كانت الدراسة الأصلية لعام 2025 قد ألقت بظلالها الكثيفة مسبقاً. فقد وجدت أن المطورين المخضرمين في مجال المصادر المفتوحة الذين استخدموا أدوات مثل Cursor Pro و Claude 3.5/3.7 Sonnet أنجزوا مهامهم أبطأ بنسبة 19% من نظرائهم الذين عملوا بدون هذه الأدوات. والمفارقة أن المطورين أنفسهم توقعوا أن الذكاء الاصطناعي سيوفر لهم حوالي 24% من وقتهم وشعروا بأنهم أكثر إنتاجية، لكن البيانات الموضوعية أظهرت العكس تماماً. لقد قضوا وقتاً إضافياً في تصحيح الأخطاء وتوجيه الذكاء الاصطناعي وانتظار إكماله للمهام .

محاولة METR اللاحقة في أغسطس 2025، والتي توسعت لتشمل 57 مطوراً وأكثر من 800 مهمة، زادت الأزمة عمقاً. كانت النتائج غير حاسمة إحصائياً، إذ أظهرت تباطؤاً تقديرياً بنسبة 4%- مع هامش ثقة واسع جداً (-15% إلى +9%). والأخطر من ذلك، أن ما بين 30 و50% من المشاركين اعترفوا بأنهم مارسوا رقابة ذاتية، باختيارهم عدم تقديم المهام التي لم يتمكنوا من إنجازها بمساعدة الذكاء الاصطناعي. أصبحت عينة الدراسة متحيزة بشكل لا رجعة فيه لصالح المجموعة الصغيرة من المطورين الذين لا يزالون على استعداد للعمل بدون أدوات الذكاء الاصطناعي . في النهاية، ألغى المختبر التجربة بالكامل، واصفاً بياناتها بأنها 'غير موثوقة' .

في أقل من عام، تحول السرد البحثي من 'الذكاء الاصطناعي يجعل المطورين المخضرمين أبطأ لكنهم لا يشعرون بذلك' إلى اكتشاف أكثر عمقاً: 'المطورون يرفضون حتى محاولة العمل بدونه'. لقد أصبحت التبعية أعمق من أن تُقاس .

حمى 'تعظيم الرموز' وانهيارها المذهل

بينما كانت دراسة METR تتهاوى، كان هوس موازٍ يجتاح وادي السيليكون. أصبحت ممارسة 'تعظيم الرموز' (Tokenmaxxing) — أي تعظيم استهلاك 'الرموز' الخام كبديل عن إنتاجية المطور — الصيحة الأبرز في مطلع 2026، قبل أن تنهار تحت ثقلها.

تم تحويل هذه الثقافة إلى لعبة تنافسية. يُقال إن موظفي ميتا تنافسوا على لوحة بيانات داخلية تُدعى 'Claudeonomics'، سعياً للحصول على ألقاب مثل 'أسطورة الرموز' (Token Legend) و'خالد الجلسات' (Session Immortal) بناءً على عدد الرموز التي أحرقوها . تصدّر جنسن هوانغ، الرئيس التنفيذي لشركة نفيديا، عناوين الأخبار بقوله إنه سيكون 'مصدوماً بشدة' إذا لم يكن أحد مهندسيه البالغ راتبهم 500,000 دولار يستهلك الرموز بكثافة . في جميع أرجاء القطاع، أصبحت ميزانيات الرموز وسام شرف، يشير إلى تبنّي الموظف للذكاء الاصطناعي، وبالتالي، كما كان يُفترض، إنتاجيته الابتكارية.

أمازون تغلق نظام KiroRank

بلغت ردة الفعل ذروتها في أواخر مايو 2026. أوقفت أمازون لوحة المتصدرين الداخلية 'KiroRank' على منصة المطورين 'Kiro' بعد اكتشاف أن الموظفين كانوا ينشئون 'وكلاء ذكاء اصطناعي عديمي الفائدة' فقط لتضخيم درجات استخدامهم. وجه ديف تريدويل، نائب الرئيس الأول، رسالة مباشرة للموظفين: 'رجاءً، لا تستخدموا الذكاء الاصطناعي فقط من أجل استخدامه' . وأكد متحدث باسم أمازون أن اللوحة كانت 'لوحة بيانات تجريبية' و'ليست أداة رسمية أو معتمدة'، لكن الضرر الناتج عن تكاليف الحوسبة التي ولّدتها كان قد وقع بالفعل . تتجه الشركة الآن إلى مقياس تسميه 'النشر المُطَبَّع' (normalised deployments) لقياس العمل ذي المعنى بدلاً من الاستهلاك الخام .

أوبر تحرق ميزانية الذكاء الاصطناعي السنوية في أربعة أشهر

بشكل أكثر دراماتيكية، تحول اندفاع أوبر نحو الذكاء الاصطناعي إلى قصة تحذيرية. منحت الشركة مهندسيها البالغ عددهم حوالي 5,000 مهندس وصولاً واسعاً إلى أداة Claude Code من Anthropic في ديسمبر 2025. قفز معدل التبني من 32% إلى 84% في غضون أشهر، وبحلول أبريل 2026، كانت الشركة قد استنفدت ميزانية الذكاء الاصطناعي السنوية بالكامل. وفقاً للمدير التقني برافين نيبالي ناغا، يستخدم 95% من مهندسي أوبر الآن أدوات الذكاء الاصطناعي شهرياً، حيث أن 70% من الشيفرات البرمجية المُسجّلة أصبحت مولَّدة بالذكاء الاصطناعي — وهي أعلى نسبة مُعلنة في أي شركة تقنية كبرى .

ومع ذلك، لم يكن لهذا التبني المذهل أي عائد واضح. اعترف مدير العمليات أندرو ماكدونالد علناً في مقابلة في أواخر مايو بأن الشركة لا تستطيع الربط بين إنفاقها الهائل على الذكاء الاصطناعي ونتائج الأعمال ذات المعنى. قال: 'هذا الرابط غير موجود بعد'. وأضاف: 'لقد أصبح تبرير هذه التكاليف أصعب فأصعب' . داخلياً، بدأ المسؤولون التنفيذيون في أوبر بالإشارة إلى المشكلة باسمها: 'تعظيم الرموز' .

الحساب الأوسع

ألغت شركتا ميتا وشركات كبرى أخرى أو راجعت تصنيفات استخدام الذكاء الاصطناعي لديها، وأصبحت الشركات الكبرى في كل مكان تعيد تقييم الإنفاق الجامح على الذكاء الاصطناعي الذي لم ينتج عائداً متناسباً . وخلصت مجلة Fortune إلى أن توجه 'تعظيم الرموز' 'قد مات' .

التكاليف الخفية: شيفرات أكثر، أخطاء أكثر، ديون تقنية أكبر

لا تقتصر ردة الفعل على الميزانيات فقط. فالدلائل المتزايدة تشير إلى أن الشيفرات التي يولدها الذكاء الاصطناعي تزرع قنابل موقوتة في المشاريع البرمجية.

• وهم الإنتاجية حقيقي. الشعور بالسرعة يتناقض مع الأبحاث المضبوطة. فالتركيز على حجم الرموز وعدد الأسطر البرمجية المُنتَجة يحجب التكلفة الخفية لتصحيح الأخطاء وإعادة الهيكلة وصيانة البرمجيات التي يكتبها الذكاء الاصطناعي. تقرير من GitClear في يناير 2026 وجد أن 'اضطراب الشيفرة' (code churn) — وهو مقياس لعدد الأسطر المحذوفة مقابل المُضافة — قفز بنسبة هائلة بلغت 861% في البيئات ذات التبني العالي للذكاء الاصطناعي .
• الديون التقنية تتراكم. الإنتاج السريع من أدوات الذكاء الاصطناعي ينتج شيفرات تحتاج إلى إعادة عمل أكثر وتُدخل ثغرات أمنية. ويحذر المحللون من أن عبء الصيانة الناتج يمكنه بسهولة أن يمحو أي مكاسب آنية في السرعة، مما يهدد سلامة الأكواد البرمجية على المدى الطويل .
• القياس نفسه معطوب. كشفت هذه الحلقة برمتها أن مقاييس النشاط — كعدد الأسطر البرمجية، واستهلاك الرموز، وعدد وكلاء الذكاء الاصطناعي المُستدعَين — هي بديل معيب للغاية لقياس الناتج الفعلي. كما قال أحد التحليلات، 'كانت الانطباعات الذاتية دليلاً سيئاً على الأثر المُقاس حتى مع تحرك حجم الأثر نفسه' .

الدليل العملي الناشئ: كيف نوازن فعلاً بين الذكاء الاصطناعي والرقابة البشرية

ينتج عن صحوة 2026 إجماع جديد أكثر رصانة حول كيفية دمج الذكاء الاصطناعي في هندسة البرمجيات.

• التخلي عن المقاييس القائمة على الرموز. تتخلص الشركات من لوحات المتصدرين وتتجه نحو ذكاء هندسي يتتبع الميزات المُسَلَّمة وجودة الشيفرة ومعدلات العيوب بدلاً من حجم استهلاك الذكاء الاصطناعي. استحواذ Atlassian على منصة تجربة المطورين DX بقيمة مليار دولار يجسد هذا الاستثمار في قياس النتائج ذات المعنى بدلاً من النشاط الخام .
• فرض مراجعة بشرية صارمة. أظهرت دراسة METR أنه بدون إشراف دقيق، يمكن لأدوات الذكاء الاصطناعي أن تجعل المطورين المخضرمين أقل إنتاجية. مراجعة الشيفرة والتخطيط المعماري يظلان نشاطين حاسمين وليسا اختياريين .
• تحديد سقف للإنفاق على الذكاء الاصطناعي بالقيمة المُثبتة، وليس بالاستخدام. أظهرت تجربة أوبر أن الإنفاق القائم على الاستخدام وغير المحدود غير مستدام. يجب ربط الميزانية بعوائد قابلة للقياس، وليس بأهداف التبني .
• إعادة تصميم ثقافة التقييم. الهدف هو تحويل السؤال الجوهري من 'من يستخدم الذكاء الاصطناعي أكثر؟' إلى 'ما هي النتائج المفيدة التي مكّننا الذكاء الاصطناعي من تحقيقها كفريق؟'. هذا يعني مكافأة الاستخدام الحكيم والفعال للذكاء الاصطناعي، وليس فقط الاستهلاك عالي الحجم .

الدرس المستفاد من عام 2026 واضح: لقد خلقت أدوات البرمجة بالذكاء الاصطناعي تبعية نفسية وتشغيلية غير مسبوقة قبل أن تثبت قيمتها الاقتصادية بشكل موثوق. الشركات التي ستنجح في تجاوز هذا التناقض هي تلك التي تتعامل مع الذكاء الاصطناعي كأداة يجب إتقانها بانضباط، لا كإله يجب تقديم تضحيات متزايدة من الرموز له.

كانت الدراسة الأصلية لعام 2025 قد ألقت بظلالها الكثيفة مسبقاً. فقد وجدت أن المطورين المخضرمين في مجال المصادر المفتوحة الذين استخدموا أدوات مثل Cursor Pro و Claude 3.5/3.7 Sonnet أنجزوا مهامهم أبطأ بنسبة 19% من نظرائهم الذين عملوا بدون هذه الأدوات. والمفارقة أن المطورين أنفسهم توقعوا أن الذكاء الاصطناعي سيوفر لهم حوالي 24% من وقتهم وشعروا بأنهم أكثر إنتاجية، لكن البيانات الموضوعية أظهرت العكس تماماً. لقد قضوا وقتاً إضافياً في تصحيح الأخطاء وتوجيه الذكاء الاصطناعي وانتظار إكماله للمهام .

محاولة METR اللاحقة في أغسطس 2025، والتي توسعت لتشمل 57 مطوراً وأكثر من 800 مهمة، زادت الأزمة عمقاً. كانت النتائج غير حاسمة إحصائياً، إذ أظهرت تباطؤاً تقديرياً بنسبة 4%- مع هامش ثقة واسع جداً (-15% إلى +9%). والأخطر من ذلك، أن ما بين 30 و50% من المشاركين اعترفوا بأنهم مارسوا رقابة ذاتية، باختيارهم عدم تقديم المهام التي لم يتمكنوا من إنجازها بمساعدة الذكاء الاصطناعي. أصبحت عينة الدراسة متحيزة بشكل لا رجعة فيه لصالح المجموعة الصغيرة من المطورين الذين لا يزالون على استعداد للعمل بدون أدوات الذكاء الاصطناعي . في النهاية، ألغى المختبر التجربة بالكامل، واصفاً بياناتها بأنها 'غير موثوقة' .

في أقل من عام، تحول السرد البحثي من 'الذكاء الاصطناعي يجعل المطورين المخضرمين أبطأ لكنهم لا يشعرون بذلك' إلى اكتشاف أكثر عمقاً: 'المطورون يرفضون حتى محاولة العمل بدونه'. لقد أصبحت التبعية أعمق من أن تُقاس .

حمى 'تعظيم الرموز' وانهيارها المذهل

بينما كانت دراسة METR تتهاوى، كان هوس موازٍ يجتاح وادي السيليكون. أصبحت ممارسة 'تعظيم الرموز' (Tokenmaxxing) — أي تعظيم استهلاك 'الرموز' الخام كبديل عن إنتاجية المطور — الصيحة الأبرز في مطلع 2026، قبل أن تنهار تحت ثقلها.

تم تحويل هذه الثقافة إلى لعبة تنافسية. يُقال إن موظفي ميتا تنافسوا على لوحة بيانات داخلية تُدعى 'Claudeonomics'، سعياً للحصول على ألقاب مثل 'أسطورة الرموز' (Token Legend) و'خالد الجلسات' (Session Immortal) بناءً على عدد الرموز التي أحرقوها . تصدّر جنسن هوانغ، الرئيس التنفيذي لشركة نفيديا، عناوين الأخبار بقوله إنه سيكون 'مصدوماً بشدة' إذا لم يكن أحد مهندسيه البالغ راتبهم 500,000 دولار يستهلك الرموز بكثافة . في جميع أرجاء القطاع، أصبحت ميزانيات الرموز وسام شرف، يشير إلى تبنّي الموظف للذكاء الاصطناعي، وبالتالي، كما كان يُفترض، إنتاجيته الابتكارية.

أمازون تغلق نظام KiroRank

بلغت ردة الفعل ذروتها في أواخر مايو 2026. أوقفت أمازون لوحة المتصدرين الداخلية 'KiroRank' على منصة المطورين 'Kiro' بعد اكتشاف أن الموظفين كانوا ينشئون 'وكلاء ذكاء اصطناعي عديمي الفائدة' فقط لتضخيم درجات استخدامهم. وجه ديف تريدويل، نائب الرئيس الأول، رسالة مباشرة للموظفين: 'رجاءً، لا تستخدموا الذكاء الاصطناعي فقط من أجل استخدامه' . وأكد متحدث باسم أمازون أن اللوحة كانت 'لوحة بيانات تجريبية' و'ليست أداة رسمية أو معتمدة'، لكن الضرر الناتج عن تكاليف الحوسبة التي ولّدتها كان قد وقع بالفعل . تتجه الشركة الآن إلى مقياس تسميه 'النشر المُطَبَّع' (normalised deployments) لقياس العمل ذي المعنى بدلاً من الاستهلاك الخام .

أوبر تحرق ميزانية الذكاء الاصطناعي السنوية في أربعة أشهر

بشكل أكثر دراماتيكية، تحول اندفاع أوبر نحو الذكاء الاصطناعي إلى قصة تحذيرية. منحت الشركة مهندسيها البالغ عددهم حوالي 5,000 مهندس وصولاً واسعاً إلى أداة Claude Code من Anthropic في ديسمبر 2025. قفز معدل التبني من 32% إلى 84% في غضون أشهر، وبحلول أبريل 2026، كانت الشركة قد استنفدت ميزانية الذكاء الاصطناعي السنوية بالكامل. وفقاً للمدير التقني برافين نيبالي ناغا، يستخدم 95% من مهندسي أوبر الآن أدوات الذكاء الاصطناعي شهرياً، حيث أن 70% من الشيفرات البرمجية المُسجّلة أصبحت مولَّدة بالذكاء الاصطناعي — وهي أعلى نسبة مُعلنة في أي شركة تقنية كبرى .

ومع ذلك، لم يكن لهذا التبني المذهل أي عائد واضح. اعترف مدير العمليات أندرو ماكدونالد علناً في مقابلة في أواخر مايو بأن الشركة لا تستطيع الربط بين إنفاقها الهائل على الذكاء الاصطناعي ونتائج الأعمال ذات المعنى. قال: 'هذا الرابط غير موجود بعد'. وأضاف: 'لقد أصبح تبرير هذه التكاليف أصعب فأصعب' . داخلياً، بدأ المسؤولون التنفيذيون في أوبر بالإشارة إلى المشكلة باسمها: 'تعظيم الرموز' .

الحساب الأوسع

ألغت شركتا ميتا وشركات كبرى أخرى أو راجعت تصنيفات استخدام الذكاء الاصطناعي لديها، وأصبحت الشركات الكبرى في كل مكان تعيد تقييم الإنفاق الجامح على الذكاء الاصطناعي الذي لم ينتج عائداً متناسباً . وخلصت مجلة Fortune إلى أن توجه 'تعظيم الرموز' 'قد مات' .

التكاليف الخفية: شيفرات أكثر، أخطاء أكثر، ديون تقنية أكبر

لا تقتصر ردة الفعل على الميزانيات فقط. فالدلائل المتزايدة تشير إلى أن الشيفرات التي يولدها الذكاء الاصطناعي تزرع قنابل موقوتة في المشاريع البرمجية.

• وهم الإنتاجية حقيقي. الشعور بالسرعة يتناقض مع الأبحاث المضبوطة. فالتركيز على حجم الرموز وعدد الأسطر البرمجية المُنتَجة يحجب التكلفة الخفية لتصحيح الأخطاء وإعادة الهيكلة وصيانة البرمجيات التي يكتبها الذكاء الاصطناعي. تقرير من GitClear في يناير 2026 وجد أن 'اضطراب الشيفرة' (code churn) — وهو مقياس لعدد الأسطر المحذوفة مقابل المُضافة — قفز بنسبة هائلة بلغت 861% في البيئات ذات التبني العالي للذكاء الاصطناعي .
• الديون التقنية تتراكم. الإنتاج السريع من أدوات الذكاء الاصطناعي ينتج شيفرات تحتاج إلى إعادة عمل أكثر وتُدخل ثغرات أمنية. ويحذر المحللون من أن عبء الصيانة الناتج يمكنه بسهولة أن يمحو أي مكاسب آنية في السرعة، مما يهدد سلامة الأكواد البرمجية على المدى الطويل .
• القياس نفسه معطوب. كشفت هذه الحلقة برمتها أن مقاييس النشاط — كعدد الأسطر البرمجية، واستهلاك الرموز، وعدد وكلاء الذكاء الاصطناعي المُستدعَين — هي بديل معيب للغاية لقياس الناتج الفعلي. كما قال أحد التحليلات، 'كانت الانطباعات الذاتية دليلاً سيئاً على الأثر المُقاس حتى مع تحرك حجم الأثر نفسه' .

الدليل العملي الناشئ: كيف نوازن فعلاً بين الذكاء الاصطناعي والرقابة البشرية

ينتج عن صحوة 2026 إجماع جديد أكثر رصانة حول كيفية دمج الذكاء الاصطناعي في هندسة البرمجيات.

• التخلي عن المقاييس القائمة على الرموز. تتخلص الشركات من لوحات المتصدرين وتتجه نحو ذكاء هندسي يتتبع الميزات المُسَلَّمة وجودة الشيفرة ومعدلات العيوب بدلاً من حجم استهلاك الذكاء الاصطناعي. استحواذ Atlassian على منصة تجربة المطورين DX بقيمة مليار دولار يجسد هذا الاستثمار في قياس النتائج ذات المعنى بدلاً من النشاط الخام .
• فرض مراجعة بشرية صارمة. أظهرت دراسة METR أنه بدون إشراف دقيق، يمكن لأدوات الذكاء الاصطناعي أن تجعل المطورين المخضرمين أقل إنتاجية. مراجعة الشيفرة والتخطيط المعماري يظلان نشاطين حاسمين وليسا اختياريين .
• تحديد سقف للإنفاق على الذكاء الاصطناعي بالقيمة المُثبتة، وليس بالاستخدام. أظهرت تجربة أوبر أن الإنفاق القائم على الاستخدام وغير المحدود غير مستدام. يجب ربط الميزانية بعوائد قابلة للقياس، وليس بأهداف التبني .
• إعادة تصميم ثقافة التقييم. الهدف هو تحويل السؤال الجوهري من 'من يستخدم الذكاء الاصطناعي أكثر؟' إلى 'ما هي النتائج المفيدة التي مكّننا الذكاء الاصطناعي من تحقيقها كفريق؟'. هذا يعني مكافأة الاستخدام الحكيم والفعال للذكاء الاصطناعي، وليس فقط الاستهلاك عالي الحجم .

الدرس المستفاد من عام 2026 واضح: لقد خلقت أدوات البرمجة بالذكاء الاصطناعي تبعية نفسية وتشغيلية غير مسبوقة قبل أن تثبت قيمتها الاقتصادية بشكل موثوق. الشركات التي ستنجح في تجاوز هذا التناقض هي تلك التي تتعامل مع الذكاء الاصطناعي كأداة يجب إتقانها بانضباط، لا كإله يجب تقديم تضحيات متزايدة من الرموز له.