من المساعدة بالذكاء الاصطناعي إلى التطوير الأصلي للذكاء الاصطناعي
يقدّم قرار Sea Limited بتعميم Codex على مؤسسة المطورين لديها مؤشرًا واضحًا على الاتجاه الذي يسلكه تطوير البرمجيات في المؤسسات. ففي محادثة منشورة مع ديفيد تشن، الشريك المؤسس لـ Sea، تصف الشركة البرمجة بمساعدة الذكاء الاصطناعي لا بوصفها ميزة راحة تُضاف إلى العمل القائم، بل كجزء من تغيير تشغيلي أعمق في الطريقة التي تتعامل بها فرق الهندسة الكبيرة مع التعقيد، وتفهم قواعد الشيفرة، وتحول الأفكار إلى أنظمة مُسلَّمة.
أكثر رقم ملموس في النقاش هو التبنّي: تقول Sea إن البيانات الداخلية تُظهر أن 87% من المستخدمين نشطون أسبوعيًا. هذه إشارة استخدام قوية لأي أداة مطورين، خصوصًا أداة تُطرح عبر مؤسسة كبيرة تعمل على نطاق واسع. وتشير الوتيرة الأسبوعية المرتفعة إلى أن المنتج ليس قائمًا على هامش سير العمل بوصفه فكرة اختيارية جديدة. بل إلى أنه يُستخدم مرارًا في مهام الهندسة اليومية.
هذا مهم لأن الاختبار الحقيقي لذكاء البرمجة الاصطناعي في الشركات الكبيرة ليس جودة العرض التجريبي. بل ما إذا كانت الأداة تصبح مفيدة في الوسط الفوضوي للعمل البرمجي: قراءة الخدمات غير المألوفة، وتتبع الاعتماديات، وتصحيح السلوك، وفهم المنطق القديم، والتحرك بأمان داخل أنظمة كبيرة تحت قيود الإنتاج.
لماذا ترى Sea أن الأداة مهمة
صياغة تشن مرتبطة تحديدًا ببيئة Sea. فالشركة تعمل في الترفيه الرقمي والتجارة الإلكترونية والخدمات المالية عبر أسواق جنوب شرق آسيا الديناميكية. وفي هذا السياق، لا يعني تعقيد الهندسة مجرد كتابة مزيد من الشيفرة. بل يعني أيضًا إدارة المتطلبات المحلية المتشظية، والأنظمة واسعة النطاق، والموثوقية التشغيلية في ظروف متنوعة.
وبحسب تشن، لهذا ترى Sea أن أدوات البرمجة الوكيلة بالذكاء الاصطناعي أكثر من مجرد أدوات لرفع الإنتاجية. فحجة الشركة هي أن الاحتكاك الأكبر داخل بنية الخدمات المصغرة الضخمة لا يتمثل في كتابة الصياغة، بل في فهم علاقة الخدمات المتباينة ببعضها، وكيف تقيد القرارات القديمة الخيارات الحالية، وكيف يمكن إجراء التغييرات من دون زعزعة الأنظمة الحرجة. ووفق هذا التصور، يمكن لأداة تحسن التنقل في الشيفرة وفهم السياق أن تعمل كمضاعف لقدرات المؤسسة بأكملها.
لذلك فالمعنى الأهم في المقابلة ليس توليد الشيفرة بمعزل عن غيره، بل الوعي السياقي. تقول Sea إن Codex برز لأنه تجاوز الإكمال التلقائي وساعد المهندسين على العمل عبر قواعد شيفرة كبيرة ومتباينة بفهم أعمق. وإذا ثبت ذلك عمليًا، فإنه يعالج واحدة من أصعب مشكلات برمجيات المؤسسات: كلفة الوقت اللازمة لفهم أنظمة لم تبنِها بنفسك.
نوع مختلف من الرافعة للمطورين
تشير تعليقات Sea أيضًا إلى إعادة تعريف أوسع لمفهوم الرافعة في فرق البرمجيات. تاريخيًا، كانت مكاسب الأدوات تركز غالبًا على جعل البرمجة الفردية أسرع: محررات أفضل، وإكمال تلقائي أقوى، واختبارات مؤتمتة، وCI/CD. أما وكلاء البرمجة بالذكاء الاصطناعي فيعدون بشيء مختلف قليلًا. فهم يهدفون إلى تقليص العبء المعرفي لفهم حالة النظام وتاريخ الشيفرة.
هذا الفرق مهم لأن كثيرًا من اختناقات الهندسة لا تنتج عن بطء الكتابة، بل عن بطء الفهم. الموظفون الجدد، والمنقولون داخليًا، ومن يتولون المناوبة يواجهون الرسوم نفسها عندما يدخلون إلى أجزاء غير مألوفة من المكدس. وإذا استطاعت أدوات الذكاء الاصطناعي تقليل هذه الكلفة بصورة ملموسة، فقد تتجاوز قيمتها للمؤسسات الكبيرة مجرد توليد الشيفرة النمطية.
وتربط Sea صراحةً التغذية الراجعة الداخلية بثلاث حالات استخدام: فهم الشيفرة، وتصحيح الأخطاء، وتطوير الميزات. وهذه مجموعة لافتة. فهي تعني أن المطورين لا يطلبون من النظام فقط كتابة شيفرة جديدة، بل يستخدمونه أيضًا كمحرك معرفة محلي للاستدلال على الأنظمة القائمة. وبالنسبة للمؤسسات، قد تكون هذه هي حالة الاستخدام الأكثر استدامة، لأن الشركات الناضجة تنفق جزءًا كبيرًا من جهودها الهندسية على صيانة ما هو موجود وتطويره.
ما الذي تشير إليه نسبة الاستخدام النشط الأسبوعي البالغة 87%
قد تكون مقاييس التبنّي مضللة إذا انفصلت عن النتائج، لكنها تظل مهمة. فمعدل الاستخدام النشط الأسبوعي البالغ 87% يشير إلى تشكل عادة. وفي أدوات المؤسسات، تكون العادة غالبًا هي الفارق بين تجربة أولية ونموذج تشغيل. وهذا يعني أن الأداة مدمجة بما يكفي في سير العمل بحيث يعود إليها المطورون مرارًا.
لكن ذلك لا يثبت تلقائيًا وجود مكاسب كبيرة في الإنتاجية أو تحسن في جودة البرمجيات. فالمقابلة لا تقدم بيانات معيارية عن معدلات العيوب أو أزمنة الدورة أو وتيرة النشر. لكنها تشير إلى أن الشركة ترى قيمة كافية لمواصلة توسيع الاستخدام بدل حصر الأداة في مجموعة ابتكار صغيرة.
وبالنسبة لصناعة الذكاء الاصطناعي الأوسع، فهذا مهم لأنه يعكس نضج التبني المؤسسي. فالسؤال ينتقل من «هل يمكن للذكاء الاصطناعي مساعدة المطورين؟» إلى «كيف ينبغي للمؤسسة أن تعيد تنظيم نفسها في ضوء أن الذكاء الاصطناعي أصبح جزءًا من التطوير؟» ولغة Sea تشير مباشرة إلى السؤال الثاني.
البعد الآسيوي الهادئ
تضع المحادثة أيضًا التطوير الأصلي للذكاء الاصطناعي في سياق إقليمي. تعمل Sea في جنوب شرق آسيا وفي منطقة آسيا والمحيط الهادئ الأوسع، وهي أسواق غالبًا ما تتميز بنمو رقمي سريع، وتعقيد محلي، ومنافسة شديدة. وإذا ساعدت أدوات البرمجة بالذكاء الاصطناعي الفرق على أن تكون أكثر استجابة في مثل هذه البيئات، فقد تؤثر ليس فقط في الإنتاجية الداخلية، بل أيضًا في سرعة توطين الخدمات الرقمية وتحسينها.
هذا التأطير الإقليمي مفيد لأن النقاش حول الذكاء الاصطناعي المؤسسي لا يزال يهيمن عليه كثيرًا عرض حالات من أميركا الشمالية وأوروبا. ويشير طرح Sea إلى أن بعضًا من أهم التجارب قد يجري أيضًا في شركات التكنولوجيا الآسيوية عالية النمو التي تدير في وقت واحد الحجم واللغات والأسواق وأنواع المنتجات المتعددة.
إشارة مؤسسية مبكرة تستحق المتابعة
هناك تحفظ واضح: المصدر هو محادثة تستضيفها OpenAI مع أحد العملاء، لذا من الأفضل قراءتها كدراسة حالة توجيهية لا كمراجعة مستقلة. ومع ذلك، فالتفاصيل التي تتضمنها ذات دلالة. فشركة بحجم Sea تنشر Codex على نطاق واسع، وتبلغ عن نشاط أسبوعي قوي، وتصف الأداة بأنها عامل تمكين بنيوي للتنقل في تعقيد قواعد الشيفرة.
هذه إشارة أقوى من الحماس العام تجاه الذكاء الاصطناعي. فهي توحي بأن بعض مؤسسات البرمجيات الكبيرة باتت ترى أدوات التطوير الوكيلة جزءًا من بيئة التشغيل الافتراضية لديها. وإذا انتشر هذا النمط، فستكون المرحلة التالية من ذكاء البرمجة أقل ارتباطًا بالمساعدين المعزولين وأكثر ارتباطًا بكيفية إعادة تصميم الفرق لممارسة الهندسة حول مساعدة آلية مستمرة.
لا يحسم طرح Sea ما إذا كانت كل مؤسسة ستحقق النتائج نفسها. لكنه يُظهر أن النقاش تجاوز مرحلة الجِدة. ففي بعض المؤسسات الكبرى على الأقل، يُعامل البرمجة بالذكاء الاصطناعي بوصفها بنية تحتية.
تعتمد هذه المقالة على تقرير من OpenAI. اقرأ المقال الأصلي.
Originally published on openai.com