ثقة برمجة الذكاء الاصطناعي والتحقق من صحتها

في 24 سبتمبر 2026 أصدر اتحاد مجتمع الحوسبة الأمريكي (CCC) تقريرًا بعنوان "Beyond Code" استند إلى ورشة عمل شارك فيها 41 خبيرًا في مجال البرمجة بالذكاء الاصطناعي خلال شهر فبراير من نفس العام. يوضح التقرير أن أدوات البرمجة المدعومة بالذكاء الاصطناعي تُستَخدم الآن من قبل ما بين 84 % و 90 % من المطورين حول العالم، وهو ما يمثل قفزة نوعية في طريقة كتابة الشفرة، لكنه يسلط الضوء على مشكلة جديدة: القدرة المتزايدة على توليد الشفرة تفوق قدرة الفرق على التحقق من صحتها وصيانتها.

الانتشار الواسع لأدوات البرمجة بالذكاء الاصطناعي

تشير البيانات التي جمعها التقرير إلى أن معظم المنصات التجارية – من GitHub Copilot إلى أدوات مفتوحة المصدر – أصبحت جزءًا لا يتجزأ من سير عمل المطورين. خلال الورشة، أشار الخبراء إلى أن الاعتماد المتزايد على هذه الأدوات لا يقتصر على فرق البرمجة الكبيرة فحسب، بل يمتد إلى الشركات الناشئة والفرق الصغيرة التي لا تملك موارد كافية لتوظيف مهندسين متخصصين. هذا الانتشار الواسع يخلق بيئة يصبح فيها توليد الشفرة عملية شبه أوتوماتيكية، بينما يبقى التحقق من صحة الشفرة وصيانتها مهمة يدوية تتطلب خبرة عميقة.

السرعة وتحديات التحقق

أحد أبرز الاستنتاجات في التقرير هو أن سرعة توليد الشفرة تجاوزت قدرة الفرق على التحقق منها. فالأدوات القادرة على إنتاج سطور برمجية في ثوانٍ قليلة تُقَدِّم مقترحات قد تصل إلى آلاف الأسطر في اليوم الواحد. بالمقابل، عملية مراجعة الكود، واختبار الوحدة، وتحليل الأمان تتطلب ساعات أو أيام من العمل البشري. هذا الفارق الزمني يخلق ما وصفه التقرير بـ "اختناق التحقق"؛ حيث تُترك أجزاء كبيرة من الشفرة دون فحص كافٍ، ما يزيد من خطر تسرب الأخطاء والضعف الأمني إلى بيئات الإنتاج.

تتجلى عواقب هذا الاختناق في صعوبة صيانة الأنظمة على المدى الطويل. عندما تُدمج مقترحات الذكاء الاصطناعي دون مراجعة دقيقة، يصبح من الصعب على المطورين الجدد أو الفرق المتناوبة فهم المنطق وراء الشفرة، ما يؤدي إلى تكاليف صيانة أعلى وإطالة دورات الإصلاح. بالإضافة إلى ذلك، تُظهر التجارب الأولية أن الأخطاء التي تُدخل عبر أدوات التوليد قد لا تُكتشف إلا بعد نشر النظام في بيئات حية، حيث يمكن أن تتسبب في انقطاع الخدمات أو تسريب بيانات حساسة.

المسارات السبعة المقترحة

لمواجهة هذه التحديات، يطرح تقرير "Beyond Code" سبعة مسارات استراتيجية تهدف إلى إعادة توازن عملية التطوير بين التوليد والتحقق. يركز المسار الأول على تضييق فجوة النية والمتطلبات بين ما يريده العميل وما يولده النموذج. يليه الجمع بين التوليد والاستدلال الرمزي لتقليل الأخطاء المنطقية. كما يدعو إلى بناء الأمان داخل عملية التوليد، وضمان شفافية بيانات التدريب التي تُستَخدم لتدريب النماذج. ولا يقتصر الأمر على مرحلة كتابة الشفرة فقط؛ بل يشمل التوسع إلى النشر والتشغيل، مع تعزيز قابلية تتبع المصدر وإثبات الإسناد، وأخيرًا التحقق المتقاطع بين أنظمة مختلفة لضمان التوافق.

• تضييق فجوة النية والمتطلبات
• الجمع بين التوليد والاستدلال الرمزي
• بناء الأمن داخل عملية التوليد
• شفافية بيانات التدريب
• التوسع إلى النشر والتشغيل
• قابلية تتبع المصدر وإثبات الإسناد
• التحقق المتقاطع بين أنظمة مختلفة

التحذيرات والاختبار البشري

من جانب آخر، نقلت تقارير عربية مستقلة تحذيرات صريحة من مطورين ومستثمرين حول تحول سير العمل إلى موافقة آلية على اقتراحات لا يفهمها المهندس بالكامل. يصف هؤلاء المخاوف بأنها "تحول من كتابة الشفرة إلى موافقة على ما يُقترح"، ما قد يؤدي إلى تسرب الأخطاء إلى الأنظمة الإنتاجية. يضيف المستثمرون أن عدم وجود شفافية في عملية اتخاذ القرار قد يضعف الثقة في المنتج النهائي، وبالتالي يرفع مخاطر الخسائر المالية.

تُظهر التجارب العملية أن الاعتماد الكلي على الموافقة الآلية قد يُفضي إلى اعتماد شفرات غير مُختبرة بشكل كافٍ، خاصةً عندما تكون النماذج غير قادرة على تفسير سبب توليدها لمقترح معين. وهذا ما يُعرف بـ "الاعتماد على الصندوق الأسود"، حيث يصبح من الصعب على الفرق تتبع أصل الخطأ أو تقييم مدى ملاءمته للمعايير الأمنية والوظيفية.

للتصدي لهذه المخاطر، يوصي التقرير بضرورة دمج اختبار بشري خبير في كل مرحلة من مراحل دورة حياة البرمجيات. يشمل ذلك مراجعة الكود يدويًا، واختبار الوحدة المتقدم، وتقييم الأمان باستخدام أدوات تحليل ثابتة، بالإضافة إلى مراجعات أقران تُجرى بصورة دورية. يوضح الخبراء أن هذه الخطوات لا تُعَدّ مجرد "إجراء إضافي"، بل هي العنصر الأساسي الذي سيحول الاختناق الحالي إلى عملية يمكن التحكم فيها.

بالنسبة للمنظمات العاملة في المنطقة العربية، يعني ذلك أن سياسات الحوكمة التقنية يجب أن تُعاد صياغتها لتشمل معايير واضحة للشفافية، وإثبات الإسناد، ومراجعة مستقلة للنتائج التي تولدها نماذج الذكاء الاصطناعي. سيتطلب الأمر استثمارًا في تدريب الفرق على أساليب التحقق المتقاطع وتطبيق أدوات تتبع المصدر، بالإضافة إلى إنشاء فرق مختصة بالاختبار الأمني لضمان عدم تسرب الثغرات إلى بيئات الإنتاج.

في الختام، لا تُظهر الأدلة الحالية أن مهارات المطورين ستنهار حتمًا بسبب الاعتماد على الذكاء الاصطناعي، بل تُظهر أن حوكمة البرمجيات، والاختبار البشري المتخصص، والملاحظة المستمرة أصبحت الآن عنق الزجاجة الجديد. على المؤسسات أن تتبنى مسارات التقرير السبعة وتُعيد هيكلة عملياتها لتضمن أن السرعة لا تُقابلها جودة وثقة كافية، مما يضمن استدامة الابتكار دون التضحية بالأمان أو الصيانة.