الذكاء الاصطناعي في هندسة البرمجيات: مفارقة الموثوقية

لمحة سريعة

تطرح معظم المؤسسات السؤال الخطأ بشأن الذكاء الاصطناعي في الهندسة: «ما السرعة التي نستطيع بها كتابة الشيفرة واختبارها ودمجها؟». وقد حقق هذا التصور نتائج لافتة. ففي استطلاعنا الأخير الذي شمل قرابة 300 من قادة التقنية والهندسة، تركزت أكبر المكاسب القابلة للقياس حتى الآن في السرعة وحجم الإنجاز، ويتوقع التنفيذيون تحسنًا يقارب 150% خلال العام أو العامين المقبلين.

لكن البرمجيات التي تُصدر بسرعة أكبر ما زالت تحتاج إلى النشر والمراقبة والتشخيص والإصلاح. أما الجانب التشغيلي من المؤسسة، أي فريق العمليات التابع للرئيس التنفيذي للمعلومات، وفرق هندسة موثوقية المواقع والمنصات التابعة للرئيس التنفيذي للتقنية، فقد بُني لعالم يكتب فيه البشر الشيفرة بسرعة بشرية.

يكشف الاستطلاع هذه الفجوة: يتوقع التنفيذيون أكبر التحسينات من الذكاء الاصطناعي في سرعة الإصدار وكفاءة تكاليف الهندسة، بينما تأتي الزيادة المتوقعة في الصمود التشغيلي في المرتبة الأخيرة بين جميع المؤشرات التي قسناها.

الشكل 1: تحسن الصمود التشغيلي يتأخر عن سائر المؤشرات

السؤال: مقارنةً بخط الأساس في شركتك قبل الذكاء الاصطناعي، كيف تغير كل مؤشر أداء رئيسي حتى الآن بفضله؟ وكيف تتوقع تغيره خلال العام أو العامين المقبلين مع زيادة تبنيه؟

القيم تمثل وسيط الزيادة بحسب مؤشر الأداء، وهي مقربة. يوضح العمود الأخير الزيادة في مقدار التحسن بين القياسين كما وردت في الرسم.

بيانات الأشكال: استطلاع التقنية والهندسة، أبريل 2026؛ عدد المشاركين 293.

نسمي ذلك «مفارقة الموثوقية»: يضغط الذكاء الاصطناعي تكلفة بناء البرمجيات، لكنه قد يرفع تكلفة تشغيلها، ما لم تُعد هندسة العمليات بالتوازي. فعندما تُوجَّه تغييرات أكثر بعشرة أضعاف إلى نموذج تشغيل بُني للاستجابة اليدوية، تحصل على مؤسسة أسرع لكنها تتعثر بوتيرة أعلى. وإذا ركزت على السرعة وحدها، فإنك تنقل عنق الزجاجة التنظيمي من لوحة مفاتيح المهندس إلى جهاز استدعائه عند وقوع الأعطال.

ومع ذلك، تكتشف الشركات التي بدأت تتصدر أن السرعة والقدرة على الصمود ليستا متعارضتين؛ بل هما ناتجان للنظام نفسه بعد إعادة تصميمه.

العمليات: النصف المنسي من دورة التطوير بالذكاء الاصطناعي

يتلاشى الفصل التقليدي بين تطوير المنتجات وتطوير البرمجيات. فالذكاء الاصطناعي يتيح للفرق تحديد المطلوب والبناء والاختبار والتحسين ضمن تدفق واحد، بدلًا من التسليم المتتابع بين الأطراف. وقد تناولنا ذلك في موجز «صعود دورة التطوير بالذكاء الاصطناعي».

ولا يتوقف هذا المنطق عند النشر. فسلوك البرمجيات أثناء التشغيل، أي ما يتعطل وما يتراجع أداؤه وما يختبره المستخدمون، هو أوضح مؤشر إلى جودتها. تاريخيًا، كانت هذه الإشارة تنتقل ببطء: تقرير مراجعة لاحقة للحادث بصيغة PDF، أو تذكرة عمل، أو تعديل يُنفذ بعد ثلاث دورات تطوير. أما الآن، فيجب أن تتحرك بسرعة الشيفرة التي ولدتها.

لهذا فإن العمليات المدعومة بالذكاء الاصطناعي، المعروفة اختصارًا بـ AIOps، أي تطبيق الذكاء الاصطناعي على بيانات الرصد الآنية لكشف حوادث البرمجيات وتشخيصها ومعالجتها، ليست مبادرة منفصلة لفريق منفصل بميزانية منفصلة. فما سميناه في التطوير «إغلاق حلقة التغذية الراجعة» يمثل في العمليات الفارق بين التعلم من كل حادث وإخماد الحريق نفسه مرتين.

يتجلى هذا التناقض في مواضع اهتمام الشركات. فعندما طُلب من القادة ترتيب العوامل الأرجح لتحسين إنتاجية الهندسة، وضعوا قابلية رصد الأنظمة وأتمتة التعامل مع الحوادث، أي AIOps، قرب أسفل القائمة؛ إذ أشار إليهما نحو خُمسهم. بينما وضع ما يقارب ثلثي التنفيذيين تطبيق الذكاء الاصطناعي في التطوير، بما يشمل كتابة الشيفرة والاختبار والمراجعة، في صدارة العوامل.

الشكل 2: العمليات المدعومة بالذكاء الاصطناعي بين أقل عوامل الإنتاجية أولوية

السؤال: أي العوامل التالية يُرجح أن يزيد إنتاجية المؤسسة الهندسية مع كل دورة تطوير للمنتج أو إصدار؟ تمثل النسب المشاركين الذين أدرجوا كل خيار ضمن أهم ثلاثة عوامل.

بيانات الأشكال: استطلاع التقنية والهندسة، أبريل 2026؛ عدد المشاركين 293.

من أين ينبغي أن تبدأ رحلة AIOps؟ تعتمد الاستقلالية على السياق، ومعظم المؤسسات لم تبنه بعد. فالوكيل لا يستطيع التصرف إلا بناءً على ما يراه، لذلك تسبق كلَّ شيء أربعةُ متطلبات: قابلية رصد موحدة عبر المقاييس والسجلات وتتبعات التنفيذ؛ ورسم معرفي للخدمات يغطي بنية الترابط والمسؤوليات والاعتماديات وتاريخ التغييرات والوضع الأمني والحوادث السابقة؛ وتصنيف للحوادث وأدلة إجراءات تشغيل قابلة للقراءة آليًا؛ وقدر كافٍ من توحيد البيئات يضمن أن تظل الإصلاحات المطبقة في نظام ما آمنة على بقية الأنظمة.

تقدم نتفليكس نموذجًا لذلك. فقد تبنت منصة جديدة لإدارة الحوادث، وربط مهندسوها الفرق والخدمات ومجالات الأعمال، بل والأجهزة المادية أيضًا، مباشرة بالمنصة؛ فأصبحت التنبيهات تُوجَّه تلقائيًا إلى المستجيبين المناسبين، وتُملأ حقول الحوادث مسبقًا من بيانات الرصد. وتتيح اللغة المشتركة والبيانات الوصفية الموحدة هذه الأتمتة؛ وبدونهما لا يتوافر للوكلاء أساس موثوق يتصرفون بناءً عليه.

للرؤساء التنفيذيين للمعلومات: منظومة التشغيل هي المجال الجديد

في محفظة تقنية معلومات نموذجية، يفوق الإنفاق على منظومة التشغيل، أي الإنفاق اللازم لاستمرار العمل على البنية التحتية ومكتب الخدمات وإدارة الحوادث والعمليات الأمنية، ميزانيةَ التطوير الجديد بكثير. ولأن هذا الجانب أقل بريقًا، فهو أيضًا الأقل تأثرًا بالتحول الذي أحدثه الذكاء الاصطناعي حتى الآن. لكن ذلك على وشك التغير.

تفيد المؤسسات التي تطبق AIOps بانخفاض متوسط زمن حل الحوادث، وتراجع الحوادث الكبرى بفضل الاكتشاف المبكر والتحليل الأفضل لاتجاهات التنبيهات، وانخفاض تكاليف البنية التحتية نتيجة الضبط الآلي لأحجام الموارد وتوحيد الأدوات. وتمتد القدرة نفسها إلى العمليات الأمنية وتحسين التكاليف وأتمتة الامتثال ودورة حياة البنية التحتية؛ وكل منها بند مستقل في ميزانية التشغيل. لكن هذه المكاسب المبكرة لا تعكس كامل الفرصة: منظومة تشغيل لا يتضخم حجمها مع التعقيد، بحيث لا تعني زيادة الأنظمة والتنبيهات زيادة الأشخاص اللازمين لفرزها، لأن النظام يشخّص نفسه ويعالج أعطاله ذاتيًا على نحو متزايد.

دمج فريق منصة البيانات في نتفليكس مصنف الأخطاء القائم على القواعد مع التعلم الآلي للتنبؤ بما إذا كانت مهمة بيانات ضخمة فاشلة ستنجح عند إعادة المحاولة، وتحديد الإعداد الصحيح الذي ينبغي تطبيقه، ومعالجة المشكلة تلقائيًا. وتفيد نتفليكس بأن النظام الجديد يعالج نحو 56% من أخطاء إعداد الذاكرة أثناء التشغيل دون تدخل بشري، مع خفض التكاليف المرتبطة بها بنحو 50%. وهذا مثال على استيعاب منظومة التشغيل فئة كاملة من الأعطال الروتينية دون استدعاء مهندس.

الهدف النهائي هو التشغيل دون تدخل بشري، حيث يراقب الوكلاء ويقررون وينفذون ويتعلمون عبر دورة حياة الحادث كاملة قبل استدعاء إنسان. ويتوقع نحو نصف المؤسسات في استطلاعنا أن يقود الذكاء الاصطناعي كثيرًا من المهام الهندسية الحاسمة خلال عامين.

الشكل 3: نحو نصف المؤسسات تتوقع قيادة الذكاء الاصطناعي لمعظم المهام خلال عام أو عامين

نسبة المشاركين الذين أشاروا إلى أن كل نوع من الأعمال البرمجية مستقل تمامًا أو تقوده وكلاء الذكاء الاصطناعي.

بيانات الأشكال: استطلاع التقنية والهندسة، أبريل 2026؛ عدد المشاركين 293.

قلة من المؤسسات تقترب من ذلك اليوم. فنحو 2% فقط تصف مؤسستها الهندسية بأنها «تعطي الأولوية للاستقلالية»، بينما تجري الغالبية تجارب أولية أو تدمج مسارات عمل مبكرة. وليست مهمة الرئيس التنفيذي للمعلومات شراء منصة تعده بالوصول إلى قمة المنحنى، بل بناء القدرة التنظيمية التي تمكّنه من صعوده.

الشكل 4: قلة من وظائف هندسة البرمجيات مستقلة تمامًا اليوم

سأل الاستطلاع عن المرحلة الحالية لتبني الذكاء الاصطناعي الوكيلي في دورة تطوير البرمجيات. ويمتد التدرج من عدم وجود نشاط، إلى الاستكشاف والتعلم، ثم التجارب المحدودة والمشروعات التجريبية، ثم دمج الوكلاء في سير العمل، وصولًا إلى مؤسسة تعطي الأولوية للاستقلالية. يُظهر الرسم تركز المؤسسات في التجارب والدمج المبكر، بينما تظل فئة الاستقلالية أولًا محدودة بنحو 2%.

معنى ذلك أن نموذج التشغيل نفسه أصبح متقادمًا. فإضافة أدوات AIOps إلى فريق منظم حول مستويات الفرز اليدوي، حيث يصعّد المستوى الأول L1 إلى الثاني L2 ثم الثالث L3، تنتج نسخة أسرع من العملية الخاطئة. وتحقيق الفرصة يتطلب إعادة تصميم العمل، لا مجرد تسريعه.

للرؤساء التنفيذيين للتقنية: هندسة الموثوقية صُممت لعالم لم يعد قائمًا

كانت هندسة موثوقية المواقع، المعروفة اختصارًا بـ SRE، أحد أبرز ابتكارات نماذج التشغيل خلال العقدين الماضيين. فقد أدخلت الانضباط البرمجي إلى الموثوقية: ميزانيات الأخطاء، وأهداف مستوى الخدمة، والصرامة الهندسية المطبقة على استمرارية الإتاحة. لكن الذكاء الاصطناعي الوكيلي يغير فرضيتها الجوهرية التي تعتبر انتباه البشر المهرة موردًا نادرًا ينبغي توزيعه بأقصى كفاءة على نظام يتوسع باستمرار. فعندما يستطيع وكيل استيعاب بيانات الرصد عبر كل طبقة، واستنتاج السبب الجذري من رسم الاعتماديات، وتنفيذ دليل معالجة أسرع وباتساق أكبر من الإنسان المناوب، تصبح الاستقلالية الجديرة بالثقة هي المورد النادر.

يتيح ذلك للمهندسين نقل تركيزهم من فرز الحوادث يدويًا إلى مبادرات يستطيعون فيها تقديم قيمة أكبر. ويُظهر استطلاعنا أن قادة الهندسة بدأوا بالفعل احتساب ذلك في تقديراتهم. فمهندس الموثوقية الذي أمضى لياليه يربط التنبيهات بين ست أدوات مراقبة لم يكن يؤدي أكثر أعماله قيمة. وكما حدث في جانب التطوير، ينتقل الآن من مشغّل إلى معماري للعمليات المستقلة. ويُكلَّف بتعريف معنى «سلامة النظام»، وترميز السياسات التي تحدد متى يجوز للوكيل التصرف باستقلالية ومتى يجب عليه التصعيد، وبناء أطر التقييم التي تمنع المعالجة المستقلة من إحداث ضرر يتجاوز ما تمنعه.

ويتجاوز هذا التحول طلبًا للقيمة دور مهندس الموثوقية. فأكثر الشركات نجاحًا ستتبنى تفكيرًا يبدأ من الصفر: إذا لم يكن أحد مناوبًا هذه الليلة، فما الذي سيتعطل، وأين يكون الحكم البشري غير قابل للاستبدال؟ يكشف هذا السؤال أدوارًا لا توظف لها معظم المؤسسات اليوم: مهندسو تنسيق الوكلاء المشرفون على مجموعات وكلاء المعالجة، ومديرو منتجات الموثوقية المسؤولون عن حدود الموثوقية، ومهندسو بيانات AIOps الذين يصونون طبقة بيانات الرصد والرسم المعرفي، والمسؤولون عن مراقبة الوكلاء أنفسهم. وتتيح واجهات اللغة الطبيعية لغير المتخصصين استقصاء الأنظمة، بما يحرر فريقًا أصغر من كبار المختصين للتركيز على الحوكمة والبنية المعمارية.

أما الرئيس التنفيذي للتقنية الذي يحسن تنفيذ ذلك، فيقيس وظيفة هندسة الموثوقية بقلة الحوادث التي تصل إلى إنسان، لا بسرعة حل الحوادث وحدها.

المبادئ التي تميّز القادة عن العابرين

تنطبق مبادئ التطوير بقيادة الذكاء الاصطناعي على العمليات التي يقودها أيضًا، لكن بمتطلبات أشد صرامة.

السياق هو الأساس

لا تتجاوز جودة وكيل AIOps جودة السياق الذي يمكنه الوصول إليه. فمن دون طبقة رصد موحدة ورسم معرفي يمثل العلاقات الفعلية بين الأنظمة، يظل الوكلاء ملخصين للتنبيهات، لا مشغلين مستقلين.

اجعل المخاطر القيد الأساسي للتصميم

السماح لوكيل بإعادة تشغيل خدمة، أو التراجع عن إصدار، أو تغيير حجم البنية التحتية في بيئة الإنتاج، ينطوي على مخاطر أعلى بكثير من السماح له بصياغة شيفرة يراجعها إنسان. وفي استطلاعنا، تصدرت ضوابط السلامة والمخاطر والحوكمة العوامل الممكنة لتوسيع الذكاء الاصطناعي الوكيلي، بينما كانت قيود الحوكمة والأنظمة القديمة من أبرز العوائق. وتتطلب المعالجة المستقلة طبقة حوكمة أثناء التشغيل: عتبات ثقة تتحكم في إتاحة التنفيذ، وضوابط سياسات مصاغة كشيفرة، وقابلية تدقيق كاملة، ونقاط مراجعة بشرية واضحة للتغييرات عالية الأثر، وتتبعًا دقيقًا لقرارات الوكلاء واستدعاءاتهم للأدوات وتكاليفهم. وتدمج غوغل، مثلًا، هذه الحدود للاستقلالية في أدوات هندسة الموثوقية لديها؛ إذ يسترجع الوكلاء دليل إجراءات معتمدًا عبر استدعاء دالة «fetch_playbook»، بدلًا من تنفيذ أوامر حرة الصياغة.

قِس النتائج لا حجم المخرجات

صُممت المقاييس التقليدية، حتى مقاييس أبحاث وأداء عمليات التطوير DORA التي ميزت عصر تكامل التطوير والعمليات DevOps، لعالم ينفذ البشر فيه العمل كله. أما الآن، فقد يكون متوسط زمن الحل وحده مضللًا؛ إذ يمكن لنظام أن يحل الحوادث بسرعة أكبر بينما تتراكم فيه الهشاشة بصمت. يجب أن يفصل القياس بين أفعال البشر وأفعال الوكلاء، وأن يتعامل مع الفريق الذي يجمع البشر والذكاء الاصطناعي كوحدة واحدة، وأن يرفع الموثوقية والتحكم والثقة إلى أبعاد أساسية في بطاقة الأداء إلى جانب السرعة. وستتابع الشركات الأكثر نجاحًا أيضًا معدل الحل المستقل والتكلفة ونتائج الأعمال، بدلًا من افتراض أن التبني يحقق النتائج تلقائيًا. والتوتر المحوري في الاستطلاع، أي توقع مكاسب في سرعة هندسة البرمجيات تفوق مكاسب الصمود، هو ما يحدث حين تقيس المؤسسات ما يسهل رؤيته وتهمل ما يصعب الوثوق به.

صمّم لتراكم المكاسب

تتمثل أكبر فرصة طويلة الأجل في ميزة تتراكم مع الزمن: فكل حادث يحله الوكيل ويوثقه يصبح سياقًا يسرّع الإصلاح التالي، فيتحسن النظام كلما عمل أكثر. ولا يستطيع فريق فرز بشري فعل ذلك؛ إذ تغادر معرفته مع دوران الموظفين وتتراجع بين الحوادث. إن إغلاق حلقة التغذية الراجعة يحول العمليات إلى قدرة تتحسن بالاستخدام، بدلًا من تكلفة تنمو مع حجم العمل.

إعادة التصميم هي الاستراتيجية

قد يُغرى الرئيسان التنفيذيان للمعلومات والتقنية بالتعامل مع AIOps باعتباره عملية شراء: اختيار منصة، ونشرها فوق نموذج التشغيل القائم، وتسجيل مكاسب الكفاءة. يحقق هذا المسار التحسينات التدريجية التي تراها معظم الشركات اليوم، لكنه يترك المفارقة بلا حل: يظل التطوير يتسارع بوتيرة تفوق قدرة العمليات على الاستيعاب.

لن يحل ربط أدوات الذكاء الاصطناعي القائمة في المؤسسة بعضها ببعض المشكلة، لكن الحل لا يتطلب أيضًا انقلابًا شاملًا أو ميزانية ضخمة. بل يستدعي تطوير مجموعة جديدة من العمليات والقدرات المترابطة: إعادة تصميم سير العمل بحيث تعود التغذية الراجعة من التشغيل إلى التخطيط بسرعة الآلة، وإعادة هيكلة الفرق حول تنسيق الوكلاء بدلًا من الفرز اليدوي، وإعادة بناء القياس بحيث تظهر الثقة والتحكم إلى جانب السرعة. وحين تُبنى هذه القدرات، تصبح طبقة التحكم للعمل المستقل في مجالات تتجاوز الهندسة بكثير.