الذكاء الاصطناعي يسرّع كتابة الشيفرة ويُثقل مراجعة المصادر المفتوحة

ما الذي حدث

أفاد موقع The Register بأن مشرفي مشاريع المصادر المفتوحة يقدّرون أن نحو ربع طلبات الدمج (pull requests) التي يتلقونها مساهمات منخفضة الجودة مولّدة بالذكاء الاصطناعي، وأن هذه النسبة ترتفع إلى 31% في المشاريع الكبيرة.

يأتي ذلك في وقت تسهم فيه أدوات البرمجة المدعومة بالذكاء الاصطناعي في تسريع كتابة الشيفرة البرمجية، لكنها تنقل جزءاً من العبء إلى مرحلة المراجعة والدمج. فالمساهمات التي تبدو مكتملة في ظاهرها قد تتطلب من المشرفين وقتاً إضافياً للتحقق من صحتها وملاءمتها للمشروع.

وتجدر الإشارة إلى أن هذه الأرقام تستند إلى تقديرات المشرفين أنفسهم كما وردت في التقرير، ولا تمثل دراسة مستقلة بمنهجية موحدة.

لماذا يهم ذلك

تكشف هذه الحالة أن أثر الذكاء الاصطناعي على سير العمل لا يقتصر على سرعة الإنتاج، بل يمتد إلى تكلفة الفحص والتنسيق بين الأطراف. فالمشرفون في المصادر المفتوحة هم المستخدمون الداخليون لعملية المساهمة، وتجربتهم في المراجعة تحدد مدى استمرار المشروع وقدرته على استقبال مساهمات جديدة.

وتشير النسبة الأعلى في المشاريع الكبيرة إلى أن الحجم وحده قد يضاعف هذا الضغط. بالنسبة للمؤسسات التي تعتمد الذكاء الاصطناعي في التطوير والخدمات، فإن الدرس عملي: كلما زادت سرعة الإنتاج الآلي، أصبحت جودة المدخلات وآليات الفرز والتحقق عنصراً حاسماً في تجربة الفريق الذي يستلم العمل.

بالأرقام

• نحو ربع طلبات الدمج في المشاريع مفتوحة المصدر، بحسب تقديرات المشرفين، هي مساهمات منخفضة الجودة مولّدة بالذكاء الاصطناعي.
• 31% هي النسبة التقديرية ذاتها في المشاريع الكبيرة، وفق ما أورده التقرير.

رأي رينسينس

الحديث عن الذكاء الاصطناعي في البرمجة غالباً ما يركز على الإنتاجية، بينما يُغفل الطرف الذي يدفع ثمن الجودة المنخفضة: من يراجع ويدمج ويصون العمل. الخطأ الشائع هو قياس نجاح هذه الأدوات بعدد ما يُنتج، لا بعدد ما يُقبل فعلياً.

المبدأ الذي يحكم هذه الحالة هو أن تكلفة المعاملة لا تقع دائماً على من يبدأها، بل على من يستقبلها. إذا كانت أداة إنتاج ما تزيد من عدد المدخلات دون أن ترفع جودتها، فإنها تنقل العبء إلى المراجعين دون أن تظهر في مقاييس الإنتاجية. المؤسسة التي تريد تجربة عمل سليمة يجب أن تقيس زمن المراجعة ونسبة القبول، لا عدد الإنتاج فقط. وأفضل ما يمكن أن تفعله هو وضع قواعد واضحة لمساهمات الذكاء الاصطناعي وأدوات فرز تكشف الجودة المنخفضة قبل أن تصل إلى من يراجعها.