90% من المطوّرين يستخدمون الذكاء الاصطناعي... فأين تذهب السرعة؟
في تقرير DORA «حالة تطوير البرمجيات بمساعدة الذكاء الاصطناعي» الصادر عن Google Cloud، أفاد نحو 90% من قرابة خمسة آلاف متخصص تقني بأنهم يستخدمون الذكاء الاصطناعي في عملهم — بارتفاع نحو 14 نقطة مئوية عن العام السابق — وقال أكثر من 80% منهم إنه زاد إنتاجيتهم، بمعدل يقارب ساعتين يوميًا من العمل المباشر مع هذه الأدوات.
والخبر السار أن علاقة الذكاء الاصطناعي بمعدل التسليم (Throughput) انقلبت إلى الإيجاب مقارنة بنتائج 2024: صار تبنّي الذكاء الاصطناعي مرتبطًا بارتفاع معدل التسليم وأداء المنتج معًا. لكن التقرير يضع إلى جانب ذلك ملاحظة مقلقة: عدم استقرار التسليم (Instability) ظلّ مرتفعًا. أي أننا نُنتج تغييرات أكثر وأسرع، ونكسر الإنتاج أكثر أيضًا. هنا تحديدًا تولد «الفوضى في المراحل اللاحقة».
العنق انتقل: من كتابة الكود إلى كل ما يأتي بعده
سبب الفجوة بسيط في جوهره: الذكاء الاصطناعي سرّع أرخص مرحلة في دورة الحياة — كتابة الكود — وترك بقية المراحل على سرعتها القديمة. المراجعة، والاختبار، والموافقات، وبناء الصور، والنشر، والمراقبة، كلها صُمّمت لحجم تغييرات أقل بكثير. فحين يتضاعف عدد طلبات الدمج، يتحوّل ما كان طابورًا محتملًا إلى اختناق حقيقي.
وعلى السحابة تحديدًا تتضخّم المشكلة: تغييرات البنية التحتية كتعليمات برمجية (IaC) تُولَّد أسرع مما تُراجَع، فينشأ انحراف (Drift) بين ما في المستودع وما هو قائم فعلًا؛ وتتكاثر صور الحاويات والاعتماديات التي لم يفحصها أحد؛ وترتفع كلفة كل عودة للخلف (Rollback) لأن حجم الدفعة الواحدة كبر.
الأخطر أن الفِرَق صارت تُنتج كودًا أسرع مما تفهم سلوكه في الإنتاج. ومن دون قابلية ملاحظة (Observability) ناضجة، واختبارات آلية قوية، وحلقات تغذية راجعة سريعة، تتحوّل الزيادة في حجم التغيير مباشرةً إلى عدم استقرار.
«الذكاء الاصطناعي مِرآة»: القدرات السبع التي تحسم النتيجة
الخلاصة المنهجية في أبحاث DORA أن الذكاء الاصطناعي مُضخِّم لا منقذ: يُكبِّر نقاط قوة المؤسسات عالية الأداء، ويُكبِّر اختلالات المتعثّرة بالقدر نفسه. ولهذا أصدرت DORA «نموذج قدرات الذكاء الاصطناعي» الذي يحدّد سبع قدرات تُحوّل التبنّي إلى أثر: موقف مؤسسي واضح ومُعلَن من الذكاء الاصطناعي، ومنظومات بيانات صحية، وبيانات داخلية متاحة للنماذج، وممارسات قوية لإدارة الإصدارات، والعمل بدفعات صغيرة، والتركيز على المستخدم، ومنصّات داخلية عالية الجودة.
والقدرتان الأخيرتان تحديدًا هما ما يحدّد سقف الاستفادة. تشير تقديرات Gartner إلى أن 80% من مؤسسات هندسة البرمجيات الكبيرة ستُشغّل فريق منصّة بنهاية 2026 مقارنة بنحو 55% في 2025 — لكن الرقم الأهم أن أقل من 30% منها يُتوقّع أن تُثبت مكاسب إنتاجية قابلة للقياس. المنصّة الداخلية ليست مشروع أدوات، بل منتج له مستخدمون ومقاييس وملّاك.
كذلك يصنّف تحليل DORA الفِرَق إلى سبعة أنماط، لا يقع في أفضلها — «المتفوّقون المتناغمون» — سوى نحو 20% من الفِرَق: وهم من تجتمع لديهم السرعة والاستقرار وجودة بيئة العمل معًا. الباقي يشترك في نمط واحد: أدوات جديدة فوق أساسات قديمة.
ماذا يعني هذا لفِرَق المملكة على السحابة؟
تعيش المملكة اليوم موجة تبنٍّ متسارعة للذكاء الاصطناعي عبر الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي وسدايا ومئات الجهات الحكومية، بالتوازي مع نضج البنية السحابية محليًا: منطقة Google Cloud في الدمام، ومنطقتا أوراكل في الرياض، ومنطقة Azure السعودية المرتقبة، ومنطقة الذكاء الاصطناعي مع AWS وHUMAIN. أي أن السرعة صارت متاحة — والسؤال الحقيقي هو ما إذا كان خط التسليم لديك قادرًا على تحمّلها.
عمليًا، ابدأ بقياس مقاييس DORA الأربعة (تكرار النشر، مهلة التغيير، معدل فشل التغييرات، زمن الاستعادة) على خط أنابيبك السحابي قبل التوسّع في أدوات الذكاء الاصطناعي، ليكون لديك خط أساس تحكم به على التحسّن أو التراجع. ثم اضبط حجم الدفعة: تغييرات صغيرة، ودمج متكرر، وفروع قصيرة العمر — فهذا أرخص علاج معروف لعدم الاستقرار وأسرعها أثرًا.
بعدها حصّن البوابات الآلية: اختبارات تلقائية إلزامية، وفحص IaC والحاويات داخل خط CI/CD، وسياسات مكتوبة كتعليمات برمجية (Policy as Code) تُترجم متطلبات الهيئة الوطنية للأمن السيبراني ونظام حماية البيانات الشخصية إلى فحوصات تفشل تلقائيًا، بدل الاعتماد على مراجعة بشرية لن تلحق بالوتيرة الجديدة. وأخيرًا استثمر في المنصّة الداخلية والمراقبة، لأن الذكاء الاصطناعي لن يمنحك أكثر مما تسمح به أرضيتك.
