المحتويات

«كم يقلّص الذكاء الاصطناعي فعليًا جهد تطوير البرمجيات؟» إليك الخلاصة أولًا. مع ظهور «البرمجة الوكيلية» في 2025–2026، تغيّرت وحدة القياس نفسها التي نقيس بها. كانت الوحدة سابقًا «بكم نسبة مئوية تصبح مهمة واحدة أسرع؟» أما الآن فهي مسألة رتب من حيث المقدار: «دورة تطوير كانت تستغرق أسابيع تُضغط إلى ساعات أو أيام» (TechTarget). الإحساس بأنك «بنيت موقعًا كاملًا في يوم» ليس مبالغة على الإطلاق.

ومع ذلك، لا يقل أهمية أن «أدخِل الذكاء الاصطناعي فيصبح الجميع أسرع 10× بشكل موحّد» عبارة خاطئة. في هذا المقال نفصل بين «ما هو صحيح حقًا» و«أين لا يزال لا يفيد» باستخدام مصادر مسمّاة: تجربة GitHub / Cui et al. المضبوطة عشوائيًا (RCT)، وMcKinsey، وتقرير Anthropic لعام 2026 Agentic Coding Trends Report، وMETR، وGoogle DORA.

AUTOCOMPLETE → AGENTIC

من «أسرع بنسبة %» إلى «رتبة مقدار مختلفة»

~55%
تسريع المهام الفردية
الحد الأدنى لعصر الإكمال التلقائي
أسابيع ← ساعات
ضغط دورة التطوير
العصر الوكيلي (2026)
500K ساعة
الوفر المُعلن لدى TELUS
بوحدة ساعات المطوّرين
0–20%
النسبة القابلة «للتفويض الكامل»
لا يزال البشر مطلوبين (Anthropic)

1. الخلاصة: تغيّرت وحدة القياس — من «نسبة الوفر %» إلى «أسابيع ← ساعات»

كانت الأبحاث حتى نحو عام 2023 تقيس «الذكاء الاصطناعي يجعل مهمة واحدة أسرع بنسبة X%». لكن في 2025–2026، تصدّرت المشهدَ أدوات تنفّذ مهمة كاملة باستقلالية — وكلاء مثل Claude Code وCursor، وGPT-5.6، وClaude Fable 5 — فتغيّرت الحكاية.

  • أصبحت شائعة الحالات التي تُضغط فيها دورة التطوير (SDLC) من «أسابيع» إلى «ساعات أو أيام» (TechTarget).
  • في الواقع، أنجز Claude Fable 5 هجرة Stripe لكود Ruby بحجم 50 مليون سطر في يوم واحد (ما يعادل أكثر من شهرين يدويًا) — وهذا ليس تقليصًا بـ«%» بل بـرتبة مقدار (إعلان Anthropic الرسمي / شرح Claude Fable 5).

لذا لم يعد رقم واحد مثل «الذكاء الاصطناعي يقلّص الجهد بنسبة X%» قادرًا على التقاط الواقع. ففي الأعمال الروتينية والجديدة كليًا ينخفض بمقدار رتب، أما في التعديلات المعقّدة على كود قائم فالمكسب محدود — هذا الاستقطاب هو الصورة الصحيحة. فيما يلي ننظر إلى الجانبين بالأرقام.

2. عصران يُقاسان بطريقتين مختلفتين

الجانبعصر الإكمال التلقائي (~2024)العصر الوكيلي (2025–2026)
شكل الأداةإكمال / اقتراح (Copilot وغيره)تنفيذ مستقل للمهام (Claude Code / Cursor Agent / Codex)
الوحدة المقيسةكم تصبح مهمة واحدة أسرعبكم مرة تتقلّص دورة التطوير
الأرقام التمثيليةالمهام البسيطة أسرع بـ55.8%؛ 20–50% حسب المهمةSDLC من أسابيع ← ساعات؛ زمن الدورة 9.6 ← 2.4 يوم
دور الإنسانالمنفّذ (الذكاء الاصطناعي يساعد)المنسّق (التصميم، المراجعة، التفكيك)

هذا التحوّل من «المنفّذ ← المنسّق» هو بالضبط الموضوع المحوري الذي أبرزه تقرير Anthropic 2026 Agentic Coding Trends Report. قيمة المهندس تنتقل من «سرعة كتابة الكود» إلى «تصميم الأنظمة، وتنسيق الوكلاء، وتقييم الجودة، وتفكيك المشكلات».

3. الحد الأدنى: أرقام عصر الإكمال التلقائي (55.8%، حسب المهمة)

أولًا، لنثبّت أرقام «الاستخدام كأداة مساعِدة». يمكنك الآن اعتبارها الحد الأدنى.

في التجربة المضبوطة عشوائيًا الأكثر استشهادًا لـ Cui وDemirer وآخرين (RCT)، طُلب من المشاركين تنفيذ خادم HTTP بسيط بلغة JavaScript؛ وكانت مجموعة GitHub Copilot أسرع بنسبة 55.8% (نحو 46 min ← 26 min؛ فاصل ثقة 95% CI 21–89%؛ n=88). وقاست McKinsey الأمر حسب المهمة فوجدت التوزيع التالي.

الوقت الموفّر بالذكاء الاصطناعي التوليدي (حسب المهمة، استخدام مساعِد)

= صار الآن «الحد الأدنى». الاستخدام الوكيلي يتجاوزه

توثيق الكود45–50%
كتابة كود جديد35–45%
إعادة هيكلة الكود20–30%
المهام عالية الصعوبة والمعقّدة<10%

المصدر: McKinsey، "Unleashing developer productivity with generative AI" (2023)

مهام «الكتابة والشرح» تنخفض كثيرًا؛ ومهام «مصارعة التعقيد القائم» تقاوم — وهذا التركيب يصمد في العصر الوكيلي أيضًا. لكن القيمة المطلقة لكل رقم ارتفعت في 2026، كما هو موضّح أدناه. وتفيد McKinsey أيضًا أنه حتى في الاستخدام المساعِد كانت «بعض المهام أسرع حتى 2×» و«تحسّنت الجودة قليلًا فعلًا».

4. الواقع: أرقام العصر الوكيلي (2026)

هنا صلب الموضوع. في 2026، حين تطوّرت الأدوات من «الإكمال» إلى «التنفيذ المستقل»، قفزت الأرقام كما يلي.

أسابيع ← ساعات
ضغط SDLC

في كثير من المشاريع الشائعة، تنتقل دورة التطوير من أسابيع إلى ساعات أو أيام (TechTarget).

500K ساعة
وفر TELUS

أُعلن أنها وفّرت أكثر من 500,000 ساعة مطوّر بالبرمجة الوكيلية.

9.6 ← 2.4 يوم
خفض زمن الدورة

إلى نحو الربع في سير العمل الشائع (تحليل مستقل).

أخطاء −40%، سرعة +55%
عند تصميم السياق جيدًا

الفِرق ذات ملفات السياق المتينة للوكلاء (CLAUDE.md وغيره) شهدت أخطاء أقل بنسبة 40% ومهام أسرع بنسبة 55% (Anthropic 2026).

تصاعد التبني أيضًا. في DORA من Google، بلغ استخدام المطوّرين للذكاء الاصطناعي 90% (+14 pts على أساس سنوي)، ووجد تحليل Anthropic لعام 2026 أنه في 49% من الأدوار الوظيفية يتولى الذكاء الاصطناعي ربع المهام أو أكثر. واتسع السوق كذلك: يبلغ Claude Code نحو $2.5B ARR، وCursor نحو $2B، و77% من المطوّرين يبلّغون عن مكاسب في الإنتاجية — لم يعد هذا «حكرًا على بضع شركات رائدة».

والأهم أن هذا «الضغط بمقدار رتب» يحدث أساسًا في التطوير الجديد كليًا، وبناء النماذج الأولية، وسير العمل الشائع. والسبب في أنك تمكّنت من بناء موقع في يوم هو تحديدًا أنه يقع في هذه المنطقة.

5. أين لا يكون التسريع «10×»: التحفظات الصادقة

تخطِّ هذا القسم وستنزلق نحو المبالغة. حتى في العصر الوكيلي، هناك بوضوح أجزاء لا يستطيع الإنسان الخروج منها. وتقرير Anthropic لعام 2026 نفسه يقدّم الأرقام الرصينة.

  • 🟡 «فجوة التفويض»: يستخدم المطوّرون الذكاء الاصطناعي في نحو 60% من عملهم، ومع ذلك تبقى المهام التي يمكن تسليمها بالكامل (تفويض كامل) في نطاق 0–20%. أما البقية فلا تزال تحتاج إلى مراجعة بشرية وتصحيح مسار. يمكنك تفويض «الكتابة»، لكن «تحمّل المسؤولية» لا يزال بشريًا.
  • 🟡 الجهد لا «يتلاشى» بقدر ما «يتحول إلى عمل آخر»: نحو 27% من العمل المدعوم بالذكاء الاصطناعي عمل جديد لم يكن موجودًا من قبل. الذكاء الاصطناعي لا يقلّص الجهد فحسب؛ بل يوسّع المُمكن ويضخّم قائمة الأعمال المتراكمة. فالأمر ليس أن «الوقت المتحرّر يعني أنك تستطيع ألا تفعل شيئًا».
  • 🟡 النتائج تعتمد على تصميم السياق: الرقمان أعلاه −40% / +55% هما لـ«الفِرق ذات ملفات السياق المنظّمة جيدًا». وبدون ذلك يكون الأثر ضئيلًا. وهذا يتوافق مع نقطة DORA بأن «الذكاء الاصطناعي مُضخِّم» — الفِرق القوية تزداد قوة، والفِرق الضعيفة تتضخّم مشكلاتها أيضًا.
  • 🟡 انتبه للاستقرار: تشير DORA إلى ميل نحو انخفاض استقرار التسليم خلف مكاسب الإنتاجية. وما لم تُحكم الاختبارات والمراجعة وCI، تتحول السرعة إلى إعادة عمل.

6. دراسة «الذكاء الاصطناعي يبطئك» اليوم: انعكاس وتقدير أقل من الواقع

توجد دراسة شهيرة تقول «الذكاء الاصطناعي يجعل الخبراء أبطأ». لكن استنتاجها ينعكس في 2026. لنقرأ التاريخ بدقة.

منظمة الأبحاث المستقلة METR، في تجربتها المضبوطة عشوائيًا في يوليو 2025 (الورقة)، وجدت أنه حين أدّى مطوّرو مصادر مفتوحة ذوو خبرة مهام حقيقية على مستودع مألوف يقارب مليون سطر، كانوا أبطأ بنسبة 19% مع الذكاء الاصطناعي (بل واعتقدوا أنهم أسرع بنسبة 20%). لكن تحديث المنظمة نفسها في فبراير 2026 أظهر ليس فقط أن هذا الرقم ينعكس نحو التحسّن، بل اعترافًا لافتًا بأن القياس نفسه يقدّر الواقع بأقل مما هو عليه.

النقاط الأساسية في تحديث METR لعام 2026

  • «التباطؤ 19%» لعام 2025 يتّجه نحو التحسّن في 2026 (تقدير المشاركين السابقين غير مؤكد لكنه مائل نحو الأعلى).
  • يرفض 30–50% من المطوّرين تسليم المهام، قائلين إنهم «لا يريدون أداءها بدون الذكاء الاصطناعي». حتى مقابل أجر $50/hour، يقاومون العمل بلا ذكاء اصطناعي.
  • ونتيجة لذلك، تذكر المنظمة بنفسها أن المطوّرين المحبّين للذكاء الاصطناعي يتسرّبون من القياس، ومن المرجّح أن الأثر الحقيقي «أعلى بكثير» من أرقام METR.

باختصار، «الذكاء الاصطناعي يبطئك» ادّعاء ضيّق يخص (1) الشرط المحدّد المتمثل في الخبراء × قاعدة كود كبيرة مألوفة، و(2) جيل الأدوات في مطلع 2025 — وأحدث كلمة من المؤلفين أنفسهم أن «الواقع بات أسرع». حتى أبرز المتشككين يشيرون الآن إلى الأعلى.

7. كيف تحصّل وفر الجهد فعليًا

لنحوّل الأبحاث إلى إرشاد ميداني. المفتاح هو «الميل نحو المناطق التي تنخفض فيها بمقدار رتب، وترك البشر يصبحون منسّقين».

ما ينبغي فعلهالمبرر / الهدف
سلّم التطوير الجديد كليًا والنماذج الأولية للوكيل بالكاملأكبر منطقة تُضغط فيها SDLC من أسابيع إلى ساعات (TechTarget / Anthropic 2026)
ابنِ ملفات السياق (CLAUDE.md وغيره)الفِرق المنظّمة جيدًا شهدت أخطاء أقل بنسبة 40% ومهام أسرع بنسبة 55% (Anthropic 2026)
انقل البشر من «التنفيذ» إلى «التصميم والتفكيك والمراجعة»الدور يتحول من المنفّذ إلى المنسّق (Anthropic 2026)
لا تستهدف التفويض الكامل؛ افترض المراجعةفقط 0–20% يمكن تفويضه بالكامل. المسؤولية تبقى مع البشر
لا تفرط في الثقة بالتعديلات المعقّدة على قاعدة كود كبيرة مألوفةفي ظروف محدّدة قد يبطئك حتى (METR). الذكاء الاصطناعي يسوّد المسودة؛ البشر يقرّرون
قيّم بالقياس (زمن الدورة، معدل الإصلاح) لا بـ«الإحساس»الإحساس والقياس يتباعدان (METR) — وإن كان القياس يميل للتقدير الأقل
أحكِم الاستقرار (الاختبارات، المراجعة، CI)يميل الاستقرار للانخفاض خلف مكاسب الإنتاجية (DORA)
وجّه الجهد المتحرّر نحو «بناء المزيد»27% من عمل الذكاء الاصطناعي عمل مُنشأ حديثًا. تقليص الجهد له جانب «زيادة الإنتاج» (Anthropic 2026)

الخلاصة

  • تغيّرت وحدة القياس: «نسبة تقليص المهمة (~55%)» في عصر الإكمال التلقائي صارت الآن الحد الأدنى. والعصر الوكيلي (2026) يجلب ضغطًا بمقدار رتب، SDLC من أسابيع ← ساعات (TechTarget / TELUS 500K ساعة / زمن الدورة 9.6 ← 2.4 يوم).
  • إحساسك صحيح: «بنيته في يوم» للتطوير الجديد والنماذج الأولية ليس مبالغة — بل هو واقع هذه المنطقة.
  • لكنه ليس 10× بشكل موحّد: التفويض الكامل لا يزال 0–20%، والنتائج تعتمد على تصميم السياق، وقد ينخفض الاستقرار (Anthropic 2026 / DORA). الجهد «يتحول إلى عمل آخر» أكثر مما «يتلاشى» (27% من عمل الذكاء الاصطناعي جديد).
  • ادّعاء «التباطؤ» يتّجه هو أيضًا نحو الأعلى: −19% لعام 2025 لدى METR ينعكس في 2026، مع اعتراف المؤلفين بأن «القياس يقدّر أقل من الواقع».
  • مفتاح تحصيله: الميل نحو مناطق رتب المقدار، وتنظيم السياق، وجعل البشر منسّقين، والتحقق بالقياس.

الجواب الصادق بحلول 2026 هو هذا: «الذكاء الاصطناعي يقلّص الجهد بأكثر بكثير من بضع عشرات بالمئة — وللتطوير الجديد ينخفض بمقدار رتب. لكنه ليس تلقائيًا؛ إنه يتحقق فقط مقترنًا بعمل الإنسان في التصميم والمراجعة وبناء السياق». وبالنظر إلى وتيرة التقدّم، من المرجّح أن يستمر هذا الرقم في الاتّجاه نحو الأعلى.

الأسئلة الشائعة

س1. في النهاية، بأي نسبة مئوية يقلّص الذكاء الاصطناعي جهد التطوير؟

لم يعد بالإمكان التعبير عنه بنسبة % واحدة. في الاستخدام المساعِد (الإكمال التلقائي)، يكون 20–55% حسب المهمة (McKinsey / تجربة Copilot). أما في التشغيل الوكيلي، فإن الدورة نفسها للتطوير الجديد تُضغط من أسابيع إلى ساعات، وصار التقليص بمقدار رتب شائعًا (TechTarget؛ وفّرت TELUS 500,000 ساعة مطوّر). والقاعدة العملية: «كلما كان العمل روتينيًا وجديدًا كان التقليص برتب أكبر؛ وكلما كانت التعديلات على كود قائم أعقد كان أكثر محدودية».

س2. هل «بنيت تطبيقًا أو موقعًا في يوم» أمر عادي الآن حقًا؟

للتطوير الجديد والنماذج الأولية، لم يعد غير معتاد، لأن الأدوات الوكيلية تضغط SDLC من أسابيع إلى ساعات. لكن حين تُدخِل الجودة الصالحة للإنتاج والقابلية للصيانة والأمان، تبقى خطوات المراجعة والاختبار. «أن تستطيع بناء شيء يعمل بسرعة» و«أن تستطيع تشغيله في الإنتاج» أمران مختلفان.

س3. سمعت مرة أن «الذكاء الاصطناعي يبطئك بنسبة 19%»؟

ذلك من تجربة METR المضبوطة عشوائيًا في يوليو 2025، في ظل الشروط المحدّدة المتمثلة في الخبراء × مستودع مألوف بنحو مليون سطر × أدوات مطلع 2025. تحديث المنظمة نفسها في فبراير 2026 يعكس الرقم نحو التحسّن، ويعترف كذلك بأن «القياس يقدّر الواقع بأقل مما هو عليه لأن المطوّرين المحبّين للذكاء الاصطناعي يرفضون المشاركة». رأي المؤلفين أن الواقع اليوم أسرع.

س4. لماذا ليس 10× بشكل موحّد؟

وفقًا لتقرير Anthropic لعام 2026، يستخدم المطوّرون الذكاء الاصطناعي في نحو 60% من عملهم، لكن المهام التي يمكن تسليمها بالكامل هي 0–20% فقط (فجوة التفويض). أما البقية فتحتاج مراجعة بشرية وتصحيح مسار. كما تعتمد النتائج على تصميم السياق — «الذكاء الاصطناعي مُضخِّم» كما تقول DORA: مع أساس ضعيف يكون الأثر محدودًا.

س5. إذا انخفض الجهد، فهل يصبح العمل أسهل؟

ليس بالضرورة. في تقرير Anthropic لعام 2026، نحو 27% من العمل المدعوم بالذكاء الاصطناعي عمل جديد لم يكن موجودًا من قبل. الذكاء الاصطناعي يقلّص الجهد وفي الوقت نفسه يوسّع المُمكن ويضخّم قائمة الأعمال المتراكمة. جانب «التقليص = إنتاج أكثر» قوي، والوقت المتحرّر يميل إلى إعادة توجيهه نحو بناء المزيد.

س6. في أي المهام يفيد أكثر؟

يقع التقليص بمقدار رتب على التطوير الجديد كليًا، والنماذج الأولية، وسير العمل الشائع، والتوثيق، والكود النمطي المكرّر، وهياكل الاختبارات. وعلى العكس، لا تفرط في الثقة بالتعديلات المعقّدة على قاعدة كود كبيرة مألوفة — استخدم الذكاء الاصطناعي كمسوّدة ودع البشر يقرّرون. ومدى تنظيمك لملفات السياق يشكّل الأثر بقوة.

س7. هل جودة الكود والاستقرار على ما يرام؟

يعتمد على كيفية استخدامك. تقول McKinsey إن الجودة قد تتحسّن قليلًا فعلًا حين يسير التعاون بسلاسة، بينما تشير DORA إلى انخفاض استقرار التسليم خلف مكاسب الإنتاجية. إحكام الاختبارات والمراجعة وCI ضروري — وعدم تحويل السرعة إلى إعادة عمل هو شرط تحقيق وفر الجهد.

مقالات ذات صلة