دليل واضح حول ما إذا كان الذكاء الاصطناعي سيحل محل المبرمجين. يشرح المهام الأكثر عرضة للأتمتة، والعمل الذي سيبقى، والمهارات الجديرة بالتعلم، والمسارات المهنية المحتملة.
يقوم المبرمجون بأكثر بكثير من مجرد تحويل المواصفات إلى شيفرة. ففي الواقع، يخلقون القيمة عبر سلسلة عمل متكاملة تشمل تفسير المتطلبات، وتصميم الأنظمة، وتنفيذ الحلول، ومراجعة الشيفرة، والاختبار، وتشغيل البرمجيات. وعلى وجه الخصوص، فإن المهنيين القادرين على تحديد ما ينبغي أن تستوعبه الأنظمة وأين يجب أن يبقى الحكم البشري يملكون قيمة سوقية تختلف عن قيمة من يكتبون الشيفرة فقط.
ومع انتشار الذكاء الاصطناعي، أصبحت كتابة الشيفرة، والإكمال التلقائي، وإنشاء مسودات الاختبارات، والمراحل الأولى من البحث أسرع بكثير. وفي الوقت نفسه، ما تزال القدرة على تفسير المتطلبات الغامضة بصورة صحيحة وبناء برمجيات تصمد في بيئة الإنتاج، من حيث القابلية للصيانة والجودة، مجالًا يحدث فيه العامل البشري فرقًا كبيرًا.
2026-07-08
مسعى Cursor للبقاء منصّة لنماذج التكويد المتقدمة داخل SpaceX هو إشارة ملموسة إلى أن تطوير البرمجيات بمساعدة الذكاء الاصطناعي يتعمق في بيئات مؤسسية جدّية. وبالاقتران مع نمط تنفيذ المهام المستقل لدى Claude Science، فإن ذلك يعزز أتمتة التكويد وتصحيح الأخطاء وأعمال التنفيذ، مما يرفع قليلاً من مخاطر المبرمجين.
2026-07-01
يزداد خطر البرمجة قليلاً لأن الذكاء الاصطناعي يستمر في التحسّن في توليد الشيفرة، وإعادة الهيكلة، وإصلاح الأخطاء، والتوثيق ضمن سير العمل المؤسسي. الثقة القوية هذا الأسبوع في الذكاء الاصطناعي المعتمد على الوكلاء، بالإضافة إلى البنية التحتية المتنامية حول نشر الذكاء الاصطناعي، تبرر الانتقال من 67 إلى 68.
2026-06-24
تعتبر GPT-5.5-Cyber من OpenAI ومبادرة Patch the Plant دليلاً ملموساً على أن الذكاء الاصطناعي يتحسن في تصحيح الأخطاء، وتوليد التصحيحات، وصيانة الشيفرة. وبما أن المبرمجين يقضون وقتاً كبيراً في هذه المهام، وأن سير عمل الترميز المعتمد على الإرشادات ينتشر، يرتفع التقييم بشكل طفيف عن الخط الأساسي.
2026-06-17
يرتفع المعدل لأن أوضح إشارة في سوق العمل هذا الأسبوع كانت أن OpenAI أَسندت القيادة لأكبر تحول لـChatGPT مع اعتبار التكويد بالذكاء الاصطناعي مجال نمو رئيسي. تزيد وكلاء التكويد الأكثر قدرة من ضغوط الاستبدال على المهام البرمجية الروتينية مثل توليد الشيفرة وتصحيح الأخطاء وإعداد الاختبارات وإعادة الهيكلة.
2026-06-03
التقارير التي تفيد بأن أمهات جديدات عُدن إلى وظائف الترميز التي أعيد تشكيلها جذريًا بواسطة الذكاء الاصطناعي تشكل إشارة مباشرة لتبني مكان العمل بأن مهام البرمجة تُعاد هيكلتها حول مساعدة الذكاء الاصطناعي. يظل الارتفاع طفيفًا لأن المهندسين لا يزالون يتولون تصميم النظام ومراجعة الشيفرة والمساءلة في الإنتاج بما يتجاوز ما يمكن أن تفعله أدوات المساعد المرافق.
2026-05-27
يوفر Anthropic’s Code with Claude وتركيز Google I/O على وكلاء الذكاء الاصطناعي دليلًا مباشرًا على زيادة أتمتة الترميز لكتابة البرامج وإعادة هيكلتها وتصحيح أخطائها. لا يزال المبرمجون يشرفون على البنية والتحقق، لكن تطورات هذا الأسبوع زادت ماديًا من ضغوط الاستبدال على أعمال التنفيذ الروتينية مقارنةً بالنتيجة السابقة.
2026-05-20
إعادة تنظيم OpenAI لدمج ChatGPT وCodex إشارة مباشرة إلى أن المساعدة في الترميز أصبحت أكثر مركزية ومؤسسة كمنتج، بينما تُظهر تغطية هذا الأسبوع لمفهوم البرمجة المعتمدة على الأجواء تبنياً أوسع لإنشاء البرمجيات الروتينية. هذا يرفع قليلاً من مخاطر الاستبدال للمهام البرمجية الثقيلة على التنفيذ مثل توليد boilerplate وإعادة الهيكلة والعمل على ميزات بسيطة، مما يحرك النتيجة من 61 إلى 62.
2026-05-13
تواصل أدوات الترميز المدعومة بالذكاء الاصطناعي التحسن، وتقارير هذا الأسبوع عن تطبيقات vibe-coded توضح أن المزيد من البرامج يمكن بناؤها من خلال المطالبات مع برمجة يدوية أقل. وبما أن قصص البيانات المكشوفة تُظهر أيضًا ثغرات في الموثوقية والأمن، فإن النتيجة ترتفع قليلًا فقط بدلًا من أن ترتفع بشدة.
2026-05-06
الدرجة ترتفع لأن هذا الأسبوع جلب المزيد من الأدلة على أن نشر الذكاء الاصطناعي في الترميز يتعمق ولا يتباطأ. قالت Apple إن اعتماد الذكاء الاصطناعي يحدث أسرع من المتوقع، وأداة Goodfire الجديدة للتفسير الميكانيكي تحسن تصحيح الأخطاء والتحكم في النماذج المستخدمة لتوليد الشيفرة، مما يزيد ضغط الاستبدال على مهام البرمجة الروتينية.
2026-04-29
يزيد DeepSeek V4 واعتماد مساعدي البرمجة المستمر قليلاً من أتمتة توليد الأكواد القوالبية (boilerplate)، وإعادة الهيكلة، وإنشاء الاختبارات، ودعم تصحيح الأخطاء. ترتفع النتيجة بمقدار نقطة واحدة فقط لأن تسليم برمجيات موثوقة لا يزال يعتمد على اختيارات الهندسة المعمارية، والتكامل، والمراجعة البشرية.
2026-04-22
أقوى إشارة في سوق العمل هذا الأسبوع كانت أن العاملين في التقنية طُلب منهم تدريب نظائر الذكاء الاصطناعي، وهذا يؤثر مباشرة على أعمال الترميز والصيانة. إلى جانب استمرار نشر الذكاء الاصطناعي في المؤسسات والأدوات المدعومة بالذكاء الاصطناعي، تبدو مهام التنفيذ الروتينية أكثر قابلية للاستبدال قليلاً مما كانت عليه في النتيجة السابقة.
2026-04-15
تعززت إشارات أتمتة المطورين مرة أخرى هذا الأسبوع إذ ربطت Vercel وكلاء الذكاء الاصطناعي بنمو الإيرادات وأبرزت تغطية HumanX دور Claude في سير عمل الترميز. هذا يؤثر على مهام المبرمج الأساسية مثل توليد الشيفرة وتصحيح الأخطاء وإنشاء الاختبارات، لذا يرتفع التقييم قليلاً بدلاً من ارتفاع حاد.
2026-04-08
تستمر عملية تحويل Claude Code إلى منتج تجاري واعتماد مساعدي البرمجة على نطاق أوسع في دفع الذكاء الاصطناعي إلى مهام تنفيذ البرمجيات بشكل أعمق، في حين تعزز تكاملات ChatGPT الفائدة على مستوى المنصة. ترتفع النتيجة بشكل معتدل لأن أعمال الترميز الروتينية وإصلاح الأخطاء وعمليات التكامل أصبحت أكثر انكشافًا، رغم أن تحذيرات الموثوقية والأمن هذا الأسبوع تحد من الاستبدال الكامل.
2026-04-01
زاد اعتماد المستهلكين والاشتراكات المدفوعة للمساعدين القادرين على البرمجة مرة أخرى هذا الأسبوع، لا سيما مع نمو اشتراكات Claude وتسهيل Gemini لعملية الانتقال من روبوتات الدردشة الأخرى. هذا يرفع خطر المدى القريب على المبرمجين الذين يقومون بكتابة الأكواد النمطية وتصحيح الأخطاء والتوثيق، وإن لم يكن ذلك كافياً بعد للإيحاء بحدوث إزاحة كبيرة.
2026-03-25
إقرار Cursor بأن نموذج الترميز الخاص بها بُني على Kimi التابعة لـ Moonshot AI يعزز مدى سرعة تحسن مساعدين الترميز وتحويلهم إلى منتجات. مع بنية تحتية للاستدلال أفضل، يمكن للذكاء الاصطناعي أن يتولى المزيد من مهام التنفيذ وتصحيح الأخطاء وإكمال الشيفرة، لذا يرتفع خطر المبرمجين قليلاً مقارنة بالأدوار التقنية الأخرى.
2026-03-18
إعادة تشغيل xAI لأداة ترميز بالذكاء الاصطناعي والزخم الأوسع لـ Nvidia/GTC حول بنية تحتية للذكاء الاصطناعي يعززان أن توليد الشيفرة يظل هدفًا آليًا يحظى بتمويل كثيف. التحسن هذا الأسبوع طفيف أكثر من أن يكون تحويليًا، لذلك يرتفع خطر المبرمجين فقط بشكل طفيف مقارنةً بالدرجة السابقة.
2026-03-05
نمو الإيرادات المُبلغ عنه من قِبَل Cursor يشير إلى تسارع اعتماد وكلاء الترميز بالذكاء الاصطناعي القادرين على توليد الكود والاختبارات والتصحيحات من اللغة الطبيعية. هذا يؤثر مباشرة على مهام البرمجة الشائعة (boilerplate، CRUD، refactoring)، مما يؤدي إلى رفع خطر الاستبدال مقارنةً بالتقييم السابق.
إذا عرّفت المبرمجين على أنهم أشخاص يكتبون الشيفرة فقط، فهم من الفئات التي يُرجَّح أن تشعر بتأثير قوي من الذكاء الاصطناعي. وعلى وجه الخصوص، فإن مهام التنفيذ ذات المواصفات الواضحة، والمدخلات والمخرجات المحددة جيدًا، وأنماط الحلول الشائعة، يمكن الآن غالبًا إنجازها بسرعة بواسطة الذكاء الاصطناعي التوليدي وأدوات إكمال الشيفرة.
وفي المقابل، لم تكن القيمة الحقيقية للمبرمج يومًا مجرد سرعة الكتابة. بل تكمن في تنظيم المتطلبات، واتخاذ قرارات التصميم، وضمان الجودة، وتحمل مسؤولية التشغيل. ولتقييم مستقبل المبرمج على المدى الطويل، من الأنسب الفصل بين ما يمكن أتمتته وبين المراحل التي لا يزال البشر يتحملون فيها المسؤولية النهائية.
يتجاوز هذا الدليل درجات مخاطر الذكاء الاصطناعي الأسبوعية، ويركز على كيفية تغير بنية عمل البرمجة على المدى المتوسط والطويل. استخدمه كمرجع لتقييم مستقبل البرمجة، والمهام الأكثر احتمالًا أن يستبدلها الذكاء الاصطناعي، والمهارات التي يجدر تعلمها بعد ذلك.
ما يُرجَّح أن يستبدله الذكاء الاصطناعي ليس مهنة المبرمج بأكملها، بل مراحل التنفيذ التي تعتمد على أنماط قابلة لإعادة الاستخدام. والأنواع التالية من العمل تستفيد على نحو خاص من الأتمتة، كما أنها تصبح مجالات يُحتمل أن تنخفض فيها القيمة النسبية للعمل البشري.
تُعدّ الأعمال المبنية على أعراف الأطر المعروفة، مثل شاشات CRUD، وهياكل REST API الأولية، ومعالجة النماذج، والمصادقة، ومنطق التحقق الشائع، من المجالات التي يمكن للذكاء الاصطناعي فيها إنتاج مسودات أولية قوية. وأصبحت القدرة على كتابة هذه الأمور من الصفر وحدها أقل تميزًا من السابق.
يؤدي الذكاء الاصطناعي أداءً جيدًا في مهام مثل توحيد أسماء المتغيرات، وإعادة الهيكلة البسيطة، وتحويل الشيفرة ميكانيكيًا من لغة إلى أخرى، وإجراء تحديثات طفيفة على الدوال القائمة. وكلما ضاق نطاق التغيير وأمكن وصف المواصفات بالكامل في النص، ازداد ضغط الاستبدال.
تسهل الاستفادة من الذكاء الاصطناعي في مخرجات مساندة مثل هياكل اختبارات الوحدات، ومسودات README، ووصف الدوال، ومقاطع SQL، والتعبيرات النمطية. وبدلًا من إنشاء هذه الأشياء من الصفر، ينتقل البشر أكثر فأكثر إلى دور مراجعة المسودات التي يولدها الذكاء الاصطناعي.
إصلاح الأخطاء التي لها أمثلة سابقة كثيرة، مثل رسائل الاستثناءات المألوفة، وتعارض التبعيات، ونقص الإعدادات، أو الفرز الأولي القائم على السجلات، هي مجالات يعمل فيها دعم الذكاء الاصطناعي بصورة جيدة. ومع ذلك، عندما يكون أثر المشكلة في بيئة الإنتاج كبيرًا، لا يمكن تفويض الحكم النهائي بالكامل.
حتى لو استطاع الذكاء الاصطناعي توليد الشيفرة، فهذا لا يعني أنه قادر على تشغيل البرمجيات الصحيحة للأعمال باستمرار. فما يبقى بقوة في يد المبرمجين هو العمل الذي يتعامل مع الغموض، ويتحمل المسؤولية، ويحمي الجودة من منظور طويل الأمد.
في المشاريع الحقيقية، نادرًا ما تكون مشكلات المستخدمين، وتدفقات الأعمال، والحالات الاستثنائية، وقيود الفرق ذات الصلة واضحة منذ البداية. ولهذا فإن القدرة على فرز ما ينبغي بناؤه وتحويل الطلبات المبهمة إلى مواصفات أكثر صعوبة في الاستبدال من مجرد توليد الشيفرة.
يبقى العمل الذي يوازن بين القابلية للصيانة، والأداء، وقابلية التوسع، والتعافي من الأعطال، والأمان، والتكلفة، مسؤولية بشرية. يمكن للذكاء الاصطناعي اقتراح خيارات، لكنه أقل قدرة بكثير على اتخاذ قرارات المفاضلة المستندة إلى متطلبات العمل وواقع التشغيل.
قد تُخفي الشيفرة المولدة بسهولة حالات طرفية فائتة، أو ثغرات، أو تصميم أذونات ضعيف، أو تصميم سجلات غير جيد، أو مراقبة غير كافية. وستصبح مراجعة الشيفرة، واستراتيجية الاختبار، ومعايير الجودة، والفحوصات اللازمة لمنع الحوادث أكثر أهمية، لا أقل.
عندما تقع مشكلات في بيئة الإنتاج، يجب على الفرق فهم الأعراض، وتحديد الأولويات، واتخاذ إجراءات مؤقتة، ومنع تكرار المشكلة، وشرح الوضع داخليًا وخارجيًا في الوقت نفسه. وهذا يتطلب ليس فقط مهارة تقنية، بل أيضًا حكمًا، وتواصلًا، وتحملًا للمسؤولية، وهي أمور يصعب على الذكاء الاصطناعي أن يحل محلها بمفرده.
يكون الأشخاص الذين يفهمون عمليات العملاء ومعرفة المجال بما يكفي لاقتراح ما ينبغي أتمتته وأين ينبغي أن يبقى اتخاذ القرار البشري أقوياء. وكلما تطور المبرمج من مجرد كاتب شيفرة إلى مهندس قادر على تصميم تحسينات الأعمال، ازدادت احتمالية بقاء قيمته.
لكي يحافظ المبرمجون على قيمتهم، ليس الأهم تكديس المزيد من اللغات بقدر ما هو تعزيز القدرات التي ما تزال تصنع فرقًا حقيقيًا حتى عند استخدام الذكاء الاصطناعي. وفي سوق التوظيف أيضًا، يُرجَّح أن يُقدَّر أصحاب القدرة التصميمية والفهم التجاري أكثر من مجرد سرعة التنفيذ الخام.
أصبحت القدرة على استخدام أدوات مثل ChatGPT وCopilot وCursor لتفكيك المتطلبات، وتوليد الشيفرة، والمراجعة، وتحديد زوايا الاختبار، قريبة من أن تكون ضرورية. والمهم ليس اسم الأداة، بل قدرتك على التحقق من مخرجات الذكاء الاصطناعي، واكتشاف الأخطاء، وتحمل مسؤولية الناتج النهائي.
إن فهم تصميم التطبيقات، وقواعد البيانات، وواجهات API، وتصميم الأذونات، وقابلية الرصد، وقابلية التوسع، يخلق فجوة يصعب على الذكاء الاصطناعي التوليدي سدها. وكلما كان الشخص أقوى في التصميم المسبق، استطاع استخدام الذكاء الاصطناعي كأنه عضو مبتدئ في الفريق وتوسيع نتائجه.
لكي تُنقل الشيفرة التي كتبها الذكاء الاصطناعي بأمان إلى بيئة الإنتاج، تصبح المعرفة باستراتيجية الاختبار، ومنع الثغرات، والمراقبة، وعمليات CI/CD، والاستجابة للحوادث أمرًا لا غنى عنه. قد لا يكون هذا الجانب لافتًا، لكنه مرشح لأن يصبح أكثر قيمة مع انتشار التطوير المدعوم بالذكاء الاصطناعي.
يبقى الأشخاص الذين يفهمون آلام المستخدمين، وهيكل الإيرادات، والعمليات الداخلية، واللوائح، ويستطيعون شرح سبب الحاجة إلى ميزة معينة، أقوياء. وكلما انتقلت من منفذ إلى شخص قادر على تصميم تطوير يخدم الأعمال، تحسنت آفاقك طويلة الأجل.
مع ازدياد شيوع الذكاء الاصطناعي في هذا العمل، فإن الأشخاص المهمين ليسوا فقط من يستطيعون كتابة كل شيء بأنفسهم، بل من يستطيعون تقييم مخرجات الذكاء الاصطناعي والبشر معًا ورفع الجودة. ومن المجدي أن تبني عمدًا القدرة على شرح نية التصميم، وتنظيم القضايا في المراجعات، ومواءمة الجودة داخل الفريق.
تُعد خبرة البرمجة أصلًا قويًا لأنها تمتد بسهولة إلى أدوار مجاورة. وإذا شعرت أن التنفيذ وحده قد لا يكون كافيًا للمستقبل، فقد تساعدك المسارات التالية على توسيع حياتك المهنية نحو مجالات يُرجَّح أن يستمر الطلب عليها مع انتشار استخدام الذكاء الاصطناعي.
تجعل خبرة التطوير من الأسهل تحويل المتطلبات المبهمة إلى صياغة واضحة وتحديد الأولويات. وهذا خيار جيد لمن يريد نقل مركز ثقله بعيدًا عن التنفيذ نفسه نحو تقرير ما ينبغي بناؤه.
يجمع هذا الدور بين الجداول الزمنية، والجودة، ومواعيد التسليم، وتنسيق الأطراف المعنية. ويمكن لأصحاب الخبرة التطويرية المباشرة اتخاذ قرارات تقدم واقعية مستندة إلى حقيقة التنفيذ بدل الاعتماد على إدارة مجردة فقط.
تساعد خبرة التنفيذ على تحديد الظروف الملموسة التي يُحتمل أن تظهر فيها العيوب واكتشاف زوايا اختبار أقوى. ومع تسريع الذكاء الاصطناعي لعملية التطوير، سترتفع فقط قيمة من يستطيعون فحص الجودة بعمق. وتصبح القدرة على تضييق ظروف إعادة الإنتاج واكتشاف ثغرات المواصفات ميزة حقيقية.
يتيح لك هذا الدور التوسع من منظور الباني إلى القدرة على اكتشاف نقاط الضعف في معالجة الثغرات وتصميم الأذونات. إن معرفة كيف تُكتب الشيفرة عادة وكيف يجري التنفيذ عمليًا تتحول هنا إلى قوة دفاعية.
يرتبط هذا المسار ارتباطًا وثيقًا بعمليات الإنتاج، والمراقبة، والتوافر، وتحسين التكلفة. وهو يناسب من يريد تجاوز التنفيذ إلى دور أوسع في الحفاظ على استقرار الخدمة بأكملها.
يركز هذا الدور على تحديد أين ينبغي استخدام الذكاء الاصطناعي وأين يجب أن تبقى المراجعة البشرية. وهو امتداد طبيعي للمهندسين الذين يريدون استخدام خلفيتهم التقنية في قرارات مبكرة تربط التنفيذ بالأعمال.
باختصار، المبرمجون ليسوا مهنة ستختفي دفعة واحدة بسبب الذكاء الاصطناعي. لكن أسلوب العمل الذي يضع القيمة فقط في فعل كتابة الشيفرة سيصبح أصعب بكثير بوضوح. وأقوى المبرمجين مستقبلًا هم على الأرجح من يستخدمون الذكاء الاصطناعي لتسريع التنفيذ، مع تحمل المسؤولية أيضًا عن المتطلبات، والتصميم، والجودة، والتشغيل.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه مبرمج. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
يمنح مؤشر مخاطر الوظائف بالذكاء الاصطناعي حالياً مبرمج درجة 69 من 100. الدرجة الأعلى تعني أن جزءاً أكبر من المهام الروتينية والمحددة جيداً في هذه الوظيفة يمكن أتمتته بالفعل، وهي ليست توقعاً باختفاء المهنة. يميل الذكاء الاصطناعي إلى استيعاب العمل المتكرر أولاً، بينما يبقى الحكم والمسؤولية والعلاقات الإنسانية بيد البشر.
تجمع الدرجة بين تقدير أساسي لمدى قابلية المهام الجوهرية للوظيفة للأتمتة وإعادة تقييم أسبوعية تأخذ في الحسبان أحدث أبحاث الذكاء الاصطناعي ومنتجاته وأخباره. الدرجات نسبية عبر جميع الوظائف المرصودة، لذا من الأفضل قراءة رقم مبرمج بالمقارنة مع وظائف أخرى لا باعتباره احتمالاً مطلقاً.
لا توجد وظيفة محصّنة تماماً، لكنك تقلل تعرضك بالتركيز على ما يتعامل معه الذكاء الاصطناعي بصعوبة أكبر: الحكم المعقد، والمسؤولية الأخلاقية، والعمل اليدوي أو التفاعلي، والإشراف على مخرجات الذكاء الاصطناعي. من يستخدمون الذكاء الاصطناعي أداةً يحققون نتائج أفضل باستمرار ممن يحاولون منافسته.
تُحدَّث الدرجة كل أسبوع من مؤشرنا. ويوضح رقم التغير الأسبوعي في هذه الصفحة مقدار تغير تعرض مبرمج للذكاء الاصطناعي مقارنة بالأسبوع السابق.
