البرمجة بالذكاء الاصطناعي في ٢٠٢٦: أسرع لكن محفوفة بالمخاطر، ما يحتاجه القادة الخليجيون معرفته

تحليل شمولي شمل ٢٣ دراسة منشورة حتى مايو ٢٠٢٦ وجد أن مساعدين الذكاء الاصطناعي يحققون دفعة إنتاجية متوسطة في بيئات مُحكمة، لكن النتائج أقل أو حتى سلبية في استخدامات المؤسسات الواقعية (arxiv.org).

تجربة عشوائية في ٢٠٢٥ مع مطورين ذوي خبرة في المصادر المفتوحة وجدت أن أدوات الذكاء الاصطناعي أبطأتهم بنسبة ١٩٪، رغم توقعهم مكاسب في الوقت (arxiv.org).

كشف تقرير DORA 2025 أنه رغم استخدام ٩٠٪ من المختصين التقنيين للذكاء الاصطناعي في البرمجة واعتقاد أكثر من ٨٠٪ بأنه مفيد، إلا أن نحو ٧٠٪ فقط يثقون فعلاً بالكود الناتج، ما يؤدي إلى جهد إضافي في التحقق (dora.dev). وبحسب استطلاع Sonar 2026، فقط ٤٨٪ من المطورين يراجعون دائماً مخرجات الذكاء الاصطناعي قبل النشر الفعلي (sonarsource.com).

تحقيقات في ٢٠٢٦ كشفت عن ثغرات وخلل كبيرين في أدوات البرمجة بالذكاء الاصطناعي الشائعة، مع تسجيل أكثر من عشرين نقطة ضعف أمني (tomshardware.com, techradar.com).

يمكن لأدوات البرمجة بالذكاء الاصطناعي أن تساعد في المهام البرمجية البسيطة أو المتكررة. أظهرت التجارب المعملية ومشاريع معينة محددة جيداً مكاسب إنتاجية معقولة. ومع ذلك، خارج هذه البيئات المغلقة، تتضاءل الفوائد أو حتى تتحول لعكسها. إحدى دراسات ٢٠٢٥ وجدت أن المطورين ذوي الخبرة كانوا فعلياً أبطأ عند استخدام المساعدين، على عكس التوقعات الأولية.

معظم المطورين يستخدمون الآن الذكاء الاصطناعي لإنتاج الكود، لكن قلة منهم يثقون به بالكامل. هذا يعني أن كل سطر ناتج يحتاج إلى مراجعة. الوقت المصروف على مراجعة أو إصلاح الكود يمحو أو يقلل مكاسب الكفاءة المفترضة. كلما كان المشروع أكثر تعقيداً، زادت عبء المراجعة.

الأمن أيضاً يشكل هاجساً متنامياً. مع دخول كود الذكاء الاصطناعي إلى الإنتاج بشكل أكبر، تكشف الدراسات عن ثغرات حرجة تظهر، من مقترحات برمجية خطيرة إلى عيوب في الأدوات نفسها. سجلت حوادث شائعة وأوقات إصلاح أطول من المعتاد. هذا ليس مجرد أمر تقني، بل مخاطرة حقيقية قد تؤثر في الموثوقية وثقة العملاء.

من المهم للشركات فهم السياق: الذكاء الاصطناعي يسرّع كتابة بعض الشفرات، لكن تعقيد الأنظمة الفعلية، وأعباء المراجعة، وضرورات الأمان الأكثر تشدداً تغير حجم القيمة التي يمكن تحقيقها فعلاً.

تعتمد الشركات والجهات الحكومية في الخليج بشكل متزايد على البرمجيات في عملياتها الأساسية، مثل الفوترة الإلكترونية لدى هيئة الزكاة والضريبة والجمارك (ZATCA)، وبوابة UAE Pass، أو المشاريع الرئيسية ضمن رؤية السعودية 2030. هذه الأنظمة معقدة وأساسية للمهمة. الأدلة تظهر أن استخدام أدوات البرمجة بالذكاء الاصطناعي في مثل هذه البيئات يتطلب الحذر، وليس فقط الحماس.

على الشركات المحلية، والجهات التنظيمية، ومشتري التقنية أن يدركوا أنه إذا لم يثق المطورون أو يتحققوا بدقة من كود الذكاء الاصطناعي، فقد تتلاشى مكاسب الكفاءة ببساطة. بالإضافة إلى ذلك، أي زيادة في الثغرات قد تهدد استمرارية التحول الرقمي ومتطلبات الامتثال التنظيمي، وكلها مسائل ذات أهمية وطنية في دول الخليج.

نهج ساليستريج، التركيز على التجربة الواقعية، الشفافية، والنمو الصادق في التقنية، ينسجم مع ما تؤكده الأدلة الجديدة: يمكن تحقيق الكفاءة، لكن ليس على حساب الثقة أو الجودة.

ابدأ بمشاريع تجريبية: استخدم أدوات الترميز بالذكاء الاصطناعي فقط في بيئات محدودة وغير حرجة أولاً. سجّل أوقات مراجعة المطورين وراقب المشكلات الأمنية.

ألزم مراجعة الكود: اشترط أن تتم مراجعة كل سطر برمجي يُنتَج عبر الذكاء الاصطناعي من قبل مطور قبل النشر، مع عمليات تقفيه بسيطة.

قم بتدقيق أدوات الذكاء الاصطناعي: افحص أي مساعد برمجة أو بيئة تطوير متكاملة للثغرات الأمنية المعروفة، واطلب تحديثات منتظمة ضمن مراحل CI/CD الخاصة بك.

درّب الفرق على التعرف على الأخطاء والثغرات الشائعة في الذكاء الاصطناعي حتى لا تتحول فجوات الثقة الثقافية إلى ثغرات عملية.

راجع العمليات ومؤشرات الأداء بشكل منتظم لقياس الإنتاجية بدقة، مع احتساب أوقات التحقق ونِسب الأخطاء، وليس فقط سرعة الإنجاز.