عالمٌ يدور باستخدام أدوات ترميز الذكاء الاصطناعي القوية بشكل متزايد هو عالم تظل فيه إنشاء البرمجيات رخيصة — أو هكذا يُعتقد — مما يترك مساحة ضئيلة لشركات البرمجيات التقليدية. وكما ذكر أحد تقارير المحللين، “ستسمح برمجة المزاج للشركات الناشئة بتكرار ميزات المنصات المعقدة للبرمجيات كخدمة.”
وهنا تأتي المشاعر المتدافعة والتصريحات التي تعلن أن شركات البرمجيات محكوم عليها بالفشل.
يجب أن تكون مشاريع البرمجيات مفتوحة المصدر التي تستخدم الوكلاء لتغطية القيود المستمرة في الموارد، منطقياً، من بين أول المستفيدين من عصر الشيفرة الرخيصة. لكن هذا المعادلة لا تلتصق تماماً. في الممارسة العملية، كان تأثير أدوات ترميز الذكاء الاصطناعي على البرمجيات مفتوحة المصدر أكثر تنوعاً.
تسببت أدوات ترميز الذكاء الاصطناعي في مشكلات بنفس القدر الذي حلتها، وفقًا لخبراء الصناعة. لقد مكنت الطبيعة السهلة الاستخدام والوصول لأدوات ترميز الذكاء الاصطناعي من تدفق كود سيء يهدد بتجاوز المشاريع. بناء ميزات جديدة أصبح أسهل من أي وقت مضى، لكن صيانتها لا تزال صعبة كما كانت وتساهم في تفكيك نظم البرمجيات.
والنتيجة هي سرد أكثر تعقيدًا من وفرة البرمجيات البسيطة. ربما يكون الحديث عن موت مهندس البرمجيات المتوقع في هذه الحقبة الجديدة من الذكاء الاصطناعي مبكرًا.
الجودة مقابل الكمية
عبر القطاع، تلاحظ المشاريع ذات الكود المفتوح انخفاضًا في متوسط جودة المساهمات، على الأرجح بسبب أدوات الذكاء الاصطناعي التي تقلل من حواجز الدخول.
“بالنسبة للأشخاص الذين هم حديثو العهد بقاعدة بيانات VLC، فإن جودة طلبات الدمج التي نراها متدنية للغاية،” قال جان-باتيست كيمبف، الرئيس التنفيذي لمنظمة فيديو لان التي تشرف على VLC، في مقابلة حديثة.
حدث تيك كرانش
بوسطن، ماساتشوستس
|
23 يونيو 2026
لا يزال كيمبف متفائلاً بشأن أدوات ترميز الذكاء الاصطناعي بشكل عام، لكنه يقول إنها الأفضل “للمطورين ذوي الخبرة.”
كانت هناك مشاكل مماثلة في بلندر، أداة النمذجة ثلاثية الأبعاد التي تم الحفاظ عليها كمصدر مفتوح منذ عام 2002. قال الرئيس التنفيذي لمؤسسة بلندر، فرانشيسكو سيدي، إن المساهمات المعتمدة على LLM عادةً ما “تهدر وقت المراجعين وتؤثر على تحفيزهم.” لا تزال بلندر تعمل على وضع سياسة رسمية لأدوات ترميز الذكاء الاصطناعي، لكن سيدي قال إنها “لا تفرض ولا تُوصى للمساهمين أو المطورين الرئيسيين.”
لقد أصبحت تدفق طلبات الدمج سيئًا لدرجة أن مطوري البرمجيات مفتوحة المصدر يبنون أدوات جديدة لإدارة ذلك.
في وقت سابق من هذا الشهر، أطلق المطور ميتشل هاشيموتو نظامًا يحد من مساهمات GitHub إلى المستخدمين “المضمونين”، مما أغلق فعليًا سياسة الباب المفتوح للبرمجيات مفتوحة المصدر. كما قال هاشيموتو في الإعلان، “أزال الذكاء الاصطناعي الحاجز الطبيعي للدخول الذي كان يسمح لمشاريع OSS بالثقة بشكل افتراضي.”
ظهر نفس التأثير في برامج مكافآت الثغرات، التي تمنح الباحثين الخارجيين بابًا مفتوحًا للإبلاغ عن الثغرات الأمنية. أوقف برنامج نقل البيانات مفتوح المصدر cURL مؤخرًا برنامجه لمكافآت الثغرات بعدما تم overwhelmed بما وصفه المبدع دانيال شتنبيرغ بأنه “فوضى الذكاء الاصطناعي.”
“في الأيام القديمة، كان شخص ما يستثمر بالفعل الكثير من الوقت [في] تقرير الأمان،” قال شتنبيرغ في مؤتمر حديث. “كان هناك احتكاك مدمج، لكن الآن لا يوجد جهد على الإطلاق في القيام بذلك. الأبواب مفتوحة.”
إنه أمر محبط بشكل خاص لأن العديد من المشاريع مفتوحة المصدر ترى أيضًا فوائد أدوات ترميز الذكاء الاصطناعي. يقول كيمبف إنه جعل بناء وحدات جديدة لـ VLC أسهل بكثير، شريطة وجود مطور ذو خبرة في القيادة.
“يمكنك إعطاء النموذج قاعدة بيانات كود VLC كاملة وتقول، ‘أنا أنقل ذلك إلى نظام تشغيل جديد،’” قال كيمبف. “إنه مفيد للأشخاص ذوي الخبرة لكتابة كود جديد، لكن من الصعب إدارته بالنسبة للأشخاص الذين لا يعرفون ما يقومون به.”
الأولويات المتنافسة
المشكلة الأكبر لمشاريع البرمجيات مفتوحة المصدر هي الفرق في الأولويات. تقدّر شركات مثل ميتا الكود الجديد والمنتجات، بينما يركز العمل في البرمجيات مفتوحة المصدر أكثر على الاستقرار.
“المشكلة مختلفة من الشركات الكبيرة إلى مشاريع البرمجيات مفتوحة المصدر،” علّق كيمبف. “إنهم يترقىون بسبب كتابة الكود، وليس صيانته.”
تصل أدوات ترميز الذكاء الاصطناعي أيضًا في وقت يكون فيه قطاع البرمجيات، بشكل عام، متفتتًا بشكل خاص.
قال كونستانتين فينغرادوف، مؤسس مؤشر البرمجيات مفتوحة المصدر، الذي أطلق مؤخرًا وقفية للحفاظ على البنية التحتية مفتوحة المصدر، إن أدوات الذكاء الاصطناعي تصطدم بظاهرة قائمة منذ زمن طويل في هندسة البرمجيات مفتوحة المصدر.
“من جهة، لدينا قاعدة بيانات كود تنمو بشكل مضاعف مع عدد متزايد بشكل مضاعف من الاعتمادات المتداخلة، ومن جهة أخرى، لدينا عدد من الصيانة النشطة، والذي ينمو ببطء، لكنه بالتأكيد لا يواكب،” قال فينغرادوف. “مع الذكاء الاصطناعي، تسارع كلا جانبي هذه المعادلة.”
إنها طريقة جديدة للتفكير حول تأثير الذكاء الاصطناعي في هندسة البرمجيات — واحدة تحمل تداعيات مقلقة للصناعة بشكل عام.
إذا كنت ترى الهندسة على أنها عملية إنتاج البرمجيات العاملة، فإن ترميز الذكاء الاصطناعي يجعل الأمر أسهل من أي وقت مضى. ولكن إذا كانت الهندسة حقًا هي عملية إدارة تعقيد البرمجيات، فإن أدوات ترميز الذكاء الاصطناعي قد تجعل الأمر أكثر صعوبة. على أقل تقدير، سيكون هناك حاجة للكثير من التخطيط النشط والعمل للحفاظ على التعقيد المترامي الأطراف تحت السيطرة.
بالنسبة لفينغرادوف، فإن النتيجة هي وضع مألوف لمشاريع البرمجيات مفتوحة المصدر: الكثير من العمل للقيام به، وليس عدد كافٍ من المهندسين الجيدين للقيام به.
“الذكاء الاصطناعي لا يزيد من عدد الصيانة النشطة والماهرة،” علق. “إنه يمكن الجيدين، لكن جميع المشكلات الأساسية تبقى كما هي.”
اترك تعليقاً