لن تكون مجرد مبرمج Vibe، بل ستصبح خبيرًا حقيقيًا! أنثروبيك تكشف الحقيقة: المعرفة المتخصصة أهم من كتابة الكود

تشير التقارير إلى أن استخدام الذكاء الاصطناعي في كتابة البرامج يعتمد بشكل أكبر على المعرفة المجال وقدرة التحقق من النتائج بدلاً من مهارات البرمجة. فامتلاك القدرة على الحكم المهني وطرح الأسئلة بشكل صحيح هو ما يعزز بشكل كبير معدل نجاح المهمة.

في 16 يونيو، نشرت شركة أنثروبيك تقرير دراسة بعنوان «البرمجة الوكيلة والعائد المستمر للخبرة» (يشير مصطلح "البرمجة الوكيلة" إلى "البرمجة بالتكليف"، حيث تعطي الأمر، ويقوم الذكاء الاصطناعي بقراءة الملفات وتنفيذ الأوامر لإنجاز المهمة).

حلل التقرير حوالي 235,000 مستخدم، وقرابة 400,000 تفاعل مع Claude Code بين أكتوبر 2025 وأبريل 2026، بهدف الإجابة على سؤال يقلق الكثيرين: هل يمكن للأشخاص الذين لم يتلقوا تدريبًا رسميًا في البرمجة أن يوجهوا الذكاء الاصطناعي لإنجاز مهام تقنية معقدة حقًا؟

كانت الإجابة على ذلك بالإيجاب، لكن الأهم هو استنتاج التقرير: هل كتابة البرامج مهمة بحد ذاتها، أم أن "فهم المشكلة التي أمامك" هو الأهم فعلاً.

"الجميع يمكنه كتابة البرامج"، هذه العبارة تصحّ جزئياً فقط

على مدى العام الماضي، أصبحت "البرمجة بالمشاعر" (وصف ما تريد باستخدام اللغة الطبيعية، ويقوم الذكاء الاصطناعي بإنشاء الكود القابل للتشغيل، دون الحاجة لفهم كل سطر) ظاهرة سائدة في مجتمع المطورين. ومع تزايد هذه الظاهرة، كانت السردية الأكثر انتشارًا هي: أن عتبة دخول البرمجة قد تم تسويتها، وأن الجميع أصبح مهندس برمجيات.

من يستفيد أكثر من هذه السردية؟ من شركات أدوات الذكاء الاصطناعي، ومن أصحاب الأعمال الذين لا يحتاجون بعد الآن لتوظيف مهندسين، فهي قصة جيدة. لكن، البيانات في التقرير تصحح ذلك إلى نسخة أكثر واقعية.

تقوم شركة أنثروبيك بتقييم كل مستخدم في كل تفاعل بناءً على مستوى خبرته، من "مبتدئ" إلى "خبير"، وفقًا لنص الحوار. يجب ملاحظة أن هذا المستوى المهني لا يتطابق مع المسمى الوظيفي أو مدى ذكاء الشخص، وهو مرتبط بمهمة محددة.

أعطى التقرير مثالاً رئيسيًا: محاسب لم يستخدم بايثون من قبل، يكفي أن يوضح بوضوح لقائد الذكاء الاصطناعي قواعد التسوية، وأن يتمكن من اكتشاف الأخطاء الحدودية التي يغفل عنها الذكاء الاصطناعي عند التسوية الشهرية، ليصبح خبيرًا في تلك المهمة؛ بالمقابل، مهندس برمجيات مخضرم يسأل عن مشكلة في لغة Rust للمرة الأولى، يُعتبر مبتدئًا.

بمعنى آخر، "الاحتراف" هنا لا يعني القدرة على البرمجة، بل مدى فهمك "للمشكلة ذاتها" التي تحاول حلها. ولهذا، فإن تقليل التقرير إلى "الجميع يمكنه استبدال المهندسين" هو فهم خاطئ، فالمعرفة المجال هي نوع من الحكم المهني الذي يتطلب سنوات من التراكم، وهي لم تختف، بل انتقلت إلى موقع جديد وأصبحت عنق زجاجة.

كيف يتم تقسيم العمل: أنت تطرح السؤال، والذكاء الاصطناعي يجيب

أوضح رسم في التقرير هو تقسيم القرار بين الإنسان والذكاء الاصطناعي. تقسم أنثروبيك كل قرار إلى "تخطيط" (ماذا نفعل، باستخدام أي طريقة، كيف نعرف أن المهمة انتهت) و"تنفيذ" (أي تعديل ملف، كتابة كود، باستخدام أي لغة). النتيجة: بشكل متوسط، الإنسان يتخذ حوالي 70% من قرارات التخطيط، وClaude يتخذ حوالي 80% من قرارات التنفيذ.

المصدر: أنثروبيك

بعبارة بسيطة، الإنسان مسؤول عن تحديد المهمة والتحقق من النتائج، والذكاء الاصطناعي ينفذ العمل. وكلما كان المستخدم أكثر خبرة، زادت ميول هذه التقسيمات إلى "ترك الأمور للذكاء الاصطناعي": وجد التقرير أن الأوامر التي يعطيها المبتدئ تؤدي إلى حوالي 5 إجراءات و600 كلمة من الناتج، بينما أوامر الخبير تؤدي إلى حوالي 12 إجراء و3,200 كلمة. الخبراء يجرؤون على تفويض مهام أكبر مرة واحدة، لأنهم يعرفون كيف يصفونها ويعرفون كيف يتحققون من النتائج.

المصدر: أنثروبيك

وهذا هو أول مكان يتعارض مع الحدس: كلما زادت قوة الذكاء الاصطناعي، زاد تأثير الخبراء في توسيع نطاق العمل، وليس تقليصه.

الأرقام التي تبرز الفارق الحقيقي تكمن في معدلات النجاح

استخدمت أنثروبيك طريقتين لقياس "هل كانت المحادثة ناجحة". الأكثر تساهلاً هو "نجاح جزئي على الأقل"، والأكثر صرامة هو "النجاح الموثق" (أي أن هناك أدلة ملموسة مثل التزام الكود، اجتياز الاختبارات، أو تأكيد المستخدم بشكل واضح).

وفقًا لأعلى معيار، كانت نسبة النجاح الموثق للمبتدئين 15%، بينما ارتفعت إلى 28-33% للمتوسطين والخبراء. أما وفقًا للمعيار الأكثر تساهلاً، فكانت 77% للمبتدئين و91-92% للمتوسطين وما فوق.

المصدر: أنثروبيك

لكن هناك تفصيل مهم: تركز معظم المكاسب على المرحلة من "مبتدئ" إلى "متوسط"، أما من متوسط إلى خبير، فالمسار يتسطح. وفقًا للتقرير، بمجرد أن يكون لديك فهم أساسي للمجال، وتتمكن من التعامل معه، يمكنك الحصول على معظم الفوائد، بينما التعمق أكثر يضيف فقط قليلاً.

كما أن الفارق يظهر أيضًا في قدرة الشخص على الصمود عند مواجهة العقبات. عندما يواجه الحوار مشكلة (خطأ، فشل اختبار، تكرار المحاولة)، يترك 19% من المبتدئين المحادثة مباشرة، دون كتابة أي سطر برمجي، بينما تتراوح نسبة استسلام الآخرين بين 5% و7%. يفسر التقرير ذلك بأن قدرة إعادة توجيه الذكاء الاصطناعي إلى المسار الصحيح تعتبر جزءًا من الاحتراف.

اكتشاف مهم يُقلل من التوقعات: الفروق المهنية ليست صغيرة كما تظن

إذا كانت خلفية البرمجة فعلاً مهمة، لكان من المفترض أن يتفوق مهندسو البرمجيات بشكل كبير. لكن البيانات تقول غير ذلك.

في المحادثات التي تنتج كودًا، كانت نسبة النجاح الموثق للمهنيين في البرمجيات حوالي 34%، وللآخرين حوالي 29%، بفارق 5 نقاط مئوية، ولم يتغير هذا الفارق خلال سبعة أشهر.

حلل التقرير أهم عشرة مهن، ووجد أن كل واحدة منها تقع ضمن 7 نقاط مئوية من نسبة نجاح مهندسي البرمجيات. والأكثر مفاجأة أن المدراء التنفيذيين لديهم معدل نجاح موثق يتجاوز أحيانًا مهندسي البرمجيات.

قدم التقرير تفسيرين محتملين: الأول هو أن مهارات "التوجيه، والتكليف، وتحديد المهام" لدى المديرين يمكن أن تنتقل إلى توجيه الذكاء الاصطناعي؛ والثاني هو أن طرق القياس قد تكون متحيزة، حيث تعتمد نسبة النجاح الموثق على أن المستخدم يصرح بوضوح "نعم، هذا هو المطلوب"، وهو أمر قد يكون أسهل على المديرين الذين يعتادون على توضيح الأمور.

خلال هذه الأشهر السبعة، شهدت البيانات تغيرات مهمة أخرى: نسبة الوقت المخصص للتصحيح (تصحيح الأخطاء، إصلاح البرامج المعطوبة) انخفضت من 33% إلى 19%، بينما ارتفعت نسبة التشغيل (نشر، إعداد، تشغيل البرامج) من 14% إلى 21%، وكتابة البيانات والتحليل زادت من حوالي 10% إلى حوالي 20%.

استخدم التقرير مقياس "مقارنة بسوق العمل الحر" لتقدير قيمة كل مهمة (مع تأكيد أنه مجرد مقارنة نسبية، وليس تقديرًا دقيقًا)، ونتيجته أن قيمة المهام ارتفعت بمعدل حوالي 27% خلال تلك الفترة (وذكر ملخص التقرير حوالي 25%).

ما لم يقله التقرير، لكنه مهم جدًا

اعترف التقرير بحدوده: فهو لا يراعي النتائج الواقعية، ولا يعرف ما إذا كانت البرامج التي تم إنشاؤها بعد المحادثة قد تم استخدامها فعلاً، كما أنه استبعد الاستخدامات غير التفاعلية (مثل دمج Claude Code في عمليات الأتمتة)، وهي جزء كبير من الاستخدامات. جميع التصنيفات تعتمد على تقييم النص المسموع من النموذج، لذا فهي "لقطة مبكرة" وليست استنتاجًا نهائيًا.

الأهم من ذلك، هو السؤال الذي يختتم به التقرير: أنثروبيك تقول إنها ستتابع باستمرار مسألة "عائد المعرفة المجال"؛ فإذا بدأ هذا العائد في الانخفاض، فذلك يعني أن النموذج أصبح قادرًا على تزويد المستخدمين بالحكم الذي كانوا يضطرون لإحضاره بأنفسهم حتى الآن.

الدرس المستفاد من التقرير هو: لا تقلق من عدم إتقان البرمجة، بل استثمر في تعميق معرفتك في مجالك، ووضح أكثر ما يعنيه أن تكون على حق.

فكر جيدًا في المشكلة أولاً، ثم دع الذكاء الاصطناعي يسرع في الحل؛ تحقق من النتائج قبل أن تترك الأمور تسير بمفردها.

• تم إعادة نشر هذا المقال بإذن من 《الزمان الرقمي》
• العنوان الأصلي: 《لا تكتفِ بكتابة الكود! أنثروبيك تكشف حقيقة "البرمجة بالمشاعر": مقارنةً بالبرمجة، "المعرفة في المجال" هي أكبر عامل تأثير》
• الكاتب الأصلي: لي شيانتاي