لستين عامًا، كانت وحدة العمل الأساسية في تطوير البرمجيات هي التعليمة البرمجية. يكتب الإنسان الكود، وتنفذه الآلة بالضبط كما كُتب. كل خطأ كان خطأ بشريًا لأن الآلة تفعل تحديدًا ما أُمرت به. FORTRAN وCOBOL وJava وPython وJavaScript — كل لغة، وكل نموذج، وكل إطار عمل كان يعمل وفق العقد نفسه: الإنسان يكتب، والآلة تنفذ، والحتمية مضمونة.
ذلك العقد انتهى.
وحدة العمل في تطوير البرمجيات هي الآن الرمز (token). وحين تتغير وحدة العمل، يتغير معها كل ما يتبعها — الوظائف، والمهارات، والاقتصاديات، وهياكل الفِرق، والديناميكيات التنافسية لصناعات بأكملها.
في الفِرق الهندسية التي تعتمد الذكاء الاصطناعي أساسًا لها في مطلع عام 2026، برز واقع جديد: ثلاثة مهندسين مع تكلفة حوسبة ذكاء اصطناعي تبلغ نحو ألف دولار يوميًا يتفوقون في الإنتاج على فِرق تقليدية مؤلفة من عشرة أشخاص. هذا ليس تحسينًا هامشيًا في الإنتاجية. إنه تحول هيكلي في كيفية بناء البرمجيات، ومن يبنيها، وما تكلفتها. وعلى خلاف معظم دورات المبالغة التقنية، فإن البيانات الداعمة لهذا التحول باتت مرئية لكل من يريد أن يرى.
من التعليمة إلى الرمز: تحول جوهري
التمييز بين حقبة التعليمة وحقبة الرمز ليس تدريجيًا. إنه تحول جوهري من نوع مختلف.
في حقبة التعليمة، كانت المهارة البشرية هي الترجمة — تحويل النية التجارية (“أريد هذا الزر أن يقوم بكذا”) إلى تعليمات للآلة (الكود الذي يجعل الزر يقوم بذلك). كانت جودة البرنامج تعتمد على جودة الترجمة. وكانت سرعة التطوير تعتمد على مدى سرعة الإنسان في الترجمة. وكانت تكلفة التطوير تعتمد على عدد المترجمين الذين توظفهم ومقدار ما تدفعه لهم.
في حقبة الرمز، يؤدي الذكاء الاصطناعي مهمة الترجمة. لم تعد المهارة البشرية هي الترجمة ذاتها. إنها ثلاث قدرات متمايزة: تحديد النية، وتقييم المخرجات، والحكم على ما إذا كانت المخرجات تخدم غرضها.
يبدو هذا تمييزًا دقيقًا. لكنه ليس كذلك. إنه الفرق بين دفع أجر لشخص ليكتب رواية، ودفع أجر لشخص ليصف الرواية التي ينبغي كتابتها ثم يحكم على ما إذا كانت المسودة جيدة. كلتاهما مهارة قيّمة. لكنهما مهارتان مختلفتان جوهريًا. ولهما ديناميكيات مختلفة جوهريًا من حيث العرض والطلب.
البرمجة — الفعل الميكانيكي لترجمة النية إلى تعليمات — مهارة تقنية تقف خلفها بنية تدريبية عمرها ستون عامًا. برامج علوم الحاسوب، ومعسكرات التدريب المكثف، والدورات الإلكترونية، وتحديات الترميز، والمقابلات التقنية — كلها توجد لتحديد هذه المهارة وتنميتها. أما تحديد النية، والتقييم، وإصدار الأحكام، فهي مهارات معرفية تتطلب خبرة في المجال، وحسًا بالمنتج، وتفكيرًا استراتيجيًا. لا تُدرَّس هذه المهارات بشكل منهجي تقريبًا لأننا كنا نعيش في حقبة التعليمة، حيث أخفى اختناق الترجمة اختناق التحديد.
حقبة الرمز ترفع هذا الغطاء.
الاقتصاديات: 1.8 مليون دولار مقابل 2.5 مليون دولار
الأرقام واضحة، وهي مذهلة.
فريق برمجيات تقليدي مؤلف من عشرة مهندسين، بتكلفة إجمالية متوسطة قدرها 250,000 دولار للمهندس الواحد (الراتب والمزايا والمعدات ومساحة المكتب والنفقات الإدارية)، يكلف 2.5 مليون دولار سنويًا. هذا رقم معياري لشركات التكنولوجيا متوسطة المستوى في أسواق أمريكا الشمالية وأوروبا.
فريق قائم على الذكاء الاصطناعي مؤلف من ثلاثة مهندسين لتوجيه الرموز، كل منهم بالتكلفة الإجمالية نفسها البالغة 250,000 دولار، إضافة إلى تكاليف حوسبة الذكاء الاصطناعي بمعدل 1,000 دولار للمطور يوميًا (ما يعادل تقريبًا 250,000 دولار للمطور سنويًا)، تبلغ تكلفته نحو 1.5 مليون دولار في التكاليف البشرية و750,000 دولار في تكاليف الحوسبة — أي ما مجموعه 2.25 مليون دولار، وإن كانت تقديرات المسوحات المؤسسية تشير إلى أن الرقم المدمج يبلغ نحو 1.8 مليون دولار عند احتساب انخفاض النفقات الإدارية، وصغر المساحات المكتبية، وتراجع تكاليف التنسيق.
هذا يعني 72 إلى 90 سنتًا مقابل كل دولار، مع مخرجات مكافئة أو أفضل وفق ما تشير إليه البيانات المرصودة.
هذه ليست توقعات نظرية. كشف مسح لإنفاق المؤسسات على الذكاء الاصطناعي شاركته Anthropic في مطلع 2026 أن أكثر مستخدمي تطوير الذكاء الاصطناعي نشاطًا ينفقون 1,000 دولار للمطور الواحد يوميًا على حوسبة الذكاء الاصطناعي. ليس شهريًا — يوميًا. والاتجاه لا لبس فيه: تكاليف حوسبة الذكاء الاصطناعي تنخفض في حين تكاليف العمالة البشرية لا تنخفض. الفريق المؤلف من ثلاثة أشخاص الذي ينتج مخرجات فريق عشرة أشخاص اليوم سيكون على الأرجح فريقًا من شخصين ينتجان المخرجات نفسها أو أكثر في العام القادم.
الأثر التراكمي هو ما يجعل هذا سلاحًا تنافسيًا لا مجرد أداة لخفض التكاليف. الشركات التي تتبنى مسارات العمل القائمة على الرموز مبكرًا تكتسب ميزة تكلفة تتضاعف كل ربع سنة. أما الشركات التي لا تفعل ذلك فهي تدفع أسعار حقبة التعليمة مقابل إنتاجية حقبة التعليمة، بينما يعمل منافسوها في واقع اقتصادي مختلف تمامًا.
معيار SWE-bench: الدليل التجريبي
للمشككين الذين يرفضون ادعاءات الإنتاجية باعتبارها دعاية تسويقية، ثمة معيار قياسي يوفر أساسًا تجريبيًا صلبًا.
SWE-bench Verified، الذي يديره باحثون في جامعة Princeton، يقيس قدرة الذكاء الاصطناعي على حل مشكلات GitHub الحقيقية — أخطاء فعلية مُبلَّغ عنها في مشاريع مفتوحة المصدر حقيقية، تستلزم فهم قاعدة الكود، وتشخيص المشكلة، وكتابة الإصلاح، والتأكد من نجاح الاختبارات الموجودة. هذا ليس تحديًا برمجيًا اصطناعيًا. إنه أقرب شيء لدى الصناعة إلى قياس موحد لقدرات هندسة البرمجيات المستقلة.
في يناير 2024، حقق أفضل أنظمة الذكاء الاصطناعي نحو 4% على SWE-bench Verified. بحلول مطلع 2026، تجاوز هذا الرقم 70%. في غضون عامين، انتقل الذكاء الاصطناعي من حل 1 من كل 25 خطأ برمجي حقيقي بشكل مستقل إلى حل 7 من كل 10. المسار ليس خطيًا — بل يتسارع.
ما يعنيه هذا عمليًا هو أن الذكاء الاصطناعي بات قادرًا على التعامل مع غالبية مهام صيانة البرمجيات الروتينية — إصلاح الأخطاء، وإضافة المميزات الصغيرة، وكتابة الاختبارات، وتحديثات التوثيق — دون تدخل بشري. يتحول دور الإنسان إلى تصنيف المشكلات التي تُسنَد إلى الذكاء الاصطناعي، ومراجعة المخرجات، ومعالجة نسبة الـ30% من الحالات التي لا تزال تستلزم حكمًا بشريًا أو فهمًا معماريًا أو سياقًا متخصصًا.
هذا ليس “ذكاءً اصطناعيًا يساعد في الإكمال التلقائي”. هذا ذكاء اصطناعي يكتب الكود والإنسان يقرر ما إذا كان يستحق النشر.
إعلان
“موظف الذكاء الاصطناعي” بـ20,000 دولار شهريًا
يُشاع أن OpenAI تطور منتجًا يُقدَّم باعتباره “موظف ذكاء اصطناعي” بسعر نحو 20,000 دولار شهريًا. بهذا السعر، تصبح الاقتصاديات بسيطة بشكل شبه مضحك.
يكلف مهندس برمجيات متوسط المستوى من 15,000 إلى 25,000 دولار شهريًا بتكلفة إجمالية، حسب السوق. موظف الذكاء الاصطناعي سيكلف المبلغ نفسه لكنه يُنتج على مدار الساعة — بلا إجازات، ولا أيام مرضية، ولا تفاوت في الأداء، ولا نفقات إدارية، ولا اجتماعات فردية، ولا فعاليات بناء الفريق. ويتوسع خطيًا: تريد ضعف المخرجات، تدفع ضعف المال. كل من حاول مضاعفة مخرجات فريق بشري عبر مضاعفة عدد الأفراد يعرف أن الأمر لا يسير هكذا. قانون Brooks — إضافة أشخاص إلى مشروع متأخر يجعله أكثر تأخرًا — لا يوجد ما يعادله في توسع الحوسبة.
لكن موظف الذكاء الاصطناعي ليس الجانب المثير في هذه القصة. الجانب المثير هو ما يفعله البشر حين يوجد موظفو ذكاء اصطناعي.
الجواب: يصبحون طبقة القرار. يصبحون كُتّاب المواصفات، ومقيّمي الجودة، والمفكرين الاستراتيجيين، ومدراء علاقات العملاء، والخبراء في المجالات الذين يعرفون أي المشكلات تستحق الحل. تصبح المهمة البشرية هي المهمة التي كانت دائمًا الجزء الأصعب والأكثر قيمة في تطوير البرمجيات. لستين عامًا، أخفينا تلك الحقيقة بدمجها مع مهمة الإنتاج. حقبة الرمز تفصلهما، وما يتبقى على الجانب البشري هو الجزء الذي كان دائمًا الأكثر قيمة.
مسألة الجودة
الاعتراض الأكثر شيوعًا على الكود الذي يكتبه الذكاء الاصطناعي هو الجودة. إذا كان الذكاء الاصطناعي هو من يكتب الكود، يقول المنطق، فلا بد أن الجودة رديئة.
الجواب الصريح هو أن الجودة تعتمد على النظام لا على النموذج.
مهندس توجيه رموز ماهر ذو عمليات تقييم صارمة وحلقات تغذية راجعة جيدة التصميم سينتج مخرجات بجودة أعلى من مهندس متوسط يكتب الكود يدويًا. أما مهندس توجيه رموز مهمل بلا منهجية تقييم فسينتج كودًا رديئًا. هذا لا يختلف جوهريًا عن طريقة عمل الجودة في حقبة التعليمة — المهندسون المتوسطون أنتجوا كودًا متوسطًا — لكن نمط الفشل مختلف. في حقبة التعليمة، الكود السيئ كان بطيئًا ومكلفًا. في حقبة الرمز، الكود السيئ سريع ورخيص، مما يعني أنك قد تنتج منه كميات كبيرة قبل أن يلاحظ أحد المشكلات.
انتقل اختناق الجودة من الإنتاج إلى التقييم. لم تعاني صناعة البرمجيات قط من نقص في قدرة كتابة الكود. ما عانت منه دائمًا هو نقص في الحكم الجيد على ما ينبغي بناؤه، وكيفية تقييم ما إذا كان يعمل، ومتى يتم نشره. لم يحل الذكاء الاصطناعي مشكلة الحكم. لقد أزال اختناق الإنتاج وجعل مشكلة الحكم الشيء الوحيد الذي يهم.
لهذا السبب، فإن أكثر المطورين قيمة في عام 2026 ليسوا من يكتبون أفضل الكودات. إنهم من يتخذون أفضل القرارات حول أي كود ينبغي أن يوجد.
تحول الاختناق: من الإنتاج إلى التقييم
تمتد تداعيات هذا التحول في الاختناق إلى ما هو أبعد بكثير من إنتاجية المطور الفرد.
في حقبة التعليمة، كانت المنظمات الهندسية محسَّنة لزيادة إنتاجية التطوير. كانت عمليات التوظيف تختبر قدرة البرمجة. وكانت مراجعات الأداء تقيس أسطر الكود والمميزات المشحونة والأخطاء المُصلَحة. وكانت هياكل الفِرق مصممة لزيادة ساعات الترميز المنتجة إلى أقصى حد. وكانت الإدارة تدور إلى حد كبير حول إزالة العقبات حتى يتمكن المهندسون من كتابة المزيد من الكود.
في حقبة الرمز، لا معنى لأي من هذه الأهداف التحسينية. المورد النادر لم يعد هو طاقة الإنتاج — فهذه باتت فعليًا لا نهائية بتكلفة هامشية. المورد النادر هو طاقة التقييم: القدرة على تقييم ما إذا كان الكود الذي أنتجه الذكاء الاصطناعي صحيحًا وآمنًا وعالي الأداء ومتوافقًا مع الأهداف التجارية.
المنظمات التي تدرك هذا التحول مبكرًا ستعيد هيكلتها وفقًا له. ستوظف لمهارات التقييم لا لمهارات الترميز فحسب. ستعيد تصميم مراجعات الأداء حول جودة القرار لا حول كمية المخرجات. ستستثمر في البنية التحتية للاختبار وأنظمة المراقبة التي تلتقط العيوب التي أنتجها الذكاء الاصطناعي قبل وصولها إلى مرحلة الإنتاج. وستبني حلقات تغذية راجعة تحسن جودة مخرجات الذكاء الاصطناعي بشكل منهجي عبر الزمن.
المنظمات التي لا تدرك هذا التحول ستواصل التحسين وفق نموذج حقبة التعليمة — توظيف المبرمجين، وقياس مخرجات الكود، والتساؤل عن سبب شحن منافسيها القائمين على الذكاء الاصطناعي بشكل أسرع وأرخص وبجودة مكافئة أو أفضل.
ماذا يعني هذا عمليًا
للمهندسين: ابدأ في ممارسة كتابة المواصفات الآن. إن القدرة على وصف ما تريد بدقة بطريقة يمكن لنظام الذكاء الاصطناعي تنفيذها تتحول إلى المهارة التقنية الأساسية في حقبة الرمز. هذا ليس كتابة أوامر نصية — فالأوامر النصية هي كيفية التحدث إلى روبوت محادثة. كتابة المواصفات هي كيفية تصميم البرمجيات عبر وصف سلوكها وقيودها ومتطلبات الجودة ونقاط التكامل بما يكفي من التفصيل لتمكين نظام الذكاء الاصطناعي من تنفيذها بصورة صحيحة.
للمدراء: حجم الفريق الأمثل يتقلص وتتغير مزيجة المهارات الأمثل. تحتاج إلى عدد أقل من كُتّاب الكود وعدد أكبر من مقيّمي الكود، والمزيد من خبراء المجال، والمزيد من الأشخاص الذين يفهمون الأعمال بعمق كافٍ لتحديد ما ينبغي بناؤه والحكم على ما إذا كان قد بُني بصورة صحيحة.
لخبراء المجال: لست بحاجة إلى أن تصبح مبرمجًا. تحتاج إلى أن تصبح شخصًا قادرًا على وصف مشكلة بدقة كافية لحل الذكاء الاصطناعي إياها، وتقييم ما إذا كان الحل يعمل فعلًا في مجالك. هذا المزيج — الخبرة في المجال مع مهارة التحديد والتقييم — يتحول إلى أكثر مجموعات المهارات قيمة في صناعة التكنولوجيا.
لقادة الأعمال: ابدأ في نمذجة الاقتصاديات. الفارق بين تكاليف حقبة التعليمة وتكاليف حقبة الرمز سيشكل ميزة تنافسية كبيرة خلال الـ18 شهرًا القادمة. الشركات التي تكتشف هذا أولًا ستتمتع بتكاليف تطوير أقل ماديًا بجودة مخرجات مكافئة أو أفضل.
الأسئلة الشائعة
ما المقصود بـ The Token Is the New Unit of Work؟
يتناول هذا المقال الجوانب الأساسية لهذا الموضوع، ويستعرض الاتجاهات الحالية والجهات الفاعلة الرئيسية والتداعيات العملية على المهنيين والمؤسسات في عام 2026.
لماذا يُعد هذا الموضوع مهمًا؟
يكتسب هذا الموضوع أهمية كبيرة لأنه يؤثر بشكل مباشر على كيفية تخطيط المؤسسات لاستراتيجيتها التقنية وتخصيص مواردها وتموضعها في مشهد سريع التطور.
ما أبرز النقاط المستخلصة من هذا المقال؟
يحلل المقال الآليات الرئيسية والأطر المرجعية والأمثلة الواقعية التي تشرح كيفية عمل هذا المجال، مستندًا إلى بيانات حديثة ودراسات حالة عملية.
المصادر والقراءات الإضافية
- مسح Anthropic للإنفاق المؤسسي على الذكاء الاصطناعي — بيانات الإنفاق المؤسسي على حوسبة الذكاء الاصطناعي بمعدل 1,000 دولار/يوم/مطور لدى المستخدمين المكثفين
- SWE-bench Verified Leaderboard — معيار Princeton لتتبع قدرة الذكاء الاصطناعي على حل الأخطاء بشكل مستقل، من 4% (يناير 2024) إلى أكثر من 70% (مطلع 2026)
- Bloomberg: OpenAI تخطط لوكيل ذكاء اصطناعي للهندسة البرمجية — تقرير حول منتج “موظف الذكاء الاصطناعي” المزمع بـ20,000 دولار شهريًا
- McKinsey: إطلاق إنتاجية المطورين مع الذكاء الاصطناعي التوليدي — تحليل يظهر انخفاضًا بنسبة 35-45% في وقت توليد الكود باستخدام أدوات الذكاء الاصطناعي
- Stack Overflow Developer Survey 2025 — 84% من المطورين يستخدمون أو يخططون لاستخدام أدوات الذكاء الاصطناعي؛ 29% فقط يثقون بدقة مخرجات الذكاء الاصطناعي
- بيانات GitHub Copilot — معدل قبول 30% عبر 934,533 مستخدمًا، مع معدلات أعلى للأكواد النمطية والاختبارات
