هل تختفي أولى درجات السلم المهني لمطوّري البرمجيات بفعل الذكاء الاصطناعي؟

تستطيع مساعدات البرمجة المدعومة بالذكاء الاصطناعي تسريع عمل المطوّر، لكن ذلك لا يعني تلقائياً أن فرق البرمجيات أو المسارات المهنية أصبحت أقوى. القلق الأبرز ليس أن أداة محددة ستنتج بالضرورة شيفرة رديئة، بل أن تستبدل الشركات المهام التنفيذية الروتينية التي كان يتعلم عبرها الموظفون الجدد، ثم تركّز الطلب على أصحاب الخبرة القادرين على تحديد المتطلبات، ومراجعة المخرجات، واختبار الأنظمة، وإدارة المفاضلات.

يتسق هذا الاحتمال مع أبحاث حديثة عن سوق العمل، لكنه لا يثبت أن Cursor أو GitHub Copilot أو Claude Code هي السبب المباشر في تراجع فرص المبتدئين.

الأدلة تشير إلى انحياز متزايد نحو الخبرة

حللت دراسة مشتركة لجامعة ستانفورد وكلية كينغز كوليدج لندن 1.25 مليار إعلان وظيفي و154 مليون سجل توظيف في 41 دولة. وخلص تحليلها إلى أن الشركات المتبنية للذكاء الاصطناعي خفّضت حصة الموظفين المبتدئين في قواها العاملة مقارنة بشركات مماثلة؛ وكان هذا التحول مدفوعاً أساساً بنمو التوظيف في المناصب العليا، مع مؤشرات على نمو متواضع في إجمالي التوظيف. 33

وتشير تقديرات مرتبطة بالدراسة على مدى خمس سنوات إلى ارتفاع توظيف ذوي الخبرة بنسبة 6.7%، وانخفاض توظيف المبتدئين بنسبة 3%، وتراجع حصة المبتدئين من القوة العاملة بمقدار 1.9 نقطة مئوية. 37 والتمييز هنا مهم: فالنتيجة تصف تغيراً في تركيبة العاملين، وليست رواية مبسطة عن تدمير شامل للوظائف.

وفي بحث منفصل لستانفورد يستند إلى بيانات الرواتب، كان توظيف العاملين بين 22 و25 عاماً في المهن الأعلى تعرضاً للذكاء الاصطناعي أقل بنحو 19% من المستوى الذي كان سيبلغه لو واكب نمو أقرانهم في المهن الأقل تعرضاً، من دون ظهور فجوة مماثلة لدى العاملين الأكثر خبرة. 12 وهذه فجوة نسبية عن مسار افتراضي، وليست دليلاً على أن الذكاء الاصطناعي ألغى 19% من الوظائف مباشرة.

أين تدخل أدوات البرمجة في هذه الصورة؟

وصف تشاماث باليهابيتيا أدوات البرمجة الشائعة بالذكاء الاصطناعي بأنها أنظمة «للاعب واحد»: فهي جيدة في تسريع إنتاج الشيفرة لدى المطور الفردي، لكنها لا تعالج بالقدر نفسه العمل التعاوني الذي يشمل هندسة النظام، ونقاش المتطلبات، والامتثال، ومراجعات الشيفرة، والتراجع عن التغييرات، وتحليل الحوادث، وتهيئة الموظفين الجدد. وقال إن هذه الأدوات قد ترفع سرعة الفرد بمقدار يتراوح بين «2 و5 مرات»، مع تأكيده أن تطوير البرمجيات الموثوق يعتمد على تنسيق قرارات وأدوار عديدة. 30

هذه زاوية مفيدة لفهم سؤال تنظيمي حقيقي. فإذا مكّنت الأداة مجموعة صغيرة من المهندسين المخضرمين من إنتاج شيفرة أكثر وفحصها ودمجها، فقد تقرر الشركة أنها لا تحتاج العدد نفسه من المبتدئين لتنفيذ المهام الروتينية. وفي المقابل، تصبح الأعمال المتبقية أكثر اعتماداً على الحكم المهني، مثل:

• تحويل احتياجات المستخدمين الملتبسة إلى متطلبات تقنية واضحة؛
• اكتشاف الشيفرة المُولّدة غير الصحيحة أو غير الآمنة؛
• تصميم الاختبارات وتفسير حالات الفشل؛
• مراجعة التغييرات ضمن سياق نظام أكبر؛
• تحديد متى لا ينبغي الأتمتة أو الإطلاق.

هذه آليات محتملة وليست نتائج سببية خاصة بمنتج بعينه. فدراسات سوق العمل المتاحة تقيس تبني الذكاء الاصطناعي أو مدى التعرض له بصورة عامة، ولا تعزل أثر Cursor أو Copilot أو Claude Code. كما أنها لا تثبت أن استخدام هذه الأدوات يقود بطبيعته إلى شيفرة معيبة.

خطر انقطاع مسار التعلّم في بداية المهنة

لم تكن الوظائف المبتدئة مجرد مصدر لقدرة تنفيذية أقل كلفة؛ بل كانت المساحة التقليدية للتعلّم المنظّم داخل بيئات العمل الحقيقية. فيها يتعلم المطور الجديد عبر مراجعة الشيفرة، وتصحيح الأعطال، ومتابعة الحوادث، ومراقبة قرارات التصميم، وتلقي التغذية الراجعة من الزملاء الأكثر خبرة.

حين تُؤتمت المهام الروتينية، قد تزيل المؤسسات من دون قصد أولى درجات هذا السلم. وعندها يُطلب من المرشح إظهار حكم مهني وخبرة كان يفترض أن تبنيهما تلك الوظائف المبتدئة نفسها.

وقد تكون شروط التوظيف تتحرك في هذا الاتجاه فعلاً. فبحسب المنتدى الاقتصادي العالمي، نقلاً عن أبحاث PwC، تكون الوظائف المبتدئة الأكثر تعرضاً للذكاء الاصطناعي أكثر احتمالاً بسبع مرات من الأقل تعرضاً لطلب مهارات ارتبطت سابقاً بالمناصب العليا، ومنها القيادة. 12 وهذا يصنع حاجزاً دائرياً: يحتاج المتقدم إلى خبرة ليحصل على الوظيفة التي كانت تمنحه الخبرة في السابق.

ولا يتعلق الأمر بالإنصاف وحده. فتقليص فرص البداية المهنية الخاضعة للإشراف لفترة طويلة قد يضيّق لاحقاً قاعدة المهندسين القادرين على التدرج إلى أدوار عليا. أي أن مكسب الإنتاجية القريب قد يأتي على حساب احتياطي المواهب المستقبلي.

لماذا قد تتسع الفجوة؟

التحول المنحاز إلى الأقدمية يكافئ من يملكون أصلاً الخبرة والسياق التنظيمي والوصول إلى مراجعة عالية الجودة. أما الداخلون الجدد إلى المهنة فيمتلكون قدراً أقل من هذه العناصر.

لذلك تكتسب فجوة التوظيف النسبية البالغة 19% للعاملين بين 22 و25 عاماً في المهن الأعلى تعرضاً للذكاء الاصطناعي أهمية كبيرة، حتى لو لم تثبت إزاحة مباشرة بسبب التقنية. 12 فهي توحي بأن الشباب لا يشاركون بالتساوي في الفرص داخل المجالات المتأثرة بالذكاء الاصطناعي. وقد يواجه من لا يملكون شبكات مهنية قوية أو مؤهلات مرموقة أو مرشدين صعوبة أكبر في عبور عتبة الخبرة الجديدة.

الخطر هو سوق عمل ينقسم بين من يستطيعون توجيه أنظمة الذكاء الاصطناعي والتحقق من مخرجاتها، ومن يُتوقع منهم أن يأتوا إلى الوظيفة وهم قادرون على ذلك سلفاً.

ما الذي يمكن أن تفعله الشركات؟

البديل المنتج ليس الإبقاء على العمل التكراري لمجرد الحفاظ عليه، بل إعادة تصميم وظائف المبتدئين بحيث يعزز الذكاء الاصطناعي التعلم والقدرة بدلاً من إزالة فرصة التعلم.

الإبقاء على العمل الإنتاجي الخاضع للإشراف

يمكن للشركات الحفاظ على برامج تدريب مدفوعة، ودورات للخريجين، ووظائف مبتدئة تتضمن مسؤوليات إرشاد واضحة. وينبغي أن يكون الهدف تقدماً قابلاً للإثبات: من مهام محدودة تخضع للمراجعة إلى ملكية أوسع للعمل، لا مجرد الحصول على مخرجات منخفضة الكلفة.

تقييم الحكم الهندسي لا جودة صياغة الطلب فقط

يجب أن تقيس اختبارات التوظيف والأداء بمساعدة الذكاء الاصطناعي قدرة المرشح على تأطير المشكلة، وشرح الشيفرة المُولّدة، وكتابة الاختبارات أو تحسينها، وتحديد أنماط الفشل، والاستجابة لمخاطر الأمن والاعتمادية. فسرعة توليد الشيفرة ليست في حد ذاتها كفاءة هندسية.

إدماج الذكاء الاصطناعي في مسارات المراجعة

تحتاج الفرق إلى قابلية تتبع، ومراجعة بشرية، واختبارات، وملكية واضحة للتغييرات التي ساهم فيها الذكاء الاصطناعي. ويمكن لهذه الممارسات أن تجعل الأدوات وسيلة تعليمية: يقارن المبتدئون بين الحلول المولدة، ويحققون في حالات الفشل، ويفهمون من المراجعين لماذا يكون حل ما أكثر أماناً أو قابلية للصيانة من آخر.

قياس نتائج القوى العاملة إلى جانب الإنتاجية

ينبغي للإدارة متابعة توظيف المبتدئين، والترقيات، ووقت التدريب، والاحتفاظ بالموظفين، وتوزيع العمل بين مستويات الخبرة، لا الاكتفاء بعدد الميزات المسلّمة أو حجم الشيفرة المنتجة. فبرنامج إنتاجية يرفع المخرجات ويضعف خط إمداد المواهب قد يصنع مخاطرة تشغيلية طويلة الأجل.

سياسات تحمي الوصول إلى الخبرة العملية

يمكن للسياسات العامة أن تساعد في الحفاظ على الانتقال من التعليم إلى العمل من دون تعطيل تبني التقنية. ومن الخيارات الممكنة: تمويل مشترك لبرامج التدريب المهني، ودعم أجور مرتبط بتنمية المهارات تحت الإشراف، ودعم تدريبي قابل للنقل بين الوظائف، وخدمات مواءمة وظيفية تستهدف الشباب في المهن الأعلى تعرضاً.

كما يمكن للحكومات وكبار المشترين تشجيع نمط توظيفي يقوم على التعزيز لا الاستبدال: استخدام الذكاء الاصطناعي لرفع قدرة الموظفين الجدد تحت إشراف بشري واضح ومسؤول، بدلاً من اعتماد استراتيجيات تعتبر توظيف المبتدئين أول بند يمكن خفضه.

الخلاصة

قد تغيّر أدوات البرمجة بالذكاء الاصطناعي طريقة تشكيل فرق البرمجيات، عبر رفع إنتاجية المهندسين ذوي الخبرة وتقليص المبرر الاقتصادي لبعض الأعمال الروتينية التي كانت تُسند إلى المبتدئين. وتدعم الأدلة الدولية القلق من ميل متزايد نحو الأقدمية: فالشركات المتبنية للذكاء الاصطناعي تزيد توظيف ذوي الخبرة بينما تتراجع الحصة النسبية للمبتدئين. 3337

لكن الأدلة لا تثبت أن أداة برمجة بعينها تسببت في هذه النتائج، ولا تقول إن الشيفرة التي يُنتجها الذكاء الاصطناعي رديئة بالضرورة. التحدي الأساسي تنظيمي: هل ستستخدم الشركات الذكاء الاصطناعي لإلغاء الأعمال التي يتكوّن عبرها حكم الوافدين الجدد، أم ستوظفه لصنع طريق أسرع وأكثر إشرافاً لاكتساب ذلك الحكم؟