كتابة الشيفرة مقابل شحنها: فجوة إنتاجية الذكاء الاصطناعي

لو كان عليك تلخيص طفرة الذكاء الاصطناعي في البرمجة برقم واحد، لاختير أكثر الشركات رقماً كبيراً: «240% إيداعات أكثر». الرقم حقيقي. وهو أيضاً أقل الأرقام نفعاً.

ورقة عمل من NBER لعام 2026 — Writing Code vs. Shipping Code لميرت ديميرر وليون موزولف وليوان يانغ (ورقة العمل 35275) — استخدمت بيانات اتصالات من أكثر من 500,000 مطوّر على GitHub لتتبّع أثر أدوات الذكاء الاصطناعي عبر سلسلة الإنتاج كاملة. النتيجة تعيد تعريف كيفية قياس أي استثمار ذكاء اصطناعي قمت به.

التخفيف هو القصة

يمر تطوير البرمجيات بست مراحل: كتابة أسطر الشيفرة، وتنظيمها في ملفات، والتزامها، وفتح طلبات الدمج، ودمجها، وإطلاقها. تتبّع الباحثون كل واحدة منها.

وقِسِوا ثلاث أجيال من أدوات الذكاء الاصطناعي:

الجيل	مثال	الأثر التراكمي على الإيداعات
الإكمال التلقائي	اقتراحات داخل المحرر	+30%
وكلاء متزامنون	Claude Code، يعمل معك	+180%
وكلاء غير متزامنين	OpenAI Codex، يعمل عن بُعد	+240%

والآن راقب النسبة نفسها وهي تتسرّب في اتجاه مجرى الإنتاج:

+240%  إيداعات
  +80%  مشاريع
  +30%  إصدارات فعلية

لا يبقى من مكسب الإيداعات سوى ثُمُنه عند الإصدارات. سبعة أثمان تتبخّر قبل أن يصل أي شيء إلى مستخدم.

أكّدوا النتيجة عبر أربعة متاجر تطبيقات كبرى: قلّ التبني زيادة متوسطة في عدد التطبيقات الجديدة، لكن بلا أي زيادة في إجمالي الاستخدام. برمجيات أكثر أُطلقت. وليست برمجيات أكثر استُخدمت.

لماذا؟ الحلقة الضعيفة

يسمّي المؤلفون ذلك فرضية الحلقة الضعيفة. الذكاء الاصطناعي منتجج جداً في مهام محددة، لكن الإنتاج الكلي محدود بمهام تكميلية ما زالت يؤديها بشر لم تتغيّر إنتاجيتهم.

وتقديرهم لـمرونة الإحلال بين جهد الذكاء الاصطناعي والجهد البشري هو 0.23 — أي أن جهد الذكاء الاصطناعي يحلّ محل نحو ربع الجهد البشري الذي يحلّ محله. الاثنان مُكمّلان لا بديلان. كل سطر تكتبه الذكاء الاصطناعي يحتاج ت شخصاً ليقرر هل هو صحيح.

هذا أهم رقم في الورقة. وهو سبب قولنا «أضفنا الذكاء الاصطناعي» و«أصبحنا نشحن أسرع» ادعاءين مختلفين.

أين ظهر الضغط فعلياً

أبحاث متوافقة تجعل الآلية واضحة — لكن أشهر مجموعتَي بيانات هنا تآتيان من تقريرين مختلفين، وقراءتهما كقصة واحدة تُنتج أرقاماً لا يمكن أن تصدق كلها في آن واحد.

تقرير مفارقة إنتاجية الذكاء الاصطناعي 2025 من Faros AI (أكثر من 10,000 مطوّر، و1,255 فريقاً، تحليل حتى يونيو 2025) وجد أن الفرق التي تستخدم الذكاء الاصطناعي بكثافة أنجزت 21% مهام أكثر ودمجت 98% طلبات دمج أكثر — بينما قفز زمن مراجعة طلبات الدمج بنسبة 91%، وبقيت مؤشرات التسليم على مستوى المؤسسة مسطّحة.

أما تقرير Faros AI لعام 2026، «ومضة التسارع»، فهو مجموعة بيانات منفصلة — 22,000 مطوّر عبر 4,000 فريق، بيانات مارس 2026 — وأرقامه تختلف بوضوح: المهام ارتفعت 33.7%، ومعدّل الدمج ارتفع 16.2% فقط لا 98%، ووسيط زمن المراجعة ارتفع 441.5% لا 91%. وحلّل أدي أوسماني هذه المجموعة الثانية لعميلة O’Reilly Radar في يونيو 2026:

المؤشر	التغيّر
التغيّر التراكمي في الشيفرة	+861%
حوادث لكل طلب دمج	+242.7%
العلل لكل مطوّر	ارتفاع 54% (مقابل 9% في مجموعة بيانات 2025)
وسيط زمن المراجعة	+441.5%
طلبات دمج مدموجة بلا مراجعة	+31.3%

صفّ العلل لكل مطوّر هو مقارنة بين مجموعتَي بيانات منفصلتين، لا ارتفاع خلال فترة واحدة — وهكذا تصوغ Faros الأمر نفسها.

العمليات الجيدة لم تحمهم. الحجم ببساطة تجاوزها.

ودراسة CodeRabbit فحصت بشكل منفصل 470 طلب دمج مفتوح المصدر من ديسمبر 2025 — 320 بمساعدة الذكاء الاصطناعي مقابل 150 استُنتجت بالاعتماد على غياب إشارات التأليف بالذكاء الاصطناعي لا بالتحقق — فوجدت أن تغييرات الذكاء الاصطناعي حملت نحو 1.7× مشاكل أكثر. ومن حدود الدراسة نفسها أنها لا تضمن خلوّ الـ150 طلباً من الذكاء الاصطناعي.

وأدقّ ما في فارق الإنتاج مقابل القيمة يأتي من أبحاث GitClear (2,172 أسبوع مطوّر، سبتمبر–ديسمبر 2025). المستخدمون اليوميون الكثرون يكتبون بين 4× و10× أعمال أكثر من غير المستخدمين. لكن المكسب الإنتاجية الذي يصمد أمام التدقيق أصغر بكثير — وهو محلّ خلاف حتى بين الباحثين: GitClear يسجّل ارتفاع الوسيط في «دلتا الفروق» بمقدار 12% للمستخدمين المنتظمين، بينما تقرير GitKraken المنشور معاً من البيانات نفسها يضع المستخدمين المنتظمين عند 25%. ويعترف رئيس GitClear التنفيذي بأن جزءاً من هذا الباقي هو بذاته تحيّز في الاختيار، إذ يتركّز المحترفون عاليو الأداء في المجموعات التي تستخدم الذكاء الاصطناعي.

واستطلاع Stack Overflow للمطوّرين 2025 يُظهر الانقسام نفسه بين المكاسب الفردية والمكاسب المؤسسية. نحو 69% من مستخدمي الوكلاء يوافقون على أن الوكلاء رفعوا إنتاجيتهم، ونحو 70% يوافقون على أن الوكلاء قلّلوا الوقت المستغرق في مهام محددة. لكن 17% فقط يوافقون على أن الوكلاء حسّنوا التعاون داخل الفريق — وهو أدنى تقييم بمسافة واضحة، كما تصفه Stack Overflow نفسها. وفي المقابل، يبلّغ 66% عن إحباط من حلول الذكاء الاصطناعي التي «شبه صحيحة لكن ليست كذلك»، و45.2% يقولون إن تصحيح أخطاء الشيفرة المولّدة بالذكاء الاصطناعي يستغرق وقتاً أطول.

الجزء الذي لم يُسعَّر

هناك كلفة ثانية، وهي ليست رقماً. مسودة بحثية من يوليو 2026، (Im)Paired Programming، جعلت 54 طالباً ينجزون موقعاً إما بوكيل برمجي أو مع روبوت محادثة يقدّم مقتطفات عامة قصيرة فقط — من أصل 59 مُسجَّلاً، استُبعد 5 لفشلهم في اختبارات الانتباه.

حسّن الوكلاء إنجاز المهمة الأولية. لكنهم أضرّوا بفهم الشيفرة، وأنماط التفاعل منخفضة الجهد — مثل نسخ الطلبات ولصقها وقبول التعديلات تلقائياً — ارتبطت بفهم أضعف، ولم يحسّنوا مهمة التوسعة اللاحقة. والأسوأ: المشاركون فضّلوا الوكلاء رغم ذلك، لأنهم سريعون وسهلون.

إنتاج أسرع، فهم أضعف، إشراف أضعف. هذا هو اتجاه السير إن لم يغيّر أحد ما سير العمل.

ما الذي يجب قياسه فعلياً

توقّف عن عدّ الإيداعات. تتبّع:

1. إنتاجية الإصدار — لا الإيداعات. العمل المُسلَّم في كل دورة.
2. عبء المراجعة — وسيط زمن أول مراجعة، وزمن الانتظار في طابور المراجعة.
3. معدل إعادة العمل — أي نسبة من العمل المدموج يُعاد فتحه أو التراجع عنه.
4. معدل العيوب لكل تغيير — الفجوة في العلل لكل مطوّر بين مجموعتَي بيانات Faros لعامَي 2025 و2026 هي الرقم الذي يتنبأ بصفحة الحوادث لديك.
5. زمن الفهم — هل يستطيع إنسان لا يزال يبرّر الشيفرة بعد رحيل الوكيل؟

النسخة الصادقة

أدوات الذكاء الاصطناعي في البرمجة رافعة حقيقية. لكنها ليست الرافعة التي ظننتها. هي تُضغط المرحلة الأرخص من التطوير وتترك المراحل المكلفة كما هي — ثم تُحمّلها فوق طاقتها.

الاختناق لم يكن يوماً في سرعة الكتابة. كان في تقرير ما إذا كان العمل صحيحاً. هذه الخطوة ما زالت بشرية، وما زالت بطيئة، وما زالت الوحيدة التي تحدد إن كان لديك منتج أم مستودع شيفرة.

📖 مقال ذو صلة: ضريبة التنقل بين التطبيقات — نفس نمط التخفيف خارج البرمجيات.

المصادر: Demirer, Musolff & Yang, Writing Code vs. Shipping Code (NBER Working Paper 35275، مراجعة سبتمبر 2026) · Faros AI، تقرير مفارقة إنتاجية الذكاء الاصطناعي 2025 · Faros AI، مقارنة بيانات 2025 ببيانات 2026 · MIT Sloan، ملخّص سبتمبر 2026 · O’Reilly Radar, Agentic Code Review (أدي أوسماني، يونيو 2026) · استطلاع Stack Overflow للمطوّرين 2025 · (Im)Paired Programming (arXiv:2607.26375، يوليو 2026)