نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# يمكن للذكاء الاصطناعي كتابة الشيفرة، لكن من سيتعلم إصلاحها؟

> قد تكتمل مهمة برمجية قبل أن يفهم كاتبها النظام. وتطرح تجربتان سؤالًا عمليًا للفرق: كيف سيتعلم المطورون المبتدئون شرح العمل المنجز بمساعدة الذكاء الاصطناعي وتشخيصه وتكييفه؟

By BIG CHANGE Editorial

Published: 2026-09-22T16:40:55.934Z
Updated: 2026-09-22T16:40:55.934Z
Canonical: https://bigchange.ai/blog/ai-coding-skills-learning-apprenticeship

![An automated arm assembles abstract interlocking modules while a junior developer studies orange pathways inside an opened module.](https://bigchange.ai/api/media/file/ai-coding-learning-apprenticeship-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Automation can deliver a finished implementation before a newcomer has traced how it works. This conceptual scene represents the need to build understanding alongside AI-assisted output; it is not a product interface, study result or forecast of inevitable deskilling.

يمكن لمطور مبتدئ أن يطلب من مساعد ذكاء اصطناعي استخدام مكتبة غير مألوفة، ويحصل على شيفرة عاملة ثم ينتقل إلى غيرها. وقد تصبح الميزة جاهزة قبل أن يفهم المطور سبب عملها. ويهم ذلك في المرة المقبلة التي تتعطل فيها الشيفرة، أو تتغير المتطلبات، أو يتعين على شخص أن يقرر ما إذا كان إصلاح المساعد آمنًا.

أثار مهندس البرمجيات ألكسندرو نيديلكو هذا القلق في [مقال رأي بتاريخ 22 سبتمبر](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you). ويرى أن المطورين يكتسبون الحكم المهني بقراءة الشيفرة واتخاذ القرارات وتحمل تبعات الأخطاء. أما توقعه أن بعض الشركات ستعلن سياسات تمنع الذكاء الاصطناعي فهو رأي، لا تحول صناعي مرصود. وتمنح تجربة منفصلة نُشرت في يناير سؤال التعلم صيغة أضيق قابلة للاختبار: ما الذي فهمه المبرمجون مباشرةً بعد إنجاز مهمة بمساعدة الذكاء الاصطناعي؟ [بحث Anthropic حول الموضوع](https://www.anthropic.com/research/AI-assistance-coding-skills)

## التغيير الأبرز

- **ما الذي تغيّر:** يسهّل الذكاء الاصطناعي تسليم برمجيات مكتملة من دون أن يمر صاحبها بمنطق تنفيذها. ويمكنه تقديم تطبيق جاهز قبل أن يتدرب المبتدئ على القرارات اللازمة لشرحه أو إصلاحه.
- **لماذا يهم:** قد يكسب المديرون إنتاجًا اليوم، فيما يضعف المسار الذي يحوّل الموظفين المبتدئين إلى أشخاص قادرين على تشخيص إخفاقات الغد. ويشتد الخطر عندما تستخدم المهمة مفاهيم غير مألوفة؛ أما المساعدة في العمل المألوف فقد تظل قيّمة.
- **ما الذي ينبغي مراقبته:** قد تبدأ الفرق باعتبار التعلم جزءًا من التسليم، فتخصص وقتًا لشرح العمل المدعوم بالذكاء الاصطناعي وتشخيصه وتكييفه. وإذا فعلت ذلك، فقد تكافئ تمارين التوظيف ومنتجات البرمجة الفهم المثبت إلى جانب السرعة.

## إتمام المهمة واكتساب المهارة نتيجتان مختلفتان

في [دراسة عشوائية شملت 52 مبرمجًا](https://arxiv.org/abs/2601.20245)، استخدم المشاركون مكتبة Python غير المألوفة Trio لإنجاز مهمتي برمجة. أتيح نصفهم مساعد ذكاء اصطناعي في بيئة البرمجة، فيما عمل النصف الآخر من دونه. وكان الجميع يعلم بوجود اختبار لاحق. واختبر الامتحان المفاهيم وقراءة الشيفرة وتصحيح الأخطاء بعد المهمة بوقت قصير.

بلغ متوسط المجموعة التي استخدمت الذكاء الاصطناعي 50%، مقابل 67% للمجموعة التي عملت من دونه: فارق قدره 17 نقطة مئوية، لا انخفاض نسبي بنسبة 17%. وكان أكبر تفاوت في أسئلة تصحيح الأخطاء. وأنهت مجموعة الذكاء الاصطناعي المهمة أسرع بنحو دقيقتين في المتوسط، لكن فارق الوقت لم يكن ذا دلالة إحصائية. وهذه نتائج لقاء قصير بمكتبة واحدة واختبار فوري، وليست قياسًا لمسيرة المطورين المهنية أو جودة نظام إنتاجي. [نتائج الباحثين وحدودها](https://www.anthropic.com/research/AI-assistance-coding-skills)

راقب الباحثون أيضًا طريقة استخدام المشاركين للمساعد. فبعضهم فوّض إليه معظم كتابة الشيفرة وتصحيح الأخطاء، بينما طلب آخرون التفسيرات أو عملوا بأنفسهم على فهم المفاهيم. ومالت الأنماط الأكثر مشاركة إلى تحقيق درجات أفضل، لكن هذه المجموعات الصغيرة حُددت بعد انتهاء التجربة. فقد وُزع المشاركون عشوائيًا على إمكانية الوصول إلى الذكاء الاصطناعي، لا على أسلوب معين للتفاعل معه. وقد يفيد طلب شرح المتعلم، لكن هذه الدراسة لا تثبت أن مطالبة أو سير عمل بعينه يمنع فجوة التعلم. [تحليل التفاعل في الورقة](https://arxiv.org/html/2601.20245v2)

غالبًا ما يكون الخطأ هو اللحظة التي يتعلم فيها المبتدئ افتراضات المكتبة. وإذا تولى المساعد التنفيذ الأولي والإصلاح معًا، فقد تقل فرص اطلاع المطور على تلك الافتراضات. وهذا أحد التفسيرات المحتملة لفجوة تصحيح الأخطاء.

## تظل السرعة مهمة، وتتغير الإجابة بتغير المهمة

كما سرّعت المساعدة بالذكاء الاصطناعي البرمجة في ظروف مختلفة. ففي [تجربة مضبوطة باستخدام GitHub Copilot](https://arxiv.org/abs/2302.06590)، كُلّف 95 مستقلًا محترفًا ببناء خادم HTTP باستخدام JavaScript. وبين من أتموا المهمة، استغرق المشاركون في مجموعة Copilot نحو 71 دقيقة في المتوسط، مقابل نحو 161 دقيقة في المجموعة الضابطة، أي انخفاض بنسبة 55.8% في مدة الإنجاز. ولم يختبر الباحثون ما تعلمه المبرمجون بعد ذلك. كانت المهمة تنفيذًا محدد النطاق، لا تعريفًا بمكتبة غير مألوفة يعقبه اختبار فهم.

قد تكون النتيجتان مفيدتين للمدير. فإذا استخدم مطور خبير الذكاء الاصطناعي لإنجاز عمل متكرر، فقد يكون الوقت الموفّر حقيقيًا. أما عندما تكون المهمة تعلم نظام جديد، فيلزم التحقق من سرعة الإنجاز وقوة الفهم كلٌّ على حدة. وسيهدر حظر شامل للذكاء الاصطناعي مكاسب محتملة من دون أن يجيب عن كيفية تعلم الناس.

تذهب مقالة نيديلكو إلى أبعد من التجربة. فهو يرى أن قابلية الصيانة تتضح على مدى أشهر أو سنوات، وأن الخبرة تنمو بتحمل مسؤولية الأخطاء. ولا تقيس الدراسة قابلية الصيانة على المدى الطويل، ولا تُظهر أن مستخدمي الذكاء الاصطناعي يتوقفون عن التعلم تمامًا. أما التحدي التنظيمي المفيد الذي يطرحه فهو: إذا فوّض الفريق عمل التدريب على نحو متزايد، فمن أين سيكتسب خبراء تشخيص الأعطال مستقبلًا خبرة الممارسة؟ [مقالة نيديلكو](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you)

## امنح المتعلم ما يثبت فهمه بعد تشغيل الشيفرة

أحد الردود العملية هو تكليف المبتدئ بمهمة بمساعدة الذكاء الاصطناعي، ثم طلب تحقق مستقل قصير قبل اعتبار العمل نجاحًا تعليميًا. وهذا تمرين نقترحه نحن، وليس تدخلًا اختبرته أي من الدراستين:

1. **اشرح:** من دون سؤال المساعد، صف سبب عمل الجزء غير المألوف من الشيفرة، وافتراضاته، وما قد يؤدي إلى إخفاقه. ويمكن لمهندس أقدم طرح سؤال متابعة واحد مرتبط بالتغيير الفعلي.
2. **شخّص:** أدخل عطلًا بسيطًا وواقعيًا في فرع اختبار آمن. اطلب من المتعلم تحديد السبب وشرح الملاحظة التي استبعدت إصلاحًا خاطئًا مغريًا. المقصود هو الاستدلال، لا حفظ أمر.
3. **كيّف:** غيّر أحد المتطلبات، ثم اطلب من المتعلم تعديل التنفيذ والاختبارات. يمكنه استخدام الذكاء الاصطناعي، لكن ينبغي أن يبرر السلوك الجديد ويحدد ما لا يزال بحاجة إلى تحقق.

مثلًا، بعد أن يكتب المساعد عملية غير متزامنة جديدة، قد يسأل المراجع عما يحدث عند إلغائها في منتصف التنفيذ. وينبغي للمطور أن يكون قادرًا على تتبع مسارها واختبار متطلب تغيّر. وقد تكشف مراجعة الشيفرة عيبًا، لكنها قد تترك المتعلم عاجزًا عن معالجة المشكلة التالية. ويسأل التحقق المقترح عما إذا كانت المعرفة تنتقل مع الشيفرة المسلّمة.

ولا يلزم أن تحوّل هذه الفكرة كل تذكرة روتينية إلى امتحان. يمكن للفريق تخصيص التمرين للمكتبات غير المألوفة أو أنماط الإخفاق المتكررة أو العمل المتوقع أن يتولاه زميل مبتدئ لاحقًا. ويتطلب ذلك وقتًا مدفوعًا ومراجعًا يعرف النظام. وإذا لم تحتسب الإدارة سوى المهام المدمجة والوقت الموفّر، فقد تكون هذه التكاليف أول ما يُستغنى عنه. وهذا سيصعّب مشكلة التدريب، حتى لو ارتفع الإنتاج الحالي.

## يمتد سؤال التلمذة إلى التوظيف وتصميم المنتجات

غالبًا ما جمعت الأدوار المبتدئة بين التسليم والتدريب الخاضع للإشراف. ويغيّر الذكاء الاصطناعي هذه المعادلة عندما يستطيع المرشح عرض ميزة مكتملة ومبهرة من دون توضيح طريقة تفكيره. ويمكن لأصحاب العمل أن يطلبوا من المرشحين شرح جزء صغير من العمل وتعديله بدل اعتبار مستودع مصقول دليلًا على مهارة مستقلة. وهذه استجابة توظيفية مقترحة، وليست دليلًا على اتجاه توظيف حالي. وينبغي أن تختبر القدرات التي يتطلبها الدور فعلًا، لا أن تشترط على كل متقدم العمل من دون أدوات.

تواجه منتجات البرمجة خيارًا مرتبطًا بذلك. فقد يركز المساعد على إجابة سريعة، أو يسهل فحص الافتراضات وطرح أسئلة مفاهيمية وتجربة تغيير قبل إظهار الحل. وتجعل أنماط التفاعل المرصودة في الدراسة الخيار الثاني جديرًا بالتجربة، لكنها لا تثبت أن واجهة بعينها تحسّن التعليم. وبالنسبة إلى أصحاب العمل، يكون سؤال الشراء المقابل هو ما إذا كانت الأداة تساعد الموظفين على تعلم مراجعة مخرجاتها وتغييرها، لا مقدار الشيفرة التي تنتجها فحسب.

لا يستطيع الاختبار القصير إخبارنا من سيصبح خبيرًا بعد خمس سنوات. لكنه يوضح لماذا لا يكفي قبول التنفيذ بوصفه بديلًا عن دليل الفهم في مهمة غير مألوفة. وعلى الفرق التي تريد الأتمتة وإعداد جيل قادر في آن واحد إفساح مجال للممارسة والتحقق مما يستطيع الناس فعله عندما تتغير الإجابة.

## Sources

- [ألكسندرو نيديلكو: الذكاء الاصطناعي بلا حكمة، ولن تكتسبها أنت أيضًا](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you) — تجادل مقالة نيديلكو بأن الحكم الهندسي يتطور عبر قراءة الشيفرة واتخاذ القرارات وتحمل مسؤولية الأخطاء. وادعاءاته بشأن قابلية الصيانة وتوقعه لسياسات تمنع الذكاء الاصطناعي رأي، لا نتائج مقاسة.
- [Anthropic: كيف تؤثر مساعدة الذكاء الاصطناعي في تكوين مهارات البرمجة؟](https://www.anthropic.com/research/AI-assistance-coding-skills) — يشرح الباحثون تجربة Trio العشوائية التي شملت 52 شخصًا: 50% مقابل 67% في اختبار فوري، بفارق 17 نقطة مئوية؛ ولم يكن فارق زمن الإنجاز الصغير ذا دلالة. وأنماط التفاعل رصدية، ولا تقيس الدراسة المسارات المهنية طويلة الأجل.
- [شين وتمكين: كيف يؤثر الذكاء الاصطناعي في تكوين المهارات](https://arxiv.org/abs/2601.20245) — تقدم الورقة تفاصيل المهمة والمشاركين والتوزيع العشوائي والتقييم. ويصحح تنقيح فبراير أخطاء مطبعية في الجداول. ونستخدمها لحصر النتيجة السببية في إتاحة الذكاء الاصطناعي والفهم الفوري، لا لوصف أسلوب مطالبة بأنه طريقة مثبتة.
- [بينغ وآخرون: أثر الذكاء الاصطناعي في إنتاجية المطورين](https://arxiv.org/abs/2302.06590) — في تجربة مضبوطة منفصلة باستخدام Copilot، أنجز مستقلون محترفون مهمة تنفيذ خادم JavaScript أسرع بمساعدة الذكاء الاصطناعي؛ وبلغ انخفاض الوقت 55.8% بين من أتموا المهمة. ولم تختبر هذه الدراسة التعلم، كما تختلف المهمة عن تمرين Trio الذي استخدم مكتبة غير مألوفة.