حين يصبح الكود شبه مجاني، ينتقل عنق الزجاجة إلى المتطلبات والدمج والتحقق والمواءمة

حين يقترب إنتاج الكود من المجانية، ينتقل عنق الزجاجة في تسليم البرمجيات من «كتابة الكود» إلى مكان آخر: تعريف المشكلة الصحيحة، ودمج الأجزاء في كلٍّ يعمل، والتحقق من أنه صحيح فعلاً، ومواءمة المنظومة. هذه إعادة تمثيل لنظرية القيود (Theory of Constraints) في صناعة البرمجيات. قطاع التصنيع قطع هذا الطريق قبل أربعين عاماً: كلما رخُصت عملية، لم يختفِ عنق الزجاجة، بل انتقل إلى العملية الأكثر كلفةً تالية. متى فهمت هذا، تستطيع تفسير حيرة شائعة: أُدخلت أدوات برمجة الذكاء الاصطناعي في كل أنحاء الشركة، وكتابة الكود صارت أسرع بوضوح، لكن سرعة التسليم بالكاد تغيّرت.

أراني أحد مسؤولي تقنية المعلومات في مجموعة تصنيع بياناته عن الأشهر الستة الماضية. فريق تقنية معلومات يضمّ أكثر من ثمانين شخصاً، أُدخلت أدوات برمجة الذكاء الاصطناعي على نطاق واسع. إن نظرت إلى إنتاج الكود وحده، ارتفعت كميات الالتزامات (commits) المُدمجة لكل شخص وسرعة الدمج بأكثر من ثلاثة أعشار. لكن الإحساس على جانب الأعمال مختلف تماماً: ميزة صغيرة للجدولة الذكية للإنتاج، من بدء المشروع إلى الإطلاق، لا تزال تستغرق ثلاثة أشهر على الأقل. كان يتوقع أن تمنحه الأدوات ضعف السرعة، فاشترى فقط «كوداً يُكتب أسرع». كلماته صريحة: «أنفقت ملايين على التراخيص، فما حصلت عليه إلا مطوّرين أكثر انشغالاً وأعمالاً أكثر إلحاحاً.»

افترضه عن موقع عنق الزجاجة كان خاطئاً. عنق زجاجته الحقيقي شيء آخر: كل ميزة جديدة لا بد أن تعبر نظام تنفيذ التصنيع، والتخطيط بموارد المؤسسة، ونظام فحص الجودة، وطرفيات ورشة المصنع، فضلاً عن منظومة تقارير تنظيمية. الدمج والاختبار المشترك يلتهمان معظم المدة. والكود الذي يولّده الذكاء الاصطناعي ليس أمامه أي بوابة قبول رسمية تقف بينه وبين بيئة الإنتاج. مهما كُتب الكود بسرعة، فهو يقف في الطابور خلف عنق الزجاجة الخطأ.

أولاً: قطاع التصنيع عرف منذ أربعين عاماً أن عنق الزجاجة ينتقل

لفهم الحاضر، نستعير نظّارةً ارتداها قطاع التصنيع أربعين عاماً.

في 1984، كتب المستشار الإسرائيلي ذو الأصل في الفيزياء إلياهو گلدرات (Eliyahu Goldratt) رواية «الهدف» (The Goal) عن مدير مصنع على شفا الإفلاس يحيي مصنعه. جوهر الكتاب كله جملة واحدة: إنتاج أي منظومة يحدّه أضيق حلقة فيها (القيد، أي عنق الزجاجة). توسعة حلقة غير عنق الزجاجة لا تنفع الإنتاج الكلي شيئاً؛ فقط توسعة عنق الزجاجة ذاته تُسرّع المنظومة. وما إن توسّعه حتى ينتقل عنق الزجاجة فوراً إلى الموضع الأضيق التالي. هذه نظرية القيود (Theory of Constraints، TOC).

تاريخ أتمتة التصنيع في الأربعين عاماً التالية يكاد يكون تاريخاً لـ«انتقال عنق الزجاجة». حين جعلت آلات التحكم الرقمي القطع رخيصاً، انتقل عنق الزجاجة إلى تبديل القوالب وفحص الجودة؛ حين جعلت خطوط الإنتاج المرنة تبديل القوالب سريعاً، انتقل إلى الجدولة وتنسيق سلسلة الإمداد؛ حين جعل نظام تنفيذ التصنيع الجدولة دقيقة، انتقل إلى التنبؤ بالطلب والجدولة بين المصانع. كلما أُتمتت مرحلة، طفت التالية. الأتمتة لا تُبيد عنق الزجاجة قط، تنقل موضعه فحسب.

هذا أقرب إلى البرمجيات مما تظن. في 2013، نقل جين كيم (Gene Kim) قصة مصنع گلدرات إلى عمليات تقنية المعلومات تقريباً بحذافيرها، فكتب «مشروع فينيكس» (The Phoenix Project): كيف ينقذ مسؤول تقنية المعلومات قسمه بنظرية القيود من إغراق الشركة كلها. إذن «النظر إلى البرمجيات بعقلية عنق الزجاجة التصنيعية» طريق ممهّد ومُختبَر، لا استعارةٌ استُجلبت على عجل.

انتقال عنق الزجاجة في التصنيع: توسّع مرحلة، فتختنق التالية المرحلة الأولى: القطع هو عنق الزجاجة القطع / التجهيز اللحام الطلاء التجميع الفحص تراكم نصف منتج إنتاج الخط كله = إنتاج محطة القطع (أضيق حلقة) إدخال آلات التحكم الرقمي، توسيع القطع ↓ المرحلة الثانية: انتقل عنق الزجاجة إلى التجميع / الفحص القطع (مُسرَّع) اللحام الطلاء التجميع الفحص تراكم نصف منتج نظرية القيود (گلدرات، 1984): الإنتاج يحدّه أضيق حلقة؛ توسّعها، ينتقل عنق الزجاجة صناعة البرمجيات تعيد التمثيل: كتابة الكود رخُصت، فانتقل عنق الزجاجة إلى المتطلبات · الدمج · التحقق · المواءمة

ثانياً: عودة إلى البرمجيات: كتابة الكود صارت أرخص حلقة

ثلاثة أرقام تُجلّي أن «كلفة إنتاج الكود تتجه إلى الصفر».

  • Copilot: أبحاث GitHub ذاتها قاست أن نحو 46% من الكود في الملفات المُفعّل فيها Copilot يُكتبه Copilot. انتبه إلى الدلالة: هذه نسبة «داخل الملفات المُفعّلة»، لا 46% من كل كود GitHub.
  • Stripe: وكلاء البرمجة الداخليون في Stripe المسمّون «Minions» ينتجون ويدمجون أكثر من 1,300 طلب سحب (PR) أسبوعياً (في البداية 1,000، في تصاعد مستمر). تفصيل جدير بالتذكر: كل طلب سحب يمرّ بمراجعة بشرية قبل الدمج. أتمتة Stripe «الكتابة»، وترك «القبول» للإنسان. سنستخدم هذا في القسم الرابع.
  • NVIDIA: قال جينسن هوانغ (Jensen Huang) صراحةً إن 100% من مهندسي NVIDIA يستخدمون أدوات برمجة ذكاء اصطناعي مثل Cursor، وأن «العمل دون ذكاء اصطناعي» لم يعد مقبولاً في NVIDIA.

تُراكم الأرقام الثلاثة إلى نتيجة صلبة: الكلفة unit لإنتاج سطر كود تتجه بسرعة نحو الصفر.

ينشأ سؤال حاد: إذا كانت كتابة الكود شبه مجانية، فلماذا تبقى البرمجيات بهذا الغلاء، وبهذه البطء، وبهذه الصعوبة في التسليم؟ الجواب يقدّم بالضبط ما تقوله نظرية القيود: وسّعت حلقة «كتابة الكود»، فانتقل عنق الزجاجة لا أكثر. إلى أين؟

ثالثاً: انتقل عنق الزجاجة إلى أربعة مواضع

هذه المرة، يتركّز عنق الزجاجة على أربع عمليات. كل واحدة منها خارج متناول الذكاء الاصطناعي في الأمد القريب.

الأولى: تعريف المشكلة الصحيحة. الذكاء الاصطناعي يكتب في ثوانٍ «الميزة التي تقولها بشفتيك»، لكنه لا يكتب «الميزة التي تحتاجها فعلاً». معظم مشاريع البرمجيات تفشل لأن ما يُنتج لا يستخدمه أحد؛ من البداية لم يُفكَّر في ما الم problem الذي يُحل. بعد أن رخص إنتاج الكود، صارت «تفكيك مشكلة عمل غامضة إلى مواصفة واضحة قابلة للحل تستحق الحل» (problem formulation) القدرَ الأندر والأغلظ. زملاء التصنيع يعرفون هذا جيداً: مسار العملية ورسم الهندسة إذا خُطّئا، يظل التصنيع في ورشة العمل فعالاً، لكنه يُنتج دفعات معيبة.

الثانية: دمج الأنظمة. الذكاء الاصطناعي بارع في توليد «قطعة كود» و«دالة» و«صفحة». لكن نظاماً قابلاً للإطلاق تكامل لمئات القطع: تتبادل البيانات، وتعالج الحالات الحدية، وتحفظ الاتساق، وتصمد أمام الشذوذ. توليد القطع رخيص، ودمج القطع في كلٍّ موثوق غالٍ. جذر هذه الكلفة في المواءمة التنظيمية والمعمارية، وهو ما يعنيه قانون كونواي وتوبولوجيا الفرق (انظر المقالين السابقين في السلسلة). نعود إلى مسؤول تقنية المعلومات في الافتتاحية: مدته لم تُستهلك في كتابة الكود، بل في دمج نظام تنفيذ التصنيع، والتخطيط بموارد المؤسسة، وفحص الجودة، والتقارير.

الثالثة: التحقق. تضخّم حجم الكود، وتباينت الثقة به. مَن يقرّر «إنه صحيح»؟ الاختبار، ومراجعة الكود، وقابلية الملاحظة، والإطلاق التدريجي — كل أعمال «التحقق» هذه يزداد وزنها ولا يتناقص. هذا أكثر أعناق الزجاجة تهوّناً، وأعمقها مرآةً للتصنيع. نُفرده في القسم الرابع.

الرابعة: المواءمة التنظيمية. حين يكثر وكلاء الذكاء الاصطناعي في الفريق، مَن يقرر ماذا يُعمل، ومَن يراجع، ومَن يتحمل النتيجة؟ هذا امتداد آخر لقانون كونواي وتوبولوجيا الفرق؛ فالمواءمة التنظيمية ذاتها صارت عنق زجاجة. المقال الحادي عشر من السلسلة يخصص لهذا: حين لا تكون كل عقد المنظومة بشرية، كيف تصير الحوكمة قدرةً تنافسية جوهرية.

أين تذهب المدة: كتابة الكود تتقلص، وأربع عمليات تنتفخ قبل الذكاء الاصطناعي بعد أن صارت كتابة الكود شبه مجانية كتابة الكود قريباً من نصف المدة المتطلبات الدمج التحقق المواءمة كتابة الكود ↓ تتقلص المتطلبات ↑ الدمج ↑ التحقق ↑ (الأكبر ارتفاعاً) المواءمة ↑ النسب اتجاهية (مركّبة من خبرة القطاع)، لا أرقام دقيقة من استطلاع واحد

رابعاً: الأعمق: التحقق، وماذا تعلّمنا جيدوكا (Jidoka) في نظام تويوتا فعلاً

من أعناق الزجاجة الأربعة، أكثرها عرضةً للقراءة الخاطئة هو التحقق. كثيرون يفهمونه «بما أن الذكاء الاصطناعي يكتب بسرعة، فلنختبر جولات أكثر». هذا نصف صحيح فقط. لفهم لماذا صار التحقق غالياً، لا بد أولاً أن نصحّح مفهوماً في نظام تويوتا الإنتاجي يُستشهد به أكثر ويُخطأ أكثر: جيدوكا (Jidoka).

نصحّح أولاً قراءة شائعة. جيدوكا ليست «استبدال الإنسان بالذكاء الاصطناعي أو الآلة»، وليست «جعل الإنسان آلةً يعمل بلا توقّف كالآلة». كلا الاتجاهين معكوس.

الحرف ذاته يخبئ الجواب. في اليابانية، «自動化» هي الأتمتة العادية، لكن تويوتا تكتبها «自働化»، ذلك أن «働» تحمل جذر إنسان، فتؤكد «أتمتة بلمسة إنسانية» (automation with a human touch). معناها الدقيق: حين تكتشف الآلة أو خط الإنتاج شذوذاً، تتوقف تلقائياً، فيتدخّل الإنسان ويحلّ السبب الجذري، ثم يُستأنف الإنتاج. وهي تُدير آليتين متوازيتين: الآلة مزوّدة بكاشف شذوذ، تتوقف من تلقاء نفسها؛ وأي عامل على الخط يلحظ خطباً يسحب حبل الأندون (andon)، فيقف الخط كله فوراً. الجودة لا تُفحص في النهاية، بل تُدمج في كل عملية وتُحلّ في مكانها.

هنا نتيجة عكس الحدس تربط بالبرمجيات مباشرة: كلما تعمّقت الأتمتة، لا تتناقص وزنة بوابات الجودة وتدخّل الإنسان، بل تزداد. جيدوكا تحرّر الإنسان من «العمل المتكرر»، وتعيد وضعه في موضع «اكتشاف الشذوذ، وإيقاف الخط، وحلّ السبب الجذري». تويوتا تمنح العامل في الخط الأمامي سلطة إيقاف خط الإنتاج كله، تحديداً لأنها تدرك: مهما قويت الأتمتة، لا بد من إنسان يستطيع الصراخ «قف» عند المشكلة. هذا ما يشير إليه شعار «حكمة مَنَحتْها للروبوت» فعلاً: أن تملك الآلة القدرة على التوقف واستدعاء الإنسان. الإنسان حاضر دائماً، مسؤولاً عن السبب الجذري.

البرمجيات تعيد سلك هذا الطريق، وفي عجلة. أبحاث GitClear لجودة الكود بمساعدة الذكاء الاصطناعي رصدت بالفعل ارتفاع كتل الكود المكررة، وصعود كود churn قصير الأمد: الذكاء الاصطناعي يكتب بسرعة، لكنه يكتب أيضاً «ما يبدو صحيحاً كله». حين يفوق حجم الكود ما كتبه أحد سطراً سطراً، ينهار تقليد «المطوّر يعرف كوده» باعتباره آلية ثقة. حينها تحتاج إلى نسخة برمجية من حبل الأندون وآلية إيقاف الخط:

  • الاختبار (وحدة، تكامل، من الطرف إلى الطرف) يرتقي من «نُقبل ما أمكن» إلى عتبة صلبة؛ لا دمج دون اجتياز؛
  • مراجعة الكود تنقل ثقلها من «فحص الأسلوب» إلى «فحص النية والحدود»: ما المشكلة التي يحلها هذا الكود، وهل غُطّيت الحالات الحدية؛
  • قابلية الملاحظة (المراقبة، السجلات، التتبع) تصبح معياراً، فسلوك الإنتاج أنطق بالحال من الكود ذاته؛
  • الإطلاق التدريجي / علم الميزة يدع ما يولّده الذكاء الاصطناعي يُختبر في نطاق صغير أولاً، ثم يُوسَّع بعد التأكد.

نعود إلى طلبات السحب الـ 1,300 في Stripe في القسم الثاني: الكتابة للوكيل، بوابة الدمج كلها للمراجعة البشرية. هذه عيّنة جيدوكا حيّة في البرمجيات: أتمتة الإنتاج، وإبقاء القبول في يد الإنسان، ومنحه سلطة «إيقافه». رخُص الإنتاج، وغَلُظ ضبط الجودة — قاعدة لم تتغير منذ أربعين عاماً.

حلقة جيدوكا: خط إنتاج تويوتا ↔ CI/CD برمجيات خط إنتاج تويوتا (جيدوكا، أتمتة بلمسة إنسانية) الآلة تعمل تلقائياًأتمتة الإنتاج رصد شذوذالآلة تتوقف / سحب الأندون تدخّل إنسان، حلّ السبب الجذريلا فحص في النهاية، حلّ في المكان استئناف الإنتاجللإنسان سلطة الإيقاف → → → ↓ المنطق ذاته، يُنقل إلى البرمجيات CI/CD برمجيات (بوابة الجودة في عصر الذكاء الاصطناعي) الذكاء الاصطناعي يولّد الكودالكتابة، أتمتة عتبة اختبار / مراجعةلا دمج دون اجتياز إنسان يفحص النية + يُصلح السببيفحص الحدود، قابلية التفسير دمج / إطلاق تدريجيتحقّق في نطاق صغير أولاً → → → أتمتة الإنتاج، وإبقاء القبول للإنسان بـ«سلطة الإيقاف»؛ كلما تعمّقت الأتمتة، صارت بوابة الجودة أوكد Stripe Minions: أكثر من 1,300 طلب سحب أسبوعياً يكتبها الوكيل، كلها بمراجعة بشرية قبل الدمج جيدوكا ≠ استبدال الإنسان بالذكاء الاصطناعي؛ جيدوكا ≠ جعل الإنسان آلة = إيقاف عند الشذوذ + تدخّل إنسان لحل السبب الجذري (automation with a human touch)

خامساً: علاوة «تعريف المشكلة»: قدرة أثمن من الـ prompt

إن كان التحقق عنق زجاجة مُهوَّناً، فإن «تعريف المشكلة» قدرة مُهوَّنة إهانةً بالغة.

مرّت هندسة الأوامر التوجيهية (prompt engineering) بموجة، فظن كثيرون أن «إتقان كتابة الـ prompt» هي القدرة الجوهرية. لكن الـ prompt مهارة في «التعبير عن المشكلة» فحسب. الأندر هو خطوة قبلها: **صياغة المشكلة (problem formulation)**، أي تفكيك مشكلة عمل غامضة إلى مسألة واضحة قابلة للحل تستحق الحل. هذه الخطوة لا يقدر عليها الذكاء الاصطناعي في الأمد القريب، لأنها تنتظر أن تخبره أولاً «ما المشكلة».

أمهر صنّاع التصنيع أعمق إحساساً بوزن هذه الخطوة. رسم هندسي أو مسار عملية خاطئ، يجعل التصنيع والتجميع في المصب فعّالين، لكنهم ينتجون دفعات معيبة. البرمجيات على المنوال: مواصفات المتطلبات خاطئة، فيعينك الذكاء الاصطناعي على إنتاج ما لا يريده أحد بسرعة عشرة أضعاف.

حكم واحد مستقيم: كفّ عن استنفاد نفسك في «سرعة كتابة الكود»، ودرّب «وضوح تفكيك المشكلة». داخل المنظمة، يعني هذا أن تجعل من «تعريف المتطلبات» و«التحقق والقبول» وظيفتين رسميتين، ولا تتركهما للمطوّر يزاولهما عَرَضاً. بعد أن رخّص الذكاء الاصطناعي التنفيذ، صارت هاتان الوظيفتان الأسرع ارتفاعاً في العائد.

سادساً: كيف يبدو عنق الزجاجة الحقيقي في أربعة قطاعات

نُسقط «انتقال عنق الزجاجة» على أربعة قطاعات. في كلٍّ منها، عنق الزجاجة ليس في كتابة الكود.

التصنيع. البطل هو مسؤول تقنية المعلومات في الافتتاحية. ميزات الجدولة الذكية للإنتاج، وتتبع الجودة، وتحسين استهلاك الطاقة — تقنياً ليست صعبة، ونماذج جاهزة كثيرة متوفرة. عنق الزجاجة يختنق في دمج واختبار نظام تنفيذ التصنيع، والتخطيط بموارد المؤسسة، وفحص الجودة، والتقارير، وفي التحقق الميداني على طرفيات ورشة المصنع. كود مشاريع كهذه يُكتب سريعاً، لكن دمج نظام تنفيذ التصنيع والتخطيط بموارد المؤسسة يلتهم أضعافاً مضاعفة من زمن كتابة الكود؛ فقط حين تُوضع بوابة القبول على طرفيات الورشة ونقاط الدمج، تُحبس العيوب في مكانها بدل أن تتفجّر عند الإطلاق. في مجموعات تصنيع كبرى في الخليج مثل سابك (SABIC) وأرامكو السعودية (Saudi Aramco)، يُضاف إلى ذلك تعقيد إضافي: مواءمة منظومات الإنتاج الموزّعة على مواقع متعدّدة مع متطلبات التقارير الصناعية الوطنية.

الاتصالات / مشغّلو الشبكات. تغيير باقة أو فتح خط مخصّص للشركات يعبر القنوات، والفوترة، وإدارة علاقات العملاء، وفتح الشبكة، وجدولة التركيب والصيانة، عبر عدّة نطاقات. الذكاء الاصطناعي يُسرّع التطوير في كل نطاق، لكن الدمج من الطرف إلى الطرف والتحقق من الاتساق عبر النطاقات هو ما يلتهم المدة. وللمشغّل عنق زجاجة متفرد: الامتثال والمطابقة. تباين فاتورة بقيمة قرش واحد حادثة. التحقق هنا أثقل منه في أي قطاع. خذ فتح خط مخصّص للشركات لدى مشغّل كـSTC في السعودية أو Etisalat وdu في الإمارات: الذكاء الاصطناعي يُسرّع تطوير كل نطاق، لكن الدمج من الطرف إلى الطرف مضافاً إليه مطابقة الفوترة، لا يزال يستحوذ على نصف المدة أو أكثر.

المال. تعديل قاعدة مخاطر ائتمان أو قاعدة مكافحة غسل الأموال يعبر التطبيق، والنظام الأساسي، ومحرك المخاطر، ومنصة البيانات، والتقارير التنظيمية. هنا وزن التحقق بالغ، لأن خطأً في معاملة واحدة حادثة امتثال. عنق الزجاجة في القابلية للتفسير، والقابلية للتدقيق، والقابلية للتتبع: القواعد التي يكتبها الذكاء الاصطناعي مهما كانت دقيقة، إن لم تجتز سؤال الجهة الرقابية «لماذا حكمت هكذا؟»، لا تُطلق. تكرار قواعد مكافحة غسل الأموال نموذجي: الذكاء الاصطناعي يُسرّع كتابة القواعد، لكن مراجعة قابلية تفسير النموذج ومواءمة التقارير التنظيمية معاً، كثيراً ما يلتهمان أكثر من نصف الدورة. في بنوك إقليمية كـمصرف الراجحي (Al Rajhi Bank) وEmirates NBD، يُضاف إلى هذا ضغط الامتثال لمصرف الإمارات العربية المتحدة المركزي وهيئة السوق المالية السعودية، ما يجعل «لماذا حكمت هكذا» بوابةً لا تُتجاوز.

التجارة الإلكترونية. ميزة ترويج أو حملة كبرى تعبر المنتجات، والمعاملات، والتسويق، والمستودعات، وخدمة العملاء. الذكاء الاصطناعي يكتب الصفحات والواجهات بسرعة فائقة، فينتقل عنق الزجاجة إلى اختبار الضغط، واتساق المخزون، وضبط الاحتيال والتسوييل، والمطابقة. ما يتعطّل ليلة الحملة الكبرى أبداً ليس كوداً كُتب ببطء، بل حالة حدية لم يُتحقق منها. الاستعداد للحملة نموذج مصغّر: صفحة الترويج يولّدها الذكاء الاصطناعي في لمح البصر، لكن اختبار الضغط من الطرف إلى الطرف والتحقق من اتساق المخزون، كثيراً ما يستغرق أكثر من نصف ساعات الاستعداد. في منصات إقليمية مثل Noon.com وAmazon.ae، تُضاف حدة خاصة في موسم البيع الأكبر (White Friday): ضغط المرور الهائل يجعل اختبار الضغط صافي الحياة أو الموت.

قاسم أربعة قطاعات واضح: الذكاء الاصطناعي يُسرّع «الكتابة»، ويعيق «الدمج، والتحقق، والمواءمة». استثمر الطاقة التطويرية الموفورة في هذه الثلاثة، فذلك هو التحسين الحقيقي.

سابعاً: ماذا يحدث حين يخطئ الحكم: ثلاثة أنواع شائعة من سوء التوافق

النوع الأول: اعتبار «الكود يُكتب بسرعة» تسليماً أسرع. هذا أكثر الأوهام شيوعاً. الكود حلقة واحدة في سلسلة التسليم، وتوسيعه لا يُسرّع السلسلة كلها، بل يكدّس نصف منتج أكثر خلف عنق الزجاجة. في نظرية القيود اسم ذلك مخزون؛ في البرمجيات اسمه طلبات سحب غير مقبولة وفروع غير مدمجة. النتيجة مطوّرون أكثر انشغالاً، وأعمال أكثر إلحاحاً، وإنتاج لا يتغيّر — تماماً حال مسؤول تقنية المعلومات في الافتتاحية.

النوع الثاني: هدم بوابات الجودة أثناء تسريع الإنتاج. هذا خطأ مضاد لجيدوكا. يظن بعضهم «الذكاء الاصطناعي يكتب سريعاً وبجودة، فلنُبسّط مراجعة الكود ولنُختصر الاختبار». على العكس تماماً، كلما كان الإنتاج أسرع، صار حبل الأندون أوكد. هدم بوابة القبول يساوي ترك خط إنتاج بلا إنسان يدور بأقصى سرعة، فتندفع العيوب نحو بيئة الإنتاج أسرع.

النوع الثالث: الإنفاق على غير عنق الزجاجة. الدمج هو عنق الزجاجة، فتشتري تراخيص ذكاء اصطناعي للبرمجة أكثر؛ التحقق هو عنق الزجاجة، فتستأجر مطوّرين أكثر. قالت نظرية القيود هذا كله: الإنفاق على غير عنق الزجاجة يُسهم بصفر في الإنتاج الكلي، ويُقبح الحسابات فقط. الترتيب الصحيح أن تحدّد عنق الزجاجة أولاً، ثم تُلقي بالموارد عليه.

ثامناً: دروس لصانعي القرار

الدرس الأول: قبل شراء الأدوات، ارسم مخطط عنق الزجاجة. فكّك آخر ثلاث تسليمات تعثّرت لديك، أين ذُهب الزمن فعلاً. هل في العجز عن كتابة الكود، أم في العجز عن الدمج، أم في غياب مَن يتحقق، أم في متطلبات لم تُفكَّر؟ ما لا تستطيع تحديده يبقى تخميناً على المستوى التقني. مخطط عنق الزجاجة أثمن من أي قائمة شراء أدوات؛ قادر وحده على صدّ نصف استثمارات تقنية المعلومات العقيمة في الشركات الكبيرة.

الدرس الثاني: استثمر الطاقة الموفورة في المتطلبات والتحقق. الذكاء الاصطناعي يُسرّع التطوير، فيعني أن بوسعك تحرير أيادٍ. أَدخِل هؤلاء رسمياً في وظيفتي «تعريف المتطلبات» و«التحقق والقبول»، ولا تدعهم يغرقون في كتابة كود أكثر. هاتان الوظيفتان هما الأسرع ارتفاعاً في العائد في عصر الذكاء الاصطناعي.

الدرس الثالث: زوّد برمجياتك بحبل أندون. أبسط تطبيق لجيدوكا هو أن تجعل في خط التكامل والتسليم (CI/CD) عتبات صلبة: لا دمج دون اجتياز الاختبار، ومراجعة يجب أن تفحص النية والحدود، وإطلاق تدريجي يبدأ صغيراً، وقابلية ملاحظة كمعيار. كلما كانت الأتمتة أعمق، صارت هذه البوابة أوكد. هذا ما يمنع تحوّل «الكود المجاني» إلى «حوادث مجانية».

الدرس الرابع: أعد وضع الإنسان، لا تسحبه. جيدوكا تؤدي إلى النتيجة ذاتها: كلما تعمّقت الأتمتة، صار إعادة وضع الإنسان في موضع «الحكم، والقبول، وحلّ السبب الجذري» أوكد. حرّر الإنسان من العمل المتكرر، وأعد نشره في التحقق والمواءمة. هذا الفعل الجوهري في تصميم المنظمات في عصر الذكاء الاصطناعي، وهو ما ستفصّله المقالات التالية في السلسلة.

تاسعاً: أسئلة قد تخطر ببالك

«نحن نختبر الذكاء الاصطناعي محلياً فقط، فهل نحتاج إلى مخطط عنق زجاجة للشركة كلها؟» حتى التجربة تحتاج أن ترى أولاً: هل هذه الحلقة التجريبية هي عنق الزجاجة الفعلي؟ إن كان الاختناق في الدمج أو التحقق، فاختبار الذكاء الاصطناعي على «كتابة الكود» إنفاق على غير عنق الزجاجة، ويقع تحديداً في النوع الثالث من سوء التوافق في القسم السابع. أَجرِ تشخيصاً صغير النطاق لعنق الزجاجة أولاً، حتى يُنفق مال الأدوات بقيمة.

«ألن تُبطئ بوابات التحقق التسليم؟ احتكاك قصير المدى، تسريع طويل المدى. «سرعة» بلا بوابة قبول هي سرعة في دفع العيوب إلى بيئة الإنتاج، وكلفة إعادة العمل تبتدئ من عشرة أضعاف. تجربة جيدوكا: كلفة حلّ عيب في مكانه، هَبْةٌ مما يُنفق على حله في المصب.

«ما علاقة هذا بتحوّل الذكاء الاصطناعي الذي ننفّذه؟» علاقة مباشرة. أكثر ما يتعثّر فيه تحوّل الذكاء الاصطناعي هو افتراض أن عنق الزجاجة في «كتابة الكود / الطاقة الإنتاجية»، ثم شراء كومة أدوات لتوسيع تلك الحلقة. أَجرِ تشخيص عنق الزجاجة أولاً، ثم قرّر أين يُنفق المال. لهذا وضعتُ «تقييم القدرات» و«تحديد سيناريوهات القيمة» في موقع متقدّم في إطار التدريب على تحوّل الذكاء الاصطناعي في سبع خطوات: انظر أين عنق الزجاجة أولاً، ثم تحدّث عن الأدوات.

فحص ذاتي عكسي (أجب بلا تجميل): آخر تسليم تعثّر لديك، أين ذُهب الزمن فعلاً — في كتابة الكود، أم في الدمج، والتحقق، والمواءمة؟ أدوات الذكاء الاصطناعي تُنتج لديك كومة كود، فكم منها يُطلق بثبات ويستخدمه المستخدمون فعلاً؟ هل في خط التكامل والتسليم لديك عتبة صلبة «لا دمج دون اجتياز الاختبار»؟ إن أحرجتك إجابة واحدة من الثلاث، فلا تستعجل شراء أدوات ذكاء اصطناعي أكثر — اوجد عنق زجاجتك أولاً.

الخطوة التالية

هذا المقال الثالث في سلسلة «تحوّلات هندسة البرمجيات في عصر الذكاء الاصطناعي» (خمسة عشر مقالاً). سرنا من كونواي (المنظومة تُحدّد البنية)، إلى توبولوجيا الفرق (كيف نُصمّم المنظومة)، إلى انتقال عنق الزجاجة (حين يصبح الكود شبه مجاني، أين يذهب عنق الزجاجة). المقال القادم (الرابع) يأخذ منظوراً أكثر عملية: كيف تختار أداة برمجة الذكاء الاصطناعي السائدة. لكن النتيجة قد تكون عكس الحدس: الاختيار قرار تنظيمي في جوهره، يُختار وفق نضجك ومستوى حوكمتك، لا وفق «مَن يكتب الكود الأكثر إبهاراً».

ملاحظة السلسلة: تتابع هذه السلسلة باستمرار أحدث تطورات أدوات برمجة الذكاء الاصطناعي، والبنى التنظيمية، ونماذج هندسة البرمجيات — مثلاً كيف يتغيّر قانون كونواي في عصر وكلاء الذكاء الاصطناعي عام 2026، ونضج أحدث منظومات الأدوات. تابع السلسلة لرؤى محدّثة باستمرار.

عن هذه السلسلة

«تحوّلات هندسة البرمجيات في عصر الذكاء الاصطناعي» سلسلة أبحاث متعمّقة موجهة إلى مسؤولي تقنية المعلومات ومسؤولي البيانات ومسؤولي التقنية وقادة التحوّل الرقمي في قطاعات الاتصالات والمال والتصنيع والتجارة الإلكترونية، خمسة عشر مقالاً في المجمل. مبنية على أكثر من مئتي ورقة بحثية وتقرير قطاعي، تقدّم مراجع قرار موسومة بمستويات الأدلة.

أنا مهندس IBM سابق، ومدرّب معتمد من ICF، عملت على إنزال مشاريع الذكاء الاصطناعي والتحوّل الرقمي لدى مشغّلي الاتصالات والشركات الكبيرة. ما أكتبه هنا أحكام ميدانية مكتسبة من مرافقة الشركات وهي تتجاوز الحُفر.

مراجع المصادر (مُحقّقة)

  • Goldratt, E. M. (1984). The Goal: A Process of Ongoing Improvement. (المصدر الأصلي لنظرية القيود TOC، مصدر من المستوى الأول؛ رواية بمسرح مصنع تصنيع)
  • Kim, G., Behr, K. & Spafford, G. (2013). The Phoenix Project. IT Revolution Press. (نقل TOC لگلدرات إلى عمليات تقنية المعلومات بحذافيرها، جسر من التصنيع إلى البرمجيات، المستوى الأول)
  • Toyota. Toyota Production System — Jidoka (جيدوكا). toyota-global.com (جيدوكا = أتمتة بلمسة إنسانية، إيقاف عند الشذوذ + تدخّل إنسان لحل السبب الجذري؛ نظام الأندون؛ مصدر من المستوى الأول)
  • GitHub (2022/2024). The Economic Impact of the AI-Powered Developer Lifecycle. (Copilot يكتب نحو 46% من الكود في الملفات المُفعّلة، الدلالة «داخل الملفات المُفعّلة»، المستوى الأول)
  • Stripe (2025/2026). Minions: Stripe’s one-shot, end-to-end coding agents. stripe.dev/blog؛InfoQ يُفيد بأكثر من 1,300 طلب سحب أسبوعياً، كلها بمراجعة بشرية (المستوى الأول + الثاني)
  • NVIDIA / جينسن هوانغ. التصريحات العلنية أن 100% من المهندسين يستخدمون أدوات برمجة ذكاء اصطناعي مثل Cursor (قول مباشر من المصدر)
  • GitClear (2025). AI-Assisted Code Quality Research. (رصد ارتفاع الكود المكرر / churn قصير الأمد بمساعدة الذكاء الاصطناعي، يدعم «التحقق يغلو»، المستوى الثاني)
  • Forsgren, N., Humble, J. & Kim, G. (2018). Accelerate. IT Revolution Press. (أداء التسليم يحدّه الثقافة، والتدفّق، والتغذية الراجعة، لا سرعة ترميز الفرد، المستوى الأول)