكامل خلال الأشهر الستة الماضية لتلبية احتياجات أدوات البرمجة السريعة. الآن، تطلق الشركة أدوات جديدة تتبع البيانات الوصفية التي تتم إنتاجها بواسطة وكلاء الذكاء الاصطناعي، وتقدم تحليلات حول جودة وتكلفة الكود لمساعدة مديري الهندسة على فهم كيفية استخدام الذكاء الاصطناعي بكفاءة.

في حين أن شركات التحليلات لديها حافز لتسليط الضوء على المشكلات التي تجدها، فإن الأدلة المتزايدة تشير إلى أن المؤسسات الكبرى لا تزال تحاول فهم كيفية استخدام أدوات الذكاء الاصطناعي بشكل فعال. وقد لاحظت الشركات الكبرى ذلك، حيث استحوذت Atlassian على شركة DX، وهي شركة ناشئة في مجال الذكاء الهندسي، بمبلغ مليار دولار العام الماضي لمساعدة عملائها على فهم العائد على الاستثمار من وكالات البرمجة.

قصة متسقة عبر الصناعة

تخبر البيانات من جميع أنحاء الصناعة قصة متسقة: يتم كتابة المزيد من الأكواد، لكن نسبة كبيرة منها لا تستمر. وقد أظهرت دراسة نشرتها شركة GitClear في يناير أن أدوات الذكاء الاصطناعي زادت الإنتاجية، ولكنها أظهرت أيضًا أن "المستخدمين المنتظمين لأدوات الذكاء الاصطناعي شهدوا معدل استبدال كود أعلى بمعدل 9.4 مرة مقارنة بنظرائهم الذين لا يستخدمون الذكاء الاصطناعي"، مما يعني أن المكاسب في الإنتاجية كانت أكبر من الزيادة في كتابة الأكواد.

من الواضح أن أدوات البرمجة المعتمدة على الذكاء الاصطناعي قد أحدثت تحولًا في طريقة عمل المطورين، لكنها ليست خالية من التحديات. إن الحاجة إلى إعادة تقييم كيفية قياس الإنتاجية في هذا السياق تعتبر أمرًا ضروريًا لضمان تحقيق فوائد حقيقية من هذه الأدوات.