نشر باحثون في شركة Microsoft الأمريكية ورقة بحثية تناولت استخدام أدوات البرمجة بالذكاء الاصطناعي التي تعمل عبر سطر الأوامر وتأثيرها في الإنتاجية، استنادًا إلى دراسة شملت عشرات الآلاف من مهندسي البرمجيات داخل الشركة. وشملت الأدوات «Claude Code» من Anthropic و«Copilot CLI» من GitHub، واستمرت الدراسة نحو أربعة أشهر، من 5 يناير إلى 29 أبريل 2026. وذكر الباحثون أن المهندسين الذين استخدموا الأدوات خلال الأسبوع الأول من طرحها سجّلوا في المتوسط زيادة قدرها 24٪ في عدد طلبات الدمج المقبولة، مقارنة بمن لم يستخدموها.
توزيع الأدوات وحده لا يكفي لنشر استخدامها؛ فالخطوة الأولى تبدأ من «المكتب المجاور»
قد يتخيل بعض المسؤولين والمديرين أن توفير الشركة أداة ذكاء اصطناعي للجميع سيجعل الموظفين يبدأون استخدامها في اليوم التالي. لكن هذه الدراسة تشير إلى أن ما يرجّح قرار التجربة الأولى هو العلاقات بين الزملاء في مكان العمل، لا الشروحات أو الإعلانات عن الميزات.
ارتفع احتمال أن يبدأ الموظف باستخدام الأداة عندما يستخدمها زملاء يتبادل معهم الشيفرات بانتظام أو مديره المباشر. والأرقام محددة: عندما استخدم أكثر من ربع زملائه الذين يشتركون معه في المدير نفسه خلال الأسبوعين السابقين، ارتفعت أرجحية تجربة الأداة بنسبة وصلت إلى 216٪. وبلغت الزيادة 82٪ عندما كان المدير المباشر يستخدمها، و54٪ عندما كان أكثر من ربع الأشخاص الذين يتبادل معهم مراجعة الشيفرات عادةً يستخدمونها.
ارتفاع الأرجحية ليس هو نفسه «ارتفاع الاحتمال»
من المهم هنا الانتباه إلى معنى كلمة «الأرجحية». فهي تعبّر عن نسبة احتمال وقوع حدث إلى احتمال عدم وقوعه. وقد توحي زيادة الأرجحية بنسبة 216٪ بأن عدد المستخدمين ازداد إلى أكثر من ثلاثة أضعاف، لكن هذا لا يعني أن نسبة المستخدمين نفسها ارتفعت 216٪. وعندما يكون معدل الاستخدام الأصلي منخفضًا، قد يبدو الفرق كبيرًا؛ أما الزيادة الفعلية في عدد المستخدمين فتكون أصغر من هذا الرقم.
مع ذلك، يتضح أن تحركات المديرين والزملاء تشجّع الآخرين على استخدام الأداة. فغالبًا ما يبدأ الناس استخدام أداة جديدة بقولهم: «إذا كان فلان يستخدمها، فسأجربها»، لا بقراءة دليل الاستخدام. وبرأيي، ينطبق هذا على أماكن عمل كثيرة، وليس على فرق التطوير وحدها. قد تكون الخطوات البسيطة، مثل أن يبادر المدير إلى تجربة الأداة ويعرض طريقة استخدامها أثناء مراجعة الشيفرات، أكثر تأثيرًا من مواد التدريب.
ما يحدد استمرار الاستخدام هو سير العمل المعتاد
أما استمرار من جربوا الأداة في استخدامها، فمسألة أخرى. وأظهرت الدراسة أن مواصلة الاستخدام ارتبطت بحجم نشاط الموظف المعتاد في البرمجة. فالمهندسون المشغولون الذين يكتبون كثيرًا من الشيفرات ويرسلون طلبات الدمج بوتيرة عالية كانوا أقدر على ملاحظة فوائد الذكاء الاصطناعي، وأكثر ميلًا إلى اعتماد الأداة باستمرار.
طلب الدمج هو طلب إدراج الشيفرة المعدّلة في المشروع الأساسي. ويمكن القول إن من يرسلون هذه الطلبات كثيرًا لديهم مهام أكثر يمكن إسنادها إلى الذكاء الاصطناعي. فكلما زاد حجم العمل المنجز، أمكن الإحساس بأثر الأداة على نحو أوضح.
البيئة المألوفة قد تشكل عائقًا أمام الأدوات الجديدة
في المقابل، أظهرت النتائج أن من كانوا يستخدمون أدوات ذكاء اصطناعي أخرى في بيئات تطوير مختلفة جربوا الأدوات الجديدة، لكنهم كانوا أقل ميلًا إلى مواصلة استخدامها. وقد يكون السبب أن كثيرين يشعرون براحة أكبر في البيئة التي اعتادوا عليها.
يشبه الأمر الانتقال إلى هاتف ذكي آخر. فحتى لو كانت ميزاته أفضل، قد يرغب المستخدم في العودة إلى جهازه السابق إذا اعتاد ترتيب التطبيقات وطريقة تشغيلها. لذلك، على الجهات التي تعتمد أدوات ذكاء اصطناعي جديدة أن تنظر ليس إلى أدائها فحسب، بل أيضًا إلى مدى انسجامها مع سير العمل الذي بناه المستخدمون بالفعل.
كيف نقرأ زيادة عدد طلبات الدمج بنسبة 24٪؟
قيس أثر الأدوات في الإنتاجية بعدد طلبات الدمج المقبولة، باعتباره مؤشرًا على حجم العمل المنجز. وأفاد التقرير بأن المهندسين الذين استخدموا الأدوات خلال الأسبوع الأول من طرحها أنجزوا في المتوسط طلبات دمج أكثر بنسبة 24٪ مقارنة بمن لم يستخدموها، وأن هذا الأثر ظل مستقرًا خلال الأشهر الأربعة للدراسة، ولم يكن مجرد حماسة مؤقتة أعقبت طرح الأدوات.
لكن الإنتاجية هنا مقاسة بمؤشر واحد فقط، هو عدد طلبات الدمج. ولا تعني هذه الأرقام أن جودة الشيفرة أو الوقت اللازم لكل طلب أو العبء الواقع على الفريق قد تحسنت بالنسبة نفسها. من المهم التمييز بين حقيقة ارتفاع العدد وبين الشعور بأن العمل ككل أصبح أسهل.
زيادة بنسبة 11.4٪ مع Claude Code، و24.9٪ مع Copilot CLI
وعند النظر إلى كل أداة على حدة، زاد عدد طلبات الدمج مقارنة بالأسابيع التي لم تُستخدم فيها الأدوات بنسبة 11.4٪ لدى مستخدمي Claude Code، و24.9٪ لدى مستخدمي Copilot CLI. ويقارب الفرق بينهما الضعف، لكن من المبكر اعتبار هذه الأرقام دليلًا مباشرًا على تفوق إحدى الأداتين. فـCopilot CLI أداة تقدمها GitHub التابعة لـMicrosoft، وقد تختلف طريقة استخدامها داخل الشركة والفئات التي تستخدمها عن نظيرتها.
ومع ذلك، لا توجد دراسات كثيرة تابعت على مدى أربعة أشهر، في بيئات تطوير فعلية تضم عشرات الآلاف من الأشخاص، كيفية انتشار الاستخدام ونتائجه معًا. وفي حين غالبًا ما ينحصر النقاش حول البرمجة بالذكاء الاصطناعي في سؤال «أي النماذج أذكى؟»، تكشف نتائج هذه الدراسة واقع التبنّي: من يبدأ باستخدام الأدوات ومن يواصل استخدامها. وربما دخلنا عصرًا باتت فيه القدرة على تصميم كيفية انتشار الأدوات في مكان العمل تؤثر في النتائج بقدر اختيار الأدوات نفسها.
コメント